CONVERGENCIA GLOBAL DE UN ALGORITMO DE DESCENSO MULTIDIRECCIONAL PARA UN PROBLEMA DE ESTIMACION DE PARAMETROS EN EDP
|
|
- Lorenzo Escobar Serrano
- hace 6 años
- Vistas:
Transcripción
1 CONVERGENCIA GLOBAL DE UN ALGORITMO DE DESCENSO MULTIDIRECCIONAL PARA UN PROBLEMA DE ESTIMACION DE PARAMETROS EN EDP Mauricio Carrillo Oliveros Prof. Guía: Juan Alfredo Gómez Universidad de la Frontera, Temuco Enero 2010
2 OBJETIVO Diseñar un algoritmo de descenso para el problema de optimización continuo, basado sobre aproximaciones discretas del mismo, usando las condiciones de Wolfe. Si es posible hacer esto, la convergencia global del algoritmo queda asegurada por un teorema de optimización en dimensión in nita.
3 ASPECTOS TEORICOS Min q2q J : Q! R, J 2 C 1 donde J(q) = kc (u(q)) Q espacio normado. χk 2 V ), u(q) solución de alguna EDP y
4 ASPECTOS TEORICOS ALGORITMO DE DESCENSO A1) Elegir q 0 2 Q, k = 0 A2) Buscar d k 2 Q dirección de descenso ( e.d: rj(q k ), d k < 0). A3) Buscar un paso λ k > 0. A4) Hacer q k+1 = q k + λ k d k A5) Test de detención.sí,parar. No, ir a A2).
5 ASPECTOS TEORICOS En un contexto más formal: Un algoritmo A para Γ = fq 2 Q : rj(q) = 0g está dado por, A i : Q! P(Q) tal que: 1 A i (q) 6=?, 8q /2 Γ, 8i 2 I N 2 J(q 0 ) < J(q), 8q 0 2 A i (q), 8q /2 Γ y los siguientes pasos: A 1 ) Elegir q 0 2 Q, i = 0 A 2 ) Calcular A i (q i ) A 3 ) Elegir q 2 A i (q i ) A 4 ) Test de detención( por ejemplo: J(q ) J(q i )).Sí, parar y tomar q i como último punto. Si no, seguir a A 5. A 5 ) Hacer q i+1 = q, i + 1! i, ir a A 2.
6 Se anota: A(q 0 ) = fq n g. Se dice que A es globalmente convergente a Γ si 8q 0 2 Q: q N 2 Γ, si fq n g = fq 1,...q N g,o bien der fq n g 2 Γ si fq n g es in nita Se escribe: A! Γ
7 ALGORITMO DE DESCENSO CON BUSQUEDA MULTIDIRECCIONAL Sea p 2 N y ρ, α, β 2 (0, 1), β > α. Se de nen A p : Q! P(Q) tq: 8 q >< 2 Q/q = q + λd, λ 2 R p, D 2 Q p 9, tq : >= 1) hrj(q), λdi ρ krj(q)k kλdk A p (q) := 2)J(q >: ) J(q) + α hrj(q), λdi >; 3) hrj(q ), λdi β hrj(q), λdi 1) de ne el conjunto de direcciones ρ no ortogonales. 2) y 3) son las llamadas condiciones de Wolfe. Obs: Podemos considerar también el algoritmo A pn con número variable de direcciones en cada paso.
8 Para el caso nitodimensional, e.d dim Q < y p = 1, se sabe que el algoritmo A 1 es globalmente convergente a Γ. Los métodos Quasi-Newton son diferentes formas de implementar este algoritmo. Para el caso general, se tiene el siguiente teorema:
9 THEOREM Sea Q espacio normado y J : Q! R, J 2 C 1 y acotada inferiormente. Sean ρ, α, β 2 (0, 1), β > α y fp n g N. Luego: A pn!γ. Para el problema: y su discretización: (P) Minq2Q J(q) = kc (u(q)) χk 2 V s/t a(q, u(q)) = f (v), 8v 2 V (P h ) Minqh 2Q h J h (q h ) = kc (u h (q h )) χ h k 2 V h s/t A h (q h, u h ) = f (v h ), 8v h 2 V h
10 Consideremos, por ejemplo, Q = L (Ω).La discretización de la EDP por elementos nitos y: q h = (q h1,..., q hm (h) ) 2 R M (h) donde M(h) es el número de elementos de la discretización: Ω h = [ M (h) j=1 K j Ω. De nimos q h (.) 2 L (Ω): q h (x) = q hj, 8x 2 K j, j = 1,...M(h) y para la variable de estado discreta u h = (u h1,..., u hn (h) ) 2 R N (h), consideramos la función de interpolación u h (.) 2 V dada por: u h (x) = N (h) u hj φ j (x) j=1
11 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0.
12 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0. 2 Determinar ρ 1, α 1, β 1 para el problema continuo.
13 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0. 2 Determinar ρ 1, α 1, β 1 para el problema continuo. 3 Elegir qh 0,calcular u0 h =) q0 h (.), u0 h (.), k = 0.
14 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0. 2 Determinar ρ 1, α 1, β 1 para el problema continuo. 3 Elegir qh 0,calcular u0 h =) q0 h (.), u0 h (.), k = 0. 4 Test de detención.
15 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0. 2 Determinar ρ 1, α 1, β 1 para el problema continuo. 3 Elegir qh 0,calcular u0 h =) q0 h (.), u0 h (.), k = 0. 4 Test de detención. 5 Veri cación de desigualdad. Cambio de paso?h 0 < h. Rede nir q k h 0! u k h 0
16 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0. 2 Determinar ρ 1, α 1, β 1 para el problema continuo. 3 Elegir qh 0,calcular u0 h =) q0 h (.), u0 h (.), k = 0. 4 Test de detención. 5 Veri cación de desigualdad. Cambio de paso?h 0 < h. Rede nir q k h 0! u k h 0 6 Determinar M q k h 0 tal que q k+1 h 0 = q k h 0 + M q k h 0 satisface condiciones ρ, α, β.aplicar algún algoritmo Quasi-Newton.
17 ESTRUCTURA DEL ALGORITMO 1 Elegir ρ, α, β 2 (0, 1) para los problemas discretos.(valores típicos: ρ = 1 2, α = 1 10, β = 9 10.).h > 0. 2 Determinar ρ 1, α 1, β 1 para el problema continuo. 3 Elegir qh 0,calcular u0 h =) q0 h (.), u0 h (.), k = 0. 4 Test de detención. 5 Veri cación de desigualdad. Cambio de paso?h 0 < h. Rede nir q k h 0! u k h 0 6 Determinar M q k h 0 tal que q k+1 h 0 = q k h 0 + M q k h 0 satisface condiciones ρ, α, β.aplicar algún algoritmo Quasi-Newton. 7 Hacer q k+1 h 0 (.) = q k h 0 (.)+ M q k h 0 (.). k! k + 1. Ir a IV.
18 OBSERVACIONES 1. El número de iteraciones en cada problema discreto hasta encontrar un punto adecuado es el número de direcciones que tomamos en ese paso del algoritmo para el problema continuo. Este número puede variar de paso en paso. Esto hace aplicable el teorema anterior para demostrar la convergencia global del algoritmo hacia una solución óptima local del problema continuo.
19 OBSERVACIONES 2. Este enfoque, novedoso, fue aplicado para construir un algoritmo globalmente convergente para el siguiente problema de control optimal en EDO(J.A.Gómez,"Global Convergence of a multidirectional algorithm for unconstrained optimal control problems",num. Func.Analysis and optimization,1998): MinJ(u(.)) = ϕ [x(t 1 )], s.t ẋ(t) = f (x(t), u(t)), a.a t 2 [t 0, t 1 ], x(t 0 ) = bx 0 u(t) 2 U, a.a. t 2 [t 0, t 1 ]
20 Gracias
Rectas y Planos en el Espacio
Rectas y Planos en el Espacio Rectas y Planos en el Espacio Verónica Briceño V. septiembre 2012 Verónica Briceño V. () Rectas y Planos en el Espacio septiembre 2012 1 / 20 En esta Presentación... En esta
Más detallesRectas y Planos en el Espacio
Rectas y Planos en el Espacio Rectas y Planos en el Espacio Verónica Briceño V. octubre 2013 En esta Presentación... En esta Presentación veremos: Rectas En esta Presentación... En esta Presentación veremos:
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesINTRODUCCIÓN A LA OPTIMIZACIÓN CON ALGORITMOS
INTRODUCCIÓN A LA OPTIMIZACIÓN CON ALGORITMOS 1 Índice 1. Minimización irrestricta 6 1.1. Condiciones de Optimalidad............................. 6 1.2. Métodos de descenso.................................
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura Índice Paralelismo Ángulos Otras figuras d Triángulos
Más detallesExpresiones Regulares y Derivadas Formales
y Derivadas Formales Las Derivadas Sucesivas. Universidad de Cantabria Esquema 1 2 3 Derivadas Sucesivas Recordemos que los lenguajes de los prefijos dan información sobre los lenguajes. Derivadas Sucesivas
Más detallesDada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación
Tema 8 Ceros de funciones Versión: 23 de abril de 2009 8.1 Introducción Dada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación f(x) = 0. (8.1) La
Más detallesResumen de Análisis Matemático IV
Resumen de Análisis Matemático IV 1. Funciones inversas e implícitas y extremos condicionados 1.1. Teorema de la función inversa Teorema de la función inversa: Sea A abierto de R n, f : A R n tal que f
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesPráctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función.
Práctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función. Se suele llamar método de Newton-Raphson al método de Newton cuando se utiliza para calcular los ceros
Más detalles10. Series de potencias
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 7-2 Basado en el apunte del curso Cálculo (2do semestre), de Roberto Cominetti, Martín Matamala y Jorge San
Más detallesLas Gramáticas LL. Gramáticas con Parsing Eficiente. Universidad de Cantabria
Las (k) Las Gramáticas con Parsing Eficiente Universidad de Cantabria Outline Las (k) 1 Las (k) 2 3 Las (k) Formalizalización del Concepto LL Definición Una gramática libre de contexto G = (V, Σ, Q 0,
Más detalles3. Algoritmos de puntos interiores para. Programación Lineal Introducción CO-5411 (S08) 23/02/
CO-5411 S08) 23/02/2008 35 3. Algoritmos de puntos interiores para Programación Lineal 3.1. Introducción A nales de la década de los años 40, George B. Dantzig diseña el algoritmo Simplex y da comienzo
Más detallesEjercicios de ECUACIONES DIFERENCIALES ORDINARIAS
Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Grado en Matemáticas Curso 203-204 . Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes
Más detallesTema 2: Determinantes
Tema : Determinantes.- a) Encontrar los valores de λ para los que la matriz λ A = 0 λ λ 0 es invertible b) Para λ = hallar la inversa de A comprobar el resultado c) Resolver el sistema x 0 A = 0 z 0 para
Más detallesSeries de números complejos
Análisis III B - Turno mañana - Series 1 Series de números complejos 1 Definiciones y propiedades Consideremos una sucesión cualquiera de números complejos (z n ) n1. Para cada n N, sabemos lo que quiere
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesPráctico 7 - Desarrollo de Taylor. 1. Polinomio de Taylor. Universidad de la República Cálculo 1 Facultad de Ingeniería - IMERL Segundo Semestre 2016
Universidad de la República Cálculo Facultad de Ingeniería - IMERL Segundo Semestre 206 Práctico 7 - Desarrollo de Taylor. Polinomio de Taylor. El polinomio de Mc Laurin de orden 4 asociado a una cierta
Más detallesIntroducción a la Teoría Analítica de Números
Introducción a la Teoría Analítica de Números Pablo De Nápoli clase 3. Ejemplos de funciones generatrices El teorema que vimos la clase anterior sobre el producto de series de Dirichlet permite determinar
Más detallesMétodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones
Métodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones Dr. Gonzalo Hernández Oliva UChile - Departamento de Ingeniería Matemática 07 de Mayo 2006 Abstract En este apunte veremos
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detalles1. Funciones de varias variables
Coordinación de Matemáticas III (MAT 023) 1 er Semestre de 2013 1. Funciones de varias variables 1.1. Definiciones básicas Definición 1.1. Consideremos una función f : U R n R m. Diremos que: 1. f es una
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesSuperficies cuádricas
Superficies cuádricas Jana Rodriguez Hertz GAL2 IMERL 9 de noviembre de 2010 definición superficie cuádrica definición (forma cuadrática) una superficie cuádrica está dada por la ecuación: definición superficie
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesUNIDAD TEMÁTICA XIII
FUNCIONES DE UNA SOLA VARIABLE UNIDAD TEMÁTICA XIII XIII.1 INTRODUCCIÓN Las funciones de una variable son las más simples dentro del análisis funcional, y mediante ellas se puede describir muchos problemas
Más detallesObservación: El método de Euler, es el método de Taylor de orden 1.
METODO DE TAYLOR TEOREMA DE TAYLOR DE ORDEN N Sea y(t) una función tal que sea n veces continuamente diferenciable en el intervalo [a,b] y existe y (N+1) existe en [a, b] Para todo t k + [a, b] abrá un
Más detallesMétodo de potencia directo e inverso
Clase No. 12: Método de potencia directo e inverso MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.09.2011 1 / 20 Método de la potencia Este método puede encontrar el eigenvalor más grande
Más detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesTransformaciones lineales
Semana 8 [1/62] 8 de septiembre de 27 Definiciones básicas Semana 8 [2/62] Definición Transformación lineal U, V dos espacios vectoriales sobre el mismo cuerpo Ã. T : U V es una transformación (o función)
Más detallesBreves comentarios sobre las ecuaciones de Maxwell para los estudiantes de cálculo de Luis. May 20,
Breves comentarios sobre las ecuaciones de Maxwell para los estudiantes de cálculo de Luis asv@cimat; May 20, 20. Preliminares Lema. Sea ϕ una función escalar definida en un subconjunto abierto de R 3
Más detallesGUIÓN TEMA 2. PROPIEDADES DE LOS ESTIMADORES MCO 2.1 PROPIEDADES ESTADÍSTICAS DEL ES- TIMADOR MCO DE.
ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 011/1 GUIÓN TEMA. PROPIEDADES DE LOS ESTIMADORES MCO Bibliografía apartados.1,. y.3: Greene, 6.6.1, 6.6.3
Más detalles4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno
para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos
Más detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesUniversidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación
Universidad de Santiago de Chile Facultad de Ciencia Departamento de Matemática y Ciencias de la Computación EJERCICIOS RESUELTOS DE ECUACIONES NO LINEALES Profesor: Jaime Álvarez Maldonado Ayudante: Rodrigo
Más detallesSucesiones acotadas. Propiedades de las sucesiones convergentes
Sucesiones acotadas. Propiedades de las sucesiones convergentes En un artículo anterior se ha definido el concepto de sucesión y de sucesión convergente. A continuación demostraremos algunas propiedades
Más detallesSistemas lineales de ecuaciones diferenciales. Juan-Miguel Gracia
Sistemas lineales de ecuaciones diferenciales Juan-Miguel Gracia Índice Sistemas lineales 2 Búsqueda de una solución especial 3 Aplicación a sistemas 4 Problema de condiciones iniciales 2 / 2 Sistemas
Más detallesTEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015
TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015 1. Asignaciones Eficientes, equilibrios de Walras Una economía de intercambio está constituida por un conjunto de agentes {1, 2,..., I}, con sus relaciones
Más detallesALGEBRA LINEAL. David Delepine, Mauro Napsuciale, Simón Rodríguez
ALGEBRA LINEAL David Delepine, Mauro Napsuciale, Simón Rodríguez 30 de octubre de 2005 Índice general 1. Espacios euclidianos 2 1.1. Productos escalares........................ 2 1.2. Normas y distancias.......................
Más detallesAnexo 1: Algoritmos de optimización para funciones con ruido
Anexo : Algoritmos de optimización para funciones con ruido Introducción Los algoritmos que hemos visto hasta el momento no pueden ser implementados si el gradiente de la función objetivo no está disponible
Más detallesClase 9 Programación No Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 9 Programación No Lineal ICS 110 Optimización Profesor : Claudio Seebach Apuntes de Clases
Más detallesLa Ambigüedad en el Parsing
La en el Parsing Definición y Ejemplos Universidad de Cantabria Outline El Problema 1 El Problema 2 3 El Problema En nuestra busqueda por encontrar la estructura exploraremos como elegir una derivación
Más detallesInversas de las matrices triangulares superiores
Inversas de las matrices triangulares superiores Ejercicios Objetivos. Demostrar que la inversa a una matriz triangular superior también es triangular superior. Requisitos. Algoritmo de inversión de una
Más detallesIntegración numérica
Integración numérica Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Índice Motivación y objetivos Cuadratura
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesExtensiones finitas.
2. EXTENSIONES ALGEBRAICAS. Hemos dividido este tema en dos secciones: Extensiones finitas, y Clausura algebraica. En la primera relacionamos extensión finita y extensión algebraica: probamos que toda
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesDivisibilidad de un número real entre otro
Divisibilidad de un número real entre otro Objetivos Definir (o repasar) el concepto de divisibilidad de un número real entre otro Establecer algunas propiedades básicas de esta relación binaria Requisitos
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesCapítulo 3. Polinomios
Capítulo 3 Polinomios 29 30 Polinomios de variable real 31 Polinomios de variable real 311 Evaluación de polinomios Para el cálculo eficiente de los valores de un polinomio se utiliza el algoritmo de Horner,
Más detallesMétodos Iterativos para Ecuaciones no Lineales
This is page i Printer: Opaque this Métodos Iterativos para Ecuaciones no Lineales Dr. Oldemar Rodríguez Rojas Setiembre 001 ii This is page iii Printer: Opaque this Contents 1 Métodos iterativos para
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
Más detallesEl método de súper y sub soluciones en el espacio de funciones casi periódicas.
El método de súper y sub soluciones en el espacio de funciones casi periódicas. Universidad de Buenos Aires - IMAS (CONICET) UMA - Bahía Blanca - 2016 Super y sub soluciones Problema periódico asociado
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesMatemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
Más detallesEspacios métricos completos
5 Espacios métricos completos Comenzamos introduciendo las sucesiones de Cauchy, que relacionamos con las sucesiones convergentes. En el caso de que coincidan, se trata de un espacio métrico completo.
Más detalles1 Números reales. Funciones y continuidad.
1 Números reales. Funciones y continuidad. En este tema nos centraremos en el estudio de la continuidad de funciones reales, es decir, funciones de variable real y valor real. Por ello es esencial en primer
Más detallesNP-Completeness: Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas
Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Complejidad del problema de la Mochila NP-Completeness: (Knapsack problem)
Más detallesComplementos de Análisis. Año 2016
Complementos de Análisis. Año 2016 Práctica 8. Ecuaciones diferenciales ordinarias. 1 Modelando con ecuaciones diferenciales Modelar con ecuaciones diferenciales las siguientes situaciones. Intentar resolver
Más detallesMétodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
Más detallesClase 10: Extremos condicionados y multiplicadores de Lagrange
Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función
Más detallesControl Moderno - Ing. Electrónica Ejercicio Resuelto 3: Teorema de Cayley-Hamilton
Control Moderno - Ing. Electrónica Ejercicio Resuelto 3: Teorema de Cayley-Hamilton Introducción A continuación se presentan unos pocos y simples ejemplos que muestran como puede emplearse el Teorema de
Más detallesTEMA 5.6 PROGRAMACIÓN NO LINEAL
TEMA 5.6 PROGRAMACIÓN NO LINEAL 5.6.. INTRODUCCIÓN 5.6.. CONCEPTOS BÁSICOS 5.6.. MÉTODO O DE NEWTON ONSN SIN RESTRICCIONES S 5.6.4. MÉTODO DE NEWTON CON RESTRICCIONES. FUNCIONES DE PENALIZACIÓN. INTRODUCCIÓN
Más detallesCapítulo 12. Polinomios de Hermite Función generatriz. Definimos los polinomios de Hermite por: . (12.1)
Capítulo 12 Polinomios de Hermite 12.1 Definición Definimos los polinomios de Hermite por: = ( 1) n dn t2 e dt n e t2 {} n N son polinomios de grado n. Se tiene que: es decir, H n es par si n es par, e
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesRelaciones de recurrencia
MATEMÁTICA DISCRETA I F. Informática. UPM MATEMÁTICA DISCRETA I () Relaciones de recurrencia F. Informática. UPM 1 / 7 Relaciones de recurrencia Relaciones de recurrencia Definición Una relación de recurrencia
Más detallesProblemas con soluciones
Departamento de Matemática, Universidad Técnica Federico Santa María, MAT-223. Problemas con soluciones 1) Muestre que si A es una base de una toplogía en X, entonces la topología generada por A es iqual
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano
ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesBÚSQUEDA INTELIGENTE BASADA EN METAHEURÍSTICAS
Departamento de Inteligencia Artificial Grupo de Análisis de Decisiones y Estadística BÚSQUEDA INTELIGENTE BASADA EN METAHEURÍSTICAS PRÁCTICAS 1 Existen varias características que pueden causar dificultades
Más detallesSucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue:
Sucesiones en R n Definición. Una sucesión en R n es cualquier lista infinita de vectores en R n x, x,..., x,... algunos de los cuales o todos ellos pueden coincidir entre si. Dada una sucesión x, x,...,
Más detallesTaller: Introducción a las Relaciones de Recurrencia.
Taller: Introducción a las Relaciones de Recurrencia. Déboli Alberto. Departamento de Matemática. F.C.E. y N. Universidad de Buenos Aires. Semana de la Enseñanza de la Ciencia. Buenos Aires 15 de julio
Más detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesTeoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Más detallesCÁLCULO II. Grado M+I. Sucesiones y series de funciones. Sucesiones y series de funciones 1 / 27. Grado M+I () CÁLCULO II
CÁLCULO II Grado M+I Sucesiones y series de funciones Sucesiones y series de funciones 1 / Sucesiones funciones. Convergencia puntual Sucesión de funciones Definición Una sucesión de funciones será cualquier
Más detallesKolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona
Kolmogorov y la teoría de la la probabilidad David Nualart Academia de Ciencias y Universidad de Barcelona 1 La axiomatización del cálculo de probabilidades A. N. Kolmogorov: Grundbegriffe des Wahrscheinlichkeitsrechnung
Más detallesContinuidad y monotonía
Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados
Más detallesTransformada de Laplace: Aplicación a vibraciones mecánicas
Transformada de Laplace: Aplicación a vibraciones mecánicas Santiago Gómez Jorge Estudiante de Ingeniería Electrónica Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía Blanca, Argentina thegrimreaper7@gmail.com
Más detallesTema 6: Resolución aproximada de sistemas de ecuaciones lineales
Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesIntroducción al Cálculo Numérico
Tema 1 Introducción al Cálculo Numérico 1.1 Introducción El Cálculo Numérico, o como también se le denomina, el Análisis numérico, es la rama de las Matemáticas que estudia los métodos numéricos de resolución
Más detallesPRIMER EXAMEN PARCIAL ÁLGEBRA LINEAL I. Soluciones. Suponer que x, y, z y t son escalares tales que, xh + yi + ze + tf = T.
PRIMER EXAMEN PARCIAL ÁLGEBRA LINEAL I Soluciones Sea W un espacio vectorial real de dimensión 2 y sea {u, u 2 } una base dada. Considerar las transformaciones lineales H, I, E, F EndW ) definidas de la
Más detallesAlgebra lineal de dimensión finita
Algebra lineal de dimensión finita Métodos para calcular autovalores Pseudoinversa Algebra lineal númerica 1 Teorema:[Teorema 1.6] Sea A es una matriz real simétrica. Si Q(x) =< Ax, x > entonces: λ 1 =
Más detallesI. Métodos directos para resolución de SEL. Se dice que una matriz A admite una factorización LU indirecta A = LU
I. Métodos directos para resolución de SEL 1. Factorización LU Se dice que una matriz A admite una factorización LU si dicha matriz puede escribirse como el producto de una matriz triangular inferior,
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas ITESM Métodos Iterativos para Resolver Sistemas Lineales Álgebra Lineal - p. 1/30 En esta lectura veremos
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detalles