Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis de Problemas Variacionales en Mecanica Cuantica Mediante Tecnicas de Optimizaci On No Line PDF
Analisis de Problemas Variacionales en Mecanica Cuantica Mediante Tecnicas de Optimizaci On No Line PDF
An
alisis de problemas variacionales en mec
anica
cu
antica mediante t
ecnicas de optimizaci
on no
lineal
Rene J. Meziat, Diego A. Pati
no
Proyecto de Investigacion N
umero 1810 de la Fundacion para la
Promocion de la Investigacion y la Tecnologa-Banco de la Rep
ublica
Tabla de Contenido
Contenido
Presentaci
on
VII
0.1. Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1. An
alisis Matem
atico del Problema
ix
1
11
2. Electrodin
amica
15
2.1. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.2. Convexificacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
18
19
21
2.5.1. Atraccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
2.5.2. Repulsion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
32
34
36
2.9. Relajacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
38
2.11. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2.11.1. Prueba 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2.11.2. Prueba 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
ii
2.11.3. Prueba 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
2.11.4. Prueba 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
2.11.5. Prueba 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
47
48
3.1.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
52
55
57
60
3.3.3. Generalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
3.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
3.4.1. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
3.4.2. Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
3.4.3. Ejemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
3.4.4. Ejemplo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
3.4.5. Ejemplo 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
85
3.4.6. Ejemplo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
90
3.4.7. Ejemplo 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
94
3.4.8. Ejemplo 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
119
Bibliografa
121
A. Lenguaje AMPL
124
133
C. Solucionador KNITRO
iii
137
143
Lista de Figuras
2.1. Oscilaciones de la posicion . . . . . . . . . . . . . . . . . . . . . . . . .
25
27
28
29
30
32
32
33
34
34
42
43
44
45
46
56
57
58
59
61
. . . . . . . . . . . . . . . . . . . . . . . .
iv
. . . . . . . . . . . . . . . . . . . . . .
63
65
65
Lista de Tablas
2.1. Tabla de medidas (ti ) . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
27
29
30
31
67
68
71
73
76
77
81
82
85
87
90
91
95
yN =5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
Presentaci
on
En este trabajo abordaremos el tratamiento matematico y el analisis numerico de sistemas mecanicos en electrodinamica y dinamica no lineal. Emplearemos un lenguaje
com
un de calculo de variaciones que se ajusta a situaciones especiales de dinamica
no lineal, en especial aquellos casos en que aparecen terminos no convexos en el Lagrangiano o en la formulacion Hamiltoniana del sistema mecanico en cuestion. Aunque
estas situaciones no son frecuentes, existen situaciones lo suficientemente relevantes en
electrodinamica y mecanica de medios continuos que justifican este enfoque.
Es primordial en este trabajo el uso de medidas de probabilidad parametrizadas, tambien llamadas medidas de Young, como una herramienta analtica que permite extender
la interpretacion probabilista de Bohr a las variables de momentos y las velocidades
generalizadas. De esta manera ellas brindan un puente entre la mecanica clasica y la
mecanica cuantica, a traves de un lenguaje com
un para la representacion Lagrangiana
y la representacion Hamiltoniana de un sistema mecanico.
Es otro pilar de la presente propuesta el uso de tecnicas de de optimizacion global,
descritas mediante los momentos de expresiones polynomiales no convexas, para desarrollar el analisis numerico y el calculo efectivo de problemas variacionales generalizados,
que aparecen en aquellas situaciones donde la energa cinetica se expresa a traves de
expresiones altamente no lineales, en especial aquellas que tienen forma no convexa en
las variables que corresponden a velocidades o momentos generalizados. Este enfoque
permite obtener numericamente las distribuciones de probabilidad parametrizadas que
dan lugar a una interpretacion probabilista (tipo Bohr) del comportamiento de los
momentos y las velocidades de un sistema mecanico.
Finalmente destacamos la generalidad de nuestra propuesta en el sentido de que permite
incorporar esquemas de aproximacion muy diversos, que pueden comprender desde
bases exponenciales propias del analisis de Fourier, as como bases de aproximacion
vii
viii
local como las empleadas en el metodo de elemento finito. Desde este punto de vista
este trabajo incluye un aporte importante al analisis numerico de problemas generales
en mecanica no lineal.
Nuestro trabajo se divide en tres captulos centrales. En el primero se hace una exposicion general de la teora y los metodos empleados. En especial se dedica al papel de las
medidas de Young y los principios variacionales generalizados como una herramienta
teorica unificadora en mecanica no lineal. Tambien se desarrolla en este captulo la
tecnica de relajacion y el uso de momentos para problemas de optimizacion no lineal, en especial sobre los problemas variacionales propios de la mecanica clasica y la
mecanica cuantica. Tambien se expone en el primer captulo la forma como podemos
emplear diferentes esquemas de aproximacion funcional dentro de nuestro analisis.
El segundo captulo se dedica exclusivamente a la aplicacion del metodo sobre problemas de electrodinamica que incluyen terminos relativistas en su energa cinetica. Mediante analisis de Fourier y optimizacion global conseguimos un modelo computacional
que puede resolverse mediante tencias especficas de programacion convexa. Presentamos algunos resultados concretos.
En el tercer captulo presentamos la forma especfica como el metodo puede acoger
una base de interpolacion local, en este caso una base de splines de primer orden sobre
mallas de elementos finitos. De esta manera mostramos como el analisis propuesto y
su implementacion numerica puede extenderse a una gran gama de aplicaciones, en
especial aquellas ligadas con redes cristalinas que pueden dar lugar a diferentes pozos
de potencial en la energa de deformacion del cristal.
Los apendices dan una breve descripcion de las tecnicas numericas y los equipos de
computo que hemos empleado. Esto es relevante para aquellos lectores interesados en
computacion cientfica de altas prestaciones.
0.1.
ix
Agradecimientos
Esta investigacion ha sido posible gracias al apoyo de las siguientes personas e instituciones.
Dr. Eugenio O
nate, Centro Internacional de Metodos Numericos, Barcelona.
Dr. Tomas Roubicek, Universidad Carlos IV, Praga.
Dr. Pablo Pedregal, Universidad de Castilla-La Mancha
Dr. Ernesto Aranda, Universidad de Castilla-La Mancha
Fundacion para la Promocion de la Investigacion y la Tecnologa.
Sun Microsystems.
Facultad de Ciencias, Universidad de los Andes.
Departamento de Matematicas, Universidad de los Andes.
Captulo 1
An
alisis Matem
atico del Problema
En este captulo presentamos los fundamentos matematicos que, acorde a los principios
de la mecanica analtica y la mecanica cuantica, soportan nuestra propuesta. Tambien
presentaremos el analisis que sustenta los metodos numericos y sus algoritmos para
abordar diversos problemas.
1.1.
Mec
anica Lagrangiana y Hamiltoniana
Cuando nos enfrentamos al analisis de un sistema mecanico en el sentido clasico, podemos utilizar dos enfoques equivalentes, uno empleando coordenadas y velocidades generalizadas que dan lugar a la funcion Lagrangiana, otro utilizando coordenadas y momentos generalizados que dan lugar a la funcion Hamiltoniana, o Hamiltoniano del
problema. Como veremos ambas descripciones son equivalentes.
Para describir el estado de movimiento de un sistema mecanico necesitamos un conjunto de coordenadas que tomaremos aqu en un vector q = (q1 , . . . , qn ), cuya dimension
n corresponde a los grados de libertad de nuestro sistema. Las derivadas de las coordenadas,
dq
dt
la dinamica de nuestro sistema debemos conocer la evolucion temporal de las coordenadas generalizadas y las velocidades generalizadas.
Para conseguir este objetivo tomamos el Lagrangiano del sistema, definido como la
diferencia entre la energa cinetica y la energa potencial del sistema, es decir L(q, q)
=
K(q)
V (q). Con esta cantidad utilizamos el Principio de Hamilton (Accion Mnima)
seg
un el cual la evolucion de q y q esta dada por aquella funcion derivable q(t) que
t2
L(q(t), q(t))dt
I(q) =
(1.1)
t1
= q0 .
En una gran cantidad de situaciones, podemos utilizar las ecuaciones de Euler-Lagrange,
como condiciones de primer orden para el correspondiente problema variacional:
Z
t2
mn
q
L(q(t), q(t))dt
= q0 .
(1.2)
t1
(1.3)
de las velocidades generalizadas q sea una funcion convexa. Ver [Buttazo, ]. Como
veremos, hay casos de gran interes en que esta condicion no se cumple, lo cual nos
impide tomar las ecuaciones de Euler-Lagrange como la va correcta para encontrar
minimizadores del principio variacional.
En tercer lugar, si abandonamos la idea de integrar las ecuaciones de Euler-Lagrange,
debemos afrontar directamente el principio variacional (1.2) como un problema de
optimizacion en s mismo. Esto implica dos dificultades importantes. Una, la carencia de
forma convexa en el funcional, lo cual tiene implicaciones delicadas para el analisis y los
metodos numericos apropiados para problemas de optimizacion. Dos, que no tenemos
ninguna certeza de que existan minimizadores, lo cual nos impide iniciar ning
un tipo de
analisis o calculo numerico, porque desde un comienzo sabemos que nuestro problema
carece de solucion. Enotonces: que podramos calcular?.
Esta es una dificultad esencial que abordaremos en este trabajo y que intentaremos
aclarar con nuestra propuesta. Es as como propondremos metodos analticos y computacionales para superar este tipo de dificultades en casos de interes.
Una vez hemos comprendido el papel de la funcion Lagrangiana en el analisis de un
sistema mecanico, introducimos unas nuevas variables p = (p1 , . . . , pn ) llamadas momentos generalizados. Cada momento generalizado esta definido como: pi =
L
.
qi
Si
podemos expresar la energa cinetica y potencial del sistema en terminos de sus coordenadas y sus momentos generalizados, entonces introducimos una cantidad llamada
Hamiltoniano: H = H(q, p), que corresponde a la suma de la energa cinetica con la
energa potencial del sistema mecanico: H = K(p) + V (q). Notando que la energa
P
cinetica del sistema se puede expresar como K = 12 ni=1 pi qi , entonces tenemos que el
P
Lagrangiano y el Hamiltoniano estan relacionados como: H = ni=1 pi qi L. Con esta
relacion encontramos facilamente las ecuaciones de Hamilton que rigen la dinamica del
sistema, ellas son:
qi =
H
,
pi
pi =
H
.
qi
(1.4)
Resaltamos que las ecuaciones de Euler-Lagrange en (1.3) son equivalentes a las ecuaciones de Hamilton en (1.4). Si integramos (1.4), obtenemos las coordenadas q y los momentos generalizados p; si integramos (1.3) obtenemos las coordenadas generalizadoas
q y las velocidades generalizadas q del sistema. Depende de las particularidades de la
situacion que estemos estudiando, que nos acojamos a una descripcion Lagrangiana o
que nos ocuparemos del tratamiento analtico y numerico de aquellos casos en que se
registran lagrangianos con dependencia no convexa de las velocidades generalizadas,
porque es justamente esta la situacion en que no tenemos metodos ni referencias previas.
1.2.
Extensiones de la Mec
anica Cu
antica
En esta seccion describiremos el objetivo central de nuestra propuesta como una generalizacion de metodos y tecnicas empleadas en mecanica cuantica.
Para empezar sentemos como base la equivalencia entre la formulacion Lagrangiana y
la formulacion Hamiltoniana en sistemas mecanicos clasicos como lo hemos hecho en el
apartado anterior. Es bien conocido que en mecanica cuantica introducimos la nocion
de operadores y luego empleamos el Hamiltoniano de nuestro sistema para trabajar con
principios variacionales que dan lugar en s mismos a metodos de aproximacion tipo
Ritz, Rayleigh o Galerquin. Ademas de permitirnos obtener la ecuacion de Schrodinger
que describe la funcion de onda del sistema en sus estados estacionarios. Hacemos notar
que la ecuacion de Schrodinger es una condicion de primer orden para el principio
variacional que rige el sistema mecancio cuantico, este es:
mn
h|H|i
h, i
(1.5)
Desde un punto de vista matematico, esta dualidad en los estados ligados aparece
porque la medida de Bohr procede de la solucion de un principio de optimizacion que
incorpora potenciales no convexos. Recientemente se ha comprobado que las medidas
de probabilidad son un escenario apropiado para proponer relajaciones de problemas de
optimizacion no convexos. Especficamente, las medidas de probabilidad que generalizan un problema de optimizacion no convexo resultan estar soportadas en los mnimos
globales del problema.
Sin entrar en tecnicismos, considere un potencial con dos pozos, como es usual en el
modelo para el amoniaco: V (q) = (1 q 2 )2 . Dejando de lado el efecto de la energa
cinetica: el potencial V tiene dos mnimos en los puntos q = 1. Una forma de encontrar
estos puntos es a traves de un problema variacional en medidas muy sencillo como
R
el siguiente: Cual es la medida de probabilidad B tal que la integral V (B)dB es
mnima?. La respuesta esta dada por cualquier medida que tenga soporte en los puntos
q = 1 que logran el mnimo en V . Esta es la razon de la aparicion de los estados
ligados en la molecula del amoniaco, la medida de Bohr para este problema debe tener
en cuenta los dos pozos de mnima energa potencial.
A partir de aqu la pregunta natural es: por que no utilizamos usualmente esta tecnica
de optimizacion en medidas para atacar los problemas de mecanica cuantica?. La razon
proviene nuevamente del principio variacional (1.5) que la rige. Vamos a deternos un
poco sobre el.
Como ya hemos visto, para estudiar el comportamiento cuantico de un sistema mecanico,
utilizamos su Hamiltoniano H = K + V donde K es la energa cinetica y V su energa potencial. En general, la energa cinetica depende de los momentos generalizados
1 2
p , pero cuando consideramos
2m
2
(~) d2
+V que da lugar al principio
2m dx2
el operador
d
momentum p = i~ dx
obtenemos H =
variacional:
Z
{
mn
(~)2 d 2
( ) + V (x)(x)2 }dx s.a. h, i = 1
2m dx
(1.6)
(1.7)
una condicion de primer orden para este problema variacional da lugar a la ecuacion
de Schrodinger H = . Por la naturaleza convexa de W , podemos aceptar que
las soluciones a la ecuacion de Schrodinger son realmente minimizadores del principio
variacional subyacente. De la misma forma que las soluciones de las ecuaciones de
Euler-Lagrange son soluciones cuando el Lagrangiano correspondiente es convexo en
las velocidades q.
Esto explica por que las cosas funcionan bien en la gran cantidad de
casos en que la energa cinetica para el Hamiltoniano procede de un operador diferencial
cuadratico.
Aqu nos ocuparemos de presentar y justificar aquellas situaciones en que esto no
sucede, es decir aquellas situaciones en que la funcion Hamiltoniana da lugar a un
principio variacional (1.7) donde W no es una funcion convexa de 0 . Presentaremos
su analisis matematico y propondremos metodos numericos para superarlos. Es en este
escenario en que extenderemos los principios de la mecanica cuantica.
Propondremos aqu un papel simetrico entre coordenadas q y momentos p como es
propio del enfoque Hamiltoniano. Desde este punto de vista podemos presentar el
problema varicional (1.7) de la siguiente forma:
mn J1 () + J2 () s.a. =
d
dx
h, i = 1
(1.8)
p
.
i~
Z
d
(1.9)
Z
dx ()
(1.10)
y fsica matematica.
Una vez hemos entendido el papel de las medidas parametrizadas x , debemos incluirlas en el modelo (1.8), de esta manera nos ocuparemos de un problema variacional
generalizado (llamado as porque esta definido en terminos de medidas de Young) que
toma la forma general
0
mn J1 () + J2 () s.a. =
h, i = 1
(1.11)
Z Z
mn
dx () h, i = 1.
(1.12)
Es facil observar que el problema variacional (1.12) tiene estructura lineal en las medidas parametrizadas x , por esta razon siempre admite minimizadores bajo condiciones
muy generales que se refieren a la coercividad de W (x, ) en . Los minimizadores correspondientes x representan diferentes estados posibles del momento p cuando act
ua
sobre el punto x.
Puesto que x es una distribucion de probabilidad, tomaremos Ex como el operador
valor esperado respecto a tal distribucion. De esta manera
Z
Z
W (x, )dx () = Ex (W (x, .)) y
dx () = Ex (id)
(1.13)
Z
mn
(1.14)
Debemos probar que el problema generalizado incluye tambien los casos bien conocidos
en los cuales W (x, ) es una funcion convexa en lambda. Para ello basta ver que si W
es convexa en lambda tenemos que: Ex (W (x, .)) = W (x, x ) cuando x = x siendo x
el mnimo para W (x, .). De esta manera, en los casos generales y bien documentados
en la literatura en los cuales W es convexa, el problema variacional generalizado se
transforma en el principio variacional generalmente aceptado de la mecanica cuantica
descrito en (1.7). Es importante notar que nuestro modelo variacional generalizado
10
(1.14) tambien proporciona la medida de Bohr que rige la distribucion del sistema entre
los estados ligados y estacionarios respecto a la coordenada x. Basta con observar que
este modelo proporciona tambien una funcion de onda .
La pregunta natural que sigue es: como resolver un problema variacional dado en
la forma (1.14)?. En este trabajo, completamos la propuesta teorica descrita en este
captulo con una propuesta de analisis numerico basada en tecnicas de teora de la
aproximacion y herramientas de optimizacion global. En el siguiente apartado expondremos el tratamiento numerico del problema. En los captulos posteriores desarrollaremos aplicaciones concretas en problemas de interes.
Para finalizar comentaremos en que sentido es posible volver al planteamiento Lagrangiano de un sistema mecanico. Al observar el principio variacional generalizado (1.14), notamos que incluye un funcional generalizado en terminos de medidas
parametrizadas, ligado con la energa cinetica del problema. Este es la expresion
Ex (W (x, .))
dentro del funcional. El siguiente termino consiste en la adicion de un termino correspondiente a la energa potencial del sistema, este es: G(x, (x)), pero notamos que este
es exactamente igual a la expresion que se utiliza en el princpio variacional (1.7) que
da lugar a los metodos variacionales y la ecuacion de Schrodinger en mecanica cuantica. Desde este punto de vista: que podemos recuperar para la formulacion clasica
Lagrangiana descrita en (1.2)?.
Basta con que llevemos la forma generalizada de la energa cinetica Ex (W (x, .)) a la
expresion correspondiente en (1.2) y encontremos la relacion clasica entre el momento
p y las coordenadas q. Puesto que el Lagrangiano se puede expresar como: L = K V ,
podemos encontrar un planteamiento dinamico en terminos de medidas parametrizadas
en la variabe temporal t como:
Z
t2
mn
(1.15)
t1
11
1.3.
An
alisis Num
erico del Problema
El metodo que proponemos consiste en explotar el planteamiento de un problema variacional como un problema de optimizacion en s mismo. Esto ha sido desarrollado por
numerosos autores desde la decada de los 90 en diferentes contextos como control optimo, geometra diferencial y fsica matematica. Donde no hay referencias previas es
acerca de como abordar la solucion de principios variacionales generalizados descritos
en medidas de Young. Para ello debemos tomar una medida parametrizada x y representarla a traves de su proyecccion sobre una base de funciones apropiadas. Esta idea
extiende los metodos de Ritz propuestos en calculo de variaciones desde las primeras
decadas del siglo XX, pero en un contexto bastante particular.
Si tenemos una base de funciones {g1 , . . . , gk }, entonces consideramos los momentos
generalizados de una medida de probabilidad parametrizada x como
Z
mi (x) =
gi ()dx () para i = 1, . . . , k.
(1.16)
Es facil notar que la familia de vectores m(x) Rk es una familia convexa para
cada punto x. Lo que es muy difcil es poder caracterizar tal conjunto convexo de
12
Z
Ex (W (x, .)) =
W (x, )dx () =
k
X
i=1
Z
ci (x)
gi ()dx () =
k
X
i=1
13
mn
m
Z X
k
i=1
(1.18)
s.a.
0 (x) = m1 (x), M (m(x)) 0, h, i = 1.
Es importante destacar que aunque el problema original (1.7) puede no ser convexo
debido a la forma de W , el problema variacional (1.18) es en realidad un problema
de control optimo que es convexo en las variables de control m. Note que los vectores
m aparecen como una forma lineal dentro del funcional. Por esta razon posee minimizadores cuando W es coercivo en . Tambien es importante resaltar que su solucion
m esta compuesta por los vectores m (x) que corresponden a los momentos generalizados de las medidas parametrizados optimas x que resuelven el problema variacional
generalizado (1.12).
El siguiente paso que ha sido decisivo en este trabajo y no cuenta con precedentes
en la literatura, es transformar el problema de control optimo (1.18) en un problema
de optimizacion convexa utilizando una base de aproximacion para las funciones
como se suele hacer en teora de la aproximacion y en el metodo de Ritz utilizado
en problemas variacionales de la fsica matematica. Para ello elegimos una base de
interpolacion apropiada, las cuales pueden ser gaussianas o exponenciales o funciones
trigonometricas seg
un el caso, para representar a la funcion . De esta manera, si
esta base la representamos como {1 , . . . }, entonces el problema de control optimo
planteado en (1.18) se puede plantear como un solo programa matematico convexo de
la siguiente manera:
Z X
k
X
mn {
ci (x)mi (x) + G(x,
j j (x))}dx
m,
i=1
j=1
(1.19)
s.a.
j=1
14
Captulo 2
Electrodin
amica
2.1.
Preliminares
La metodologa propuesta pretende utilizar las herramientas disponibles de programacion matematica no lineal y las tecnicas de relajacion de problemas variacionales
empleando medidas de probabilidad y proyecciones sobre momentos propuestas en
[Meziat, 2001, Meziat, 2003a, Meziat, 2004], para abordar la minimizacion de funcionales no convexos que representan la interaccion entre las diferentes partculas que
conforman sistemas complejos.
Com
unmente, para abordar la simulacion de sistemas mecanicos y sistemas mecanico
cuanticos, recurrimos a modelos en ecuaciones diferenciales que a su vez provienen
de planteamientos variacionales en espacios de funciones. Es as como el principio de
mnima accion conduce a las ecuaciones de Euler Lagrange en mecanica analtica y la
minimizacion de la energa total conduce a la ecuacion de Schrodinger en mecanica
cuantica.
La presencia de no linealidades en las ecuaciones clasicas de la fsica matematica,
ocasiona situaciones difciles de superar mediante los algoritmos de integracion usuales,
ya sea a traves de esquemas de diferencias finitas o metodos de interpolacion tipo
elemento finito para problemas en ecuaciones diferenciales parciales; o los metodos de
integracion usuales como Runge-Kutta entre otros, para resolver problemas de valor
inicial en sistemas de ecuaciones diferenciales ordinarias.
Desde la decada de los a
nos 90 se cuentan con tecnicas de optimizacion numerica que
son apropiadas para abordar la minimizacion de algunos funcionales clasicos en fsica
15
16
2.2.
Convexificaci
on
17
optimizacion:
Z
fc (a) = minPa (Rn )
f (x)d(x)
(2.1)
Rn
Este resultado es interesante pero no es practico para determinar por completo una
envoltura convexa fc en situaciones especficas. Para ello debemos acudir a la tecnica
de momentos. Ver [Lasserre, 2001, Lasserre, 2002, Meziat, 2003a].
Si podemos expresar la funcion f como una combinacion lineal de funciones en una base
P
de funciones clasica, como por ejemplo el sistema algebraico: f = ni=1 ci i , entonces
el problema 2.1 se convierte en un programa matematico como
fc (a) = minmMa (Rn )
n
X
ci mi
(2.3)
i=1
donde Ma (Rn ) es la familia de los vectores m cuyas entradas son los momentos de las
distribuciones de probabilidad en Pa (Rn ) respecto a la base de funciones i .
La caracterizacion de los momentos de medidas de probabilidad respecto a sistemas
de funciones algebraicas es un problema abierto en algebra moderna, sin embargo hay
algunos resultados satisfactorios que nos permiten avanzar en el estudio de modelos interesantes. Ver [Akhiezer and Krein, 1992, Curto and Fialkow, , Curto and Fialkow, 1996,
Curto and Fialkow, 2000].
Por ejemplo, en el caso de polinomios bidimensionales debemos emplear matrices analogas a las matrices de Hankel, para caracterizar una familia finita de valores mk,l como
los momentos de una medida positiva en el plano. ver [Lasserre, 2001]. De esta manera, si M (m) representa dicha matriz, el programa 2.4 toma la forma de un programa
semidefinido:
fc (a) = minM (m)0
n
X
ci m i .
(2.4)
i=1
Este analisis nos permitira abordar con mayor comodidad situaciones no lineales mas
complejas en problemas variacionales de fsica matematica. A continuacion veremos
como esta metodologa nos permite abordar con comodidad la simulacion numerica de
las interacciones electromagneticas entre varias partculas, cuando consideramos efectos
18
2.3.
Interacciones electromagn
eticas
El principio de menor accion, enunciado primero por Fermat y Maupertuis [Lanczos, 1986],
es considerado como basico dentro de la fsica teorica moderna. En el, las ecuaciones
diferenciales de movimiento para un sistema fsico se derivan reduciendo al mnimo la
acciondel sistema en cuestion. Para un sistema finito de objetos, la accion S es una integral temporal de una funcion conocida como la funcion de Lagrange o lagrangiano:
L (x, x)
,
la cual depende del conjunto de coordenadas y de las velocidades generalizadas
(x, x)
tf
S=
L(x, x)dt.
(2.5)
ti
La mecanica lagrangiana, entonces, es una reformulacion de la mecanica clasica introducida por Joseph Louis Lagrange en 1788 [Lagrange, 2001]. En mecanica lagrangiana,
la trayectoria de un objeto es derivada encontrando la trayectoria que reduce al mnimo
la accion que es la ponderacion del lagrangiano en el tiempo; y este es la diferencia
entre la energa cinetica y la energa potencial.
Entonces, el Lagrangiano se escribe como:
L(x, x)
= K(x)
P (x)
(2.6)
Donde K(x)
es la energa cinetica y P (x) es la energa potencial.
Esto simplifica considerablemente muchos problemas fsicos. Por ejemplo, considerese
una cuenta en un aro. Si se calculara el movimiento de la cuenta usando la mecanica
newtoniana, se tendra un sistema de ecuaciones no lineales que consideraran las
fuerzas que el aro ejerce en la cuenta en cada momento.
El mismo problema usando mecanica lagrangiana es mucho mas simple. Se analizan
todos los movimientos posibles que la cuenta podra tomar en el aro y encontramos
19
matematicamente la expresion que reduce al mnimo la accion. Hay muy pocas ecuaciones puesto que no se esta calculando directamente la influencia del aro en la cuenta
en un momento dado. Recientemente este tipo de problemas se han podido abordar mediante optimizacion numerica utilizando los principios de optimizacion directamente en
el Lagrangiano del problema. Ver [Castillo, 2000, Vanderbei R.J., 2000]. Estos avances
han sido posibles gracias al uso de lenguajes algebraicos para el modelado de probleams de optimizacion, como Gams y AMPL. Estos se describiran mas adelante en este
informe.
2.4.
Lagrangiano de Darwin
Este Lagrangiano se define como una funcion de las velocidades instantaneas y las
coordenadas de todas las partculas. Cuando la velocidad finita de la propagacion de
los campos electromagneticos toma parte del fenomeno, el Lagrangiano (2.6) no es
muy descriptivo, ya que los valores del potencial en una partcula debido a las otras
depende del estado del movimiento en tiempos especficos llamados retardos con las
que interact
ua [Jackson, 1999, McWeeny, 1992].
Solo cuando los retardos se pueden rechazar, es posible realizar una descripcion utilizando el Lagrangiano en funcion de las posiciones instantaneas y velocidades posibles.
Por esta razon se introducen correcciones relativistas con el objetivo de aproximar la
interaccion de partculas.
Considerese dos partculas que interact
uan con cargas q1 y q2 , masas m1 y m2 , y
posiciones
x y
x . La separacion relativa es
r =
x
x y definimos el lmite estatico
1
q1 q2
r
(2.7)
Donde r = |
r |.
Si analizamos una partcula especfica, podemos tomar el Lagrangiano como el negativo del producto de q1 y el potencial escalar 12 , que es el potencial de la segunda
partcula comparado con el potencial de la primera. Cuando planteamos un modelo
mas completo, es decir no considerando solamente la estatica, debemos determinar 12
y la interaccion entre las partculas A12 , al menos con alg
un grado de aproximacion.
20
Asumiendo las correcciones relativistas de mas bajo orden, podemos rechazar los terminos de grado superior en el calculo de A12 , puesto que el vector potencial hace parte
del Langrangiano y la expresion magnetoestatica se escribe como:
Z
Jt (x0 )d3 x0
1
A12 '
c
|x1 x0 |
(2.8)
q2
r (
v2
r)
'
v2 +
2cr
r2
(2.9)
Donde
v2 representa la velocidad de la segunda partcula. Con la ecuacion (2.9) podemos plantear el potencial debido a la segunda partcula en la posicion de la primera,
la interaccion Lagrangiana para las dos partculas cargadas:
q1 q2
1
(v1 r)(v2 r)
Lint =
1 + 2 v1 v2 +
r
2c
r2
(2.10)
LDarwin =
(2.11)
21
Desde un punto de vista analtico, es muy importante comentar que no hay resultados a la fecha en los que podamos apoyarnos para concluir la existencia de minimizadores para funcionales definidos como la accion del lagrangiano en 2.11. Este
punto es muy importante porque ocupara una parte central en el trabajo siguiente
dentro de esta investigacion. Por una parte si interpretamos 2.11 como un problema de
control optimo, la no convexidad nos impide aseverar la existencia de minimizadores.
Ver [Mourdukhovic, 1988]. Por otra parte, desde el punto de vista de los resultados
disponibles en analisis funcional y calculo de variaciones, tampoco podemos concluir
nada acerca de la existencia de minimizadores para la accion de (2.11) en espacios
clasicos de funciones. Ver [Cesari, 1983, Roubicek, 1997].
Esta situacion conlleva dos implicaciones muy interesantes en la presente investigacion.
Una, como determinar la existencia de minimizadores para este tipo de funcionales. La
segunda, en la ausencia de minimizadores, aplicando tecnicas de analisis convexo y relajaciones en medidas de probabilidad, podemos determinar la presencia de oscilaciones
entre estados energeticos. Ver [Pedregal, 1997, Meziat, 2001]. Esta situacion permitira
predecir la presencia de oscilaciones entre estados energeticos, en la dinamica relativista
de partculas.
Mas adelante ofreceremos un ejemplo gua de esta situacion para una sola carga bajo
potenciales no convexos de energa, el proposito final de este trabajo es determinar
tales oscilaciones en dinamicas de interaccion mucho mas complejas.
2.5.
2.5.1.
Oscilaciones en din
amica no lineal
Atracci
on
s.t.
t0
x(0) =
x(0)
(2.12)
22
Donde, la energa cinetica de la partcula atrada por una fuerza se puede escribir como:
K(x)
= (1 x 2 )2 .
(2.13)
P (x) =
(2.14)
tf
mn
x
s.t.
t0
1
(1 x )
x
2 2
dt
(2.15)
x(0) =
x(0)
K
X
ck tk .
(2.16)
k=0
(2.17)
k=0
x(0) =
x(0)
= .
Para abordar la no convexidad del problema, utilizamos tecnicas de relajacion en medidas de Young descritas en [Young, 1969, Roubicek, 1997, Cesari, 1983], [Egozcue and Pedregal, 2003,
Pedregal, 1997, Milyutin and Osmolouskii, 2002], [Balder, 1999, Balder, 1997, Mourdukhovic, 1988],
donde la familia de medidas se compone de distribuciones parametrizadas por puntos
del dominio:
23
= {x : t0 x tf }.
(2.18)
k d ()
(2.19)
y puesto que el integrando de (2.17) posee una forma polinomial en la variable derivada:
f (t, x) = 1 2t2 + t4
1
x
(2.20)
podemos utilizar una caracterizacion particular del problema en momentos. Vea [Meziat, 2001,
Akhiezer and Krein, 1992, Shohat and Tamarkin, 1943], [Krein and Nudelman, 1977,
Curto and Fialkow, , Curto and Fialkow, 2000], [Curto and Fialkow, 1996, Egozcue and Pedregal, 2003,
Lasserre, 2001], [Lasserre, 2002, Ben-Tal and Nemirovskii, 2001, Meziat, 2003a], [Meziat, 2003b,
Meziat, 2004, Nesterov, 2000]. De este modo el funcional se transforma en una forma
convexa definida en momentos:
Z 2
1
J(m) =
1 2m2 (t) + m4 (t)
dt
x(t)
0
donde:
Z
m1 (s)ds.
x(t) = +
(2.21)
(2.22)
Por otra parte, debemos imponer dentro del modelo, las restricciones que garantizan
que las variables mk (t) sean los momentos algebraicos de una distribucion de probabilidad. Esto se logra haciendo uso de la matriz de Hankel:
1
m1 (t) m2 (t)
Ht =
m1 (t) m2 (t) m3 (t)
m2 (t) m3 (t) m4 (t)
que debe ser semidefinida positiva. Reemplazando en (2.12), tenemos:
!
Z 2
1
J(m) =
1 m2 (t) + m4 (t) +
dt
Rt
+ 0 m1 (t)dt
0
(2.23)
(2.24)
(2.25)
24
Tambien utilizamos una base polinomial para el primer momento, de modo que el
problema toma la forma convexa:
Z
1 m2 (t) + m4 (t)
mn
m
s.t.
m1 (t) =
N
X
1
+
Rt
0
m1 (t)dt
ktk1
(2.26)
k=1
Ht 0
m1 (0) = .
Donde N es el n
umero de terminos donde se trunca la base polinomial.
El modelo discreto en M puntos, utilizando diferencias de Euler, lo podemos escribir
como:
mn
m
s.t.
M
X
0
1
1 2m2 (ti ) + m4 (ti )
Pi
+ j=0 m1 (tj )tj
m1 (ti ) =
N
X
ktk1
!
ti
(2.27)
k=1
Ht 0
m1 (0) = .
A continuacion mostramos algunas soluciones de (2.27) utilizando diferentes condiciones iniciales.
Sobre los resultados que mostraremos a continuacion, es importante resaltar la presencia de oscilaciones causadas por la ausencia de convexidad en el Lagrangiano, de
igual manera esta situacion indica la ausencia de minimizadores para el problema
variacional correspondiente. Detectaremos esta misma situacion en interacciones entre
varias partculas y determinaremos los esquemas numericos apropiados para estimarlas
cuantitativamente en el transcurso de esta investigacion.
Ejemplo 1
En el primer caso asumimos que las condiciones iniciales de posicion y velocidad son
de valor unitario, es decir:
==1
(2.28)
25
Ejemplo 2
Se resuelve el programa (2.27) con las condiciones iniciales:
=1
= 2.
(2.29)
(2.30)
26
0) . . . (1,1932)
0981,1 + 0,991
0681 + 0,931
131 + 0,871
191 + 0,811
251 + 0,751
0,31 + 0,71
351 + 0,651
391 + 0,611
441 + 0,561
481 + 0,521
511 + 0,491
551 + 0,451
581 + 0,421
611 + 0,391
631 + 0,371
661 + 0,341
681 + 0,321
0,71 + 0,31
711 + 0,291
731 + 0,271
(1,1932) . . . (2,4492)
0,741 + 0,261
0,751 + 0,251
0,761 + 0,241
0,771 + 0,231
0,781 + 0,221
0,781 + 0,221
0,791 + 0,211
0,791 + 0,211
0,791 + 0,211
0,791 + 0,211
0,791 + 0,211
0,791 + 0,211
0,781 + 0,221
0,781 + 0,221
0,781 + 0,221
0,771 + 0,231
0,771 + 0,231
0,761 + 0,241
0,751 + 0,251
0,741 + 0,261
(2,4492) . . . (3,7052)
0,741 + 0,261
0,731 + 0,271
0,721 + 0,281
0,711 + 0,291
0,71 + 0,31
0,691 + 0,311
0,691 + 0,311
0,681 + 0,321
0,671 + 0,331
0,661 + 0,341
0,651 + 0,351
0,641 + 0,361
0,631 + 0,371
0,621 + 0,381
0,611 + 0,391
0,611 + 0,391
0,61 + 0,41
0,591 + 0,411
0,581 + 0,421
0,571 + 0,431
(3,7052) . . . (4,9612)
0,571 + 0,431
0,561 + 0,441
0,551 + 0,451
0,551 + 0,451
0,541 + 0,461
0,541 + 0,461
0,531 + 0,471
0,531 + 0,471
0,521 + 0,481
0,521 + 0,481
0,521 + 0,481
0,511 + 0,491
0,511 + 0,491
0,511 + 0,491
0,511 + 0,491
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
(4,9612) . . . (6,2832)
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,51 + 0,51
0,491 + 0,511
0,491 + 0,511
0,491 + 0,511
27
(0) . . . (3,1410)
2
1
0,911 + 0,0891
0,721 + 0,281
0,591 + 0,411
0,51 + 0,51
0,441 + 0,561
0,421 + 0,581
0,421 + 0,581
0,431 + 0,571
0,451 + 0,551
0,481 + 0,521
0,511 + 0,491
0,531 + 0,471
0,551 + 0,451
(0) . . . (6,2832)
0,561 + 0,441
0,571 + 0,431
0,561 + 0,441
0,551 + 0,451
0,531 + 0,471
0,51 + 0,51
0,471 + 0,531
0,441 + 0,561
0,421 + 0,581
0,411 + 0,591
0,421 + 0,581
0,451 + 0,551
0,511 + 0,491
0,611 + 0,391
0,761 + 0,241
2.5.2.
Repulsi
on
t0
s.t.
x(0) =
(2.31)
x(0)
=
donde la energa cinetica la expresamos como:
K(x)
= (1 x 2 )2
(2.32)
1
.
x
(2.33)
28
1 m2 (t) + m4 (t) +
mn
m
s.t.
m1 (t) =
N
X
1
+
Rt
0
m1 (t)dt
ktk1
(2.34)
k=1
Ht 0
m1 (0) =
y la version discreta de este problema con un esquema de Euler, toma la siguiente
forma:
mn
m
s.t.
M
X
0
1
1 2m2 (ti ) + m4 (ti )
Pi
+ j=0 m1 (tj )tj
m1 (ti ) =
N
X
ktk1
!
ti
(2.35)
k=1
Ht 0
m1 (0) = .
Ejemplo 1
Tomamos como condiciones de frontera para el caso de repulsion:
= 0,5
= 0,2.
(2.36)
29
0
2
0,0628
0,000111,2 + 11,1
0,1256
0,281 + 0,721
0,1884
0,551 + 0,451
0,2512
0,761 + 0,241
0,3140
0,911 + 0,0881
0,3768 t 0,8792
1
0,9420
0,991 + 0,0111
1,0048
0,951 + 0,0541
1,0676
0,91 + 0,0991
1,1304
0,861 + 0,141
1,1932
0,821 + 0,181
1,2560
0,781 + 0,221
1,3188
0,741 + 0,261
1,3816
0,71 + 0,31
1,4444
0,671 + 0,331
1,5072
0,651 + 0,351
1,5700
0,621 + 0,381
1,6328
0,61 + 0,41
t
1,6956
1,7584
1,8212
1,8840
1,9468
2,0096
2,0724
> 2,1352
0,581 + 0,421
0,571 + 0,431
0,551 + 0,451
0,541 + 0,461
0,531 + 0,471
0,521 + 0,481
0,521 + 0,481
0,51 + 0,51
Ejemplo 2
Con las condiciones iniciales
==1
(2.37)
) . . . (1,1932)
41 + 0,61
41 + 0,661
91 + 0,711
41 + 0,761
91 + 0,811
51 + 0,851
21 + 0,881
841 + 0,921
561 + 0,941
311 + 0,971
11 + 0,991
1
1
1
1
1
1
1
1
1
30
(1,1932) . . . (2,4492)
1
1
1
1
1
1
1
1
1
1
1
0,00451 + 11
0,0131 + 0,991
0,0211 + 0,981
0,0291 + 0,971
0,0361 + 0,961
0,0431 + 0,961
0,051 + 0,951
0,0571 + 0,941
0,0631 + 0,941
(2,4492) . . . (3,7052)
0,0681 + 0,931
0,0731 + 0,931
0,0771 + 0,921
0,081 + 0,921
0,0831 + 0,921
0,0851 + 0,911
0,0871 + 0,911
0,0871 + 0,911
0,0871 + 0,911
0,0871 + 0,911
0,0851 + 0,911
0,0831 + 0,921
0,0811 + 0,921
0,0771 + 0,921
0,0741 + 0,931
0,0691 + 0,931
0,0641 + 0,941
0,0591 + 0,941
0,0531 + 0,951
0,0471 + 0,951
(3,7052) . . . (4,9612)
0,0411 + 0,961
0,0351 + 0,971
0,0281 + 0,971
0,0221 + 0,981
0,0151 + 0,981
0,00921 + 0,991
0,00341 + 11
0,000141 + 11
1
1
1
1
1
1
1
1
1
1
1
1
(4,9612) . . . (6,2832)
0,0261 + 0,971
0,0411 + 0,961
0,0591 + 0,941
0,081 + 0,921
0,11 + 0,91
0,131 + 0,871
0,161 + 0,841
0,21 + 0,81
0,241 + 0,761
0,281 + 0,721
0,331 + 0,671
0,381 + 0,621
0,441 + 0,561
0,51 + 0,51
0,571 + 0,431
0,651 + 0,351
0,731 + 0,271
0,811 + 0,191
0,911 + 0,0931
1
(2.38)
31
Ejemplo 3
Para este caso las condiciones iniciales se eligen como:
=1
= 1.
(2.39)
La tabla 2.5 muestra la medida para los diferentes valores de t y en la figura 2.6
visualizamos la posicion x(t) de la partcula.
(0) . . . (6,2832)
1
0,621 + 0,381
0,331 + 0,671
0,141 + 0,861
0,00821 + 0,991
1
1
1
1
1
0,031 + 0,971
0,0761 + 0,921
0,121 + 0,881
0,151 + 0,851
0,171 + 0,831
0,171 + 0,831
0,161 + 0,841
0,141 + 0,861
0,111 + 0,891
0,0731 + 0,931
0,0331 + 0,971
1
1
0,0631 + 0,941
0,181 + 0,821
0,371 + 0,631
0,641 + 0,361
1
Tabla 2.5: Tabla de medidas (ti )
En la siguiente seccion realizamos una descripcion de las herramientas computacionales
para la solucion de este tipo de problemas.
32
2.6.
An
alisis de la interacci
on relativista de dos particulas cargadas
Consideramos el caso donde dos partculas interactuan entre s en un espacio unidimensional. La energa cinetica de la interaccion la podemos expresar como un polinomio
de la forma:
f (v1 , v2 ) = v14 + v12 + v1 v2 + v22 + v24
(2.40)
(2.41)
v2 = x2
x1 y x2 representan el desplazamiento. De la expresion (2.40) podemos observar los
terminos relativistas presentados en las cuartas potencias de las velocidades (v14 y v24 )
y esto hace que la expresion sea no convexa. Por ejemplo, en la figura 2.7 se puede
visualizar claramente la no convexidad producida para = 52. Al realizar un analisis
33
del polinomio (2.40) podemos calcular la envoltura convexa utilizando el metodo de los
momentos [Meziat, 2001, Meziat, 2003a, Meziat, 2003b, Meziat, 2004]. La figura 2.8
muestra la envoltura convexa de la energa cinetica (2.40).
(2.42)
0.
2 + 12v22
(2.43)
(2.44)
Todos los elementos son mayores que 0 si > 0. Entonces basta con asegurar la
positividad del determinante de (2.44) para tener la matriz como definida positiva:
(2 + 12v12 )(2 + 12v22 ) 2 .
(2.45)
Entonces con las ecuaciones (2.43) y (2.44) podemos encontrar un mnimo global dependiendo de los valores de . La Figura 2.9 muestra las curvas de nivel de (2.43) y
(2.44) para diferentes . El mnimo global estara en la parte donde el gradiente se
anula, y el Hessiano es mayor a cero. En la figura 2.10 se muestra de manera clara
donde se encuentra este mnimo para = 52.
34
2.7.
Considere la ecuacion (2.11) para dos particulas en un espacio bidimensional con cordenadas x~1 = [x1 , y1 ] y x~2 = [x2 , y2 ] respectivamente.
1
1
LDarwin = (1 v12 + 2 v22 ) + 2 (1 v14 + 2 v24 )
2
8c
1 q1 q2
1 q 1 q2
(v~1 ~r)(v~2 ~r)
+ 2
v~1 v~2 +
2 r
4c r
r2
(2.46)
Para iniciar nuestro analisis supongamos el lagrangiano sin el termino relativista, entonces podemos escribirlo como:
1
1 q1 q2
L = (1 v12 + 2 v22 )
2
2 r
1 q 1 q2
(v~1 ~r)(v~2 ~r)
+ 2
v~1 v~2 +
4c r
r2
(2.47)
35
(2.48)
p
(x2 x1 )2 + (y2 y1 )2
(2.49)
mn
x,y
(2.50)
t0
Para poder escribir el problema relajado debemos realizar los productos puntos del
funcional (2.47):
v~1 ~r = x1 x 1 x2 x 1 + y1 y 1 y2 y 1
v~2 ~r = x1 x2 x2 x2 + y1 y2 y2 y2
(v~1 ~r)(v~2 ~r) = x1 x2 [(x1 x2 )2 ]+x1 y2 [(x1 x2 )(y1 y2 )]+x2 y1 [(x1 x2 )(y1 y2 )]+y1 y2 [(y1 y2 )2 ]
(2.51)
El problema (2.50) es muy inestable si se trata con los algoritmos de solucion actualmente empleados para resolver los programas matematicos no lineales, en particular
cuando estos son no convexos. Por ello, utilizamos una base de funciones de Fourier de
la siguiente manera:
x1 (t) =
y1 (t) =
N
X
k=0
N
X
k=0
x2 (t) =
y2 (t) =
N
X
k=0
N
X
(2.52)
k=0
(2.53)
Este problema puede ser escrito en la forma de un problema de control optimo cuadratico:
Z tf
mn
T H(X) + R(X) dt
t0
(2.54)
s.t. X =
36
2
2
2
2
L
x21
L
x2 x1
2L
y1 x1
2L
y2 x1
L
x1 x2
2L
x22
2L
y1 x2
2L
y2 x2
L
x1 y1
2L
x2 y1
2L
y1 2
2L
y2 y1
L
x1 y2
2L
x2 y2
2L
y1 y2
2L
y2 2
(2.55)
y el resultado es:
1 0
0
2
H=
0 1
0 2
(2.56)
1 q 1 q2
(x1 x2 )2
= 2
1+
4c r
r2
1 q1 q2 (x1 x2 )(y1 y2 ))
= 2
4c r
r2
1 q 1 q2
(y1 y2 )2
= 2
1+
4c r
r2
(2.57)
donde,
2.8.
1 q 1 q2
.
2 r
(2.58)
An
alisis de convexidad
37
En el caso que H sea constante, esta condicion se puede verificar facilmente, pero
en nuestro caso H es altamente dependiente de las posiciones (x1 , y1 ), (x2 , y2 ) y la
distancia entre las particulas.
Analizamos los determinantes de los menores principales de (2.56) para establecer los
puntos de convexidad. Entonces, podemos considerar al problema (2.54) convexo si se
cumplen las siguientes condiciones:
1 0
(2.59)
1 2 2
(2.60)
1 2 2 + 2
(2.61)
21 22 + 4 + 2 2 21 2 2 + 1 2 2 + 1 2 2 + 2 2
(2.62)
2.9.
Relajaci
on
(2.63)
+
m1,1,0,0 + m0,0,1,1 + f (x1 , x2 , y1 , y2 , m))
2 r
4rc2
(2.64)
Donde:
f (x, y, m) =
38
Para caracterizar los momentos se utiliza una matriz de restriccion, la cual debe ser
semidefinita positiva. Esta matriz esta formada por los momentos en cuatro dimensiones
de la siguiente manera:
m
1,0,0,0
H(m) =
m0,1,0,0
m0,0,1,0
m0,0,0,1
(2.66)
s.t.
tf
L(x, y, m)dt
Z t
x1 (t) = +
m1,0,0,0 dt
t0
Z t
y1 (t) = +
m0,0,1,0 dt
t0
m1,0,0,0 =
m0,0,1,0 =
t0
N
X
k=1
N
X
x2 (t) = +
m0,1,0,0 dt
t0
Z t
x2 (t) = +
m0,0,0,1 dt
t0
m0,1,0,0 =
m0,0,0,1 =
k=1
N
X
k=1
N
X
k=1
H(m) 0.
(2.67)
El problema de optimizacion (2.67) se puede discretizar en forma de un programa
matematico convexo, tomando una malla de puntos conveniente sobre el intervalo de
integreacion. De esta manera hemos reducido un problema delicado de dinamica no
lineal, a la forma de un programa matematico, exigente pero convexo.
2.10.
Consideremos el problema de electrodinamica ya descrito, pero contemplando los terminos necesarios para conseguir correcciones relativistas:
1
1
LDarwin = (1 v12 + 2 v22 ) + 2 (1 v14 + 2 v24 )
2
8c
1 q1 q2
1 q 1 q2
(v~1 ~r)(v~2 ~r)
+ 2
v~1 v~2 +
2 r
4c r
r2
(2.68)
39
Los terminos (1 v14 + 2 v24 ) determinan la dinamica relativista que pueden manifestar
las partculas. Y el problema (2.50) se trasforma a la forma:
Z tf
LR (x, y, x,
y)dt
mn
x,y
s.t.
t0
x1 (0) =
x2 (0) =
y1 (0) =
x2 (0) =
(2.69)
Donde:
1
1
1
1
1 q1 q2
LR (x, y, x,
y)
= 1 x1 2 + 1 y1 2 + 2 x2 2 + 2 y2 2
2
2
2
2
2 r
2
1
4
2 2
4
4
+ 2 [x1 + 2x1 y1 + y1 ] + 2 [x2 + 2x2 2 y2 2 + y2 4 ]
8c
8c
1 q1 q2
(v~1 ~r)(v~2 ~r)
+ 2
v~1 v~2 +
.
4c r
r2
(2.70)
+
m1,1,0,0 + m0,0,1,1 + f (x, y, m)).
2 r
4rc2
(2.71)
(2.72)
40
Donde:
m0000
m1000
m0100
m0010
m
0001
m0200
m1100
H1 (m) = m1001
m
0101
m0002
m2000
m1010
m0110
m
0011
m0020
(2.73)
m0101
m1101
m0201
m0111
m
0102
m0301
m1201
H2 (m) = m1102
m
0202
m0103
m2101
m1111
m0211
m
0112
m0121
(2.74)
41
t0
N
X
t0
k=1
N
X
N
X
m0,1,0,0 =
m0,0,0,1 =
k=1
N
X
k=1
k=1
HR (m) 0.
(2.75)
que conduce a un exigente programa matematico convexo.
2.11.
Resultados
En esta seccion mostramos algunos resultados utilizando las herramientas de optimizacion numerica descritas en los apendices. Remitimos a ellos al lector interesado
en los pormenores de la implementacion de programas matematicos no lineales con un
gran n
umero de variables.
2.11.1.
Prueba 1
(2.76)
q2 = 1,6 105
= 0,2
= 0,2
= 0,1
= 0,1
42
(a) Soluci
on al programa
matem
atico sin relajaci
on
Figura 2.11: Trayectorias de las partculas (Comparacion entre el programa con y sin
relajacion)
Los momentos resultantes del programa matematico no se listan debido a la enorme
cantidad que resultan. De ellos se puede concluir que la medida de probabilidad no son
medidas de Dirac, lo que implica una carencia de minimizadores en el problema original
y la posibilidad de combinaciones de varios estados energeticos en los momentos del
problema.
2.11.2.
Prueba 2
(2.77)
q2 = 1,6 105
=1
=1
=0
= 0.
La figura 2.12(b) muestra la media de la solucion al problema y la figura 2.12(a) muestra la solucion del problema sin utilizar el metodo de los momentos. Como podemos
43
(a) Soluci
on al programa
matem
atico sin relajaci
on
Figura 2.12: Trayectorias de las partculas (Comparacion entre el programa con y sin
relajacion)
observar, la relajacion implica encontrar una envoltura convexa sobre el dominio del
problema y describe una trayectoria mas suave y mas intuitiva que la solucion al problema sin momentos.
2.11.3.
Prueba 3
Realizamos esta simulacion del movimiento de dos partculas con los siguientes datos:
1 = 1,2 103
2 = 1,2 103
c=3
q1 = 1,6 105
(2.78)
q2 = 1,6 105
= 0,5
= 0,2
= 0,2
= 0,8
44
(a) Soluci
on al programa
matem
atico sin relajaci
on
Figura 2.13: Trayectorias de las partculas (Comparacion entre el programa con y sin
relajacion)
2.11.4.
Prueba 4
En esta prueba analizamos la situacion donde las condiciones del Hessiano para la
convexidad se cumplen. Los datos para este problema son:
1 = 2
2 = 2,5
c=3
(2.79)
q1 = 1,602
q2 = 1,602
= 0,2
= 0,1
= 0,2
= 0,1
45
(a) Soluci
on al programa
matem
atico sin relajaci
on
Figura 2.14: Trayectorias de las partculas (Comparacion entre el programa con y sin
relajacion)
2.11.5.
Prueba 5
(2.80)
q2 = 1,6 105
= 0,5
= 0,2
= 0,2
= 0,8
En la figura 2.15(a) se puede visualizar la solucion del problema sin tener en cuenta
la relatividad mediante el metodo de momentos expuesto anteriormente. La figura
2.15(b) muestra el caso donde la relatividad juega un papel importante en la solucion
del problema.
46
(a) Soluci
on al programa
matem
atico sin relatividad
Captulo 3
Potenciales en Redes Cristalinas
En este captulo aplicamos el metodo de los momentos a problemas variacionales no
convexos utilizados como modelos de equilibrio en redes cristalinas. Para tratar este
tipo de problemas, igual que en el captulo anterior, debemos hacer uso del metodo
de los momentos para problemas variacionales. Presentamos un esquema simple que
incorpora las condiciones de contorno dentro del sistema.
Tratamos el calculo de envolventes convexas de superficies no convexas, como una
solucion a un problema variacional definido. Presentamos una descripcion detallada
del proceso de discretizacion que se debe llevar a cabo para transformar un problema
variacional a un programa de programacion matematico utilizando la teora de elementos finitos. Para ilustrar el proceso utilizamos un problema particular de la forma:
2 !2
ZZ
u
1 u
+
+ u2 (x, y) dxdy
(3.1)
x
y
Z
mn I(u) =
u
s.t.
u | = g
47
48
Young, entonces introducimos un funcional generalizado con las condiciones de contorno apropiadas:
Z Z
I() =
s.t.
dxdy
R2
(3.3)
R2
(3.4)
f (s, t) =
ci,j si tj .
(3.5)
0i+j2n
3.1.
Envolturas bidimensionales
f ()d ()
(3.6)
49
(3.7)
(3.8)
Sabemos que esta soportada, a lo mas, en solo dos puntos gracias al teorema de
Caratheodory de analisis convexo [Lasserre, 2001, Curto and Fialkow, , Curto and Fialkow, 1996,
Curto and Fialkow, 2000, Lasserre, 2002].
Para un polinomio unidimensional el calculo de la envolvente convexa para f :
2n
X
f (t) =
ci ti
(3.9)
i=0
2n
X
ci mi
i=2
s.a.
m2
...
mn
m
m
.
.
.
m
2
3
n+1
..
m2 m3
.
. . . mn+2
0
.
..
..
..
..
.
.
.
(3.10)
Cuando f tiene una forma bidimensional no separable como aparece en (3.5) su envolvente convexa se define como:
Z
fc (s, t) = mn
f (, )d(, )
(3.11)
(, )d(, )
(3.12)
Ahora, dado que el polinomio que intentamos analizar es no separable, entonces caracterizamos la medida de Young de la envoltura convexa bidimensional mediante la
teora de momentos [R. Meziat and Pati
no, ] construyendo una matriz de momentos
adecuada. Teniendo en cuenta que al polinomio bidimensional (3.5) en el punto t, le
50
corresponde una distribucion de probabilidad optima con momentos algebraicos bidimensionales mi,j que resuelven el problema matematico:
X
fc (a, b) = mn
ci,j mi,j
m
(3.13)
0i+j2n
(3.14)
(3.15)
(3.16)
(3.17)
51
3.1.1.
Ejemplo
x x2 xy
y xy y 2
T
N =V V =
2
x3 x2 y
x
xy x2 y xy 2
y 2 xy 2
y3
x2
xy
x3
x2 y
x2 y
xy 2
x4
x3 y
x3 y
x2 y 2
x2 y 2
xy 3
y2
xy 2
3
y
x2 y 2
xy 3
y4
(3.18)
m10
m01
M =
m20
m
11
m02
(3.19)
y el problema de encontrar la envolvente convexa bidimensional en (a, b) para un polinomio de cuarto grado se reduce a resolver el siguiente problema matematico:
X
mn
ci,j mi,j
0i+j4
s.t.
m10
m01
m20
m
11
m02
(3.20)
Donde la matriz de restriccion debe ser semidefinida positiva y los momentos m10 y
m01 son iguales a a y b respectivamente.
52
3.2.
Construcci
on de la medida
Asumiendo que se conoce la solucion de los momentos optimos mi,j del programa (3.20),
procedemos a la construccion de las medidas optimas que resuelven el programa (3.11)
y contiene la informacion de la envolvente convexa en un punto particular (a, b).
Para obtener la medida de un polinomio bidimensional seguimos los siguientes pasos
[R. Meziat and Pati
no, , Meziat and Patino, 2005]: Es de nuestro interes obtener la
medida de un polinomio bidimensional de cuarto grado. A continuacion mostramos los
pasos a seguir utilizando un analisis basado en los momentos de las distribuciones de
probabilidad marginales:
1. Se determinan dos polinomios P (x) y P (y) a partir del determinante de la matriz de Hankel construida con los momentos optimos de las distribuciones de
probabilidades marginales para x e y:
m
20 m30 m40 m50
1
x
x2
x3
(3.21)
m00 m01 m02 m03
m m m m
04
03
02
P (y) = 01
m m m m
03
04
05
02
1
y
y2
y3
El momento marginal m00 es igual a 1 puesto que se trata de una distribucion de
probabilidad, m10 = a, m01 = b porque aplicamos el teorema de Caratheodory en
el punto (a, b) en el cual se necesita reconstruir la medida optima que determina
la envoltura convexa.
2. Se procede a construir el soporte de la medida optima
=
3
X
txi ,tyi
i=1
la cual seg
un el teorema de Caratheodoty debe tener 3 puntos a lo sumo (i =
53
1, 2, 3) puesto que se trata de una superficie bidimensional, por lo tanto establecemos tres procedimientos de acuerdo con los menores principales de las matrices
de Hankel en (3.21).
Caso (i): Se analizan los menores principales mas peque
nos de cada matriz
independientemente (menores de tama
no 2 2).
"
"
#
#
m m
m m
00
00
01
10
=0
= 0 o
m
m
01 m02
10 m20
(3.22)
Dado que los determinantes de estas submatrices son nulos, el soporte coincide con solo un punto tX = a (Soporte en el eje X) y tY = b (Soporte en el
eje Y), por lo tanto es una zona de convexidad en la funcion.
Caso (ii): Se analizan, independientemente, los menores principales de tama
no
3 3, puesto que los menores principales de tama
no 2 2 son positivos.
"
"
#
#
m m
m m
00
00
01
10
(3.23)
>0
> 0 o
m
m01 m02
10 m20
m m m
m m m
01
02
10
20
00
00
m m m = 0 o m m m = 0
(3.24)
03
02
30
20
01
10
m02 m03 m04
m20 m30 m40
Si el determinante de esta submatriz de tama
no 3 3 es nulo, el soporte
coincide con dos puntos (tXi , tY1 ), (tX2 , tY2 ) y se determinan hallando las
races de los polinomios:
m m m
m m m
10
20
01
02
00
00
P (tX ) = m10 m20 m30 o P(tY ) = m01 m02 m03
1
1
tX
t2X
tY
t2Y
(3.25)
Caso (iii): Cuando los menores principales hasta dimension 3 3 son todos
positivos, entonces, en este caso debemos tomar un menor de dimension 4
que define los siguientes polinomios:
m m m m
m
30
40
50
20
02 m03 m04 m05
1
1
tX
t2X
t3X
tY
t2Y
t3Y
(3.26)
54
Y = tY
(3.27)
a tX1
tX2 tX1
b tY 1
=
tY 2 tY 1
X1 =
X2 =
Y 1
Y 2
(3.28)
Y = Y 1 tY 1 + Y 2 tY 2
(3.29)
55
lineales:
m10
tX1 tX2 tX3
10
2
2
m = t2
20 X1 tX2 tX3 20
m30
t3X1 t3X2 t3X3
30
m01
tY 1 tY 2 tY 3
01
m = t2 t2 t2 02
02 Y 1 Y 2 Y 3
m03
t3Y 1 t3Y 2 t3Y 3
03
(3.30)
Por lo tanto, en el caso mas general existen tres pesos para cada distribucion
marginal, que corresponden a los tres puntos de soporte de la medida optima
bivariada en el plano, los cuales se asignan en el mismo orden a cada uno
de los soportes marginales.
Generalizando y siguiendo los pasos anteriores podemos construir las distribuciones marginales para cada uno de los ejes de la siguiente manera:
X
k
X
i0 tXi tXi
i=1
k
X
0k tYi tYi
(3.31)
i=1
Donde k es el n
umero de puntos de soporte encontrados, 1 k 3. De manera
que la medida optima bivariada, que recoje la informacion sobre la envoltura
convexa de f en el punto (a, b) y de aqu la informacion necesaria para determinar
los posibles estados estables del sistema.
3.3.
An
alisis por elementos finitos
(3.32)
(3.33)
y z = (x, y).
Para resolver el problema (3.2) dentro del dominio (3.32) y con la funcion (3.33) utilizamos un esquema de elementos finitos. Dividimos el dominio en elementos basicos
como muestra la figura 3.1
Sin perdida de generalidad en el problema (3.2), asumiremos que tanto el valor en la
frontera g como la funcion a aproximar h son nulos, esto quiere decir:
g=0
h=0
(3.34)
56
(3.35)
s.t.
u | = 0
(3.36)
la integral en el dominio de u(x, y) al cuadrado se puede reemplazar como un producto de coeficientes por una matriz constante que representa la integral sobre el dominio.
Estamos considerando que la funcion admisible u se puede expresar como una comP
biancion lineal de los miembros de una base de aproximacion local: u = nj=1 cj j .
Entonces el problema puede ser escrito como:
ZZ
mn
c
n
X
!
cj 5 j (x, y) dxdy + cT c
(3.37)
j=1
57
n
X
Ak f (5u(ek )) + cT c.
(3.38)
k=1
3.3.1.
16 elementos de malla
Tomamos el caso particular donde la malla de la figura 3.1 esta compuesta por 16
elementos basicos. En la figura 3.2 se puede observar la distribucion de los 16 elementos
y la numeracion que usaremos para referirnos a cada uno, igualmente la numeracion
que se usara como referencia para cada nodo asociado a la malla.
Cabe recordar al lector que estamos resolviendo el problema donde el valor en la frontera
es nulo y por lo tanto el valor que tomara el nodo 5 sera 0. A pesar de ello, se adapta esta
numeracion y se considerara el nodo 5 como un nodo falso. El area de cada elemento
58
de la figura 3.2 corresponde al area de un triangulo cuya base es 1/2 y altura 1/2 por
lo tanto el area de cada elemento es:
11
24
Ak =
1
16
Para completar la formulacion del problema (3.38) debemos hallar las componentes de
la matriz :
ZZ
i,j =
i j dxdy
Considerando solo un elemento (Ver figura 3.3), podemos calcular la integral como:
Z 1 Z 1 x
4
2
1
i = 1, 3, 4, 6
(3.39)
ii = 4
16x2 dxdy =
24
0
x
Los demas elementos se calculan de la misma manera solo que las funciones de for-
(3.40)
1
.
96
Por u
ltimo calculamos el valor de 22 , ya que este nodo es el nodo de interconexion
=
2
4
22 = 8
0
1
= .
12
2
4
8x2 dxdy
(3.41)
59
1
1
0 0
24
96
1 1 1 1
96 12 96 96
1
1
0 96
0
24
=
1
1
0 24
0 96
0 0 0 0
1
0 0
0 96
escribir como:
0 0
1
0 96
0 0
0 0
0 0
1
0 24
(3.42)
Ahora, debemos definir los valores de los gradientes de cada elemento asociados a las
restricciones para formular por completo el programa matematico. La figuras 3.4(a) y
3.4(b) muestran los gradientes asignados a cada elemento. Matematicamente se pueden
"
= C1
= C1
" #
g5x
g5y
" #
g6x
g6y
1
" #
0
1
"
= C3
= C3
+ C2
g2y
" #
2
1
" #
1
0
" #
g2x
+ C2
= C1
2
" #
g8x
g8y
" #
2
2
" #
1
0
" #
g4x
g4y
"
= C3
"
= C1
#
1
0
"
+ C2
(3.43)
#
1
0
" #
g7x
g7y
= C3
" #
0
1
"
+ C2
#
2
2
(3.44)
60
"
g1 0x
g1 0y
" #
g9x
g9y
" #
x
g15
y
g15
"
x
g13
y
g13
= C4
" #
1
= C4
1
" #
0
+ C2
"
1
"
= C6
g1 1x
g1 1y
" #
2
0
"
= C6
"
x
g16
2
#
= C4
"
" #
0
1
x
g12
y
g12
" #
1
= C6
y
g16
0
" #
" #
x
2
g14
+ C2
y
g14
"
= C4
= C6
#
1
0
" #
1
0
+ C2
"
+ C2
" #
2
(3.45)
#
2
(3.46)
mn
c
16
h
X
1
f (gk ) + c1 c2 c3 c4
16
k=1
1
24
1
96
i
0
c5
1
96
1
12
1
96
1
96
1
96
1
24
1
96
1
24
1
96
c
1 1
96
c2
0
c3
0
c4
0
c5
1
(3.47)
24
3.3.2.
36 elementos de malla
61
1
x
3
ii = 4
0
36x2 dxdy =
1
54
(3.48)
Ahora definimos los nodos que son dependientes con otros nodos:
2
6
22 = 44 = 77 = 99 =
0
2
6
18x2 dxdy
(3.49)
1
=
27
y los nodos restantes:
1,2 = 2,1 = 3,2 = 2,3 = 4,5 = 5,4 = 2,6 = 6,2
8,4 = 4,8 = 10,4 = 4,10 = 7,6 = 6,7 = 7,8 = 8,7 =
9,10 = 10,9 = 11,7 = 7,11 = 7,13 = 13,7 = 9,13 = 13,9 =
Z 1 Z 1 x
6
3
1
9,15 = 15,9 = 2
(6x)(1 3x 3y)dxdy =
.
216
0
x
(3.50)
62
(3.51)
1/54
1/216
1/216
1 = 0
1/27
1/216 1/216
1/216
1/54
1/216
1/216 1/216
1/27
1/216
0
0
0
1/216 1/216
1/216
1/54
1/216
1/54
1/216
1/216
1/216
1/27
1/216 1/216
1/216
1/216
1/216
1/54
1/216
1/216
1/216 1/216
1/27
1/216
1/216
1/216
1/216
1/216
1/216
1/216
1/216
1/54
0
(3.52)
De igual forma que en el caso anterior debemos definir los valores de los gradientes
que representas las restricciones del programa matematico La figuras 3.6(a) y 3.6(b)
muestran los gradientes asignados a cada elemento.
63
1/216
2 = 0
1/54
0 1/216 0
0
0 1/216 0
0
1/54
1/216
1/54
(3.53)
k = 1, . . . , 36
gky
k = 1, . . . , 36
(3.54)
64
s.t.
36
X
1
f (gk ) + cT 1515 c
36
k=1
gkx
gky =
1
X
i=0
1
X
(vix , viy )
5Ci vix
6
6
,
2
2
6
6 6
6 6
6
, , , , , ,
2
2
2 2
2 2
5Ci viy .
i=0
(3.55)
3.3.3.
Generalizaci
on
Ya en las dos secciones anteriores analizamos dos casos particulares. En esta seccion
analizaremos el caso general para cualquier estructura de m filas y m columnas.
Recordemos el problema
Z
mn I(u) =
u
s.t.
u | = g
s.t.
(3.57)
w | = 0
N
X
Ak f (5w(ek ) + 5g(ek )) + cT c
(3.58)
k=1
Para resolver (3.58), llamamos t al recorrido sobre las filas y llamamos l al recorrido
sobre las columnas. Ver figura 3.7. La numeracion de los elementos y de los nodos se
toma de la forma que muestra la figura 3.8, la cual coincide con los dos casos particulares
anteriores. La numeracion de los nodos se relaciona con el barrido sobre las filas y sobre
las columnas mediante una funcion :
(t, l) = (l 1)(2m 1) + (2t 1)
(3.59)
65
1/(2m)
1/mx
4m2 x2 dydx
ft1 (m) = 4
0
x
2/(2m)
2/(2m)
2m2 x2 dydx
ft2 (m) = 8
0
1/(2m)
x
x
(3.60)
ft3 (m) = 2
0
Z 1/m
0
1/mx
+2
1/(2m)
66
cuando
1tm
i = (t, l)
1lm
i = (t, l)
(3.61)
i+1,i+1 = ft2
cuando
1tm1
i = (t, l)
cuando
1 l m 1 (3.62)
1 t m2
i = (t, l)
1 l m1
(3.63)
cuando
1 t m1
i = (t, l)
1 l m2
(3.64)
2l m1
(3.65)
cuando
cuando
cuando
i = (m, m)
i = (t, 1)
cuando
cuando
cuando
(3.66)
i = (1, m)
2tm1
i = (t, m)
i = (1, l)
i = (m, l)
2tm1
2l m1
2l m1
(3.67)
3.4.
Ejemplos
3.4.1.
Ejemplo 1
Consideremos el polinomio:
f (x, y) = 4 + y 4 + x4 + 2x2 y 2 8xy
(3.68)
67
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
10 0,51,1 + 0,51,1
11 0,51,1 + 0,51,1
12 0,51,1 + 0,51,1
13 0,51,1 + 0,51,1
14 0,51,1 + 0,51,1
15 0,51,1 + 0,51,1
16 0,51,1 + 0,51,1
17 0,51,1 + 0,51,1
18 0,51,1 + 0,51,1
19 0,51,1 + 0,51,1
20 0,51,1 + 0,51,1
21 0,51,1 + 0,51,1
22 0,51,1 + 0,51,1
23 0,51,1 + 0,51,1
24 0,51,1 + 0,51,1
25 0,51,1 + 0,51,1
26 0,51,1 + 0,51,1
27 0,51,1 + 0,51,1
28 0,51,1 + 0,51,1
68
29 0,51,1 + 0,51,1
30 0,51,1 + 0,51,1
31 0,51,1 + 0,51,1
32 0,51,1 + 0,51,1
33 0,51,1 + 0,51,1
34 0,51,1 + 0,51,1
35 0,51,1 + 0,51,1
36 0,51,1 + 0,51,1
La tabla 3.2 muestra la solucion al problema (3.57) con la funcion (3.68), pero con
m = 5.
Tabla 3.2: Medida para el polinomio (3.68) cuando h = 0,
g=0ym=5
1
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
0,51,0002,1,0002 + 0,51,0002,1,0002
10
0,51,0002,1,0002 + 0,51,0002,1,0002
11
0,51,0002,1,0002 + 0,51,0002,1,0002
12
0,51,0002,1,0002 + 0,51,0002,1,0002
13
0,51,0002,1,0002 + 0,51,0002,1,0002
14
0,51,0002,1,0002 + 0,51,0002,1,0002
15
0,51,0002,1,0002 + 0,51,0002,1,0002
16
0,51,0002,1,0002 + 0,51,0002,1,0002
17
0,51,0002,1,0002 + 0,51,0002,1,0002
18
0,51,0002,1,0002 + 0,51,0002,1,0002
19
0,51,0002,1,0002 + 0,51,0002,1,0002
20
0,51,0002,1,0002 + 0,51,0002,1,0002
21
0,51,0002,1,0002 + 0,51,0002,1,0002
22
0,51,0002,1,0002 + 0,51,0002,1,0002
23
0,51,0002,1,0002 + 0,51,0002,1,0002
24
0,51,0002,1,0002 + 0,51,0002,1,0002
25
0,51,0002,1,0002 + 0,51,0002,1,0002
26
0,51,0002,1,0002 + 0,51,0002,1,0002
27
0,51,0002,1,0002 + 0,51,0002,1,0002
28
0,51,0002,1,0002 + 0,51,0002,1,0002
29
0,51,0002,1,0002 + 0,51,0002,1,0002
30
0,51,0002,1,0002 + 0,51,0002,1,0002
31
0,51,0002,1,0002 + 0,51,0002,1,0002
32
0,51,0002,1,0002 + 0,51,0002,1,0002
33
0,51,0002,1,0002 + 0,51,0002,1,0002
34
0,51,0002,1,0002 + 0,51,0002,1,0002
35
0,51,0002,1,0002 + 0,51,0002,1,0002
36
0,51,0002,1,0002 + 0,51,0002,1,0002
37
0,51,0002,1,0002 + 0,51,0002,1,0002
38
0,51,0002,1,0002 + 0,51,0002,1,0002
39
0,51,0002,1,0002 + 0,51,0002,1,0002
40
0,51,0002,1,0002 + 0,51,0002,1,0002
41
0,51,0002,1,0002 + 0,51,0002,1,0002
42
0,51,0002,1,0002 + 0,51,0002,1,0002
43
0,51,0002,1,0002 + 0,51,0002,1,0002
44
0,51,0002,1,0002 + 0,51,0002,1,0002
45
0,51,0002,1,0002 + 0,51,0002,1,0002
46
0,51,0002,1,0002 + 0,51,0002,1,0002
47
0,51,0002,1,0002 + 0,51,0002,1,0002
48
0,51,0002,1,0002 + 0,51,0002,1,0002
49
0,51,0002,1,0002 + 0,51,0002,1,0002
50
0,51,0002,1,0002 + 0,51,0002,1,0002
69
51
0,51,0002,1,0002 + 0,51,0002,1,0002
52
0,51,0002,1,0002 + 0,51,0002,1,0002
53
0,51,0002,1,0002 + 0,51,0002,1,0002
54
0,51,0002,1,0002 + 0,51,0002,1,0002
55
0,51,0002,1,0002 + 0,51,0002,1,0002
56
0,51,0002,1,0002 + 0,51,0002,1,0002
57
0,51,0002,1,0002 + 0,51,0002,1,0002
58
0,51,0002,1,0002 + 0,51,0002,1,0002
59
0,51,0002,1,0002 + 0,51,0002,1,0002
60
0,51,0002,1,0002 + 0,51,0002,1,0002
61
0,51,0002,1,0002 + 0,51,0002,1,0002
62
0,51,0002,1,0002 + 0,51,0002,1,0002
63
0,51,0002,1,0002 + 0,51,0002,1,0002
64
0,51,0002,1,0002 + 0,51,0002,1,0002
65
0,51,0002,1,0002 + 0,51,0002,1,0002
66
0,51,0002,1,0002 + 0,51,0002,1,0002
67
0,51,0002,1,0002 + 0,51,0002,1,0002
68
0,51,0002,1,0002 + 0,51,0002,1,0002
69
0,51,0002,1,0002 + 0,51,0002,1,0002
70
0,51,0002,1,0002 + 0,51,0002,1,0002
71
0,51,0002,1,0002 + 0,51,0002,1,0002
72
0,51,0002,1,0002 + 0,51,0002,1,0002
73
0,51,0002,1,0002 + 0,51,0002,1,0002
74
0,51,0002,1,0002 + 0,51,0002,1,0002
75
0,51,0002,1,0002 + 0,51,0002,1,0002
76
0,51,0002,1,0002 + 0,51,0002,1,0002
77
0,51,0002,1,0002 + 0,51,0002,1,0002
78
0,51,0002,1,0002 + 0,51,0002,1,0002
79
0,51,0002,1,0002 + 0,51,0002,1,0002
80
0,51,0002,1,0002 + 0,51,0002,1,0002
81
0,51,0002,1,0002 + 0,51,0002,1,0002
82
0,51,0002,1,0002 + 0,51,0002,1,0002
83
0,51,0002,1,0002 + 0,51,0002,1,0002
70
84
0,51,0002,1,0002 + 0,51,0002,1,0002
85
0,51,0002,1,0002 + 0,51,0002,1,0002
86
0,51,0002,1,0002 + 0,51,0002,1,0002
87
0,51,0002,1,0002 + 0,51,0002,1,0002
88
0,51,0002,1,0002 + 0,51,0002,1,0002
89
0,51,0002,1,0002 + 0,51,0002,1,0002
90
0,51,0002,1,0002 + 0,51,0002,1,0002
91
0,51,0002,1,0002 + 0,51,0002,1,0002
92
0,51,0002,1,0002 + 0,51,0002,1,0002
93
0,51,0002,1,0002 + 0,51,0002,1,0002
94
0,51,0002,1,0002 + 0,51,0002,1,0002
95
0,51,0002,1,0002 + 0,51,0002,1,0002
96
0,51,0002,1,0002 + 0,51,0002,1,0002
97
0,51,0002,1,0002 + 0,51,0002,1,0002
98
0,51,0002,1,0002 + 0,51,0002,1,0002
99
0,51,0002,1,0002 + 0,51,0002,1,0002
71
3.4.2.
Ejemplo 2
11,1
11,1
0,944641,1
0,94511,1
0,175171,1 + 0,824831,1
11,1
0,135921,1 + 0,864081,1
0,227421,1 + 0,772581,1
0,283941,1 + 0,716061,1
10 0,446971,1 + 0,553031,1
11 0,447321,1 + 0,552681,1
12 0,28431,1 + 0,71571,1
13 11,1
14 0,355271,1 + 0,644731,1
15 0,360791,1 + 0,639211,1
16 11,1
17 0,125621,1 + 0,874381,1
18 11,1
19 11,1
20 0,101241,1 + 0,898761,1
21 0,226011,1 + 0,773991,1
22 0,325671,1 + 0,674331,1
23 0,292391,1 + 0,707611,1
24 0,173531,1 + 0,826471,1
25 0,412421,1 + 0,587581,1
26 0,460621,1 + 0,539381,1
27 0,460511,1 + 0,539491,1
28 0,412321,1 + 0,587681,1
29 0,189371,1 + 0,810631,1
30 0,362981,1 + 0,637021,1
31 0,357421,1 + 0,642581,1
32 0,176961,1 + 0,823041,1
33 0,159661,1 + 0,840341,1
34 0,159421,1 + 0,840581,1
35 0,941561,1
36 0,940671,1
La tabla 3.4 muestra la medida que representa la solucion del problema con m = 5.
72
73
11,1
11,1
11,1
11,1
11,1
11,1
11,1
11,1
11,1
10
11,1
11
11,1
12
11,1
13
11,1
14
11,1
15
0,322091,1 + 0,677911,1
16
0,946691,1
17
11,1
18
0,423211,1 + 0,576791,1
19
0,423841,1 + 0,576161,1
20
11,1
21
11,1
22
11,1
23
0,105011,1 + 0,894991,1
24
11,1
25
0,449091,1 + 0,550911,1
26
11,1
27
11,1
28
0,451751,1 + 0,548251,1
29
11,1
30
0,325231,1 + 0,674771,1
74
31
0,325821,1 + 0,674181,1
32
11,1
33
11,1
34
0,343991,1 + 0,656011,1
35
0,341681,1 + 0,658321,1
36
11,1
37
0,946811,1
38
0,335641,1 + 0,664361,1
39
11,1
40
11,1
41
0,210521,1 + 0,789481,1
42
0,201441,1 + 0,798561,1
43
0,242761,1 + 0,757241,1
44
0,250591,1 + 0,749411,1
45
0,190621,1 + 0,809381,1
46
0,911561,1
47
0,111471,1 + 0,888531,1
48
0,207911,1 + 0,792091,1
49
0,406521,1 + 0,593481,1
50
11,1
51
11,1
52
0,403541,1 + 0,596461,1
53
0,901871,1
54
0,404581,1 + 0,595421,1
55
0,372471,1 + 0,627531,1
56
11,1
57
11,1
58
0,284141,1 + 0,715861,1
59
11,1
60
11,1
61
0,333381,1 + 0,666621,1
62
0,358931,1 + 0,641071,1
63
0,36411,1 + 0,63591,1
75
64
0,33951,1 + 0,66051,1
65
0,274151,1 + 0,725851,1
66
0,221551,1 + 0,778451,1
67
0,221491,1 + 0,778511,1
68
0,274061,1 + 0,725941,1
69
0,252921,1 + 0,747081,1
70
0,124551,1 + 0,875451,1
71
0,90371,1
72
0,234261,1 + 0,765741,1
73
0,270111,1 + 0,729891,1
74
0,929761,1
75
11,1
76
0,217061,1 + 0,782941,1
77
11,1
78
0,336341,1 + 0,663661,1
79
11,1
80
11,1
81
0,416841,1 + 0,583161,1
82
0,460661,1 + 0,539341,1
83
0,46061,1 + 0,53941,1
84
0,416771,1 + 0,583231,1
85
0,339151,1 + 0,660851,1
86
0,364131,1 + 0,635871,1
87
0,35881,1 + 0,64121,1
88
0,332861,1 + 0,667141,1
89
0,276141,1 + 0,723861,1
90
0,242361,1 + 0,757641,1
91
0,20061,1 + 0,79941,1
92
0,239871,1 + 0,760131,1
93
0,248881,1 + 0,751121,1
94
0,118551,1 + 0,881451,1
95
11,1
96
0,132391,1 + 0,867611,1
76
97
0,954071,1
98
0,954291,1
99
11,1
100 11,1
3.4.3.
Ejemplo 3
11,1
0,12311,1 + 0,87691,1
0,125321,1 + 0,874681,1
11,1
11,1
11,1
11,1
11,1
11,1
10 11,1
11 11,1
12 11,1
13 0,112231,1 + 0,887771,1
14 0,123191,1 + 0,876811,1
15 0,137731,1 + 0,862271,1
16 0,127171,1 + 0,872831,1
17 11,1
18 0,12811,1 + 0,87191,1
19 0,121271,1 + 0,878731,1
77
20 11,1
21 11,1
22 11,1
23 11,1
24 11,1
25 0,0849811,1 + 0,915021,1
26 0,0384191,1 + 0,961581,1
27 0,038521,1 + 0,961481,1
28 0,08511,1 + 0,91491,1
29 0,0210541,1 + 0,978951,1
30 0,13721,1 + 0,86281,1
31 0,123011,1 + 0,876991,1
32 0,994481,1
33 11,1
34 0,110861,1 + 0,889141,1
35 0,102411,1 + 0,897591,1
36 11,1
La tabla 3.6 muestra la medida con m = 5, el cual produce 100 elementos para los
cuales cada uno tiene la reconstruccion en momentos.
Tabla 3.6: medida para polinomio(3.68) cuando h = 0,
g =x+y y m=5
1
11,1
0,182591,1 + 0,817411,1
0,168331,1 + 0,831671,1
11,1
11,1
11,1
11,1
11,1
11,1
10
11,1
11
11,1
12
11,1
13
11,1
14
11,1
15
11,1
16
11,1
17
11,1
18
11,1
19
11,1
20
11,1
21
11,1
22
0,291741,1 + 0,708261,1
23
0,351281,1 + 0,648721,1
24
0,104021,1 + 0,895981,1
25
11,1
26
0,155221,1 + 0,844781,1
27
0,170091,1 + 0,829911,1
28
11,1
29
11,1
30
11,1
31
0,997381,1
32
11,1
33
11,1
34
11,1
35
11,1
36
11,1
37
11,1
38
11,1
39
11,1
40
11,1
41
0,125081,1 + 0,874921,1
78
42
0,218121,1 + 0,781881,1
43
0,258491,1 + 0,741511,1
44
0,178381,1 + 0,821621,1
45
11,1
46
0,281741,1 + 0,718261,1
47
0,291561,1 + 0,708441,1
48
11,1
49
11,1
50
0,100931,1 + 0,899071,1
51
0,0937581,1 + 0,906241,1
52
11,1
53
11,1
54
0,996681,1
55
11,1
56
11,1
57
11,1
58
11,1
59
11,1
60
11,1
61
0,153071,1 + 0,846931,1
62
0,121921,1 + 0,878081,1
63
0,136271,1 + 0,863731,1
64
0,166281,1 + 0,833721,1
65
0,123531,1 + 0,876471,1
66
0,27481,1 + 0,72521,1
67
0,27541,1 + 0,72461,1
68
0,124161,1 + 0,875841,1
69
11,1
70
0,259221,1 + 0,740781,1
71
0,246591,1 + 0,753411,1
72
11,1
73
11,1
74
0,0683321,1 + 0,931671,1
79
75
0,0385721,1 + 0,961431,1
76
11,1
77
11,1
78
11,1
79
11,1
80
11,1
81
0,0814391,1 + 0,918561,1
82
0,0394561,1 + 0,960541,1
83
0,0397711,1 + 0,960231,1
84
0,081761,1 + 0,918241,1
85
0,166751,1 + 0,833251,1
86
0,136131,1 + 0,863871,1
87
0,122621,1 + 0,877381,1
88
0,154371,1 + 0,845631,1
89
0,139951,1 + 0,860051,1
90
0,259241,1 + 0,740761,1
91
0,219921,1 + 0,780081,1
92
0,0814691,1 + 0,918531,1
93
11,1
94
0,296051,1 + 0,703951,1
95
0,251231,1 + 0,748771,1
96
11,1
97
11,1
98
0,169461,1 + 0,830541,1
99
0,155081,1 + 0,844921,1
80
100 11,1
3.4.4.
Ejemplo 4
En este caso tomamos h(x, y) = x+y y g(x, y) = x+y con m = 3. La tabla 3.7 muestra
la medida solucion a este problema.
81
11,1
11,0,99999
10,99999,1
11,1
10,99999,1
11,1
11,1
10,99998,1
11,1
10 10,99998,0,99998
11 10,99998,0,99998
12 11,1
13 11,1
14 11,1
15 11,1
16 11,1
17 11,1
18 11,1
19 11,1
20 11,1
21 10,99996,0,99998
22 11,1
23 11,0001,0,99999
24 11,0,99994
25 11,1
26 11,1
27 11,1
28 11,1
29 11,1
30 11,0,99998
82
31 10,99999,1
32 11,1
33 11,0,99999
34 11,1
35 11,1
36 11,0,99999
10,99999,1
11,1
11,1
11,0,99999
11,1
11,1
10,99999,1
10,99999,1
10,99999,1
10
10,99999,1
11
11,0,99998
12
11,0,99998
13
11,1
14
11,1
15
11,1
16
11,1
17
11,1
18
11,1
19
11,1
20
11,1
83
21
11,1
22
11,1
23
11,0,99999
24
11,0,99999
25
11,1
26
11,1
27
11,1
28
11,1
29
10,99997,0,99998
30
11,1
31
11,0,99999
32
10,99999,0,99996
33
10,99999,1
34
10,99999,1
35
10,99999,1
36
10,99999,1
37
11,1
38
10,99999,0,99999
39
10,99999,0,99999
40
11,1
41
11,0,99999
42
11,0,99999
43
11,0,99999
44
11,0,99999
45
11,1
46
11,1
47
11,1
48
11,1
49
10,99998,0,99999
50
11,1
51
11,1
52
10,99999,0,99998
53
10,99999,1
84
54
10,99999,1
55
11,0,99999
56
11,0,99999
57
11,0,99999
58
11,1
59
11,1
60
11,0,99999
61
10,99997,0,99999
62
11,1
63
11,1
64
10,99999,0,99998
65
10,99999,1
66
10,99999,1
67
11,0,99999
68
11,0,99999
69
11,1
70
11,1
71
11,1
72
11,1
73
10,99999,0,99999
74
11,1
75
11,0,99999
76
11,0,99998
77
10,99999,1
78
11,1
79
11,1
80
11,0,99999
81
11,1
82
11,1
83
11,1
84
11,1
85
11,0,99999
86
11,0,99999
85
87
11,1
88
11,1
89
10,99999,1
90
11,1
91
11,1
92
11,0,99999
93
11,0,99999
94
11,1
95
11,1
96
11,1
97
11,1
98
11,0,99998
99
10,99998,1
100 11,1
3.4.5.
Ejemplo 5
11,1
11,1
0,0453781,1 + 0,954621,1
0,0448811,1 + 0,955121,1
0,280381,1 + 0,719621,1
0,0118931,1 + 0,988111,1
0,0511161,1 + 0,948881,1
0,298891,1 + 0,701111,1
0,377631,1 + 0,622371,1
10 0,436821,1 + 0,563181,1
11 0,437061,1 + 0,562941,1
12 0,377851,1 + 0,622151,1
13 0,0122411,1 + 0,987761,1
14 0,280721,1 + 0,719281,1
15 0,298831,1 + 0,701171,1
16 0,0510511,1 + 0,948951,1
17 0,0414131,1 + 0,958591,1
18 0,0413761,1 + 0,958621,1
19 0,990431,1
20 0,990111,1
21 0,297711,1 + 0,702291,1
22 0,245461,1 + 0,754541,1
23 0,222241,1 + 0,777761,1
24 0,279311,1 + 0,720691,1
25 0,437061,1 + 0,562941,1
26 0,377851,1 + 0,622151,1
27 0,377631,1 + 0,622371,1
28 0,436821,1 + 0,563181,1
29 0,245531,1 + 0,754471,1
30 0,297791,1 + 0,702211,1
31 0,278951,1 + 0,721051,1
32 0,221871,1 + 0,778131,1
33 0,15471,1 + 0,84531,1
34 0,154471,1 + 0,845531,1
35 0,0488921,1 + 0,951111,1
36 0,0498951,1 + 0,95011,1
86
11,1
11,1
11,1
11,1
11,1
11,1
11,1
11,1
11,1
10
11,1
11
0,993011,1
12
0,088661,1 + 0,911341,1
13
0,0302651,1 + 0,969731,1
14
0,291931,1 + 0,708071,1
15
0,34971,1 + 0,65031,1
16
0,155621,1 + 0,844381,1
17
0,284371,1 + 0,715631,1
18
0,372831,1 + 0,627171,1
19
0,37381,1 + 0,62621,1
20
0,285331,1 + 0,714671,1
21
11,1
22
11,1
23
0,0615141,1 + 0,938491,1
24
0,0296421,1 + 0,970361,1
25
0,323111,1 + 0,676891,1
26
11,1
27
0,993071,1
28
0,335041,1 + 0,664961,1
29
11,1
30
0,486111,1 + 0,513891,1
87
31
0,485251,1 + 0,514751,1
32
11,1
33
0,143711,1 + 0,856291,1
34
0,270511,1 + 0,729491,1
35
0,268841,1 + 0,731161,1
36
0,140681,1 + 0,859321,1
37
0,155281,1 + 0,844721,1
38
0,364131,1 + 0,635871,1
39
0,315121,1 + 0,684881,1
40
0,0330241,1 + 0,966981,1
41
0,22641,1 + 0,77361,1
42
11,1
43
0,0998591,1 + 0,900141,1
44
0,328511,1 + 0,671491,1
45
0,284331,1 + 0,715671,1
46
0,129021,1 + 0,870981,1
47
0,16881,1 + 0,83121,1
48
0,307231,1 + 0,692771,1
49
0,265461,1 + 0,734541,1
50
0,123641,1 + 0,876361,1
51
0,109191,1 + 0,890811,1
52
0,257551,1 + 0,742451,1
53
0,0945511,1 + 0,905451,1
54
0,45341,1 + 0,54661,1
55
0,444531,1 + 0,555471,1
56
0,0166651,1 + 0,983331,1
57
0,0980631,1 + 0,901941,1
58
0,291151,1 + 0,708851,1
59
0,165331,1 + 0,834671,1
60
11,1
61
0,322351,1 + 0,677651,1
62
0,0325391,1 + 0,967461,1
63
0,155051,1 + 0,844951,1
88
64
0,369471,1 + 0,630531,1
65
0,406271,1 + 0,593731,1
66
0,153981,1 + 0,846021,1
67
0,15321,1 + 0,84681,1
68
0,405451,1 + 0,594551,1
69
0,365671,1 + 0,634331,1
70
0,173651,1 + 0,826351,1
71
0,129891,1 + 0,870111,1
72
0,347051,1 + 0,652951,1
73
0,178051,1 + 0,821951,1
74
0,130981,1 + 0,869021,1
75
0,0381981,1 + 0,96181,1
76
0,0973361,1 + 0,902661,1
77
0,0431161,1 + 0,956881,1
78
0,295761,1 + 0,704241,1
79
0,132591,1 + 0,867411,1
80
11,1
81
0,373311,1 + 0,626691,1
82
0,285331,1 + 0,714671,1
83
0,284381,1 + 0,715621,1
84
0,372331,1 + 0,627671,1
85
0,369621,1 + 0,630381,1
86
0,155311,1 + 0,844691,1
87
0,0295751,1 + 0,970421,1
88
0,319181,1 + 0,680821,1
89
0,337331,1 + 0,662671,1
90
0,0993031,1 + 0,90071,1
91
11,1
92
0,236221,1 + 0,763781,1
93
0,286981,1 + 0,713021,1
94
0,0653911,1 + 0,934611,1
95
11,1
96
0,127881,1 + 0,872121,1
89
97
0,04511,1 + 0,95491,1
98
0,0441011,1 + 0,95591,1
99
11,1
90
100 11,1
3.4.6.
Ejemplo 6
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,51,1 + 0,51,1
0,572831,1 + 0,572831,1
0,427341,1 + 0,572661,1
0,427991,1 + 0,572011,1
0,571991,1 + 0,571991,1
0,580731,1 + 0,580731,1
10 0,487321,1 + 0,512681,1
11 0,487151,1 + 0,512851,1
12 0,580551,1 + 0,580551,1
13 0,427171,1 + 0,572831,1
14 0,572661,1 + 0,572661,1
15 0,572011,1 + 0,572011,1
16 0,428011,1 + 0,571991,1
17 0,432991,1 + 0,567011,1
18 0,432991,1 + 0,567011,1
19 0,432991,1 + 0,567011,1
91
20 0,432991,1 + 0,567011,1
21 0,572011,1 + 0,572011,1
22 0,428011,1 + 0,571991,1
23 0,427171,1 + 0,572831,1
24 0,572661,1 + 0,572661,1
25 0,487151,1 + 0,512851,1
26 0,580551,1 + 0,580551,1
27 0,580741,1 + 0,580741,1
28 0,487321,1 + 0,512681,1
29 0,427991,1 + 0,572011,1
30 0,571991,1 + 0,571991,1
31 0,572831,1 + 0,572831,1
32 0,427341,1 + 0,572661,1
33 0,51,1 + 0,51,1
34 0,51,1 + 0,51,1
35 0,51,1 + 0,51,1
36 0,51,1 + 0,51,1
0,496681,1 + 0,503321,1
0,503281,1 + 0,503281,1
0,503281,1 + 0,503281,1
0,496681,1 + 0,503321,1
0,670891,1 + 0,670891,1
0,322471,1 + 0,677531,1
0,32871,1 + 0,67131,1
0,664681,1 + 0,664681,1
0,686391,1 + 0,686391,1
92
10
0,588591,1 + 0,588591,1
11
0,582911,1 + 0,582911,1
12
0,674751,1 + 0,674751,1
13
0,731811,0 + 0,731810,1
14
0,493921,0 + 0,506080,1
15
0,493931,1 + 0,506071,1
16
0,710041,1 + 0,710041,1
17
0,667621,1 + 0,667621,1
18
0,536331,1 + 0,536331,1
19
0,535531,1 + 0,535531,1
20
0,666861,1 + 0,666861,1
21
0,404331,1 + 0,595671,1
22
0,602281,1 + 0,602281,1
23
0,600511,1 + 0,600511,1
24
0,40631,1 + 0,59371,1
25
0,233941,1 + 0,766061,1
26
0,380471,1 + 0,619531,1
27
0,380471,1 + 0,619531,1
28
0,233951,1 + 0,766051,1
29
0,56371,1 + 0,56371,1
30
0,222181,1 + 0,777821,1
31
0,221111,1 + 0,778891,1
32
0,563691,1 + 0,563691,1
33
0,579221,1 + 0,579221,1
34
0,454911,1 + 0,545091,1
35
0,454491,1 + 0,545511,1
36
0,578761,1 + 0,578761,1
37
0,710191,1 + 0,710191,1
38
0,495611,1 + 0,504391,1
39
0,494570,1 + 0,505431,0
40
0,730780,1 + 0,730781,0
41
0,446831,1 + 0,553171,1
42
0,689851,1 + 0,689851,1
93
43
0,67811,1 + 0,67811,1
44
0,450461,1 + 0,549541,1
45
0,332871,1 + 0,667131,1
46
0,466381,1 + 0,533621,1
47
0,466761,1 + 0,533241,1
48
0,33381,1 + 0,66621,1
49
0,265091,1 + 0,734911,1
50
0,346991,1 + 0,653011,1
51
0,346981,1 + 0,653021,1
52
0,265081,1 + 0,734921,1
53
0,512721,1 + 0,512721,1
54
0,274151,1 + 0,725851,1
55
0,272191,1 + 0,727811,1
56
0,512651,1 + 0,512651,1
57
0,675921,1 + 0,675921,1
58
0,478581,1 + 0,521421,1
59
0,476861,1 + 0,523141,1
60
0,687241,1 + 0,687241,1
61
0,499250,1 + 0,500751,0
62
0,730610,1 + 0,730611,0
63
0,710061,1 + 0,710061,1
64
0,499891,1 + 0,500111,1
65
0,384471,1 + 0,615531,1
66
0,58411,1 + 0,58411,1
67
0,584541,1 + 0,584541,1
68
0,384911,1 + 0,615091,1
69
0,330891,1 + 0,669111,1
70
0,466711,1 + 0,533291,1
71
0,466821,1 + 0,533181,1
72
0,330441,1 + 0,669561,1
73
0,340131,1 + 0,659871,1
74
0,376651,1 + 0,623351,1
75
0,376651,1 + 0,623351,1
94
76
0,340121,1 + 0,659881,1
77
0,613081,1 + 0,613081,1
78
0,383021,1 + 0,616981,1
79
0,380211,1 + 0,619791,1
80
0,615531,1 + 0,615531,1
81
0,535311,1 + 0,535311,1
82
0,666861,1 + 0,666861,1
83
0,667631,1 + 0,667631,1
84
0,53611,1 + 0,53611,1
85
0,499721,1 + 0,500281,1
86
0,70991,1 + 0,70991,1
87
0,731651,0 + 0,731650,1
88
0,500311,0 + 0,500310,1
89
0,450861,1 + 0,549141,1
90
0,678361,1 + 0,678361,1
91
0,690741,1 + 0,690741,1
92
0,447831,1 + 0,552171,1
93
0,402961,1 + 0,597041,1
94
0,600841,1 + 0,600841,1
95
0,602941,1 + 0,602941,1
96
0,401261,1 + 0,598741,1
97
0,498341,1 + 0,501661,1
98
0,501671,1 + 0,501671,1
99
0,501671,1 + 0,501671,1
3.4.7.
Ejemplo 7
(3.69)
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
0,50,8665,0,50064 + 0,50,8665,0,50064
10
0,50,8665,0,50064 + 0,50,8665,0,50064
11
0,50,8665,0,50064 + 0,50,8665,0,50064
12
0,50,8665,0,50064 + 0,50,8665,0,50064
13
0,50,8665,0,50064 + 0,50,8665,0,50064
14
0,50,8665,0,50064 + 0,50,8665,0,50064
15
0,50,8665,0,50064 + 0,50,8665,0,50064
16
0,50,8665,0,50064 + 0,50,8665,0,50064
17
0,50,8665,0,50064 + 0,50,8665,0,50064
18
0,50,8665,0,50064 + 0,50,8665,0,50064
19
0,50,8665,0,50064 + 0,50,8665,0,50064
20
0,50,8665,0,50064 + 0,50,8665,0,50064
21
0,50,8665,0,50064 + 0,50,8665,0,50064
22
0,50,8665,0,50064 + 0,50,8665,0,50064
23
0,50,8665,0,50064 + 0,50,8665,0,50064
24
0,50,8665,0,50064 + 0,50,8665,0,50064
25
0,50,8665,0,50064 + 0,50,8665,0,50064
26
0,50,8665,0,50064 + 0,50,8665,0,50064
27
0,50,8665,0,50064 + 0,50,8665,0,50064
28
0,50,8665,0,50064 + 0,50,8665,0,50064
29
0,50,8665,0,50064 + 0,50,8665,0,50064
30
0,50,8665,0,50064 + 0,50,8665,0,50064
95
31
0,50,8665,0,50064 + 0,50,8665,0,50064
32
0,50,8665,0,50064 + 0,50,8665,0,50064
33
0,50,8665,0,50064 + 0,50,8665,0,50064
34
0,50,8665,0,50064 + 0,50,8665,0,50064
35
0,50,8665,0,50064 + 0,50,8665,0,50064
36
0,50,8665,0,50064 + 0,50,8665,0,50064
37
0,50,8665,0,50064 + 0,50,8665,0,50064
38
0,50,8665,0,50064 + 0,50,8665,0,50064
39
0,50,8665,0,50064 + 0,50,8665,0,50064
40
0,50,8665,0,50064 + 0,50,8665,0,50064
41
0,50,8665,0,50064 + 0,50,8665,0,50064
42
0,50,8665,0,50064 + 0,50,8665,0,50064
43
0,50,8665,0,50064 + 0,50,8665,0,50064
44
0,50,8665,0,50064 + 0,50,8665,0,50064
45
0,50,8665,0,50064 + 0,50,8665,0,50064
46
0,50,8665,0,50064 + 0,50,8665,0,50064
47
0,50,8665,0,50064 + 0,50,8665,0,50064
48
0,50,8665,0,50064 + 0,50,8665,0,50064
49
0,50,8665,0,50064 + 0,50,8665,0,50064
50
0,50,8665,0,50064 + 0,50,8665,0,50064
51
0,50,8665,0,50064 + 0,50,8665,0,50064
52
0,50,8665,0,50064 + 0,50,8665,0,50064
53
0,50,8665,0,50064 + 0,50,8665,0,50064
54
0,50,8665,0,50064 + 0,50,8665,0,50064
55
0,50,8665,0,50064 + 0,50,8665,0,50064
56
0,50,8665,0,50064 + 0,50,8665,0,50064
57
0,50,8665,0,50064 + 0,50,8665,0,50064
58
0,50,8665,0,50064 + 0,50,8665,0,50064
59
0,50,8665,0,50064 + 0,50,8665,0,50064
60
0,50,8665,0,50064 + 0,50,8665,0,50064
61
0,50,8665,0,50064 + 0,50,8665,0,50064
62
0,50,8665,0,50064 + 0,50,8665,0,50064
63
0,50,8665,0,50064 + 0,50,8665,0,50064
96
64
0,50,8665,0,50064 + 0,50,8665,0,50064
65
0,50,8665,0,50064 + 0,50,8665,0,50064
66
0,50,8665,0,50064 + 0,50,8665,0,50064
67
0,50,8665,0,50064 + 0,50,8665,0,50064
68
0,50,8665,0,50064 + 0,50,8665,0,50064
69
0,50,8665,0,50064 + 0,50,8665,0,50064
70
0,50,8665,0,50064 + 0,50,8665,0,50064
71
0,50,8665,0,50064 + 0,50,8665,0,50064
72
0,50,8665,0,50064 + 0,50,8665,0,50064
73
0,50,8665,0,50064 + 0,50,8665,0,50064
74
0,50,8665,0,50064 + 0,50,8665,0,50064
75
0,50,8665,0,50064 + 0,50,8665,0,50064
76
0,50,8665,0,50064 + 0,50,8665,0,50064
77
0,50,8665,0,50064 + 0,50,8665,0,50064
78
0,50,8665,0,50064 + 0,50,8665,0,50064
79
0,50,8665,0,50064 + 0,50,8665,0,50064
80
0,50,8665,0,50064 + 0,50,8665,0,50064
81
0,50,8665,0,50064 + 0,50,8665,0,50064
82
0,50,8665,0,50064 + 0,50,8665,0,50064
83
0,50,8665,0,50064 + 0,50,8665,0,50064
84
0,50,8665,0,50064 + 0,50,8665,0,50064
85
0,50,8665,0,50064 + 0,50,8665,0,50064
86
0,50,8665,0,50064 + 0,50,8665,0,50064
87
0,50,8665,0,50064 + 0,50,8665,0,50064
88
0,50,8665,0,50064 + 0,50,8665,0,50064
89
0,50,8665,0,50064 + 0,50,8665,0,50064
90
0,50,8665,0,50064 + 0,50,8665,0,50064
91
0,50,8665,0,50064 + 0,50,8665,0,50064
92
0,50,8665,0,50064 + 0,50,8665,0,50064
93
0,50,8665,0,50064 + 0,50,8665,0,50064
94
0,50,8665,0,50064 + 0,50,8665,0,50064
95
0,50,8665,0,50064 + 0,50,8665,0,50064
96
0,50,8665,0,50064 + 0,50,8665,0,50064
97
98
97
0,50,8665,0,50064 + 0,50,8665,0,50064
98
0,50,8665,0,50064 + 0,50,8665,0,50064
99
0,50,8665,0,50064 + 0,50,8665,0,50064
3.4.8.
Ejemplo 8
3x/2 + y/2
10,86603,0,5
10,86603,0,5
10,86602,0,5
10,86602,0,5
10,86603,0,5
10,86602,0,5
10,86603,0,5
10,86603,0,5
10,86603,0,5
10
10,86603,0,5
11
10,86603,0,5
12
10,86603,0,5
13
10,86603,0,5
14
10,86602,0,5
15
10,86602,0,5
16
10,86603,0,5
17
10,86603,0,5
18
10,86603,0,5
99
19
10,86603,0,5
20
10,86603,0,5
21
10,86602,0,5
22
10,86602,0,5
23
10,86602,0,5
24
10,86603,0,5
25
10,86603,0,5
26
10,86603,0,5
27
10,86603,0,5
28
10,86603,0,5
29
10,86603,0,5
30
10,86602,0,5
31
10,86602,0,5
32
10,86603,0,5
33
10,86602,0,5
34
10,86603,0,5
35
10,86603,0,5
36
10,86602,0,5
37
10,86603,0,5
38
10,86603,0,5
39
10,86603,0,5
40
10,86603,0,5
41
10,86602,0,5
42
10,86602,0,5
43
10,86602,0,5
44
10,86603,0,5
45
10,86603,0,5
46
10,86603,0,5
47
10,86603,0,5
48
10,86603,0,5
49
10,86602,0,5
50
10,86603,0,5
51
10,86602,0,5
100
52
10,86602,0,5
53
10,86603,0,5
54
10,86603,0,5
55
10,86603,0,5
56
10,86602,0,5
57
10,86603,0,5
58
10,86603,0,5
59
10,86603,0,5
60
10,86603,0,5
61
10,86602,0,5
62
10,86603,0,5
63
10,86603,0,5
64
10,86603,0,5
65
10,86603,0,5
66
10,86603,0,5
67
10,86603,0,5
68
10,86603,0,5
69
10,86602,0,5
70
10,86602,0,5
71
10,86602,0,5
72
10,86602,0,5
73
10,86603,0,5
74
10,86603,0,5
75
10,86603,0,5
76
10,86603,0,5
77
10,86603,0,5
78
10,86602,0,5
79
10,86602,0,5
80
10,86603,0,5
81
10,86603,0,5
82
10,86603,0,5
83
10,86603,0,5
84
10,86603,0,5
101
85
10,86603,0,5
86
10,86603,0,5
87
10,86603,0,5
88
10,86602,0,5
89
10,86602,0,5
90
10,86602,0,5
91
10,86603,0,5
92
10,86602,0,5
93
10,86603,0,5
94
10,86603,0,5
95
10,86603,0,5
96
10,86603,0,5
97
10,86602,0,5
98
10,86602,0,5
99
10,86603,0,5
100 10,86603,0,5
3.4.9.
Ejemplo 9
10,1,6314
11,6314,0
11,621,0,010496
10,010496,1,621
10,1,934
10,31306,1,621
10,1115,1,4194
10,20155,1,7325
10,1,741
10
10,0085744,1,7325
11
10,64248,1,0814
12
10,65105,1,09
13
10,1,5844
14
10,49442,1,09
15
0,296150,86603,0,5 + 0,703850,86603,0,5
16
10,79297,0,79143
17
10,1,245
18
0,491580,86603,0,5 + 0,508420,86603,0,5
19
0,131460,86603,0,5 + 0,868540,86603,0,5
20
11,245,0
21
11,621,0,1521
22
11,7731,0
23
11,3117,0,46134
24
11,1596,0,30924
25
0,220520,86603,0,5 + 0,779480,86603,0,5
26
11,2975,0,30924
27
10,56843,1,0383
28
0,191230,86603,0,5 + 0,808770,86603,0,5
29
10,64248,1,1735
30
0,363660,86603,0,5 + 0,636340,86603,0,5
31
0,481380,86603,0,5 + 0,518620,86603,0,5
32
11,2518,0,5642
33
10,29855,1,2494
34
0,460610,86603,0,5 + 0,539390,86603,0,5
35
0,330340,86603,0,5 + 0,669660,86603,0,5
36
11,2056,0,34237
37
10,79143,0,79403
38
0,266420,86603,0,5 + 0,733580,86603,0,5
39
11,1338,0,45167
102
40
11,5855,0
41
11,3117,0,37022
42
11,6819,0
43
11,1445,0,53743
44
0,112940,86603,0,5 + 0,887060,86603,0,5
45
0,332580,86603,0,5 + 0,667420,86603,0,5
46
11,3177,0,16722
47
10,45681,1,0281
48
0,437870,86603,0,5 + 0,562130,86603,0,5
49
10,22597,0,94127
50
10,99414,0,27884
51
10,11985,1,1531
52
11,1003,0,066976
53
10,52038,0,94444
54
0,3580,86603,0,5 + 0,6420,86603,0,5
55
0,449650,86603,0,5 + 0,550350,86603,0,5
56
11,3635,0,10136
57
11,1338,0,54395
58
0,164910,86603,0,5 + 0,835090,86603,0,5
59
11,2352,0,44259
60
11,6777,0
61
11,1445,0,4415
62
11,586,0
63
10,79312,0,79288
64
0,258950,86603,0,5 + 0,741050,86603,0,5
65
0,374380,86603,0,5 + 0,625620,86603,0,5
66
11,1884,0,35138
67
10,27775,1,262
68
0,40920,86603,0,5 + 0,59080,86603,0,5
69
0,48320,86603,0,5 + 0,51680,86603,0,5
70
10,92422,0,53043
71
10,072138,1,3825
72
0,161530,86603,0,5 + 0,838470,86603,0,5
103
73
0,116710,86603,0,5 + 0,883290,86603,0,5
74
0,956730,79772,0,57815
75
10,029566,1,3299
76
11,2378,0,12172
77
11,2352,0,46701
78
0,224550,86603,0,5 + 0,775450,86603,0,5
79
11,1134,0,58873
80
11,7022,0
81
0,130150,86603,0,5 + 0,869850,86603,0,5
82
11,245,0
83
10,1,245
84
0,494140,86603,0,5 + 0,505860,86603,0,5
85
0,309750,86603,0,5 + 0,690250,86603,0,5
86
10,79174,0,79312
87
10,1,5849
88
10,51399,1,0709
89
0,312260,86603,0,5 + 0,687740,86603,0,5
90
10,5897,1,0709
91
10,1,6606
92
10,51757,1,143
93
0,348840,86603,0,5 + 0,651160,86603,0,5
94
10,53555,1,143
95
10,1,6786
96
10,56511,1,1134
97
11,1134,0,39412
98
10,39412,1,1134
99
10,1,5076
100 11,5076,0
104
105
3.4.10.
Ejemplo 10
1
3
( 3x + y 1)5 ( 3x + y 1)3
4096
24
(3.70)
y:
h(x, y)
si
g(x, y) =
1 (3x + y 1)3 + 1 (3x + y 1)
192
2
y:
y 1
3x
1 2
1
3
3
f (x, y) = ((x
) + (y )) + ((x +
) + (y + ))2
2
2
2
2
(3.71)
(3.72)
La tabla 3.16 muestra la medida optima para cada uno de los 400 elementos, ademas
comparamos nuestros resultados con la solucion exacta que se conoce.
Exacta
10,52,0,99
10,5,1
0,50,88,0,49 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
10,5,1
10,5,1
10,5,0,99
10,5,1
10,5,1
10,502,1
10,5,1
10,501,1
10,5,1
10,501,1
10,52,1
10,502,1
10,52,1
10,505,1
10
10,51,0,99
10,503,1
11
10,49,1
10,503,1
12
10,51,1
10,505,1
13
10,52,1
10,509,1
14
10,49,0,99
10,507,1
15
10,53,0,99
10,507,1
16
10,5,1
10,51,1
106
17
10,52,1
10,516,1
18
10,49,0,99
10,512,1
19
10,51,0,98
10,513,1
20
10,53,0,99
10,517,1
21
10,52,0,99
10,524,1
22
10,53,1
10,519,1
23
10,52,1
10,52,1
24
10,53,1
10,525,1
25
10,54,0,99
10,533,1
26
10,54,1
10,528,1
27
10,52,1
10,529,1
28
10,56,1
10,535,1
29
10,55,1
10,545,1
30
10,54,1
10,538,1
31
10,54,0,99
10,54,1
32
10,53,0,99
10,546,1
33
10,56,1
10,557,1
34
10,56,0,98
10,55,1
35
10,55,0,98
10,552,1
36
10,57,1
10,559,1
37
10,56,1
10,572,1
38
10,57,1
10,564,1
39
10,57,0,99
10,566,1
40
10,57,0,99
10,574,1
41
0,50,86,0,49 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
42
0,50,87,0,51 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
43
0,50,87,0,49 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
44
0,50,86,0,5 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
45
10,5,1
10,501,1
46
10,51,0,99
10,5,1
47
10,51,0,98
10,5,1
48
10,5,1
10,501,1
49
10,5,1
10,503,1
107
50
10,5,0,99
10,501,1
51
10,51,1
10,502,1
52
10,5,1
10,503,1
53
10,49,1
10,506,1
54
10,52,1
10,504,1
55
10,5,1
10,505,1
56
10,5,1
10,507,1
57
10,5,1
10,512,1
58
10,51,1
10,509,1
59
10,51,1
10,51,1
60
10,52,1
10,513,1
61
10,52,0,99
10,519,1
62
10,52,1
10,515,1
63
10,52,1
10,516,1
64
10,51,0,99
10,52,1
65
10,54,0,99
10,528,1
66
10,52,0,97
10,523,1
67
10,53,0,99
10,524,1
68
10,53,1
10,529,1
69
10,55,1
10,538,1
70
10,52,1
10,532,1
71
10,55,0,99
10,534,1
72
10,52,0,99
10,539,1
73
10,54,1
10,55,1
74
10,51,1
10,543,1
75
10,54,0,99
10,545,1
76
10,54,0,99
10,552,1
77
10,58,1
10,563,1
78
10,55,0,99
10,556,1
79
10,55,1
10,558,1
80
10,56,1
10,565,1
81
0,50,87,0,51 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
82
0,510,87,0,49 + 0,490,87,0,5
0,5060,866,0,5 + 0,4940,866,0,5
108
83
0,510,87,0,49 + 0,490,87,0,5
0,5050,866,0,5 + 0,4950,866,0,5
84
0,50,86,0,51 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
85
10,5,1
10,5,1
86
0,50,87,0,51 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
87
0,50,87,0,51 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
88
10,51,1
10,5,1
89
10,5,1
10,501,1
90
10,5,0,99
10,5,1
91
10,5,1
10,501,1
92
10,5,1
10,502,1
93
10,52,0,99
10,504,1
94
10,5,0,99
10,502,1
95
10,49,1
10,503,1
96
10,52,1
10,505,1
97
10,49,1
10,509,1
98
10,5,1
10,506,1
99
10,52,1
10,507,1
100
10,49,1
10,509,1
101
10,52,1
10,515,1
102
10,51,1
10,511,1
103
10,52,1
10,512,1
104
10,52,1
10,516,1
105
10,52,1
10,522,1
106
10,52,1
10,518,1
107
10,52,1
10,519,1
108
10,53,1
10,524,1
109
10,54,0,98
10,532,1
110
10,54,0,99
10,527,1
111
10,52,1
10,528,1
112
10,55,1
10,533,1
113
10,54,1
10,543,1
114
10,56,0,99
10,537,1
115
10,54,0,99
10,538,1
109
116
10,54,0,99
10,544,1
117
10,55,1
10,555,1
118
10,56,0,99
10,548,1
119
10,55,1
10,55,1
120
10,56,1
10,557,1
121
0,510,88,0,5 + 0,490,87,0,5
0,5070,866,0,5 + 0,4930,866,0,5
122
0,510,87,0,48 + 0,490,87,0,5
0,5130,866,0,5 + 0,4870,866,0,5
123
0,510,89,0,51 + 0,490,87,0,5
0,5110,866,0,5 + 0,4890,866,0,5
124
0,510,87,0,49 + 0,490,87,0,5
0,5050,866,0,5 + 0,4950,866,0,5
125
0,50,86,0,51 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
126
0,50,87,0,49 + 0,50,87,0,5
0,5030,866,0,5 + 0,4970,866,0,5
127
0,50,86,0,5 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
128
0,50,85,0,49 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
129
10,51,1
10,5,1
130
10,49,1
10,5,1
131
10,48,0,99
10,5,1
132
10,49,1
10,501,1
133
10,51,0,99
10,502,1
134
10,49,1
10,501,1
135
10,49,1
10,501,1
136
10,51,1
10,503,1
137
10,49,0,99
10,506,1
138
10,51,0,99
10,504,1
139
10,5,1
10,504,1
140
10,5,1
10,506,1
141
10,5,1
10,511,1
142
10,5,0,99
10,508,1
143
10,53,1
10,509,1
144
10,51,0,99
10,512,1
145
10,51,1
10,518,1
146
10,51,0,99
10,514,1
147
10,51,0,98
10,515,1
148
10,52,0,99
10,519,1
110
149
10,55,1
10,526,1
150
10,51,1
10,521,1
151
10,52,0,99
10,523,1
152
10,52,1
10,527,1
153
10,54,1
10,536,1
154
10,53,1
10,531,1
155
10,52,0,99
10,532,1
156
10,53,1
10,538,1
157
10,53,0,99
10,548,1
158
10,54,1
10,541,1
159
10,54,0,99
10,543,1
160
10,57,1
10,55,1
161
0,520,89,0,5 + 0,480,87,0,5
0,5140,866,0,5 + 0,4860,866,0,5
162
0,520,86,0,5 + 0,480,87,0,5
0,5220,866,0,5 + 0,4780,866,0,5
163
0,520,87,0,51 + 0,480,87,0,5
0,520,866,0,5 + 0,480,866,0,5
164
0,510,84,0,51 + 0,490,87,0,5
0,5120,866,0,5 + 0,4880,866,0,5
165
0,50,86,0,49 + 0,50,87,0,5
0,5030,866,0,5 + 0,4970,866,0,5
166
0,510,86,0,48 + 0,490,87,0,5
0,5080,866,0,5 + 0,4920,866,0,5
167
0,510,88,0,52 + 0,490,87,0,5
0,5060,866,0,5 + 0,4940,866,0,5
168
0,50,86,0,49 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
169
10,5,0,98
10,5,1
170
0,50,86,0,5 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
171
0,50,86,0,49 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
172
10,51,1
10,5,1
173
10,5,0,98
10,501,1
174
10,49,0,99
10,5,1
175
10,51,1
10,5,1
176
10,5,0,99
10,501,1
177
10,49,1
10,504,1
178
10,51,0,99
10,502,1
179
10,49,0,99
10,502,1
180
10,5,1
10,504,1
181
10,51,0,99
10,508,1
111
182
10,51,1
10,505,1
183
10,51,1
10,506,1
184
10,52,1
10,508,1
185
10,51,1
10,514,1
186
10,51,1
10,51,1
187
10,51,1
10,511,1
188
10,5,0,99
10,515,1
189
10,52,1
10,521,1
190
10,51,0,99
10,517,1
191
10,52,0,99
10,518,1
192
10,52,1
10,522,1
193
10,53,0,99
10,53,1
194
10,51,1
10,525,1
195
10,54,0,99
10,526,1
196
10,53,1
10,532,1
197
10,54,1
10,541,1
198
10,53,1
10,535,1
199
10,51,0,99
10,537,1
200
10,54,1
10,543,1
201
0,520,86,0,49 + 0,480,87,0,5
0,5230,866,0,5 + 0,4770,866,0,5
202
0,530,85,0,49 + 0,470,87,0,5
0,5340,866,0,5 + 0,4660,866,0,5
203
0,530,87,0,49 + 0,470,87,0,5
0,5310,866,0,5 + 0,4690,866,0,5
204
0,520,88,0,5 + 0,480,87,0,5
0,5210,866,0,5 + 0,4790,866,0,5
205
0,510,86,0,51 + 0,490,87,0,5
0,5080,866,0,5 + 0,4920,866,0,5
206
0,510,86,0,5 + 0,490,87,0,5
0,5150,866,0,5 + 0,4850,866,0,5
207
0,510,87,0,5 + 0,490,87,0,5
0,5130,866,0,5 + 0,4870,866,0,5
208
0,50,86,0,49 + 0,50,87,0,5
0,5070,866,0,5 + 0,4930,866,0,5
209
0,50,87,0,5 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
210
0,50,87,0,5 + 0,50,87,0,5
0,5040,866,0,5 + 0,4960,866,0,5
211
0,50,87,0,49 + 0,50,87,0,5
0,5030,866,0,5 + 0,4970,866,0,5
212
0,50,87,0,5 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
213
10,51,0,98
10,5,1
214
0,50,87,0,47 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
112
215
10,51,1
10,5,1
216
10,5,1
10,5,1
217
10,5,1
10,502,1
218
10,5,0,98
10,501,1
219
10,51,0,99
10,501,1
220
10,51,1
10,502,1
221
10,5,0,99
10,505,1
222
10,49,1
10,503,1
223
10,51,0,98
10,504,1
224
10,51,1
10,506,1
225
10,5,1
10,51,1
226
10,5,0,99
10,507,1
227
10,51,1
10,508,1
228
10,51,1
10,511,1
229
10,53,1
10,517,1
230
10,53,1
10,513,1
231
10,5,0,99
10,514,1
232
10,52,1
10,518,1
233
10,53,1
10,525,1
234
10,53,0,99
10,52,1
235
10,52,1
10,521,1
236
10,52,1
10,526,1
237
10,53,0,99
10,534,1
238
10,54,1
10,529,1
239
10,53,1
10,531,1
240
10,53,1
10,536,1
241
0,530,86,0,5 + 0,470,87,0,5
0,5350,866,0,5 + 0,4650,866,0,5
242
0,550,87,0,51 + 0,450,87,0,5
0,5480,866,0,5 + 0,4520,866,0,5
243
0,540,85,0,49 + 0,460,87,0,5
0,5450,866,0,5 + 0,4550,866,0,5
244
0,530,88,0,49 + 0,470,87,0,5
0,5320,866,0,5 + 0,4680,866,0,5
245
0,520,85,0,49 + 0,480,87,0,5
0,5160,866,0,5 + 0,4840,866,0,5
246
0,520,86,0,51 + 0,480,87,0,5
0,5250,866,0,5 + 0,4750,866,0,5
247
0,520,87,0,5 + 0,480,87,0,5
0,5220,866,0,5 + 0,4780,866,0,5
113
248
0,510,87,0,51 + 0,490,87,0,5
0,5140,866,0,5 + 0,4860,866,0,5
249
0,510,87,0,48 + 0,490,87,0,5
0,5040,866,0,5 + 0,4960,866,0,5
250
0,510,87,0,51 + 0,490,87,0,5
0,5090,866,0,5 + 0,4910,866,0,5
251
0,510,87,0,49 + 0,490,87,0,5
0,5080,866,0,5 + 0,4920,866,0,5
252
0,50,87,0,5 + 0,50,87,0,5
0,5030,866,0,5 + 0,4970,866,0,5
253
0,50,88,0,5 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
254
0,50,9,0,51 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
255
0,50,88,0,5 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
256
10,49,0,98
10,5,1
257
10,5,1
10,501,1
258
10,51,1
10,5,1
259
10,51,1
10,5,1
260
10,5,1
10,501,1
261
10,51,1
10,503,1
262
10,48,1
10,502,1
263
10,51,1
10,502,1
264
10,5,1
10,504,1
265
10,52,1
10,507,1
266
10,51,1
10,505,1
267
10,52,1
10,505,1
268
10,52,0,98
10,508,1
269
10,53,0,99
10,513,1
270
10,51,1
10,509,1
271
10,51,0,98
10,51,1
272
10,5,1
10,514,1
273
10,53,1
10,52,1
274
10,51,1
10,516,1
275
10,53,1
10,517,1
276
10,53,0,99
10,521,1
277
10,52,1
10,529,1
278
10,5,1
10,524,1
279
10,53,0,98
10,525,1
280
10,54,1
10,53,1
114
281
0,550,86,0,5 + 0,450,87,0,5
0,550,866,0,5 + 0,450,866,0,5
282
0,560,87,0,51 + 0,440,87,0,5
0,5650,866,0,5 + 0,4350,866,0,5
283
0,560,86,0,49 + 0,440,87,0,5
0,5610,866,0,5 + 0,4390,866,0,5
284
0,550,87,0,5 + 0,450,87,0,5
0,5460,866,0,5 + 0,4540,866,0,5
285
0,520,85,0,49 + 0,480,87,0,5
0,5260,866,0,5 + 0,4740,866,0,5
286
0,540,88,0,49 + 0,460,87,0,5
0,5380,866,0,5 + 0,4620,866,0,5
287
0,530,87,0,49 + 0,470,87,0,5
0,5340,866,0,5 + 0,4660,866,0,5
288
0,520,87,0,49 + 0,480,87,0,5
0,5230,866,0,5 + 0,4770,866,0,5
289
0,510,86,0,5 + 0,490,87,0,5
0,510,866,0,5 + 0,490,866,0,5
290
0,520,88,0,48 + 0,480,87,0,5
0,5180,866,0,5 + 0,4820,866,0,5
291
0,520,86,0,49 + 0,480,87,0,5
0,5150,866,0,5 + 0,4850,866,0,5
292
0,510,87,0,51 + 0,490,87,0,5
0,5080,866,0,5 + 0,4920,866,0,5
293
0,50,88,0,51 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
294
0,50,86,0,51 + 0,50,87,0,5
0,5050,866,0,5 + 0,4950,866,0,5
295
0,50,88,0,49 + 0,50,87,0,5
0,5040,866,0,5 + 0,4960,866,0,5
296
0,50,86,0,49 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
297
10,52,1
10,5,1
298
0,50,85,0,49 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
299
0,50,89,0,51 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
300
10,52,1
10,5,1
301
10,47,1
10,502,1
302
10,51,1
10,501,1
303
10,52,1
10,501,1
304
10,49,0,98
10,502,1
305
10,51,1
10,505,1
306
10,5,0,98
10,503,1
307
10,51,1
10,503,1
308
10,5,0,99
10,505,1
309
10,5,1
10,509,1
310
10,52,1
10,507,1
311
10,51,0,99
10,507,1
312
10,5,0,99
10,51,1
313
10,5,1
10,515,1
115
314
10,52,1
10,512,1
315
10,51,1
10,513,1
316
10,51,1
10,516,1
317
10,53,1
10,523,1
318
10,52,1
10,519,1
319
10,52,1
10,52,1
320
10,54,1
10,525,1
321
0,570,87,0,5 + 0,430,87,0,5
0,5670,866,0,5 + 0,4330,866,0,5
322
0,580,88,0,52 + 0,420,87,0,5
0,5840,866,0,5 + 0,4160,866,0,5
323
0,580,86,0,5 + 0,420,87,0,5
0,5790,866,0,5 + 0,4210,866,0,5
324
0,560,87,0,47 + 0,440,87,0,5
0,5620,866,0,5 + 0,4380,866,0,5
325
0,540,88,0,48 + 0,460,87,0,5
0,5390,866,0,5 + 0,4610,866,0,5
326
0,550,88,0,5 + 0,450,87,0,5
0,5520,866,0,5 + 0,4480,866,0,5
327
0,550,89,0,51 + 0,450,87,0,5
0,5490,866,0,5 + 0,4510,866,0,5
328
0,540,87,0,5 + 0,460,87,0,5
0,5350,866,0,5 + 0,4650,866,0,5
329
0,520,86,0,51 + 0,480,87,0,5
0,5180,866,0,5 + 0,4820,866,0,5
330
0,530,85,0,49 + 0,470,87,0,5
0,5280,866,0,5 + 0,4720,866,0,5
331
0,530,86,0,51 + 0,470,87,0,5
0,5250,866,0,5 + 0,4750,866,0,5
332
0,510,87,0,5 + 0,490,87,0,5
0,5160,866,0,5 + 0,4840,866,0,5
333
0,50,85,0,49 + 0,50,87,0,5
0,5060,866,0,5 + 0,4940,866,0,5
334
0,510,84,0,51 + 0,490,87,0,5
0,5110,866,0,5 + 0,4890,866,0,5
335
0,510,86,0,49 + 0,490,87,0,5
0,510,866,0,5 + 0,490,866,0,5
336
0,50,87,0,5 + 0,50,87,0,5
0,5040,866,0,5 + 0,4960,866,0,5
337
0,50,88,0,51 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
338
0,50,87,0,49 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
339
0,50,87,0,5 + 0,50,87,0,5
0,5010,866,0,5 + 0,4990,866,0,5
340
0,50,88,0,51 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
341
10,52,1
10,501,1
342
10,5,1
10,5,1
343
10,5,1
10,5,1
344
10,5,0,99
10,501,1
345
10,5,1
10,503,1
346
10,47,0,99
10,501,1
116
347
10,5,1
10,502,1
348
10,49,0,99
10,503,1
349
10,52,0,99
10,506,1
350
10,48,1
10,504,1
351
10,51,1
10,505,1
352
10,51,1
10,507,1
353
10,52,0,99
10,512,1
354
10,52,0,99
10,509,1
355
10,5,1
10,509,1
356
10,51,1
10,513,1
357
10,51,0,99
10,519,1
358
10,52,1
10,515,1
359
10,52,0,99
10,516,1
360
10,51,1
10,52,1
361
0,590,85,0,48 + 0,410,87,0,5
0,5860,866,0,5 + 0,4140,866,0,5
362
0,610,88,0,5 + 0,390,87,0,5
0,6060,866,0,5 + 0,3940,866,0,5
363
0,60,86,0,51 + 0,40,87,0,5
0,6010,866,0,5 + 0,3990,866,0,5
364
0,580,87,0,5 + 0,420,87,0,5
0,5810,866,0,5 + 0,4190,866,0,5
365
0,550,86,0,52 + 0,450,87,0,5
0,5540,866,0,5 + 0,4460,866,0,5
366
0,570,86,0,5 + 0,430,87,0,5
0,570,866,0,5 + 0,430,866,0,5
367
0,570,86,0,5 + 0,430,87,0,5
0,5650,866,0,5 + 0,4350,866,0,5
368
0,550,86,0,49 + 0,450,87,0,5
0,550,866,0,5 + 0,450,866,0,5
369
0,530,87,0,51 + 0,470,87,0,5
0,5290,866,0,5 + 0,4710,866,0,5
370
0,540,88,0,51 + 0,460,87,0,5
0,5410,866,0,5 + 0,4590,866,0,5
371
0,540,87,0,5 + 0,460,87,0,5
0,5380,866,0,5 + 0,4620,866,0,5
372
0,530,87,0,5 + 0,470,87,0,5
0,5260,866,0,5 + 0,4740,866,0,5
373
0,510,86,0,5 + 0,490,87,0,5
0,5120,866,0,5 + 0,4880,866,0,5
374
0,520,85,0,5 + 0,480,87,0,5
0,520,866,0,5 + 0,480,866,0,5
375
0,520,87,0,51 + 0,480,87,0,5
0,5180,866,0,5 + 0,4820,866,0,5
376
0,510,87,0,53 + 0,490,87,0,5
0,510,866,0,5 + 0,490,866,0,5
377
0,50,85,0,5 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
378
0,510,87,0,49 + 0,490,87,0,5
0,5070,866,0,5 + 0,4930,866,0,5
379
0,510,86,0,5 + 0,490,87,0,5
0,5050,866,0,5 + 0,4950,866,0,5
117
380
0,50,88,0,5 + 0,50,87,0,5
0,5020,866,0,5 + 0,4980,866,0,5
381
10,52,1
10,5,1
382
0,50,86,0,48 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
383
0,50,88,0,5 + 0,50,87,0,5
0,50,866,0,5 + 0,50,866,0,5
384
10,51,1
10,5,1
385
10,52,1
10,501,1
386
10,51,1
10,5,1
387
10,51,1
10,501,1
388
10,5,0,96
10,501,1
389
10,5,1
10,504,1
390
10,48,1
10,502,1
391
10,5,1
10,503,1
392
10,52,1
10,504,1
393
10,51,0,98
10,508,1
394
10,49,0,99
10,506,1
395
10,52,0,99
10,506,1
396
10,51,1
10,509,1
397
10,52,1
10,514,1
398
10,5,1
10,511,1
399
10,49,1
10,512,1
400
10,51,1
10,515,1
La figura 3.9 muestra la distribucion de los elementos y la figura 3.10 muestra la solucion
u (x, y) para una malla de 10 10.
118
Captulo 4
Conclusiones
En el presente trabajo hemos mostrado de manera concluyente los siguientes hechos. En
primer lugar que el analisis va medidas de Young, propuesto en la literatura de analsis
funcional y control optimo, tiene cabida para desarrollar el tratamiento formal de
diferentes problemas de mecanica analtica, en especial aquellos con energas cineticas
que incluyen terminos no convexos en su planteamiento.
En segundo lugar, el analisis va medidas parametrizadas perimite extender la interpretacion probabilista de Bohr a las variables de momentos y velocidades en sistemas
mecanicos no lineales. Destacamos que este analisis es de particular ayuda en electrodinamica cuando consideramos la interaccion entre los campos magneticos producidos por el movimiento de las partculas involucradas y terminos relativistas en su
energa cinetica.
Mas alla de conseguir el analisis formal de la dinamica de los sistemas propuestos,
hemos desarrollado un metodo general para su solucion el cual contempla el uso de
herramientas de algebra real y optimizacion global para obtener la convexificacion de
expresiones polinomiales. En otras palabras, hemos conseguido un metodo general para
resolver problemas variacionales generalizados descritos en terminos de distribuciones
de probabilidad.
Finalmente, hemos conseguido que el analisis y su solucion numerica pueda desarrollarse
dentro de un esquema de interpolacion general que le da cabida a cualquiera de las
bases de interpolacion clasicas empleadas en fsica matematica y analisis numerico. Es
as como para los problemas de electrodinamica desarrollados en el Captulo 2, hemos
utilizado un esquema de series de Fourier y en el Captulo 3 hemos presentado la forma
119
120
Bibliografa
[Akhiezer and Krein, 1992] Akhiezer, N. and Krein, K. (1992). Some questions in the
theory of moments. Translations of Mathematical Monographs.
[B., 2004] B., D. P. (2004). Nonlinear Programming. 2nd Edition.
[Balder, 1997] Balder, E. (1997). Lectures on young measure theory ans its applications
in economics. In Workshop di Theoria della Misura e Analisi Reale, Grado, Rend.
Istit. Mat. Univ. Trieste.
[Balder, 1999] Balder, E. (1999). Young measure techniques for existence of cournotnash-walras equilibria. Fields Institute Communications 23, American Mathematical
Society, Providence.
[Ben-Tal and Nemirovskii, 2001] Ben-Tal, A. and Nemirovskii, A. (2001). Lectures on
Modern Convex Optimization. TMPS, SIAM.
[Bookman, 2002] Bookman, C. (2002). Linux Clustering: Building and Maintaining
Linux Clusters. Sams, 1st edition.
[Brooke A., 2005] Brooke A., Kendrick D., M. A. R. R. (2005). GAMS A Users Guide.
GAMS Development Corporation.
[Buttazo, ] Buttazo, G. e. a. one dimensional variational problems.
[Castillo, 2000] Castillo, E. (2000). Building and Solving Mathematical Programming
Models in Engineering and Science. Pure and Applied Mathematics Serie,.
[Cesari, 1983] Cesari, L. (1983). Optimization, Theory and Applications. Springer,
New York.
[Curto and Fialkow, ] Curto, R. and Fialkow, L. Recursiveness, positivity and truncated moment problems.
[Curto and Fialkow, 1996] Curto, R. and Fialkow, L. (1996). Solution of the truncated
complex moment problem for flat data. Memoirs of the AMS.
[Curto and Fialkow, 2000] Curto, R. and Fialkow, L. (2000). The truncated complex
k-moment problem. Transactions of the AMS.
121
122
[Egozcue and Pedregal, 2003] Egozcue, J., R. M. and Pedregal, P. (2003). From a
nonlinear, non-convex variational problem to a linear convex formulation. Journal
of Applied Mathematics and Optimization.
[Fourer, 1993] Fourer, R., G. D. K. B. (1993). AMPL A Modeling Language for Mathematical Programming. The Scientific Press Series.
[Gahinet, 1995] Gahinet, P. (1995). LMI Control toolbox for Use with MATLAB. Mathworks Inc.
[Jackson, 1999] Jackson, J. (1999). Classical Electrodynamics. John Wiley and Sons
Inc.
[Krein and Nudelman, 1977] Krein, M. and Nudelman, A. (1977). The markov moment
problem and extremal problems. Translations of Mathematical Monographs.
[Lagrange, 2001] Lagrange, J. (2001). Analytical Mechanics. Springer.
[Lanczos, 1986] Lanczos, C. (1986). The Variational Principles of Mechanics. Dover
Publication.
[Lasserre, 2001] Lasserre, J. (2001). Global optimization with polynomials and the
problem of moments. SIAM J. Optim.
[Lasserre, 2002] Lasserre, J. (2002). Semidefinite programming vs lp relaxations for
polynomial programming. Annals of Operations Research Journal.
[Lindroth, 1989] Lindroth, E. (1989). Further Analysis of the complete Breit interaction. Physic Review A 39.
[McWeeny, 1992] McWeeny, R. (1992). Methods of Molecular Quantum Mechanichs.
Academic Press Limited.
[Meziat, 2003a] Meziat, R. (2003a). Analysis of non-convex polynomial programs by
the method of moments. Nonconvex Optimization and its Applications Series.
[Meziat, 2003b] Meziat, R. (2003b). The method of moments in global optimization.
Journal of Mathematical Sciences.
[Meziat, 2004] Meziat, R. (2004). Analysis of two dimensional non-convex variational
problems. in press.
[Meziat and Patino, 2005] Meziat, R. and Patino, D. (2005). Analysis of convex envelopes of polynomials and exact relaxations of non-convex variational problems.
Journal in Convex Analysis, In review.
[Meziat, 2001] Meziat, R. J. (2001). El metodo de los momentos para problemas variacionales no convexos.
[Milyutin and Osmolouskii, 2002] Milyutin, A. and Osmolouskii, N. (2002). Calculus
of variations and optimal control. Transactions of Mathematical Monographs.
123
[Mourdukhovic, 1988] Mourdukhovic, B. (1988). Existence theorems in nonconvex optimal control, Calculus of Variations and Optimal Control. Chapman and Hall.
[Nesterov, 2000] Nesterov, Y. (2000). Squared functional systems and optimization
problems in High Performance Optimization. Frenk, H., K. Roos and T. Terlaky,
eds., Kluwer.
[Pedregal, 1997] Pedregal, P. (1997). Parametrized Measures and Variational Principles. Birkhauser.
[R. Meziat and Pati
no, ] R. Meziat, J. V. and Pati
no, D. Technical report.
[Romesburg, 2004] Romesburg, C. (2004). Cluster Analysis For Researchers. Lulu
Press.
[Roubicek, 1997] Roubicek, T. (1997). Relaxation in Optimization Theory and Variational Calculus. De Gruyter.
[Schimmel, 1994] Schimmel, C. (1994). UNIX(R) Systems for Modern Architectures:
Symmetric Multiprocessing and Caching for Kernel Programmer. Addison-Wesley
Professional.
[Shohat and Tamarkin, 1943] Shohat, J. and Tamarkin, J. (1943). The problem of
moments. Mathematical Surveys.
[Vanderbei R.J., 2000] Vanderbei R.J., M. A. (2000). New orbits for the n-body problem. Operations Research and Financial Engineering.
[Young, 1969] Young, L. (1969). Lectures on Calculus of Variations and Optimal Control Theory. Saunders.
Ap
endice A
Lenguaje AMPL
La programacion matematica es una de las areas mas estudiadas y trabajadas en el
mundo tecnico y cientfico. Gran parte de la labor en ingeniera, consiste en modelar
procesos del mundo real a traves de formulaciones matematicas apropiadas.
Los problemas de programacion matematica se resuelven mediante diversas tecnicas de
solucion y han llevado a laboratorios, empresas y universidades a desarrollar software
que tratan con problemas en un gran n
umero de variables y problemas no lineales.
Uno de los software mas utilizados en este campo es el lenguaje de interpretacion AMPL
que fue desarrollado en Bell Labs por R. Fourer, D. M. Gay y B. W. Kernighan alrededor
de 1985. AMPL se caracteriza por su grado de similitud con las expresiones aritmeticas
y la notacion algebraica com
un. Ofrece un ambiente de comandos interactivo para
configurar y resolver los programas matematicos. AMPL posee una interfaz flexible
en la cual, diferentes algoritmos son faciles de configurar. Esto le da la categora de
interpretador entre el usuario y un solucionador.
El papel de AMPL es basicamente, proveer una interfaz con diferentes solucionadores o
solvers, ademas la posibilidad de un lenguaje algebraico, el cual hace posible el enfasis
de modelos generales que pueden ser u
tiles para la descripcion de diversos problemas
de optimizacion a gran escala.
El proceso para solucionar un problema de optimizacion utilizando este software se
puede enumerar en los siguientes pasos:
1. Plantear el modelo del problema a resolver, el sistema de variables, las funciones
objetivo y restricciones que representan el modelo general.
2. Especificar los datos que definen el problema en particular.
124
125
126
Palabra reservada
Descripci
on
quit
Salir de AMPL
param
Define los parametros del problema
var
Define las variables del sistema
maximize
Maximizar una funcion objetivo
minimize
Minimizar una funcion objetivo
subject to
Declara las restricciones del sistema
sum
Declaracion de la sumatoria
model
Llama al modelo del programa matematico
data
Llama al modelo de los datos de prueba
solve
Resuelve el programa matematico
option
Cambia las opciones de solucion
display
Muestra la solucion
Tabla A.1: Palabras reservadas mas comunes
max xyz
(A.1)
s.a.z + 2x + 2y 108
x, y, z 0
y en AMPL se escribe como:
var x >=0; var y >=0; var z >=0; maximize objet:
x*y*z; subject
127
A.0.11.
Ejemplo 2
128
A.0.12.
Ejemplo 3: Interacci
on entre partculas
:= 1.6; param q2
1..i}(m[0,0,0,1,j]))*m[0,0,1,1,i]-(a0 + h*sum{j in
1..i}(m[1,0,0,0,j]))*(d0 + h*sum{j in
1..i}(m[0,0,0,1,j]))*m[0,1,1,0,i]+(b0 + h*sum{j in
1..i}(m[0,1,0,0,j]))*(d0 + h*sum{j in
1..i}(m[0,0,0,1,j]))*m[0,1,1,0,i]+(d0 + h*sum{j in
1..i}(m[0,0,0,1,j]))*(d0 + h*sum{j in
1..i}(m[0,0,0,1,j]))*m[0,0,1,1,i])/((sqrt((((b0 + h*sum{j in
1..i}(m[0,1,0,0,j]))-(a0 + h*sum{j in
1..i}(m[1,0,0,0,j])))^2)+(((d0 + h*sum{j in
1..i}(m[0,0,0,1,j]))-(c0 + h*sum{j in
1..i}(m[0,0,1,0,j])))^2)))))));
129
*(m[1,0,0,1,i])*(m[0,0,2,0,i])+2*(m[1,0,1,0,i])*(m[0,2,0,0,i])
*(m[1,0,0,1,i])*(m[0,0,1,1,i])-2*(m[1,0,1,0,i])*(m[0,1,0,1,i])
*(m[1,0,0,1,i])*(m[0,1,1,0,i])-(m[2,0,0,0,i])*(m[0,1,1,0,i])^2
*(m[0,0,0,2,i])-(m[1,1,0,0,i])^2*(m[0,0,2,0,i])*(m[0,0,0,2,i])
-(m[0,2,0,0,i])*(m[1,0,1,0,i])^2*(m[0,0,0,2,i])-(m[0,2,0,0,i])
*(m[1,0,0,1,i])^2*(m[0,0,2,0,i])+(m[1,1,0,0,i])^2*(m[0,0,1,1,i])^2
+(m[1,0,1,0,i])^2*(m[0,1,0,1,i])^2+(m[1,0,0,1,i])^2*(m[0,1,1,0,i])^2
+(m[1,0,0,0,i])^2*(m[0,2,0,0,i])*(m[0,0,1,1,i])^2+(m[1,0,0,0,i])^2
*(m[0,1,1,0,i])^2*(m[0,0,0,2,i])+(m[1,0,0,0,i])^2*(m[0,1,0,1,i])^2
*(m[0,0,2,0,i])+(m[2,0,0,0,i])*(m[0,1,0,0,i])^2*(m[0,0,1,1,i])^2
+(m[0,1,0,0,i])^2*(m[1,0,1,0,i])^2*(m[0,0,0,2,i])+(m[0,1,0,0,i])^2
*(m[1,0,0,1,i])^2*(m[0,0,2,0,i])-(m[1,0,0,0,i])^2*(m[0,2,0,0,i])
*(m[0,0,2,0,i])*(m[0,0,0,2,i])-2*(m[1,0,0,0,i])^2*(m[0,1,1,0,i])
*(m[0,1,0,1,i])*(m[0,0,1,1,i])-2*(m[1,0,0,0,i])*(m[1,1,0,0,i])
*(m[0,1,0,0,i])*(m[0,0,1,1,i])^2-2*(m[1,0,0,0,i])*(m[1,0,1,0,i])
*(m[0,0,1,0,i])*(m[0,1,0,1,i])^2-2*(m[1,0,0,0,i])*(m[1,0,0,1,i])
*(m[0,0,0,1,i])*(m[0,1,1,0,i])^2-(m[2,0,0,0,i])*(m[0,1,0,0,i])^2
*(m[0,0,2,0,i])*(m[0,0,0,2,i])-2*(m[1,0,1,0,i])*(m[0,1,0,0,i])^2
*(m[1,0,0,1,i])*(m[0,0,1,1,i])-2*(m[0,1,0,0,i])*(m[0,1,0,1,i])
*(m[0,0,0,1,i])*(m[1,0,1,0,i])^2-2*(m[0,1,0,0,i])*(m[0,1,1,0,i])
*(m[0,0,1,0,i])*(m[1,0,0,1,i])^2-(m[2,0,0,0,i])*(m[0,2,0,0,i])
*(m[0,0,1,0,i])^2*(m[0,0,0,2,i])-2*(m[1,1,0,0,i])*(m[0,1,0,1,i])
*(m[0,0,1,0,i])^2*(m[1,0,0,1,i])-2*(m[0,0,1,0,i])*(m[1,1,0,0,i])^2
*(m[0,0,0,1,i])*(m[0,0,1,1,i])-(m[2,0,0,0,i])*(m[0,2,0,0,i])
*(m[0,0,0,1,i])^2*(m[0,0,2,0,i])-2*(m[1,1,0,0,i])*(m[0,1,1,0,i])
*(m[0,0,0,1,i])^2*(m[1,0,1,0,i])+2*(m[1,0,0,0,i])*(m[1,1,0,0,i])
*(m[0,1,0,0,i])*(m[0,0,2,0,i])*(m[0,0,0,2,i])-2*(m[1,0,0,0,i])
*(m[1,1,0,0,i])*(m[0,1,1,0,i])*(m[0,0,1,0,i])*(m[0,0,0,2,i])
+2*(m[1,0,0,0,i])*(m[1,1,0,0,i])*(m[0,1,1,0,i])*(m[0,0,0,1,i])
*(m[0,0,1,1,i])+2*(m[1,0,0,0,i])*(m[1,1,0,0,i])*(m[0,1,0,1,i])
*(m[0,0,1,0,i])*(m[0,0,1,1,i])-2*(m[1,0,0,0,i])*(m[1,1,0,0,i])
*(m[0,1,0,1,i])*(m[0,0,0,1,i])*(m[0,0,2,0,i])-2*(m[1,0,0,0,i])
*(m[1,0,1,0,i])*(m[0,1,0,0,i])*(m[0,1,1,0,i])*(m[0,0,0,2,i])
130
+2*(m[1,0,0,0,i])*(m[1,0,1,0,i])*(m[0,1,0,0,i])*(m[0,1,0,1,i])
*(m[0,0,1,1,i])+2*(m[1,0,0,0,i])*(m[1,0,1,0,i])*(m[0,2,0,0,i])
*(m[0,0,1,0,i])*(m[0,0,0,2,i])-2*(m[1,0,0,0,i])*(m[1,0,1,0,i])
*(m[0,2,0,0,i])*(m[0,0,0,1,i])*(m[0,0,1,1,i])+2*(m[1,0,0,0,i])
*(m[1,0,1,0,i])*(m[0,1,0,1,i])*(m[0,0,0,1,i])*(m[0,1,1,0,i])+
2*(m[1,0,0,0,i])*(m[1,0,0,1,i])*(m[0,1,0,0,i])*(m[0,1,1,0,i])
*(m[0,0,1,1,i])-2*(m[1,0,0,0,i])*(m[1,0,0,1,i])*(m[0,1,0,0,i])
*(m[0,1,0,1,i])*(m[0,0,2,0,i])-2*(m[1,0,0,0,i])*(m[1,0,0,1,i])
*(m[0,2,0,0,i])*(m[0,0,1,0,i])*(m[0,0,1,1,i])+2*(m[1,0,0,0,i])
*(m[1,0,0,1,i])*(m[0,2,0,0,i])*(m[0,0,0,1,i])*(m[0,0,2,0,i])
+2*(m[1,0,0,0,i])*(m[1,0,0,1,i])*(m[0,1,1,0,i])*(m[0,0,1,0,i])
*(m[0,1,0,1,i])+2*(m[0,1,0,0,i])*(m[2,0,0,0,i])*(m[0,1,1,0,i])
*(m[0,0,1,0,i])*(m[0,0,0,2,i])-2*(m[0,1,0,0,i])*(m[2,0,0,0,i])
*(m[0,1,1,0,i])*(m[0,0,0,1,i])*(m[0,0,1,1,i])-2*(m[0,1,0,0,i])
*(m[2,0,0,0,i])*(m[0,1,0,1,i])*(m[0,0,1,0,i])*(m[0,0,1,1,i])
+2*(m[0,1,0,0,i])*(m[2,0,0,0,i])*(m[0,1,0,1,i])*(m[0,0,0,1,i])
*(m[0,0,2,0,i])-2*(m[0,1,0,0,i])*(m[1,0,1,0,i])*(m[1,1,0,0,i])
*(m[0,0,1,0,i])*(m[0,0,0,2,i])+2*(m[0,1,0,0,i])*(m[1,0,1,0,i])
*(m[1,1,0,0,i])*(m[0,0,0,1,i])*(m[0,0,1,1,i])+2*(m[0,1,0,0,i])
*(m[1,0,1,0,i])*(m[0,1,0,1,i])*(m[0,0,1,0,i])*(m[1,0,0,1,i])+
2*(m[0,1,0,0,i])*(m[1,0,0,1,i])*(m[1,1,0,0,i])*(m[0,0,1,0,i])
*(m[0,0,1,1,i])-2*(m[0,1,0,0,i])*(m[1,0,0,1,i])*(m[1,1,0,0,i])
*(m[0,0,0,1,i])*(m[0,0,2,0,i])+2*(m[0,1,0,0,i])*(m[1,0,0,1,i])
*(m[0,1,1,0,i])*(m[0,0,0,1,i])*(m[1,0,1,0,i])+2*(m[0,0,1,0,i])
*(m[2,0,0,0,i])*(m[0,2,0,0,i])*(m[0,0,0,1,i])*(m[0,0,1,1,i])
-2*(m[0,0,1,0,i])*(m[2,0,0,0,i])*(m[0,1,0,1,i])*(m[0,0,0,1,i])
*(m[0,1,1,0,i])+2*(m[0,0,1,0,i])*(m[1,1,0,0,i])*(m[0,1,0,1,i])
*(m[0,0,0,1,i])*(m[1,0,1,0,i])+2*(m[0,0,1,0,i])*(m[1,0,0,1,i])
*(m[1,1,0,0,i])*(m[0,0,0,1,i])*(m[0,1,1,0,i])-2*(m[0,0,1,0,i])
*(m[1,0,0,1,i])*(m[0,2,0,0,i])*(m[0,0,0,1,i])*(m[1,0,1,0,i]))
>=0;
131
132
Ap
endice B
Herramienta GAMS
El dise
no en GAMS ha incorporado nuevas ideas, basadas en la teora de base de datos
y la programacion matematica, para resolver las necesidades de los modelos.
La teora de bases de datos posee un marco estructurado para el desarrollo logstico
y para las capacidades de modificacion de un problema, mientras la programacion
matematica es una formulacion con una variedad de metodos de solucion. Es por ello
que las caractersticas principales de GAMS se pueden resumir en:
Los metodos de solucion no dependen de la representacion del modelo, es decir, el
usuario esta en la capacidad de cambiar el algoritmo sin la necesidad de cambiar
la representacion del programa de optimizacion.
El problema puede ser formulado independientemente de los datos de entrada. Por
ejemplo, el n
umero de datos en un problema puede ser facilmente incrementado
sin modificar el modelo.
La forma en que GAMS representa un problema de optimizacion coincide con la
descripcion matematica estandar.
Al igual que AMPL, GAMS es basicamente una interfaz entre el usuario y un solucionador o solver, tambien se ejecuta mediante una lnea de comandos y la interaccion
entre un archivo de modelo y un archivo de datos.
Existe una version de evaluacion restringida por el n
umero de varibles y el n
umero
de restricciones, que se encuentra en www.gams.com y se puede descargar de forma
gratuita, junto con algunos solucionadores para ser instalado bajo sistemas Windows
133
134
o Unix. Para la version Windows, esta disponible una version grafica denominada
gamside.
Para plantear un programa matematico en GAMS, necesitamos definir ciertos pasos:
1. Plantear el modelo que deseamos resolver, la funcion objetivo, las restricciones,
parametros y variables.
2. Especificar los datos del problema en particular.
3. Solucionar el problema de acuerdo con un metodo computacional apropiado.
4. Visualizar y analizar los resultados.
En resumen, los pasos para resolver un programa matematico en AMPL y en GAMS
se definen de la misma manera
Modelaje
A diferencia de AMPL, este lenguaje no trabaja con una lnea de comandos propia,
sino que depende de una lnea de comandos o de los sistemas de UNIX.
Para resolver un programa, utilizamos la instruccion gams con el nombre donde se
encuentra el modelo desde la lnea de comandos.
Por ejemplo, si hay un modelo de un programa matematico llamado postal.gms, se
soluciona de la siguiente manera:
gams postal.gms
Automaticamente se genera un archivo postal.lst donde se encuentra el modelo y los
resultados que se visualizan incluyendo la palabra reservada display dentro del modelo. La Tabla B.1 muestra las palabras reservadas mas importantes y su descripcion.
Algunas de las reglas mas importantes de GAMS son las siguientes:
1. Es indiferente el uso de may
usculas y min
usculas.
2. Cada comando debe terminar con un punto y coma.
3. Los comandos pueden aparecer en cualquier lugar siempre que los datos y variables que hayan sido declaradas con anterioridad.
135
Comando
Objetivo
Set
Declara un conjunto de ndices y los propios ndices de los vectores
Scalar
Declara los escalares
Parameter
Declara los vectores de datos y asigna los valores
Table
Declara y Asigna valores a las matrices de datos
Variable
Declara las variables de optimizacion y su caracter
Equation
Declara las restricciones y la funcion objetivo
Model
Declara los modelos y las restricciones que lo componen
Solve
Indica a GAMS que utilice un optimizador determinado
Display
Indica que resultados deben ser presentados
Tabla B.1: Algunas palabras reservadas de GAMS
4. Los identificadores que se utilizan no pueden utilizar las palabras reservadas de
GAMS.
5. El uso de la -s- al final es indiferente.
6. Es posible escribir varios comandos en una lnea si estan separados por punto y
coma.
7. Un solo comando puede definir varios elementos del mismo tipo.
A continuacion resolvemos el mismo ejemplo del paquete postal utilizando esta herramienta computacional algebraica.
B.0.13.
Ejemplo 1
136
per
vol..
Restricci
on de perimetro;
obj =e=x*y*z; per..
**Definici
on del modelo Model postal /all/;
**Establecer puntos iniciales de variables de dise~
no x.l=1; y.l=1;
z.l=1;
**Resolver usando programaci
on no lineal Solve postal using nlp
maximizing obj; **Muestra los resultados de las dimensiones
Display x.l; Display y.l; Display z.l;
Para ejecutarlo utilizamos el siguiente comando:
gams postal.gms
y se produce el siguiente resultado que se encuentra almacenado en postal.lst: ****
REPORT SUMMARY : 0 NONOPT 0 INFEASIBLE 0 UNBOUNDED 0 ERRORS
GAMS Rev 138 MS Windows 04/01/05 17:12:31 Page 6 PROBLEMA DEL PAQUETE
POSTAL E x e c u t i o n
- 26 VARIABLE x.L = 33.333
- 27 VARIABLE y.L = 33.333
- 28 VARIABLE z.L = 66.667
Para mas informacion sobre GAMS ver [Castillo, 2000, Brooke A., 2005]. Tanto AMPL
como GAMS requieren de solucionadores especficos de alto desempe
no para un tipo
de problemas en partcular. Uno de los solvers mas poderosos en optimizacion no lineal
es el KNITRO, que se describira brevemente a continuacion.
Ap
endice C
Solucionador KNITRO
KNITRO es uno de los solvers para problemas de optimizacion no lineal mas recientes,
ya que implementa algoritmos nuevos de punto interior (o de barrera) y tipos de conjuntos activos [B., 2004], ademas cuenta con algortimos sobre regiones factibles que
mejoran la convergencia.
Este solver puede manejar varias dimensiones sin perder la caracterstica de convergencia. Su alto desempe
no y robustez se debe basicamente, a que involucra informacion
de la segunda derivada (Hessiano).
KNITRO funciona bajo plataformas AMPL, C/C++, Matlab, GAMS, MS Excel, Fortran, y es capaz de resolver los siguientes problemas:
Programas matematicos sin restricciones.
Programas matematicos con restricciones de desigualdad.
Programas matematicos con restricciones de igualdad.
Sistemas de ecuaciones no lineales.
Problemas de mnimos cuadrados.
Problemas de programacion lineal.
Problemas de programacion cuadratica.
Problemas de restricciones en general.
Este solucionador fue programado por Ziena Optimization, Inc. y se puede descargar
una version gratuita en:
137
138
http://www.ziena.com/knitro.html
En general, los problemas que puede resolver KNITRO son de la forma:
mn f (x)
x
s.t. h(x) = 0
(C.1)
g(x) 0
La formulacion (C.1) permite muchas formas de restricciones, desde restricciones de
desigualdad, hasta condiciones de frontera en las variables. KNITRO asume que las
funciones f (x), h(x) y g(x) son suaves, pero a pesar de ello, los problemas con derivadas
discontinuas se pueden resolver en algunos casos.
En el metodo de punto interior (tambien conocido como metodo de barrera), el problema de programacion no lineal se reemplaza por una serie de subproblemas, que son
controlados por un parametro de barrera [B., 2004]. El algoritmo usa regiones factibles
y una funcion que asegura la convergencia y el solucionador realiza varios pasos de minimizacion en cada problema, va disminuyendo los parametros hasta que el problema
original haya alcanzado una tolerancia aceptable.
KNITRO utiliza dos procedimientos para calcular los pasos de la aproximacion del
punto interior:
1. En la version conocida como Interior / CG, cada paso lo calculamos utilizando una
iteracion de gradiente conjugado y proyectandolo. Esta aproximacion no requiere
el calculo de la solucion de un sistema lineal en cada iteracion como algunos de
los metodos mas conocidos en la literatura, en vez de ello, factoriza una matriz, y
junto con el metodo de gradiente conjugado, se minimiza un modelo cuadratico
del problema de barrera.
2. El segundo procedimiento para calcular los pasos se denomina metodo de punto Interior Directo, y calcula una nueva iteracion mediante la solucion de una
matriz primal-dual con el algebra lineal directa. En el caso donde no se pueda
garantizar una buena calidad del resultado, o si la nueva iteracion se calcula por
el procedimiento Interior/CG.
Ademas el solucionador implementa un algoritmo de programacion lineal cuadratico
139
(SLQP), el cual se le denomina algoritmo Activo. Este metodo es similar en naturaleza a un metodo de programacion cuadratica secuencial, pero usa subproblemas de
programacion cuadratica para estimar los conjuntos activos en cada iteracion.
C.0.14.
Ejemplo
(C.2)
# # Ejemplo
# Definir variables
var x{j in 1..3} >= 0;
# Funci
on objetivo a minimizar.
minimize obj:
x 1 , x2 , x3 0
www.ziena.com
info@ziena.com
======================================
140
141
algorithm:
2 opttol:
1e-08 outlev:
Problem Characteristics
----------------------Number of variables:
bounded below:
bounded above:
fixed:
free:
Number of constraints:
linear equalities:
nonlinear equalities:
linear inequalities:
nonlinear inequalities:
range:
6 Number of nonzeros in
Iter
Objective
Feas err
Opt err
||Step||
CG its
--------
-------------
---------
---------
---------
--------
9.760000e+02
1.300e+01
9.688061e+02
7.190e+00
6.919e+00
1.513e+00
9.397651e+02
1.946e+00
2.988e+00
5.659e+00
9.323614e+02
1.659e+00
5.003e-03
1.238e+00
9.361994e+02
1.421e-14
9.537e-03
2.395e-01
9.360402e+02
7.105e-15
1.960e-03
1.591e-02
9.360004e+02
0.000e+00
1.597e-05
4.017e-03
9.360000e+02
7.105e-15
1.945e-07
3.790e-05
9.360000e+02
0.000e+00
1.925e-09
3.990e-07
142
Final Statistics
---------------Final objective value
9.36000000040000e+02 Final
optimality error
1.92e-09 / 1.20e-10 # of
(abs / rel) =
8 /
function evaluations
9 # of gradient
evaluations
8 # of
9 # of Hessian evaluations = 8
=
0.00
=========================================================================
KNITRO 4.0.0: LOCALLY OPTIMAL SOLUTION FOUND.
Ap
endice D
El concepto de cluster
Podra incluirse alguna definicion de alg
un libro, pero el problema es que ni los expertos
en clusters ni la gente que los implementa se ponen de acuerdo en que es aquello en lo
que trabajan. Un cluster podemos entenderlo como un conjunto de maquinas unidas por
una red de comunicacion trabajando por un servicio conjunto. Seg
un el servicio puede
ser dar alta disponibilidad, alto rendimiento, etc. Por supuesto esta definicion no es
estricta, de hecho uno de los problemas que tiene es que es demasiado vaga, por ejemplo
dos consolas de videojuegos conectadas para jugar en red se considera cluster? Pero si
en vez de estar jugando se esta usando el kit de GNU/Linux haciendo procesamiento
paralelo entonces se podra considerar cluster? [Romesburg, 2004, Bookman, 2002].
Realmente el cambio de ambiente es mnimo, desde luego a nadie se le ocurrira definir
cluster en base al contenido de los programas que se ejecuten y de hecho es posible
que los juegos tengan mas capacidades de procesamiento distribuido que los propios
programas, entonces que es un cluster?
Hay definiciones que distinguen entre cluster de maquinas Symmetric Multiprocessing
(SMP) [Schimmel, 1994] y clusters formados por nodos monoprocesadores. Hay arquitecturas clusters que se denominan constelaciones y se caracterizan por que cada nodo
contiene mas procesadores que el n
umero de nodos. A pesar de todo, las constelaciones
siguen siendo clusters de componentes o nodos aventajados y caros.
Como ejemplos de la disparidad de opiniones que existen, se adjuntan las definiciones
que dan ciertas autoridades de esta materia:
Un cluster consiste en un conjunto de maquinas y un servidor de cluster dedicado, para
realizar los (relativamente infrecuentes) accesos a los recursos de otros procesos.
143
144
D.0.15.
Caractersticas de un cluster
Si no hay acuerdo sobre lo que es un cluster poco podra acertarse en sus caractersticas. En este apartado se explican los requisitos que deben cumplir un conjunto de
computadoras para ser consideradas cluster, tal y como se conocen hasta el momento.
Para crear un cluster se necesitan al menos dos nodos. Una de las caractersticas principales de estas arquitecturas es que exista un medio de comunicacion (red) donde los
procesos, puedan migrar para computarse en diferentes estaciones paralelamente. Un
solo nodo no cumple este requerimiento por su condicion de aislamiento para poder
compartir informacion. Las arquitecturas con varios procesadores en placa tampoco
son consideradas clusters, bien sean maquinas SMP o mainframes, debido a que el bus
de comunicacion no suele ser de red, sino interno [Romesburg, 2004].
Por esta razon se deduce la primera caracterstica de un cluster:
1. Un cluster consta de 2 o mas nodos. Los nodos necesitan estar conectados para
llevar a cabo su mision.
2. Los nodos de un cluster estan conectados entre s por al menos un canal de
comunicacion. Por ahora se ha referenciado a las caractersticas fsicas de un
cluster, que son las caractersticas sobre las que mas consenso hay. Pero existen
mas problemas sobre las caractersticas del programador de control que se ejecuta,
145
D.0.16.
Elementos de un cluster
146
Para formar el cluster se interconectan los diferentes dispositivos, en este caso en forma
de estrella como se muestra en la figura D.1. El nodo central son los servidores y los
nodos laterales son las estaciones de trabajo y los PC. La figura D.2 muestra mas
147
148
149
150