Capitulo 4 Sistemas de Ecuaciones No Lineales

Universidad de Chile
Departamento de Ingeniera Matemtica
0011 0010 1010 1101 0001 0100 1011

Mtodos Numricos
para Sistemas de
Ecuaciones
No Lineales
MA-33A
Gonzalo Hernndez Oliva
GHO SENL - MA-33A 1
Sistemas de Ecuaciones No Lineales: SENL
1) Motivacin: Modelacin y Optimizacin No-Lineal
0011 0010 1010 1101 0001 0100 1011
Con Restricciones
2) Introduccin
n
3) Mtodos Numricos para SENL: \ y \
4) En \: Punto Fijo, Biseccin y Newton-Raphson
n
5) En \ : Newton-Kantorovich y Punto Fijo
6) Mtodos Optimizacin Con Restricciones
7) Bibliografa
GHO SENL - MA-33A 2
Motivacin: Modelacin en Optimizacin
Planificacin de Produccin (Bsico)
El plan
0011 0010 de1101
1010 produccin de1011
0001 0100 un producto considera 6 etapas, cada
una de 2 meses. Los datos necesarios para determinar este plan
se muestran en la siguiente tabla.
Los costos de produccin involucran todo lo relacionado a la
produccin, salvo los costos de almacenamiento que son 2 [$/ton]
de etapa en etapa. En la etapa 1 hay 500 [ton] de producto en
bodega y se quiere terminar el ao con la misma cantidad en
bodega.
Encuentre un modelo lineal que maximice ingresos, verificando
restricciones de capacidad y de inventario en la etapa final del
programa.
GHO SENL - MA-33A 3
Planificacin de Produccin (Bsico)
0011 0010 1010 1101 0001 0100 1011
Etapa Costos de Capacidad de Demanda Precio Venta
Produccin [$/ton] Produccin [ton] Estimada [ton] Estimado [$/ton]
1 20 1500 1100 180
2 25 2000 1500 180
3 30 2200 1800 250
4 40 3000 1600 270
5 50 2700 2300 300
6 60 2500 2500 320
GHO SENL - MA-33A 4

Produccin bajo Restricciones Ambientales
La calidad
0011 0010 del aire
1010 1101 0001de0100
una regin
1011 industrial depende en gran parte de las
evaporaciones de las n plantas existentes, que pueden usar m tipos de
combustibles:
Sea Ej la energa total que necesita la planta j y eij la evaporacin
producida por unidad de combustible tipo i en la planta j.
Sea ci el costo unitario del combustible tipo i, que produce una cantidad fij
de energa en la planta j.
El nivel de contaminacin del aire en la regin no debe exceder p
microgramos de partculas por m3, y supongamos que conocemos un
parmetro gj que relaciona la evaporacin en la planta j con la
generacin de partculas.
Obtenga un modelo lineal que determine la mezcla de combustibles
ptima que debe utilizarse en cada planta de tal manera de minimizar
costos, verificar niveles de contaminacin mxima y satisfacer los
requerimientos energticos.
GHO SENL - MA-33A 5
Planificacin de Produccin (No-lineal)
Una 1010
0011 0010 compaa produce
1101 0001 0100 un producto
1011 para satisfacer una demanda
conocida en T perodos. La produccin se puede hacer con fuerza
laboral estable o temporal. Las variables del modelo son: cantidad de
producto producido (proporcional a fuerza laboral), nivel de inventario y
cantidad de fuerza laboral temporal. La funcin objetivo y restricciones
consideran:
a) Funcin Objetivo: Costos de produccin (fuerza laboral estable),
inventario y de trabajo temporal (Para evitar fluctuaciones, el costo es
proporcional al cuadrado de la diferencia en la fuerza de trabajo
temporal entre dos perodos sucesivos)
b) Restricciones: Balance de demanda y capacidad mxima de
produccin, inventario inicial y final
Obtenga un modelo matemtico que determine la programacin de la
produccin.
GHO SENL - MA-33A 6
Ejecucin de Tareas en Clusters de PC
Un nmero
0011 0010 n de
1010 1101 0001tareas deben
0100 1011 ser ejecutadas en un cluster de p
computadores de capacidad ui (i=1,...,p), medida en [mops].
Estos computadores estn conectados por redes de comunicacin cuyos
costos fijo y variable de instalacin son f [$] y h [$/mbit].
Las tareas poseen un requerimiento de mops dado por j (j=1,...,n) y
generan un trfico de informacin kj [mbit] entre ellas cuando se
ejecutan en computadores diferentes.
Sea ci el costo de utilizar el computador i y dij el costo de ejecutar la tarea
j en el computador i
Obtenga un modelo que determine cules computadores deben ser
utilizados y en cul de ellos se ejecuta cada tarea, minimizando costos
de flujos de informacin entre computadores, de utilizacin de
computadores y de ejecucin de tareas, respetando sus capacidades.
GHO SENL - MA-33A 7
Motivacin: Optimizacin No-Lineal Restringida
Mtodos Numricos:
0011 0010 1010 1101 0001 0100 1011
Mnimos Globales
Programacin Lineal Simplex y Punto Interior:
Complejidad Polinomial
SEL
Mnimos Locales
Mtodos 1er y 2o Orden
Programacin No - Lineal Complejidad NP
Mtodos Cuasi-Newton
SENL
GHO SENL - MA-33A 8
SENL: Introduccin
Problema: Dadas n funciones no-lineales f i : \ \
0011 0010 1010 1101 0001 0100 1011
n
diferenciables, encontrar x = ( xi )i =1,...,n

solucin del sistema de ecuaciones:
f1 ( x1 , x2 ,..., xn ) = 0
f 2 ( x1 , x2 ,..., xn ) = 0
. .. .
. .
..
.. . .
f n ( x1 , x2 ,..., xn ) = 0
GHO SENL - MA-33A 9

SENL: Introduccin
Ejemplo SENL:
0011 0010 1010 1101 0001 0100 1011
5 x 21 x2 2 = 0
x2 + 0.25(sin x1 + cos x2 ) = 0
GHO SENL - MA-33A 10

SENL: Introduccin
Ejemplos SENL:
0011 0010 1010 1101 0001 0100 1011
x 21 x 1 2x 2 18 0 1
x0
x 1 1 2 x 2 6 2 25 0 8
ln( x12 + x2 2 ) sin( x1 x2 ) ln(2 ) = 0 2

x0
e( x1 x2 ) + cos( x1 x2 ) = 0 2
x 31 x 21 x 2 x 1 x 3 6 0 0
9x 2 x 21 sin x 3 1. 06 0. 9 0 x0 0
60x 3 3e x 1 x 2 10 3 0 0
3x 1 cosx 2 x 3 1 0 0. 2
2
x 21 81x 2 0.1 2 sinx 3 1.06 0 x0 0. 1
e x 1 x 2 20x 3 103 0 0. 2
3
Mtodos Numricos para SENL
Punto Fijo
Biseccin
0011 0010 1010 1101 0001 0100 1011
Una Dimensin: \ Secante
Newton
Conv. Global
Punto Fijo Vel. Lineal
Conv. Global
Primer Orden Vel. Lineal
n
Varias Dimensiones: \ Conv. Local
Newton Vel. Cuadrtica
Conv. Global
Cuasi - Newton Vel. Sup - Lin.
SENL: Mtodos Numricos en \
Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
Diremos que una funcin g : \ \ tiene un punto

fijo en x0 ssi:
g ( x0 ) = x0
El problema de punto fijo (pf) est relacionado con el
problema de encontrar un cero:
Si x0 es cero de f x0 es pf de g ( x) = x f ( x)
Si x0 es pf de g x0 es cero de f ( x) = x g ( x)
Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
Teorema: Sea g una funcin continua en [a,b]

a) Si a g ( x) b g tiene un punto fijo en [a,b]
b) Si adems g es derivable en (a,b) y g '( x) 1
para x (a, b) el punto fijo es nico
Mtodo de Punto Fijo:
Encontrar x (a, b) tal que se cumple teo. anterior
Iteracin PF: x0 ( a , b ) Convergencia
Global y Lineal
xk +1 = g ( xk )
Ejemplo Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
La ecuacin:
x + 4 x 10 = 0
3 2
x3 + 4x2 10
Tiene una raz en [1,2].

Mediante el Mtodo de
Punto Fijo determinar
esta raz

Ejemplo Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
Ceros de Polinomios
20
La ecuacin:
4
x 3 2 5
15
x x 2x + = 0
3
2 2 2 10
Tiene 2 races en [-4,4].

p(x)
5
Mediante el Mtodo de 0
Punto Fijo determinar -5
estas races
-10
-4 -3 -2 -1 0 1 2 3 4
x

Mtodo de la Biseccin
0011 0010 1010 1101 0001 0100 1011
f(x)
0
f(x1)
f(x0)
z1 z2 z3 z4 z5
x0 x1

Mtodo de la Biseccin
0011 0010 1010 1101 0001 0100 1011
Dividir por la mitad el intervalo que contiene la raz

repetidamente, localizando en cada iteracin la mitad
que contiene la raz
Sea n el tamao del intervalo n-s. Convergencia
Global y Lineal
n 0
n+1 = n =
2 2n Precisin
0 Buscada
Nmero de iteraciones: n = log 2

Mtodo de la Secante f (x)
0011 0010 1010 1101 0001 0100 1011
1 5
4 3 2 x

Mtodo de Newton - Raphson
0011 0010 1010 1101 0001 0100 1011
Dada una funcin f : \ \ suficientemente regular,

el Teorema de Taylor asegura que:
f ''( ( x))
f ( x ) = f ( x) + f '( x)( x x) + ( x x) 2
2
Si x x 0 y f ( x ) = 0
f ( x)
x = x
f '( x)
0011 0010 1010 1101 0001 0100 1011
Iteracin del Mtodo:
x0 \ cercano a x
f ( xk )
xk +1 = xk
f '( xk )
Se calcula f '( xk ) en forma exacta o aproximada

segn:
f ( xk ) f ( xk 1 )
f '( xk ) = xk xk 1
xk xk 1
0011 0010 1010 1101 0001 0100 1011
Teorema: Sea f 2
[a, b] . Sea x tal que:
f (x ) = 0
f '( x ) 0
Entonces existe > 0 tal que el mtodo de Newton

genera una sucesin {xk } k =1 que converge a x
para cualquier x0 ( x , x + )

0011 0010 1010 1101 0001 0100 1011
Propiedades Principales
Convergencia Local:
x0 ( x , x + )
Velocidad Cuadrtica:
f ''( xk )
f ( x ) = f ( xk ) + f '( xk )( x xk ) + ( x xk )2
2
f ''( ) 2
x xk +1 = x xk ( xk , x )
2 f '( xk )
Mtodo de Newton Raphson: Divergencia
0011 0010 1010 1101 0001 0100 1011
x 2 1

n
Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
Un campo vectorial F : \ n \ n
f1 ( x)
f ( x)
x F ( x) = 2
#

f n ( x)
formado por n campos escalares fi : \ n \ tiene un
punto fijo x en D = [ a1 , b1 ] [ a2 , b2 ] "[ an , bn ] si:
F (x ) = x
n
Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
Teorema: Sea F un campo vectorial continuo en D
a) Si F ( x) D x D F tiene un punto fijo en D
b) Si adems F es derivable con continuidad en D y:
fi K para x D y K < 1 el pf es nico

x j n i,j = 1,,n
Convergencia Global
Mtodo de Punto Fijo: Velocidad Lineal
Encontrar D tal que se cumple teorema anterior

k +1
Sea x0 D x = F (x ) k
n
Mtodo de Punto Fijo: Ejemplo
0011 0010 1010 1101 0001 0100 10113x
1 cos( x2 x3 ) 12 = 0
Revisar !!! x12 81( x2 + 0.1)2 + sin x3 + 1.06 = 0
e x1x2 + 20 x3 + (10 3) = 0
k x1 x2 x3 x k x k 1

0 0.10000000 0.10000000 -0.10000000 -

1 0.49998333 0.0094115 -0.52310127 0.423
2 0.49999593 0.00002557 -0.52336331 9.410-3
3 0.50000000 0.00001234 -0.52359814 2.310-4
4 0.50000000 0.00000003 -0.52359847 1.210-5
GHO
5 0.50000000 0.00000002
SENL - MA-33A
-0.52359877 3.110-727
n
Mtodo de Newton Kantorovich:
0011 0010 1010 1101 0001 0100 1011
Dado un campo vectorial F : \ \ n n

f1 ( x)
f ( x)
x F ( x) = 2
#

f n ( x)
formado por n campos escalares fi : \ \ n
n
regulares. El Teorema de Taylor en \ asegura que:
1
fi ( y) = fi ( x) + fi ( x) ( y x) + ( y x)t 2 f ( ( x))( y x)
t
2
n
Mtodo de Newton Kantorovich:
0011 0010 1010 1101 0001 0100 1011
Para el campo vectorial F, se tiene entonces que:

F ( y ) = F ( x) + F ( x)( y x) + O y x ( 2
)
f1 ( x) f1 ( x)
"
f1 ( y) f1 ( x) x1 xn y1 x1

# = # + #

% #

#
(
+O y x
2
)
fn ( y) fn ( x) fn ( x) fn ( x) yn xn
"
x1 xn

n
Mtodo de Newton - Kantorovich
0011 0010 1010 1101 0001 0100 1011
x 0 \ n cercano a x
1
x k +1 k
k

= x F ( x ) F ( x )
k
fi ( x)
Donde: [F ( x)]ij =
x j
Convergencia Local
Sus propiedades son: Velocidad Cuadrtica
Inversin Matricial
n
Mtodo de Newton - Kantorovich: Ejemplo
0011 0010 1010 1101 0001 0100 1011
3 x1 cos( x2 x3 ) 12 = 0
Revisar !!! x12 81( x2 + 0.1) 2 + sin x3 + 1.06 = 0
e x1x2 + 20 x3 + (10 3) = 0
k x1 x2 x3 x k x k 1

0 0.10000000 0.10000000 -0.10000000 -

1 0.50003702 0.01946686 -0.52152047 0.423
2 0.50004593 0.00158859 -0.52355711 1.7910-2
3 0.50000034 0.00001244 -0.52359845 1.5810-3
4 0.50000000 0.00000000 -0.52359877 1.2410-5
n
Mtodo de Newton - Kantorovich: Ms Ejemplos
0011 0010 1010 1101
2 0001 0100 1011
1) x 1 x 1 2x 2 18 0 1
x0
x 1 1 2 x 2 6 2 25 0 8
2) lnx 21 x 22 sinx 1 x 2 ln2 0

x0 2
2
e x 1x 2 cos x 1 x 2 0
x 31 x 21 x 2 x 1 x 3 6 0
3) 0
9x 2 x 21 sin x 3 1. 06 0. 9 0 x0 0
60x 3 3e x 1 x 2 10 3 0 0
4) 3 x1 cos( x2 x3 ) 12 = 0 0. 2
x12 81( x2 + 0.1) 2 + sin x3 + 1.06 = 0 x0 0. 1
e x1x2 + 20 x3 + (10 3) = 0 0. 2
n
Mtodos de Optimizacin Sin Restricciones:
0011 0010 1010 1101 0001 0100 1011
Se pueden aplicar los mtodos de optimizacin sin
restricciones a la bsqueda de ceros de campos
vectoriales.
En efecto, se tiene que:
El vector x \ n
verifica: f k ( x) = 0 k = 1,..., n
ssi soluciona el problema de optimizacin no lineal:
n
min [ f k ( x1 ,..., xn )]
2
x1 ,..., xn
k =1

SENL: Optimizacin Con Restricciones: Teora
Programacin No - Lineal
0011 0010 1010 1101 0001 0100 1011 min f ( x)
s . a.
gi ( x) 0 i = 1,..., p
x2
x \ n
g 2 ( x) 0
g1 ( x) 0
g 4 ( x) 0
g3 ( x) 0
x1

Condiciones de Optimalidad: Karush - Kuhn - Tucker
0011 0010 1010 1101 0001 0100 1011
f ( x )
x2 g 2 ( x ) g1 ( x )
p G
f ( x ) + k g k ( x ) = 0
k =1
x k g k ( x) = 0 k = 1,..., p
g k ( x) 0 k = 1,..., p
g 2 ( x) = 0
g1 ( x) = 0
x1

Condiciones de Optimalidad: Karush - Kuhn Tucker:
0011 0010 1010 1101 0001 0100 1011
Mtodo de Activacin de Restricciones:
Dado el problema de programacin no-lineal:
min f ( x)
s .a .
gi ( x) 0 i = 1,..., p
x \n
Una restriccin es activa en x si:
g k ( x) = 0

Condiciones de Optimalidad: Karush - Kuhn Tucker
Para resolver el sistema de Karush - Kuhn Tucker
0011 0010 1010 1101 0001 0100 1011
aplicamos el Mtodo de Activacin de Restricciones:

1) Establecer las combinaciones de activacin
2) Para cada combinacin de activacin:
i) Determinar el sistema K-K-T aplicando las condiciones
de holgura
ii) Resolver el sistema
iii) Verificar la factibilidad de la solucin encontrada en ii)
3) La solucin es el punto estacionario + factible
encontrado de mnimo valor.
SENL: Mtodos de Optimizacin Sin Restricciones
Mtodo del Gradiente y Variedades
0011 0010 1010 1101 0001 0100 1011
Primer Orden Mtodo del Gradiente Conjugado
Mtodo de Fletcher-Reeves
Mtodos de Newton
Segundo Orden
Variedades
DFP: Davidon - Fletcher - Powell

Cuasi-Newton
BFGS
Penalizacin Interior Exterior

Mtodo de Gradiente
0011 0010 1010 1101 0001 0100 1011
Etapa 0: Seleccionar un punto inicial x 0 R n
k 0
Etapa 1: Calcular fx k
Si fx k 0 STOP
Si no, seguir a Etapa 2.
Etapa 2: d k fx k
Calcular: k solucin del problema uni-dimensional:
min h x k ,dk fx k d k fx k
0
x k1 x k k d k Minimizacin
k k 1 y volver a Etapa 1. en 1 dimensin
Ejemplo Mtodo de Gradiente
0011 0010 1010 1101 0001 0100 1011
k xk fx k fx k fx k k
0 0. 00,3. 00 52.00 44. 00,24. 00 50. 12 0. 062
1 2. 70,1. 51 0. 34 0. 73,1. 28 1.47 0.24
2 2. 52,1. 20 0. 09 0. 80,0. 48 0.93 0.11
3 2. 43,1. 25 0. 04 0. 18,0. 28 0.33 0.31
4 2. 37,1. 16 0. 02 0. 30,0. 20 0.36 0.12
5 2. 33,1. 18 0. 01 0. 08,0. 12 0.14 0.36
6 2. 30,1. 14 0.009 0. 15,0. 08 0.17 0.13
7 2. 28,1. 15 0.007 0. 05,0. 08 0.09
min x 1 2 4 x 1 2x 2 2
x 1 ,x 2 2
Etapa 0: Seleccionar un punto inicial x 0 R n Mtodo
k 1101
0
0011 0010 1010 0001 0100 1011
g 0 qx 0 Qx 0 b
Gradiente Conjugado
d 0 qx 0 min q( x) = 12 x t Qx + b t x
Etapa 1:
k g k t d k
k t k
d Qd
x k1 x k k d k
Si x k1 x k 0 STOP
Etapa 2:
g k1 qx k1 Qx k1 b
g k1 t Qd k
k
d k t Qd k
d k1 g k1 k d k
k k 1 y volver a Etapa 1.
Mtodo de Fletcher - Reeves
0011 0010 1010 1101 0001 0100 1011
k 0
d 0 fx 0
Etapa 1: Calcular k solucin del problema unidimensional:
k arg min fx k d k
0
Minimizacin
x k1 x k k d k en 1 dimensin
Si x k1 x k 0 STOP
Etapa 2: Calcular fx k1
k fx k1 t fx k1

fx k t fx k
d k1 fx k1 k d k
Ejemplo Mtodo de Fletcher - Reeves
0011 0010 1010 1101 0001 0100 1011
k xk fx k fx k fx k k
0 0. 00,3. 00 52. 00 44. 00,24. 00 50. 12 0. 062
1 2. 54,1. 21 0.10 0. 87,0. 48 0.99 0.11
2 2. 25,1. 10 0. 008 0. 16,0. 20 0.32 0.10
3 2. 19,1. 09 0.0017 0. 05,0. 04 0.06 0.11
min x 1 2 4 x 1 2x 2 2
x 1 ,x 2 2

Mtodo de Newton
0011 0010 1010 1101 0001 0100 1011
k 0
Etapa 1: Calcular fx k
Si fx k 0 STOP
Si no, calcular 2 fx k , 2 fx k 1 y seguir a Etapa 2.
Etapa 2: Calcular:
x k1 x k 2 fx k 1 fx k

1
k xk fx k fx k 2 fx k 2 fx k fx k
0011 0010 1010 1101 0001 0100 1011 50. 0 4. 0

0 0. 00, 3. 00 52. 00 44. 00, 24. 00 0. 67, 2. 67
4. 0 8. 0
23. 23 4. 0
1 0. 67, 0. 33 3. 13 9. 39, 0. 04 0. 44, 0. 23
4. 0 8. 0
11. 5 4. 0
2 1. 11, 0. 56 0. 63 2. 84, 0. 04 0. 30, 0. 14
4. 0 8. 0
6. 18 4. 0
3 1. 41, 0. 70 0. 12 0. 80, 0. 04 0. 20, 0. 10
4. 0 8. 0
3. 83 4. 0
4 1. 61, 0. 80 0. 02 0. 22, 0. 04 0. 13, 0. 07
4. 0 8. 0
2. 81 4. 0
5 1. 74, 0. 87 0. 005 0. 07, 0. 00 0. 09, 0. 04
4. 0 8. 0
min x1 24 x1 2x22
GHO
Ejemplo Mtodo de Newton
SENL - MA-33Ax1 ,x2
2
45
Mtodo DFP: Davidon Fletcher -Powell
0011 0010 1010 1101 0001 0100 1011
Inicializar S 0 I nn
k 0
Etapa 1: Calcular g k fx k
Si g k 0 STOP
Si no, calcular x k1 x k t k S k g k
donde t k 0 se escoge segn regla de Goldstein
y seguir a Etapa 2.
Etapa 2: Calcular:
p k x k1 x k , q k g k1 g k
k1 p k p k t
k S k q k q k t S k
S S k t k
p q q k t S k q k
SENL: Mtodos Optimizacin con Restricciones
Ejemplo Optimizacin en Matlab
0011 0010 1010 1101 0001 0100 1011
min x13 x12 x2 2 + x23
s .a .
g1 ( x) = x12 + x2 2 1 0
g 2 ( x) = x1 0
g3 ( x) = x2 0
> [x,y] = meshgrid(-2:0.05:2);

> z=x.^3.-x.^2.*y.^2.+y.^3;
> mesh(x,y,z);
Visualizacin en Matlab
SENL: Mtodos Optimizacin con Restricciones
Ejemplo Optimizacin en Matlab
cpnl.m
0011 0010 1010 1101 0001 0100 1011 min x13 x12 x2 2 + x23
function [c,ceq] = cpnl(x) s .a .
c = zeros(3,1); g1 ( x) = x12 + x2 2 1 0
c(1) = x(1)^2 + x(2)^2 - 1;
c(2) = -x(1); g 2 ( x) = x1 0
c(3) = -x(2); g3 ( x) = x2 0
ceq = [];
epnl.m
function y = epnl(x,a)
Optimizacin en Matlab
y = x(1)^3 +a*x(1)^2*x(2)^2 + x(2)^3;
>x0=[1;1]; a=-1;
>[xmin,f_xmin]=fmincon(@(x)epnl(x,a),x0,[],[],[],[],[],[],@(x)cpnl(x));
Bibliografa SENL
1) R. Burden & J. D. Faires, Anlisis Numrico, Sptima
0011 0010 1010 1101 0001 0100 1011
Edicin, Thomson Learning, 2002.

2) M Bazaraa, H. Sherali, C. M. Shetty, Nonlinear
Programming: Theory and Algorithms, John Wiley &
Sons, 1993.
3) D. Luenberger, Linear and Nonlinear Programming,
Second Edition, Addison-Wesley, 1984.
4) M. Minoux, Mathematical Programming: Theory and
Algorithms, John Wiley and Sons, 1995.

Capitulo 4 Sistemas de Ecuaciones No Lineales

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 4 Sistemas de Ecuaciones No Lineales

Cargado por

Copyright:

Formatos disponibles

Universidad de Chile

Departamento de Ingeniera Matemtica

0011 0010 1010 1101 0001 0100 1011

GHO SENL - MA-33A 4

diferenciables, encontrar x = ( xi )i =1,...,n

GHO SENL - MA-33A 9

GHO SENL - MA-33A 10

ln( x12 + x2 2 ) sin( x1 x2 ) ln(2 ) = 0 2

Diremos que una funcin g : \ \ tiene un punto

Teorema: Sea g una funcin continua en [a,b]

Tiene una raz en [1,2].

GHO SENL - MA-33A 15

Tiene 2 races en [-4,4].

Punto Fijo determinar -5

GHO SENL - MA-33A 16

GHO SENL - MA-33A 17

Dividir por la mitad el intervalo que contiene la raz

GHO SENL - MA-33A 19

Dada una funcin f : \ \ suficientemente regular,

Se calcula f '( xk ) en forma exacta o aproximada

GHO SENL - MA-33A 22

GHO SENL - MA-33A 24

Encontrar D tal que se cumple teorema anterior

0 0.10000000 0.10000000 -0.10000000 -

Dado un campo vectorial F : \ \ n n

Para el campo vectorial F, se tiene entonces que:

GHO SENL - MA-33A 29

0 0.10000000 0.10000000 -0.10000000 -

2) lnx 21 x 22 sinx 1 x 2 ln2 0

GHO SENL - MA-33A 33

GHO SENL - MA-33A 34

GHO SENL - MA-33A 35

GHO SENL - MA-33A 36

aplicamos el Mtodo de Activacin de Restricciones:

DFP: Davidon - Fletcher - Powell

Penalizacin Interior Exterior

GHO SENL - MA-33A 43

GHO SENL - MA-33A 44

0011 0010 1010 1101 0001 0100 1011 50. 0 4. 0

> [x,y] = meshgrid(-2:0.05:2);

Edicin, Thomson Learning, 2002.

También podría gustarte