Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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 [$/ton]
de etapa en etapa. En la etapa 1 hay 500 [ton] de producto en
bodega y se quiere terminar el ao con la misma cantidad en
bodega.
Encuentre un modelo lineal que maximice ingresos, verificando
restricciones de capacidad y de inventario en la etapa final del
programa.
GHO SENL - MA-33A 3
Motivacin: Modelacin en Optimizacin
Planificacin de Produccin (Bsico)
0011 0010 1010 1101 0001 0100 1011
Etapa Costos de Capacidad de Demanda Precio Venta
Produccin [$/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
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
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
GHO SENL - MA-33A 11
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.
GHO SENL - MA-33A 12
SENL: Mtodos Numricos en \
Mtodo de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
La ecuacin:
x + 4 x 10 = 0
3 2
x3 + 4x2 10
La ecuacin:
4
x 3 2 5
15
x x 2x + = 0
3
2 2 2 10
Mediante el Mtodo de 0
estas races
-10
-4 -3 -2 -1 0 1 2 3 4
x
0
f(x1)
f(x0)
z1 z2 z3 z4 z5
x0 x1
1 5
4 3 2 x
Si x x 0 y f ( x ) = 0
f ( x)
x = x
f '( x)
GHO SENL - MA-33A 20
SENL: Mtodos Numricos en \
Mtodo de Newton - Raphson
0011 0010 1010 1101 0001 0100 1011
Iteracin del Mtodo:
x0 \ cercano a x
f ( xk )
xk +1 = xk
f '( xk )
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 + )
x 2 1
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
GHO SENL - MA-33A 25
n
SENL: Mtodos Numricos en \
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
GHO
5 0.50000000 0.00000002
SENL - MA-33A
-0.52359877 3.110-727
n
SENL: Mtodos Numricos en \
Mtodo de Newton Kantorovich:
0011 0010 1010 1101 0001 0100 1011
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
GHO SENL - MA-33A 28
n
SENL: Mtodos Numricos en \
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
GHO SENL - MA-33A 30
n
SENL: Mtodos Numricos en \
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
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
GHO SENL - MA-33A 32
n
SENL: Mtodos Numricos en \
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
gi ( x) 0 i = 1,..., p
x2
x \ n
g 2 ( x) 0
g1 ( x) 0
g 4 ( x) 0
g3 ( x) 0
x1
x k g k ( x) = 0 k = 1,..., p
g k ( x) 0 k = 1,..., p
g 2 ( x) = 0
g1 ( x) = 0
x1
gi ( x) 0 i = 1,..., p
x \n
Una restriccin es activa en x si:
g k ( x) = 0
Mtodos de Newton
Segundo Orden
Variedades
min x 1 2 4 x 1 2x 2 2
x 1 ,x 2 2
GHO SENL - MA-33A 40
SENL: Mtodos de Optimizacin Sin Restricciones
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
Si no, seguir a Etapa 2.
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.
GHO SENL - MA-33A 41
SENL: Mtodos de Optimizacin Sin Restricciones
Mtodo de Fletcher - Reeves
0011 0010 1010 1101 0001 0100 1011
Etapa 0: Seleccionar un punto inicial x 0 R n
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
Si no, seguir a Etapa 2.
Etapa 2: Calcular fx k1
k fx k1 t fx k1
fx k t fx k
d k1 fx k1 k d k
k k 1 y volver a Etapa 1.
GHO SENL - MA-33A 42
SENL: Mtodos de Optimizacin Sin Restricciones
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
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
SENL: Mtodos de Optimizacin Sin Restricciones
Mtodo DFP: Davidon Fletcher -Powell
0011 0010 1010 1101 0001 0100 1011
Etapa 0: Seleccionar un punto inicial x 0 R n
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
k k 1 y volver a Etapa 1.
GHO SENL - MA-33A 46
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
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));
GHO SENL - MA-33A 48
Bibliografa SENL
1) R. Burden & J. D. Faires, Anlisis Numrico, Sptima
0011 0010 1010 1101 0001 0100 1011