Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MA-33A
Gonzalo Hernández Oliva
GHO SENL - MA-33A 1
Sistemas de Ecuaciones No Lineales: SENL
1) Motivación: Modelación y Optimización No-Lineal
0011 0010 1010 1101 0001 0100 1011
Con Restricciones
2) Introducción
n
3) Métodos Numéricos para SENL: \ y \
4) En \: Punto Fijo, Bisección y Newton-Raphson
n
5) En \ : Newton-Kantorovich y Punto Fijo
6) Métodos Optimización Con Restricciones
7) Bibliografía
GHO SENL - MA-33A 2
Motivación: Modelación en Optimización
Planificación de Producción (Básico)
El plan
0011 0010 de1101
1010 producción 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 producción involucran todo lo relacionado a la
producción, salvo los costos de almacenamiento que son 2 [$/ton]
de etapa en etapa. En la etapa 1 hay 500 [ton] de producto en
bodega y se quiere terminar el año con la misma cantidad en
bodega.
Encuentre un modelo lineal que maximice ingresos, verificando
restricciones de capacidad y de inventario en la etapa final del
programa.
GHO SENL - MA-33A 3
Motivación: Modelación en Optimización
Planificación de Producción (Básico)
0011 0010 1010 1101 0001 0100 1011
Etapa Costos de Capacidad de Demanda Precio Venta
Producción [$/ton] Producción [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
Mínimos Globales
Programación Lineal Simplex y Punto Interior:
Complejidad Polinomial
SEL
Mínimos Locales
Métodos 1er y 2o Orden
Programación No - Lineal Complejidad NP
Métodos Cuasi-Newton
SENL
GHO SENL - MA-33A 8
SENL: Introducción
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 10−3 0 −0. 2
3
GHO SENL - MA-33A 11
Métodos Numéricos para SENL
Punto Fijo
Bisección
0011 0010 1010 1101 0001 0100 1011
Una Dimensión: \ Secante
Newton
Conv. Global
Punto Fijo Vel. Lineal
Conv. Global
Primer Orden Vel. Lineal
n
Varias Dimensiones: \ Conv. Local
Newton Vel. Cuadrática
Conv. Global
Cuasi - Newton Vel. Sup - Lin.
GHO SENL - MA-33A 12
SENL: Métodos Numéricos en \
Método de Punto Fijo
0011 0010 1010 1101 0001 0100 1011
La ecuación:
x + 4 x − 10 = 0
3 2
x3 + 4x2 – 10
La ecuación:
4
x 3 2 5
15
− x − x − 2x + = 0
3
2 2 2 10
Mediante el Método de 0
estas raíces
-10
-4 -3 -2 -1 0 1 2 3 4
x
ε0
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: Métodos Numéricos en \
Método de Newton - Raphson
0011 0010 1010 1101 0001 0100 1011
Iteración del Método:
x0 ∈ \ cercano a x
f ( xk )
xk +1 = xk −
f '( xk )
Teorema: Sea f ∈ ζ 2
[a, b] . Sea x tal que:
f (x ) = 0
f '( x ) ≠ 0
Entonces existe δ > 0 tal que el método de Newton
∞
genera una sucesión {xk } k =1 que converge a x
para cualquier x0 ∈ ( x − δ , x + δ )
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: Métodos Numéricos en \
Método 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 además F es derivable con continuidad en D y:
∂fi K para x∈ D y K < 1 ⇒ el pf es único
≤
∂x j n ∀i,j = 1,…,n
Convergencia Global
Método de Punto Fijo: Velocidad Lineal
GHO
5 0.50000000 0.00000002
SENL - MA-33A
-0.52359877 3.1×10-727
n
SENL: Métodos Numéricos en \
Método 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 (ξ ( x))( y − x)
t
2
GHO SENL - MA-33A 28
n
SENL: Métodos Numéricos en \
Método 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 Cuadrática
Inversión Matricial
GHO SENL - MA-33A 30
n
SENL: Métodos Numéricos en \
Método 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 + (10π − 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 + (10π − 3) = 0 −0. 2
GHO SENL - MA-33A 32
n
SENL: Métodos Numéricos en \
Métodos de Optimización Sin Restricciones:
0011 0010 1010 1101 0001 0100 1011
Se pueden aplicar los métodos de optimización sin
restricciones a la búsqueda 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 optimización 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 μk 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 restricción es activa en x si:
g k ( x) = 0
Métodos 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: Métodos de Optimización Sin Restricciones
Etapa 0: Seleccionar un punto inicial x 0 ∈ R n Método
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: Métodos de Optimización Sin Restricciones
Método 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 solución del problema unidimensional:
k arg min fx k d k
≥0
Minimización
x k1 x k k d k en 1 dimensión
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: Métodos de Optimización Sin Restricciones
Ejemplo Método 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
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)
Optimización 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
Bibliografía SENL
1) R. Burden & J. D. Faires, Análisis Numérico, Séptima
0011 0010 1010 1101 0001 0100 1011