Академический Документы
Профессиональный Документы
Культура Документы
Investigación de Operaciones
5
Repetitiva.
Hacer Mientras
Mientras
Clase Anterior
Estructuras básicas en Matlab:
if … end
if … else … end
while … end
Expresiones Lógicas
Operadores Relaciónales: <, >, ==, <=, >=, ~=
Operadores Lógicos: &, | , ~
Scripts
Tips de eficiencia: Inicialización, Vectorización,
Liberación, Opción dummy.
Resolución Numérica de un problema
Datos de
problema: Solución
A, B, C, D
...
Enfoque 1
Resolución Numérica de un problema
Datos de
problema:
A, B, C, D
...
Solución
Solución
Posible
(Profeta) Enfoque 2
Resolución Numérica de un problema
Métodos Iterativos.
Métodos Evolutivos.
Resolución Numérica de un problema
Datos Solución
Métodos
Directos
Resolución Numérica de un problema
Métodos Secuenciales: Se realiza una secuencia de
pasos que obtienen la solución del problema.
Solución
Resolución Numérica de un problema
Datos Solución
Métodos
Iterativos
Resolución Numérica de un problema
Los métodos iterativos parten de una solución inicial
que se aproxima a la solución el método procede a
mejorar la solución.
El proceso se repite hasta completar un número
definido de iteraciones o hasta obtener un solución
aceptable.
Se requiere:
Solución inicial.
Un algoritmo para mejorar la solución.
Una regla de parada.
Resolución Numérica de un problema
Métodos Iterativos: Se realiza un proceso de búsqueda
cíclica por un número fijo de iteraciones.
Solución0
k=0
Búsqueda de
…
nueva solución
…
Soluciónk
k=k+1
V
k<N N: número de iteraciones
Solución
Resolución Numérica de un problema
Métodos Iterativos: Se realiza un proceso de búsqueda
cíclica por un número fijo de iteraciones.
Solución0
k=0
Búsqueda de
…
nueva solución
…
Soluciónk
k=k+1
V
k<N N: número de iteraciones
Solución = SoluciónN
Resolución Numérica de un problema
Métodos Evolutivos: Se realiza un proceso de
búsqueda cíclica que parte de una solución inicial que
evoluciona hasta una solución aceptable.
Aunque existe un número fijo de iteraciones el
proceso puede detenerse antes al encontrar una
solución aceptable. …
…
Soluciónk
k=k+1
V k < N &&
Solución no aceptable Solución
Resolución Numérica de un problema
Métodos Evolutivos: Se realiza un proceso de
búsqueda cíclica que parte de una solución inicial que
evoluciona hasta una solución aceptable.
Aunque existe un número fijo de iteraciones el
proceso puede detenerse antes al encontrar una
solución aceptable. …
…
Soluciónk
k=k+1
V k < N &&
Solución no aceptable Solución =
Soluciónk
Resolución Numérica de un problema
Iteración: representa una transformación de una
solución xk a solución xk+1:
xk xk+1
Iteración 2
x0 x1 xn
Iteración 1 Iteración n
Sumatoria:N
∑ g(k) = g(1) + g(2) + L + g(N)
k =1
Productoria:
N
P(x) = ∑akxk
Forma factorizada:
P(x) = a0 +
(a1+(a2+··· (ak+··· (an-2+(an-1 + an x)x)x··· x)x··· x)x)x
Pn(x)=an
Pn(x) = an
Pk–1(x) = ak–1(x) + x Pk(x)
polyval(coeficientes, x)
polyval([1 –2 3], 2)
P′(x)
P(x) = ∑akxk
polyder(coeficientes)
Ejemplo:
(x2 – 2x + 3)′
polyder([1 –2 3])
P(x)
Coeficientes
P′(x)
x
P″(x)
Construir una función en Matlab que evalué la un
polinomio, su 1º derivada y su 2º derivada partiendo
de la forma factorizada dado el vector de coeficientes
del polinomio y el valor de x.
P(x)
Coeficientes
P′(x)
x
P″(x)
Coeficientes Coeficientes
a x2 + b x +c = 0
a x2 + b x +c = 0
− b ± b 2 − 4ac
x=
2a
Coeficientes Raices
(Vector) (Vector)
f(x) = 0
N=ln((b – a)/ε)/ln(2)
Es el método más confiable.
Aplicaciones Numéricas en Investigación de Operaciones – Prof. Gonzalo Müller – Clase 2 – GM – 43
Bisección
Dato inicial: a{0}, b{0}
x{0} = (a{0} + b{0})/2
Esquema iterativo:
signo(f(a{k})) ==
signo(f(x{k}))
V F
f(a{k}) = 0,
x{k+1} = (a{k+1} + b{k+1})/2 f(b{k}) = 0 ó
Aplicaciones Numéricas en Investigación de Operaciones – Prof. Gonzalo Müller – Clase 2 – GM – 44
f(x{k}) = 0
Construir una función en Matlab que obtenga las
raíces de una función dada utilizando el método de
bisección.
f(x)
Raíz
[a b]
Matriz proceso
e
Debe retornar:
f(x) = x 2 − 1
raíz x2
f(x) = e − 10sen(x)
matriz del proceso:
x{k} f(x{k}) a{k} b{k}
Método Tipo Trunca
Secante Iterativo No
Raíces Reales.
Corte con el eje x de una recta estimada como la
interpolación entre dos puntos.
x{0}, x{1}
Esquema iterativo:
Pros Contras
f(x) = x 2 − 1
x2
f(x) = e − 10sen(x)
Método Tipo Trunca
Newton-Raphson Iterativo No
Raíces Reales.
Corte de la tangente al polinomio en el punto de
evaluación con el eje x.
Esquema iterativo:
f(x) = x 2 − 1
x2
f(x) = e − 10sen(x)
Búsqueda incremental
Si bien es cierto se puede tener una ideal inicial de la
raíz en algunos problemas físicos, no siempre es el
caso.
Se puede definir una malla de estudio dentro de un
intervalo de incertidumbre en función de hallar los
ceros de la función.
x
a b
x
a b
Si el intervalo es grande que la separación de las
raíces se perderán algunas.
δ
x
a b
Aplicaciones Numéricas en Investigación de Operaciones – Prof. Gonzalo Müller – Clase 2 – GM – 56
Búsqueda incremental
2. Se buscan cambios de signos
Si f(x1) y f(x2) tiene signos opuestos, entonces al
menos una raíz se encuentra en el intervalo (x1, x2).
x
a b
x
a b
fzero(coeficientes, x)
x: solución inicial.
Ejemplo:
f1(x) = x2 – 2x + 3 = 0
fzero(@f1, 0.5)
Aplicaciones Numéricas en Investigación de Operaciones – Prof. Gonzalo Müller – Clase 2 – GM – 59
Raíces de un polinomio
∑akxk = 0
{k}
{k}
U + (x )
{k}
U + (x ) > U − (x ) {k}
Q(x{k}) = P′(x{k})/P(x{k})
0 raíces positivas
P(x) = 5 – 4x + 9x3 – ½ x5
↓
3 raíces positivas ó
1 positiva y 2 complejas
Aplicaciones Numéricas en Investigación de Operaciones – Prof. Gonzalo Müller – Clase 2 – GM – 65
Regla de Descartes
P(x) = x4 – 5x2 + 4
↓
2 raíces positivas ó
0 raíces positivas y 2 complejas
P(–x) = x4 – 5x2 + 4
↓
2 raíces negativas ó
0 raíces negativas y 2 complejas
roots(coeficientes)
Ejemplo:
x2 – 2x + 3 = 0
roots([1 –2 3])