MTODOS DE OPTIMIZACIN

Newton Raphson

Este algoritmo es eficiente para encontrar aproximaciones de los ceros

o races de una funcin real. Tambin puede ser usado para encontrar el
mximo o mnimo de una funcin, encontrando los ceros de su primera
derivada.
el mtodo linealiza la funcin por la recta tangente en el valor supuesto.
f'(x)= 0 Sea f : [a, b] -> R funcin derivable definida en el intervalo real
[a, b]. Empezamos con un valor inicial x0 y definimos para cada nmero
natural n

Obtencin del algoritmo

De forma geomtrica se llega a que a nueva aproximacin a la

raz, x1, se logra la interseccin de la funcin lineal con el eje X de
abscisas. Matemticamente:

Por medio de la serie de Taylor para un entorno del punto xn:

Mtodo de gauss Jordn

http://upcommons.upc.edu/revistes/bitstream/2099/8755/1/Articl
e05.pdf pag 10 vesion 1 primer prrafo y el diagrama
Mtodo de gradiente generalizado

es un algoritmo para resolver numricamente los sistemas de ecuaciones

lineales cuyas matrices son simtricas y definidas positivas. Es un mtodo
iterativo, as que se puede aplicar a los sistemas dispersos que son demasiado
grandes

SE tiene el siguiente sistema de ecuaciones lineales

Ax = b
Ya que A simtrica y definida positiva, el lado izquierdo define un producto
interior

-A matriz n-por-n simtrica (i.e., AT = A), definida positiva (i.e., xTAx > 0 para
todos los vectores no cero x en Rn)
-u y v vectores no cero conjugados (con respecto a A)
-x la solucin de este sistema
Si (pk)es una secuencia de n direcciones mutuamente conjugadas. Entonces
los pk forman una base de Rn, por lo tanto sse puede extender la
solucin x* de Ax = b en esta base:

Los coeficientes se dan por

Mtodo de mnimos cuadrados

La tcnica de mnimos cuadrados se usa comnmente en el ajuste de
curvas. Muchos otros problemas de optimizacin pueden expresarse
tambin en forma de mnimos cuadrados, minimizando la energa o
maximizando la entropa.
Supngase el conjunto de puntos (xk,yk), siendo
. Sea fj(x),
con
una base de m funciones linealmente
independientes. Queremos encontrar una funcin combinacin lineal de
las funciones base tal que

, esto es:

Se trata de hallar los m coeficientes cj que hagan que la funcin

aproximante f(x) sea la mejor aproximacin a los puntos (xk,yk). El
criterio de mejor aproximacin puede variar, pero en general se basa en
aqul que d un menor error en la aproximacin. El error en un punto
(xk,yk) se podra definir como:
Mtodo de numerov camilo no he encotrado nada de este
metodo

CALCULO DE DIFUSIVIDAD
El metodo de Chapman-Enskog
Pag 35 segunda columna prrafo que inicia diciedo para
formalizar hasta la ecuacin (4.16.4) no c pasa de esa hoja

nernst
en el libro bird pag 616 primer prrafo

-Wilke camilo esta super resumido en una diapositiva

http://www.esi2.us.es/IQA/OLLERO/FTransporte/Apuntes.pdf/CalculoDifusi
vidades2008.pdf