Вы находитесь на странице: 1из 6

Tarea de Programacin No Lineal

Jos Alberto Silva Palacios 201105722

Mtodo de Fibonacci
ste mtodo determina el valor mnimo de una funcin en un intervalo cerrado
[c1,c2]. En la prctica se encuentran funciones con un dominio amplio, sin
embargo para ste mtodo el intervalo de bsqueda debe ser especificado. La
propiedad que se asume que debe tener una funcin para este mtodo es que
debe ser unimodal esto es:

Para desarrollar apropiadamente el mtodo de Fibonacci, debemos encontrar


sucesivamente los puntos N de manera que sin conocer explcitamente a la
funcin f podamos determinar la regin de incertidumbre donde el mnimo
est. Nuestra regin de incertidumbre la encontramos por los N puntos y
tambin con los supuestos de que f es unimodal. Por tanto estos puntos son:

Donde nuestra regin de incertidumbre est en el intervalo [x k-1,xk+1] y xk es


nuestro punto mnimo entre N, y ahora definimos x0=c1 y xN+1=c2, el mnimo
de f debe estar en esta regin de la figura 8.1.
ste proceso se debe repetir muchas veces para poder obtener nuestra regin
de incertidumbre; denotando nuestras variables como las siguientes:
Siendo d1 el ancho inicial de incertidumbre
dk= El ancho despus de k mediciones
Despues de k mediciones tenemos la siguiente formula:

Donde los enteros Fk dan como resultado miembros de la sucesin de


Fibonacci, generada por la siguiente relacin:

Tarea de Programacin No Lineal


Jos Alberto Silva Palacios 201105722
La secuencia ya nos es familiar y es 1,1, 2, 3, 5, 8, 13
Bsicamente el procedimiento para reducir el ancho de incertidumbre es el
siguiente:

En general, cada punto de medicin sucesiva se coloca en el intervalo actual


de incertidumbre simtricamente con el punto que ya exista en ese intervalo.

Bsqueda por la seccin dorada.


Si hacemos las N mediciones permitidas en el mtodo de Fibonacci con un
enfoque infinito, vamos a dar pauta al mtodo de la seccin dorada.
Este mtodo produce una secuencia de intervalos de incertidumbre cuyos
anchos tienden a cero ms rpido que el que se obtendra por otros mtodos.

Vemos que la solucin a la ecuacin de Fibonacci la podemos ver como

Donde

son entradas de la ecuacin caracterstica tales que

Y ambas tienen valor respectivamente

Para un N muy grande el lado derecho de la ecuacin de Fibonacci domina


respecto al segundo y por lo tanto tenemos que evaluando el lmite cuando N
tiende a infinito.

Tarea de Programacin No Lineal


Jos Alberto Silva Palacios 201105722

Se tiene que el intervalo de incertidumbre en cualquier punto en el proceso


tiene un ancho

Lo cual da consecuencia esto:


Como una conclusin breve, respecto al ancho de intervalo de incertidumbre el
mtodo de la seccin dorada converge linealmente, al mnimo general de la
funcin f con radio de convergencia 0.618.

Mtodo de Newton
sta tcnica permite lograr una convergencia ms rpida que la que ofrecen
otros tipos de iteracin funcional. Sea f una funcin que est en las funciones
que tienen segunda derivada en un intervalo cerrado a, b. Sea tambin x k en
se mismo intervalo, una aproximacin de x tal que la primera derivada
evaluada en x0 sea distinto de cero, adems de que |x- x 0|sea pequea.
Consideremos el primer polinomio de Taylor para f(x) y expandido alrededor de
x0.

Entonces podemos calcular una estimacin x k+1 del punto mnimo de f para
encontrar el punto donde la derivada de q se desvanece.

Si vemos grficamente lo que hace ste mtodo.

El mtodo de Newton se obtiene suponiendo que, como |x- x 0| es tan pequeo,


el termino que contiene (x- x 0)2 es mucho menor y que aproximadamente se
acercara a cero. Entonces despejando a x de esto, vemos que
aproximadamente nuestra x es x0. Y as encontramos.

Tarea de Programacin No Lineal


Jos Alberto Silva Palacios 201105722

Si sustituimos

ahora tendramos la expresin siguiente

Mtodo de la Regula Falsa.


El mtodo de Newton para la minimizacin se basa en el ajuste de un
polinomio sobre la base de la informacin en un solo punto; mediante el uso de
ms puntos, se requiere menos informacin en cada uno de ellos.
Por tanto sustituyendo
newton tenemos el polinomio q.

en la ecuacin del mtodo de

Donde una estimacin de xk+1 puede ser encontrada mediante

Comparando con el mtodo anterior vemos que la funcin f(x k) no entra en


este polinomio.

Una vez ms, ya que este mtodo no depende de los valores de f


directamente, puede ser considerado como un mtodo para resolver f(x)
g(x) = 0. Visto de esta manera el mtodo, que se ilustra en la fig. 8.6, toma la
forma

Tarea de Programacin No Lineal


Jos Alberto Silva Palacios 201105722

Concluyendo que el orden de convergencia del Mtodo de la regula Falsa es


.

Cubic Fit.
Dados los puntos xk y xk-1 junto con los valores f(x k), f(xk), f(xk-1), f(xk-1) es
posible construir una ecuacin cubica. El punto x k+1 puede ser determinado
como el punto mnimo relativo y se define as:

Donde:

Quadratic Fit.
ste mtodo es el ms usado y el que no necesita derivadas para su proceso,
se necesitan tan solo 3 puntos. Sean esos puntos x 1, x2 y x3 con sus
correspondiente valores f(x1), f(x2), f(x3); ahora construimos el paso de segundo
grado a travs de estos puntos.

Tarea de Programacin No Lineal


Jos Alberto Silva Palacios 201105722

Y definimos un nuevo punto q4 que es donde la derivada de q se desvanece.

Donde

Adems definamos los errores como


que:

para un e4 tenemos

Donde M depende de los valores de la segunda y tercer derivada de f en x*.


Si decimos que ek tiende a cero, entonces para un k grande

Haciendo

tenemos que

Con la ecuacin caracterstica


La raz ms grande de esta ecuacin es
que de este modo determina la
tasa de crecimiento de yk y es el orden de convergencia del mtodo de ajuste
cuadrtico.