MTODOS DE OPTIMIZACIN PARA FUNCIONES UNIDIMENSIONALES Y

MULTIDIMENSIONALES

SEMESTRE 2017-1

MATEMATICAS ESPECIALES

PRESENTADO POR:

Susana Rendn Henao CC.1042709347

PRESENTADO A:

ROLANDO BARRERA

UNIVERSIDAD DE ANTIOQUIA

FACULTAD DE INGENIERA

DEPARTAMENTO DE INGENIERA QUMICA

MEDELLIN

MAYO 24 DE 2017
Objetivo: Emplear diferentes mtodos de optimizacin de funciones
unidimensionales y multidimensionales.

Se tendrn una serie de funciones las cuales se querrn optimizar por diferentes
mtodos segn l

UNIVARIABLE

66 .667 x 3 +575 x 21258 . 3 x+1000 Newton (1)

6 x +2 Seccin dorada (2)

2
x 2 x Todos mtodos (3)

x 44 x 3+ 4 x 2 Fibonacci (4)

MULTIVARIABLE

3.5 x+2 y + x 2x 42 xy y 2 Gradiente (5)

10+(5x 1)2(1x 2)2 Todos los metodos (6)

3 2
15 x 1+2(x 2) 3 x 1(x 2) Newton (7)

SOLUCIN DE FUNCIONES UNIVARIABLES

1.

La primera ecuacin se optimizar empleando el mtodo de Newton, el cual

consiste en realizar un mtodo iterativo para un valor al cual converja una
determinada variable, en este caso x y est dado mediante la Ec.1

f ' ( x i)
1+i= x i+
f ' ' (x i)
x

Ec.1

Para la solucin de esta funcin de emplea Excel y se plantea el modelo de

clculo, de esta manera se evala la primera y segunda derivada, y con el signo
de la segunda derivada evaluada en ese punto, en este caso positiva, se percibe
que se est en la bsqueda de un mnimo, y se re aplica la Ec.1 hasta percibir que
no hay un cambio en cierto nmero de cifras significativas; al no tener un cambio
en el valor de la variable, este es entonces el valor de x que minimiza la funcin, y
se procede a evaluar la funcin, los resultados obtenidos se presentan en la tabla1

Tabla.1 Resultados obtenidos empleando el mtodo de Newton

Adems de esto, se anexa la grfica de la funcin obtenida mediante

WolframAlpha para observar el valor de un posible mnimo de la funcin que
resulta ser muy prximo al encontrado.

Fig.1 Grfica de la funcin

2.
Para la segunda ecuacin empleando el mtodo de seccin dorada se utiliza
Matlab para la optimizacin de dicha funcin y el mtodo de la seccin dorada,
este mtodo consiste en la localizacin de mximos y mnimos a partir de la
reduccin de intervalos, para ello es necesario definir inicialmente un intervalo
donde se tenga la certeza de que se tendr un mximo o mnimo, por lo que se
grafica la funcin en WolframAlpha como se ilustra en la Fig.2 y de esta manera
estimar un intervalo en el cual pudiere estar el mximo o mnimo de la funcin.

Fig.2 Grfica de la funcin

Como se puede observar con ms claridad, se tiene la existencia de un mnimo,

por lo que el intervalo definido fue: [-0.2 6] en el eje horizontal.

De esta manera entonces se tiene un intervalo inicial, y se calculan valores dentro

del intervalo por medio de un parmetro ya establecido llamado razn dorada o
razn urea y resulta ser aproximadamente 0.61803, luego se determina la
direccin de bsqueda dependiendo de los resultados obtenidos luego de la
evaluacin y re redefine el intervalo, con el fin de reducir el nmero de
posibilidades que logren que se d una minimizacin como se muestra en la Fig.3
 Fig.3 Eleccin de puntos en un intervalo establecido

Los resultados obtenidos mediante programacin en Matlab que involucra ciclos

iterativos, se muestra en la tabla.2

Tabla.2 Valores obtenidos para los intervalos en las ultimas iteraciones

Siendo a el valor del extremo inferior y b el valor del extremo superior del intervalo,
y , resultan ser los valore internos calculados con la razn dorada. De esta
manera con una tolerancia de 0.0001 se tiene que cuando a=b, se tiene el valor
min de la funcin, por tal motivo el valor que minimiza la funcin resulta ser:
2.3609 para el cual se tiene un valor en la funcin de -7

4.

Para cuarta funcin se emplea el mtodo de Fibonacci, empleando de igual forma

un proceso iterativo mediante Matlab y su desarrollo resulta similar al mtodo de
seccin dorada, pues emplea la reduccin de intervalos para hallar el valor de
mximo o mnimo, adems de esto se utiliza la serie Fibonacci para calcular el
incremento de cada intervalo mediante la Ec.2
 Ec.2

Donde n es el nmero de iteraciones que se desea realizar (en funcin a la

tolerancia de error que se desea) Fn el nmero de Fibonacci para n evaluaciones
y Lo es el intervalo inicial.

La funcin se ilustra mediante la Fig.4 y se puede notar dos mnimos y un mximo,

de esta manera se coge un intervalo de: [1.5 4] para lo cual se da un valor de x=2
como se ilustra en la tabla 3 y en este valor, la funcin tiene su valor mnimo de 0.

Tabla 3. Valores obtenidos para el mtodo de Fibonacci

Fig.4 Grafica de funcin

3.
Para la tercera ecuacin se emplearon los tres mtodos descritos anteriormente
para su optimizacin, y se percibe mediante la Fig.5 el posible mnimo que podra
presentarse en esta funcin.

Fig.5 Grfica de la funcin

Empleando el mtodo dorada se obtuvo los siguientes resultados mostrados en la

tabla 4, para un intervalo de [-11 13]

Tabla.4 Resultados obtenidos mediante el mtodo de SD

Para el mtodo de Newton solo se proporciona un valor inicial, en este caso 0, y

los resultados se muestran en la tabla 5.

Tabla 5. Resultados obtenidos por Newton

Se puede de esta manera concluir la similitud de en mtodos, pues ambos
convergen a valores muy parecidos lo que indica que pueden ser usado de
manera confiable para este tipo de sistemas.

METODOS MULTIVARIADOS

7.

La ecuacin 7 se desarrolla con el mtodo de Newton para funciones

multivariables, en el que se aplica la Ec.3

1+i= x i+ Hxi xi
x

Ec.3

Donde Hxi representa el hessiano de la funcin y xi es el gradiente de la

funcin, por tal motivo se requiere el clculo de segunda derivada y derivadas

cruzadas, los resultados obtenidos se representan mediante la tabla 6

Tabla.6 Resultados obtenidos mediante el mtodo de Newton

Donde se obtuvo el valor en la iteracin 8 con valores iniciales de 3, 5 para x1 y x2

respectivamente, de esta manera se obtiene un maximo para la funcin puesto la
segunda derivada tiene signo (-), de igual forma se ve un incremento en la funcin

6.
La ecuacin 6 tambin se desarrolla utilizando el mtodo de Newton, por ende se
emplea la Ec.3

Para esta funcin los resultados obtenidos se presentas en la tabla 7

Tabla.7 Resultados obtenidos mediante el mtodo de Newton

Se tiene el valor mnimo de la funcin puesto la funcin decrece y se logra una

convergencia aproximadamente en la 2 iteracin.

5.

Para la ecuacin 5 se desarrolla el mtodo de newton y los valores que se tienen

como iniciales fueron dados en el planteamiento del problema, de esta forma, los
resultados obtenidos se muestran en la tabla 8.

Tabla.8 Resultados del mtodo de Newton

Hessinv*
f(x,y)
x grad (x) hess (x) Hess inv (x) grad