ALEXANDRA CHÁVEZ ANÁLISIS NUMÉRICO 2018-2018 OPTIMIZACION NUMERICA
La ecuación de ondas bidimensionales se usa en ingeniería
mecánica para modelar las vibraciones de una placa rectangular. Si las placas están ancladas por sus cuatro esquinas, las vibraciones sinusoidales pueden describirse mediante una serie de Fourier doble. Supongamos que en un cierto instante de tiempo la altura del desplazamiento 𝑧 = 𝑓(𝑥, 𝑦) sobre el punto (𝑥, 𝑦) viene dada por la función. Mirando la gráfica tridimensional y las curvas de nivel correspondientes que se muestran en las Figuras 8.1(a) y (b), respectivamente, vemos que hay dos mínimos locales y dos máximos locales en el cuadrado
Los métodos numéricos
nos permiten determinar aproximadamente su localización: 8.1. Minimización de una función Ejemplo 8.1 Métodos de búsqueda
Otro método para hallar el mínimo de f(x) es evaluar la función en
muchos puntos y buscar un mínimo local entre ellos. Para reducir el número de evaluaciones de la función es importante tener una buena estrategia que determine donde tenemos que evaluar f(x). El método de búsqueda de la razón aurea.
Se llama así porque la estrategia para ir
seleccionando los puntos en los que evaluar la función f(x) depende de lo que se conoce como a proporción aurea que es un numero irracional que descubrieron al advertir el vinculo existente entre dos segmentos pertenecientes a una misma recta. hay una condición que nos asegura que existe solo un mínimo y que el método converge realmente a dicho mínimo. Definición 8.3 (Función unimodal)
Se dice que una función 𝑓(𝑥) es unimodal en 𝐼 =
[𝑎, 𝑏] si existe un único número 𝑝 ∈ 𝐼 tal que
Lo que implica ,en particular, que 𝑓 alcanza su
mínimo global en 𝑝. Si se sabe que 𝑓(𝑥) es unimodal en 𝑎, 𝑏 , , entonces es posible sustituir el intervalo inicial por un subintervalo en el que 𝑓 𝑥 alcanza su mínimo. Ejemplo 8.2
Vamos a determinar el mínimo de la función unimodal dada por
𝑓 𝑥 = 𝑥 2 − 𝑠𝑒𝑛(𝑥) en e intervalo [0,1]. Calculo de los extremos de f(x,y) Ejemplo 8.3 El método de Nelder-Mead
Nelder y Mead han desarrollado un método de búsqueda para
hallar un mínimo local de una función de varias variables. Este método utiliza un tipo de cuerpo geométrico llamado simplex que en el caso del plano es un triángulo y en el caso del espacio tridimensional es un tetraedro. En el caso de dos variables, cuando tenemos un triángulo, el método consiste en comparar los valores de la función en los vértices y sustituir el peor vértice, aquel en el que f(x,y) es mayor, por un vértice nuevo. De esa manera, se forma un nuevo triángulo y la búsqueda continúa. En el proceso se genera una sucesión de triángulos, en los que los valores de la función van decreciendo. El tamaño de estos triángulos se reduce y, cuando los vértices están suficientemente juntos, hemos encontrado el mínimo local. El triángulo inicial OBP
El punto medio del lado bueno
Reflexión usando el punto R Extensión usando el punto E Contracción usando el punto C
Encogimiento hacia O Métodos de minimización mediante derivadas
Supongamos que f(x) es unimodal en
[a,b] y que su único mínimo se alcanza en x = p. supongamos también que f(x) es derivable en {a,b}. Tomemos un valor inicial p0 en {a,b}. Si f’{p0} < 0, ent,onces el mínimo p está a la izquierda de p0 Localización del mínimo Aproximación cuadrática para calcular “p” Método del gradiente o del descenso por la máxima pendiente Descripción del método del gradiente