GUA DE ACTIVIDADES

TRABAJO FASE 1
203043 CONTROL PTIMO

PRESENTADO POR:
NATALY CARDONA VALDES
CDIGO: 1.075.302.682
GRUPO: 203043_02

PRESENTADO A LA INGENIERO:
ANDRS ORLANDO PEZ (Tutor)

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA
MARZO DE 2017
 INTRODUCCIN

Este trabajo se realiz con el fin de profundizar las etapas de construccin del trabajo
colaborativo del curso Control Optimo, usando la estrategia de Aprendizaje Basado en
Proyectos como experiencia pedaggica organizada para consultar y resolver problemas
que se presentan en el mundo real, mediante los cuales se pueda facilitar la comprensin de
los nuevos conocimientos y el logro de aprendizajes significativos, adems, porque se
requiere saber que la participacin en esta actividad implica investigacin, estudio
autnomo, trabajo colaborativo y apoyo mutuo para facilitar el desarrollo del proceso.
Se desarroll, porque se vio la necesidad de que nosotros los estudiantes analicemos las
etapas de construccin de este trabajo y las relacionen de manera grupal tanto individual,
con el fin de darle solucin a las preguntas sealadas a travs de la realizacin y posterior
consolidacin de conocimiento, para poder obtener la solucin del problema planteado.
Finalmente, se puede decir que ste trabajo se realiz, con el propsito de emplear recursos
y mtodos que permitan una comprensin ms generalizada de la actividad, ya que se
contiene conocimientos de gran importancia y necesarios para el entendimiento de
temticas en unidades posteriores.
 OBJTETIVOS

OBJETIVO GENERAL

El grupo debe desarrollar los problemas planteados en la actividad individual y

consolidarlos en un documento.

OBJETIVOS ESPECIFICOS

Leer de la pgina 363 a la 375 del texto de Steven Chapra que se encuentra en el
entorno del conocimiento y desarrollar el ejercicio 2
Leer de la pgina 377 a la 396 del texto de Steven Chapra que se encuentra en el
entorno del conocimiento y desarrollar el ejercicio 4.
 ACTIVIDAD INDIVIDUAL
1. Leer de la pgina 363 a la 375 del texto de Steven Chapra que se encuentra en el entorno
del conocimiento.
2. Dada la funcin

f ( x )=1.5 x6 2 X 4 +12 x

Resolver los siguientes problemas:

Encuentre el valor de x que maximiza f(x), utilizando la bsqueda de la seccin
dorada. Emplee valores iniciales de x l=0 y x u=2 y realice tres iteraciones.

Solucin:
x l=0

x u=2

Razn dorada para hallar dos puntos interiores

d=
51
(x ux l)
2

d=
51
( 20 )=1.23
2

x 1=xl + d

x 1=0+1.23=1.23

x 2=x ud

x 2=21.23=0.77

Se evala la funcin en los puntos interiores

6 4
f ( x 2 )=f ( 0.77 )=15 ( 0.77 ) 2 ( 0.77 ) +12 ( 0.77 )
 f ( x 2 )=5.41

f ( x 1 )=f ( 1.23 )=15 ( 1.23 )62 ( 1.23 )4 +12 ( 1.23 )

f ( x 2 )=41.76

Debido a que f ( x 2 ) > f ( x 1 ) , el mximo est en el intervalo definitivo por xl , x2 y

x1 .

El lmite inferior sigue siendo x l=0 , y x 1 ser el lmite superior, esto es, x u=1.23

adems el primer valor x 2 pasa a ser el nuevo x 1 , es decir x 1=0.77 as mismo, no

se tiene que recalcular f ( x 1 ) , ya se determina en la interaccin previa como

f ( 0.77 )=5.41 .

Segunda iteracin
Calculamos la nueva razn dorada

d=
51
2
( f ( x 1 )0 )

d=
51
( f ( 1.23 )0 )=0.76
2

x 1=0+0.76=0.76

x 2=1.230.76=0.47

Se evala la funcin
f ( x )=1.5 x6 2 x 4 + 12 x

6 4
f ( x 2 )=f ( 0.47 )=1.5 ( 0.47 ) 2 ( 0.47 ) +12 ( 0.47 )=5.5

6 4
f ( x 1 )=f ( 0.76 )=1.5 ( 0.76 ) 2 ( 0.76 ) +12 ( 0.76 )=8.1

Debido a que f ( x 2 ) > f ( x 1 ) , el mximo est en el intervalo definitivo por xl , x1 y

xu .
El lmite inferior sigue siendo x l=0 , y x 1 ser el lmite superior, esto es, x u=0.76

adems el primer valor hallado de x 2 pasa a ser el nuevo x 1 , es decir x 1=0.47 por

otro lado f ( x 1 ) , ya se realiz con el clculo f ( 0.76 )=8.1 .

x l=0

x u=0.76

Tercera iteracin
Se calcula la nueva razn dorada

d=
51
2
( xu xl )

d=
51
( 0.760 )=0.46
2

x 1=0+0.46=0.46

x 2=0.760.46=0.3

Se evala la funcin
f ( x )=1.5 x6 2 x 4 + 12 x

f ( x 2 )=f ( 0.3 )=1.5 ( 0.3 )6 2 ( 0.3 )4 +12 ( 0.3 )=3.5

Encuentre el valor de x que maximiza f(x), utilizando interpolacin cuadrtica.

Emplee valores iniciales de x 0=0 , x 1=1 y x 2=2 y realice tres iteraciones.

f ( x )=1.5 x6 2 x 4 + 12 x

Con los valores iniciales x 0=0 , x 1=1 , x 2=2

Solucin:

f ( x 0 ) ( x 12 x22 ) + f ( x 1) ( x22x 02 ) + f ( x 2) ( x02 x12 )

x 3=
2 f ( x 0 ) ( x 1x 2 )+ 2 f ( x1 ) ( x 2x 0 ) +2 f ( x 2 ) ( x 0x 1 )

Sustituimos la ecuacin
 x 0=0 f ( x 0 ) =0

x 1=1 f ( x 1 )=8.5

x 2=2 f ( x 0 ) =104

0 ( ( 1 ) ( 2 ) ) + ( 8.5 ) ( ( 2 ) ( 0 ) ) + (104 ) ( ( ( 0 ) ( 1 ) ) )
2 2 2 2 2 2

x 3= =0.57
2( 0) ( 12 ) +2 ( 8.5 ) ( 20 )+ 2 (104 ) ( 01 )

Se evala la funcin dada

6 4
f ( x )=1.5 x 2 x + 12 x

f ( x )=1.5 ( 0.57 )62 ( 0.57 )4 +12 ( 0.57 )=6.5

Segunda iteracin

f ( x )=1.5 x6 2 x 4 + 12 x

x 0=1 f ( x 0 ) =8.5

x 1=0.57 f ( x 1 )=6.5

x 2=2 f ( x 0 ) =104

( 8.5 ) ( ( 0.57 )2( 2 )2 ) + ( 6.5 ) ( (2 )2 ( 1 )2) + (104 ) ( ( ( 1 )2( 0.57 )2 ) )

x 3= =0.813
2(8.5) ( 0.572 ) +2 ( 6.5 )( 21 )+ 2 (104 ) ( 10.57 )

El valor de x 3 se evala en la funcin

f ( x )=1.5 x6 2 x 4 + 12 x

6 4
f ( x )=1.5 ( 0.813 ) 2 ( 0.813 ) +12 ( 0.813 ) =8.4

Tercera iteracin

f ( x )=1.5 x6 2 x 4 + 12 x

x 0=0.57 f ( x 0 ) =6.5
 x 1=0.813 f ( x 1 )=8.44

x 2=2 f ( x 0 ) =104

( 6.5 ) ( ( 0.813 )2( 2 )2 ) + ( 8.44 ) ( ( 2 )2( 0.57 )2 ) + (104 ) ( ( ( 0.57 )2 ( 8.13 )2 ) )

x 3= =0.14
2( 6.5) ( 8.132 )+ 2 ( 8.44 ) (20.57 ) +2 (104 ) ( 0.572 )

El valor de x 3 se evala en la funcin

f ( x )=1.5 x6 2 x 4 + 12 x

6 4
f ( x )=1.5 ( 0.14 ) 2 ( 0.14 ) +12 ( 0.14 )=1.67

Encuentre el valor de x que maximiza f(x), utilizando el mtodo de Newton. Utilice

un valor inicial de x 0=2 y realice tres iteraciones.

f ( x )=1.5 x6 2 x 4 + 12 x

El valor inicial de x 0=2

Primera iteracin
Solucin: La primera y segunda derivada de la funcin se calcula para obtener
' 5 3
f ( x ) =9 x 8 x +12

f ( x )'' =45 x 4 24 x

Las cuales se sustituyen en la ecuacin.

9 x 58 x 3 +12
x i+1=x i
45 x 4 24 x

Al sustituir el valor inicial se obtiene

5 3
9 ( 2 ) 8 ( 2 ) +12
x 1=( 2 ) 4
=0.885
45 ( 2 ) 24 ( 2 )

Segunda iteracin

9 x 58 x 3 +12
x i+1=x i 4
45 x 24 x
Al sustituir el valor inicial se obtiene

9 ( 0.885 )58 ( 0.885 )3 +12

x 1=( 0.885 ) =0.0321
45 ( 0.885 )424 ( 0.885 )

Tercera iteracin

9 x 58 x 3 +12
x i+1=x i
45 x 4 24 x

Al sustituir el valor inicial se obtiene

9 ( 0.0321 )5 8 ( 0.0321 )3+ 12

x 1=( 0.0321 ) =15.571
45 ( 0.0321 )4 24 ( 0.0321 )

Utilizar una herramienta computacional (Scilab, Matlab, GAMS, o Excel) para

encontrar el mximo de la funcin f(x).
Analizar las ventajas y desventajas de la bsqueda de la seccin dorada,
interpolacin cuadrtica y el mtodo de Newton, para localizar un valor ptimo en
una dimensin.
Ventajas de la bsqueda de la seccin dorada
Podemos encontrar el mnimo o el mximo de una funcin de una sola variable
En los valores ptimos tanto locales como globales pueden presentarse en
problemas de optimizacin
Ventajas de la interpolacin cuadrtica
Aprovecha la ventaja de que un polinomio de segundo grado con frecuencia
proporciona una buena aproximacin a la forma de f(x) en las cercanas de un valor
ptimo
Ventajas del mtodo de Newton
Es un mtodo abierto que permite encontrar la raz x de una funcin de tal manera
que f(x)=0.
Desventajas del mtodo de Newton
Una desventaja importante de este mtodo es que llega a diverger segn sea la
naturaleza de la funcin y la calidad del valor inicial. As, usualmente se emplea
slo cuando se est cerca del valor ptimo. Las tcnicas hbridas que usan mtodos
cerrados lejos del ptimo y los mtodos abiertos cercanos al ptimo intentan
aprovechar las fortalezas de ambos procedimientos.
3. Leer de la pgina 377 a la 396 del texto de Steven Chapra que se encuentra en el entorno
del conocimiento.
4. Dada la funcin

f ( x , y )=4 x +2 y + x 22 x 4 + 2 xy 3 y 2

Resolver los siguientes problemas:

Efectuar una iteracin del mtodo de ascenso de mxima inclinacin para localizar
el mximo con los valores iniciales de x=0 y y=0. Emplee biseccin para encontrar
el tamao ptimo de paso en la direccin de bsqueda del gradiente.

Utilizar una herramienta computacional (Scilab, Matlab, GAMS, o Excel) para

encontrar el mximo de la funcin.
 CONCLUSIN

El aprendizaje basado en problemas ABP (problem-based learning) es una estrategia de

aprendizaje basado en el principio de usar problemas como punto de partida para la
adquisicin e integracin de nuevos conocimientos.
Es una estrategia en la que el proceso de adquirir un nuevo conocimiento est basado en el
reconocimiento de una necesidad de aprendizaje (Barrows, 2006).
Otra estrategia relacionada con el aprendizaje basado en problemas es el aprendizaje basado
en tareas. En este enfoque, el aprendizaje se realiza alrededor de una serie de tareas que se
espera que el estudiante sepa manejar.
En palabras de Harden, 2005, esta estrategia ofrece un alto grado de pragmatismo, en el
sentido de que el aprendizaje est presidido claramente por una finalidad concreta, lo cual
produce en el estudiante motivacin y satisfaccin.
El ABP es un enfoque pedaggico multi-metodolgico y multididctico, encaminado a
facilitar el proceso de aprendizaje y de formacin del estudiante. En este enfoque se
enfatizan el auto-aprendizaje y la autoformacin, procesos que se facilitan por la dinmica
del enfoque y su concepcin constructivista eclctica. En el enfoque de ABP se fomenta la
autonoma cognoscitiva, se ensea y se aprende a partir de problemas que tienen
significado para los estudiantes, se utiliza el error como una oportunidad ms para aprender
y no para castigar y se le otorga un valor importante a la auto evaluacin y a la evaluacin
formativa, cualitativa e individualizada.
En el enfoque de ABP, el estudiante decide cules contenidos o temas deber abordar o
estudiar para resolver los problemas o casos objeto de estudio; el propio estudiante se
propone objetivos instruccionales al identificar las necesidades de aprendizaje y evala
permanentemente su aprendizaje y la adquisicin de habilidades, competencias y actitudes.
 REFERENCIAS BIBLIOGRFICAS

Chapra, S., & Canale, R. (2007). Optimizacin. En Chapra, S., & Canale,
R., Mtodos numricos para ingenieros (p.p. 352-448). Ciudad de Mxico:
McGraw-Hill. Recuperado de: http://hdl.handle.net/10596/8113
Chapra, S., & Canale, R. (2007). Optimizacin unidimensional no restringida. En
Chapra, S., & Canale, R., Mtodos numricos para ingenieros (p.p. 363-376).
Ciudad de Mxico: McGraw-Hill. Recuperado de: http://hdl.handle.net/10596/8108
Chapra, S., & Canale, R. (2007). Optimizacin multidimensional no restringida. En
Chapra, S., & Canale, R., Mtodos numricos para ingenieros (p.p. 377-397).
Ciudad de Mxico: McGraw-Hill. Recuperado de: http://hdl.handle.net/10596/8109
Referencias Bibliogrficas Complementarias:
Luenberger, D., & Ye, Y., (2008), Linear and Nonlinear Programming, Stanford, CA, USA:
Springer Science+Business Media, LLC. Consulta trial en el link: 4th Edition Text (trial
version), de la pgina: http://web.stanford.edu/class/msande310/handout.shtml (Esta es una
pgina sugerida la cual se encuentra sujeta a cambios por la universidad de Stanford)