Optimizacin de funciones por el mtodo de

biseccin
Montserrat Gaytn A00569562
Michel Hidalgo
Agustn Prez A00571013
Alejandro Prez A00571014
M2025 Mtodos Numricos

1. INTRODUCCIN
La ciencia y la tecnologa describen los fenmenos reales mediante modelos matemticos. El
estudio de estos modelos permite un conocimiento ms profundo del fenmeno, as como de su
evolucin futura. La matemtica aplicada es la rama de las matemticas que se dedica a buscar
y aplicar las herramientas ms adecuadas a los problemas basados en estos modelos.
Desafortunadamente, no siempre es posible aplicar mtodos analticos clsicos por diferentes
razones:

No se adecan al modelo concreto.

Su aplicacin resulta excesivamente compleja.
La solucin formal es tan complicada que hace imposible cualquier interpretacin
posterior.
Simplemente no existen mtodos analticos capaces de proporcionar soluciones al
problema.

En estos casos son tiles las tcnicas numricas, que mediante una labor de clculo ms o
menos intensa, conducen a soluciones aproximadas que son siempre numrica. El importante
esfuerzo de clculo que implica la mayora de estos mtodos hace que su uso est ntimamente
ligado al empleo de computadores. De hecho, sin el desarrollo que se ha producido en el campo
de la informtica resultara difcilmente imaginable el nivel actual de utilizacin de las tcnicas
numricas en mbitos cada da ms diversos.

Los mximos y mnimos en una funcin f son los valores ms grandes (mximos) o ms
pequeos (mnimos) que toma la funcin, ya sea en una regin (extremos relativos) o en todo
su dominio (extremos absolutos).
Los extremos relativos de una funcin f son los valores ms grandes (mximos) o ms
pequeos (mnimos) de una regin del dominio.
1. Derivar la funcin, obteniendo f(x).
2. Hallar las races de la derivada, es decir, los valores de x tales que la derivada sea 0.

1
 3. Se calcula la imagen de los extremos del intervalo (f(a) y f(b)). Tambin se calcula la imagen de
las races.

El mximo y mnimo absolutos de f sern:

2. OPTIMIZACIN DE FUNCIONES
CDIGO:
julia> function mini(xlow,xhigh,f)
xl=xlow ; xh=xhigh
R=((sqrt(5)-1)/2)
for i=1:2100
int=(xh-xl)
d=R*int
x1=xl+d
x2=xh-d
if f(x2)<f(x1)
min=xl
xh=xl
xl=x2
else
min=x2
xl=x1
xh=xh
end
if isapproxd(xl,xh) true
ymin=f(min)
println("El mnimo valor est en x=$min, y=$ymin")&& break end
end
end
mini (generic function with 1 method)

julia> xlow=-1
xhigh=6
f(x)=(x^2+5)/(x+2)
f (generic function with 1 method)

julia> mini(xlow, xhigh, f)

El mnimo valor est en x=0.9999999520215898, y=2.0000000000000004

2
EXPLICACIN DEL CDIGO
La manera en la que funciona nuestro cdigo est basada en la teora del Golden-section, la
cual es una simple y tcnica general para optimizar funciones de una variable. Esta tcnica
consiste en que se calcule una distancia entre los intervalos suficiente para poder saber en qu
intervalo se encuentra el mximo o el mnimo. Esta distancia se calcula con el Golden ratio,
porque permite encontrar los puntos ptimos de una manera eficiente.
Ya que se tiene esta distancia lo que se hace es calcular un intervalo temporal para poder evaluar
la funcin a optimizar en estos nuevos valores de x, esto puede hacer que se presenten dos
casos:
1. Si f(x1) < f(x2), entonces nuestro probable mnimo es x2, y ahora nuestro intervalo cambia
y nuestra x ms chica se vuelve x1 y nuestra x ms grande se queda igual.
2. Si f(x2) < f(x1), entonces nuestro probable mnimo es xl, y ahora nuestro intervalo cambia
y nuestra x ms grande se vuelve xl y nuestra x ms chica se vuelve x2.
Este proceso se repite tantas veces sean necesarias hasta encontrar nuestro mnimo de la
funcin, tenemos un mximo de 2100 iteraciones, valor establecido en clase, y en caso de que
nuestros valores de la x ms chica y la x ms grande sean lo suficientemente cercanos (funcin
isappoxd) con 8 dgitos el for se termina y hemos encontrado el valor del mnimo de nuestra
funcin.

3
GRFICA DE LA FUNCIN UTILIZADA
using PyPlot
ymin=-20 ; ymax=80 ; xmin=-2 ; xmax=6 ; points=200
Y=Array{Float64}(points) ; X=Array{Float64}(points)
for i=1:points
x = (xmax-xmin)*(i-1)/(points-1) + xmin
X[i] = x ; Y[i] = (x^2+5)/(x+2)
end
ylim(ymin,ymax) ; plot(X,Y, color="blue", linewidth=1.0)

3. CONCLUSIONES
ste cdigo nos permitir en un futuro, obtener el valor mnimo de cualquier funcin en un
intervalo dado. En el mundo industrial es muy comn el uso de mximos y mnimos; para
minimizar cosos, para ahorrar materiales, para optimizar espacio, para optimizar tiempos, para
la mejora de la calidad y la productividad etc., por lo que el programa nos ser de gran utilidad
una vez que estemos ejerciendo nuestra carrera.
Primero que nada, sta tarea nos ayud mucho a reforzarnos como equipo, ya que fue muy
retadora. Nos ayud tambin a ser un tanto autodidactas, porque tuvimos que realizar una
investigacin previa para poder realizar el cdigo.