NUMERICAL METHODS NEWTON RHAPSON AND INTERPOLATION

COMPUTING ELECTROMAGNETIC THEORY

PEDRO PABLO MATEUS QUIROGA CRISTHIAN TORRES INTRODUCCION Frecuentemente el estudiante promedio se encuentra con ecuaciones y funciones no lineales que no pueden ser analizadas de manera convencional, y por lo tanto debe recurrir a mtodos numricos que le permitan modelar el problema desde una perspectiva diferente, menos intrincada y ms fluida. Este documento busca familiarizar al estudiante con la aproximacin de funciones mediante series de Taylor, o la solucin de ecuaciones (lineales o no lineales, unidimensionales o multidimensionales) mediante el mtodo NewtonRaphson. OBJETIVOS Familiarizarse con el uso de mtodos numricos que permitan facilitar la solucin de sistemas de ecuaciones. DESARROLLO EJERCICIOS PROPUESTOS 1. Encuentre la aproximacin en series de Taylor de segundo orden para la ecuacin (1), alrededor de los puntos (0,0) y (1,1).

Obtenemos nuestra alrededor de (0,0):

primera

aproximacin

Ahora alrededor de (1,1)

2. Minimice la ecuacin (2), partiendo del punto (0,0).

(2) La formula general de minimizacin es:

Buscamos las primeras derivadas de la funcin respecto a cada variable. =

Utilizamos la siguiente aproximacin:

Resolvemos las segundas derivadas parciales de la funcin para aplicarlas en el Hessiano.

Obtenemos las derivadas parciales:

Para la aproximacin de segundo orden la serie de taylor seria igual a:

Encontrado el Hessiano podemos encontrar su inversa.

UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenieras Elctrica, Electrnica y Telecomunicaciones - ET Perfecta combinacin entre energa e intelecto

NUMERICAL METHODS NEWTON RHAPSON AND INTERPOLATION

COMPUTING ELECTROMAGNETIC THEORY

Aplicamos el gradiente en el punto de partida

Teniendo el Laplaciano para el punto de partida junto con el Hessiano podemos aplicar nuestra ecuacin general.

Aplicamos la formula general

Con esto finalmente encontramos el punto, debido a que estamos ante una funcin de segundo grado basta una iteracin para llegar al punto optimo.

Tomando como el nuevo punto de partida hacemos la siguiente iteracin.

3. Minimice la ecuacin (3), partiendo del punto (1.2,1). (3) Aplicamos de nuevo la ecuacin general de optimizacin.

La formula general de minimizacin es:

Buscamos las primeras derivadas de la funcin respecto a cada variable.

4. Minimice la ecuacin (7), iniciando en el punto (2,-1,1). (7) Buscamos las derivadas de primer y segundo grado para obtener tanto el gradiente como el Hessiano de la funcin.

Reemplazamos el valor de y respectivamente en las derivadas y con esto armamos nuestro Hessiano.
UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenieras Elctrica, Electrnica y Telecomunicaciones - ET Perfecta combinacin entre energa e intelecto

NUMERICAL METHODS NEWTON RHAPSON AND INTERPOLATION

COMPUTING ELECTROMAGNETIC THEORY

Con estas expresiones se puede aplicar la formula general de solucin de ecuaciones no lineal.

Reemplazando X y Y respectivamente en

Esta informacin es suficiente para aplicar la minimizacin

Se itera otra vez

Y el programa sigue iterando hasta que se halla la solucin Al aplicar la prueba del gradiente obtendremos un valor nulo, lo cual nos indica que el punto de partida es un punto mnimo de la funcin.

La solucin se da en la sptima iteracin. 6. Encuentre los polinomios que aproximan los puntos:

5. Encuentre la solucin al sistema de ecuaciones no lineal dado por (5). Inicie en el origen y utilice =1*10-6 y el criterio X< .

a. (0,1), (1,2) y (2,3) b. (0,1), (1,0), (2,1) y (3,0) c. (0,0), (1,5), (2,-1), (4,0), (4.5,7), (6,10), (8, 10), (9, 5) y (10, 15) a. Para hacer una aproximacin polinomial se toma un polinomio de un grado menos que la cantidad de puntos dados. Tomamos un polinomio de grado dos.

Encontramos

UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenieras Elctrica, Electrnica y Telecomunicaciones - ET Perfecta combinacin entre energa e intelecto

NUMERICAL METHODS NEWTON RHAPSON AND INTERPOLATION

COMPUTING ELECTROMAGNETIC THEORY

(0,1) (1,2) (2,3) Armamos la matriz para encontrar las soluciones.

c. Me entregan nueve puntos por lo que supongo como solucin un polinomio de grado 8.

(0, 0) (1,5)

(2,1)

(4,0) b. Nos entregan cuatro puntos luego debemos tener un polinomio de grado tres (4.5,7)

(6,10) (0,1) (1,0) (2,1) (3,0) (9,5) (8,10)

(10,15)

UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenieras Elctrica, Electrnica y Telecomunicaciones - ET Perfecta combinacin entre energa e intelecto

NUMERICAL METHODS NEWTON RHAPSON AND INTERPOLATION

COMPUTING ELECTROMAGNETIC THEORY

9. Para X = [0, 2, 4, 6, 9, 11, 12, 15, 17, 19] y Y = [5, 6, 7, 6, 9, 8, 7, 10, 12, 12], encuentre la regresin lineal con mejor ajuste. Grafique tanto los puntos como el comportamiento de la regresin. i 1 0 5 6 7 6 9

2 2 3 8.Para X=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15] encuentre los polinomios que aproximen las ecuaciones. En la ecuacin 6: 4 5 6 7 8 Los valores para y son: Y=[0, 0.602, 0.954, 1.2, 1.4,1.56, 1.69, 1.81, 1.91, 2, 2.08, 2.16, 2.23, 2.29, 2.35] Resolviendo el sistema de 15 ecuaciones con 15 incognitas hallamos los coeficientes que son; 9 4 6 9

11 8 12 7 15 10 17 12

10 19 12

CONCLUSIONES Para la optimizacin de las funciones no lineales de orden dos solo basta con hacer una iteracin para encontrar el minino de la funcin. Dependiendo del criterio de parada se pueden crear problemas con las iteraciones, ya que se puede quedar estancado el valor de la funcin.
UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenieras Elctrica, Electrnica y Telecomunicaciones - ET Perfecta combinacin entre energa e intelecto

NUMERICAL METHODS NEWTON RHAPSON AND INTERPOLATION

COMPUTING ELECTROMAGNETIC THEORY

Para encontrar los polinomios cuando se tiene muchos datos seria mas recomendable que se utilizara la regresin lineal ya que acarreara unas sumatorias como procesos, no como en hallar el polinomio ya que el grado de este ser cuantos puntos halla menos uno.

BIBLIOGRAFIA

UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenieras Elctrica, Electrnica y Telecomunicaciones - ET Perfecta combinacin entre energa e intelecto