UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

DIVISIN ACADMICA DE CIENCIAS BSICAS

TEMA:
OPTIMACIN SIN RESTRICCIONES: MTODO
DE NEWTON Y MTODO QUASI-NEWTON

MATERIA:
TEMAS SELECTOS DE ANLISIS NUMRICO

NOMBRE:
AUDY VIOLETA OJEDA ARELLANOS

CARRERA:
LIC EN MATEMTICAS

A 3 DE DICIEMBRE DEL 2014.

CUNDUACN, TABASCO.

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

Programacin no lineal sin restricciones

Recordemos nuestro objetivo en un problema
programacin no lineal sin restricciones, el cual es
Minimizar f(x) sujeto a xRn
Donde f es una funcin real (Rn
R).

de

DEFINICIONES BSICAS
Matriz definida positiva
Una matriz es definida positiva si para todo d, se
cumple que dTAd > 0
Una matriz es definida positiva si todos sus valores
propios son mayores que 0.
Orden de convergencia

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

Series de Taylor
Representacin de una funcin como una suma finita de
trminos calculados a partir de los valores de derivadas de
orden superior en un punto

MTODO DE NEWTON
Para una funcin no lineal f(x) con matriz hessiana F(x) la
aproximacin de Taylor de segundo orden es

El mnimo de esta aproximacin est dada por:

Por lo tanto, podemos hallar aproximaciones sucesivas de

segundo orden al mnimo real haciendo

El parmetro se calcula por la bsqueda lineal

Observe que el mtodo de Newton puede ser visto como
perteneciente a la familia general de algoritmos

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

Para los valores de k pequeos podemos decir

A medida que k 0, el segundo trmino domina el tercero.

Por lo tanto, si uno desea garantizar que f decrezca para
valores pequeos de k se debe tener que f(xk)TMk f(xk) > 0.
La manera ms fcil asegurar esto es que Mk sea definida
positiva.
PRECAUSIONES
xk+1=xk-[F(xk)]-1f(xk)T
Por lo tanto, en el mtodo de Newton, la matriz Hessiana debe
ser definida positiva para que la direccin seleccionada sea
una sea una direccin de descenso. Esto se cumple en puntos
cercanos al mnimo, mas no existe garanta que esto se
cumpla en puntos lejanos.
Existen algunas soluciones a este problema, por ejemplo el
mtodo de Lenvenberg-Marquardt definido por

Siendo un escalar. El proceso se inicia con un determinado

valor de y si la matriz I+F(xk) no es definida positiva se
aumenta por un factor y se intenta de nuevo. Esto se repite
hasta que se cumpla la condicin deseada.

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

La gran ventaja del mtodo de Newton es que converge

muy de prisa:
Si f es de clase C2 y su hesseniano es definido positivo en un
entorno de x entonces la convergencia del mtodo de
Newton es superlineal. Si adems f es de clase C3 entonces
la convergencia es cuadrtica.
Sin embargo esto no implica la convergencia global del
mtodo de Newton. De hecho los inconvenientes del
mtodo de Newton son bien conocidos:
- En general diverge violentamente.
- Adems, es necesario calcular el hessiano, y despus
resolver un sistema, lo que es costoso y lento.
Algoritmo de Newton

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

MTODOS-QUASI-NEWTON

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe

UNIVERSIDAD JUREZ AUTNOMA DE TABASCO

Estudio en la duda. Accin en la fe