FANDOM


En esta clase de la mañana se hizo una especie de resumen de los métodos y sus algoritmos. También se vieron unos ejemplo de la implementación en matlab.

Modelo  f(a,b,;x)

Datos (x,f)\ i=1 .. n

 S(a,b) \ = \ \sum_{i=1}^n f((a,b,x) - f)^2

Metodo de Newton.

Minimizar  s(a,b)

Criterio para mínimo  f(a,b)\ = \nabla \ S(a,b) \ = \ 0

Linealización  f(a_{(i+1)}, b_{(i+1)}) \ = F(a_{i},b_{i}) + Y_{F}(a_{i},b_{i}) {\Delta a  \choose \Delta b} \quad = {0 \choose 0} \quad


Algoritmo  Y_{F}(a_{i},b{i}) {\Delta a  \choose \Delta b} \quad = \ -F(a_{i},b_{i})


 \big \{ a_{i}+1= \ a_{i}+4b 

   \big \}

\big \{ b_{i}+1= \ b_{i}+4b 

   \big \}

Metodo de Gauss - Newton

Resolver aproximadamente sistema No lineal sobredeterminado

 \begin{pmatrix}        
f(a,b),x_{1}\\
f(a,b),x_{2}\\
f(a,b),x_{n}\\



 \end{pmatrix} \ = \begin{pmatrix}  f_{1}\\ f_{2} \\ f_{n}   \end{pmatrix}

Linealizar  G(a,b)+ Y_{g} (a_{i},b_{i}) {\Delta a  \choose \Delta b} \quad = f

Algoritmo  Y_{g}(a_{i},b_{i}) {\Delta a  \choose \Delta b} \quad = f - G(a_{i},b_{i})

Implementación en matlab

%Declaracion de variables a=1,b=2; n=100;

For i=1 n=1 : n

x(1) = i/n;

f[i] = a*b*c*(xi) x0,1 x RND(1);

end

a=0, b=1 %elegir parametros iniciales de iteración

i=0, F=[1,1] epsilon = 1& -7 ; xx = [] ;

%Iteración

While norm (f) < epsilon && i <n

Y= \big [ Y_{11}, Y_{12}, Y_{21}, Y_{22} \big ]  , F= \big [ f_{1};F_{2} \big]


DX = -Y/F , %, % Resolver sistema de ecuaciones Lineales

X=X+DC;

End While

¡Interferencia de bloqueo de anuncios detectada!


Wikia es un sitio libre de uso que hace dinero de la publicidad. Contamos con una experiencia modificada para los visitantes que utilizan el bloqueo de anuncios

Wikia no es accesible si se han hecho aún más modificaciones. Si se quita el bloqueador de anuncios personalizado, la página cargará como se esperaba.

También en FANDOM

Wiki al azar