METODOS

NUMERICOS
Ingeniera Civil
ING. CRISTIAN CASTRO P.
Facultad de Ingeniera de Minas, Geologa y Civil
Departamento acadmico de ingeniera de minas y civil
CATEDRA 0
6
Sistema de Ecuaciones
Algebraicas No Lineales
ING. CRISTIAN CASTRO P.
Capitulo VI
Agenda
Planteamiento del problema
Mtodo de Punto Fijo
Mtodo de Newton
Variantes del mtodo de Newton
Evaluacin diferida del jacobiano
Aproximacin por diferencias finitas
Newton unidimensional
Mtodos cuasi-Newton (Broyden)
Introduccion
Se pretende que al final de la exposicin el estudiante pueda
reconocer los sistemas de ecuaciones no lineales y pueda
resolverlos por medio de adaptaciones a los mtodos Newton-
Raphson e Iteracin de Punto Fijo
0 ) ., .......... , (
.
.
.
0 ) ., .......... , (
0 ) ., .......... , (
2 1
2 1 2
2 1 1
=
=
=
n n
n
n
x x x f
x x x f
x x x f
La solucin de este sistema
consta de valores xi que
simultneamente hacen que
todas las ecuaciones sean
iguales a cero
SISTEMAS DE ECUACIONES NO LINEALES
f(x, y)=0
g(x, y)=0
x
y
x
*
y
*
SISTEMA DE ECUACIONES NO LINEALES
-2
0
2
4
6
8
10
1 1.5 2 2.5 3 3.5 4 4.5 5
2
x xy 10 + =
2
y 3xy 57 + =
(2, 3)
MTODO DE PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
1. Considera la interseccin de dos funciones no lineales f(x, y)
=0 y g(x, y)=0.
2. La interseccin de las curvas f(x, y)=0 y g(x, y)=0 nos da la
raiz (xr, yr).
3. El mtodo consiste en obtener las funciones que tengan las
mismas raices (xr, yr):
x-F(x, y) = 0
y-G(x, y) = 0
4. Considerar un valor inicial (x
0
, y
0
), como aproximacin a la
raz, evaluar: x
1
=F(x
0
, y
0
) y
1
=G(x
0
, y
0
)
5. El proceso se repite n veces hasta tener valores muy cercano
s a las races.
MTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
iteraci
n
x
i
y
i
err
i
1 1.5 3.5
---
2 2.0000 3.4480 0.5027
3 1.8355 2.9875 0.4890
4 2.0734 3.1319 0.2782
5 1.9211 2.9428 0.2427
6 2.0559 3.0626 0.1803
7 1.9537 2.9572 0.1468
8 2.0363 3.0365 0.1145
9 1.9713 2.9721 0.0915
2
x xy 10 + =
2
y 3xy 57 + =
x = 2 y = 3
xn=10/(x+y)
yn=((57-y)/(3x))^(1/2)
err=sqrt((xn-x)^2+(yn-y)^2)
MTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
iteraci
n
x
i
y
i
err
i
1 1.5 3.5
---
2 2.0000 2.9861 0.7170
3 2.0056 2.9962 0.0116
4 1.9993 3.0006 0.0077
5 2.0000 3.0000 0.0010
2
x xy 10 + =
2
y 3xy 57 + =
x = 2 y = 3
Variante Seidel
xn=10/(x+y)
yn=((57-y)/(3xn))^(1/2)
err=sqrt((xn-x)^2+(yn-y)^2)
Converge mas rpido!!!
MTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
Sin embargo, con el mtodo del punto fijo, la convergencia depende
de la manera en que se formulen las ecuaciones de recurrencia y
de haber elegido valores iniciales lo bastante cercanos a la solucin
En las dos formulaciones siguientes el mtodo diverge.
iteracin x
i
y
i
1 1.5 3.5
2 1.45578231 5.166666667
3 0.64724246 5.413376566
iteracin x
i
y
i
1 1.5 3.5
2 2.21428571 -24.375
3 -0.20910518 429.713648
x = (57 - y)/3y
2
y = (10 - x
2
)/x
x = (10 - x
2
)/y y = 57 - 3xy
2
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
u(x, y)
v(x, y)
x
y
No se puede mostrar la imagen en este momento.
x
1
y
1
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
Este procedimiento corresponde, analticamente, a extender
el uso de la derivada, ahora para calcular la interseccin
entre dos funciones no lineales.
Al igual que para una sola ecuacin, el clculo se basa en
la expansin de la serie de Taylor de primer orden, ahora de
mltiples variables, para considerar la contribucin de ms
de una variable independiente en la determinacin de la raz.
Para dos variables, la serie de Taylor de primer orden se
escribe, para cada ecuacin no lineal:
i i
i 1 i i 1 i i 1 i
i i
i 1 i i 1 i i 1 i
u u
u u (x x ) (y y )
x y
v v
v v (x x ) (y y )
x y
+ + +
+ + +
c c
= + +
c c
c c
= + +
c c
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
Pero u
i+1
= v
i+1
= 0 :
Que reescribiendo en el orden conveniente:
i i i i
i 1 i 1 i i i
i i i i
i 1 i 1 i i i
u u u u
x y u x y
x y x y
v v v v
x y v x y
x y x y
+ +
+ +
c c c c
+ = + +
c c c c
c c c c
+ = + +
c c c c
i i i i
i i 1 i i 1 i
i i i i
i i 1 i i 1 i
u u u u
u x x y y 0
x x y y
v v v v
v x x y y 0
x x y y
+ +
+ +
c c c c
+ + =
c c c c
c c c c
+ + =
c c c c
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
Y cuya solucin es:
Donde J es el determinante jacobiano del sistema es:
i i
i i
u v
x x
J
u v
y y
c c
| |
|
c c
|
=
c c
|
|
c c
\ .
i i
i i
i 1 i
v u
u v
y y
x x
J
+
c c

c c
=
i i
i i
i 1 i
u v
v u
x x
y y
J
+
c c

c c
=
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
iteracin
x
i
y
i
u
i
v
i
cu/cx cu/cy cv/cx cv/cy
Jacobiano
1 1.5 3.5 -2.5 1.625 6.5 1.5 36.75 32.5 156.125
2 2.03602882 2.8438751 -0.064374959 -4.756208497 6.915932746 2.036028823 24.26287675 35.74127004 197.7843034
3 1.99870061 3.002288563 -0.004519896 0.04957115 6.999689781 1.998700609 27.04120985 37.00405588 204.9696292
4 1.99999998 2.999999413 -1.28609E-06 -2.21399E-05 6.999999381 1.999999984 26.99998944 36.99999267 204.9999473
5 2 3 0 2.23821E-12 7 2 27 37 205
x
2
+ xy - 10 = 0 y + 3xy
2
- 57 = 0
x = 2
y = 3
MTODO DE NEWTON RAPHSON EN SISTEMAS
DE ECUACIONES NO LINEALES
Sistema de ecuaciones lineales por el mtodo de Newton Raphson
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
1 2 3 4 5 6
convergencia
i
t
e
r
a
c
i
o
n
e
s
x
y
2
x xy 10 + =
2
y 3xy 57 + =
Teora de sistemas de Ecuaciones
No lineales
La forma general de un sistema de ecuaciones no lineales es:
f
1
(x
1
, x
2
x
3
, , x
n
) = 0
f
2
(x
1
, x
2
x
3
, , x
n
) = 0
f
3
(x
1
, x
2
x
3
, , x
n
) = 0
....................................
f
n
(x
1
, x
2
x
3
, , x
n
) = 0
Definiendo una funcin F
F(x
1
, x
2
x
3
, , x
n
) = [f
1
(x
1
, x
2
x
3
, , x
n
),f
2
(x
1
, x
2
x
3
, , x
n
),
f
3
(x
1
, x
2
x
3
, , x
n
) , f
n
(x
1
, x
2
x
3
, , x
n
)]
Usando una notacion vectorial para representar las variables X1,X2,,Xn ).
El sistema puede representarse por F(x)=0
La solucin a este sistema es el vector X=[x
1
, x
2
x
3
, , x
n
]
que hace que simultaneamente todas las ecuaciones sean igual a 0.
Teora de sistemas de Ecuaciones
No lineales
Mtodos de Solucin :
Mtodo de Iteracin de Punto Fijo para sistemas de
ecuaciones no lineales (Mtodo de punto fijo multi
variable).
Mtodo de Newton para sistemas de ecuaciones no
lineales.
Mtodo de Iteracin de Punto fijo para
sistemas de Ecuaciones no Lineales
Anteriormente se desarrollo el mtodo de iteracin de
punto fijo para resolver la ecuacin f(x)=0 transforma
ndo esta ecuacin en una ecuacin de la forma
x= g(x),
usando el criterio de convergencia
|g(x)|<1 en el intervalo [x1,x2]
donde g(x) pertenece [x1,x2]
para x que pertenece a [x1,x2]
Mtodo de Iteracin de Punto fijo para
sistemas de Ecuaciones no Lineales
Para el caso de un conjunto de ecuaciones No lineales
utilizaremos un procedimiento similar extendindolo a
todas las ecuaciones, usando un criterio de convergencia:
Una condicin suficiente aunque no necesaria,
para asegurar la convergencia es que
Para todos los puntos (x1,x2) de la regin del
plano que contiene todos los valores (x1
k
, x2
k
)
y la raz buscada.
+
c
c
| |
1
1
x
g
; 1 | |
1
2
< s
c
c
M
x
g
+
c
c
| |
2
1
x
g
; 1 | |
2
2
< s
c
c
M
x
g
Mtodo de Iteracin de Punto fijo para
sistemas de Ecuaciones no Lineales
Ejemplo
Encuentre una solucin del sistema de ecuaciones no lineales
Solucin
Con el despeje de X
1
del termino (-10X
1
) en la primera ecuacin y de X
2
del termino de (-10X
2
) en la segunda ecuacin resulta.
X
1
=(X
1
2
+X
2
2
+ 8 )/ 10
X
2
=(X
1
X
2
2
+X
1
+ 8 ) / 10

= + =
= + =
+
+
0 ) , (
0 ) , (
8 10
8 10
2 1
2
2 1 2 1 2
2
2 1
2
1 2 1 1
x x x x x x f
x x x x x f
Por medio de Iteracin por desplazamientos simultneos
x
1
k+1
= g
1
(x
1
k
, x
2
k
)
x
2
k+1
= g
2
(x
1
k
, x
2
k
)
Con los valores iniciales x
1
0
= 0, x
2
0
= 0 se inicia el proceso
Primera iteracin
X
1
1
=(0
2
+0
2
+ 8 )/ 10 = 0.8
X
2
1
=(0(0)
2
+ 0 + 8 ) / 10 = 0.8
Segunda iteracin
X
1
2
=((0.8)
2
+(0.8)
2
+ 8)/ 10 = 0.928
X
2
2
=(0.8(0.8)
2
+ 0.8 + 8 ) / 10 = 0.9312
Al continuar el proceso iterativo, se encuentra la siguiente
sucesin de valores
k
X
1
k
X
2
k
0 0.00000 0.00000
1
0.80000 0.80000
2 0.92800 0.93120
k
X
1
k
X
2
k
3 0.97283 0.97327
4
0.98937 0.98944
5 0.99578 0.99579
6 0.99832 0.99832
7 0.99933 0.99933
8 0.99973 0.99973
9 0.99989 0.99989
10 0.99996 0.99996
11 0.99998 0.99998
12 0.99999 0.99999
13 1.00000 1.00000
Cualquiera que sea el sistema que se va a resolver
con este mtodo, puede aumentarse la velocidad de
convergencia usando desplazamientos sucesivos
en lugar de los desplazamientos simultneos es
decir se itera mediante
x
1
k+1
= g
1
(x
1
k
, x
2
k
)
x
2
k+1
= g
2
(x
1
k+1
, x
2
k
)
Como en el caso lineal (Jacobi y Gauss-Seidel), si
la iteracin por desplazamientos simultneos
diverge generalmente el mtodo por desplazamientos
sucesivos divergira mas rpido; es decir se detecta
mas rapido la divergencia, por lo que en general se re
comienda el uso de desplazamientos sucesivos en
lugar de desplazamientos simultneos .
Resuelva el sistema del ejemplo anterior utilizando
el mtodo de punto fijo para sistemas no lineales
con desplazamientos sucesivos.

= + =
= + =
+
+
0 ) , (
0 ) , (
8 10
8 10
2 1
2
2 1 2 1 2
2
2 1
2
1 2 1 1
x x x x x x f
x x x x x f
Problema Propuesto
Mtodo de Newton para sistemas
de ecuaciones no lineales
Todas las ecuaciones deben de ser cero en las races
Se define la matriz J(x) como:
1
, 1
x
f
i
c
c
2
, 1
x
f
i
c
c
n
i
x
f
c
c
, 1
1
, 2
x
f
i
c
c
2
, 2
x
f
i
c
c
n
i
x
f
c
c
, 2
1
,
x
f
i n
c
c
2
,
x
f
i n
c
c
n
i n
x
f
c
c
,
..........
..........
..........
.................................
....................
J(x) =
Mtodo de Newton para sistemas de
ecuaciones no lineales
Entonces podemos escribir
F(x)+X
i
J(x)=X
i+1
J(x)
Dividiendo J(x) y reacomodando:
X
i+1=
X
i
-J(x)
-1
F(x)
Esta es la Ecuacin de Newton para sistemas No Lineales
Puesto que en cada iteracin se tiene que calcular la inversa
de la matriz J(x)y esto implica un considerable esfuerzo de
clculo , para evitar este paso se utiliza el artificio de encon
trar un vector Y que satisfaga
J(x)Y= -F(x)
Mtodo de Newton para sistemas de
ecuaciones no lineales
Se establece un esquema iterativo donde cada nueva
aproximacion se obtiene como:
X
(k+1)
= y +x
(k)
Al resolver el sistema tomando como valores iniciales
(x
1
,x
2
)=(0,0) se tiene:
J(x)( x
1
,x
2
)=
Un sistema de ecuaciones no lineales
con dos incgnitas x y y
0 57 3 ) , (
0 10 ) , (
2
2
= + =
= + =
xy y y x v
xy x y x u
As la solucin de este sistema son los valores de ( x , y ) que
hacen a las funciones u y v iguales a cero.
Para resolver estas ecuaciones se utilizan extensiones de los
mtodos abiertos antes vistos.
Resolucin del sistema de ecuaciones
no lineales
Utilizando la iteracin de punto fijo.
La aproximacin de la iteracin de punto fijo, vista
anteriormente, se puede modificar para resolver dos
ecuaciones simultneas no lineales
Las modificaciones y las desventajas de este mtodo
se ilustra en el siguiente ejemplo.
Ejemplo
0 57 3 ) , (
0 10 ) , (
2
2
= + =
= + =
xy y y x v
xy x y x u
Solucin
i
i
i
y
x
x
2
1
10
=
+
Con base en los valores iniciales
21429 . 2
5 . 3
) 5 . 1 ( 10
2
=

= x
2
1
3 57
i i i
y x y =
+
37516 . 24 ) 5 . 3 ( ) 21429 . 2 ( 3 57
2
= = y
La aproximacin diverge, pero si se cambia la formulacin,
los resultados difieren.
Sistema de ecuaciones no lineales.
Valores iniciales x=1.5 y=3.5.
La solucin es x=2 y=3
( )
( )
( )
98340 . 2
02046 . 2 3
04955 . 3 57
02046 . 2 04955 . 3 94053 . 1 10
3
04955 . 3
94053 . 1 3
86051 . 2 57
94053 . 1 86051 . 2 17945 . 2 10
2
86051 . 2
17945 . 2 3
5 . 3 57
17945 . 2 5 . 3 5 . 1 10
3
57
10
=

=
= =
=

=
= =
=

=
= =

=
=
y
x
Iteracin
y
x
Iteracin
y
x
Evaluando
x
y
y
xy x
% 22 . 2
% 96 . 3
_
_
=
=
y a
x a
E
E
% 55 . 0
% 02 . 1
_
_
=
=
y t
x t
E
E
Como se observa en esta ocasin
la aproximacin no diverge.
Resolucin del sistema de ecuaciones
no lineales
y
v
y y
x
v
x x v v
y
u
y y
x
u
x x u u
i
i i
i
i i i i
i
i i
i
i i i i
c
c
+
c
c
+ =
c
c
+
c
c
+ =
+ + +
+ + +
) ( ) (
) ( ) (
1 1 1
1 1 1
) (
) (
'
1
i
i
i i
x f
x f
x x =
+
Utilizando Newton-Raphson.
Este clculo se basa en la expansin de la serie de Taylor
de primer orden y con ella se obtiene la ecuacin para este
mtodo.
La serie de Taylor de primer orden para el caso de dos variables.
) ( ) ( ) ( ) (
'
1 1 i i i i i
x f x x x f x f + =
+ +
x
v
y
u
y
v
x
u
x
v
u
x
u
v
y y
x
v
y
u
y
v
x
u
y
u
v
y
v
u
x x
i i i i
i
i
i
i
i i
i i i i
i
i
i
i
i i
c
c
c
c

c
c
c
c
c
c

c
c
=
c
c
c
c

c
c
c
c
c
c

c
c
=
+
+
1
1
Por medio de manipulacin matemtica y la regla de Cramer.
El denominador de ambas ecuaciones es conocido como
el determinante Jacobiano del sistema.
0 57 3 ) , (
0 10 ) , (
2
2
= + =
= + =
xy y y x v
xy x y x u
5 . 32 ) 5 . 3 )( 5 . 1 ( 6 1 6 1
75 . 36 ) 5 . 3 ( 3 3
5 . 1
5 . 6 5 . 3 ) 5 . 1 ( 2 2
0
2 2
0
0
0
= + = + =
c
c
= = =
c
c
= =
c
c
= + = + =
c
c
xy
y
v
y
x
v
x
y
u
y x
x
u
Solucin.
El Jacobiano para la primera iteracin.
125 . 156 ) 75 . 36 )( 5 . 1 ( ) 5 . 32 )( 5 . 6 ( =
Evaluando en las funciones.
84388 . 2
125 . 156
) 75 . 36 )( 5 . 2 ( ) 5 . 6 ( 625 . 1
5 . 3
03603 . 2
125 . 156
) 5 . 1 ( 625 . 1 ) 5 . 32 ( 5 . 2
5 . 1
625 . 1 57 ) 5 . 3 )( 5 . 1 ( 3 5 . 3
5 . 2 10 ) 5 . 3 ( 5 . 1 ) 5 . 1 (
1
1
2
0
2
0
=

=
=

=

= + =
= + =
y
x
v
u
Iteracin Variable Valor Error Aprox Error True
2
x 1,9986 1,87% 0,07%
y 3,0027 5,29% 0,09%
3
x 2 0,07% 0%
y 3 0,09% 0%
Notacin
f x x x
f x x x
f x x x
f IR IR
x x f x x
n
n
n n
i
n
n i n
1 1 2
2 1 2
1 2
1 1
0
0
0
( , ,..., )
( , ,..., )
( , ,..., )
:
( ,..., ) ( ,..., )
=
=
=

F x
F IR IR
x x x f x f x
n n
n n
( )
:
( , ... , ) ( ( ), ... ( ))
=

=

0
1 1
Escalar
Vectorial
Resolucin iterativa
x
(0)
estimacin inicial de la solucin
Iteraciones: x
(1)
, x
(2)
, , x
(k)
Criterio de convergencia
| x
(k+1)
x
(k)
| < tol
Criterio de parada
k > maxiter
Esquema del algoritmo
Entrada: f, x
0
, tol, maxiter
Proceso
Inicializar incr, iter
Mientras incr > tol & iter < maxiter
Obtener x
incr = norm(x x
0
)
Actualizar x
0
, iter
Salida: x, iter, incr
Si incr > tol no converge
Mtodo de Punto Fijo
Punto fijo
Estimacin inicial
Iteraciones
Criterio de parada
x G x
k k ( ) ( )
( )
+
=
1
x x x
n
( ) ( ) ( )
( ,..., )
0
1
0 0
=
x x tol
k k ( ) ( ) +
<
1
F x x G x ( ) ( ) = = 0
Algoritmo de Punto Fijo
function [x,iter,incr] = pfijo(g,x0,tol,
maxiter)
iter = 0;
incr = tol + 1;
while incr > tol & iter < maxiter
x = feval(g,x0);
incr = norm(x - x0);
iter = iter + 1;
x0 = x;
end
if incr > tol, disp(No converge), end
Ejemplo
Sistema no lineal
Problema de Punto Fijo
3 0
81 01 106 0
20 10 3 1 0
1 2 3
1
2
1
2
2
2
3
3
1 2
x x x
x x x
e x
x x
=
+ + + =
+ + =

cos( )
( . ) sen( .
/ t
x x x
x x x
x e
x x
1 2 3
1
6
2
1
9
1
2
3
3
1
20
3
106 01
1 6
1 2
= +
= + +
=

cos( ) /
sen . .
( ) / t
( )
( )
( )
x x x
x x x
x x x
k k k
k k k
k k k
1
1
2 3
1
6
2
1
1
9
1
1
2
3
3
1
1
20
1
1
2
1
3
106 01
1 6
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
cos( ) /
sen . .
exp /
+
+ +
+ + +
= +
= + +
=

t
Punto Fijo con desplazamientos simultneos
Punto Fijo con desplazamientos sucesivos
( )
( )
( )
x x x
x x x
x x x
k k k
k k k
k k k
1
1
2 3
1
6
2
1
1
9
1
2
3
3
1
1
20
1 2
3
106 01
1 6
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
cos( ) /
sen . .
exp /
+
+
+
= +
= + +
=

t
Cdigo de la funcin
function y=f(x)
% Funcin para el mtodo de punto
% fijo con desplazamientos simultneos
y(1) = cos(x(2)*x(3))/3 + 1/6;
y(2) = sqrt(x(1)^2+sin(x(3))+1.06)/9-0.1;
y(3) = (1-exp(-x(1)*x(2)))/20 - pi/6;
Ejemplo 1: Desp. simultneos
Iter x
1
(k)
x
2
(k)
x
3
(k)
0 0.10000000 0.10000000 -0.10000000
1 0.49998333 0.00944115 -0.52310127
2 0.49999593 0.00002557 -0.52336331
3 0.5 0.00001234 -0.52359814
4 0.5
3.41679E8
-0.52359847
5 0.5
1.64870 E8
-0.52359877
Cdigo de la funcin
function y=f(x)
% Funcin para el mtodo de punto
% fijo con desplazamientos sucesivos
y(1) = cos(x(2)*x(3))/3 + 1/6;
y(2) = sqrt(y(1)^2+sin(x(3))+1.06)/9-0.1;
y(3) = (1-exp(-y(1)*y(2)))/20 - pi/6;
Ejemplo 1: Desp. sucesivos
Iter x
1
(k)
x
2
(k)
x
3
(k)
0 0.10000000 0.10000000 -0.10000000
1 0.49998333 0.02222979 -0.52304613
2 0.49997747 0.00002815 -0.52359807
3 0.5 3.762202E-8 -0.52359877
4 0.5 5.028E-11
-0.5235987756
Mtodo de Newton
Sistema de ecuaciones
Aproximacin por el plano tangente
Paso de Newton
F x
F IR IR
x x x f x f x
n n
n n
( )
:
( , ... , ) ( ( ), ... ( ))
=

=

0
1 1
F x F x DF x x x ( ) ( ) ( ) ( )
( ) ( ) ( )
~ +
0 0 0
x x DF x F x
( ) ( ) ( ) ( )
( ) ( )
1 0 0 1 0
=

Algoritmo de Newton
function [x,iter,incr] = newton(f,x,tol, m
axiter)
iter = 0; incr = tol+1;
while incr > tol & iter < maxiter
[fx,dfx] = feval(f,x);
delta = - dfx \ fx;
incr = norm(delta);
iter = iter+1;
x = x + delta;
end
if incr>tol, disp(No converge), end
El archivo f.m
evala la funcin
y el jacobiano
Mtodo de Newton. Ejemplo 2
Sistema
Estimacin inicial
Primera
iteracin
( )
x y
x y
Sol x y
2 2
2 2
1
2
1
2
3
4
1 0
0
+ =
+ =

`

= = : ,
x y
0 0
1 3 = = ,
x
y
x
y
x y
x y
x y
x y
1
1
0
0
0 0
0 0
1
0
2
0
2
0
2
0
2
1
2
2 2
2 2
1
|
\

|
.
|
|
=
|
\

|
.
|
|


|
\

|
.
|
+
+
|
\

|
.
|
|
|

Resultados Newton Ejemplo 2

k x y
0 1 3
1 0.62500000000000 1.62500000000000
2 0.51250000000000 1.04326923076923
3 0.50015243902439 0.88108161999291
4 0.50000002323057 0.86615404660332
5 0.50000000000000 0.86602541333757
6 0.50000000000000 0.86602540378444
DF x
x x x x x x
x x x
x e x e
x x x x
( )
sen( ) sen( )
( . ) cos( ) = +

|
\

|
.
|
|
|

3
2 162 01
20
3 2 3 2 2 3
1 2 3
2 1
1 2 1 2
Mtodo de Newton. Ejemplo 3
Sistema no lineal
Jacobiana
3 0
81 01 106 0
20 10 3 1 0
1 2 3
1
2
1
2
2
2
3
3
1 2
x x x
x x x
e x
x x
=
+ + + =
+ + =

cos( )
( . ) sen( .
/ t
Resultados Newton. Ejemplo
3
k x
1
x
2
x
3
0 0.10000000 0.10000000
0.10000000
1 0.49986967 0.01946685
0.52152047
2 0.50001423 0.00160764
0.52313166
3 0.50000012
1.48294E5 0.52355872
4 0.50000000
2.08910E8 0.52359840
5 0.50000000
2.792E11 0.52359878
6 0.50000000
4.E14 0.52359878
Variantes de Newton (Ejercicio...)
Actualizacin peridica del
Jacobiano
Aproximacin del Jacobiano por
diferencias divididas
Newton con desplazamiento
unidimensional
Mtodos casi-Newton
Idea de la secante
No usa las derivadas
parciales
Convergencia superlineal
Formulacin matricial
1
) 1 (
) 1 ( ) 2 (
0 1
0 1
1 1
a
) x ( f
x x
x x
) x ( f ) x ( f
a ) x ( ' f
=

= ~
) x ( F A x x
A ) x ( DF
) 1 (
1
1
) 1 ( ) 2 (
1
) 1 (
+ =
~

Mtodo de Broyden
1) (k (k)
k
1) (k (k)
k
T
k
2
k
k 1 k k
1 k k
(k)
1
k
(k) 1) (k
x x s
) F(x ) F(x y
s
s
) s A (y
A A
) F(x A x x

+
=
=

+ =
=
Iterar
siendo
Actualizacin de la inversa
A A
y A s
s
s
A
s A y s A
s A y
k
k k
k k k
k
k
k
k k k k k
k k k

= +

|
\

|
.
|
|
=
= +

=
1
1
1
2
1
1
1
1
1
1
1
1
1
12
( )
( )
, ,...
T
T
T
Algoritmo de Broyden
Entrada
x
0
,tol, maxiter
Inicio
M: Inversa del Jacobiano en x
0
x
1
= x
0
M*F(x
0
)
incr, iter
Iteraciones: k = 1, 2, ...
Actualizar M % A
k-1
-1
A
k
-1
x
k+1
= x
k
M*F(x
k
)
Actualizacin de M
w = v; % F(x
k1
)
v = F(x); % F del iterado actual
y = v w; % F(x
k
) F(x
k1
)
z = M*y; % A
k1
-1
*
y
k
p = s' *z; % (s
k
- x
k-1
)
T
*
A
k1
-1
*
y
k
q = s' *M; % s
k
T
*
A
k1
-1
R = (s+z)*q/p; % Transformacin rango 1
M = M+R; % Inversa nueva: A
k
-1
s = M*v; % Paso de Broyden: s
k+1
Algoritmo
de Broyden
% Inicio
v = F(x
0
)
M = inv(DF(x
0
))
% Inversa Jacobiano
s = M*v;
x = x
0
+s;
% Paso de Newton
incr = norm(s);
while incr > tol
w = v; % F(x(k1))
v = F(x);
y = vw; % F(x(k)) F(x(k1))
z = M*y; % inv(A(k1))*y(k)
p = s' *z;
q = s' *M; % s(k)'*inv(A(k1)
R = (s+z)*q/p;
M = M+R; % inversa de A(k)
s = M*v;
x = x+s; % Paso de Broyden
incr = norm(s);
end
Resultados de Broyden.
Ejemplo
k x
1
x
2
x
3
0 0.10000000 0.10000000
0.10000000
1 0.49986967 0.01946684
0.52152047
2 0.49998637 0.00873783
0.52317457
3 0.50000660 0.00086727
0.52357234
4 0.50000032 0.00003953
0.52359768
5 0.50000000 0.00000019
0.52359877
Alternativas al primer paso
Estimar el Jacobiano por diferencias divididas
Estimacin unidimensional del Jacobiano
)) x x /( )). x ( F ) x ( F (( diag A
0 1 0 1 0
=
Conclusiones
Una seria desventaja de la iteracin es que
la convergencia depende de la manera en
que se formula la ecuacin
El mtodo Newton Raphson para dos
ecuaciones se puede generalizar para
resolver n ecuaciones simultneas.
Muchas Gracias