Sistemas No Lineales

Mg. Jaime
Viza
Solucin de Sistemas No
Lineales de Ecuaciones
f1 ( x1 , x2 ,..., xn ) 0
f 2 ( x1 , x2 ,..., xn ) 0 o

f n ( x1 , x2 ,..., xn ) 0

Compacta f ( x ) 0;
Solucin de Sistemas No Lineales de
Ecuaciones por mtodos iterativos:

f1 ( x1 , x2 ,..., xn ) 0
f 2 ( x1 , x2 ,..., xn ) 0
o

f n ( x1 , x2 ,..., xn ) 0

Compacta f ( x ) 0;
Consiste en despejar del sistema anterior las
variables x1 , x2 , . . . , xn , de la siguiente
forma:
x1 g1 ( x1 , x2 ,..., xn )
x2 g 2 ( x1 , x2 ,..., xn )
o

xn g n ( x1 , x2 ,..., xn )

Compacta x g ( x );
Donde gi es el despeje de fi en xi
El proceso consiste en tomar un punto
inicial x0 y aplicarlo en el sistema
despejado y obtener un nuevo x1, con
este x1 se consigue el resultado de otro
x2 y as sucesivamente hasta que se
cumpla la tolerancia pre establecida.

Las funciones gi deben cumplir

...
ciertas condiciones para poder tener
la certeza que la solucin es buena.
La tolerancia se puede dar por:

|| xi - xi-1 || < Error.

De dos soluciones consecutivas xi .
Las condiciones de convergencia son:
g1 gn
q1 1
x1 x1

g1 gn
........ qn 1
xn xn
Ejemplo:
Hallar las races positivas del sistema:

2 x y 7 0;
3 2

xy y 51 0;
3
Despejando tendremos:

y 72 y 51
x3 ; y 3 ;
2 x
La Figura del Ejemplo:
Indicando la Raz del Ejemplo:
 y2 7 y 51
x 3 ; y 3 ;
2 x
Empezando el proceso del punto
inicial x0 =(1, 1), se tiene:

1 7 3
2
x 3 4 1.587401;
2
1 51 3
y 3 52 3.732511;
1
(x, y)1 =(1.587401, 3.732511),
 y2 7 y 51
x 3 ; y 3 ;
2 x
Seguimos el proceso del punto inicial
x1 =(1.587401, 3.732511), se tiene:

3.7325112
7
x 3 2.187381;
2

3.732511 51
y 3 3.254764;
1.587401

(x, y)2 =(2.187381, 3. 254764),

 y 2
7 y 51
x3 ; y 3 ;
2 x
Seguimos el proceso del punto inicial
x2 =(2.187381, 3. 254764), se tiene:
3.254764 7
2
x 3 2.064306;
2

3.254764 51
y 3 2.916378;
2.187381
(x, y)3 =(2.064306, 2.916378),
 y 2
7 y 51
Puntos de solucin:
x3 ; y 3 ;
2 x
x3 =(2.064306, 2.916378), E=0.360111
x4 =(1.9791597, 2.9669857) E=0.099072
x5 =(1.9917579, 3.0098795) E=0.0447066
x6 =(2.0024709, 3.0043156) E=0.0120726
x7=(2.0010791, 2.9988455) E=0.00564442
x8=(1.9997114, 2.9994393) E=0.00149106
x9=(1.9998598,3.0001339)E=0.000710353
x10=(2.0000335,3.000073)E=0.000184188
x11=(2.000018,2.999985)E=0.0000892995
 Le Dejamos un Problema para el
estudiante: punto inicial
x0 = ( 3.5, 2.2 ), de:

f1 ( x, y ) 2 x xy 5 x 1 0
2
;

f 2 ( x, y ) x 3 log10 ( x) y 0
2
Y uno de sus Despejes sera:
x( y 5) 1
x ;
2 y x 3 log10 ( x) ;
> x = 1.729923541 y = 1.563331144
 Mtodo de Newton
Forma de Cramer.
f1 ( x1 , x2 ,..., xn ) 0
f 2 ( x1 , x2 ,..., xn ) 0
o

f n ( x1 , x2 ,..., xn ) 0

Compacta f ( x ) 0;
 La Solucin la construiremos slo
para dos Ecuaciones:
f1 ( x1, x2 ) 0 o
f 2 ( x1, x2 ) 0
Su forma despejada DESPEJADA.
x1 g1 ( x1, x2 )
x2 g 2 ( x1, x2 )
 Donde la gi son la presentacin de
Cramer para el caso de sistemas
NO LINEALES:
Recordamos Newton de una:
f ( xn )
xn1 xn
f ' ( xn )
Ahora de Dos variables:
x x 1 f1 ( x, y )
[ F ( x, y )]
y n1 y n f 2 ( x, y )
 Donde: 1
[ F ( x, y)]
es la inversa de la jacobiana de:

f1 ( x, y ) esta se consigue por

; las derivadas de la
f 2 ( x, y ) siguiente forma:
f1 f1

x y
[ F ( x, y )]
f 2 f 2
x y

 f1 f1

x y
[ F ( x, y )]

f2 f 2
x y

O ms simplemente:
( f1 ) x ( f1 ) y
[ F ( x, y )]
( f 2 ) x ( f 2 ) y
Y su Inversa est dada por:
1
1 ( f1 ) x ( f1 ) y
[ F ( x, y )]

( f
2 x ) ( f )
2 y Donde la.D est
dada por:
1 ( f 2 ) y ( f1 ) y D=(f1)x(f2)y (f1)y(f2)x

D ( f 2 ) x ( f1 ) x
 f1 f1

x y
[ F ( x, y )]
f 2 f 2
x y
Continuando las operaciones:

1 f1 ( x, y)
[ F ( x, y )]
f 2 ( x, y )
1 ( f 2 ) y ( f1 ) y f1 ( x, y)

D ( f 2 ) x ( f1 ) x f 2 ( x, y)

Donde la. D est dada por:

D=(f1)x(f2)y (f1)y(f2)x
1
1 1 x
(f ) ( f1 ) y
[ F ( x, y )]

( f2 ) x ( f2 ) y
 1
1 1 x
(f ) ( f1 ) y
[ F ( x, y )]

Continuando las operaciones: ( f2 ) x ( f2 ) y

1 f1 ( x, y)
[ F ( x, y )]
f 2 ( x, y )
1 ( f 2 ) y f1 ( x, y) ( f1 ) y f 2 ( x, y)

D ( f 2 ) x f1 ( x, y) ( f1 ) x f 2 ( x, y)

Donde la.D est dada por:

D=(f1)x(f2)y (f1)y(f2)x
 Por fin:
1 1 f1 ( X n )
X n1 X n [ F ( X n )]
D f2 ( X n )

x x 1 ( f 2 ) y f1 ( x, y ) ( f1 ) y f 2 ( x, y )

y n1 y n D ( f 2 ) x f1 ( x, y ) ( f1 ) x f 2 ( x, y )

Donde la.D est dada por:

D=(f1)x(f2)y (f1)y(f2)x 1
1 1 x
(f ) ( f1 ) y
[ F ( x, y )]

( f2 ) x ( f2 ) y
 O Por variables:
xn1 xn [( f 2 ) y f1 ( x, y )
( f1 ) y f 2 ( x, y )] / D

yn1 yn [( f 2 ) x f1 ( x, y)
( f1 ) x f 2 ( x, y)] / D

Donde la.D est dada por:

D=(f1)x(f2)y (f1)y(f2)x
 El truco aqu es calcular cada una
de las variables componentes o sea:
Dar los valores iniciales:
xk x ; yk y ;
Reemplazarlos en cada frmula o variables
compuestas:
f1 ( xk , yk ) ? f 2 ( xk , yk ) ?
( f1 ) x ? ( f1 ) y ? ( f 2 ) x ?

( f2 ) y ? D=?
Ejemplo:
Hallar las races positivas del sistema:

2 x y 7 0;
3 2

xy y 51 0;
3

Acomodando tendremos:

f1 ( x, y) 2 x y 7 0;
3 2

f 2 ( x, y) xy y 51 0;
3
 Siguiendo: [derivando]

( f1 ) x 6 x ; ( f1 ) y 2 y;
2

( f 2 ) x y ; ( f 2 ) y 3xy 1;
3 2

D 6 x (3xy 1) y (2 y);
2 2 3

Luego reemplazamos el punto

inicial: x0 = ( 1, 1 )
 n=0
Siguiendo: [ x0 = ( 1, 1 )]
( f1 ) x 6(1 )
2 ( f1 ) y 2(1)
6; 2;

( f 2 ) x 13 1; ( f 2 ) y 3(1) 1
2;

D 6(3 1) ( 2) 14;
Luego reemplazamos en la frmula:
 n=0
O Por variables:
f1 (1,1) 2 1 7 6;
f 2 (1,1) 1 1 51 51;
xn 1 xn [( f 2 ) y f1 ( x, y ) ( f1 ) y f 2 ( x, y )] / D

x1 1 [(2)(6) (2)(51)] / 14

yn1 yn [( f 2 ) x f1 ( x, y ) ( f1 ) x f 2 ( x, y )] / D

y1 1 [(1)(6) (6)(51)] / 14
Luego:
x1 1 [114] / 14
1 [8.1428571429]
9.1428571429

y1 1 [ 300] / 14
1 [ 21.428571429]
22.428571429
Y [x1=(9.1428571429, 22.428571429 )]
( f1 ) x 501.5510204129;
( f1 ) y 44.857142858;
( f 2 ) x 11282.486881113;
( f 2 ) y 13796.6909626911;
D 7425844.55647829;
f1 ( x, y) 1018.495626824;
f 2 ( x, y) 103080.73719923;

Luego reemplazamos en la frmula:

 O Por variables:
x2 9.1428571429 [(13796.6909626911)
(1018.49562682443) ( 44.857142858)
(103080.737199233)]/7425844.55647829
6.6278870782

y2 22.428571429 [(11282.4868811132)
(1018.49562682443) (501.5510204129)
(103080.737199233)]/7425844.55647829
17.0138222950
 x x 1 ( f ) f ( x, y) ( f1 ) y f 2 ( x, y)
2 y 1
n1 n
y y ( f ) f ( x, y ) ( f ) f ( x , y )
Siguiendo: D 2 x 1 1 x 2

3 x = 4.9932397 y= 12.752340
4 x = 3.9007742 y= 9.4564017
5 x = 3.1421550 y= 6.9726907
6 x = 2.6083165 y= 5.1658899
7 x = 2.2540690 y= 3.9408962
8 x = 2.0643102 y= 3.2544553
9 x = 2.0055928 y= 3.0241288
10 x = 2.0000510 y= 3.0002375
11 x = 2.0000000 y= 3.0000000
 Le Dejamos un Problema para el
estudiante [ya visto]: punto inicial
x0 = ( 3.5, 2.2 ), de:

f1 ( x, y ) 2 x xy 5 x 1 0
3
;

f 2 ( x, y ) x 3 log10 ( x) y 0
2

La solucin se ver en la siguiente:

6 x = 1.729923541
y = 1.563331144
Mtodo de Newton presentacin
usando Gauss
Ahora de Dos variables:
x x 1 f1 ( x, y )
[ F ( x, y )]
y n1 y n f 2 ( x, y )

vx x x
Haciendo
vy
y n1 y n

vx f1 ( x, y ) El cual tiene la

[ F ( x, y )] forma Ax=b de
v
y f 2 ( x, y )
los sistemas
lineales
A x=b
 Donde nos evitamos el clculo de:
[F(x,y)]1 que es la inversa de la jacobiana.
f1 f1
v
x y x f1 ( x, y )

f 2 f 2 v y
f 2 ( x, y )
x y

El valor del nuevo x se consigue con:

x x vx

y n1 y n v y
7.3. MTODO DE NEWTON (Caso general)
Consideremos, de una forma general, un Sistema No
Lineal de Ecuaciones
f1 ( x1, x2 , ..., xn ) 0
f ( x , x , ..., x ) 0
2 1 2 n . . (1)


f n ( x1, x2 , ..., xn ) 0

con los primeros miembros reales.

x1
Escribimos este sistema (1) en forma x
matricial, considerando el conjunto de X 2
argumento x1, x2, ..., xn como un vector n-

dimensional: xn
 f1
Anlogamente, el conjunto de funciones f1, f
f2, ..., fn es tambin un vector n-dimensional F 2

(funcin vector):
fn
El sistema (1) puede escribirse en forma matricial
(compacta o abreviada):
F(x)=0. (1)

Resolveremos el sistema (1) por el mtodo de

aproximaciones sucesivas. Supongamos que hemos hallado
la p-sima aproximacin.
Xp=(x1p, x2p, ..., xnp)
de una de las races separadas x=(x1, x2, ..., xn) de la ecuacin
vectorial (1). La raz exacta de (1) puede representarse
entonces, como
X= Xp+p, (2)
donde p = (1p, 2p, ..., np) es la correccin (error del
mtodo).
Remplazando (2) en (1), resulta:
F(X p+ p)=0. (3)
Suponiendo que la funcin F(x) es continuamente
diferenciable en un cierto dominio convexo que contiene
X y Xp, desarrollando el primer miembro de (3) en
potencias (Taylor) del pequeo vector p, limitndonos a los
trminos lineales, resulta:
F(X p+ p) = F(X p) + F(X p)( p) = 0. (4)
.

De la frmula (4) se deduce que la derivada F(X) ha de ser

considerada como la matriz jacobiana del conjunto de
funciones f1, f2, ..., fn con respecto a las variables x1, x2, ..., xn;
esto es,
 f1 f1

x y
[ F ( x, y )]
esto es, f1 f1 f1 f 2
x
f 2
y
x

x2 xn
1
f2 f2

f2
F' ( X ) W ( X ) x x2 xn
1
f fn fn
n
x1 x2 xn
o, abreviadamente,
fi
F' ( X ) W ( X ) ; (i, j = 1, 2, , n)
xi
El sistema (4) es un sistema lineal en las correcciones p y
con la matriz W(X), se puede escribir como sigue:
F(Xp)+W(Xp)(p)=0
de donde, dando por supuesto que la matriz W(Xp) es no
singular, tenemos:
p= W 1(X p )F(X p )

en consecuencia resulta:
X p+1= X p W 1(X p )F(X p ), (p = 0, 1, 2, ). (5)

(Mtodo de Newton).
Para la aproximacin de orden cero X0, podemos tomar
un valor aproximado de la raz estimado por algn
mtodo.
3. Ejemplo:
x y z 1
2 2 2
Aproxime las soluciones 2
positivas del siguiente 2 x y 2
4z 0
sistema: 3x 2 4 y z 2 0

 por el mtodo de Newton, dando el punto inicial
X0=(0.5,0.5,0.5)
x 2 y 2 z 2 1
Solucin:
Tenemos: F ( x) 2 x y 4 z
2 2

3x 2 4 y z 2

de donde
0.52 0.52 0.52 1 0.25 0.25 0.25 1 0.25

F (X 0 ) 2(0.5) 2 0.52 4(0.5) 0 .5 0.25 2.00 1.25

3(0.5) 2 4(0.5) 0.52 0.75 2.00 0.25 1.00

 Formemos la Matriz Jacobiana
2 x 2 y 2 z
W (X ) 4 x 2 y 4
6 x 4 2 z

Tenemos 1 1 1
W ( X 0 ) 2 1 4
3 4 1
Calculando la inversa de W: 3 1 1
8 8 8
7 1 3
1
W (X )
0

20 20 20
11 7 1
40 40 40
Usando la frmula de Newton (5):
X 1= X 0 W 1 ( X 0 ) F ( X 0)
3 1 1
8 0.25
0.5 8 8
1 3
1.25
7 1
X 0.5
20 20 20
0.5 11 7 1 1.00

40 40 40
0.5 0.375 0.875
X 1 0.5 0 0.500
0.5 0.125 0.325

Continuando con el proceso tenemos:

 Continuando con el proceso tenemos:

0.15625
F ( X 1 ) 0.28125
0.43750
15.25 3.75 4.75
1
W 1 ( X 1 ) 23.625 2.625 9 .625
64.75
19.25 12.25 1.75
Utilizando la frmula (5), obtenemos:
X 2 = X 1 W 1 ( X 1 )F ( X 1 )

0.875 15.25 3.75 4.75 0.15625

2 (1) 0.28125
X 0.500 23.625 2.625 9 .625
64.75
0.325 19.25 12.25 1.75 0.43750
 0.875 0.08519 0.78981
X 2 0.500 0.00338 0.49662
0.325 0.00507 0.36993

las siguientes se hallan de la misma forma. Por ejemplo

0.78521 0.00001
X 3 0.49662 F ( X 3 ) 0.00004
0.36992 0.00005
Observacin: el proceso aqu presentado se puede
hacer un tanto ms fcil, veamos:
Lo que se escribi:
F ( X p ) + W ( X p )( p ) = 0

dando por supuesto que la matriz W(Xp) es no singular,

W ( X p )( p ) = F ( X p ), (6)

en consecuencia usando la expresin (2) resulta:

W ( X p ) (X p+1 X p ) = F ( X p )

X p+1 = X p + p, (p = 0, 1, 2, ).
o para la aplicacin

p = X p+1 X p
El sistema (6) se puede resolver con algn mtodo del
mercado para la solucin de sistemas lineales.
2 x 2 y 2 z 1 x 2 y 2 z 2 1
4 x 2 y 4 2 x 2 y 2 4 z
2
6 x 4 2 z 3 3x 2 4 y z 2

Si para facilitar lo trabajamos como matriz ampliada
empezando con X0=(0.5,0.5,0.5) sera:
1 1 1 1 0.25
2 1 - 4 1.25 1 1 1 0.25
2
3 - 4 1 3 1 2 1 - 4 1.25

3 - 4 1 1
 p = X p+1 X p
resolviendo resulta
X p+1 = X p + p
1 0.3750000000
- 0.0000000000
2
3 1 - 0.1250000000

x1 0.5 0.3750 0.875

x 0.5 0.0000 0.5
2
x3 1 0.5 - 0.1250 0.375

continuando:
1 - 0.00460625
- 0.000010227 x1 0.785210443444361
2 x 0.496611393007268
3 3 - 0.0000096016 2
x3 3 0.369922830787265
 f1 f1

x y
[ F ( x, y )]

f2 f 2
Mtodo de Newton x
y

Usando el enfoque n-dimensional usando una matriz

a11( X ) a12 ( X ) ... a1n ( X )
a ( X ) a ( X ) ... a2n ( X )
A( X )
21 22


an1 ( X ) an 2 ( X ) ... ann ( X )

donde cada una de las componentes aij(X) es una funcin de

Rn a R. Para un que sea un procedimiento iterativo de punto
fijo se requiere que se encuentre A(X) tal que
G(X) = x A(X)1F(X)
Y tenga convergencia cuadrtica a la solucin F(X)=0,
siempre que, desde luego, A(X) sea no singular en el punto
fijo de G.
 f1 f1

x y
Ello se formaliza en el siguiente resultado [ F ( x, y )]

f2 f 2
x y
que motiva la eleccin de la Matriz A.

Teorema
Supongamos que p es una solucin de G(X)=X para alguna
funcin G=(g1, g2, ..., gn)T, que manda a Rn a R. Si existe un
nmero >0 con la propiedad de que
i) gi/Xj es continua en N={X| ||Xp||<} para cada i=1, 2,
..., n, y k=1, 2, ..., n,
ii) 2gi(X)/(XjXk) es continua y | 2gi(X)/(XjXk) | M
para alguna constante M, siempre que xN para cada i=1, 2,
..., n, j=1, 2, ..., n y k=1, 2, ..., n,
iii) gi(p)/Xj =0 para cada i=1, 2, ..., n, y j=1, 2, ..., n,
entonces existe un nmero 1 tal que la sucesin generada
por Xk=G(Xk1) converge cuadrticamente a p para cualquier
X0 siempre que ||X0p||<1. Adems tenemos
||Xkp||(n2M/2)||Xk1p||2 para cada k1.
Se Termino
FIN.1
Les Agradece su
Atencin.1
Pero no se mueva PERO NO SE

viene
MUEVA
Viene metodo de
gradiente