Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sist Ecuac No Lineales
Sist Ecuac No Lineales
SISTEMAS DE ECUACIONES
NO LINEALES
Ing. Jorge J. L. Ferrante
Colaboradores
2011
PROLOGO
Los sistemas de ecuaciones no lineales son pesados y complejos,
requieren un volumen importante de clculo y el xito depende tanto del
mtodo elegido como de los problemas numricos involucrados y la habilidad
del analista.
Descartados para este tema los denominados mtodos exactos, que
luego de un determinado nmero de pasos llevan a la solucin, salvo alguna
afortunada inspiracin y a la aplicacin oportuna de una triquiuela
apropiada; slo quedan disponibles mtodos aproximados, iterativos, que
aproximan la solucin hasta que ciertas condiciones quedan satisfechas.
Con ellos hay que operar.
Algunos son similares a los aplicados para la bsqueda de races de
ecuaciones con una incgnita. La similitud es conceptual puesto que en estos
sistemas, el clculo debe hacerse en espacios de n dimensiones, con todo lo
que ello implica.
Se han consignado las similitudes correspondientes.
Se presentan en este trabajo los mtodos de iteracin simple o del
punto fijo, el de Raphson Newton y el del gradiente o del descenso ms
rpido.
Este ltimo, conceptualmente simple, es a veces operativamente
inabordable, motivo por el cual no debe extraar la cantidad de trabajo de
investigacin y comentarios que existen sobre el mismo en la bibliografa
especializada.
El Ing. Carlos Krujovsky realiz la mayor parte de los ejemplos que se
incluyen. Me consta que la tarea fue pesada pero debo decir que la realiz
exitosamente.
Junto a Mario Di Blasi Regner dieron acertadas y oportunas opiniones
sobre el trabajo.
En ocasiones, el amigo y colega docente, Lic. Hernn Gonzlez de
Urreta, con autorizada opinin, supo sacarnos de algn pozo de dificultades
en el que nos habamos metido.
A los tres, muchas gracias.
GENERALIDADES
1
Se considera la bsqueda de la solucin de un sistema de ecuaciones
no lineales del tipo
f 1 ( x1 , x 2 ,..., x n ) = 0
f ( x , x ,..., x ) = 0
2 1 2
n
..........
..........
........
f n (x1 , x 2 ,..., x n ) = 0
x1
x
x= 2
....
xn
f (x ) = 0
3
Tambin se supone que ha sido encontrada una aproximacin inicial a
la raz buscada, que se denominar aproximacin de orden 0
x1
(0)
( 0)
x ( 0) = 2
......
xn
( 0)
y que se tomar como punto de partida para los mtodos que a continuacin
se presentan.
4
El lector debe estar al tanto de las denominadas normas de vectores
y matrices puesto que el problema que en una variable se soluciona con el
valor absoluto debe ser tratado mediante normas en espacios vectoriales
de n dimensiones para vectores y matrices.
5
Estas normas, que usualmente se representan mediante donde
las dobles barras indican norma, el smbolo indica el nombre del vector o la
matriz y el subndice la norma especfica que se utiliza en el momento.
6
Se recuerda que se denomina norma sobre Rn a toda aplicacin
definida en Rn que toma valores reales no negativos y verifica que:
x =0x =0
x = x , R, x R n
x + y x + y , x , y R n
7
As en el espacio vectorial Rn son normas vectoriales posibles para el
vector x
i =n
x 1 = xi
i =1
i =n
= Mx{x i }
i =1
1 i n
8
Si xk y xm son vectores de Rn, se llama distancia asociada a la norma
*, al nmero
d (x k , x m ) = x k x m
9
Si se trata de matrices An definidas en Rn se definen como normas los
reales no negativos que verifican
A =0 A=0
A = A , R, A R n
A + B A + B , A, B R n
A. B A . B , A, B R n
10
2
i, j
j =1 i =1
A 1 = Mx a i , j
i =1
1 j n
A 2 = Mx a i , j
j =1
1 i n
11
siguiente
donde At es la transpuesta de la matriz A y indica el radio espectral, es
decir el mdulo del valor propio que tenga mayor mdulo del producto At A
II
12
La iteracin de punto fijo para sistemas de ecuaciones no lineales
tiene muchas similitudes conceptuales con el mtodo de iteracin simple
visto en el captulo RAICES DE ECUACIONES. La dificultad a salvar es la
correspondiente al trabajo en espacios de n dimensiones donde los mdulos
antes utilizadas se valoran ahora en trminos de normas de vectores y
matrices. La convergencia ser la convergencia de sucesiones de vectores,
como a continuacin se presenta.
13
o su equivalente
f 1 ( x1 , x 2 , x 3 ,..., x n ) = 0
f ( x , x , x ,..., x ) = 0
n
2 1 2 3
f 3 ( x1 , x 2 , x 3 ,..., x n ) = 0
.................................
f n ( x1 , x 2 , x 3 ,..., x n ) = 0
x1
(0)
( 0)
x ( 0) = 2
......
xn
( 0)
14
El primer paso a dar es transformar el sistema dado en otro de la
forma
x = (x )
o su equivalente
x1 = 1 ( x1 , x 2 , x 3 ,..., x n )
x = ( x , x , x ,..., x )
2
1
2
3
n
2
x 3 = 3 ( x1 , x 2 , x 3 ,..., x n )
.................................
x n = n (x1 , x 2 , x 3 ,..., x n )
15
La eleccin de las funciones no es para nada trivial pues de ellas
depende nada menos que la convergencia o no convergencia del mtodo en
estudio.
Algunas posibles son elementales, por ejemplo
x = x + f (x ) (x ) = x + f (x )
x = x f (x ) (x ) = x f (x )
x k +1 = (x k )
o su equivalente
(
(
(
)
)
)
x1 k +1 = 1 x1 k , x 2 k , x 3 k ,..., x n k
k +1
k
k
k
k
x 2 = 2 x1 , x 2 , x 3 ,..., x n
k +1
k
k
k
k
x 3 = 3 x1 , x 2 , x 3 ,..., x n
.........................................
x n k +1 = n x1 k , x 2 k , x 3 k ,..., x n k
17
Se plantean, como siempre, las siguientes preguntas: es convergente
el proceso?, si lo es, converge a la solucin del problema, es decir, a las
races del sistema?
18
limx k +1 = lim (x k )
k
limx k +1 =
k
lim (x k ) =
k
()
d [ ( x ), ( y )] Ld ( x , y ), x , y D
y que la constante L sea menor que 1
20
x k +1 = (x k )
ser
d (x 1 , x 2 ) = d (x 0 ), (x 1 ) Ld (x 0 , x 1 )
d (x 2 , x 3 ) = d (x 1 ), (x 2 ) Ld (x 1 , x 2 ) L2 d (x 0 , x 1 )
..........................................................
d (x n , x n +1 ) = d (x n 1 ), (x n ) Ld (x n 1 , x n ) ... Ln d (x 0 , x 1 )
d (x n , x n + p ) d (x n , x n +1 ) + d (x n +1 , x n + 2 ) + d (x n + 2 , x n + 3 ) + ... + d (x n + p 1 , x n + p )
Ln d (x 0 , x 1 ) + Ln +1 d (x 0 , x 1 ) + Ln + 2 d (x 0 , x 1 ) + ... + Ln + p 1 d (x 0 , x 1 ) =
0 1
Ln d (x 0 , x 1 )
2
p 1
L d (x , x )(1 + L + L + ... + L )
1 L
n
Ln
d (x n , x n + p )
d (x 0 , x 1 )
1 L
como es una contraccin L es menor que uno, entonces para cualquier > 0
basta con tomar
(1 L )
log 0 1
d (x , x )
N
log(L )
para que se verifique que la distancia d(xn,xm=n+p) < para todo par de ndices
n y m mayores que N. En consecuencia la sucesin
x k +1 = (x k )
es una sucesin de Cauchy (criterio general de convergencia de sucesiones)
y, en consecuencia, tiene lmite y ese lmite es un punto fijo de la aplicacin
dado que:
x k +1 (x k ) ( ) = ( )
k
d ( 0 , 1 ) = d [ ( 0 ), ( 1 )] Ld ( 0 , 1 ) < d ( 0 , 1 )
0 = d ( 0 , 1 ) = d [ ( 0 ), ( 1 )] Ld ( 0 , 1 ) = 0
lo que asegura la unicidad del punto fijo.
22
Asimismo, si en la ltima expresin del prrafo 20 precedente se pasa
al lmite cuando p se tiene:
n n+ p
n
Ln
limd (x , x ) = d (x , ) =
d (x 1 , x 0 )
1 L
p
que indica que la "distancia" ( en trminos de la norma utilizada) entre el
vector de aproximacin correspondiente al ensimo paso y el vector raz del
sistema depende, por un lado del valor de la constante L y, por otro de la
bondad (cercana) de la aproximacin inicial a la raz con el vector x0.
23
Siendo necesariamente L positiva y L < 1 por hiptesis, el conjunto de
nmeros reales entre los que puede variar L define de cierta forma la
velocidad de la convergencia. Si L es positiva y muy prxima a 0, Ln ser un
real extremadamente pequeo, con lo cual, en cada paso de clculo la
distancia entre el vector vigente y el vector solucin decrece rpidamente.
Obsrvese que el denominador 1-L es, en este caso muy prximo a 1.
24
Por el contrario si L es menor que 1 pero muy prxima a dicho valor, Ln
no ser insignificante y su divisor 1-L ser bastante pequeo como para que
Ln /(1-L) signifique una contraccin pero lenta o muy lenta (o desesperante).
25
d (x k , x k +1 ) = d (x k 1 ), (x k ) < Ld (x k 1 , x k )
lo que indica que la contraccin, en cada paso de clculo depende de L. Si L,
siendo siempre positiva y menor que 1 es grande (cercana a 1), la nueva
distancia ser ms chica pero bastante "parecida" a la anterior, si es muy
chica (cercana a cero) la nueva distancia ser mucho menor que la
correspondiente al paso anterior.
26
Se debe recordar al leer estos prrafos el mtodo de iteracin
simple de una ecuacin donde se demostr que el error en un paso es
proporcional, con constante de proporcionalidad L, al error en el paso
anterior. Las similitudes son evidentes. All el trabajo era con funciones de
una variable independiente, en intervalos y valores absolutos, aqu es con
funciones de n variables (vectores), con normas y distancias, pero el fondo
del tema es el mismo. En cada paso de clculo se est ms cerca de la raz,
con un ritmo "lineal".
27
Otro punto a tomar en consideracin es la bondad del ajuste inicial,
es decir que tan prximo al vector solucin est el vector de partida x(0)
seleccionado. Dado que x1 surge como primer paso de clculo partiendo de
x0, la distancia entre ambos ser "grande" si x0 es lejano a la solucin y ser
"chica" si no lo es. Como esta distancia d(x1, x0 ) es parte invariable de la
frmula del prrafo 25 precedente, el mtodo ser mejor en el sentido de
velocidad de convergencia, cuanto menor sea esta distancia.
28
En resumen, cuando el sistema de ecuaciones no lineales fk(xi) = 0 k,i
1,n se transforma en el sistema
x1 = 1 ( x1 , x 2 , x 3 ,..., x n )
x = ( x , x , x ,..., x )
2
1
2
3
n
2
x 3 = 3 ( x1 , x 2 , x 3 ,..., x n )
.................................
x n = n (x1 , x 2 , x 3 ,..., x n )
1
x1
2
J [ ( x )] = x
1
...
n
x1
1
x 2
2
x 2
...
n
x 2
1
x n
2
...
x n
... ...
n
...
x n
...
que
esto es as porque, aplicando el teorema del valor medio puede escribirse
(x p ) (x q ) = J [ (x r )](x p x q ), x r D
(x p ) (x q ) = J [ (x r )](x p x q ) J [ (x r )] (x p x q ) L (x p x q ) < (x p x q )
31
Para ello, en una primera etapa se buscan aproximaciones a dichas
races mediante mtodos grficos. Si bien para la primera ecuacin no hay
problema para su representacin, la segunda resulta dificultosa an para el
comando ImplicitPlot de MATHEMATICA, que no se lleva bien con las
funciones trigonomtricas para el clculo de pares (x,y) de la funcin
implcita.
32
Una solucin a este nuevo problema consiste en aproximar a las
funciones sen(x) y cos(y) por su aproximacin mediante polinomios de Mc
Laurin. Ntese que la convergencia de las series que se truncarn es muy
buena y que los resultados que se buscan son groseros.
33
Se obtiene con este mtodo el siguiente grfico. Pueden visualizarse
cuatro races.
10
10
34
Para precisar un poco mejor la aproximacin inicial, se utiliza otro
recurso de MATHEMATICA, el comando ContourPlot, que permite obtener
el siguiente grafico para la raz ms prxima al origen en el primer
cuadrante.
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
35
Se elije la que se encuentra en las cercanas de (x,y) =( 0.1,0.2) y se
toman estos valores como valores iniciales.
36
x 2 = 2 ( x1 , x 2 )
escribiendo
x = ( y 2 ) / 5
) (
Ln
lim d x n , x n + p = d x n , =
d x1, x 0
1 L
p
1
x
J ( x, y ) =
2
x
1
y
0
0.089442
0
y
=
=
5
2
0.2487510 0.049967
0.25Cos ( x) 0.25Sen( y ) ( x , y ) =( 0.1,0, 2)
y ( x , y ) =( 0.1, 0.2 )
Se calcula ahora
a11
a
21
a12
a 22
=
F
(a )
2
ij
i =1 j =1
Este valor indica que el Mtodo del Punto Fijo, para este sistema, es
convergente
39
Se calcula, iterativamente
(xo,yo)
0.10000
(x1,y1)
(x2,y2)
(x3,y3)
(x4,y4)
(x5,y5)
(x6,y6)
(x7,y7)
(x8,y8)
0.089442
0.154222
0.115208
0.125288
0.120297
0.121754
0.121103
0.121308
0.20000
0.34485
0.257612
0.280153
0.268992
0.27225
0.270794
0.271253
0.271061
III
RAPHSON NEWTON
40
Se recuerda que en el trabajo RAICES DE ECUACIONES se
desarroll el mtodo de Newton para ecuaciones del tipo f(x) = 0. En esa
oportunidad se demostr que la sucesin recurrentemente formada a partir
de un valor x0 tomado donde el signo de la funcin y su derivada segunda
son coincidentes mediante la expresin
x k +1 = x k
f (xk )
f ( x k )
lim x k =
k
f ( ) = 0
Y que la convergencia es cuadrtica queriendo significar con ello que
x k +1 < Q x k
41
Ahora, en el caso de sistemas de ecuaciones no lineales el problema a
enfrentar es el siguiente:
Primero, un sistema de ecuaciones no lineales que vectorialmente puede
escribirse
f (x ) = 0
y escalarmente de la forma
f1 ( x1 , x 2 , x3 ,..., x n ) = 0
f ( x , x , x ,..., x ) = 0
n
2 1 2 3
f 3 ( x1 , x 2 , x3 ,..., x n ) = 0
....................................
f n ( x1 , x 2 , x3 ,..., x n ) = 0
x ( 0)
x1 ( 0 )
(0)
x2
( 0)
= x3
.......
xn (0)
42
Como puede apreciarse, el planteo es similar. Pero ahora interviene la
complicacin emergente del trabajo en un espacio de n dimensiones, lo que
modifica algo lo hecho anteriormente, aunque las semejanzas conceptuales
son muy marcadas.
43
Se supone un incremento
h1
h2
h = h3
....
hn
x = x (0) + h
1
f x ( 0) + h = f x ( 0 ) + h . f x ( 0) + h .
2!
(
1
)
(
)
n
1
1
h .
f x ( 0 ) + h . f x ( )
(n 1)!
n!
) ( ) ( )( )
( )
( )
( ) ( )
( 2)
( 0)
( 3)
( 0)
e1 +
e2 +
e3 + ... +
en
x1
x 2
x3
x n
h1 +
h2
x 2
x1
( 2)
f ( x1 , x 2 ) =
2 f ( x1 , x 2 )
x1
h1 +2
2
2 f ( x1 , x 2 ) 2
2 f ( x1 , x 2 )
h2
h1 h2 +
2
x1x 2
x 2
44
Limitando el desarrollo a los trminos lineales (ver similitud con lo
expresado en prrafo N precedente) se tiene
f x ( 0) + h = f x ( 0) + h. f x ( 0 )
) ( ) ( )( )
f 1 ( x1 , x 2 ,..., x n )
(0)
(0)
(0)
(0)
(0)
(0)
,
,...,
,
,...,
hi
f
x
h
x
h
x
h
f
x
x
x
+
+
+
=
+
1 1
n
n
n
1
2
2
1 1
2
x
i
=
1
i
n
f x ( 0 ) + h , x ( 0 ) + h ,..., x ( 0 ) + h = f x ( 0 ) , x ( 0 ) ,..., x ( 0 ) + f 2 ( x1 , x 2 ,..., x n ) h
n
n
n
i
1
2
2
2
1
2
2 1
x i
i =1
0
f 3 ( x1 , x 2 ,..., x n )
(0)
(0)
(0)
(0)
(0)
(0)
,
,...,
,
,...,
f
x
h
x
h
x
h
f
x
x
x
hi
+
+
+
=
+
3 1
n
n
n
1
2
2
3
1
2
x i
i =1
0
.......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..
f n ( x1 , x 2 ,..., x n )
(0)
(0)
(0)
(0)
(0)
(0)
,
,...,
,
,...,
f
x
h
x
h
x
h
f
x
x
x
hi
+
+
+
=
+
n 1
1
2
2
1
2
n
n
n
n
x
=
1
i
i
45
Suponiendo ahora que los valores de hi calculados a partir de este
sistema son aquellos que anulan las funciones fi, es decir los valores xi(0) + hi
son exactamente las races del sistema no lineal que se est resolviendo, se
tendr
f1
x1
f 2
x1
...
f n
x1
f1
x 2
f 2
x 2
..
f n
x 2
f 1
x n
f 2
...
x n
... ...
f n
...
x n
...
(
(
)
)
( 0)
(0)
(0)
(0)
h1
f 1 x1 , x 2 , x3 ,..., x n
( 0)
(0)
(0)
(0)
h2
f 2 x1 , x 2 , x3 ,..., x n
=
...
...
( 0)
(0)
(0)
(0)
hn
f n x1 , x 2 , x3 ,..., x n
0
f1
x 2
f 2
x 2
..
f n
x 2
f1
x n
f 2
...
x n
... ...
f n
...
x n
...
47
f 1
x1
f 2
f 1 , f 2 , f 3 ,..., f n
= x
1
x1 , x 2 , x 3 ,..., x n
...
f n
x1
f 1
x 2
f 2
x 2
..
f n
x 2
...
...
...
...
f 1
x n
f 2
x n
...
f n
x n
h1
h2
= J 1
...
hn
(
(
(0)
(0)
(0)
( 0)
f 1 x1 , x 2 , x3 ,..., x n
(0)
(0)
(0)
(0)
f 1 , f 2 , f 3 ,..., f n f 2 x1 , x 2 , x3 ,..., x n
x1 , x 2 , x3 ,..., x n 0
...
(0)
(0)
(0)
(0)
f n x1 , x 2 , x3 ,..., x n
)
)
)
x1
(1)
(0)
x1
(1)
(0)
f , f , f ,..., f n
x2
x
= 1 J 1 1 2 3
...
...
x1 , x 2 , x3 ,..., x n
(1)
(0)
xn
x1
(
f (x
(0)
(0)
(0)
(0)
(0)
(0)
(0)
(0)
f1 x1 , x 2 , x3 ,..., x n
, x 2 , x3 ,..., x n
...
(0)
(0)
(0)
(0)
f n x1 , x 2 , x3 ,..., x n
2
)
)
)
(0)
)
(1) ( 0 )
1 f (x
x = x J ( 0 ) f (x ( 0 ) )
x
48
Naturalmente estos NO son los valores de las races porque se han
despreciado los trminos no lineales del correspondiente desarrollo de
Taylor pero puede demostrarse que se trata de una mejora en sus
respectivas estimaciones, conformando los sucesivos vectores calculados de
esta forma una sucesin convergente a las mismas. La expresin general es
( k +1)
(k )
x1
x1
( k +1
(k )
f , f , f ,..., f n
x2
x1
=
J 1 1 2 3
...
...
x1 , x 2 , x3 ,..., x n
( k +1)
(k )
xn
x1
(
(
(k )
(k )
(k )
(k )
f 1 x1 , x 2 , x3 ,..., x n
f 2 x1 ( k ) , x 2 ( k ) , x3 ( k ) ,..., x n ( k )
...
k
(k )
(k )
(k )
(k )
f n x1 , x 2 , x3 ,..., x n
)
)
)
(k )
)
( k +1) ( k )
1 f (x
x
= x J ( k ) f (x ( k ) )
x
vale la pena observar la similitud formal de esta ultima con aquella con la
que se comenz este tema
x k +1 = x k
f (x k )
f (x k )
49
Obsrvese que, en cada paso de clculo es necesario invertir una
matriz de nxn, la matriz Jacobiana de las funciones que componen el
sistema o, en su defecto, resolver por algn mtodo apto un sistema de
ecuaciones lineales de nxn.
50
El estudio de la convergencia y del error en este mtodo requiere
recursos que estn fuera del alcance de estas notas.
51
Se resuelve a continuacin el mismo sistema con que se ejemplific el
Mtodo del Punto Fijo.
f1 = 5 x 2 y 2
52
x1
( k +1)
( k +1
x2
...
( k +1)
xn
(k )
(
(
(k )
(k )
(k )
(k )
f1 x1 , x2 , x3 ,..., xn
x1
(k )
(k )
(k )
(k )
(k )
, x2 , x3 ,..., xn
x1
1 f1 , f 2 , f 3 ,..., f n f 2 x1
=
J
...
...
x1 , x2 , x3 ,..., xn k
(k )
(k )
(k )
(k )
(k )
f n x1 , x2 , x3 ,..., xn
x1
)
)
)
x ( k +1)
y ( k +1)
53
x (k )
y (k )
f ,f
J 1 1 2
x, y
f1 ( x ( k ) , y ( k ) )
.
(k )
(k )
k f2 (x , y )
Se calcula
f ,f
J 1 2
x, y
1
10 x
2y
k 0.25Cos ( x) 1 + 0.25Sen( y )
resultando
1 + 0.25Sen( y )
2y
10 x
Y se hace
x
y
( k +1)
x
=
y
(k )
1 + 0.25Sen( y )
2y
54
(k )
5x 2 y 2
(k )
0
1
2
3
X
Y
0,100000 0,200000
0,118411 0,271027
0,121280 0,271114
0,121242 0,271105
IV
55
El mtodo del gradiente es conceptualmente simple. Para mejor
apreciar esa simplicidad supngase una superficie modular como la
mencionada en prrafo nnn precedente correspondiente a la determinacin
de las races, reales o complejas, de un polinomio. La aproximacin inicial x(0)
deber corresponder a un punto prximo a la raz buscada, como se indica
en el grfico siguiente
3.4
3.2
x(2)
x(1)
2.8
2.6
x(0)
1.6
1.8
2.2
2.4
56
Dado que se est buscando el punto donde la funcin (o su mdulo) se
anula es obvio que habr que descender por la superficie modular hasta
llegar hasta el fondo del valle en el que se encuentra la raz. Varios son los
caminos posibles, pero uno solo de ellos es el ms rpido. Del anlisis
matemtico se sabe que el gradiente es vector orientado segn la ms
rpida variacin de la funcin, motivo por el cual el camino ms rpido es
aquel que sigue la lnea de gradientes (con direccin opuesta al mismo)
57
Cabe una pregunta hasta dnde habr que deslizarse por la lnea del
gradiente, con punto de partida en x(0) ? La respuesta es fcil, muy fcil
para expresarla con palabras pero algo ms compleja matemticamente.
58
En palabras basta con decir que el deslizamiento hacia abajo sobre la
superficie debe hacerse segn la direccin del gradiente hasta el punto en
3.4
3.2
x(2)
x(1)
S(x(0))
2.8
2.6
x(0)
1.6
1.8
2.2
2.4
x ( k ) = x ( k 1) k 1S ( x ( k 1) )
donde k-1 es un parmetro a determinar para hacer mnima la funcin S(X)
64
Se toma como funcin S(x) el cuadrado del mdulo de la funcin
vectorial f. Esto, por supuesto, no altera los mnimos y en consecuencia, las
races. Es vlido escribir
n
2
S (x ) = S ( x1 , x 2 , x 3 ,..., x n ) = ( f i ( x1 , x 2 , x 3 ,..., x n )) = f ( x ) f ( x )
i =1
dado que el vector raz del sistema anula a esta funcin, haciendo cero a
todos y cada uno de sus componentes fi
65
Al reemplazar las variables xi del prrafo 63 en la funcin S(x) se
obtiene una funcin del parmetro . Se la denomina (). Se recomienda
echar una mirada al ejemplo del prrafo 69.
66
Si se considera que el parmetro es pequeo en la expresin
resultante
{ [
( ) = f i x ( k 1) S x ( k 1)
i =1
)]}
) (
( k 1)
f i x ( k 1)
( k 1)
( ) = f i x
S x
x
i =1
( k 1)
f i (x ( k 1) )
( k 1) f i (x ( k 1) )
) x S (x ) x S (x ( k 1) )
( ) = 2 f i (x
i =1
k 1
67
) (
) (
( k 1) f i x ( k 1)
fi x
S x ( k 1)
x
= i =1
2
k
(
1
)
n
f i x
( k 1)
S x
x
i =1
) (
f i ( x )
=
x
f1
x
1
f 2
f1 , f 2 , f 3 ,..., f n x1
=
x1 , x 2 , x3 ,..., x n ...
f n
x1
f1
x 2
f 2
x 2
...
...
...
...
f n
x 2
...
f1
x n
f 2
x n
...
f n
x n
y que siendo
e1 +
e2 +
e3 + ... +
en
x1
x 2
x3
x n
resulta
S x
n
n
2
f i ( x )
) = x e1 + x e2 + x e3 + ... + x en [ f i (x )] = 2 f i (x ) x
i =1
2
3
n
j
1
i =1
S (x
de donde
) (
) = 2J
) (
f1 , f 2 , f 3 ,..., f n
x1 , x 2 , x3 ,..., x n
f ( x )
( k 1) f i x ( k 1)
S x ( k 1)
fi x
x
=
k 1 = i =1
2
n
f i x ( k 1)
( k 1)
S x
x
i =1
( k 1) f1 , f 2 , f 3 ,..., f n t f1 , f 2 , f 3 ,..., f n ( k 1)
f x
J
f x
, J
x
x
x
x
x
x
x
x
,
,
,...,
,
,
,...,
n
n
1
2
3
1
2
3
J
, J
x , x , x ,..., x J x , x , x ,..., x f x
n
n
1 2 3
x1 , x 2 , x3 ,..., x n x1 , x 2 , x3 ,..., x n
1 2 3
n
) (
(
f , f , f ,..., f n
x ( k ) = x ( k 1) 2 k 1 J t 1 2 3
x1 , x 2 , x3 ,..., x n
( k 1)
f x
k 1
( k 1)
f x
68
El uso del verbo en potencial en el prrafo anterior tiene su razn de
ser en las enormes dificultades de clculo que se presentan. Aparte de los
inevitables problemas numricos, la forma del valle en el que se encuentra la
raz y la complejidad de las expresiones a tratar hacen a este mtodo de
muy laboriosa y pesada aplicacin.
69
A ttulo de ejemplo de lo mencionado, se intenta resolver por este
mtodo el problema trivial
f 1 ( x, y ) = xsen( y ) 1 = 0
2
f 2 ( x, y ) = x + cos(2 y ) = 0
70
Para tener una idea del valle donde se encuentra la raz, el grfico
siguiente es explcito al respecto
71
]} {
]}
se calcula la funcin
( ) = S [x1 ( ), y1 ( )]
]]
]}
[(
]]
])]
cuyo mnimo hay que hallar. Como es usual, el procedimiento requiere derivar
con respecto a , igualar esta derivada a cero y obtener el valor de que
corresponde al mnimo.
72
Lo escrito constituye un fenomenal problema de clculo numrico,
hecho que justificara, como se ha hecho en prrafo 66 anterior, efectuar
Inmediatamente se hacen
x1 = x0
S ( x, y )
2
= 0.9 2[x0 sen( y 0 ) 1]sen( y 0 ) + 4 x0 x0 + cos(2 y 0 )
x 0
y1 = y 0
S ( x, y )
2
= 1.4 2 cos( y 0 )[x0 sen( y 0 ) 1] 4 sen(2 y 0 ) x0 + cos(2 y 0 )
y 0
]}
]}
79
Un nuevo experimento ahora con = 0.15 arroja los siguientes
resultados
Xn
Yn
S(xn , yn )
0.90000
1.40000
0.0302733
1.00483
1.42139
0.00295744
0.97416
1.43121
0.00139841
0.991839
1.43061
0.000839455
0.983591
1.43514
0.000663708
0.988776
1.4368
0.000582263
0.986816
1.43973
0.000532164
81
Quedan por realizar otros experimentos, por ejemplo, cambiar el
valor de en cada paso de clculo, pero se carece de un criterio para
hacerlo, salvo el de prueba y error que en esta materia puede traducirse
en baja ms o baja menos?
82
El tratamiento que se da a este tema en el excelente texto Anlisis
Numrico de Richard Burden y J. Douglas Faires consiste en asignar tres
valores no negativos a ; 1, 2 y 3, calcular 1, 2 y 3 y hallar el polinomio
cuadrtico en . Se toma como valor de clculo para el descenso el valor de
que minimiza este polinomio. Esto quiz porque en todo entorno de la raz
la funcin S(x, y) puede ser aproximada suficientemente bien por una
funcin cuadrtica, mediante un desarrollo limitado de Taylor.
83
( ) = S ( X ( 0 ) S ( X ( 0 ) ))
por medio de una parbola de segundo grado, para lo cual se construye el
polinomio que interpola en (1,1); ( 2 , 2)y (3.,3)
84
Para iniciar el procedimiento se tomen 1 = 0 (valor que obviamente
facilita el clculo); 3 se elige arbitrariamente con la condicin (3) < (1)
y se hace 2 = 3 /2. Con los valores y se determina la parbola de
segundo grado que aproxima a la superficie S
85
A continuacin se busca el mnimo de esta parbola de segundo grado
en el intervalo comprendido entre 1 y 3. El valor en el cual ocurre este
mnimo m corresponde al que debe ser utilizado en la expresin:
x ( k ) = x ( k 1) k 1S ( x ( k 1) )
para calcular el siguiente punto (x,y).
86
Este proceso se repite hasta llegar a la aproximacin deseada,
tomando como parmetro de corte alguna convencin, que puede ser el valor
que toma la funcin S(x,y). (En este caso este valor deber ser lo suficiente
cercano a cero y depender de la exactitud con que se desea trabajar.
Recurdese que esta funcin es la suma del cuadrado del valor de cada una
de las funciones que componen el sistema).
87
A modo de ejemplo se resuelve nuevamente el sistema utilizado en el
punto 30, partiendo del punto (x0,y0)=(1,0)
5 x 2 y 2 = 0
1 =0
3 =0.5 (arbitrario)
2 =3/2 =0.25
Y se obtienen los siguientes valores
n x
y
0 1.000000 0.000000
1 0.040855 0.424315
2 0.097935 0.252524
3 0.121060 0.265778
4 0.119025 0.269059
5 0.121214 0.270424
6 0.120957 0.270840
7 0.121238 0.271013
8 0.121203 0.271069
9 0.121241 0.271092
10 0.121237 0.27110
S(x,y)
0.577133 25.2119
0.181025 0.0641780
0.026653 0.0004458
0.003860 0.0000387
0.002579 5.09127 10-6
0.0004896 6.30662 10-7
0.0003295 8.55129 10-8
0.0000662 1.15818 10-8
0.0000448 1.58500 10-9
9.0571 10-62.16801 10-10
6.1304 10-62.97003 10-11
11 0.121242
12 0.121241
0.271103
0.271104
1.2405 10-6
4.069 10-12
5.574 10-13
BIBLIOGRAFA CONSULTADA