Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Catedra Metodos Numericos 2015 - UNSCH PDF
Catedra Metodos Numericos 2015 - UNSCH PDF
METODOS
NUMERICOS
Ingeniería Civil
f1 ( x1 , x2 ..........., xn ) 0
f 2 ( x1 , x2 ..........., xn ) 0
• La solución de este sistema
. consta de valores xi que
simultáneamente hacen que
. todas las ecuaciones sean
. iguales a cero
f n ( x1 , x2 ..........., xn ) 0
Teoría de sistemas de Ecuaciones
No lineales
• La forma general de un sistema de ecuaciones no lineales es:
f1(x1, x2 x3, …, xn) = 0
f2(x1, x2 x3, …, xn) = 0
f3(x1, x2 x3, …, xn) = 0
....................................
fn(x1, x2 x3, …, xn) = 0
f(x, y)=0
y*
g(x, y)=0
x* x
SISTEMA DE ECUACIONES NO LINEALES
10
x xy 10
2
6
4
(2, 3)
y 3xy 2 57
2
0
1 1.5 2 2.5 3 3.5 4 4.5 5
-2
Notación
• Escalar
f1 ( x1 , x 2 ,..., x n ) 0
f2 ( x1 , x 2 ,..., x n ) 0 fi : IR n IR
( x1 ,..., x n ) fi ( x1 ,..., x n )
f n ( x1 , x 2 ,..., x n ) 0
• Vectorial
F : IR n IR n
F( x ) 0
x ( x 1 ,..., x n ) ( f 1 ( x ),... f n ( x ))
Resolución iterativa
• x(0) estimación inicial de la solución
• Criterio de convergencia
• | x(k+1) x(k) | < tol
• Criterio de parada
• k > maxiter
Esquema del algoritmo
• Entrada: f, x0, tol, maxiter
• Proceso
• Inicializar incr, iter
• Mientras incr > tol & iter < maxiter
• Obtener x
• incr = norm(x x0)
• Actualizar x0, iter
• Salida: x, iter, incr
• Si incr > tol no converge
Método de Iteración de Punto fijo para
Sistemas de Ecuaciones no Lineales
x ( k 1) x ( k ) tol
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
MÉTODO DE PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
x1 x 2
e 20x 3 10 / 3 1 0
• Problema de Punto Fijo
x 1 cos( x 2 x 3 ) / 3 1 6
x 2 1 9 x 1 sen x 3 1.06 0.1
2
x1 x 2
x 3 20 (1 e
1
)/6
• Punto Fijo con desplazamientos simultáneos
x 1( k 1) cos( x 2( k ) x 3( k ) ) / 3 1
6
x 2( k 1) 1
9 x 1 sen x 3 1.06 0.1
(k) 2 (k)
x 3( k 1) 1
20
1 exp x 1 x 2 / 6
(k) (k)
• Punto Fijo con desplazamientos sucesivos
x 1( k 1) cos( x (2k ) x (3k ) ) / 3 1
6
x (2k 1) 1
9 x 1 sen x 3 1.06 0.1
( k 1) 2 (k)
x (3k 1) 1
20 1 exp x 1 x 2 / 6
( k 1) ( k 1)
Código de la función
function y=f(x)
% Función para el método de punto
% fijo con desplazamientos simultáneos
function y=f(x)
% Función para el método de punto
% fijo con desplazamientos sucesivos
x 2 xy 10 y 3xy 2 57
iteració
n
xi yi erri
xn=10/(x+y)
yn=((57-y)/(3x))^(1/2) 1 1.5 3.5 ---
err=sqrt((xn-x)^2+(yn-y)^2) 2 2.0000 3.4480 0.5027
x=2 y=3
MÉTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
x 2 xy 10 y 3xy 2 57
iteració
n
xi yi erri
Variante Seidel
xn=10/(x+y) 1 1.5 3.5 ---
yn=((57-y)/(3xn))^(1/2) 2 2.0000 2.9861 0.7170
err=sqrt((xn-x)^2+(yn-y)^2) 3 2.0056 2.9962 0.0116
x=2 y=3
MÉTODO DEL PUNTO FIJO EN
SISTEMAS DE ECUACIONES NO LINEALES
Sin embargo, con el método 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 solución
En las dos formulaciones siguientes el método diverge.
x = (57 - y)/3y2 y = (10 - x2)/x
iteración xi yi
1 1.5 3.5
2 1.45578231 5.166666667
3 0.64724246 5.413376566
1 1.5 3.5
2 2.21428571 -24.375
3 -0.20910518 429.713648
Método de Iteración de Punto fijo para
sistemas de Ecuaciones no Lineales
Ejemplo
Encuentre una solución del sistema de ecuaciones no lineales
f 1( x1, x 2) x12 10 x1 x 2 2 8 0
f 2( x1, x 2) x1 x 2 x1 10 x 2 8 0
2
Solución
Con el despeje de X1 del termino (-10X1) en la primera ecuación y de X2
del termino de (-10X2) en la segunda ecuación resulta.
X1=(X12+X22 + 8 )/ 10
X2=(X1X22+X1 + 8 ) / 10
Por medio de Iteración por desplazamientos simultáneos
x1k+1 = g1(x1k , x2k )
x2k+1 = g2(x1k , x2k )
X21=(0(0)2 + 0 + 8 ) / 10 = 0.8
Segunda iteración
X12=((0.8)2+(0.8)2 + 8)/ 10 = 0.928
0 0.00000 0.00000
1 0.80000 0.80000
2 0.92800 0.93120
k
X1k X2k
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 método, puede aumentarse la velocidad de
convergencia usando desplazamientos sucesivos
en lugar de los desplazamientos simultáneos es
decir se itera mediante
x1k+1 = g1(x1k , x2k )
x2k+1 = g2(x1k+1 , x2k )
Como en el caso lineal (Jacobi y Gauss-Seidel), si
la iteración por desplazamientos simultáneos
diverge generalmente el método por desplazamientos
sucesivos divergiría mas rápido; 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 simultáneos .
Un sistema de ecuaciones no lineales
con dos incógnitas “x” y “y”
u ( x , y ) x xy 10 0
2
v ( x , y ) y 3 xy 57 0 2
y 57 3 ( 2 . 21429 ) ( 3 . 5 ) 2 24 . 37516
2 º Iteración
x 10 2 . 17945 2 . 86051 1 . 94053
57 2 . 86051
y 3 . 04955
3 1 . 94053
3 º Iteración
E a _ x 3 . 96 % Et _ x 1.02 %
x 10 1 . 94053 3 . 04955 2 . 02046
E a _ y 2 . 22 % Et _ y 0.55 %
57 3 . 04955
y 2 . 98340
3 2 . 02046
Problema Propuesto
• Paso de Newton
x (1) x ( 0) DF( x ( 0) ) 1 F( x ( 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;
El archivo f.m
incr = norm(delta);
evalúa la función
iter = iter+1; y el jacobiano
x = x + delta;
end
if incr>tol, disp(‘No converge’), end
MÉTODO DE NEWTON RAPHSON EN
SISTEMAS DE ECUACIONES NO LINEALES
No se puede mostrar la imagen en este momento.
u(x, y)
y1
v(x, y)
x1 x
MÉTODO DE NEWTON RAPHSON EN
SISTEMAS DE ECUACIONES NO LINEALES
• Este procedimiento corresponde, analíticamente, a extender
el uso de la derivada, ahora para calcular la intersección
entre dos funciones no lineales.
• Al igual que para una sola ecuación, el cálculo se basa en
la expansión de la serie de Taylor de primer orden, ahora de
múltiples variables, para considerar la contribución de más
de una variable independiente en la determinación de la raíz.
• Para dos variables, la serie de Taylor de primer orden se
escribe, para cada ecuación no lineal:
ui ui
ui1 ui (xi1 xi ) (yi1 yi )
x y
v i v i
v i1 v i (xi1 xi ) (yi1 yi )
x y
MÉTODO DE NEWTON RAPHSON EN
SISTEMAS DE ECUACIONES NO LINEALES
• Pero ui+1 = vi+1 = 0 :
ui v i
x x
J
ui v i
y y
MÉTODO DE NEWTON RAPHSON EN
SISTEMAS DE ECUACIONES NO LINEALES
x2 + xy - 10 = 0 y + 3xy2 - 57 = 0
5 2 3 0 2.23821E-12 7 2 27 37 205
x=2
y=3
MÉTODO DE NEWTON RAPHSON EN
SISTEMAS DE ECUACIONES NO LINEALES
Sistem a de ecuaciones lineales por el m étodo de New ton Raphson
4.5
3.5
3
y
iteraciones
2.5
2
x
1.5
0.5
x 2 xy 10 y 3xy 2 57
0
1 2 3 4 5 6
convergencia
Resolución del sistema de ecuaciones
no lineales
Utilizando Newton-Raphson.
Este cálculo se basa en la expansión de la serie de Taylor
de primer orden y con ella se obtiene la ecuación para este
método.
f ( xi )
f ( xi 1 ) f ( xi ) ( xi 1 xi ) f ( xi )
'
xi 1 xi
f ' ( xi )
ui vi
vi ui
y i 1 yi x x
u i vi u i vi
x y y x
Solución.
u 0
2 x y 2 (1 . 5 ) 3 . 5 6 . 5
x
u 0
x 1 .5
y
v0
3 y 2 3 ( 3 . 5 ) 2 36 . 75
x
v0
1 6 xy 1 6 (1 . 5 )( 3 . 5 ) 32 . 5
y
El Jacobiano para la primera iteración.
(6.5)(32.5) (1.5)(36.75) 156.125
Evaluando en las funciones.
u0 (1.5) 2 1.5(3.5) 10 2.5
v0 3.5 3(1.5)(3.5) 2 57 1.625
2.5(32.5) 1.625(1.5)
x1 1.5 2.03603
156.125
1.625(6.5) (2.5)(36.75)
y1 3.5 2.84388
156.125
x2 y2 1 0
x y 2 0
2 2 1
Sol: x 1
2 , y 3
4
• Estimación inicial
x 0 1, y0 3
• Primera
iteración x1 x0 2x 2y 1 x0 y0 1
2 2
0 0
2x0 2y0
y1 y0 1
x 0 y 0 2
2 2
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
Método de Newton. Ejemplo 3
• Sistema no lineal
3x 1 cos( x 2 x 3 ) 1 2 0
x 1 81( x 2 01
2
. ) sen( x 3 106
2
. 0
x1 x 2
e 20x 3 10 / 3 1 0
• Jacobiana
3 x 3 sen( x 2 x 3 ) x 2 sen( x 2 x 3 )
DF( x) 2 x 1 162( x 2 0.1) cos( x 3 )
x1 x 2
x 2 e x 1 e x1x 2 20
Resultados Newton. Ejemplo 3
k x1 x2 x3
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 del Método de Newton
Actualización periódica del
Jacobiano
Aproximación del Jacobiano por
diferencias divididas
Newton con desplazamiento
unidimensional
Métodos cuasi-Newton
• Idea de la secante f ( x1 ) f ( x 0 )
f ' ( x1 ) a 1
• No usa las derivadas x1 x 0
parciales (1)
f (x )
• Convergencia superlineal x ( 2)
x (1)
a1
• Formulación matricial
DF( x (1) ) A1
1
x ( 2 ) x (1) A1 F( x (1) )
Método de Broyden
Método de Broyden
Método de Broyden
Método de Broyden
Método de Broyden
Método de Broyden
Método de Broyden
Iterar
(k 1) 1
x x Ak F(x )
(k) (k)
A 0 diag((F( x1 ) F( x 0 )). /( x1 x 0 ))
Conclusiones
• Una seria desventaja de la iteración es que
la convergencia depende de la manera en
que se formula la ecuación
• El método Newton Raphson para dos
ecuaciones se puede generalizar para
resolver n ecuaciones simultáneas.
Muchas Gracias