Métodos numéricos para

la resolución de Sistemas
de Ecuaciones no
Lineales
Contenido
 Planteamiento del problema
 Método de Punto Fijo
 Método de Newton
 Variantes del método de Newton
• Evaluación diferida del jacobiano
• Aproximación por diferencias finitas
• Newton unidimensional
 Métodos cuasi-Newton (Broyden)
Notación
 Escalar
f1 ( x1 , x 2 ,..., x n )  0 
f 2 ( x1 , x 2 ,..., x n )  0 f i : IR n  IR

  ( x1 ,..., x n )  f i ( 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
 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, 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 Punto Fijo
 Punto fijo
F( x)  0  x  G ( x)
 Estimación inicial
x ( 0)  ( x1( 0) ,..., x (n0) )
 Iteraciones
x ( k 1)  G ( x ( k ) )
 Criterio de parada
( k 1)
x 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
Ejemplo
 Sistema no lineal
3x 1  cos( x 2 x 3 )  1
 0
2

x 1  81( x 2  0.1)  sen( x 3  1.06  0
2 2

 x1x 2 
e  20 x 3  10  / 3  1  0

 Problema de Punto Fijo

x 1  cos( x 2 x 3 ) / 3  1
6

x 2  9 x 1  sen x 3  1.06  0.1
1 2

 x1 x 2 
x 3  20 (1  e
1
)/6 
 Punto Fijo con desplazamientos simultáneos

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) 2 (k)


x (3k 1)  1
20  (k) (k)

1  exp  x 1 x 2    / 6 
 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

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. simultáneos

Iter x1(k) x2(k) x3(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 3.41679E8 -0.52359847
5 0.5 1.64870 E8 -0.52359877
Código de la función
function y=f(x)
% Función para el método 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 x1(k) x2(k) x3(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
Método de Newton
 Sistema de ecuaciones
 F : IR n  IR n
F( x)  0 
x  ( x 1 ,..., x n )  ( f1 ( x),... f n ( x))

 Aproximación por el plano tangente

F( x)  F( x ( 0) )  DF( x ( 0) )  ( x  x ( 0) )
 Paso de Newton
( 0 ) 1
x ( 1)
x ( 0)
 DF( x )  F( x ) ( 0)
Algoritmo de Newton
function [x,iter,incr] = newton(f,x,tol, maxiter)
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
evalúa la función
y el jacobiano
Método de Newton. Ejemplo 2
 Sistema
x 2  y 2  1  0 
x  y  2  0 
2 2 1
  Sol: x   1
2 ,y 3
4 
 Estimación inicial x 0  1, y0  3

 Primera  x 1   x 0  1  x 0  y 0  1 
2 2

iteración      2x0 2y0   

       2 x 0  2 y 0   
 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

e  x1x 2  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  01 .) cos( x 3 ) 
  x1x 2 
  x 2 e  x 1 e  x1 x 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 1.48294E5 0.52355872
4 0.50000000 2.08910E8 0.52359840
5 0.50000000 2.792E11 0.52359878
6 0.50000000 4.E14 0.52359878
Variantes de Newton (Ejercicio...)

 Actualización periódica del

Jacobiano
 Aproximación del Jacobiano por
diferencias divididas
 Newton con desplazamiento
unidimensional
Métodos casi-Newton
 Idea de la secante f ( x1 )  f ( x 0 )
f ' ( x1 )  a 1 
• No usa las x1  x 0
derivadas (1)
parciales f ( x )
x ( 2) x 
(1)

• Convergencia a1
superlineal

 Formulación DF( x (1) )  A1

1
matricial x ( 2)
x (1)
 A1  F( x )
(1)
Método de Broyden
(k 1) 1
Iterar x  x  A k  F(x )
(k) (k)

(y k  A k 1s k ) T
A k  A k 1  sk
siendo sk
2

(k 1)
y k  F(x )  F(x
(k)
)
s k  x (k)  x (k 1)
Actualización de la inversa

1
 
( y k  A k 1s k ) T 
Ak 1 
 A k 1  sk 
 s
2 
 k 
1 1
1
(s k  A y )s A
k 1 k k
T
k 1
A k 1  T 1 k  1,2,...
s A y
k k 1 k
Algoritmo de Broyden
 Entrada
• x0 ,tol, maxiter
 Inicio
• M: Inversa del Jacobiano en x0
• x1 = x0  M*F(x0)
• incr, iter
 Iteraciones: k = 1, 2, ...
• Actualizar M % Ak-1-1  Ak-1
• xk+1 = xk  M*F(xk)
Actualización de M
w = v; % F(xk1)
v = F(x); % F del iterado actual
y = v w; % F(xk)  F(xk1)
z = M*y; % Ak1-1 * yk
p = s' *z; % (sk - xk-1)T * Ak1-1 * yk
q = s' *M; % sk T * Ak1-1
R = (s+z)*q/p; % Transformación rango 1
M = M+R; % Inversa nueva: Ak-1
s = M*v; % Paso de Broyden: sk+1
Algoritmo while incr > tol
de Broyden w = v; % F(x(k1))
v = F(x);
y = vw; % F(x(k))  F(x(k1))
% Inicio z = M*y; % inv(A(k1))*y(k)
v = F(x0) p = s' *z;
M = inv(DF(x0)) q = s' *M; % s(k)'*inv(A(k1)
% Inversa Jacobiano R = (s+z)*q/p;
s =  M*v; M = M+R; % inversa de A(k)
x = x0+s; s = M*v;
% Paso de Newton x = x+s; % Paso de Broyden
incr = norm(s); incr = norm(s);
end
Resultados de Broyden. Ejemplo 3

k x1 x2 x3
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
 Estimación unidimensional del
Jacobiano
A 0  diag((F( x1 )  F( x 0 )). /( x1  x 0 ))
Fin