Introducci

on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

M
etodo de Newton

Otros m
etodos

Contenido

Introducci
on

An
alisis Numerico
Sistemas de ecuaciones no lineales

Introducci
on

CNM-425

Puntos fijos

Departamento de Matem
aticas
Facultad de Ciencias Exactas y Naturales
Universidad de Antioquia

Metodo de Newton

c 2008. Reproducci
Copyleft
on permitida bajo los
t
erminos de la licencia de documentaci
on libre GNU.

Otros metodos

Puntos fijos

M
etodo de Newton

Otros m
etodos

Enunciado del problema

Introducci
on

Puntos fijos

Ejemplos
Problema lineal en tres dimensiones

Dada una funci

on
2x + y z = 8

f : Rn Rn ,

3x y + 2z = 11

f(x) = 0

2x + y + 2z = 3

buscamos al menos un x Rn que satisfaga

f(x) = 0

con

(1)

f(x) = (f1 (x), f2 (x), f3 (x))T

x = (x, y, z)T

donde

x es una raz de la ecuaci

on (1) o un cero de f.

f1 (x) = 2x + y z 8
f2 (x) = 3x y + 2z + 11

El problema consiste en encontrar una raz o encontrar un cero.

f3 (x) = 2x + y + 2z + 3
Dependiendo de la naturaleza de la funci
on f podemos tener:
El sistema posee soluci
on u
nica

Problema lineal

x = (2, 3, 1)T

Problema no lineal

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Ejemplos

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Teora

Problema no lineal en dos dimensiones

x2 + y 2
x2 + y

= 25
= 19

Para el problema lineal hay teoremas que garantizan la existencia y

unicidad de soluciones bajo ciertas hip
otesis.

f(x) = 0

con
f(x) = (f1 (x), f2 (x))T

x = (x, y)T

El problema no lineal es m
as complicado.

donde
f1 (x) = x2 + y 2 25

Para el caso unidimensional f (x) = 0 con

f2 (x) = x2 + y 19

f : [a, b] R continua

El sistema posee exactamente cuatro soluciones:

(4, 3)T ,

(4, 3)T ,

T
21, 2

f (a) f (b) < 0

el teorema del valor intermedio garantiza la existencia de un x [a, b]

tal que f (x ) = 0.

T
21, 2
Para el caso multidimensional no hay un resultado an
alogo sencillo.

Introducci
on

Puntos fijos

M
etodo de Newton

Presentaci
on geometrica

Otros m
etodos

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Normas
Una norma k k en Rn nos permite medir distancias.

Forma general de un sistema de ecuaciones

f1 (x1 , x2 , . . . , xn ) = 0

Es una funci
on k k : Rn R+ {0} tal que

f2 (x1 , x2 , . . . , xn ) = 0
..
.
fn (x1 , x2 , . . . , xn ) = 0

kxk 0

k xk = ||kxk ,

kx + yk = kxk + kyk

kxk = 0 x = 0
donde

Representaci
on geometrica para f : R2 R2
Ejemplos
kxk1 = |x1 | + |x2 | + + |xn |

(norma uno)

kxk2 = (|x1 |2 + |x2 |2 + + |xn |2 )1/2

(norma euclideana)

kxkp = (|x1 |p + |x2 |p + + |xn |p )1/p

(p-norma)

kxk = m
ax{|x1 |, |x2 |, . . . , |xn |}

(norma del sup)

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Lmites

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Lmites
Teorema 1.1
Sea X Rm , a Rm un punto de acumulaci
on de X y f : X Rn .

Sea f : X Rn con X Rm de la forma

f (x) = (f1 (x), f1 (x), . . . , fn (x))T

lm f(x) = L

xa

con fi : X R . Entonces

significa que

lm f(x) = L = (L1 , L2 , . . . , Ln )T

xa

para todo > 0 existe un (que depende de ) tal que

x X, 0 < kx akRm <

si, y s
olo si,

kf(x) LkRn <

lm fi (x) = Li ,

i = 1, . . . , n.

xa

Observaciones

La continuidad se puede caracterizar por medio de lmites.

No es necesario que a X ni que f est

e definida en a.

Teorema 1.2

Aun si f(a) est

a definido, dicho valor no importa en la definici
on,
importan los valores de f(x) para x pr
oximo a a

Una funci
on f : X Rn es continua en a X Rm siempre que
lmxa f(x) exista y
lm f(x) = f(a)

S el lmite existe, el lmite es u

nico

xa

La definici
on no depende de la norma utilizada.

Introducci
on

Puntos fijos

f es continua en X si es continua en todos los puntos de X (f C(X)).

M
etodo de Newton

Otros m
etodos

Diferenciabilidad

Introducci
on

Puntos fijos

Una funci
on f : U Rn definida en una abierto U Rm es
diferenciable en el punto a U si existe una transformaci
on lineal
m
T : R Rn tal que
f(a + h) = f(a) + T h + r(h) ,

Otros m
etodos

donde

lm

h0

r(h)
=0
khk

La matriz asociada a la transformaci

on Df(a) respecto a las bases
can
onicas de Rm y Rn es la matriz jacobiana Jf(a) de la funci
on
T
f = (f1 , , fn ) en a y est
a dada por
(2)

f1
(a)
x1

..
.

..
.

6
Jf(a) = 6
4

fn
(a)
x1

La transformaci
on lineal T es la derivada de f en a y se denota por
Df(a).

f1
(a)
xm

..
.

fn
(a)
xm

7
7
5

fi
(a)
xj

nm

donde fi /xj (a) es la derivada direccional (derivada parcial) de fi

en la direcci
on del vector ej = (0, . . . , 1, . . . , 0) en el punto a:

La derivada direccional de f : U Rn en el punto a U Rm , en la

direcci
on de un vector h Rm est
a dada por

fi (a + t ej ) fi (a)
fi
(a) = lm
t0
xj
t

f(a + th) f(a)

f
(a) = lm
t0
h
t

(3)
Como consecuencia de las definiciones anteriores:

De (2) y (3) se sigue que

Diferenciabilidad = continuidad

Df(a) h =

Introducci
on

M
etodo de Newton

Diferenciabilidad

Puntos fijos

f = (f1 , . . . , fn )T es diferenciable cada fi es diferenciable.

f
(a)
h

M
etodo de Newton

Otros m
etodos

Puntos fijos

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Puntos fijos

Teorema 2.1

Teorema 2.2

Sea f : D R con D Rn . Si existen constantes > 0 y K > 0 tales que

f (x)

xj K

Sea D = {x = (x1 , . . . , xn )T : ai xi bi } y G : D Rn continua.

1

Si G(D) D, entonces G tiene al menos un punto fijo en D.

Si adicional a (1), G = (g1 , . . . , gn ) posee derivadas parciales continuas

y existe una constante 0 < K < 1 tal que

gi
K
x D =
para todo i, j
xj
n

siempre que kx x0 k < y x D, entonces f es continua en x0 .

Definici
on de punto fijo
Una funci
on f : D Rn con D Rn tiene un punto fijo en p D si

entonces el punto fijo es u

nico.

G(p) = p

Si se cumplen (1) y (2), la suceci

on

x(n)

definida por

n=0
(n)

En el caso unidimensional, consideramos como dominio

D = {x : a x b} = [a, b] R

=G x

para k 1

converge al u
nico punto fijo p D para todo x

(n)

x p

D = {x = (x1 , . . . , xn )T : ai xi bi para i = 1, . . . , n} Rn

Puntos fijos

(n1)

(0)

En el caso multidimensional, consideraremos como dominio

Introducci
on

M
etodo de Newton

Otros m
etodos

Puntos fijos

Introducci
on

Puntos fijos

(4)

D y

K n (1)
(0)
x x
1K

M
etodo de Newton

Otros m
etodos

Puntos fijos

El problema de b
usqueda de races es equivalente al problema de
b
usqueda de puntos fijos:

Resolver el sistema (5) equivale a resolver el problema de punto fijo

G(x) = x

f(x) = 0

G(x) := x f(x) = x
con G : R3 R3 dada por G(x) = (g1 (x), g2 (x), g3 (x))T donde

Consideremos el sistema no lineal

1
3x1 cos(x2 x3 ) = 0
2
x21 81(x2 + 0,1)2 + sen x3 + 1,06 = 0
10 3
ex1 x2 + 20x3 +
=0
3
que es equivalente a
x1

x2

x3

1
1
cos(x2 x3 ) +
3
6
1p 2
x1 + sen x3 + 1,06 0,1
9
10 3
1 x1 x2
20
e

60

1
1
cos(x2 x3 ) +
3
6
q
1
g2 (x) =
x21 + sen x3 + 1,06 0,1
9
10 3
1
g3 (x) = ex1 x2
20
60
g1 (x) =

(5)

(6)

Aplicando el teorema (2.2) a la funci

on G definida por (7) en el dominio

x = G(x)

D = {x = (x1 , x2 , x3 )T : 1 xi 1 para i = 1, 2, 3}
se concluye que G posee un u
nico punto fijo en D.

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Puntos fijos

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Derivaci
on
Dada f : Rn Rn , el metodo pretende hallar raices de
f(x) = 0

La iteraci
on (4) del teorema (2.2) dada por
(n)

x1

(n)

x2

(n)

x3

1
1
(n1) (n1)
cos x2
x3
+
3
6
r
2
1
(n1)
(n1)
=
x1
+ sen x3
+ 1,06 0,1
9
(n1)
10 3
1 x(n1)
x2
1
= e

20
60

El metodo se basa en linealizar a f en torno a un punto x0 pr

oximo a p:

0 = f(p) f(x0 ) + Df(x0 )(p x0 )

(7)
donde
2

converge para todo x

Introducci
on

(0)

f1
(x0 )
x1

Puntos fijos

M
etodo de Newton

Otros m
etodos

Derivaci
on

Introducci
on

..
.

..
.
fn
(x0 )
x1

6
Df(x0 ) = 6
4

Puntos fijos

f1
(x0 )
xn

7
..
7
5
.
fn
(x
)
0
xn

6
px0 = 4

nn

M
etodo de Newton

3
p 1 x1
7
..
5
.
p n xn

Otros m
etodos

Derivaci
on

Como una primera aproximaci

on elegimos x1 pr
oximo a p que satisfaga

A la iteraci
on (8) se le conoce como metodo de newton para sistemas
no lineales.

0 = f(x0 ) + Df(x0 )(x1 x0 )

El metodo requiere calcular e invertir la matriz jacobiana Df(x) en
cada cada iteraci
on.
Si la matriz jacobiana Df(x0 ) es no singular, obtenemos para x1 ,
En la pr
actica se evita el c
alculo de la inversa Df(x)1 :
x1 = x0 (Df)1 (x0 )f(x0 )

Df x(k1)
f x(k1) = y

equivale a
De esta manera x1 es una mejor aproximaci
on al cero p y repitiendo el
procedimiento obtenemos
x(k)

Introducci
on

= x(k1) Df x(k1)
f x(k1)

Puntos fijos

M
etodo de Newton

Df x(k1) y = f x(k1)

(8)

Otros m
etodos

Algoritmo del metodo de Newton

Para cada iteraci

on se resuelve el sistema (9) y la soluci
on y se
sustituye en (8)

Introducci
on

Puntos fijos

Otros m
etodos

Sea D Rn abierto y D0 un subconjunto convexo de Rn tal que D0 D y

f : D Rn dos veces diferenciable en D0 y continua en D. Suponga que
existan constantes positivas , y tales que h := /2 < 1 y

// n es el n
umero de ecuaciones, x0 = (x1 , . . . , xn ) es la
// aproximaci
on incial
// TOL es la tolerancia y M es el n
umero m
aximo de iteraciones.
i = 1;

1
2
3

mientras i M hacer

kDf(x) Df(y)k kx yk para todo x, y C0

Df(x)1 existe y satisface Df(x)1 para todo x C0

Df(x0 )1

Entonces

Calcule f (x0 ) y Df (x0 );

La iteraci
on

Resolver el sistema lineal nxn Df (x0 )y = f (x0 );

x(k+1) = x(k) Df x(k)

f x(k) ,

x0 = x0 + y;
si kyk < T OL entonces
parar; // procedimiento exitoso
fin si

x(k) Br (x0 ) := {x : kx x0 k < r} C0 ,

i = i + 1;

Escribir N
umero m
aximo de iteraciones excedido
parar;

M
etodo de Newton

k = 0, 1, . . .

est
a bien definida y satisface

fin mientras

Puntos fijos

M
etodo de Newton

Teorema 3.1 (Convergencia de Newton)

Leer x0 , n, T OL y M ;

Introducci
on

(9)

Otros m
etodos

Puntos fijos

con

x(k) p cuando k con p Br (x0 ) y f(p) = 0.

Para todo k 0,

Introducci
on

r := /(1 h)

h2 1
(k)

x p
1 h2k

Puntos fijos

M
etodo de Newton

Otros m
etodos

Puntos fijos

Consideremos de nuevo el sistema no lineal (5) ya visto:

1
=0
2
2
2
x1 81(x2 + 0,1) + sen x3 + 1,06 = 0
10 3
ex1 x2 + 20x3 +
=0
3

Por el teorema (2.2), el problema tiene una soluci

on en el dominio

3x1 cos(x2 x3 )

D = {x = (x1 , x2 , x3 )T : 1 xi 1 para i = 1, 2, 3}
Expresamos Newton

1

x(k) = x(k1) Df x(k1)

f x(k1)
|
{z
}

Aplicamos el metodo de Newton a

y(k1)

f(x) = 0

como

con f : R3 R3 dada por f(x) = (f1 (x), f2 (x), f3 (x))T donde

1
f1 (x) = 3x1 cos(x2 x3 )
2
2
2
f2 (x) = x1 81(x2 + 0,1) + sen x3 + 1,06
10 3
f3 (x) = ex1 x2 + 20x3 +
3

x(k) = x(k1) + y(k1)

donde y

(k1)

es soluci
on del sistema lineal

Df x(k1) y(k1) = f x(k1)

(10)

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Puntos fijos

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Observaciones
Representaci
on geometrica de las soluciones de un sistema 2 2:

La matriz jacobiana para el sistema est

a dada por
2

3
2x1
x2 ex1 x2

Jf(x) = 4

x3 sen x2 x3
162(x2 + 0,1)
x1 ex1 x2

3
x2 sen x2 x3
5
cos x3
20

f (x, y) = 0
g(x, y) = 0

El programa newtonsys.c implementa el metodo de Newton. Se

utiliz
o como punto de partida x0 = (0.1, 0.1, 0.1)T .
n
1
2
3
4
5

x1
0.49986967
0.50001424
0.50000011
0.50000000
0.50000000

x2
0.01946685
0.00158859
0.00001244
0.00000000
0.00000000

x3
-0.52152047
-0.52355696
-0.52359845
-0.52359878
-0.52359878

Error
4.215205e-01
1.787826e-02
1.576147e-03
1.244401e-05
7.757857e-10

Las soluciones que buscamos (si existen) son los puntos de intersecci
on
de las curvas de nivel f = 0 y g = 0.
f y g son funciones arbitrarias que en general no tienen ninguna
relaci
on.
Metodos generales para m
as de una ecuaci
on no son buenos.

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Newton

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de la secante

Dada f : Rn Rn , los metodos pretenden hallar las posibles raices de

Para el caso unidimensional n = 1, la iteraci

on (11) est
a dada por

f(x) = 0
xk+1 = xk

f (xk )
f 0 (xk )

(12)

El metodo de Newton est

a dado por
Con el fin de evitar usar la derivada aproximamos

x(k+1) = x(k) Df x(k)

f x(k) .

(11)
f 0 (xk )

Desventajas:

f (xk ) f (xk1 )
xk xk1

(13)

El jacobiano Df(x(k) ) debe evaluarse en cada iteraci

on.

La iteraci
on (12) se convierte en el metodo de la secante:

La funci
on f(x(k) ) debe evaluarse en cada iteraci
on.
El sistema lineal Df(x(k) )y = f(x(k) ) debe se resuelto en cada iteraci
on.

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

xk+1 = xk

Introducci
on

Puntos fijos

f (xk )(xk xk1 )

f (xk ) f (xk1 )

M
etodo de Newton

(14)

Otros m
etodos

Metodo de Broyden

El metodo de Broyden es una generalizaci

on del metodo de la secante
para sistemas no lineales.

Tenemos entonces que

Ak+1 s(k) = y(k)

La aproximaci
on en diferencias finitas

(16)

donde
0

f (xk )(xk+1 xk ) f (xk+1 ) f (xk )

s(k) = x(k+1) x(k)

es sustituida por

Df x(k) x(k+1) x(k) = f x(k+1) f x(k)

(15)

El metodo asume que Ak y Ak+1 coinciden en el complemento

ortogonal a s(k) :
hp , s(k) i := pt s(k) = 0

Ak+1 x(k+1) x(k) = f x(k+1) f x(k)

|
{z
} |
{z
}

Introducci
on

Puntos fijos

y(k) = f x(k+1) f x(k)

La iteraci
on (16) genera nueva informaci
on s
olo en la direcci
on del
vector s(k) . No se dispone de informaci
on sobre el cambio de Ak en el
(k)
complemento ortogonal a s .

El metodo consiste en aproximar el jacobiano Df x(k) por una

matriz no singular
A
que
genere
una
aproximaci
o
n
A
k
k+1 del

jacobiano Df x(k+1) :

s(k)

Ak+1 p = Ak p

(17)

y(k)

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

La condici
on (17) implica que
C
omo determinar a v ? Si p s(k) ,

dim ker(Ak+1 Ak ) = n 1
y por tanto

Ak+1 = Ak + uvt = Ak+1 p = Ak p + uvt p = uvt p = 0

rango(Ak+1 Ak ) = n dim ker(Ak+1 Ak ) = 1

Existe un u 6= 0 tal que

luego

Ak+1 Ak = [v1 u|v2 u| |vn u] = uvt

p s(k) =

Ak+1 es una actualizaci

on (correcci
on) del jacobiano Ak dada por
Ak+1 = Ak + uvt
El producto uvt en (18) es asociativo:
` t
`

uv x = vt x u

` t
uv p = hv , piu = 0 = hv , pi = 0 = v = s(k)

y por tanto
(18)

t
Ak+1 = Ak + u s(k)

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

C
omo determinar a u ?

El metodo de Broyden est

a dado por la iteraci
on

t
Ak+1 = Ak + u s(k)

k
x(k+1) = x(k) A1
,
k f x

(19)

implica

k = 0, 1, . . .

(21)

donde

Ak+1 s(k) = y(k)

t
Ak s + u s(k) s(k) = y(k)
D
E
Ak s(k) + s(k) , s(k) u = y(k)

2
Ak s(k) + s(k) u = y(k)

Ak = Ak1 +

(k)

y(k1) Ak1 s(k1) (k1) t

s
2
ks(k1) k2

(22)

Para la iteraci
on inicial en (22) se toma A0 = Df(x0 ) o un estimativo
en diferencias finitas del jacobiano en x0 .

u=

y(k) Ak s(k)
2
ks(k) k2

`
En cada iteraci
on hay que resolver el sistema Ak s = f xk .

(20)

La convergencia local del metodo de Broyden no es cuadr

atica como
con Newton.

De (19) y (20) obtenemos la actualizaci

on de Broyden
Ak+1 = Ak +

Introducci
on

Puntos fijos

y(k) Ak s(k) (k) t

s
2
ks(k) k2

M
etodo de Newton

El tiempo por iteraci

on en Broyden puede ser menor que en Newton
porque se evita evaluar el jacobiano Df(x0 ).

Otros m
etodos

Metodo de Broyden

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

Con el fin de evitar A1

en cada iteraci
on, el metodo se puede
k
modificar por medio de la f
ormula matricial de Sherman-Morrison:

Desarrollamos (25):

Si A es una matriz no singular y x y y son vectores columna,

entonces A + xyt es no singular si yt A1 x 6= 1 y
`
1
A1 xyt A1
A + xyt
= A1
1 + yt A1 x

1
A1
k = Ak1

1 + yt A1
k1 x

y(k1) Ak1 s(k1) ` (k1) t 1

s
Ak1
2
ks(k1) k2
t 1 y(k1) Ak1 s(k1)
`
1 + s(k1) Ak1
2
ks(k1) k2

(k1)
(k1)
(k1) t 1
A1
y

s
s
Ak1
k1
= A1
`
t 1
k1
2
2
ks(k1) k2 + s(k1) Ak1 y(k1) ks(k1) k2
A1
k1

(23)

= A1
k1

Aplicamos la f
ormula (23) a la iteraci
on (22)
Ak = Ak1 +
| {z }

t 1
A1
k1 xy Ak1

y(k1) Ak1 s(k1) ` (k1) t

2
|s {z }
ks(k1) k2
y
|
{z
}

(24)

y por tanto

y por tanto

t 1
` 1
A1
k1 xy Ak1
t 1
A1
= A1
k = Ak1 + xy
k1
1 + yt A1
k1 x

(25)

1
A1
k = Ak1

`
t
(k1)
A1
s(k1) s(k1) A1
k1 y
k1
`
t 1
s(k1) Ak1 y(k1)

(26)

con x y y dados en (24).

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

Metodo de Broyden

Consideremos de nuevo el sistema no lineal (5) ya visto:

1
=0
2
81(x2 + 0,1) + sen x3 + 1,06 = 0
10 3
ex1 x2 + 20x3 +
=0
3
3x1 cos(x2 x3 )

x21

Para la iteraci
on inicial se utiliz
o A0 = Jf(x0 ) con
x0 = (0.1, 0.1, 0.1)T .

(27)

Los resultados se muestran a continuaci

on

cuya matriz jacobiana est

a dada por
2

3
2x1
Jf(x) = 4
x2 ex1 x2

x3 sen x2 x3
162(x2 + 0,1)
x1 ex1 x2

n
1
2
3
4
5

3
x2 sen x2 x3
5
cos x3
20

x1
0.49986967
0.49998638
0.50000660
0.50000033
0.50000000

x2
0.01946685
0.00873784
0.00086727
0.00003953
0.00000019

x3
-0.52152047
-0.52317457
-0.52357234
-0.52359769
-0.52359877

Error
5.865670e-01
1.085640e-02
7.880637e-03
8.281569e-04
3.935104e-05

El programa broyden.c implementa el metodo de Broyden. Se

utiliz
o como punto de partida x0 = (0.1, 0.1, 0.1)T .

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

GSL - GNU Scientific Library

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

GSL - Multidimensional Root-Finding

Biblioteca escrita en C, destinada a c

alculos numericos en matem
aticas
aplicadas.

Contiene solvers para la soluci

on de sistemas no lineales de n
ecuaciones con n inc
ognitas.
Las libreras proporcionan una gran variedad de rutinas que incluyen

Las libreras proporcionan una gran variedad de rutinas que incluyen

N
umeros complejos
Funciones especiales
Permutaciones
Autovalores
Cuadratura
Interpolaci
on

Constantes fsicas
Ceros de sistemas no lineales
Ecuaciones diferenciales
Polinomios de Chebyshev
Mnimos cuadrados

Consideraremos la librera Multidimensional Root-Finding:

http://www.gnu.org/software/gsl/manual/html node/MultidimensionalRoot 002dFinding.html

Inicializar el solver s, para el algoritmo T.

Acutalizar s por medio de la iteraci
on del algoritmo T.
Evaluar la convergencia de s y repetir la iteraci
on hasta que sea
necesario.

En algunos problemas no se dispone del jacobiano del sistema o es

costoso evaluarlo y por esto los algoritmos incluidos en las libreras se
clasifican en dos estructuras:
gsl multiroot fdfsolver: el usuario debe ingresar la funci
on y sus
derivadas.
gsl multiroot fsolver: el procedimiento utiliza s
olo la funci
on, el
algoritmo estima (aproxima) el jacobiano.

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

GSL - Multidimensional Root-Finding: algoritmos sin derivadas

Solvers que no requieren de derivadas (el jacobiano se aproxima por

medio de diferencias finitas):

Introducci
on

Puntos fijos

M
etodo de Newton

Otros m
etodos

GSL - Multidimensional Root-Finding: algoritmos sin derivadas

El programa sistemanl.c implementa los diversos solvers ya

mencionados. Se utiliz
o como punto de partida x0 = (0.1, 0.1, 0.1)T .
Para compilarlo:

gsl multiroot fsolver hybrids: aproxima por diferencias finitas el

jacobiano.
gsl multiroot fsolver hybrid: aproxima por diferencias finitas el
jacobiano sin escalamiento.
gsl multiroot fsolver dnewton: utiliza el m
etodo de Newton y el
jacobiano lo aproxima por diferencias finitas.
gsl multiroot fsolver broyden: implementa el m
etodo de Broyden En
la primera iteraci
on, la inversa del jacobiano es estimada utilizando
diferencias finitas.

$ gcc -o sistemanl sistemanl.c -lgsl -lgslcblas

Los resultados obtenidos utilizando gsl multiroot fsolver hybrids al
sistema (27) se muestran a continuaci
on