Documente Academic
Documente Profesional
Documente Cultură
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
Introducci
on
Puntos fijos
Ejemplos
Problema lineal en tres dimensiones
f : Rn Rn ,
3x y + 2z = 11
f(x) = 0
2x + y + 2z = 3
con
(1)
x = (x, y, z)T
donde
f1 (x) = 2x + y z 8
f2 (x) = 3x y + 2z + 11
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
= 25
= 19
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
f2 (x) = x2 + y 19
f : [a, b] R continua
(4, 3)T ,
T
21, 2
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.
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)
(norma euclideana)
(p-norma)
kxk = m
ax{|x1 |, |x2 |, . . . , |xn |}
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 .
lm f(x) = L
xa
con fi : X R . Entonces
significa que
lm f(x) = L = (L1 , L2 , . . . , Ln )T
xa
si, y s
olo si,
lm fi (x) = Li ,
i = 1, . . . , n.
xa
Observaciones
Teorema 1.2
Una funci
on f : X Rn es continua en a X Rm siempre que
lmxa f(x) exista y
lm f(x) = f(a)
xa
La definici
on no depende de la norma utilizada.
Introducci
on
Puntos fijos
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
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
fi (a + t ej ) fi (a)
fi
(a) = lm
t0
xj
t
(3)
Como consecuencia de las definiciones anteriores:
Diferenciabilidad = continuidad
Df(a) h =
Introducci
on
M
etodo de Newton
Diferenciabilidad
Puntos fijos
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
f (x)
xj K
gi
K
x D =
para todo i, j
xj
n
G(p) = p
x(n)
definida por
n=0
(n)
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)
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:
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
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)
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
(7)
donde
2
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
A la iteraci
on (8) se le conoce como metodo de newton para sistemas
no lineales.
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
Introducci
on
Puntos fijos
Otros m
etodos
// 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
Df(x0 )1
Entonces
La iteraci
on
x0 = x0 + y;
si kyk < T OL entonces
parar; // procedimiento exitoso
fin si
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
Leer x0 , n, T OL y M ;
Introducci
on
(9)
Otros m
etodos
Puntos fijos
con
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
3x1 cos(x2 x3 )
D = {x = (x1 , x2 , x3 )T : 1 xi 1 para i = 1, 2, 3}
Expresamos Newton
1
y(k1)
f(x) = 0
como
(k1)
es soluci
on del sistema lineal
(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:
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
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
f(x) = 0
xk+1 = xk
f (xk )
f 0 (xk )
(12)
(11)
f 0 (xk )
Desventajas:
f (xk ) f (xk1 )
xk xk1
(13)
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
M
etodo de Newton
(14)
Otros m
etodos
Metodo de Broyden
La aproximaci
on en diferencias finitas
(16)
donde
0
es sustituida por
(15)
Introducci
on
Puntos fijos
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 .
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
luego
p s(k) =
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 ?
t
Ak+1 = Ak + u s(k)
k
x(k+1) = x(k) A1
,
k f x
(19)
implica
k = 0, 1, . . .
(21)
donde
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)
(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)
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
Desarrollamos (25):
1
A1
k = Ak1
1 + yt A1
k1 x
(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
(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)
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
x21
Para la iteraci
on inicial se utiliz
o A0 = Jf(x0 ) con
x0 = (0.1, 0.1, 0.1)T .
(27)
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
Introducci
on
Puntos fijos
M
etodo de Newton
Otros m
etodos
Introducci
on
Puntos fijos
M
etodo de Newton
Otros m
etodos
Constantes fsicas
Ceros de sistemas no lineales
Ecuaciones diferenciales
Polinomios de Chebyshev
Mnimos cuadrados
Introducci
on
Puntos fijos
M
etodo de Newton
Otros m
etodos
Introducci
on
Puntos fijos
M
etodo de Newton
Otros m
etodos