2.

3 Algoritmo Newton generalizado para resolver sistemas de

ecuaciones NO lineales
a. Planteamiento general del problema
Sin prdida de generalidad trabajemos con un sistema de dos ecuaciones con dos
incgnitas No lineales:
f1(x, y)=0
f2(x, y)=0

donde las funciones f1 y f2 son continuas y diferenciables, de modo que puedan

expandirse en serie de Taylor. Es decir:
f ( x, y ) f ( a, b)

f
f
1 2 f
2 f
2 f
( x a)
( y b)
( x a) 2 2
( x a )( y b)
( y b) 2
x
y
2! xx
xy
yy

donde f(x, y) se ha expandido alrededor del punto (a, b) y todas las derivadas
parciales estn evaluadas en (a, b).
b. Mtodo de Newton-Raphson generalizado (o Newton Raphson
multivariable)
Expandiendo f1 alrededor de (xk, yk):
f1 ( x k 1 , y k 1 ) f1 ( x k , y k )

f1 k 1
f
( x x k ) 1 ( y k 1 y k )
x
y

2 f1 k 1
2 f1 k 1
1 2 f1 k 1
k 2
k
k 1
k
(
x

x
)

2
(
x

x
)(
y

y
)

( y y k ) 2 ...

2! xx
xy
yy

Donde todas las derivadas parciales estn evaluadas en (xk, yk).

Del mismo modo podemos expandir f2:

f 2 ( x k 1 , y k 1 ) f 2 ( x k , y k )

f 2 k 1
f
( x x k ) 2 ( y k 1 y k )
x
y

2 f 2 k 1
2 f 2 k 1
1 2 f 2 k 1
(x xk )2 2
( x x k )( y k 1 y k )
( y y k ) 2 ...

2! xx
xy
yy

Igualmente, todas las derivadas parciales estn evaluadas en (xk, yk)

Supongamos que (xk+1, yk+1) est cerca de la raz (x*, y*) tal que los
primeros miembros de las ecuaciones anteriores son casi cero.
Adems, asumamos que (xk, yk) esta tan cerca de (xk+1, yk+1) que pueden
omitirse los trminos a partir de los que se encuentran agrupados en parntesis
rectangulares. Luego las ecuaciones anteriores quedaran simplificadas:
0 f1 ( x k , y k )

f1 k 1
f
( x x k ) 1 ( y k 1 y k )
x
y

0 f2 (xk , yk )

f 2 k 1
f
( x x k ) 2 ( y k 1 y k )
x
y

(2.1)
Para una mejor simplificacin denotemos:
x k 1 x k h
y k 1 y k j

Y as queda la (k+1)-sima iteracin en trminos de la k-sima:

x k 1 x k h
y k 1 y k j

(2.2)
Sustituyendo tenemos en el sistema (2.1) tenemos:
f1
f
h 1 j f1 ( x k , y k )
x
y

f 2
f
h 2 j f1 ( x k , y k )
x
y

(2.3)
El cual es un sistema de ecuaciones lineales con las incgnitas h y j. Note que
las derivadas parciales estn evaluadas en (xk, yk), es decir, son nmeros
reales.
Este sistema de ecuaciones lineales resultante tiene solucin nica, siempre
que el determinante de la matriz de coeficientes o matriz Jacobiana no sea
cero, esto es:

f1 f1
x y
J 0
f2 f2
x y
El mtodo de Newton-Raphson para varias variables consiste en formar y
resolver el sistema (2.3). Con la solucin y la ecuacin (2.2) se obtiene la
siguiente aproximacin.

Ejemplo: Resolver (con 6 cifras decimales):

f1(x, y) = x2 10x + y2 + 8 = 0
f2(x, y) = xy2 + x -10y + 8 = 0
Usar como aproximacin inicial x0 = y0 =0
Solucin:
Una solucin: x = 1, y = 1

Otra solucin: x = 2.19344, y = 3.02047

c. Algoritmo de mtodo de Newton generalizado (o Newton Raphson

multivariable)

ALGORITMO: Mtodo de Newton-Raphson Multivariable

Para encontrar una solucin aproximada de un sistema de ecuaciones NO
lineales f(x)=0, proporcionar la matriz Jacobiana ampliada con el vector de
funciones:

f 1
x
1
f 2
A. f [ A | f ] x
1
...
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
...

f1

f2

()

...

fn

ENTRADA: N nmero de ecuaciones, x vector de valores iniciales, MAXIT

mximo nmero de iteraciones y EPS criterio de convergencia.
SALIDA: El vector solucin xn o mensaje de falla NO CONVERGE
PROCESO:
Paso 1: Hacer K=1
Paso 2: Mientras K<=MAXIT, repetir los Pasos 3, 4, 5, 6, 7, 8 y 9.
Paso 3: Evaluar la matriz Jacobiana aumentada ()
Paso 4: Resolver el sistema lineal ()
Paso 5: Hacer xn=x+h

( Operacin vectorial ! )

Paso 6: Si |xn-x|>EPS
Ir al paso 8.
Sino
continuar
Paso 7: Imprimir x=xn

TERMINAR

Paso 8: Hacer x=xn

Paso 9: Hacer K=K+1
Paso 10: IMPRIMIR NO CONVERGE y TERMINAR