Universidad Nacional Jorge Basadre Grohmann

Facultad de Ingeniería
Escuela Profesional de Ingeniería de Sistemas e Informática

MÉTODO
DE
BROYDEN

Asignatura: Métodos Numéricos.

Docente: Luis Amaya Cedrón
Integrantes:
-Leandro André Ramos Valdéz 2015-119038
-Josue Aldair Mamani Cariapaza 2015-119034
Fecha: 19/07/16

TACNA – PERU
2016
 ÍNDICE

I. Introducción……………………………………..…1

II. Problema…………………………………………….2

III. Algoritmo Matemático……………………..……..4

i. Deducción Matemática………………………..4

ii. Interpretación Geométrica……………..……8

IV. Ejemplo (Matemático)……………………………13

V. Algoritmo Computacional………………….……18

i. Diagrama de Flujo……………………………..18

ii. Programa………………………………………..19

VI. Aplicación………………………………….……….20

i. Manual…………………………………………..20

ii. Software……………………………………..…28

VII. Conclusiones…………………………………….…29

VIII. Recomendaciones…………………………….…..30

IX. Anexos……………………………………….………30

X. Bibliografía…………………………………….……33
I) Introducción

El método de Broyden es un método para hallar las soluciones

de un sistema de Ecuaciones No Lineales.

Es denominado método Cuasi-Newtoniano, ya que casi es un

Método de Newton Raphson para Sistemas de Ecuaciones No

Lineales, sin embargo se diferencian en que el método de

Broyden consiste en computar el Jacobiano entero solamente

en la primera iteración, y llevar a cabo una actualización en

las demás iteraciones, reduciendo así el costo computacional.

1
II) Problema

Considérese una tubería de sección circular que va del punto

P1 al punto 𝑃2 y en él se divide en dos ramas, una que va al

punto 𝑃4 y otra que va al punto 𝑃4. Designando por 𝑄 al

caudal que va de 𝑃1 a 𝑃2, por 𝑄1 al que va a de P2 a P3, por

𝑄2 al que va de 𝑃2 a P4 y por 𝑝1 , 𝑝2 , 𝑝3 𝑦 𝑝4 a las presiones en los

puntos 𝑃1, 𝑃2, 𝑃3 y 𝑃4 respectivamente, caídas de presión en

cada tramo y los caudales que por ellos circulan se pueden

relacionar mediante las ecuaciones siguientes:

𝑝1 − 𝑝2 = 𝐾1 ∙ 𝑄1.75

𝑝2 − 𝑝3 = 𝐾2 ∙ 𝑄11.75

𝑝2 − 𝑝4 = 𝐾3 ∙ 𝑄21.75

𝑄 = 𝑄1 + 𝑄2

Para un fluido y una tubería concretos se han estimado los

valores siguientes:

𝐾1 = 2.35 ∙ 𝑒 −3 , 𝐾2 = 4.67 ∙ 𝑒 −3 , 𝐾3 = 3.72 ∙ 𝑒 −2

𝑝1 = 75 𝑝𝑠𝑖, 𝑝3 = 20 𝑝𝑠𝑖, 𝑝4 = 15 𝑝𝑠𝑖

Se desea estimar la presión 𝑝2 existente en el punto P2 así

como los caudales 𝑄, 𝑄1 𝑦 𝑄2 que circulan por cada una de las

ramas de la red de tuberías antes descrita.

Solución:

El sistema dado puede escribirse, de acuerdo a los datos del

ejercicio, como:

2
 2.35 ∙ 𝑒 −3 ∙ 𝑄1.75 − 75 + 𝑝2 = 0

4.67 ∙ 𝑒 −3 ∙ 𝑄11.75 + 20 − 𝑝2 = 0

3.72 ∙ 𝑒 −2 ∙ 𝑄21.75 + 15 − 𝑝2 = 0

𝑄 − 𝑄1 − 𝑄2 = 0

Este sistema de 4 ecuaciones con 4 incógnitas puede intentar

resolverse tal cual está planteado mediando el método de

Broyden. Pero el proceso puede aligerarse

computacionalmente utilizando la última ecuación inyectada

en la primera y reformulando el sistema como:

2.35 ∙ 𝑒 −3 ∙ (𝑄1 + 𝑄2 )1.75 − 75 + 𝑝2 = 0

4.67 ∙ 𝑒 −3 ∙ 𝑄11.75 + 20 − 𝑝2 = 0

3.72 ∙ 𝑒 −2 ∙ 𝑄21.75 + 15 − 𝑝2 = 0

En cuanto a los valores de partida para inicializar el método,

puesto que P2 es un punto intermedio entre P1y los extremos

P3 y P4, tomaremos como 𝑝2 una presión intermedia, por

ejemplo 𝑝2 = 50 𝑝𝑠𝑖. Para los caudales 𝑄1 𝑦 𝑄2 no se dispone de

ninguna pista que nos indique en qué entorno pueden estar.

No obstante, si se considera 𝑝2 = 50, de la segunda ecuación se

tiene que 𝑄1 ≈ 16 y de la tercera ecuación, que 𝑄2 ≈ 7, con lo

que éstos pueden ser valores coherentes con la presión tomada

para inicializar el proceso.

3
III) ALGORITMO MATEMÁTICO

i) Deducción Matemática

Partiendo de alguna deducciones del Método de Newton

Raphson para Sistemas de Ecuaciones No Lineales.

Supongamos para un sistema de 2 ecuaciones no lineales de 2

variables, tenemos lo siguiente: (Luego de haber expandido en

serie de Taylor ambas funciones alrededor de 𝒙𝒌 , 𝒚𝒌 ).

𝒙𝒌+𝟏 − 𝒙𝒌 = 𝒉 (1.1)

𝒚𝒌+𝟏 − 𝒚𝒌 = 𝒋

𝝏𝒇𝟏 𝝏𝒇𝟏
𝒉+ 𝒋 = −𝒇𝟏(𝒙𝒌 ,𝒚𝒌) (1.2)
𝝏𝒙 𝝏𝒚

𝝏𝒇𝟐 𝝏𝒇𝟐
𝒉+ 𝒋 = −𝒇𝟐(𝒙𝒌 ,𝒚𝒌)
𝝏𝒙 𝝏𝒚

Factorizando (1.2), y generalizándola, tenemos:

𝑱𝒌 ⃑⃑⃑⃑ ⃑⃑⃑⃑𝒌
𝒉𝒌 = −𝒇 (1.3)

donde ⃑𝒉 = (𝒉, 𝒋, … ) y ⃑𝒇 = (𝒇𝟏 , 𝒇𝟐 , … )

Multiplicamos ambos lados de la ecuación por 𝑱−𝟏 :

⃑⃑⃑⃑ −𝟏 𝒌
𝒉𝒌 = −(𝑱𝒌 ) ⃑⃑⃑⃑
𝒇 (1.4)

Generalizando la ecuación (1.1), tenemos:

𝑿𝒌+𝟏 = 𝑿𝒌 + 𝒉𝒌 (1.5)

4
Reemplazando (1.4) en (1.5)

𝑿𝒌+𝟏 = 𝑿𝒌 − (𝑱𝒌 )−𝟏 ⃑⃑⃑

𝒇𝒌 (1.6)

Siendo ésta el modelo de la fórmula planteada por Newton

Raphson para Sistemas de Ecuaciones No Lineales.

Pues ahora, veamos la deducción matemática para el método

de Broyden.

El método de la secante para sistemas de ecuaciones no

lineales consiste en sustituir 𝑱𝒌 en la ecuación (1.6) con una

matriz 𝑨𝒌 , cuyos componentes se obtienen con los resultados

de dos iteraciones previas 𝑿𝒌 𝒚 𝑿𝒌−𝟏 , de la siguiente manera:

[ 𝑓(𝑋 𝑘 ) − 𝑓(𝑋 𝑘−1 ) − 𝐴𝑘−1 (𝑋 𝑘 − 𝑋 𝑘−1 )] (𝑋 𝑘 − 𝑋 𝑘−1 )𝑇

𝐴𝑘 = 𝐴𝑘−1 +
|𝑋𝑘 − 𝑋𝑘−1 |2

o bien:

𝑘 𝑘−1 [ ∆𝑓(𝑋 𝑘 )−𝐴𝑘−1 (∆𝑋 𝑘 )] (∆𝑋 𝑘 )𝑇

𝐴 =𝐴 + (1.7)
|∆𝑋 𝑘 |2

con la siguiente notación:

∆𝑓(𝑋 𝑘 ) = 𝑓(𝑋 𝑘 ) − 𝑓(𝑋 𝑘−1 )

∆ 𝑋 𝑘 = 𝑋 𝑘 − 𝑋 𝑘−1

Para la primera aplicación de la ecuación (1.7) se requieren

dos vectores iniciales: y . Este último puede obtenerse de una

aplicación del método de Newton-Raphson multivariable.

𝑿𝟏 = 𝑿𝟎 − (𝑱𝟎 )−𝟏 𝒇𝟎

5
cuya 𝐽0 a su vez puede emplearse en (1.7), con lo cual ésta

queda:

𝑘 [ ∆𝑓(𝑋 𝑘 )−𝐴𝑘−1 (∆𝑋 𝑘 )] (∆𝑋 𝑘 )𝑇

𝐴 =𝐽 + 0
(1.8)
|∆𝑋 𝑘 |2

La inversión de 𝐴𝑘 en cada iteración significa un esfuerzo

computacional grande (del orden de 𝑛3 ) que, sin embargo,

puede reducirse empleando una fórmula de inversión matricial

de Sherman y Morrison. Ésta fórmula establece que si A es

una matriz no singular y x, y son vectores, entonces A+𝒙𝒚𝑇

es no singular, siempre que 𝒚𝑻 𝑨−𝟏 𝒙 ≠ 𝟏 . Además, en este

caso,

𝑻 )−𝟏 −𝟏 𝑨−𝟏 𝒙𝒚𝑻 𝑨−𝟏

(𝑨 + 𝒙𝒚 = 𝑨 − (1.9)
𝟏+𝒚𝑻 𝑨−𝟏 𝒙

Esta fórmula permite calcular a partir de, eliminando la

necesidad de invertir una matriz en cada iteración. Para esto,

primero se obtiene la inversa de la ecuación (1.7)

𝑘 −1 𝑘−1
[ ∆𝑓(𝑋 𝑘 ) − 𝐴𝑘−1 (∆𝑋 𝑘 )] (∆𝑋 𝑘 )𝑇 −1
(𝐴 ) =(𝐴 + )
|∆𝑋𝑘 |2

Después se hace:

𝐴 = 𝐴𝑘−1

𝑘 𝑘−1 𝑘
[ ∆𝑓(𝑋 )−𝐴 (∆𝑋 )]
𝑥=
𝑘 2
|∆𝑋 |

𝑘 𝑇
𝒚 = (∆𝑋 ) ,

6
con lo que la última ecuación queda:

(𝐴𝑘 )−1 = (𝐴 + 𝑥𝑦 𝑇 )−1

y sustituyéndolo en la ecuación (1.9), tenemos los siguiente:

∆𝑓 𝑘 − 𝐴𝑘−1 ∙ ∆𝑋 𝑘
(𝐴𝑘−1 )−1 [ (∆𝑋 𝑘 )𝑇 ] (𝐴𝑘−1 )−1
|∆𝑋𝑘 |2
(𝐴𝑘 )−1 = (𝐴𝑘−1 )−1 −
∆𝑓 𝑘 − 𝐴𝑘−1 ∙ ∆𝑋𝑘
1 + (∆𝑋𝑘 )𝑇 ∙ (𝐴𝑘−1 )−1 ∙
|∆𝑋𝑘 |2

[(𝐴𝑘−1 )−1 ∙ ∆𝑓 𝑘 − ∆𝑋 𝑘 ](∆𝑋 𝑘 )𝑇 ∙ (𝐴𝑘−1 )−1

(𝐴𝑘 )−1 = (𝐴𝑘−1 )−1 −
|∆𝑋𝑘 |2 + (∆𝑋𝑘 )𝑇 ∙ (𝐴𝑘−1 )−1 ∙ ∆𝑓 𝑘 − |∆𝑋𝑘 |2

Finalmente:

𝑇
𝑘 −1 𝑘−1 −1 [∆𝑋 𝑘 −(𝐴𝑘−1 )−1 ∙ ∆𝑓𝑘 ](∆𝑋 𝑘 ) ∙ (𝐴𝑘−1 )−1
(𝐴 ) = (𝐴 ) − −1 (1.10)
(∆𝑋 𝑘 )𝑇 ∙ (𝐴𝑘−1 ) ∙ ∆𝑓𝑘

Ésta fórmula permite calcular la inversa de una matriz con

sumas y multiplicaciones de matrices solamente, con lo que se

reduce el esfuerzo computacional al orden 𝑛2 .

Así usaremos la ecuación (1.10) desde la 2da iteración, ya que

la primera la ocuparemos 100 % por el método de Newton

Raphson para Sistemas de Ecuaciones No Lineales.

Resultando la siguiente notación para el método de Broyden,

desde la segunda iteración.

𝑿𝒌 = 𝑿𝒌−𝟏 − (𝑨𝒌−𝟏 )−𝟏 𝒇𝒌−𝟏 (1.11)

7
ii) Interpretación Geométrica

Para tratar de entender el método de Broyden, emplearemos la

misma interpretación Geométrica que el método de Newton

Raphson.

1) Consiste en elegir las coordenadas de un punto (𝑥𝑜 𝑦𝑜 )

como aproximación (punto inicial) del punto de intersección

de las funciones f(x, y) y g(x, y).

f (x, y)

𝑦𝑜

g(x, y)

𝑥0
X

8
2) Obtener los valores de las funciones f(x, y) y g(x, y) valuadas

con las coordenadas del punto inicial (𝑥𝑜 𝑦𝑜 ), y localizar los

cuatro puntos f (𝑥1 , 𝑦), g(𝑥1 , 𝑦), f (𝑥, 𝑦1) y g(𝑥, 𝑦1 ).

𝑔(𝑥0 , 𝑦) f (x,y)

𝑓(𝑥0 , 𝑦)

𝑓(𝑥, 𝑦0 ) 𝑔(𝑥, 𝑦0 )
𝑦𝑜

g(x,y)

𝑥0
X

9
3) Trazar una recta tangente paralela a la secante que une los

puntos 𝑓(𝑥0 , 𝑦), 𝑓(𝑥, 𝑦0 ) y otra tangente paralela a la secante que

une los puntos 𝑔(𝑥0 , 𝑦) 𝑔(𝑥, 𝑦0 ).

𝑔(𝑥0 , 𝑦) f (x,y)

𝑓(𝑥0 , 𝑦)

𝑓(𝑥, 𝑦0 ) 𝑔(𝑥, 𝑦0 )
𝑦𝑜

g(x,y)

𝑥0
𝑋

10
4) El punto de intersección de estas dos tangentes constituye

una segunda aproximación (𝑥1 𝑦1 ), del punto de intersección

de las dos funciones.

𝑔(𝑥0 , 𝑦) f (x,y)

𝑦1 𝑓(𝑥0 , 𝑦)

𝑓(𝑥, 𝑦0 ) 𝑔(𝑥, 𝑦0 )
𝑦𝑜

g(x,y)

𝑥0
𝑥1 𝑋

11
 5) El proceso se repite n veces hasta que las coordenadas del

punto de intersección (𝑥𝑛 𝑦𝑛 ) coincida prácticamente con el

valor exacto de la intersección entre las dos curvas.

𝑔(𝑥0 , 𝑦) f (x,y)

𝑦1
𝑓(𝑥0 , 𝑦)

𝑓(𝑥, 𝑦0 ) 𝑔(𝑥, 𝑦0 )
𝑦𝑜

g(x,y)

𝑥0 𝑥1 𝑋

12
IV) EJEMPLO (MATEMÁTICO)

Tenemos dos funciones:

𝑓(𝑥, 𝑦) = 𝑥 2 + 𝑥𝑦 − 10

𝑔(𝑥, 𝑦) = 𝑦 + 3𝑥𝑦 2 − 57

Tomamos los siguientes puntos iniciales:

𝑥𝑜 = 1.5

𝑦𝑜 = 3.5

Ahora bien, para empezar a resolver por el método de Broyden,

proseguimos a hacer lo siguiente:

Antes tengamos en cuenta lo siguiente: Para la primera

iteración, utilizamos el método de Newton Raphson para

Sistemas de Ecuaciones No Lineales. Así:

𝑥𝑛+1 𝑥𝑛 } − [ 𝐽 (𝑥 , 𝑦 )]−1 ∗ { 𝑓(𝑥𝑛, 𝑦𝑛) }

{
𝑦𝑛+1 }= {
𝑦𝑛 𝑛 𝑛
𝑔(𝑥 , 𝑦 )
𝑛 𝑛
Paso 1: Hallar 𝑓(𝑥𝑜 , 𝑦𝑜 ) 𝑦 𝑔(𝑥𝑜 , 𝑦𝑜 )

𝑓(𝑥𝑜 , 𝑦𝑜 ) = 1.52 + (1.5) ∗ (3.5) − 10 = −2.5

𝑔(𝑥𝑜 , 𝑦𝑜 ) = 3.5 + 3 ∗ (1.5) ∗ (3.52 ) − 57 = 1.63

Paso 2: Hallar la Matriz Jacobiana:

𝜕𝑓 𝜕𝑓
𝜕𝑥 𝜕𝑦
𝐽=
𝜕𝑔 𝜕𝑔
[ 𝜕𝑥 𝜕𝑦]

13
 𝜕(𝑥2 + 𝑥𝑦 − 10) 𝜕(𝑥2 + 𝑥𝑦 − 10)
𝜕𝑥 𝜕𝑦
𝐽=
𝜕(𝑦 + 3𝑥𝑦2 − 57) 𝜕(𝑦 + 3𝑥𝑦2 − 57)
[ 𝜕𝑥 𝜕𝑦 ]

2𝑥 + 𝑦 𝑥
𝐽=[ ]
3𝑦 2 1 + 6𝑥𝑦

Por tanto:

6.5 1.5
𝐽(𝑥𝑜 , 𝑦𝑜 ) = [ ]
36.75 32.5
Paso 3: Invertir la Matriz Jacobiana

−1 1
[ 𝐽 (𝑥𝑜 , 𝑦𝑜 )] = ∗ 𝑎𝑑𝑗[ 𝐽 (𝑥𝑜 , 𝑦𝑜 ) ]
𝑑𝑒𝑡[ 𝐽 (𝑥𝑜 , 𝑦𝑜 ) ]

Lo desarrollamos por partes, la determinante de la matriz

Jacobiana sería:

𝑑𝑒𝑡[ 𝐽 (𝑥𝑜 , 𝑦𝑜 )] = 6.5 ∗ 32.5 − 1.5 ∗ 36.75 = 156.13

y la adjunta de la Matriz Jacobiana:

32.5 − 1.5
𝑎𝑑𝑗[ 𝐽 (𝑥𝑜 , 𝑦𝑜 ) ] = [ ]
−36.75 6.5
Finalmente, podemos obtener la inversa de la Matriz

Jacobiana, así:

−1 1 32.5 − 1.5
[ 𝐽 (𝑥𝑜 , 𝑦𝑜 )] = ∗[ ]
156.13 −36.75 6.5

= [0.21 − 0.01]
−1
[ 𝐽 (𝑥𝑜 , 𝑦𝑜 )]
−0.24 0.04
14
Paso 4: Reemplazar los valores obtenidos en la Fórmula del

Método Newton Raphson, ya que la primera iteración es igual

en ambos métodos.

𝑥1 1.5 0.21 − 0.01] ∗ [−2.5]

{
𝑦1 } = [3.5] − [ −0.24 0.04 1.63
𝑥1 1.5 −0.54 2.04
{
𝑦1 } = {3.5} − { 0.67 } = {2.83}

Hasta el momento hemos hallado el primer vector de

aproximación a la raíz.

Segunda Iteración:

Ahora según la información dada sobre el Método de Broyden,

desde aquí en adelante, No se computa el Jacobiano real, sino

una aproximación (A) . Y su inversa es calculada por la

Fórmula de Sherman Morrison.

Usamos la ecuación (1.10)

𝑇
𝑘 −1 𝑘−1 −1 [∆𝑋 𝑘 −(𝐴𝑘−1 )−1 ∙ ∆𝑓𝑘 ](∆𝑋 𝑘 ) ∙ (𝐴𝑘−1 )−1
(𝐴 ) = (𝐴 ) − −1
(∆𝑋 𝑘 )𝑇 ∙ (𝐴𝑘−1 ) ∙ ∆𝑓𝑘

que para ésta segunda iteración vendría siendo de la siguiente

forma:

[∆𝑋1 − (𝐴0 )−1 ∙ ∆𝑓 1 ](∆𝑋1 )𝑇 ∙ (𝐴0 )−1

(𝐴1 )−1 = (𝐴0 )−1 −
(∆𝑋1 )𝑇 ∙ (𝐴0 )−1 ∙ ∆𝑓 1

donde

−1
(𝐴0 )−1 = [ 𝐽 (𝑥𝑜 , 𝑦𝑜 )]

∆𝑋1 = 𝑋1 − 𝑋 0

∆𝑓 1 = 𝑓 1 − 𝑓 0

(∆𝑋1 )𝑇 = 𝑡𝑟𝑎𝑛𝑠𝑝𝑢𝑒𝑠𝑡𝑎 𝑑𝑒 ∆𝑋1

15
Para comenzar, hallamos lo necesario:

2.04 1.5 0.54

∆𝑋1 = { }−{ }= { }
2.83 3.5 −0.67

𝑓(𝑥1 , 𝑦1 ) = 2.04 + (2.04) ∗ (2.83) − 10 = −0.0652

2
1
𝑓 ={ }
𝑔(𝑥1 , 𝑦1 ) = 2.83 + 3 ∗ (2.04) ∗ (2.83 ) − 57 = −5.15
2

−0.065 −2.5 2.435

∆𝑓 1 = { }−{ }={ }
−5.15 1.63 −6.785

0.54 𝑇 {0.54
(∆𝑋1 )𝑇 = { } = − 0.67}
−0.67

Procedemos a resolver:
0.54 0.21 − 0.01 2.435 0.21 − 0.01
[{ }−{ }∙{ }] ∙ {0.54 − 0.67} ∙ { }
0.21 − 0.01 −0.67 −0.24 0.04 −6.785 −0.24 0.04
(𝐴1 )−1 = { }−
−0.24 0.04 0.21 − 0.01 2.435
{0.54 − 0.67} ∙ { } ∙{ }
−0.24 0.04 −6.785

0.198 − 0.001
(𝐴1 )−1 = [ ]
−0.179 0.034

Ahora, ejecutamos la ecuación (1.11):

𝑿𝒌 = 𝑿𝒌−𝟏 − (𝑨𝒌−𝟏 )−𝟏 𝒇𝒌−𝟏

𝑿𝟐 = 𝑿𝟏 − (𝑨𝟏 )−𝟏 𝒇𝟏
𝑥2 2.04 0.198 − 0.001 −0.065
{𝑦 } = [ ]− [ ]∗[ ]
2 2.83 −0.179 0.034 −5.15
𝑥2 2.04 −0.00772 2.04
{𝑦 } = [ ]− [ ]=[ ]
2 2.83 −0.163465 2.9935

Obtenido el segundo vector de aproximación a la raíz, se

realiza el mismo procedimiento hasta que 𝑿𝒌+𝟏 y 𝑿𝒌 sean

iguales o su norma sea menor que una tolerancia dada.

16
Los resultados para éste ejercicio de Sistemas de Ecuaciones

No Lineales, fueron los siguientes:

Tabla 1

Resultados del Sistema No Lineal de 2x2 con el Método de

Broyden

k 𝑥𝑘 𝑦𝑘

1 2.03603 2.84388

2 2.00892 2.99738

3 1.99831 3.00286

4 1.99984 3.00027

5 2 3

Con una tolerancia de: 10−6

17
V) ALGORITMO COMPUTACIONAL

i) Diagrama de Flujo

18
ii) Programa

donde:

# de iteraciones: es el número máximo de iteraciones que le

asignamos al programa para que se detenga.

Tolerancia: Nos indica el ‘nivel’ de error que tendrá nuestra

respuesta.

Var. Inicial: Es el vector de variables iniciales según las

funciones que hemos ingresado.

Numero de funciones: Es el número de funciones con las que

contará el Sistema de Ecuaciones No Lineales.

i: Es el número de iteraciones en el que logró converger el

sistema de Ecuaciones.

Xi,Yi,Zi: Son los puntos en donde las funciones se

encontrarán aproximadamente, dependiendo si colocamos 2

funciones y 2 variables o 3 funciones con 3 variables.

19
VI) APLICACIÓN

i) Manual

Partimos del problema expuesto en II) PROBLEMA

El sistema planteado fue:

𝟐. 𝟑𝟓 ∙ 𝒆−𝟑 ∙ (𝑸𝟏 + 𝑸𝟐 )𝟏.𝟕𝟓 − 𝟕𝟓 + 𝒑𝟐 = 𝟎

𝟒. 𝟔𝟕 ∙ 𝒆−𝟑 ∙ 𝑸𝟏 𝟏.𝟕𝟓 + 𝟐𝟎 − 𝒑𝟐 = 𝟎

𝟑. 𝟕𝟐 ∙ 𝒆−𝟐 ∙ 𝑸𝟐 𝟏.𝟕𝟓 + 𝟏𝟓 − 𝒑𝟐 = 𝟎

Podemos decir lo siguiente:

𝑓(𝑄1 , 𝑄2 , 𝑝2 ) = 2,35 · 𝑒 −3 (𝑄1 + 𝑄2)1.75 − 75 + 𝑝2 = 0

𝐹 = { 𝑔(𝑄1 , 𝑄2 , 𝑝2 ) = 4,67 · 𝑒 −3 𝑄11.75 · + 20 − 𝑝2 = 0 }
ℎ(𝑄1 , 𝑄2 , 𝑝2 ) = 3,72 · 𝑒 −2 · 𝑄21.75 + 15 − 𝑝2 = 0

Una vez reconocidas las funciones las cuales pertenecen a un

mismo sistema, podemos obtener para la primera iteración, el

Jacobiano.

𝜕𝑓 𝜕𝑓 𝜕𝑓
𝜕𝑄1 𝜕𝑄2 𝜕𝑝2
𝜕𝑔 𝜕𝑔 𝜕𝑔
[𝐽] =
𝜕𝑄1 𝜕𝑄2 𝜕𝑝2
𝜕ℎ 𝜕ℎ 𝜕ℎ
[ 𝜕𝑄1 𝜕𝑄2 𝜕𝑝2 ]

0,205 · (𝑄1 + 𝑄2 )0.75 ) (0,205 · (𝑄1 + 𝑄2 )0.75 ) 1

[ 𝐽𝑓 (𝑄1 , 𝑄2 , 𝑝2 )] == [0,407 · 𝑄10.75 0 − 1]
0 0,881 · 𝑄20.75 −1

En cuanto a los valores de partida para inicializar el método,

puesto que P2 es un punto intermedio entre P1 y los extremos

P3 y P4, tomaremos como 𝑝2 una presión intermedia, por

ejemplo 𝑝2 = 50 psi. Para los caudales Q1 y Q2 no se dispone de

20
ninguna pista que nos indique en qué entorno pueden estar.

No obstante, si se considera p2 = 50, de la segunda ecuación

se tiene que Q1 ≈ 16 y, de la tercera ecuación, que Q2 ≈ 7 por

lo que estos pueden ser valores coherentes con la presión

tomada para inicializar el proceso.

Aplicando pues el algoritmo de Broyden antes descrito a esta

situación, el cual consiste en aplicar método de newton

Raphson como primera iteración, solo para hallar el primer

valor de la primera iteración. El cual será utilizado para

resolver la fórmula de Sherman-Morrison, es de ahí donde se

obtiene el reemplazo a la matriz Jacobiana, y

consecuentemente, ser reemplazado en la fórmula de Newton-

Raphson. Para finalmente obtener los nuevos valores de las

variables, hasta que los siguientes valores se repitan.

Denominamos a los siguientes como parámetros del método de

Broyden.

𝑡𝑜𝑙 = 10−6

𝑛𝑢𝑚𝑎𝑥 = 10

𝑥 (0) = {𝑄1 , 𝑄2 , 𝑝2 } = {16, 7, 50}

Entonces sabiendo los puntos iniciales para las variables

independientes. Evaluamos con esos puntos, así:

21
 2.1530 2.1530 1
[ 𝐽𝑓 (𝑄1 , 𝑄2 , 𝑝2 )0 ] = [3.2560 0 − 1]
0 3.7914 − 1

Necesitamos hallar la inversa de la matriz jacobiana, para eso

necesitamos lo siguiente:

1
[ 𝐽 ]−1 = ∗ 𝑎𝑑𝑗[ 𝐽 ]𝑇
𝑑𝑒𝑡[ 𝐽 ]

 Primero hallaremos la determinante:

Para hallar el determinante de una matriz 3x3 se hace lo

siguiente:

Y ahora ya tenemos casi resuelta el determinante de la matriz

jacobiana:

|𝐽| = ((2.1530 ∗ 0 ∗ −1) + (0 ∗ 2.1530 ∗ −1) + (3.2560 ∗ 3.7914 ∗ 1))

− (0 ∗ 0 ∗ 1) − (2.1530 ∗ 3.7914 ∗ −1) − (3.2560 ∗ 2.1530

∗ −1 )

det(𝐽) = | 𝐽 | = 27.5178506

22
El siguiente paso sería hallar la matriz adjunta de [J]:

0 −1 3.2560 − 1 3.2560 0
| |−| || |
3.7914 − 1 0 −1 0 3.7914
2.1530 1 2.1530 1 2.1530 2.1530
Adj(J) = − | || |−| |
3.7914 − 1 0 −1 0 3.7914
2.1530 1 2.1530 1 2.1530 2.1530
( |0 −1
|−|
3.2560
||
− 1 3.2560
|
0 )

3.7914 3.2560 12.347984

Adj(J) = (5.9444 − 2.1530 − 8.1628842)
−2.1530 5.409 − 7.010168

3.7914 5.9444 − 2.1530

Adj(J)𝑇 = (3.2560 − 2.1530 5.409)
12.347984 − 8.168842 − 7.010168

El paso final para hallar la inversa de la matriz jacobiana es

solo dividir los valores obtenidos anteriormente.

1
[ 𝐽 ]−1 = ∗ Adj(J)𝑇
𝑑𝑒𝑡[ 𝐽 ]

0.1378 0.2160 − 0.0782

[ 𝐽 ]−1 = { 0.1183 − 0.0782 0.1966 }
0.4487 − 0.2966 − 0.2547

23
Ya que tenemos la matriz [ 𝐽 ]−1 podemos aplicar Newton

Raphson para hallar los valores 𝑥1 de la primera iteración.

𝑥 (1) = 𝑥 (0) − [ 𝐽 ]−1 ∗ 𝐹(𝑥 (0 ))

16 0.1378 0.2160 − 0.0782 3.2623408

𝑥 (1) = { 7 } − { 0.1183 − 0.0782 0.1966 } ∗ { −2.3928201 }
50 0.4487 − 0.2966 − 0.2547 −19.8338430

14.0506076
(1)
𝑥 = {10.4943950}
43.4152926

Ahora nos dedicaremos a aplicar la fórmula de Sherman-

Morrison, y consecuentemente la fórmula de Newton Raphson.

Según la fórmula de Sherman-Morrison, la cual es la

siguiente:

𝑡
(𝑆𝑖 − 𝐴−1 −1
𝑖−1 ∗ 𝑦𝑖 ) ∗ 𝑆𝑖 ∗ 𝐴𝑖−1
𝐴−1 −1
𝑖−1 = 𝐴𝑖−1 +
𝑆𝑖𝑡 ∗ 𝐴−1
𝑖−1 ∗ 𝑌𝑖

Donde:

𝑌𝑖 = 𝐹(𝑥 (𝑖) ) − 𝐹(𝑥 (𝑖−1) )

𝑆𝑖 = 𝑥 (𝑖) −𝑥 (𝑖−1)

𝐴−1
0 =𝐽
−1

24
En este caso:

𝑌1 = 𝐹(𝑥 (1) ) − 𝐹(𝑥 (0) )

0.08323233 3.2623408
𝑌1 = { 0.2929796 } − { −2.3928201 }
2.3902906 −19.8338430

−3.1791085
𝑌1 = { 0.5322596 }
22.2241337

Ahora:

𝑆1 = 𝑥 (1) −𝑥 (0)

14.0506076 16
𝑆1 = {10.4943950} − { 7 }
43.4152926 50

−1.9493924
𝑆1 = { 2.4943950 }
−6.5847074

Finalmente se crea una variable: 𝐴−1

0 =𝐽
−1

0.1378 0.2160 − 0.0782

𝐴−1
0 = { 0.1183 − 0.0782 0.1966 }
0.4487 − 0.2966 − 0.2547

Y podemos reemplazar en la fórmula de Sherman-Morrison:

(𝑆1 − 𝐴−1 𝑡 −1
0 ∗ 𝑦1 ) ∗ 𝑆1 ∗ 𝐴0
𝐴1−1 = 𝐴−1
0 +
𝑆1𝑡 ∗ 𝐴−1
0 ∗ 𝑌1

Para evitar que la ecuación se llene de resultados separaremos

el numerador y denominador de la división que se puede

observar, en la ecuación anterior, así:

25
 −1.9493924 0.1378 0.2160 − 0.0782 −3.1791085
𝑛𝑢𝑚 = ({ 2.4943950 } − { 0.1183 − 0.0782 0.1966 } ∗ { 0.5322596 })
−6.5847074 0.4487 − 0.2966 − 0.2547 22.2241337
0.1378 0.2160 − 0.0782
∗ {−1.9493924 2.4943950 − 6.5847074} ∗ { 0.1183 − 0.0782 0.1966 }
0.4487 − 0.2966 − 0.2547

Entonces

−0.3293 0.1504 0.2609

𝑛𝑢𝑚 = {4.2641 − 1.9470 − 3.3789}
−1.9365 0.8842 1.5345

𝑑𝑒𝑛 = 𝑆1𝑡 ∗ 𝐴−1

0 ∗ 𝑌1

0.1378 0.2160 − 0.0782 −3.1791085

𝑑𝑒𝑛 = {−1.9493924 2.4943950 − 6.5847074} ∗ { 0.1183 − 0.0782 0.1966 } ∗ { 0.5322596 }
0.4487 − 0.2966 − 0.2547 22.2241337

𝑑𝑒𝑛 = 61.5868

0.1378 0.2160 − 0.0782 𝑛𝑢𝑚

𝐴1−1 = { 0.1183 − 0.0782 0.1966 } +
𝑑𝑒𝑛
0.4487 − 0.2966 − 0.2547
−0.3293 0.1504 0.2609
0.1378 0.2160 − 0.0782 {4.2641 − 1.9470 − 3.3789}
𝐴1−1 = { 0.1183 − 0.0782 0.1966 } + −1.9365 0.8842 1.5345
61.5868
0.4487 − 0.2966 − 0.2547

0.1378 0.2160 − 0.0782 −0.0053 0.0024 0.0042

𝐴1−1 = { 0.1183 − 0.0782 0.1966 } + {0.0692 − 0.0316 − 0.0549}
0.4487 − 0.2966 − 0.2547 −0.0314 0.0144 0.0249

26
Finalmente obtenemos 𝐴1−1 el cual será el reemplazo de la

matriz jacobiana en la fórmula de Newton Raphson.

0.1324 0.2185 − 0.0740

𝐴1−1 = { 0.1876 − 0.1099 0.1417 }
0.4173 − 0.2823 − 0.2298

Reemplazando en la fórmula de Newton Raphson, hallaremos

los valores de 𝑥 (2) .

𝑥 (2) = 𝑥 (1) − [ 𝐽 ]−1 ∗ 𝐹(𝑥 (1) )

14.0506076 0.1324 0.2185 − 0.0740 0.08323233

𝑥 (2) = {10.4943950} − { 0.1876 − 0.1099 0.1417 } ∗ { 0.2929796 }
43.4152926 0.4173 − 0.2823 − 0.2298 2.3902906

14.0506076 −0.1123
𝑥 (2) = {10.4943950} − { 0.4568 }
43.4152926 −0.6585

14.1629
𝑥 (2) = {10.0376}
44.0738

Así sucesivamente en las siguientes iteraciones se obtuvo los

siguientes valores:

14,1354080 14,1355289 14,1355472

(3) (4) (5)
𝑋 = {10,1313741 } 𝑋 = {10,1303992 } 𝑋 = { 10,1303018 }
43,9574486 43,9594922 43,9596554

Y finalmente hasta que se obtenga que 𝑥 (7) − 𝑥 (6) ≤ 𝑡𝑜𝑙. Por

eso el programa se detiene en la 7ma iteración.

27
 Siendo:

14.1355467
(6)
𝑥 = { 10.1303043 }
43.95965156

14.1355467
𝑥 (7) = {10.13030403}
43.9596517

En conclusión, ahora si podemos saber la presión (𝑝2 ) en el

punto P2, y los caudales 𝑄, 𝑄1 , 𝑄2 respectivamente.

La solución es la siguiente:

𝑄 = 𝑄1 + 𝑄2
𝑄1 = 14.1355467
𝑄2 = 10.13030403
𝑝2 = 43.9596517 𝑝𝑠𝑖
𝑄 = 24.2658507

ii) Software

También podemos ver el método de Broyden para esta

aplicación en el programa Matlab. Y vemos que funciona

correctamente, tal y como antes habíamos mencionado, se

detiene en la 7ª iteración ya que 𝑥 (7) − 𝑥 (6) ≤ 𝑡𝑜𝑙.

Los datos a ingresar serían los siguientes: El sistema de

ecuaciones 3x3.

𝑡𝑜𝑙 = 10−6

𝑛𝑢𝑚𝑎𝑥 = 10
(0)
𝑥 = {𝑄1 , 𝑄2 , 𝑝2 } = {16, 7, 50}

28
VII) CONCLUSIONES

- El método de Broyden se basa en el Método de Newton

Raphson y se inspira en el método de la Secante para una

ecuación no Lineal, generalizándola para un Sistema de

Ecuaciones No Lineales.

-Al aproximar la Matriz Jacobiana, a sí mismo su Inversa y

evitar el laborioso trabajo de Evaluar 𝑛2 componentes con el

vector de aproximaciones, la velocidad de convergencia pasa

de ser Cuadrática (Newton Raphson) a SuperLineal (Broyden).

29
VIII) RECOMENDACIONES

-Se recomienda realizar el método de Broyden para un sistema

de ecuaciones muy grande, ya que disminuye el costo

computacional. Mientras el sistema de Ecuaciones No

Lineales sea más grande, el método de Broyden resulta ser

más eficiente.

-Se recomienda realizar un gráfico de las funciones del

Sistema de Ecuaciones No Lineales para así estimar valores

iniciales que logren que el método de Broyden pueda converger

de manera más rápida.

IX) ANEXOS

i) Ecuación No Lineal

A diferencia de las ecuaciones no Lineales, que por lo general

son rectas, un Ecuación No Lineal conlleva así un grado mayor

a 1.

ii) Sistema de Ecuaciones No Lineales

Se considera un Sistema de Ecuaciones No Lineal, a un

sistema que contenga por lo menos una ecuación No Lineal.

Para el presente trabajo usaremos la siguiente notación

general:

𝑓1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0

𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0

………………..…...…

𝑓𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = 0

30
donde 𝑓𝑖 son funciones reales.

Desde el punto de vista vectorial, el sistema puede escribirse:

𝑓1 𝑥1
𝑥2
⃑ = |𝑓2 |
𝑓 ⃑ = |…|
𝑥
…
𝑓𝑛 𝑥𝑛

⃑ (𝑥
con lo cual, el sistema se escribe así: 𝑓 ⃑ )=0

iii) Matriz Jacobiana

Es una matriz formada por las derivadas parciales de primer

orden de una función. Una de las aplicaciones más

interesantes de esta matriz es la posibilidad de aproximar

linealmente a la función en un punto. En este sentido, el

jacobiano representa la derivada de una función

multivariable.

Ejemplo: Sean 3 funciones (x, y, z) que dependen de 3 variable

(u, v, w).

𝜕𝑥 𝜕𝑥 𝜕𝑥
𝜕𝑢 𝜕𝑣 𝜕𝑤 |
𝜕(𝑥, 𝑦, 𝑧) |
𝜕𝑦 𝜕𝑦 𝜕𝑦
𝐽= =
𝜕(𝑢, 𝑣, 𝑤) |𝜕𝑢 𝜕𝑣 𝜕𝑤 |
𝜕𝑧 𝜕𝑧 𝜕𝑧
𝜕𝑢 𝜕𝑣 𝜕𝑤

iv) Jacobiano

Se llama jacobiano o determinante jacobiano al determinante

de la Matriz Jacobiana.

v) Método de Newton Raphson para una ecuación No Lineal

El método de Newton es un algoritmo eficiente para encontrar

aproximaciones de los ceros o raíces de una función real.

Sea f: [a, b]  R una función derivable definida en el intervalo

31
real [a, b]. Empezamos con un valor inicial 𝑥0 y definimos para

cada número natural n.

𝑓(𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 −
𝑓′(𝑥𝑛 )

donde 𝑓′(𝑥𝑛 ) denota la derivada de la función f.

vi) Método de la Secante

Es un método para encontrar los ceros de una función de

forma iterativa.

Es una variación del Método de Newton Raphson donde en vez

de calcular la derivada de la función en el punto de estudio,

teniendo en mente la definición de derivada, se aproxima la

pendiente a la recta que une la función evaluada en el punto

de estudio y en el punto de la iteración anterior. Este método

es de especial interés cuando el coste computacional de

derivar la función de estudio y evaluarla es demasiado elevado,

por lo que el método de Newton Raphson no resulta ‘atractivo’.

El método se resume en ésta fórmula:

𝒙𝒏 − 𝒙𝒏−𝟏
𝒙𝒏+𝟏 = 𝒙𝒏 + ∙ 𝒇(𝒙𝒏 )
𝒇(𝒙𝒏 ) − 𝒇(𝒙𝒏−𝟏 )

Como se puede ver, este método necesitará dos

aproximaciones iniciales de la raíz para poder inducir una

pendiente inicial.

vii) Métodos Cuasi Newton o Quasi Newton

Este tipo de métodos generalizan al caso de sistemas el método

de la secante estudiado para una única ecuación. La idea de la

32
 que parten consiste en aproximar la Matriz Jacobiana en cada

iteración a partir de la Matriz Tangente utilizada en la

iteración anterior.

X) BIBLIOGRAFÍA

Chapra,S. y Canale R. (2007). Métodos Numéricos para

Ingeniería. Mexico D.F:McGRAW-HILL/INTERAMERICANA

EDITORES,S.A. DE C.V.

Hurtado A. y Domínguez F. (2006). Métodos Numéricos

aplicados a la Ingeniería. Mexico: Compañía Editorial

Continental.

Burden,S. y Faires J. Análisis Numérico

recuperado de: [Link]

numrico-richard-burden-7ma-edicin

Conde, C. y Schiavi E.

recuperado de: [Link]

aplicada/programacion-y-metodos-

numericos/contenidos/TEMA_8/Apuntes/[Link]

33