TOKOVI SNAGA

AC TOKOVI SNAGA I NEWTONOV METOD

Eksploatacija i upravljanje elektroenergetskim sistemima

Mirsad Ćosović, e-mail: mcosovic@etf.unsa.ba

Elektrotehnički fakultet u Sarajevu, Odsjek za elektroenergetiku

SADRŽAJ

1. AC tokovi snaga

2. Razvoj funkcije u Taylorov red

3. Newtonov metod za nalaženje korijena funkcija

AC TOKOVI SNAGA
METODA NAPONA ČVOROVA

Sistem jednačina za sabirnice i = 1, . . . , n može se zapisati u ma-

tričnoj formi kao:
Ī = YV̄, (1)
gdje je V̄ ∈ Cn vektor kompleksnih napona na sabirnicama, a Ī ∈ Cn
je vektor kompleksnih injektiranih struja na sabirnicama.
METODA NAPONA ČVOROVA

Kompleksna injektirana struja sabirnice i ∈ N je određena kao:

Si∗ Pi − jQi
I¯i = = , (2)
V̄i∗ V̄i∗

gdje je V̄i = Vi ejθi . Definiranjem struje preko snaga i napona ima

praktični značaj iz razloga jer su snage najčešće poznate.
METODA NAPONA ČVOROVA

Prema tome, za sabirnicu i ∈ N , može se pisati:

Pi − jQi ∑
n
= Yij V̄j . (3)
V̄i∗ j=1
TIPOVI SABIRNICA

Razdvajanjem realnih i imaginarnih dijelova jednačine (3), dobiva se:

∑
n
Pi = V i Vj (Gij cos θij + Bij sin θij )
j=1
(4)
∑n
Q i = Vi Vj (Gij sin θij − Bij cos θij ).
j=1

Sistem jednačina sadrži četiri nepoznate varijable, a to su injektirana

aktivna snaga Pi , injektirana reaktivna snaga ubrizgavanja Qi , magni-
tude napona sabirnice Vi , i ugao napona sabirnice θi . Da bi se sistem
jednačina mogao riješiti, moraju se specificirati dvije poznate vari-
jable. Iako se matematički mogu odabrati bilo koje dvije varijable, iz-
bor je određen uređajima koji su povezani s određenom sabirnicom.
TIPOVI SABIRNICA

Tip sabirnice Poznate veličine Nepoznate veličine

Potrošač Pi , Q i Vi , θ i
Generator Pi , V i Q i , θi
Referentna Vi , θi Pi , Q i
INJEKTIRANE SNAGE

Injektirana aktivna i reaktivna snaga može se odrediti kao:

Pi = Ppi − Pdi
(5)
Qi = Qpi − Qdi ,

gdje Pdi i Qdi označavaju aktivnu i reaktivnu snagu potrošača spojenih

na sabirnicu i ∈ N , dok Ppi i Qpi odgovaraju aktivnoj i reaktivnoj snazi
koju proizvode generatori na sabirnici i ∈ N .
INJEKTIRANE SNAGE

Važno je napomenuti da svaka sabirnica i ∈ N ima kapacitet za povezi-

vanje s više generatora. Ovaj scenarij može se konceptualizirati uvođen-
jem skupa Pi , koji obuhvaća sve generatore povezane s sabirnicom
i ∈ N , odnosno sada vrijedi da je:
∑
Ppi = Pgk
k∈Pi
∑ (6)
Qpi = Qgk ,
k∈Pi

gdje Pgk i Qgk predstavljaju aktivne i reaktivne snage k-tog generatora

unutar skupa Pi .
AC TOKOVI SNAGA

Prema tome, AC tokovi snaga imaju za cilj riješiti sistem jednačina:

Pi − jQi ∑
n
= Yij V̄j , ∀i ∈ N , (7)
V̄i∗ j=1

ili sistem jednačina napisan u obliku:

∑
n
Pi = V i Vj (Gij cos θij + Bij sin θij )
j=1
(8)
∑n
Q i = Vi Vj (Gij sin θij − Bij cos θij ),
j=1

za ∀i ∈ N .
AC TOKOVI SNAGA

Najčešće se koristi Newtonov metod za nalaženje korijena funkcija:

∑
n
fPi (x) = Vi Vj (Gij cos θij + Bij sin θij ) − Pi = 0
j=1
(9)
∑
n
fQi (x) = Vi Vj (Gij sin θij − Bij cos θij ) − Qi = 0,
j=1

za ∀i ∈ N .
AC TOKOVI SNAGA

Odnosno, Newtonov metod rješava sistem nelinearnih jednačina:

[ ]
fP (x)
f (x) = = 0. (10)
fQ (x)
RAZVOJ FUNKCIJE U TAYLOROV RED
TAYLOROV RED

“Truth is much too complicated to allow anything but approximations.”

- John von Neumann
RAZVOJ FUNKCIJE U TAYLOROV RED

FUNKCIJA JEDNE REALNE VARIJABLE

TAYLOROV RED FUNKCIJE JEDNE REALNE VARIJABLE

Ukoliko analitička funkcija ima derivaciju svakog reda, tada se takva

funkcija u okolini svake tačke može prikazati Taylorovim redom. Naime,
funkcija jedne realne varijable f (x) (univariate function) u okolini bilo
koje tačke x0 može se zapisati kao:

df (x0 ) (x − x0 )2 d2 f (x0 )
f (x) = f (x0 ) + (x − x0 ) + + ..., (11)
dx 2! dx2
odnosno:
∑∞
1 df n (x0 )
f (x) = n
(x − x0 )n . (12)
n=0
n! dx
MACLAURINOV RED FUNKCIJE JEDNE REALNE VARIJABLE

Ukoliko je x0 = 0, tada je takav red poznat pod nazivom Maclaurinov

red:
df (0) x2 d2 f (0)
f (x) = f (0) + x + + ..., (13)
dx 2! dx2
odnosno:
∑∞
1 df n (0) n
f (x) = x . (14)
n=0
n! dxn
APROKSIMACIJA FUNKCIJE JEDNE REALNE VARIJABLE

Neka je data funkcija:

f (x) = ex . (15)
Funkcija koja aproksimira funkciju f (x) u tački x0 = 0 definirana je
Maclaurinovim redom:
x2 x3 x4 x5
f (x) = 1 + x + + + + ... (16)
2! 3! 4! 4!
APROKSIMACIJA FUNKCIJE JEDNE REALNE VARIJABLE

20
f (x)
h(x)

10
f (x)

−3 −2 −1 0 1 2 3
x

Slika 1: Graf funkcije f (x) = ex i njegova aproksimacija Taylorovim poli-

nomom prvog reda h(x) = 1 + x.
APROKSIMACIJA FUNKCIJE JEDNE REALNE VARIJABLE

20
f (x)
h(x)

10
f (x)

−3 −2 −1 0 1 2 3
x

Slika 2: Graf funkcije f (x) = ex i njegova aproksimacija Taylorovim poli-

2
nomom drugog reda h(x) = 1 + x + x2 .
APROKSIMACIJA FUNKCIJE JEDNE REALNE VARIJABLE

20
f (x)
h(x)

10
f (x)

−3 −2 −1 0 1 2 3
x

Slika 3: Graf funkcije f (x) = ex i njegova aproksimacija Taylorovim poli-

2 3
nomom trećeg reda h(x) = 1 + x + x2 + x3! .
APROKSIMACIJA FUNKCIJE JEDNE REALNE VARIJABLE

20
f (x)
h(x)

10
f (x)

−3 −2 −1 0 1 2 3
x

Slika 4: Graf funkcije f (x) = ex i njegova aproksimacija Taylorovim poli-

2 3 4
nomom četvrtog reda h(x) = 1 + x + x2 + x3! + + x4! .
APROKSIMACIJA FUNKCIJE JEDNE REALNE VARIJABLE

20
f (x)
h(x)

10
f (x)

−3 −2 −1 0 1 2 3
x

Slika 5: Graf funkcije f (x) = ex i njegova aproksimacija Taylorovim poli-

2 3 4 5
nomom petog reda h(x) = 1 + x + x2 + x3! + + x4! + x5! .
TAYLOROV RED FUNKCIJE JEDNE REALNE VARIJABLE

Ukoliko se ∆x definira kao :

∆x = x − x0 , (17)

Taylorov red funkcije f (x) u okolini tačke x0 može se predstaviti u

obliku:
df (x0 ) ∆x2 d2 f (x0 )
f (x0 + ∆x) = f (x0 ) + ∆x + + ... (18)
dx 2! dx2
RAZVOJ FUNKCIJE U TAYLOROV RED

FUNKCIJA DVIJE REALNE VARIJABLE

TAYLOROV RED FUNKCIJE DVIJE REALNE VARIJABLE

Promatrajmo sada funkciju dvije realne varijable f (x, y), Taylorov red
u okolini tačke (x0 , y0 ) ima oblik:

∂f (x0 , y0 ) ∂f (x0 , y0 )
f (x, y) = f (x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y
(x − x0 ) ∂ f (x0 , y0 )
2 2 2
∂ f (x0 , y0 )
+ + (x − x0 )(y − y0 )
2 ∂x2 ∂x∂y
(y − y0 )2 ∂ 2 f (x0 , y0 )
+ + . . . (19)
2 ∂y 2
APROKSIMACIJA FUNKCIJE DVIJE REALNE VARIJABLE

Neka je data funkcija:

f (x, y) = sin(2x) + cos y. (20)

Funkcija koja aproksimira funkciju f (x, y) u tački (x0 , y0 ) = (0, 0) defini-

rana je:
y2
f (x, y) = 1 + 2x − + ... (21)
2
APROKSIMACIJA FUNKCIJE DVIJE REALNE VARIJABLE

Slika 6: Graf funkcije f (x, y) = sin(2x) + cos y i njegova aproksimacija Tay-

lorovim polinomom prvog reda1 h(x, y) = 1 + 2x.

1 URL:https://math.libretexts.org/Bookshelves/Calculus
(visited on 11/06/2019).
APROKSIMACIJA FUNKCIJE DVIJE REALNE VARIJABLE

Slika 7: Graf funkcije f (x, y) = sin(2x) + cos y i njegova aproksimacija Tay-

2
lorovim polinomom drugog reda2 h(x, y) = 1 + 2x − y2 .

2 URL: https://math.libretexts.org/Bookshelves/Calculus
(visited on 11/06/2019).
GRADIJENT FUNKCIJE

Definirajmo operator ∇ kao:



∂
 
∇= ∂x
 ∂ , (22)

∂y

odnosno gradijent funkcije f (x, y) u tački (x0 , y0 ) je:

 
∂f (x0 , y0 )
 
∇f (x0 , y0 ) =  ∂x 
 ∂f (x0 , y0 ) . (23)

∂y
HESSIAN FUNKCIJE

Definirajmo operator ∇2 kao:

   
∂ [ ∂2 ∂2
]  
  ∂ ∂  2 ∂x∂y 
∇2 =  ∂x
 ∂  ∂x =  ∂x2 , (24)
∂y  ∂ ∂2 
∂y ∂y∂x ∂y 2

odnosno Hessian funkcije funkcije f (x, y) u tački (x0 , y0 ) je:

 
∂ 2 f (x0 , y0 ) ∂ 2 f (x0 , y0 )
 
 2 ∂x∂y 
∇2 f (x0 , y0 ) =  2 ∂x . (25)
 ∂ f (x0 , y0 ) ∂ 2 f (x0 , y0 )
∂y∂x ∂y 2
TAYLOROV RED FUNKCIJE DVIJE REALNE VARIJABLE

Taylorov red funkcije dvije realne varijable u okolini tačke (x0 , y0 )

sada se može zapisati kao:
1
f (x, y) = f (x0 , y0 ) + ∇f (x0 , y0 )T ∆x + ∆xT ∇2 f (x0 , y0 )∆x + . . . (26)
2
gdje je: [ ]
x − x0
∆x = . (27)
y − y0
RAZVOJ FUNKCIJE U TAYLOROV RED

FUNKCIJA REALNIH VARIJABLI

TAYLOROV RED

Promatrajmo sada n realnih varijabli x = (x1 , . . . , xn ), tada se funkcija

f (x) (multivariate function) može predstaviti Taylorovim redom u okolini
tačke x0 kao:
1
f (x) = f (x0 ) + ∇f (x0 )T ∆x + ∆xT ∇2 f (x0 )∆x + . . . , (28)
2
gdje je gradijent funkcije f (x) u okolini tačke x0 :
 
∂f (x0 )
 
 ∂x1 
 . 
∇f (x0 ) = 
 ..  .
 (29)
 
 ∂f (x0 )
∂xn
TAYLOROV RED

Hessian funkcije f (x) u okolini tačke x0 ima oblik:

 2 
∂ f (x0 ) ∂ 2 f (x0 ) ∂ 2 f (x0 )
 ... 
 ∂x21 ∂x1 ∂x2 ∂x1 ∂xn 
 .. .. 
∇2 f (x0 ) = 
 . .
.
 (30)
 2 
 ∂ f (x0 ) ∂ 2 f (x0 ) ∂ 2 f (x0 ) 
... .
∂xn ∂x1 ∂xn ∂x2 ∂x2n
NEWTONOV METOD ZA NALAŽENJE
KORIJENA FUNKCIJA
NEWTONOV METOD

Newtonov metod ili Newton-Raphson metod se koristi za nalaženje

nultačaka (korijena) nelinearnih realnih funkcija. Najčešće se za apro-
ksimaciju nelinearne funkcije koristi Taylorov polinom prvog reda.

Ipak, aproksimacija nelinearne funkcije može biti provedena i Tay-

lorov polinom drugog reda, što za posljedicu ima bržu konvergenciju,
ali je računarski zahtjevnija.
NEWTONOV METOD ZA NALAŽENJE
KORIJENA FUNKCIJA

FUNKCIJA JEDNE REALNE VARIJABLE

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Neka je funkcija jedne realne varijable f (x) aproksimiran Taylorovim

polinom prvog reda:

df (x0 )
h(x) = f (x0 ) + (x − x0 ) . (31)
dx
Uzimajući da je:
∆x = x − x0 , (32)
može se pisati:
df (x0 )
h(x) = f (x0 ) + ∆x . (33)
dx
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Nultačka ili korijen funkcije h(x) se može odrediti rješavanjem jed-

načine:
df (x0 )
f (x0 ) + ∆x = 0, (34)
dx
odakle je vrijednost pomjeraja ∆x:
( )−1
df (x0 ) f (x0 )
∆x = −f (x0 ) =− . (35)
dx f ′ (x0 )

Prema tome, korijen funkcije h(x) je određeno kao:

f (x0 )
x = x0 + ∆x = x0 − . (36)
f ′ (x0 )
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Neka je poznata funkcija:

f (x) = x2 − 2x − 3. (37)

Korijeni ove funkcije su:

x1 = 3
(38)
x2 = −1.
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Aproksimacija funkcije f (x) u okolini tačke x0 = 5 Taylorovim poli-

nomom prvog reda je:

h0 (x) = f (x0 ) + ∆x0 f ′ (x0 ) = 12 + 8∆x0 = 12 + 8(x − 5), (39)

gdje je:
∆x0 = x − x0 = x − 5. (40)
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Odredimo sada korijen funkcije h0 (x):

h0 (x) = 0, (41)

odnosno:
−12
∆x0 = = −1.5 (42)
8
Prema tome, korijen je:

x1 = x0 + ∆x0 = 5 − 1.5 = 3.5. (43)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

f (x)
10 h0 (x)

5
f (x)

−5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
x

Slika 8: Graf funkcije f (x) = x2 − 2x − 3 i njegova aproksimacija Taylorovim

polinomom prvog reda h0 (x) = 12 + 8(x − 5) u okolini tačke x0 = 5, gdje je
korijen funkcije h0 (x) jednak x1 = 3.5.
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Dalje, aproksimirajmo funkciju f (x) u okolini tačke x1 = 3.5 Taylorovim

polinomom prvog reda je:

h1 (x) = 2.25 + 5∆x1 = 2.25 + 5(x − 3.5). (44)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Sada je:
−2.25
∆x1 = = −0.45. (45)
5
Prema tome, korijen je:

x2 = x1 + ∆x1 = 3.5 − 0.45 = 3.05. (46)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

f (x)
10 h1 (x)

5
f (x)

−5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
x

Slika 9: Graf funkcije f (x) = x2 − 2x − 3 i njegova aproksimacija Taylorovim

polinomom prvog reda h1 (x) = 2.25 + 5(x − 3.5) u okolini tačke x1 = 3.5,
gdje je korijen funkcije h1 (x) jednak x2 = 3.05.
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Aproksimacija funkcije f (x) u okolini tačke x2 = 3.05 Taylorovim poli-

nomom prvog reda je:

h2 (x) = 0.2025 + 4.1∆x2 = 0.2025 + 4.1(x − 3.05). (47)

Sada je:
−0.2025
∆x2 = = −0.04939. (48)
4.1
Prema tome, korijen je:

x3 = x2 + ∆x2 = 3.05 − 0.04939 = 3.000609. (49)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

f (x)
10 h2 (x)

5
f (x)

−5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
x

Slika 10: Graf funkcije f (x) = x2 − 2x − 3 i njegova aproksimacija Taylorovim

polinomom prvog reda h2 (x) = 0.2025 + 4.1(x − 3.05) u okolini tačke x2 =
3.05, gdje je korijen funkcije h2 (x) jednak x3 = 3.0000609.
JULIA: NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

const tolerance = 1e-10 # accuracy of the solution

const epsilon = 1e-14 # do not divide by a number smaller than epsilon
const maxIter = 100 # maximum number of iterations
const converged = false # flag indicating whether the algorithm converged
const iteration = 0 # initialize the number of iterations
JULIA: NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

@inline function univariate_function(x)

f(x) = x^2 - 2 * x - 3 # the function whose root we are trying to find
fp(x) = 2 * x - 2 # the first derivative of the function

return f(x), fp(x)

end
JULIA: NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

function newton_raphson(tolerance, epsilon, maxIter, converged, iteration)

x = 5.0
while iteration < maxIter && !converged
iteration = iteration + 1

f, fp = univariate_function(x)
if abs(fp) < epsilon
break
end

xpre = copy(x)
x = x - f / fp
if abs(x - xpre) <= tolerance
converged = true
end
end

if converged
println("Algorithm found the solution $x in $iteration iterations.")
else
println("Algorithm did not converge in $iteration iterations.")
end
end
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Newtonov metod za funkciju jedne realne varijable

Na osnovu primjera, možemo zaključiti da je Newtonov metod itera-

tivan, koji u svakoj iteraciji ν proračunava vrijednost pomjeraja ∆x(ν)
na osnovu poznate tačke x(ν) :

f (x(ν) )
∆x(ν) = − , (50)
f ′ (x(ν) )

te na osnovu toga računa novu vrijednost varijable x:

x(ν+1) = x(ν) + ∆x(ν) . (51)

NEWTONOV METOD

Početna tačka

Traženje korijena korištenjem Newtonovog metoda očigledno ovisi o

odabiru početne tačke x0 ≡ x(0) .
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Neka je sada početna tačka x0 = −2, aproksimacija funkcije f (x) u

okolini ove tačke Taylorovim polinomom prvog reda je:

h0 (x) = 5 − 6∆x0 = 5 − 6(x + 2). (52)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Sada je:
5
∆x0 = = 0.83. (53)
6
Prema tome, korijen je:

x1 = x0 + ∆x0 = −2 + 0.83 = −1.17. (54)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

f (x)
10 h0 (x)

5
f (x)

−5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
x

Slika 11: Graf funkcije f (x) = x2 − 2x − 3 i njegova aproksimacija Taylorovim

polinomom prvog reda h0 (x) = 5 − 6(x + 2) u okolini tačke x0 = −2, gdje je
korijen funkcije h0 (x) jednak x1 = −1.17.
NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Aproksimacija funkcije f (x) u okolini tačke x1 = −1.17 Taylorovim

polinomom prvog reda je:

h1 (x) = 0.7089 − 4.34∆x1 = 0.7089 − 4.34(x + 1.17). (55)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

Sada je:
5
∆x1 = = −0.1633. (56)
6
Prema tome, korijen je:

x2 = x1 + ∆x1 = −1.17 + 0.1633 = −1.0066. (57)

NEWTONOV METOD ZA FUNKCIJU JEDNE REALNE VARIJABLE

f (x)
10 h1 (x)

5
f (x)

−5
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
x

Slika 12: Graf funkcije f (x) = x2 − 2x − 3 i njegova aproksimacija Taylorovim

polinomom prvog reda h1 (x) = 0.7089 − 4.34(x + 1.17) u okolini tačke x1 =
−1.17, gdje je korijen funkcije h1 (x) jednak x2 = −1.0066.
NEWTONOV METOD ZA NALAŽENJE
KORIJENA FUNKCIJA

FUNKCIJE SA DVIJE REALNE VARIJABLE

NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

Neka su poznate dvije funkcija f1 (x, y) i f2 (x, y) sa dvije realne vari-

jable x i y. Taylorovi polinomi prvog reda u okolini tačke (x0 , y0 ) imaju
oblik:
∂f1 (x0 , y0 ) ∂f1 (x0 , y0 )
h1 (x, y) = f1 (x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y
∂f2 (x0 , y0 ) ∂f2 (x0 , y0 )
h2 (x, y) = f2 (x0 , y0 ) + (x − x0 ) + (y − y0 ) .
∂x ∂y
(58)
NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

Uzimajući da je:
∆x = x − x0
(59)
∆y = y − z0 ,
sistem jednačina se može predstaviti kao:
 
[ ] [ ] ∂f1 (x0 , y0 ) ∂f1 (x0 , y0 ) [ ]
  ∆x
h1 (x, y) f1 (x0 , y0 )  ∂x ∂y 
= +  . (60)
h2 (x, y) f2 (x0 , y0 )  ∂f2 (x0 , y0 ) ∂f2 (x0 , y0 ) ∆y
∂x ∂y
NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

Vektor pomjeraja i vektor vrijednosti funkcija u tački (x0 , y0 ):

[ ] [ ]
∆x f1 (x0 , y0 )
∆x = ; f (x0 , y0 ) = , (61)
∆y f2 (x0 , y0 )

dok je Jacobian:
 
∂f1 (x0 , y0 ) ∂f1 (x0 , y0 )
 
 ∂x ∂y 
J(x0 , y0 ) = ∇f (x0 , y0 )T =  . (62)
 ∂f2 (x0 , y0 ) ∂f2 (x0 , y0 )
∂x ∂y
NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

Riješenje sistema linearnih jednačina se može odrediti rješavanjem:

f (x0 , y0 ) + J(x0 , y0 )∆x = 0, (63)

odakle je:
∆x = −[J(x0 , y0 )]−1 f (x0 , y0 ). (64)
Prema tome rješenje je određeno kao:

x = x0 + ∆x
(65)
y = y0 + ∆y.
JULIA: NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

const tolerance = 1e-10

const epsilon = 1e-14
const maxIter = 100
const converged = false
const iteration = 0
JULIA: NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

@inline function multivariate_function(x)

F(x) = [x[1] + x[1] * x[2] - 4; x[1] + x[2] - 3]
J(x) = [1 + x[2] x[1]; 1 1]

return F(x), J(x)

end
JULIA: NEWTONOV METOD ZA FUNKCIJU DVIJE REALNE VARIJABLE

function newton_raphson(tolerance, epsilon, maxIter, converged, iteration)

x = [0.9; 0.9]
while iteration < maxIter && !converged
iteration = iteration + 1

F, J = multivariate_function(x)
if minimum(abs.(J)) < epsilon
break
end

xpre = copy(x)
x = x - J \ F
if all(abs.(x - xpre) .<= tolerance)
converged = true
end
end

if converged
println("Algorithm found the solution $x in $iteration iterations.")
else
println("Algorithm did not converge in $iteration iterations.")
end
end
NEWTONOV METOD ZA NALAŽENJE
KORIJENA FUNKCIJA

FUNKCIJA REALNIH VARIJABLI

NEWTONOV METOD

Newtonov metod

Promatrajmo sada n realnih promjenjivih x = (x1 , . . . , xn ), te sistem

od n nelinearnih funkcija f (x) = (f1 (x), . . . , fn (x)). Tada se korijeni
sistema nelinearnih funkcija mogu odrediti korištenjem Newtonovog
metoda:
∆x(ν) = −[J(x(ν) )]−1 f (x(ν) ) (66)
x(ν+1) = x(ν) + ∆x(ν) . (67)
NEWTONOV METOD

Newtonov metod može biti korišten i za određivanje minimalne ili

maksimalne vrijednosti funkcije f (x).