METODOS NUMÉRICOS

SISTEMAS NO LINEALES

DIFICULTAD EN LA SOLUCIÓN DE SISTEMAS DE ECUACIONES NO LINEALES

Antes de ver los métodos iterativos para resolver sistemas de ecuaciones no lineales con varias
incógnitas, las dificultades para desarrollar estos métodos son:

- No se pueden graficar superficies multidimensionales definidas por las ecuaciones de

sistemas para 𝑛 > 2.
- Buscar valores iniciales o es muy fácil.

Una sugerencia para tener menos dificultad a la solución, es aplicar:

𝑓1 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ) = 0
𝑓2 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ) = 0
: : : : : :

𝑓𝑛 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ) = 0

Donde

𝑓𝑖 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ) = 0 1≤𝑖≤𝑛

REDUCCIÓN DE ECUACIONES

ERRORES DEL CÁLCULO

 Error absoluto y error relativo

𝑚 = 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝑚∗ = 𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙

 El valor absoluto (𝐸)

𝐸 = |𝑚∗ − 𝑚|

 Al valor relativo (𝐸𝑟 )

𝐸𝑟 = 𝐸⁄𝑚∗

El cual es llamado error porcentual

DIFICULTADES EN LA SOLUCIÓN DE SISTEMAS DE ECUACIONES NO LINEALES

En la resolución de sistemas de ecuaciones no lineales con varias incógnitas, al desarrollar los
métodos iterativos, s

METODO NEWTON-RAPHSON MODIFICADO CON OPTIMIZACIÓN DEL t

En el método de Newton-Raphson modificado, la expresión genera la ecuación:

𝑘+1 𝑘
𝑓𝑖 (𝑥1𝑘+1 , 𝑥2𝑘+1 , … , 𝑥𝑖−1 , 𝑥𝑖 , … , 𝑥𝑛𝑘 )
𝑥𝑖𝑘+1 = 𝑥𝑖𝑘 −
𝜕𝑓𝑖
(𝑥 𝑘+1 , 𝑥2𝑘+1 , … , 𝑥𝑖−1
𝑘+1 𝑘
, 𝑥𝑖 , … , 𝑥𝑛𝑘 )
𝜕𝑥𝑖 | 1
1≤𝑖≤𝑛

Puede identificarse con 𝑥 (𝑘+1) = 𝑥 (𝑘) + 𝑡𝑑(𝑘) , directamente 𝑡 = −1

𝑘+1 𝑘
𝑓𝑖 (𝑥1𝑘+1 , 𝑥2𝑘+1 , … , 𝑥𝑖−1 , 𝑥𝑖 , … , 𝑥𝑛𝑘 )
𝑑𝑖𝑘+1 =
𝜕𝑓𝑖
(𝑥 𝑘+1 , 𝑥2𝑘+1 , … , 𝑥𝑖−1
𝑘+1 𝑘
, 𝑥𝑖 , … , 𝑥𝑛𝑘 )
𝜕𝑥𝑖 | 1
1≤𝑖≤𝑛
Con la optimización que se hizo del valor del t para las interacciones, se puede acelerar la
convergencia.

El método obtenido es:

𝑘+1 𝑘
𝑓𝑖 (𝑥1𝑘+1 , 𝑥2𝑘+1 , … , 𝑥𝑖−1 , 𝑥𝑖 , … , 𝑥𝑛𝑘 )
𝑥𝑖𝑘+1 = 𝑥𝑖𝑘 − 𝑡
𝜕𝑓𝑖
(𝑥 𝑘+1 , 𝑥2𝑘+1 , … , 𝑥𝑖−1
𝑘+1 𝑘
, 𝑥𝑖 , … , 𝑥𝑛𝑘 )
𝜕𝑥𝑖 | 1
1≤𝑖≤𝑛
Se conoce el método SOR para sistemas no lineales.

EJEMPLO

Resolver el sistema de ecuaciones empleando el método SOR para sistemas no lineales:

𝑓1 (𝑥, 𝑦) = 𝑥 2 − 10𝑥 + 𝑦 2 + 8 = 0
𝑓2 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0

Siendo los valores iniciales 𝑥 0 = 0 𝑦 𝑦 0 = 0

SOLUCIÓN

 Primero hacer las derivadas:

𝜕𝑓1
= 2𝑥 − 10
𝜕𝑥
𝜕𝑓2
= 2𝑥𝑦 − 10
𝜕𝑦

 Primera iteración:
𝜕𝑓1
Evaluamos 𝑓1 𝑦 𝜕𝑥
𝑒𝑛 [ 0 , 0 ]𝑇

𝑓1 (0,0) = 8
 𝜕𝑓1
| 0 0 = −10
𝜕𝑥 𝑥 ,𝑦
(𝑏 − 𝑎)⁄
Elegimos el intervalo de búsqueda [ −1.5 , −0.5 ] y 𝑡 = 𝑏 − 𝐹
Tomando el primer valor a prueba el 𝑡 = −0.5
𝑓1 (0,0) 8
𝑥1 = 𝑥 0 + 𝑡 = 0 − 0.5 ( ) = 0.4
𝜕𝑓1 −10
|
𝜕𝑥 (0,0)

𝜕𝑓2
𝑓2 (0,4,0) = 8.4 | 1 0 = −10
𝜕𝑦 𝑥 ,𝑦
𝑓2 (0,4,0) 8.4
𝑦1 = 𝑦 0 + 𝑡 = 0 − 0.5 ( ) = 0.42
𝜕𝑓2 −10
|
𝜕𝑦 (0,4,0)

A partir del criterio de la suma de residuos elevados al cuadrado, se obtiene:

𝑧1 = 𝑓12 (0.4 , 0.42 ) + 𝑓22 (0.4 , 0.42)

= [0.42 − 10(0.4) + 0.422 + 8]2 + [0.4(0.42)2 + 0.4 − 10(0.42) + 8] = 37.042

El segundo valor que tomamos a prueba es 𝑡 = −1.0 con lo que obtenemos:

𝑥 1 = 0.8 𝑦1 = 0.88 𝑧1 = 2.3843

Y siguiendo el proceso, obtenemos:

t 𝑥1 𝑦1 𝑧1
-0.5 0.4 0.42 37.04204
-1.0 0.8 0.88 2.38433
-1.1666 0.9333 1.0422 0.61508
-1.3 1.04 1.1752 1.63124

(𝑏 − 𝑎)⁄
A continuación, utilizamos 𝑡 = 𝑎 + 𝐹 y obtenemos:
t 𝑥1 𝑦1 𝑧1
-1.5 1.2 1.38 5.78774
-1.0 0.8 0.88 2.38433
-0.8333 0.6666 0.7222 8.49907

Por lo tanto, el valor óptimo de t es -1.1666 y los valores correspondientes de [𝑥 1 𝑦1 ] =

[ 0.9333 , 1.0422 ] se toman como resultados de la primera iteración.

 Segunda iteración:
𝑏−𝑎
Con el mismo intervalo de búsqueda [ -0.5, -1.5] se tiene, con 𝑡 = 𝑏 − 𝐹

t 𝑥2 𝑦2 𝑧2
-0.5 0.971374 1.017439 0.107707
-1.0 1.010048 1.0023179 0.005725
 -1.1666 1.022840 0.9947013 0.036074

𝑏−𝑎
Y con 𝑡 = 𝑏 + 𝐹

t 𝑥2 𝑦2 𝑧2
-1.5 1.048423 0.997131 0.166988
-1.0 1.010048 1.0023179 0.005725
-0.8333 0.997257 1.006269 0.004287
-0.7 0.987024 1.010217 0.027137

El valor óptimo de t es -0.8333 y los valores correspondientes de [𝑥 2 𝑦 2 ] = [ 0.997257 ,

1.006269 ] se toman como resultados finales de la segunda iteración.

Al continuar el proceso iterativo, se obtienen los siguientes valores:

k 𝑥𝑘 𝑦𝑘 𝑧𝑘 𝑡𝑜𝑝𝑡
0 0.00000 0.0000
1 0.93333 1.0422 0.61508 -1.1666
2 0.997257 1.006269 0.004287 -0.8333
3 1.0008512 1.0012183 0.00008376 -0.8333
4 1.000304735 1.000076027 0.000005224 -1.0
5 1.000018997 1.000004749 0.000000047 -1.0