Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I. INDICE
1
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
II. RESUMEN
Los sistemas de ecuaciones lineales y no lineales son pesados y complejos, requieren
un volumen importante de cálculo y el éxito depende tanto del método elegido como
de los problemas numéricos involucrados y la habilidad de quien los resuelva.
Descartados para este tema los denominados métodos exactos, que luego de un
determinado número de pasos llevan a la solución; sólo quedan disponibles métodos
aproximados, iterativos, que aproximan la solución hasta que ciertas condiciones
quedan satisfechas. Para aplicar ello, en este trabajo realizaremos un repaso de algebra
de matrices, posteriormente se expondrán los siguientes métodos según el sistema de
ecuaciones que se este trabajando:
Sistemas Lineales
Métodos directos:
o Método de Eliminación de Gauss.
o Método de Eliminacion de Jordan.
o Metodo de Thomas
o Metodos de LU Croutt – Doolitle
o Metodo de Cholesky
Métodos iterativos:
o Método de Gauss-Seidel
o Método de Jacobi
Sistemas No Lineales
o Método de punto fijo multivariable
o Método de Newton-Raphson multivariable
o Método de Newton-Raphson modificado
o Metodo de Broyden
o Metodo de Bairstow
2
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
III. OBJETIVOS
Objetivo general
Objetivos específicos
3
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
y concretamente como 𝐴𝑥 = 𝑏.
- Donde A es la matriz coeficiente del sistema, x el vector incógnita y b el vector de
términos independientes. Dados A y b, se entiende por resolver el sistema 1.00
encontrar los vectores x que lo satisfagan. Antes de estudiar las técnicas que
permiten encontrar x se expondrán algunas consideraciones teóricas.
1.1. EXISTENCIA Y UNICIDAD DE SOLUCIONES
Si b es el vector cero, el sistema1.00 es un sistema homogéneo. Si por el
contrario 𝑏 ≠ 0, el sistema es no homogéneo. A continuación se define la
matriz aumentada B, formada con los elementos de la matriz coeficiente A y
los del vector b de la siguiente manera:
𝑎1,1 𝑎1,2 … 𝑎1,𝑛 𝑏1
𝑎… 𝑎 𝑎 ۍ ې
2,1 2,2 2,𝑛 𝑏2 ۑ
𝑩=⋮ ⋮ ێ ተ = [𝑨|𝒃]
ێ ⋮ ⋮ ۑ
𝑚𝑎ۏ,1 𝑎𝑚,2 … 𝑎𝑚,𝑛 𝑏𝑚 ے
4
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Fig. 1
(Solucion de sistema de ecuaciones lineales)
Ejemplo 1
Sea el sistema
2𝑥1 + 4𝑥2 = 6
3𝑥1 + 6𝑥2 = 5
La matriz aumentada sería:
2 4 6
[ | ]
3 6 5
5
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Sea el sistema
2𝑥1 + 3𝑥2 + 𝑥3 = 0
0𝑥1 + 2𝑥2 + 𝑥3 = 1
𝑥1 + 0𝑥2 + 𝑥3 = 0
La matriz aumentada sería:
2 3 1 0
[0 2 1 | 1]
1 0 1 0
Obsérvese que la matriz coeficiente los vectores son linealmente
independientes y, por tanto rango A = 3. Al aplicar el método de Gram-
Schmidt para ortogonalizar el vector de términos independientes se observa
que es linealmente dependiente y, por tanto, rango B = 3. El sistema es
consistente y como rango A = N° de incógnitas = 3, puede esperarse solución
única del sistema.
1.2. MÉTODOS DIRECTOS
Los métodos directos para la búsqueda de raíces en un sistema de ecuaciones
generalmente se clasifican en:
1.2.1. Método de Eliminación de Gauss
Teniendo un sistema de 3 ecuaciones lineales con 3 incógnitas:
6
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
7
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
8
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
SUSTITUCION REGRESIVA
𝑥𝑛 = 𝑏𝑛 /𝑎𝑛,𝑛
𝑃𝑎𝑟𝑎 𝑖 = 𝑛 − 1, 𝑛 − 2, . . . , 1
𝑛
1
𝑥𝑖 = [𝑏 − ∑ 𝑎𝑖,𝑗 𝑥𝑗 ] (1.10)
𝑎𝑖,𝑖 𝑖
𝑗=𝑖+1
CALCULO DE LA DETERMINANTE
𝑛
9
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
10 1 −5 1 (1.13)
[−20 3 20 | 2]
5 3 5 6
El primer pivote debe ser -20, ya que es el elemento de máximo valor
absoluto en la primera columna. Se elimina entonces x1 de la primera
y tercera filas de la ecuación 1.12. Para ello, se suma a la primera fila
la segunda (multiplicada por -10/-20), Y a la tercera fila la segunda
(multiplicada por -5/-20).
Con esto se obtiene la matriz reducida:
0 2.5 5 2
[−20 3 20 | 2 ] (1.14)
0 3.75 10 6.5
El siguiente pivote debe seleccionarse entre la primera y tercera fila
(segunda columna). Sumando a la primera fila la tercera multiplicada
por (-2.5 / 3.75), resulta
0 0 −1.666 −2.333
[−20 3 20 | 2 ] (1.15)
0 3.75 10 6.5
Quedando el sistema de ecuaciones de la siguiente forma:
−1.666𝑥3 = −2.333
−20𝑥1 + 3𝑥2 + 20𝑥3 = 2 (1.16)
3.75𝑥2 + 10𝑥3 = 6.5
De la primera ecuación de 1.16
−2.333
𝑥3 = = 1.4
−1.666
De la tercera ecuación
6.5 − 10(1.4)
𝑥2 = = −2
3.75
Y de la segunda ecuación
2 − 3(−2) − 20(1.4)
𝑥1 = =1
−20
4 0 0 27.8
[0 1.25 0| 3.125]
0 0 4 −0.6
Quedando el sistema de ecuaciones de la siguiente forma:
4𝑥1 = 27.8
1.25𝑥2 = 3.125
4𝑥3 = −0.6
Finalmente obtenemos
11
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
27.8
𝑥1 =
= 6.95
4
3.125
𝑥2 = = 2.5
1.25
−0.6
𝑥2 = = −0.15
4
EJERCICIO PROPUESTO AQUÍ (FUENTE Y/O PAGINA)
1.2.3. Metodo de Thomas
Teniendo un sistema tridiagonal de tres ecuaciones con tres incognitas
𝑏1 𝑥1 + 𝑐1 𝑥2 = 𝑑1
𝑎2 𝑥1 + 𝑏2 𝑥2 + 𝑐2 𝑥3 = 𝑑2
𝑎3 𝑥2 + 𝑏3 𝑥3 = 𝑑3
TRIANGULARIZACIÓN
Si 𝑏1 ≠ 0, se elimina x1 sólo en la segunda ecuación, con lo que se
obtiene como una nueva segunda ecuación:
𝑏′2 𝑥2 + 𝑐′2 𝑥3 = 𝑑′2
Con
𝑏′2 = 𝑏2 − 𝑎2 𝑐1⁄𝑏1 ; 𝑐′2 = 𝑐2 ; 𝑑′2 = 𝑑2 − 𝑎2 𝑑1 ⁄𝑏1
12
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
13
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
14
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
15
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Ejemplo 6
Resolver el siguiente sistema de ecuaciones por el método de Doolitle
4𝑥1 − 2𝑥2 − 𝑥3 = 9
5𝑥1 + 𝑥2 − 𝑥3 = 7
𝑥1 + 2𝑥2 − 𝑥3 = 12
Sol.
La matriz aumentada del sistema sería:
4 −2 −1 9
[5 1 −1| 7 ]
1 2 −1 12
Como 𝑙1,1 = 𝑙2,2 = 𝑙3,3 = 1
Primera fila de U
𝑎1,1
𝑢1,1 = =4
𝑙1,1
𝑎1,2
𝑢1,2 = = −2
𝑙1,1
𝑎1,3
𝑢1,3 = = −1
𝑙1,1
Primera columna de L
𝑙1,1 = 1
𝑎2,1 5
𝑙2,1 = =
𝑢1,1 4
𝑎3,1 1
𝑙3,1 = =
𝑢1,1 4
Segunda fila de U
𝑢2,1 = 0
𝑎2,2 − 𝑙2,1 𝑢1,2 1 − (−5⁄2) 7
𝑢2,2 = = =
𝑙2,2 1 2
𝑎2,3 − 𝑙2,1 𝑢1,3 −1 − (−5⁄4) 1
𝑢2,3 = = =
𝑙2,2 1 4
Segunda columna de L
𝑙1,2 = 0
𝑙2,2 = 1
𝑎3,2 − 𝑙3,1 𝑢1,2 2 − (−1⁄2) 5
𝑙3,2 = = =
𝑢2,2 7⁄2 7
16
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Tercera fila de U
𝑢3,1 = 𝑢3,2 = 0
𝑎3,3 − 𝑙3,1 𝑢1,3 − 𝑙3,2 𝑢2,3 −1 + 1⁄4 − 5⁄28 13
𝑢3,3 = = =−
𝑙3,3 1 14
Las matrices L y U quedan de la siguiente manera
4 −2 −1 1 0 0 4 −2 −1
𝐴 = [5 1 −1] = [5⁄4 1 0 ] [0 7⁄2 1⁄4 ]
1 2 −1 1⁄4 5⁄7 1 0 0 −13⁄14
Resolviendo el sistema 𝐿𝑦 = 𝑏, donde b es el vector de términos
independientes del sistema original
1 0 0 𝑦1 9
⁄
[ 4
5 1 0] [𝑦2 ] = [ 7 ]
1⁄4 5⁄7 1 𝑦3 12
𝑦1 = 9
5
𝑦 + 𝑦2 = 7
4 1
−17
𝑦2 =
4
1 5
𝑦1 + 𝑦2 + 𝑦3 = 7
4 7
179
𝑦3 =
14
Finalmente al resolver el sistema 𝑈𝑥 = 𝑦, se tiene la solución del
sistema original
4 −2 −1 𝑥1 9
[0 7⁄2 1⁄4 ] [𝑥2 ] = [ −17⁄4 ]
0 0 −13⁄14 𝑥3 179⁄14
13 179
− 𝑥3 =
14 14
179
𝑥3 = −
13
7 1 17
𝑥2 + 𝑥3 = −
2 4 4
3
𝑥2 = −
13
4𝑥1 − 2𝑥2 − 𝑥3 = 9
17
𝑥1 = −
13
17
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
17
ۍ− ې
ێ 13 ۑ
3 ۑ
𝑥=ێ−
ێ13 ۑ
ێ179ۑ
ۏ− 13 ے
Las ecuaciones 1.17, 1.18 y 1.19 se generalizan para factorizar la
matriz coeficiente del sistema A x = b, que puede resolverse por
eliminación de Gauss sin intercambio de filas; se tiene entonces
El Algoritmo de la Factorizacion LU
𝑖−1
𝑙𝑖,𝑖 = 1; 𝑖 = 1, 2, … , 𝑛
Puede observarse que las ecuaciones 1.20, que una vez empleada ai,j
en el cálculo de ui,j o li,j según sea el caso, esta componente de A no
vuelve a emplearse como tal, por lo que las componentes de L y U
generadas pueden guardarse en A y ahorrar memoria de esa manera.
Otra forma de resolver un sistema de ecuaciones es la factorización LU
con pivoteo, a continuación resolveremos el ejemplo anterior con
pivoteo parcial.
4𝑥1 − 2𝑥2 − 𝑥3 = 9
5𝑥1 + 𝑥2 − 𝑥3 = 7
𝑥1 + 2𝑥2 − 𝑥3 = 12
Sol.
La matriz aumentada del sistema sería:
4 −2 −1 1 0 0 𝑢1,1 𝑢1,2 𝑢1,3
𝐴 = [5 𝑙
1 −1] = [ 2,1 1 0] [ 0 𝑢2,2 𝑢2,3 ]
1 2 −1 𝑙3,1 𝑙3,2 1 0 0 𝑢3,3
Hallando U
𝑢1,1 𝑢1,2 𝑢1,3
𝑈=[ 0 𝑢2,2 𝑢2,3 ]
0 0 𝑢3,3
18
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
4 −2 −1 −5𝑓1−𝑓2 4 −2 −1 −5⁄2𝑓2−𝑓3 4 −2 −1
4 7⁄2
[5 1 −1] →1 ⁄ ⁄
[0 7 2 1 4 ]→ ⁄
[0 7 2 1⁄4 ]
1 − 𝑓 − 𝑓
2 −1 4 1 3 0 5⁄2 −3⁄4 0 0 −13⁄14
METODO DE LU CROUFTT
Pág. 13
Ejercicio 12
19
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Use la factorización LU de A:
4 −2 1 1 0 0 1 0 0
A= 20 −7 12 = 5 1 0 5 1 0 = LU
−8 13 17 −2 3 1 −2 3 1
11
A x= 70 =b
17
1 0 0 11
5 1 0 y= 70
−2 3 1 17
𝑦1 = 11
5𝑦1 + 𝑦2 = 70
−2𝑦1 + 3𝑦2 + 𝑦3 = 70
Al descomponerlo en ecuaciones
𝑦1 = 11
𝑦2 = 70 − 5𝑦1 = 70 − 5(11) = 1
Aplicamos un sistema Ux = y
4 −2 1 11
0 3 7 x= 15
0 0 −2 −6
4𝑥1 − 2𝑥2 + 𝑥3 = 11
20
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
3𝑥2 + 7𝑥3 = 15
−2𝑥3 = −6
- De la última ecuación:
𝑥3 = 3
- Realizando la segunda ecuación:
𝑥2 = 5 − 7 /3(3) = -2
21
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
0
ln,1 ln,2 ln,n 0 0 ln ,n
0
an,1 an,2 an,n ln,1 ln,2 ln,n 0 0 ln,n
El Algoritmo de Cholesky
2
𝑎1,1 = 𝑙1,1 → 𝑙1,1 = √𝑎11
𝑎1,𝑖
𝑎1,𝑖 = 𝑙1,1 𝑙𝑖,1 → 𝑙𝑖,1 = ; 𝑖 = 2, 3, … , 𝑛
𝑙1,1
𝑖−1
2
𝑙𝑖𝑖 = √(𝑎𝑖𝑖 − ∑ 𝑙𝑖,𝑘 ) ; 𝑖 = 2, 3, … , 𝑛
𝑘=1
𝑖−1
22
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
METODO DE CHOLESKY
2 −1 0 𝑥1 5
−1 2 −1 𝑥2 = 0
0 −1 2 𝑥3 0
𝐴1 = 2
2 −1
𝐴2 = = 𝐴2 = 3
−1 2
2 −1 0
𝐴3 = −1 2 −1 = 𝐴3 = 4
0 −1 2
𝑙1 = √𝑎11 = √2 = 1.414
1
𝑙1 𝑙2 = −1 = 𝑙2 = − = − − 0.707
1.414
𝑙2,2 = √𝑎2,2 − 𝑙1 𝑙2 = √2 − (−0.707)∇2 = 1.225
𝑎1 𝑓2 2 −1
𝐴2 = =
𝑓2 𝑎2,2 −1 2
1.414 0
𝑙2 =
−0.707 1.225
23
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Donde:
𝑥 (𝑘) = [𝑥1𝑘 𝑥2𝑘 … 𝑥𝑛𝑘 ]𝑇 (1.22)
24
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
𝑎1,2 𝑎1,3 𝑏1
ۍ0 − − ې ۍ ې
𝑎1,1 𝑎1,1 ێ 𝑎1,1 ۑ
ێ ۑ
𝑎 ێ2,1 𝑎2,3 ۑ 𝑏 ێ2 ۑ
𝐵 = ێ− 0 − ۑ 𝑦 𝑐=ێ
𝑎 𝑎2,2 𝑎2,2 ۑ
𝑎 ێ2,2 𝑎3,2 ۑ ێ ۑ
ێ− 3,1 − 0 ۑ 𝑏 ێ3 ۑ
𝑎 ۏ3,3 𝑎3,3 ے 𝑎ۏ3,3 ے
Una vez que se tiene la forma 1.24, se propone un vector inicial x(0)
que puede ser 𝑥 (0) = 0, o algún otro que sea aproximado al vector
solución x. Para iterar existen dos variantes
ITERACION DE JACOBI
𝑥1𝑘
𝑥 (𝑘) = [𝑥2𝑘 ]
𝑥3𝑘
25
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Ejemplo 7
Resolver el siguiente sistema de ecuaciones por el método de Jacobi y
Gauss – Seidel.
4𝑥1 − 𝑥2 =2
−𝑥1 + 4𝑥2 −𝑥3 = 6 (1.25)
−𝑥2 +4𝑥3 = 2
Sol.
26
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Segunda iteración:
Los valores de x(2) se obtienen al sustituir x(1) en cada una de las
ecuaciones 1.26.
𝑥1 = 0.5 + 0.25(1.5) = 0.875
𝑥2 = 1.5 + 0.25(0.5) + 0.25(0.5) = 1.750
𝑥3 = 0.5 + 0.25(1.5) = 0.875
Entonces
0.875
𝑥 (2) = [1.750]
0.875
En forma tabular tenemos lo siguiente:
27
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Primera iteración:
Para el calculo del primer elemento del vector x(1) se sustituye x(0) en
la primera ecuacion de 1.26.
Para el calculo de 𝑥21 del vector x(1) se emplea el valor de 𝑥11 y los
valores x3 de x(0).
Con el valor ya obtenido de 𝑥21 hallamos 𝑥31 .
𝑥11 = 0.5 + 0.25(0) = 0.5
𝑥21 = 1.5 + 0.25(0.5) + 0.25(0) = 1.63
𝑥31 = 0.5 + 0.25(1.63) = 0.91
Entonces
28
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
0.5 𝑇
𝑥 (1) = [1.63]
0.91
Segunda iteración:
Para esta segunda iteración se procede de igual manera
𝑥12 = 0.5 + 0.25(1.63) = 0.91
𝑥22 = 1.5 + 0.25(0.91) + 0.25(0.91) = 1.96
𝑥32 = 0.5 + 0.25(1.96) = 0.99
Entonces
0.91 𝑇
(2)
𝑥 = [1.96]
0.99
En forma tabular tenemos lo siguiente:
k 𝑥1𝑘 𝑥2𝑘 𝑥3𝑘
0 0.00 0.00 0.00
1 0.50 1.63 0.91
2 0.91 1.96 0.99
3 0.99 2.00 1.00
4 1.00 2.00 1.00
5 1.00 2.00 1.00
Gauss seidel
Ejemplo
Resolver el siguiente sistema de ecuación por el método gauss seidel utilizando un
error menor a 0.001
0.1𝑋1 − 7𝑋2 − 0.3𝑋3 = 19.30
3𝑋1 − 0.1𝑋2 − 0.2𝑋3 = 7.87
0.3𝑋1 − 0.2𝑋2 − 10𝑋3 = 71.40
Solución
Primero ordenamos las ecuaciones, de modo que en la diagonal principal estén los
coeficientes mayores para asegurar la convergencia.
29
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
30
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
31
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
4 − 0.02. 𝑌
𝑋=
0.01
9 − 002. 𝑥
𝑌=
0.05
Tomando como primer valor inicial a 𝑌1 = 75 resolvemos para 𝑋1 para obtener
posterior mente 𝑌2
4 − 0.02.75
= 250
0.01
9 − 0.02.75
= 80
0.05
Calculemos el error
80 − 75 25
. 100 =
80 4
Que aún es mayor al 1% Así que repetimos el proceso de iteración las veces
necesarias.
4 − 0.02.80
= 240
0.01
9 − 0.02.240
= 84
0.05
4 − 0.02.84
= 232
0.01
9 − 0,02.232 436
=
0.05 5
4−0.02.87.2 1128 4−0.02.91.808 27048
= =
0.01 5 0.01 125
9−0.02.225.6 2244 9−0.02.216.384 58404
= =
0.05 25 0.05 625
4−0.02.89.76 5512 4−0.02.93.4464 133192
= =
0.01 25 0.01 625
9−0.02.220.48 11476 9−0.02.213.1072 296116
= =
0.05 125 0.05 3125
4−0.02.91.808 27048 4−0.02.94.75713 10524287
= 125 = 50000
0.01 0.01
Este proceso continua… dándonos como resultado
𝑋 = 100
𝑌 = 200
Que son las toneladas de material necesario que se deben extraer cada mima para
obtener 4 toneladas de níquel y 9 toneladas de cobre.
32
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
ACELERACION DE CONVERGENCIA
Se le puede entender como un método de relajación como se hará notar
posteriormente, son lo métodos de Jacobi y Gauss-Seidel afectados por
un factor de relajacion w que, elegido adecuadamente, puede producir
convergencia o acelerarla si ya existe.
Algoritmo de Relajación
i 1 n
x k 1
i x w bi li , j x j xi ui , j x kj ;1 i n
k
i
k 1 k
j 1 j i 1
Si 𝑤 = 1 se emplea el método Gauss-Seidel.
Si 0 < 𝑤 < 1 es llamado el proceso de sub-relajacion.
Si 1 < 𝑤 < 2 es llamado el proceso de sobre-relajacion.
Estos métodos se abrevian frecuentemente como SOR (del inglés
Succesive Over-Relaxation). En general, el cálculo de w es complicado
y sólo para sistemas especiales (matriz coeficiente positivamente
definida y tridiagonal) se tiene una fórmula.
EJERCICIO PROPUESTO AQUÍ (FUENTE Y/O PAGINA)
33
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Por todo esto, es fácil entender que los métodos iterativos de solución de la
ecuación 2.00 son extensiones de los métodos para ecuaciones no lineales con una
incógnita y emplean las ideas que se aplicaron al desarrollar los algoritmos
iterativos para resolver 𝐴𝑥 = 𝑏.
Por ejemplo:
𝑓1 (𝑥1 , 𝑥2 ) = 𝑥21 + 𝑥22 − 4 = 0
𝑓2 (𝑥1 , 𝑥2 ) = 𝑥2 − 𝑥21 = 0
𝑓1 (𝑥1 , 𝑥2 , 𝑥3 ) = 𝑥1 𝑥2 𝑥3 − 10𝑥31 + 𝑥2 = 0
𝑓2 (𝑥1 , 𝑥2 , 𝑥3 ) = 𝑥1 + 2𝑥2 𝑥3 + 𝑠𝑒𝑛𝑥2 − 15 = 0
34
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Se comienza con valores iniciales x0, y0, se calculan nuevos valores x1, y1 y
se repite el proceso, esperando que después de cada iteración los valores de
xk y yk se aproximen a la raíz buscada 𝑥̅ , 𝑦̅, la cual cumple con:
𝑥̅ = 𝑔1 (𝑥̅ , 𝑦
̅)
𝑥̅ = 𝑔2 (𝑥̅ , 𝑦
̅)
Por analogía con los casos analizados, puede predecirse el comportamiento y
las características de este método de punto fijo multivariable. Como se sabe,
en caso de una variable la forma particular de pasar de 𝑓(𝑥) = 0 a 𝑥 = 𝑔(𝑥),
afecta la convergencia del proceso iterativo. Entonces debe esperarse que la
forma en que se resuelve para 𝑥 = 𝑔1 (𝑥, 𝑦) y 𝑦 = 𝑔2 (𝑥, 𝑦) afecta la
convergencia de las iteraciones (2.03).
Se sabe que el reordenarniento de las ecuaciones en el caso lineal afecta la
convergencia, por lo que puede esperarse que la convergencia del método en
estudio dependa de si se despeja x de f2 o de f1.
Finalmente, como en el método iterativo univariable y en el de Jacobi y de
Gauss-Seidel, en caso de haber convergencia es de primer orden, cabe esperar
que el método iterativo multivariable tenga esta propiedad.
Ejemplo 8
Resolver el siguiente sistema de ecuaciones no lineales
𝑓1 (𝑥, 𝑦) = 𝑥 2 − 10𝑥 + 𝑦2 + 8 = 0
𝑓1 (𝑥, 𝑦) = 𝑥𝑦 2 + 𝑥 − 10𝑦 + 8 = 0
Sol.
Despejando x del término (-10x) y de y del término (-10y), resulta:
𝑥2 + 𝑦 2 + 8
𝑥=
10
2
𝑥𝑦 + 𝑥 + 8
𝑦=
10
Con la notación 2.03
2 2
𝑘+1
(𝑥 𝑘 ) + (𝑦 𝑘 ) + 8
𝑥 =
10
𝑘 2
𝑥 𝑘 (𝑦 ) + 𝑥 𝑘 + 8
𝑦 𝑘+1 =
10
Teniendo como valores iniciales 𝑥 (0) = 0 y 𝑦 (0) = 0 iniciamos la iteración.
Primera iteración:
35
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
(0)2 + (0)2 + 8
𝑥1 = = 0.8
10
0(0)2 + 0 + 8
𝑦1 = = 0.8
10
Segunda iteración:
(0.8)2 + (0.8)2 + 8
𝑥2 = = 0.928
10
0.8(0.8)2 + 0.8 + 8
𝑦2 = = 0.9312
10
Tercera iteración:
(0.928)2 + (0.9312)2 + 8
𝑥3 = = 0.97283
10
0.928(0.9312)2 + 0.928 + 8
𝑦3 = = 0.97327
10
Cuarta iteración:
3
(0.97283)2 + (0.97327)2 + 8
𝑥 = = 0.98937
10
0.97283(0.97327)2 + 0.97283 + 8
𝑦3 = = 0.98944
10
En forma tabular tenemos lo siguiente:
k 𝑥𝑘 𝑦𝑘
0 0.00000 0.00000
1 0.80000 0.80000
2 0.92800 0.93120
3 0.97283 0.97327
4 0.98937 0.98944
5 0.99578 0.99579
6 0.99832 0.99832
7 0.99933 0.99933
8 0.99973 0.99973
9 0.99989 0.99989
10 0.99996 0.99996
11 0.99998 0.99998
12 0.99999 0.99999
13 1.00000 1.00000
36
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
g1 g 2 g g
M 1; 1 2 M 1
x x y y
Para todos los puntos (x, y) de la región del plano que contiene todos los
valores (xk, yk) y la raíz buscada (𝑥̅, 𝑦̅ ).
Si M es muy pequeña en una región de interés, la iteración converge
rápidamente; si M es cercana a 1 en magnitud, entonces la iteración puede
converger lentamente. Por lo general es muy difícil encontrar el sistema 2.02
a partir de la ecuación 2.01, de modo que satisfaga la condición 2.03.
De todas maneras, cualquiera que sea el sistema 2.02 a que se haya llegado y
que se vaya a resolver con este método, puede aumentarse la velocidad de
convergencia usando desplazamientos sucesivos en lugar de los
desplazamientos simultáneos del esquema 2.03.
Es decir, se iteraría mediante
𝑥 𝑘+1 = 𝑔1 (𝑥 𝑘 , 𝑦 𝑘 )
𝑦 𝑘+1 = 𝑔2 (𝑥 𝑘+1 , 𝑦 𝑘 )
Como en el caso lineal (Jacobi y Gauss-Seidel), si la iteración por
desplazamientos simultáneos diverge, generalmente el método por
desplazamientos sucesivos divergería más rápido; es decir, se detecta más
rápido la divergencia, por lo que se recomienda en general el uso de
desplazamientos sucesivos en lugar de desplazamientos simultáneos.
Utilice el método de punto fijo multivariable para encontrar una solución del siguiente
sistema de ecuaciones.
5𝑥1 − 2𝑥2 + 𝑥3 = 24
2𝑥1 + 5𝑥2 − 2𝑥3 = −14
𝑥1 − 4𝑥2 + 3𝑥3 = 26
Sol.
37
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Despejando 𝑥1 , 𝑥2 y 𝑥3 resulta:
24 + 2𝑥2 − 𝑥3
𝑥1 =
5
2𝑥3 − 2𝑥1 − 14
𝑥2 =
5
26 + 4𝑥2 − 𝑥1
𝑥3 =
3
(0) (0) (0)
Teniendo como valores iniciales 𝑥1 = 0, 𝑥2 = 0 y 𝑥3 = 0 iniciamos la iteración.
Primera iteración:
24 + 2(0) − (0) 24
𝑥1 = = = 4.8
5 5
2(0) − 2(0) − 14 −14
𝑥2 = = = −2.8
5 5
26 + 4(0) − (0)
𝑥3 = = 8. 6̂
3
Segunda iteración:
24 + 2(−2.8) − (8.66667)
𝑥1 = = 1.94667
5
2(8.66667) − 2(4.8) − 14
𝑥2 = = −1.25333
5
26 + 4(−2.8) − (4.8)
𝑥3 = = 3.33333
3
Segunda iteración:
24 + 2(−1.25333) − (3.33333)
𝑥1 = = 3.632002
5
2(3.33333) − 2(1.94667) − 14
𝑥2 = = −2.24534
5
26 + 4(−1.25333) − (1.94667)
𝑥3 = = 6.34667
3
Tercera iteración:
24 + 2(−2.24534) − (6.34667)
𝑥1 = = 2.63253
5
2(6.34667) − 2(3.632002) − 14
𝑥2 = = −1.71413
5
26 + 4(−2.24534) − (3.632002)
𝑥3 = = 4.46221
3
Cuarta iteración:
38
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
24 + 2(−1.71413) − (4.46221)
𝑥1 = = 3.22191
5
2(4.46221) − 2(2.63253) − 14
𝑥2 = = −2.06813
5
26 + 4(−1.71413) − (2.63253)
𝑥3 = = 5.50365
3
Quinta iteración:
𝑥1 = 2.87202
𝑥2 = −1.8873
𝑥3 = 4.83519
Sexta iteración:
𝑥1 = 3.07804
𝑥2 = −2.15469
𝑥3 = 5.19293
Séptima iteración:
𝑥1 = 2.89954
𝑥2 = −1.95404
𝑥3 = 4.76773
Octava iteración:
𝑥1 = 2.979798
𝑥2 = −2.05272
𝑥3 = 5.09477
Novena iteración:
24 + 2(−2.05272) − (5.09477)
𝑥1 = = 2.95996
5
2(5.09477) − 2(2.979798) − 14
𝑥2 = = −1.9540
5
26 + 4(−2.05272) − (2.979798)
𝑥3 = = 4.93664
3
Décima iteración:
24 + 2(−1.9540) − (4.93664)
𝑥1 = = 3.03107
5
39
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
2(4.93664) − 2(2.95996) − 14
𝑥2 = = −2.00933
5
26 + 4(−1.9540) − (2.95996)
𝑥3 = = 5.07468
3
Undécima iteración:
24 + 2(−2.00933) − (5.07468)
𝑥1 = = 3.03107
5
2(5.07468) − 2(3.03107) − 14
𝑥2 = = −2.00933
5
26 + 4(−2.00933) − (3.03107)
𝑥3 = = 5.07468
3
x x 2! xx xy
f f 1 2 f 2 f 2 f 2
f ( x, y) f (a, b) ( x a ) ( y b) x a 2 x a y b y b ...
2
Donde f(x,y) se ha expandido alrededor del punto (a,b) y todas las derivadas
parciales están evaluadas en (a,b).
Expandiendo f1 alrededor de (xk, yk)
f1 k 1 k f1 k 1 1 2 f1 k 1 k 2 2 f
f ( x k 1 , y k 1 ) f1 ( x k , y k )
x
(x x )
y
( y yk )
2! xx
x x xy
2
(2.04)
f1 k 1 k f1 k 1 1 2 f1 k 1 k 2 2 f1 k 1 k 2 f1 k 1 2
( xk , y k )
x
(x x )
y
( y yk )
2! xx
x x 2
xy
x x y k 1 y k
yy
y y k ...
40
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
f 2 k 1 k f 2 k 1 1 2 f 2 k 1 k 2 2 f 2 k 1 k 2 f 2 k 1 2
2 (x , y )
k k
x
(x x )
y
( y yk )
2! xx
x x 2
xy
x x y k 1 y k
yy
y y k ...
Ahora supóngase que xk+1 y yk+1 están cerca de la raíz buscada (𝑥̅, 𝑦̅ ) que el
lado izquierdo de las últimas ecuaciones son casi cero; además, asúmase que
xk y yk están tan próximos de xk+1 que pueden omitirse los términos a partir
de los que se encuentran agrupados en paréntesis rectangulares. Con esto la
ecuacion 2.04 y 2.05 se simplifica a
f1 k 1 k f1 k 1
0 f1 ( x k , y k ) (x x ) ( y yk )
x y
(2.06)
f f
0 f 2 ( x , y ) 2 ( x k 1 x k ) 2 ( y k 1 y k )
k k
x y
Simplificando aún más se cambia la notación con
𝑥 𝑘+1 − 𝑥 𝑘 = ℎ
(2.07)
𝑘+1 𝑘
𝑦 −𝑦 =𝑗
Quedaria la (𝑘 + 1)-esima iteración en términos de la k-esima
𝑥 𝑘+1 = ℎ + 𝑥 𝑘 (2.08)
𝑘+1 𝑘
𝑦 =𝑗+𝑦
La sustitución de la ecuación 2.07 en la 2.06 y el arreglo dan como resultado:
f1 f
h 1 j f1 ( x k , y k )
x x
(2.09)
f 2 f
h 2 j f2 ( xk , y k )
x x
f1 f1
x y
J 0
f 2 f 2
x y
41
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
𝑇
𝑥0 0𝑇
Sabiendo que el vector inicial: [ ] = [ ]
𝑦0 0
Sol.
f1 f1
x 2 x 10 y
2y
f 2 f 2
x y 1 2 xy 10
2
y
2 x 10 2 y x 2 10 x y 2 8
2
y 1 2 xy 10 xy x 10 y 8
2
Primera iteración:
𝑇
𝑥0
Al evaluar la matriz en [ 0 ] se obtiene:
𝑦
10 0 8
1 10 8
ℎ = 0.8, 𝑗 = 0.88
42
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
𝑥 1 = 𝑥 0 + ℎ = 0 + 8 = 0.8
𝑦1 = 𝑦 0 + 𝑗 = 0 + 0.88 = 0.88
Distancia entre x(0) y x(1)
Segunda iteración:
𝑇
𝑥1
Al evaluar la matriz en [ ] se obtiene:
𝑦1
ℎ = 0.19179, 𝑗 = 0.11171
k 𝑥𝑘 𝑦𝑘 |𝑥 𝑘+1 − 𝑥 𝑘 |
0 0.00000 0.00000 -
1 0.80000 0.88000 1.18929
2 0.99179 0.99171 0.22195
3 0.99998 0.99997 0.01163
4 1.00000 1.00000 0.00004
43
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Fig. 2
(Interseccion de las superficies 𝑓1 (𝑥, 𝑦) 𝑦 𝑓2 (𝑥, 𝑦) con el plano x-y)
Donde:
𝑥𝑖𝑘+1 = ℎ𝑖 + 𝑥𝑖𝑘 𝑜 𝑥 (𝑘+1) = 𝑥 (𝑘) + ℎ(𝑘)
La matriz de derivadas parciales ampliada en el vector de funciones
queda:
f1 f1 f1
x f1
x1 x1
1
f1 f1 f1
f2
x1 x1 x1 J f
(2.11)
f1 f1 f1
f n
x1 x1 x1
44
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
Solución:
𝐱 𝟐 − 𝟖𝐱 + 𝟏𝟔 + 𝐲 𝟐 − 𝟖𝐲 + 𝟏𝟔 = 𝟓
𝑥 2 + 𝑦 2 − 8𝑥 − 8𝑦+32=5
𝑥 2 + 𝑦 2 − 8𝑥 − 8𝑦+27=0
𝒙𝟐 + 𝒚𝟐 = 16
𝑥 2 + 𝑦 2 - 16 = 0
Reemplazar las siguientes formulas: Usando la serie de Taylor de múltiples variables
Realizar las iteraciones que sean necesarias hasta que la condición diga “pare” es
ahí donde se termina de iterar.
El jacobiano debe ser diferente de cero ya que nos daría una indeterminación.
Si el jacobiano es cero entonces cambiamos nuestro Xi y Yi.
Donde:
Ea = error porcentual
Et= error de tolerancia
Ui= x^2+y^2-8x-8y+27
Vi= x^2+y^2 – 16
dU/dX= 2x-8
45
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
dV/dX=2x
dU/dY= 2y-8
dV/dY=2y
En Excel obtenemos:
Consideremos dos placas paralelas entre sí, la placa superior recibe radiación solar
equivalente de 1000 W/m2 con absortividad de 0.9 e intercambia calor con el ambiente
a 293K con coeficiente de convección de 10 W/m2K y con el cielo a 277K; la placa
inferior intercambia calor por convección a un medio a 300K con coeficiente de
convección de 15 W/m2K; las emitancias de las placas son de 0.9. Las placas
intercambian calor entre ellas por convección a 5 W/m2K y por radiación.
46
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
1
𝑇1𝑘+1 = (4130.43 + 5𝑇2𝑘 + 5.67 ∗ 10−8 [0.45(𝑇2𝑘 )4
15
− 1.35(𝑇1𝑘 )4 ])
1
𝑇2𝑘+1 = (4500 + 5𝑇1𝑘 + (0.45)(5.67 ∗ 10−8 )[(𝑇1𝑘 )4 − (𝑇2𝑘 )4 ])
20
Ahora con:
Suposición inicial
T1 [K] T2 [K]
300 300
En Excel tenemos:
Resultados
T1 [K] T2 [K] Residual Iteraciones
254.28 346.80 1.57E+02 100
47
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
48
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
49
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
𝑓1 (𝑥, 𝑦) = 0
𝑓2 (𝑥, 𝑦) = 0
Con los valores iniciales de x(0) y y(0) a partir del método de Newton-
Raphson univariable un nuevo valor x(1) asi:
f1 ( x (0) , y (0) ) (2.12)
x (1) x (0)
f1 x
Obtenido x1 a partir de f1 y los valores mas recientes de x y y: x(0), y(0).
Ahora con f2 y los valores mas reciente de de x y y: x(0), y(0) para calcular
y(1).
f 2 ( x (1) , y (0) ) (2.13)
y (1)
y (0)
f 2 y
Donde 𝜕𝑓2 ⁄𝜕𝑦 se evalua en x(1), y(0). Teniendose ahora x(1) y y(1). Co
estos valores de calcula x(2) después y(2) y asi sucesivamente
Este método converge a menudo si x(0) y y(0) está muy cerca de (𝑥̅ , 𝑦̅) y
requiere la evaluación de sólo 2n funciones por paso (cuatro para el
caso de dos ecuaciones que se está manejando). Hay que observar que
se han empleado desplazamientos sucesivos, pero los desplazamientos
simultáneos también son aplicables
Al aplicar las expresiones 2.12 y 2.13 puede producir convergencia en
alguno de los arreglos y divergencia en el otro. Es posible saber de
antemano si la primera o la segunda forma convergirán para el caso de
sistemas de dos ecuaciones, pero cuando 3 ≤ 𝑛 las posibilidades son
varias (n!) y es imposible conocer cuál de estos arreglos tiene
viabilidad de convergencia, por lo cual la elección se convierte en un
proceso aleatorio. Esta aleatoriedad es la mayor desventaja de este
método.
En general, para un sistema de n ecuaciones con n
incógnitas 𝑥1 , 𝑥2 , … 𝑥𝑛 .
Algoritmo de Newton-Raphson Modificado
50
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
( k 1)
f ( x ( k ) ) f ( x ( k 1) ) A( k 1) ( x ( k ) x ( k 1) ) ( x ( k ) x ( k 1) )T
(k )
A A 2
x ( k ) x ( k 1)
En esta formula
xn x1 (n),..., xk (n)
51
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
xn J n11Fn
J n1 J n11 T 1
(xnT J n11 ) (2.14)
xn J n 1Fn
A partir de la formula 2.14 conocida también como el buen método de
Broyden, se puede obtener una técnica similar empleando una
modificación distinta de Jn-1 que minimiza en su lugar ‖ J n1 J n11‖ F
Llamado mal método de Broyden.
xn J n11Fn
J n1 J n11 FnT
FnT Fn
52
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
b0 a0 b0 a0
b1 ub0 a1 b1 a1 ub0
b2 ub1 vb0 a2 b2 a2 ub1 b0
En particular:
𝑏0 = 𝑎0 + 𝑢𝑏−1 + 𝑣𝑏−2
𝑏1 = 𝑎1 + 𝑢𝑏0 + 𝑣𝑏−1
53
Capitulo III: Solución de sistemas de ecuaciones lineales y no lineales
𝜗𝑏𝑛
𝑐𝑛−1 = = 𝑏𝑛−1 + 𝑢𝑐𝑛−2 + 𝑣𝑐𝑛−3
𝜕𝑢
De este modo las ck se calculan a partir de las bk, del mismo modo que las bk
se obtuvieron a partir de las ak Los dos resultados que necesitamos son:
𝜗𝑏𝑛−1 𝜗𝑏𝑛
𝑐𝑛−2 = ; 𝑐𝑛−1 =
𝜕𝑢 𝜕𝑢
𝜗𝑏𝑘+2
Tomando derivadas respecto a v y haciendo 𝑑𝑘 = encontramos
𝜕𝑣
𝜗𝑏𝑛
𝑑𝑛−2 = = 𝑏𝑛−2 + 𝑢𝑑𝑛−3 + 𝑣𝑑𝑛−4
𝜕𝑣
Como las ck y las dk satisfacen:
𝑐−2 = 𝑑−2 = 0
𝑐−1 = 𝑑−1 = 0
𝑐0 = 𝑑0 = 𝑏0
En particular
𝜗𝑏𝑛−1 𝜗𝑏𝑛
= 𝑑𝑛−3 = 𝑐𝑛−3 ; = 𝑑𝑛−2 = 𝑐𝑛−2
𝜕𝑢 𝜕𝑣
Para aplicar el método de Newton-Raphson supóngase que se tienen raíces
aproximadas 𝑎 ± 𝑏𝑖 de 𝑝(𝑥) = 0 y con esto el factor cuadrático asociado
𝑥 2 − 𝑢𝑥 − 𝑣 de p(x). Esto significa que tenemos raíces aproximadas de la
ecuación 2.19. Aplicando el método de Newton-Raphson a (2.19) queda:
𝑐𝑛−2 ℎ + 𝑐𝑛−3 𝑘 = −𝑏𝑛−1
54