UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

FACULTAD DE INGENIERÍA QUÍMICA

DEPARTAMENTO ACADÉMICO DE INGENIERÍA QUÍMICA

SISTEMA DE ECUACIONES NO LINEALES

Para la solución del SENL se empleará extensiones de los

métodos iterativos utilizados para la solución de SEL.

DIFICULTADES DE LA SOLUCIÓN DE SENL

MÉTODOS NUMÉRICOS – ANÁLISIS NUMÉRICO
 Imposible graficar las superficies multidimensionales
(sistemas con n>2).
SISTEMA DE ECUACIONES
NO LINEALES  No es fácil encontrar “buenos valores iniciales”, por lo que
se asigna arbitrariamente los valores.

Dr. Wilder Eufracio Arias

Huancayo – Perú
1

A.- REDUCCIÓN DE ECUACIONES

TANTEO DE ECUACIONES

Resulta muy útil tratar de reducir analíticamente el número de Sea el sistema de ecuaciones:
ecuaciones y de incógnitas antes de intentar una solución
numérica. f1 x 2 , x 3   0
f 2 x 2 , x 3 , x 4   0
PARTICIÓN DE ECUACIONES
f 3 x1 , x 2 , x 3 , x 4   0
A veces resulta sencillo dividir las ecuaciones en subsistemas f 4 x 1 , x 2 , x 3   0
menores y resolverlos por separado.
1.  Estimar x3 (suponer)
f1 x1 , x 2 , x 3 , x 4 , x 5   0 2.  De f1 , estimar x2
f 2 x1 , x 2 , x 4   0 3.  De f 2 , estimar x4
f 3 x1 , x 3 , x 4 , x 5   0
4.  De f 4 , estimar x1
f 4 x 2 , x 4   0
5.  Comprobar x1 , x 2 , x 3 y x 4 en f 3 . Sino se cumple
f 5 x1 , x 4   0
proponer un nuevo valor para x 3 .
Resolvemos primero el subsistema (bloque) formado por f2, f4 No se puede dividir en subsistemas, es necesario resolverlo
y f5, después para resolver el subsistema compuesto por las simultáneamente.
ecuaciones f1 y f3.

DE CONSIDERACIONES GEOMÉTRICAS

En el caso de tener un sistema de 2 ecuaciones con 2

incógnitas:

B.- VALORES INICIALES f1 x1 , x 2   0

f 2 x1 , x 2   0
DE CONSIDERACIONES FÍSICAS
Cada uno define una curva en el plano x1–x2, graficando se
Si el sistema de ecuaciones tiene un significado físico es puede obtener buenos valores iniciales.
posible acotar los valores de las incógnitas a partir de
consideraciones físicas.

Ejm: Si xi representa la concentración expresada en fracción

en peso o fracción molar en una corriente, entonces: 0≤ xi ≤1.

Así tenemos otras variables como velocidad de un cuerpo

(>0), temperatura, etc.

1
 ALGORITMO

MÉTODO DE PUNTO FIJO MULTIVARIABLE La convergencia es de primer orden, si es que se da.

Sea el sistema, donde x e y son las variables o incógnitas :

Los algoritmos son aplicables a sistemas de cualquier número
de ecuaciones. f1 x, y   0 ...1
f 2 x, y   0 ...2
El algoritmo es el mismo del método del punto fijo aplicado a
varias variables; por ello, la convergencia del proceso iterativo 1.  Despejar x de f1 x, y   0 : x  g1 x, y  ...3
depende de: Despejar y de f 2 x, y   0 : y  g 2 x, y  ...4
 La expresión x=g(x) que es obtenida de f(x). 2.  Valores iniciales : x 0 , y 0
3.  Estimar x1 e y1 en : x 0 
 El reordenamiento de las ecuaciones lineales (si se despeja x 0    0 
x de f2 o de f1).  
x 1  g1 x 0 , y 0  y 
y1  g x , y 
2
0 0

Se utilizará la notación y los métodos de Jacobi y Gauss –

4.  Iterar hasta cumplir los criteriosde convergencia :
Seidel.
x  g1 x, y 
y  g 2 x, y 

x 0  0
Ejm : Encuentre una solución del SENL : 2.  Valores iniciales :  0
 y  0
f1 x, y   x  10x  y  8  0
2 2
...1
3.  Procesoiterativo :
f 2 x, y   xy 2  x  10y  8  0 ...2
k  0:
x   y 
utilizando el método de Jacobi (desplazamientos simultáneos)
x1 
0 2 0 2
8

02  02  8  x1  0,8
x 2  y2  8
1.  Despejar x de f1 x, y   0 : x  ...3 10 10
10
y1 
x y   x   8  00  0  8  y
0 0 2 0 2
1
 0,8
xy 2  x  8
Despejar y de f 2 x, y   0 : y  ...4 10 10
10
k  1:
Generalizando :
x   y 
k 2 k 2
8 x2 
x   y 
1 2 1 2
8

0,82  0,82  8  x 2  0,928
x k 1  10 10
x y   x   8  0,80,8  0,8  8  y
10 1 2 2

x y   x   8
1 1
k k 2 k
y2  2
 0,9312
y k 1  10 10
10

CRITERIOS DE CONVERGENCIA

Se pueden usar los criterios de convergencia vistos anteriores,

como distancia de componente a componente de dos vectores
consecutivos.
Una condición suficiente aunque no es necesaria, para
4.  Continuand o con el proceso iterativo se tiene la siguiente
asegurar la convergencia es que:
sucesión de vectores :
g1 g 2 g1 g 2
k xk yk   M1   M1
x x y y
0 0 0 Si : M  0  la iteración converge rapidamente.
1 0,8 0,8 Si : M  1  la iteración converge lentamente.
2 0,9280 0,9312
En el ejemplo anterior se resolvió empleando el método de
3 0,97283 0,97327
Jacobi (desplazamientos simultáneos), puede aumentar la
   velocidad de convergencia empleando el método de Gauss –
13 1,00000 1,00000 Seidel (desplazamientos sucesivos). Es decir, se iteraría
mediante:

x k 1  g1 x k , y k 

y k 1  g 2 x k 1 , y k 
Como el caso lineal, el método de Gauss – Seidel convergirá o
no más rápidamente que le método de Jacobi.

2
 Ejm : Encuentre una solución del SENL utilizando el método
de punto fijo multivariable con desplazamientos sucesivos : x 0  0
2.  Valores iniciales :  0
f1 x, y   x 2  10x  y 2  8  0 ...1  y  0
f 2 x, y   xy 2  x  10y  8  0 ...2 3.  Procesoiterativo :
k  0:

1.  Despejar x de f1 x, y   0 : x 
x 2  y2  8
...3 x1 
x   y 
0 2 0 2
8

02  02  8  x1  0,8
10 10 10
xy 2  x  8
Despejar y de f 2 x, y   0 : y 
10
...4
y1 
x y   x   8  0,80  0,8  8  y
0 0 2 0
1
 0,88
2

10 10
Generalizando :
 0  0  1  0,8 
x k 1 
x   y 
k 2 k 2
8 Distancia entre el vector inicial x    y x  
0  0,88
:
10
x 1  x 0   0,8  02  0,88  02  1,18929
y k 1 
x y   x   8
k 1 k 2 k 1

10

k  2:

x2 
x   y 
1 2 1 2
8

0,82  0,882  8  x 2  0,94144
10 10 Se puede aplicar también los criterios de convergencia

y2 
x y   x   8  0,941440,88  0,94144  8  y
1 1 2 1 2
2
 0,96704
descritos.

10 10 Aplicando los criterios de convergencia:

 0,8   2  0,941448
Distancia entre el vector inicial x 1    y x   0,96704  : g1 2 x k g 2 yk  1   2

0,88    
x 10 x 10
1
x x 0 
 0,941448  0,8  0,96704 0,88
2 2
 0,16608
g1 2 y k g 2 2 x k 1 y k
 
4.  Continuand o con el procesoiterativo se tiene la siguiente y 10 y 10
sucesión de vectores : Estos criteriosse pueden implementar en la tabla anterior.
k xk y k d  x k 1  x k  En ambas iteraciones se satisface las siguientes condiciones :
0 0 0 g1 g 2 g1 g 2
 1  1
1 0,8 0,88 1,18929 x x y y
2 0,9280 0,9312 0,16608 Por lo tanto se convergirá a x e y.
3 0,97283 0,97327 0,04677
   
13 1,00000 1,00000 0,00001

f1
f1 x, y   f1 a, b   x  a   f1 y  b  
x y
1   f1 
x  a 2   f1 x  a y  b    f1 y  b 2   ...
2 2 2

2!  x x x y y y 
MÉTODO DE NEWTON-RAPHSON

Expandiend o f1 x, y  alrededor de x k , y k y todas las derivadas parciales 
El método de Newton-Raphson multivariable converge 
están evaluadas en x k , y k : 
cuadráticamente, mientras que el método iterativo converge f f
linealmente.     
f1 x k 1 , y k 1  f1 x k , y k  1 x k 1  x k  1 y k 1  y k 
x y
  
0 0 02 
Sea el sistema, donde x e y son las variables o incógnitas : 1   2 f1 k 1  2 f1 k 1  2 f1 k 1
f1 x, y   0 ...1 2!  x x

x  xk  2

x y

x  x k y k 1  y k  
y y
y  y k   ...    ...3

f 2 x, y   0 ...2 De la misma forma para f 2 x, y  :
f 2 k 1 f
Donde ambas funciones son continuas y diferenciables, de
  
f 2 x k 1 , y k 1  f 2 x k , y k   x
 
x  x k  2 y k 1  y k 
y
 
modo que puedan expandirse en serie de Taylor alrededor del 0 0
1   f 2 k 1  f 2 k 1  f 2 k 1 0k 2 
      
2 2 2
punto (a,b) y todas las derivadas parciales están evaluadas en ...4
2
x  xk  x  x k y k 1  y k  y  y   ...
(a,b): 2!  x x x y y y 
Suponiendo que :
a  x k 1 próximo
x k próximo
  a  x  f1 x k 1 , y k 1  0  
a  y k 1 próximo
y k próximo
  a  y  f 2 x k 1 , y k 1  0  

3
 Recordando que las derivadas parciales de f1(x,y) y f2(x,y)
Entonces la ec. 3 y 4 queda como : están evaluadas en (xk ,yk); por lo tanto son números reales,
entonces el SENL se convierte en SEL, donde las incógnitas
f f
   
f1 x k , y k  1 x k 1  x k  1 y k 1  y k  0
x y
  ...5 con h y j.
Este SEL resultante tiene solución única, si y solo si la
f f determinante de la matriz de coeficientes o matriz Jacobiana J
   
f 2 x k , y k  2 x k 1  x k  2 y k 1  y k  0
x y
  ...6 sea diferente de cero (0); es decir:

f1 f1
Haciendo :
x y
h  x k 1  x k  x k 1  x k  h J 0
f 2 f 2
j  y k 1  y k  y k 1  y k  j x y
Reemplazando :
Por lo tanto el método de Newton – Raphson consiste
f1 f
x
h  1 j  f1 x k , y k
y
  ...7  fundamentalmente en formar un SEL y para resolver se utiliza
los métodos vistos anteriormente.
f 2 f El procedimiento se repite hasta satisfacer algún criterio de
x
h  2 j  f 2 x k , y k
y
  ...8 convergencia establecido.
La convergencia de este método es de segundo orden, y
requiere que el vector inicial (x0,y0) esté muy cerca de la raíz
buscada.

 x 0  0 
Ejm : Use el método de Newton  Raphson para encontrar una solución 2.  Vector inicial : x 0    0    
 y  0 
aproximada del sistema : 3.  Procesoiterativo :
f1 x, y   x 2  10x  y 2  8  0 ...1 k  0:
f 2 x, y   xy 2  x  10y  8  0 ...2 2x  10h  2yj  x 2  10x  y 2  8
 x00 x0 y 2  1h  2xy  10j  xy 2  x  10y  8
0

con el valor inicial : x 0  0

 y  y0  x 0  0 
Reemplazando x 0    0     :
1.  Formando el SEL, considerando las derivadas parciales :  y  0 
f1 f f f 20  10h  20j  02  100  02  8 
 
h  1 j  f1 x k , y k  1  2x  10 ; 1  2y
x y x y 02  1h  200  10j  002  0  100  8
f 2 f f f
x
 
h  2 j  f 2 x k , y k  2  y 2  1 ; 2  2xy  10
y x y
 10h  8
h  10j  8
Entonces : La matriz aumentada resultante es :
2x  10h  2yj  x 2  10x  y 2  8   10 0  8
...α   
y 2  1h  2xy 10j  xy 2  x  10y  8  1  10  8
 h  0,8
RESOLVIEND O POR ELIMINACIÓ N DE GAUSS : 
 j  0,88

De :

Haciendo : h  x k 1  x k  x k 1  x k  h  x 2  x 1  h  0,8  0,19179

h  x k 1  x k  x k 1  x k  h  x1  x 0  h  0  0,8 j  y k 1  y k  y k 1  y k  j  y 2  y1  j  0,88  0,11171

j  y k 1  y k  y k 1  y k  j  y1  y 0  j  0,0,88 x 2  0,99179

x1  0,88 y 2  0,99171

y1  0,88  0,8  0,99179

Distancia entre el vector x1   2 
 y x   0,99171 :
0,88  
0   0,8 
Distancia entre el vector inicial x 0     y x 1   : d  x 1  x 0   0,99179  0,82  0,99171 0,882  0.22190
0  0,88
4.  Continuand o con el procesoiterativo se tiene la siguiente
d x x 1 0 
 0,8  0 2
 0,88  0  1,18929
2
sucesión de vectores :
 0,8  k xk y k d  x k 1  x k 
k  1 : Reemplazando x 1    en la ec. α  la matriz aumenta es :
0,88 0 0 0
  8,4 1,76  1,41440 1 0,8 0,88 1,18929
 
1,7744  8,592  0,61952
2 0,99179 0,99171 0,22190
3 0,99998 0,99997 0,00830
h  0,19179
RESOLVIEND O POR ELIMINACIÓ N DE GAUSS :  4 1,00000 1,00000 0,00004
 j  0,11171

4
 Generalizando : Sea el SENL con n incógnitas, operando de la misma
manera resulta :
La matriz de derivadas parciales (matriz Jacobiana) ampliada
f1 f f 
h1  1 h 2  ...  1 h n  f1  en el vector de funciones es :
x1 x 2 x n
f 2 f f


 f1
 x
f1
... 1 
f1  f x k , y k 
h1  2 h 2  ...  2 h n  f 2  x 2 x n
x1 x 2 x n J h   f  1 
    
 f 2
 x 1
f 2
...
f 2

 f2 x k , yk  J f 
 x 2 x n ó
f n f f       
h1  n h 2  ...  n h n  f n   f f n f n  
x1 x 2 x n  n 

 x 1 x 2
... k

x n  f n x , y
k

Donde :
h i  x ik 1  x ik  x ik 1  x ik  h i ; 1  i  n

MÉTODO DE NEWTON-RAPHSON MODIFICADO

Este método consiste en aplicar el método de Newton –
Raphson univariable (utilizado para la solución de una 3.  Hallar y1 utilizando el método de Newton  Raphson univariale
ecuación no lineal) dos veces (para el caso de un SENL de n en f 2 x, y .
incógnitas, se aplicará n veces), una para cada variable. Cada
que se hace esto, e consideran las otras variables fijas. y1  y 0 

f 2 x 0 , y0 

f 2 x 0 , y 0 
Sea el sistema, donde x e y son las variables o incógnitas :
y
f1 x, y   0 ...1
x cte

f 2 x, y   0 ...2 Ejm : Use el método de Newton  Raphson modificado para encontrar una
solución aproximada del sistema :
x 0  0 
1.  Valores iniciales : x   0  f1 x, y   x 2  10x  y 2  8  0 ...1
y 
2.  Hallar x1 utilizando el método de Newton  Raphson univariale f 2 x, y   xy 2  x  10y  8  0 ...2
en f1 x, y .  x 0  0 
con el valor inicial :  0    
x1  x 0 

f1 x 0 , y 0   y  0 

f1 x 0 , y 0 
x y cte

 x 0  0 
1.  Valores iniciales : x 0    0    
 y  0 
2.  Primera iteración:
Hallar y1 utilizando el método de Newton  Raphson univariale
f1 x, y  f 2 x, y 
 2x  10  2xy  10 en f 2 x, y .
x ycte y x cte
Hallar x1 utilizando el método de Newton  Raphson univariale

f 2 x 1 , y 0   2xy  10  20 0   10  10
y
en f1 x, y  : x cte


f1 x 0 , y 0   
f 2 x 1 , y 0  xy 2  x  10y  8  0,80   0,8  100   8  8,8
2

 2x  10  20   10  10 
f 2 x1 , y 0  8,8
x y1  y 0   0
y cte

f 2 x 1 , y 0   10
 
f1 x 0 , y 0  x 2  10x  y 2  8  0   100  0  8  8
2 2
y
x1  x 0 
f1 x 0 , y 0   0
8  y1  0,88
x cte

f1 x 0 , y 0  
 10
x y cte

x 1  0,8

5
 Hallar y 2 utilizando el método de Newton  Raphson univariale
en f 2 x, y .
3.  Segunda iteración: 
f 2 x 2 , y1   2xy  10  20,968380,88  10  8,29565
Hallar x 2 utilizando el método de Newton  Raphson univariale y x cte
en f1 x, y  :  
f 2 x 2 , y1  xy 2  x  10y  8  0,968380,88  0,96838  100,88  8  0,91829
2


f1 x 1 , y1   2x  10  20,8  10  8,4 f 2 x 2 , y1  
0,91829
y y 
2 1
 0,88 
x y cte f 2 x 2 , y1   8,29565
 
f1 x 1 , y1  x 2  10x  y 2  8  0,8  100,8  0,88  8  1,4144
2 2
y x cte

x 2  x1 

f 1 x 1 , y1 
 0,8 
1,4144 y 2  0,99070

f1 x 1 , y1   8,4 Continuado las iteraciones, calcular las distancias entre cada
x y cte
dos vectores consecutivos, hasta cumplir los criterios de
convergencia.
x 2  0,96838
También se puede tomar f2 para evaluar x y f1 para y. Esto
puede producir convergencia en algunos arreglos y
divergencia en otros.

Sea el sistema, donde x e y son las variables o incógnitas :

f1 x, y   0 ...1
f 2 x, y   0 ...2
Generalizando : Sea el SENL con n incógnitas, el algoritmo es x 0 
de la forma : 1.  Valores iniciales : x 0    0 
y 
x ik 1  x ik 

f i x1k 1 , x k2 1..., x kn 1  1 i  n 2.  Matriz Jacobiana :
f i
 f1 f1 
x i x k 1 , x k 1 ...,x k 1   x y 
J 
1 2 n

 f 2 f 2 
 x y 
MÉTODO DE BROYDEN
Sólo para la primera iteración
Considérese ahora la generalización del método de la secante La matriz Jacobiana para x 0  :
a sistemas multivariables, conocido como el método de
Broyden.
 f1 x
0
, y0  
f1 x 0 , y 0 
 
x y
J 0    
 f 2 
x 0 , y0  
f 2 x 0 , y 0 
 x y 
 
3.  Hallar la inversa de la matriz Jacobiana J 0    1
, por el método
de Gauss  Jordan o similares.
4.  Hallar : x 1  x 0   J 0    1
f 0 

Resto de iteraciones

5.  Hallar : El método de la secante para SENL consiste en sustituir J k  por una matriz A k  .

A 
k  1

 A  k 1
 1

Δx k 
  Δf   Δx    A   
 A k 1
1 k k T k 1 1
...α 
 
1
Es necesario hallar A k  y para facilitar los cálculos se puede emplear una
Δx    A    Δf  
k T k 1 1 k formula de inversión de Sherman y Morrison.
Donde : 6.  Hallar : x 2   x 1  A 1 f 1   1

k  1 x1  x 0 
0  7.  Repetir el proceso desde el paso 6  hasta cumplir con los criteriosde
Δx  x  x   1   0 
y  y  
convergencia d  x k 1  x k  . 
Δf k 

 f x 1 , y1   f x 0 , y 0 
 f 1  f 0    1 1 1    1 0 0 
   Ecuación genérica :

f 2 x , y   f 2 x , y     x k 1  x k   A k   
1
f k  ó  
x k 1  x k   J k 
1
f k 
A   
k 1 1
  SOLO PARA LA PRIMERA ITERACIÓN 
 J 0 
1

6
 Ejm : Use el método de Broyden para encontrar una solución
aproximada del sistema :
f1 x, y   x 2  10x  y 2  8  0 ...1 3.  Hallar la inversa de la matriz Jacobiana J 0    1
, por el método
f 2 x, y   xy  x  10y  8  0
2
...2 de Gauss  Jordan, mediante el arreglo :
 x 0  0   10 0 1 0
con el valor inicial :  0      
 y  0   1  10 0 1

 x 0  0  f1  110   1 0  0,1 0
1.  Vector inicial : x 0    0      
 y  0  1  10 0 1

2.  Matriz Jacobiana : 1 0  0,1 0

 
 f1 f1  f1  1  f 2  0  10 0,1 1
 x y  2x  10 2y  1 0  0,1 0 
J  2   
 f 2 f 2   y  1 2xy  10 f 2  110   0 1  0,01  0,1
 x y 
  0,1 0 
Para los valores de x 0  : J   
0 1
 
 0,01  0,1
20  10 20    10 0 
J 0    2 
 0   1 200  10  1  10

5.  Segunda iteración :
k  1:
4.  Primera iteración:
k  0: A    k 1

 A k 1 
1

Δx
  Δf   Δx    A   k 
 A k 1
1 k k T k 1 1

Δx    A    Δf   k T k 1 1 k

       
A     J     Δx  J  Δf  Δx   J 
 f x 0 , y 0   x  10 x 0  y  8  8
0 2 0 2
f 0    1 0 0    0 0 2          1 1

 
1 T
      
1 0 1 0
1 1 1
f 2 x , y   x y  x  10 y  8 8
0 0 0

Δx  J  Δf 1 T 0 1 1

  x 
   
1  f x , y 
0 0 0
1
x 1  x 0   J 0  f 0    0   J 0   1 0 0 
 
Donde :
y  f 2 x , y 
 x1   x 0   0,8  0  0,8 
1 0   0,1 0  8 Δx 1  x 1  x 0    1    0      
x       y   y  0,88 0 0,88
0  0,01  0,1 8
 0,8 
1 1
Δf  f  f   0 

0


 f1 x , y   f1 x , y 0    6,5856 
1 1
  
x 1   
1  0 

f 2 x , y  f 2 x , y   7,38043
1 0 
  
0,88
  
  1 1
A 0   J 0      0,1 0

 0,01  0,1

Reemplazando :

A     J   
1 1 0 1

Δx 1
  Δf   Δx    J   
 J 0 
1 1 1 T 0 1
  f 
x 2   x 1  A 1
1 1

Δx    J    Δf  
1 T 0 1 1
   f x , y   x   10x   y   8   1,4144 
1 1 1 2 1 1 2
f 1

1

f x , y  x y   x   10y   8 0,61952
 0,8    0,1
T 
0    6,5856     0,8     0,1 0  1 1 1 1 2 1 1

     
2
  
  0,1 0  0,88  0,01  0,1  7,38043   0,88   0,01  0,1
A   
1 1

    T x 
 0,8   0,11015  0,010079  1,4144 
2 
  
 0,01 0,1   0,8     0,1 0    6,5856  0,88  0,01546  0,105404 0,61952
 
 0,88   0,01  0,1  7,38043
      2  0,96208
x  
 0,11015  0,010079
A   
1 1
 
0,96720
 0,01546  0,105404

7
6.  Tercera iteración:
    
Δx  2  A 1 1 Δf  2  Δx  2 T A 1 1

k  2:  
 A     A   
1 1

Δx Δf   Δx    A   
2 1

A     A   
k 1 k 1 1

k 

 A k 1
1 k k T k 1 1
  
2
T
Δx   A   Δf  
1
1
2

Δx    A    Δf   k T k 1 1 k
 0,11015 0,010079 
 A  
1

A     A     Δx  A   Δf  Δx   A 
1 1
2
 
       
 0,01546 0,105404 
2 1 2 2 T 1
2 1 1 1

Δx  A  Δf 2 T 1 1 2 T
 0,16208  0,11015 0,010079   1,17413    0,16208   0,11015 0,010079 
        
Donde :
   0,0872   0,01546 0,105404   0, 42944     0,0872    0,01546 0,105404 
T
 x 2   x 1  0,96208  0,8  0,16208  0,16208   0,11015 0,010079   1,17413 
Δx 2   x 2   x 1   2    1           
 y   y  0,96720 0,88  0,0872    0,0872    0,01546 0,105404   0, 42944 

2  2 
Δf  f  f  
2

1 1

1  f1 x , y   f1 x , y    1,17413
2

   A  
2
1 



 2  1 

f 2 x , y  f 2 x , y   0,42944
2 1 
   

 
x 3   x  2   A  2 
1
f 2 
0,997433 3  0,997433
3 
x   x  0,996786
0,996786  
Continuand o con el procesoiterativo se tiene :
k xk yk
0 0 0
1 0,8 0,88
2 0,96208 0,96720
3 0,997433 0,996786
  
7 1,000000 1,000000