MÉTODOS NUMÉRICOS

SISTEMAS DE ECUACIONES NO LINEALES

INTRODUCCIÓN
En este tipo de sistemas de ecuaciones no lineales resulta conveniente conocer bien las características no sólo
de cada método en particular, sino que también se debe conocer las características del problema y, de esta
manera, efectuar la elección del método más adecuado.

MÉTODO DE PUNTO FIJO MULTIVARIABLE:

Este método busca transformar el sistema de ecuaciones no lineales de manera que la primera incógnita x 1 se
pueda despejar de la primera ecuación, x2 de la segunda y, así, sucesivamente, llegándose a formar un sistema
de la forma:

( )

( )

( )

Para asegurar su convergencia, existe un criterio de convergencia equivalente al existente para resolver una
ecuación no lineal por el método de punto fijo, que puede aplicarse antes de iniciar el proceso iterativo.

Ejemplo:

Resolver el siguiente sistema de ecuaciones no lineales:

Con valor inicial (0,0) y un error ε = 10-3.

Solución:

Despejando x, y:

Sacando las derivadas parciales, se tiene:

Luis Cabezas Tito Métodos Numéricos Página 1

 DERIVADAS PARCIALES NOTACIÓN
( )

( )

( ( ))

( ) ( )

 Crear un archivo m, denominado: Criterio.m.

 Escribir los siguientes comandos en dicho archivo:

function sol = Criterio(x,n)

if n == 1
A=[2*x(1)/10, 2*x(2)/10; ((x(2))^2+1)/10, 2*x(1)*x(2)/10];
sol=sum(abs(A));
else
sol=[((x(1))^2+(x(2))^2+8)/10; (x(1)*(x(2))^2+x(1)+8)/10];
end;

 Escribir en el Workspace de MATLAB lo siguiente:

>>PuntoFijoMultiple_L(1000);

Luego cargar los parámetros de acuerdo a la siguiente ventana:

PUNTO FIJO MULTIVARIABLE

Arch. de Ecuaciones ? Criterio
Orden del sistema ? 2
Error a ser aceptado ? 0.001

Introduzca el vector inicial

valor de x 1 = 0
valor de x 2 = 0

SOLUCION DEL SISTEMA

x 1 = 0.9998339
x 2 = 0.9999073

De manera directa se puede escribir:

[sol,ite]=PuntoFijoMultiple_L(1000,'Criterio',2,0.001,[0 0])

sol =

0.9998
0.9999

Luis Cabezas Tito Métodos Numéricos Página 2

ite =

MÉTODO DE NEWTON – RAPHSON MULTIVARIABLE:

Este método sirve para ecuaciones no lineales de segundo grado. Consiste fundamentalmente en escribir el
sistema de ecuaciones no lineales problema, como un sistema de ecuaciones lineales que presenta la forma:

Con la solución del sistema y la ecuación: se obtiene el vector de aproximación Xk+1. Este
procedimiento se repite hasta satisfacer algún criterio de convergencia establecido.

Ejemplo:

Resolver el siguiente sistema de ecuaciones no lineales:

Con valor inicial (0,0) y un error ε = 10-3.

Solución:

Determinar las derivadas parciales de cada una de las funciones con respecto a cada variable, de la forma:

RESPECTO A x NOTACIÓN
( )

( )

RESPECTO A y NOTACIÓN
( )

( ) ( )

Luis Cabezas Tito Métodos Numéricos Página 3

Escribir el archivo .m denominado Jacobiano:

function[matriz,func]=Jacobiano(x)
matriz=[2*x(1)-10, 2*x(2); 2*x(2)^2+1, 2*x(1)*x(2)-10];
func=[x(1)^2-10*x(1)+x(2)^2+8; x(1)*x(2)^2+x(1)-10*x(2)+8];

Luego escribir en el Workspace:

>> NewtonMultiple_L(1000);

Llenar con los siguientes datos:

NEWTON RAPHSON MULTIVARIABLE

Arch. de Ecuaciones ? Jacobiano
Orden del sistema ? 2
Error a ser aceptado ? 0.001
Introduzca el vector inicial
valor de x 1 = 0
valor de x 2 = 0

SOLUCION DEL SISTEMA

x 1 = 0.9999952
x 2 = 0.9999809

De manera directa:

>> [sol,ite]=NewtonMultiple_L(1000,'Jacobiano',2,0.001,[0 0])

sol =
1.0000
1.0000
ite =
4

MÉTODO DE NEWTON – RAPHSON MODIFICADO:

Este método consiste en aplicar el método de Newton – Raphson modificado univariable acondicionándolo
para el caso de un sistema de n ecuaciones no lineales con n incógnitas, es decir, aplicar la ecuación una para
cada variable de acuerdo a la siguiente expresión general:

( )
( | )

Este método converge a menudo si x0, y0, z0,… están muy ceca de sus medias y requiere una evaluación de sólo
2n funciones por paso. Este método puede ser diseñado de dos maneras: usando desplazamientos sucesivos
y/o desplazamientos simultáneos.

En este método no siempre se produce la convergencia deseada, ya que en algunos de los arreglos a utilizar se
producirá divergencia. Cuando n>3 las posibilidades de despeje son n!

Luis Cabezas Tito Métodos Numéricos Página 4

Ejemplo:

Resolver el siguiente sistema de ecuaciones no lineales:

Con valor inicial (0,0) y un error ε = 10-3.

Solución:

Se procede a determinar las derivadas parciales a ser empleadas en el proceso.

DERIVADAS PARCIALES NOTACIÓN

( )

( ) ( )

Escribir el archivo .m denominado Modificado:

function[matriz,func]=Modificado(x)
matriz=[2*x(1)-10; 2*x(1)*x(2)-10];
func=[x(1)^2-10*x(1)+x(2)^2+8; x(1)*x(2)^2+x(1)-10*x(2)+8];

Luego escribir en el Workspace:

>> NewtonModificado_L(1000);

Se obtiene lo siguiente:

NEWTON RAPHSON MODIFICADO

Arch. de Ecuaciones ? Modificado
Orden del sistema ? 2
Error a ser aceptado ? 0.001
Introduzca el vector inicial
valor de x 1 = 0
valor de x 2 = 0

SOLUCION DEL SISTEMA

x 1 = 0.9998144
x 2 = 0.9998093

En forma directa:

>> [sol,ite]=NewtonModificado_L(1000,'Modificado',2,0.001,[0 0])

Luis Cabezas Tito Métodos Numéricos Página 5

sol =
0.9998
0.9998

ite =
6

MÉTODO DE NEWTON – RAPHSON CON OPTIMIZACIÓN DE T:

La utilización de la ecuación vectorial de aceleración permite estudiar cómo mejorar los métodos existentes.
Este método parte del método de Newton – Raphson Multivariable, que se obtiene mediante la transformación
de la ecuación matricial de dicho método a la forma vectorial, cuya forma para un sistema 2x2 es:

( )
( ) ( ) ( )
( )
( )

Este método utiliza en forma explícita la información de las derivadas para generar algoritmos eficientes que
localicen el óptimo, ya que distintos valores de t llevarían a distintos vectores de xk+1, algunos más cercanos a la
raíz x que los demás. Para seleccionar los valores de t es necesario seleccionar en principio un intervalo de
búsqueda [a, b], para lo cual se calculan valores de t dentro de este intervalo utilizando las ecuaciones:

Donde F contiene los términos de la Serie de Fibonacci. El proceso iterativo se realiza hasta que el valor de la
función suma de residuos al cuadrado: ( ) ( ) sea cero o próximo a cero, ya que esta función
es el indicativo de la cercanía de xk con respecto a la raíz.

Ejemplo:

Resolver el siguiente sistema de ecuaciones no lineales:

3x – cos(yz) – 0.5 = 0

x2 – 625y2 = 0

e-xy + 20z + (10π-3)/3 = 0

Con valor inicial (1,1,1) y un error ε = 10-3.

Solución:

Se procede a determinar las derivadas parciales a ser empleadas en el proceso.

Luis Cabezas Tito Métodos Numéricos Página 6

 DERIVADAS PARCIALES NOTACIÓN

( ) ( ) ( ( ) ( ))

( ) ( ) ( ( ) ( ))

( )

( )

( ) ( ( ) ( ))

( ) ( ( ) ( ))

Escribir el archivo .m denominado Optimizado:

function[matriz,func]=Optimizado(x)
matriz=[3, x(3)*sin(x(2)*x(3)), x(2)*sin(x(2)*x(3)); 2*x(1), -1250*x(2), 0; -x(2)*exp(-x(1)*x(2)), -x(1)*exp(-
x(1)*x(2)), 20];
func=[3*x(1)-cos(x(2)*x(3))-0.5; x(1).^2-625*x(2).^2; exp(-x(1)*x(2))+20*x(3)+(10*pi-3)/3];

Luego escribir en el Workspace:

>> NewtonOpT_L(1000);

Se obtiene lo siguiente:

NEWTON RAPHSON MULTIVARIABLE

Arch. de Ecuaciones ? Optimizado
Orden del sistema ? 3
Error a ser aceptado ? 0.001
Introduzca el vector inicial
valor de x 1 = 1
valor de x 2 = 1
valor de x 3 = 1
Intervalo de busqueda
valor de a ? -0.3
valor de b ? -2.5

Luis Cabezas Tito Métodos Numéricos Página 7

 SOLUCION DEL SISTEMA
x 1 = 0.4999820
x 2 = -0.0199994
x 3 = -0.5241032

Directamente:

>> [sol,ite]=NewtonOpT_L(1000,'Optimizado',3,0.001,[1,1,1],-0.3,-2.5)

sol =
0.5000
-0.0200
-0.5241

ite =
5

TRABAJO FINAL:

 Invéntese un sistema de ecuaciones no lineales de 3 variables. Resuelva el mismo con todos los
Métodos empleados en este capítulo. Compare los resultados y saque sus propias conclusiones.
 Realice el Diagrama de Flujo usando software adecuado para ello (Ej. Visio) para cada programa de
MATLAB: xxxxx_L. Entienda qué es lo que hace cada línea de comando de todos los programas.
 Cree Interfaces Gráficas GUI en MATLAB para todos los programas anteriores.

Luis Cabezas Tito Métodos Numéricos Página 8

 ----- oOo -----

Luis Cabezas Tito Métodos Numéricos Página 9