Métodos Numéricos - Lunes 04, febrero 2019
Sistemas de ecuaciones no lineales
Un sistema de ecuaciones no lineales tiene la forma:
Donde podemos considerar a toda función $f_i$ como un mapeo del vector
$X = (x_1, x_2, …, x_n)$ del espacio n-dimensional $\R^n$ en la recta real $\R$.
Este sistema de $n$ ecuaciones no lineales con $n$ incógnitas puede representarse también mediante la definición de la función $F$, mapeando $\R^n$ en $\R^n$ por medio de: $F:\R^n -> \R^n$ En notación vectorial esto es: Las funciones $f_1, f_2, …, f_n$ son las funciones coordenadas de $F$.
Por ejemplo, el sistema
Nota, se trata de un sistema de 2 x 2.Este sistema puede expresarse como:
Puntos fijos para funciones de varias variables
Dado un sistema no lineal de $n$ ecuaciones con $n$ incógnitas $F(x) = 0$, el método de punto fijo para este sistema consiste en transformar dicho sistema en otro equivalente del tipo $x = G(x)$.
Ejemplo
Se resuelve la primera ecuación para una variable, despejando una incógnita ($x_1$). Se procede con la siguiente ecuación
N° | $x_1$ | $x_2$ | $\epsilon_a x_1 (\%)$ |
---|---|---|---|
0 | 0.1 | 0.1 | - |
1 | 0.044712 | 0.273709 | 123.60 |
2 | 0.122407 | 0.251870 | 62.47 |
3 | 0.112640 | 0.272637 | 8.67 |
4 | 0.121927 | 0.268867 | 7.61 |
5 | 0.120241 | 0.271424 | 1.40 |
6 | 0.121385 | 0.270835 | 0.94 |
Una forma de acelerar la convergencia consiste en usar las estimaciones mas recientes, igual que en el método de Gauss-Seidel para los sistemas lineales.
Ejercicio 9. Resolver el sistema anterior por medio de Gauss-Seidel.
N° | $x_1$ | $x_2$ | $\epsilon_a x_1 (\%)$ |
---|---|---|---|
0 | 0.1 | 0.1 | - |
1 | 0.044721 | 0.259928 | 123.60 |
2 | 0.116243 | 0.270598 | 61.52 |
3 | 0.121015 | 0.271083 | 3.94 |
4 | 0.121232 | 0.271104 | 0.1789 |
Lunes 11, marzo 2019
Ejercicio 10. Resuelva el sistema de ecuaciones no lineales.
Use el vector inicial $x = (0.1, 0.1, -0.1)$ con 5 iteraciones (Jacobi). Repita el ejercicio usando convergencia acelerada (Gauss-Seidel).
Método de Jacobi
N° | $X_1$ | $X_2$ | $X_3$ | $\epsilon_a\space de\space X_1$ |
---|---|---|---|---|
0 | 0.1 | 0.1 | -0.1 | - |
1 | 0.499983 | 0.009441 | -0.523101 | 79.99 |
2 | 0.499996 | 0.000026 | -0.523363 | 0.002 |
3 | 0.5 | 0.000012 | -0.523598 | 0.0008 |
4 | 0.5 | 0.000000 | -0.523598 | 0.000000 |
5 | 0.5 | 0.000000 | -0.523599 | 0.000000 |
Método de Gauss-Seidel
N° | $X_1$ | $X_2$ | $X_3$ | $\epsilon_a\space de\space X_1$ |
---|---|---|---|---|
0 | 0.1 | 0.1 | -0.1 | - |
1 | 0.499983 | 0.022230 | -0.523046 | 79.99 |
2 | 0.499999 | 0.022231 | -0.523046 | 0.003235 |
3 | 0.499977 | 0.000028 | -0.523598 | 0.004307 |
4 | 0.5 | 0.000000 | -0.523599 | 0.004600 |
5 | 0.5 | 0.000000 | -0.523599 | 0.000000 |
Método de Newton
Se define la matriz Jacobiana $J(x)$ como Por ejemplo, para el sistema anterior se tiene:
Obtenemos