Apuntes EIQ-419: Métodos Numéricos para Ingeniería

Método de Newton-Raphson para sistemas de ecuaciones no lineales

1. Introducción:

El método de Newton-Raphson para sistemas de ecuaciones no lineales se basa en el mismo

principio de su versión en una variable, el cual parte de la expansión en Serie de Taylor de la función
centrada en el valor inicial.

(xi+1 − xi )2 (xi+1 − xi )3
f(xi+1 ) = f(xi ) + f ′ (xi ) ∙ (xi+1 − xi ) + f ′′ (xi ) ∙ + f ′′′ (xi ) ∙ +⋯
2! 3!
Al truncarla al segundo término (primera derivada), y asumiendo que el valor final es raíz, se tiene:
−𝟏
0 = f(xi ) + f ′ (xi ) ∙ (xi+1 − xi ) → 𝐱𝐢+𝟏 = 𝐱𝐢 − (𝐟 ′ (𝐱𝐢 )) ∙ 𝐟(𝐱𝐢 )

2. Ampliación a varias variables:

En el caso de sistemas de n ecuaciones no lineales, el caso es similar, pero hay que considerar que
la función principal es un campo vectorial de A є ℝn a B є ℝn. Es decir:

⃗)
f1 (𝐗
x1
x2 ⃗)
f2 (𝐗
x3 ⃗)
f3 (𝐗
⃗ =
𝐗 ⃗)=
→ 𝐟(𝐗 ⃗ 𝐢+𝟏 es raíz → 𝐟(𝐗
𝐗 ⃗ 1×n
⃗ 𝐢+𝟏 ) = 0
⋮ ⋮
xn−1 ⃗)
fn−1 (𝐗
[ xn ]
⃗) ]
[ fn (𝐗

Siendo 𝑿 ⃗ (𝑿
⃗⃗ el vector de variables y 𝒇 ⃗⃗ ) el campo vectorial a la cual hay que encontrarle su raíz. Cabe
notar que ese campo vectorial tiene raíz cuando todos sus componentes encuentran raíz. Haciendo
la analogía, se tiene la siguiente ecuación:
−𝟏
𝐗 ⃗ 𝐢 − (𝐟⃗⃗′ (𝐗
⃗ 𝐢+𝟏 = 𝐗 ⃗ 𝐢 )) ⃗ 𝐢)
∙ 𝐟(𝐗

⃗ 𝒊 el vector de variables evaluados en el punto inicial, ⃗𝒇(𝑿

Siendo ⃗𝑿 ⃗⃗ 𝒊 ) el campo vectorial evaluado en
−𝟏
⃗⃗⃗′ (𝑿
el vector inicial, y (𝒇 ⃗⃗ 𝒊 )) es la inversa de la derivada del campo vectorial evaluado en el vector
inicial. La derivada del campo vectorial se determina en función de la matriz Jacobiana del campo
vectorial.
∂f1 ∂f1 ∂f1 ∂f1
| | ⋯ | |
∂x1 𝐗⃗=𝐗⃗ ∂x2 𝐗⃗=𝐗⃗ ∂xn−1 𝐗⃗=𝐗⃗ ∂xn 𝐗⃗=𝐗⃗
𝐢 𝐢 𝐢 𝐢
∂f2 ∂f2 ∂f2 ∂f2
| | ⋯ | |
∂x1 𝐗⃗=𝐗⃗ ∂x2 𝐗⃗=𝐗⃗ ∂xn−1 𝐗⃗=𝐗⃗ ∂xn 𝐗⃗=𝐗⃗
𝐢 𝐢 𝐢 𝐢
⃗⃗𝐟 ′ (𝐗
⃗ 𝐢 ) = 𝐉(𝐗
⃗ 𝐢) = ⋮ ⋮ ⋱ ⋮ ⋮
∂fn−1 ∂fn−1 ∂fn−1 ∂fn−1
| | ⋯ | |
∂x1 𝐗⃗=𝐗⃗ ∂x2 𝐗⃗=𝐗⃗ ∂xn−1 𝐗⃗=𝐗⃗ ∂xn 𝐗⃗=𝐗⃗
𝐢 𝐢 𝐢 𝐢
∂fn ∂fn ∂fn ∂fn
| | ⋯ | |
[ ∂x1 𝐗⃗=𝐗⃗𝐢 ∂x2 𝐗⃗=𝐗⃗
𝐢
∂xn−1 𝐗⃗=𝐗⃗
𝐢
∂xn 𝐗⃗=𝐗⃗ ]
𝐢

1
 Apuntes EIQ-419: Métodos Numéricos para Ingeniería
Método de Newton-Raphson para sistemas de ecuaciones no lineales
Cabe notar que, como la derivada del campo vectorial es una matriz, su inversa también es una
matriz.

3. Algoritmo de cálculo:

i. Dejar el sistema de ecuaciones en su forma igualada a 0. Las secciones no nulas son las coordenadas
del campo vectorial.
ii. Determinar las primeras derivadas de cada coordenada del campo vectorial respecto de cada una
de las variables, para formar la matriz Jacobiana.
iii. ⃗⃗ 𝒊 .
Seleccionar un vector inicial 𝑿
iv. ⃗ (𝑿
Usar el vector inicial para evaluar el campo vectorial 𝒇 ⃗⃗ 𝒊 ) y la matriz Jacobiana 𝑱(𝑿
⃗⃗ 𝒊 ).
−𝟏
v. ⃗⃗ 𝒊 )) .
Calcular la inversa de la matriz Jacobiana (𝑱(𝑿
vi. Aplicar el método para obtener el nuevo vector ⃗𝑿 ⃗ 𝒊+𝟏.
vii. Evaluar el error relativo aproximada de cada variable, tomando el máximo error como el
representativo de la iteración completa.
viii. Tomar el nuevo vector como el vector inicial de la siguiente iteración, y repetir los pasos iv a vii hasta
que el error de la iteración sea menor que el tolerable definido.

4. Ejemplo:

Resolver el siguiente sistema

4 ∙ cos(x1 ∙ x2 ) − 3 ∙ ln(3 ∙ x3 ) = 1
6 ∙ sen(x3 ∙ x2 ) − exp(3 ∙ x1 ) = −3
2 ∙ tan(x2 ) − cosh(3 ∙ x1 ∙ x3 ) = 0
i. Dejar el sistema de ecuaciones en su forma igualada a 0. Las secciones no nulas son las coordenadas
del campo vectorial.

f1 (𝐗⃗ ) = 4 ∙ cos(x1 ∙ x2 ) − 3 ∙ ln(3 ∙ x3 ) − 1 = 0

f2 (𝐗⃗ ) = 6 ∙ sen(x3 ∙ x2 ) − exp(3 ∙ x1 ) + 3 = 0
f3 (𝐗⃗ ) = 2 ∙ tan(x2 ) − cosh(3 ∙ x1 ∙ x3 ) = 0

ii. Determinar las primeras derivadas de cada coordenada del campo vectorial respecto de cada una
de las variables, para formar la matriz Jacobiana.
∂f1 ∂f1 ∂f1 3
= −4 ∙ x2 ∙ sen(x1 ∙ x2 ) = −4 ∙ x1 ∙ sen(x1 ∙ x2 ) =−
∂x1 ∂x2 ∂x3 x3
∂f2 ∂f2 ∂f2
⃗)=
𝐉(𝐗 = − 3 ∙ exp(3 ∙ x1 ) = 6 ∙ x3 ∙ cos(x3 ∙ x2 ) = 6 ∙ x2 ∙ cos(x3 ∙ x2 )
∂x1 ∂x2 ∂x3
∂f3 ∂f3 ∂f3
= −3 ∙ x3 ∙ senh(3 ∙ x1 ∙ x3 ) = 2 ∙ sec(x1 ∙ x2 )2 = −3 ∙ x1 ∙ senh(3 ∙ x1 ∙ x3 )
∂x1 ∂x2 ∂x3

2
 Apuntes EIQ-419: Métodos Numéricos para Ingeniería
Método de Newton-Raphson para sistemas de ecuaciones no lineales

iii. ⃗⃗ 𝒊 .
Seleccionar un vector inicial 𝑿
0
⃗ 𝒊 = [0.5]
𝐗
1
iv. ⃗ (𝑿
Usar el vector inicial para evaluar el campo vectorial 𝒇 ⃗⃗ 𝒊 ) y la matriz Jacobiana 𝑱(𝑿
⃗⃗ 𝒊 ).

f1 (𝐗⃗ 𝐢 ) = 4 ∙ cos(0 ∙ 0.5) − 3 ∙ ln(3 ∙ 1) − 1 = −0.296

⃗ 𝐢 ) = [ f2 (𝐗
𝐟(𝐗 ⃗ 𝐢 ) = 6 ∙ sen(1 ∙ 0.5) − exp(3 ∙ 0) + 3 = 4.8765 ]
f3 (𝐗⃗ 𝐢 ) = 2 ∙ tan(0.5) − cosh(3 ∙ 0 ∙ 1) = 0.0926

3
−4 ∙ 0.5 ∙ sen(0 ∙ 0.5) = 0 −4 ∙ 0 ∙ sen(0 ∙ 0.5) = 0 − = −3
⃗ 𝐢) = 1
𝐉(𝐗 − 3 ∙ exp(3 ∙ 0) = −3 6 ∙ 1 ∙ cos(1 ∙ 0.5) = 5.265 6 ∙ 0.5 ∙ cos(1 ∙ 0.5) = 2.633
−3 ∙ 1 ∙ senh(3 ∙ 0 ∙ 1) = 0 2 ∙ sec(0 ∙ 1)2 = 2 −3 ∙ 0 ∙ senh(3 ∙ 0 ∙ 1) = 0

−𝟏
v. ⃗⃗ 𝒊 )) .
Calcular la inversa de la matriz Jacobiana (𝑱(𝑿

−𝟏 0 0 −3 −𝟏 −0.292 −0.333 0.877

⃗ 𝐢 ))
(𝐉(𝐗 = [−3 5.265 2.633] = [ 0 0 0.5 ]
0 2 0 −0.333 0 0
vi. ⃗⃗ 𝒊+𝟏.
Aplicar el método para obtener el nuevo vector 𝑿

−𝟏 0 −0.292 −0.333 0.877 −0.296

⃗ 𝐢+𝟏 = 𝐗
𝐗 ⃗ 𝐢 − (𝐉(𝐗
⃗ 𝐢 )) ⃗
∙ 𝐟(𝐗 𝐢 ) = [0.5] − [ 0 0 0.5 ] ∙ [ 4.8765 ]
1 −0.333 0 0 0.0926
0 −1.458 1.458
⃗ 𝐢+𝟏 = [0.5] − [ 0.046 ] = [0.454]
𝐗
1 0.098 0.901
vii. Evaluar el error relativo aproximada de cada variable, tomando el máximo error como el
representativo de la iteración completa.

x1,i+1 − x1,i 1.458 − 0

εa,x1 = | |=| | = 100%
x1,i+1 1.458

x2,i+1 − x2,i 0.454 − 0.5

εa,x2 = | |=| | = 10.21%
x2,i+1 0.454

x3,i+1 − x3,i 0.901 − 1

εa,x3 = | |=| | = 10.94%
x3,i+1 0.901

∴ εa = Máx{εa,x1 ; εa,x2 ; εa,x3 } = 100%

viii. Tomar el nuevo vector como el vector inicial de la siguiente iteración, y repetir los pasos iv a vii hasta
que el error de la iteración sea menor que el tolerable definido.

Repitiendo los pasos, y dejando un error tolerable del 1%, se tienen los resultados de la siguiente
Tabla.

3
 Apuntes EIQ-419: Métodos Numéricos para Ingeniería
Método de Newton-Raphson para sistemas de ecuaciones no lineales

X1,i X2,i X3,i X1,i+1 X2,i+1 X3,i+1 εa,x1 εa,x2 εa,x3 εa

0.000 0.500 1.000 1.458 0.454 0.901 100.00% 10.21% 10.94% 100.00%
1.458 0.454 0.901 1.144 0.347 0.872 27.37% 30.56% 3.39% 30.56%
1.144 0.347 0.872 0.866 0.426 0.818 32.20% 18.35% 6.57% 32.20%
0.866 0.426 0.818 0.692 0.762 0.743 25.14% 44.16% 10.09% 44.16%
0.692 0.762 0.743 0.634 0.858 0.745 9.12% 11.15% 0.24% 11.15%
0.634 0.858 0.745 0.625 0.821 0.763 1.40% 4.45% 2.41% 4.45%
0.625 0.821 0.763 0.627 0.839 0.757 0.27% 2.12% 0.87% 2.12%
0.627 0.839 0.757 0.626 0.830 0.760 0.17% 1.08% 0.42% 1.08%
0.626 0.830 0.760 0.626 0.835 0.758 0.08% 0.54% 0.22% 0.54%

Finalmente, la raíz del sistema es la siguiente:

0.626 f1 = −6.38 ∙ 10−5

⃗ 𝐢+𝟏
𝐗 ⃗ 𝐢+𝟏 ) = [f2 = −2.01 ∙ 10−4 ]
= [0.835] → 𝐟(𝐗
0.758 f3 = −1.57 ∙ 10−2