Memoria en una nueva variante de la familia King para resolver sistemas no lineales
Autores: Kansal, Munish; Cordero, Alicia; Bhalla, Sonia; Torregrosa, Juan R.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Memoria en una nueva variante de la familia King para resolver sistemas no lineales
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Métodos
Memoria
Sistemas no lineales
Análisis de convergencia
Problemas prácticos
Experimentos numéricos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
En la literatura reciente, aparecen muy pocos métodos Jacobianos libres de orden superior con memoria para resolver sistemas no lineales. En este artículo, presentamos una nueva variante de la familia de King con orden cuatro para resolver sistemas no lineales junto con su análisis de convergencia. La familia propuesta requiere dos operadores de diferencia dividida y calcular solo una inversa de una matriz por iteración. Además, hemos extendido el esquema propuesto hasta el sexto orden de convergencia con dos evaluaciones funcionales adicionales. Además, estos esquemas se extienden aún más a métodos con memoria. Ilustramos su aplicabilidad realizando experimentos numéricos en una amplia variedad de problemas prácticos, incluso de gran tamaño. Se observa que estos métodos producen aproximaciones de mayor precisión y son más eficientes en la práctica, en comparación con los métodos existentes.
Descripción
En la literatura reciente, aparecen muy pocos métodos Jacobianos libres de orden superior con memoria para resolver sistemas no lineales. En este artículo, presentamos una nueva variante de la familia de King con orden cuatro para resolver sistemas no lineales junto con su análisis de convergencia. La familia propuesta requiere dos operadores de diferencia dividida y calcular solo una inversa de una matriz por iteración. Además, hemos extendido el esquema propuesto hasta el sexto orden de convergencia con dos evaluaciones funcionales adicionales. Además, estos esquemas se extienden aún más a métodos con memoria. Ilustramos su aplicabilidad realizando experimentos numéricos en una amplia variedad de problemas prácticos, incluso de gran tamaño. Se observa que estos métodos producen aproximaciones de mayor precisión y son más eficientes en la práctica, en comparación con los métodos existentes.