🔢 mathematics

A new iterative three-point method for solving systems of nonlinear equations

Dit artikel presenteert een nieuwe zesde-orde iteratieve driepuntsmethode voor het oplossen van stelsels van nietlineaire vergelijkingen, afgeleid door een scalaire methode aan te passen en gevalideerd door middel van theoretische analyse, numerieke experimenten en efficiëntievergelijkingen met bestaande technieken.

Oorspronkelijke auteurs: Carlos E. Cadenas R., Yorman J. Mendoza N

Gepubliceerd 2026-01-23

📖 4 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Carlos E. Cadenas R., Yorman J. Mendoza N

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert het exacte middelpunt van een enorme, kronkelende doolhof te vinden. Je kunt de hele doolhof niet in één keer overzien, dus je moet stappen zetten, je omgeving controleren en je pad aanpassen totdat je eindelijk de roos raakt. In de wereld van de wiskunde is dit "doolhof" een stelsel van niet-lineaire vergelijkingen, en de "roos" is de oplossing waar alles perfect in evenwicht is.

Dit artikel introduceert een nieuwe, supersnelle manier om door die doolhof te navigeren. Hier is de uitsplitsing van wat de auteurs hebben gedaan, met behulp van eenvoudige analogieën.

1. Het Probleem: De Langzame Wandelaar

Meestal gebruiken wiskundigen een standaardmethode genaamd de Newton-methode om deze puzzels op te lossen. Denk aan de Newton-methode als een zeer slimme wandelaar. Elke keer dat ze een stap zetten, kijken ze naar de grond, berekenen ze de helling en zetten ze één grote, zelfverzekerde stap richting het centrum. Het werkt goed, maar het kan traag zijn als de doolhof enorm of erg kronkelig is.

2. De Oplossing: De "Driestaps" Sprinter

De auteurs hebben een nieuwe methode ontwikkeld die werkt als een driestaps sprinter. In plaats van slechts één keer te kijken en een stap te zetten, neemt deze nieuwe methode drie verschillende "blikken" op het probleem voordat hij zijn definitieve beweging maakt.

Stap 1 (De Verkenner): Het werpt een snelle blik op waar het zich bevindt en maakt een ruwe schatting.
Stap 2 (De Verfijner): Het controleert die schatting tegen een tweede punt om een beter idee van het terrein te krijgen.
Stap 3 (De Sprint): Met behulp van alle verzamelde informatie maakt het een enorme, uiterst nauwkeurige sprong naar de oplossing.

De auteurs hebben een methode die al beroemd was voor het oplossen van eenvoudige, enkelvoudige puzzels (zoals het vinden van de wortel van één vergelijking) en deze "vertaald" om complexe, multivariabele stelsels aan te kunnen (zoals het oplossen van een heel web aan vergelijkingen tegelijk).

3. De Magie: Snelheid en Precisie

Het meest opwindende deel van dit artikel is de snelheid.

In de wiskunde is "orde van convergentie" een soort snelheidsclassificatie. Een standaardmethode is misschien een "kwadratische" loper (snelheidsclassificatie van 2).
Deze nieuwe methode is een zesde-orde loper.

De Analogie: Stel je voor dat je een getal probeert te raden tussen 1 en 100.

Een kwadratische methode zou de resterende mogelijkheden misschien eerst halveren, dan weer halveren, en dan weer halveren. Het komt er wel, maar het kost een aantal rondes.
Deze zesde-orde methode is als het hebben van een magisch kompas dat de afstand niet alleen halveert, maar de resterende afstand in één enkele stap tot bijna niets krimpt. Als je er een klein beetje naast zit, zorgt de volgende stap ervoor dat je er slechts een microscopisch klein beetje naast zit. Het convergeert ongelooflijk snel naar het antwoord.

4. Bewijzen dat het werkt (De Proefrit)

De auteurs beweerden niet alleen dat het snel was; ze onderwierpen het aan een crashtest.

Test 1: Ze losten een eenvoudige puzzel met twee vergelijkingen op. De nieuwe methode vond het antwoord in slechts 4 stappen.
Test 2: Ze losten een veel moeilijkere puzzel op die te maken had met een "randwaardeprobleem" (denk aan een complex brugontwerpprobleem). Opnieuw vond het het antwoord in 4 stappen.

In beide gevallen bewees de wiskunde dat de methode inderdaad bewoog met een "zesde-orde" snelheid, precies zoals de theorie voorspelde.

5. Het Nadeel: De Kosten van Snelheid

Hier is de afweging. Om deze ongelooflijke snelheid te krijgen, moet de methode meer werk verrichten per stap.

De Newton-methode is als een auto die een goed brandstofverbruik heeft maar langzaam is.
Deze Nieuwe Methode is als een Formule 1-auto: hij gaat ongelooflijk snel, maar verbruikt ook veel brandstof (rekenkracht).

De auteurs hebben de "brandstofkosten" (computationele efficiëntie) berekend. Ze vergeleken hun nieuwe auto met twee andere high-performance auto's (één van de vijfde orde en één van de zesde orde).

Het Resultaat: Hun nieuwe auto is alleen de meest brandstofefficiënte als de race erg lang is (specifiek, als het stelsel 21 of meer vergelijkingen heeft).
Voor kleinere puzzels (minder dan 21 vergelijkingen) is de extra brandstof die het per stap verbruikt, iets minder efficiënt dan de concurrentie. Maar voor enorme, complexe systemen is het de duidelijke winnaar.

Samenvatting

Het artikel presenteert een nieuw wiskundig hulpmiddel dat complexe stelsels van vergelijkingen oplost door drie slimme "blikken" te werpen voordat het beweegt. Het is ongelooflijk snel (zesde-orde convergentie), maar vereist meer zware inspanning per stap. De auteurs hebben zowel wiskundig als met computertests bewezen dat bij grote, complexe problemen deze extra inspanning de moeite waard is, waardoor het de meest efficiënte manier is om de oplossing te vinden.

Technische Samenvatting: Een Nieuwe Iteratieve Drie-Puntenmethode voor Systemen van Nietlineaire Vergelijkingen

Probleemstelling
Het artikel behandelt de constructie en analyse van iteratieve fixed-point methoden voor het oplossen van systemen van nietlineaire vergelijkingen van de vorm $F(x) = 0$ , waarbij $F: D \subseteq \mathbb{R}^n \to \mathbb{R}^n$ . Hoewel de Newton-methode een standaard single-point techniek is met kwadratische convergentie, merken de auteurs op dat toepassingen in de wetenschap, techniek en financiële sector vaak vereisen dat grote systemen worden opgelost waarbij de computationele snelheid cruciaal is. Deze noodzaak heeft geleid tot de ontwikkeling van multipoint-methoden om de convergentieorde en computationele efficiëntie te verbeteren boven de beperkingen van one-point methoden.

Methodologie
De auteurs stellen een nieuwe drie-punts iteratieve methode voor voor vector-systemen door een specifieke scalaire nietlineaire vergelijking oplosser, geconstrueerd door Parhi en Gupta [10], uit te breiden naar het vectorgeval ( $\mathbb{R}^n$ ).

Iteratief Schema: De voorgestelde methode, aangeduid als $\phi^{(6)}_1$ , volgt een proces van drie stappen voor elke iteratie $k$ :
- Stap 1 (Newton-achtig): $y^{(k)} = x^{(k)} - F'(x^{(k)})^{-1}F(x^{(k)})$
- Stap 2 (Gewogen Gemiddelde): $z^{(k)} = x^{(k)} - 2[F'(x^{(k)}) + F'(y^{(k)})]^{-1}F(x^{(k)})$
- Stap 3 (Finale Correctie): $x^{(k+1)} = z^{(k)} - [3F'(y^{(k)}) - F'(x^{(k)})]^{-1}[F'(x^{(k)}) + F'(y^{(k)})]F'(x^{(k)})^{-1}F(z^{(k)})$
Convergentieanalyse: De theoretische convergentieorde wordt vastgesteld met behulp van Taylor-reeksontwikkelingen voor functies in $\mathbb{R}^n$ rond de oplossing $\alpha$ . De auteurs leiden de foutvergelijking $e_{k+1} = C e_k^6 + O(e_k^7)$ af, waarmee zij bewijzen dat de methode een zesde orde convergentie bereikt. Deze afleiding werd handmatig uitgevoerd zonder hulp van symbolische software, aangezien de auteurs opmerken dat tools zoals Maple en Mathematica moeite hebben met de niet-commutatieve matrixvermenigvuldigingen die inherent zijn aan de Taylor-expansie voor vectorfuncties.
Computationele Efficiëntie: De efficiëntie wordt geëvalueerd met behulp van de Ostrowski-efficiëntie-index ( $E = p^{1/C}$ ), waarbij $p$ de convergentieorde is en $C$ de computationele kosten. Het kostenmodel houdt rekening met:
- Evaluaties van de functie $F$ en de afgeleide $F'$ .
- Matrixinversies (opgelost via LU-decompositie en triangulaire systeemresoluties).
- Matrix-vector en scalaire-vector vermenigvuldigingen.
- De ratio van delingen tot vermenigvuldigingen ( $l$ ).

Belangrijkste Resultaten

Numerieke Verificatie: De methode werd getest op twee problemen met behulp van MATLAB R2019a met 20 significante cijfers:
1. Een systeem van twee nietlineaire algebraïsche vergelijkingen.
2. Een randwaardeprobleem gediscretiseerd in een systeem van zes nietlineaire vergelijkingen.
  In beide gevallen werd de computationele convergentieorde ( $p$ ) berekend met behulp van de ratio van opeenvolgende fouten. De resultaten bevestigden de theoretische zesde-orde convergentie (geobserveerd $p \approx 5.995$ en $5.75$).
Efficiëntievergelijking: De voorgestelde methode ( $\phi^{(6)}_1$ ) werd vergeleken met twee andere drie-punts methoden:
- Een vijfde-orde methode ( $\phi^{(5)}_1$ ) van Cordero et al. [16].
- Een zesde-orde methode ( $\phi^{(6)}_2$ ) van Cordero et al. [13].
Bevindingen:
- Vs. Vijfde-orde Methode: De voorgestelde zesde-orde methode is computationeel efficiënter dan de vijfde-orde methode wanneer de systeemgrootte $n \geq 21$ is. Dit komt omdat de hogere convergentieorde de verhoogde computationele kosten voor grotere systemen overtreft.
- Vs. Zesde-orde Methode: Bij vergelijking met de andere zesde-orde methode ( $\phi^{(6)}_2$ ), is de voorgestelde methode minder efficiënt voor alle $n \geq 2$ . De analyse laat zien dat de voorgestelde methode drie matrixinversies per iteratie vereist, terwijl de concurrerende zesde-orde methode minder operaties vereist. De auteurs stellen expliciet dat het aantal matrixinversies de efficiëntie negatief beïnvloedt.

Betekenis en Claims
Het artikel claimt succesvol een scalaire drie-punts methode naar het vectorgeval te hebben uitgebreid, waarbij een theoretische en computationele convergentieorde van zes is bereikt. De primaire bijdrage is het rigoureuze analytische bewijs van deze convergentieorde en de daaropvolgende efficiëntieanalyse.

De auteurs hanteren een bescheiden toon met betrekking tot de superioriteit van de methode. Zij erkennen dat hoewel de methode zeer effectief is voor grote systemen ( $n \geq 21$ ) vergeleken met lagere-orde methoden, het niet de meest efficiënte optie is onder de zesde-orde methoden vanwege de hoge kosten van meerdere matrixinversies. Het artikel concludeert dat het verminderen van het aantal Jacobian-matrixinversies en functionele evaluaties een noodzakelijke toekomstige richting is om de efficiëntie te verbeteren en de theoretische convergentieanalyse voor vector-extensies te vereenvoudigen.