Está en la página 1de 4

Mtodos iterativos

1. Definicin
Los mtodos iterativos permiten resolver un problema (una ecuacin o un
sistema de ecuaciones) mediante aproximaciones sucesivas a la solucin
tomando como referencia una estimacin inicial. A diferencia de los
mtodos directos, stos ltimos permiten resolver el problema de una sola
vez.
En el caso de problemas sencillos como puede ser un sistema lineal con
pocas variables, los mtodos directos son una buena eleccin para resolver
el problema. En cambio, cuando la complejidad del problema es elevada
(como los sistemas no lineales que involucran un gran nmero de variables),
los mtodos directos tienen una serie de complicaciones que provocan
costos elevados (tanto de tiempo como de recursos necesarios) y, por lo
tanto, los mtodos iterativos toman ventaja en estos casos.

2. Tipos de mtodos iterativos implementados


A continuacin, se muestran 3 mtodos iterativos diferentes que sern
implementados en el programa de Matlab para resolver el sistema de
ecuaciones y obtener el valor de las variables del problema que son las
velocidades y frecuencias de flameo (

k} rsub {n} y {} rsub {n}

respectivamente).
Estos mtodos iterativos son los siguientes:
-

Mtodo de Newton-Raphson
Mtodo de los valores propios
Mtodo iterativo predefinido de Matlab: fsolve

2.1.

Mtodo de Newton-Raphson

2.1.1. Mtodo generalizado


Este mtodo permite obtener una aproximacin de la solucin final
utilizando una herramienta matemtica como es la serie de Taylor. Con tal
de reducir el tiempo de resolucin del problema sin afectar a la
aproximacin final obtenida, se deprecian los trminos de mayor orden
(nicamente se tiene en cuenta la primera derivada).
De esta manera, el mtodo permite obtener el valor de las variables del
problema de la siguiente manera:

[ ][ ]
k n+1
n+1

G (k n, n)
k
k
= n
n
H (k n , n )
k

G (kn , n)

H (kn , n )

][
1

G(k n , n )
H (k n , n )

La ventaja principal de este mtodo es que converge muy rpido y, por lo


tanto, permite reducir el tiempo de simulacin (con pocas iteraciones se
puede llegar a una solucin adecuada). Este mtodo tiene convergencia
cuadrtica de orden 2.
Pero este mtodo tambin tiene una serie de inconvenientes. En primer
lugar, Newton-Raphson slo converge si las aproximaciones que se realizan
estn prximas a la solucin final. En la ecuacin, se observa un factor
, cuya funcin es resolver este problema y asegurar que el mtodo
converger. El valor de este parmetro variar en funcin del problema que
se desea resolver.
Otro inconveniente de este mtodo est relacionado con el clculo de las
derivadas. Como se puede observar en la ecuacin anterior, la matriz
Jacobiana est formada por derivadas parciales. Por lo tanto, cuando las
derivadas no tengan solucin analtica o sean difciles de calcular, el coste
temporal de utilizar este mtodo ser elevado o no ser posible obtener una
solucin final.
Con el objetivo de resolver los inconvenientes asociados con las derivadas
parciales de este mtodo, han surgido una serie de modificaciones como es
el caso del mtodo de la secante y el mtodo del residuo que tratan de
aplicar simplificaciones en la matriz Jacobiana.
2.1.2. Mtodo de la secante
En el mtodo de la secante, en lugar de calcular las derivadas parciales en
cada iteracin, nicamente se aproxima el valor de la derivada en una nica
iteracin, de manera que permite reducir el coste temporal del mtodo. El
resultado obtenido mediante este mtodo es el siguiente:

[ ][ ]
k n+1
n+1

G (k0 , 0 )
k
k
= n
n
H (k0 , 0 )
k

G (k0 , 0)

H (k0 , 0 )

G(k n , n )
H (k n , n )

La convergencia de este mtodo se ha reducido respecto al caso anterior ya


que en lugar de ser cuadrtica es casi-lineal (convergencia de 1.5
aproximadamente).

2.1.3. Mtodo del residuo


Como ya sabemos, los ordenadores permiten resolver de forma mucho ms
rpida operaciones lineales que las que no lo son. Por lo tanto, se vuelve a
realizar una nueva modificacin en la matriz Jacobiana para simplificar los
clculos y consiste en considerar un valor de 1 a los trminos de la matriz.
Este es el mtodo del residuo y queda de la siguiente manera:

[ ][ ] [ ] [
k n+1
k
1 1
= n
1 1
n+1
n

G(k n , n )
H (k n , n )

Debido a estas simplificaciones es la peor aproximacin de las tres del


mtodo Newton-Raphson y, por lo tanto, la convergencia es ms lenta. La
ventaja principal es su simplicidad a la hora de realizar los clculos respecto
a los casos anteriores. Su convergencia como ya se ha dicho es lineal (valor
de 1).
2.1.4. Procedimiento de clculo
En el mtodo Newton-Raphson, independientemente de las simplificaciones
realizadas, el procedimiento para obtener la solucin final es el mismo:
-

En primer lugar, hay que definir un error de convergencia para saber


cundo el programa llega a la solucin. Cuando la diferencia entre la
iteracin actual y la anterior es inferior al error de convergencia, el
programa detendr la solucin y esa ser la solucin del problema.
En segundo lugar, se define una estimacin inicial de nuestras
variables a resolver para que el programa empiece a iterar, es decir,
se define

k} rsub {0} y {} rsub {0}


.

Finalmente, se calcula

k} rsub {n+1} y {} rsub {n+1}

que son los

valores de las variables del problema en la siguiente iteracin tal


como se ha especificado anteriormente dependiendo del mtodo
Newton-Raphson empleado.

2.2.

Mtodo de los valores propios

En este caso, el problema se resuelve teniendo en cuenta la siguiente


expresin:

( A( k nI ))
El procedimiento de clculo es el siguiente:
-

En primer lugar, se estima un valor inicial de k.


En segundo lugar, se resuelve la anterior expresin para encontrar los
autovalores y, de esta manera, se obtiene

n +1= ( n ) +i( n ) .

Finalmente, se actualiza el valor de k de la siguiente manera:

k n +1=k n+ ( n)
Cul es la convergencia?

2.3.

Mtodo iterativo predefinido de Matlab (Fsolve)

Este mtodo consiste en emplear la funcin Fsolve proporcionada por


Matlab para resolver el problema. Es una funcin que ya est programada y,
nicamente, tiene que introducirse el sistema de ecuaciones que se desea
resolver y las condiciones iniciales del problema para empezar a iterar. Una
vez realizado esto, el programa proporciona una solucin aproximada a este
sistema de ecuaciones no lineales.
Cul es la convergencia?

También podría gustarte