Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Part5.1 07 Sep Eqnl 2009 1 PDF
Part5.1 07 Sep Eqnl 2009 1 PDF
Profesores:
Garrido Jurez, Rosa
Castro Salguero, Robert
Obregn Ramos, Mximo
2009-1
UNI FIM AACIBAH METODOS NUMRICOS
ECUACION NO LINEAL
INTRODUCCION.
Una funcin lineal es aquella que satisface las siguientes propiedades.
Aditividad: f ( x y ) f ( x) f ( y )
Homogeneidad: f (x) f ( x)
Conocido tambin como principio de superposicin.
Una funcin no lineal, es aquella que no cumple dicho principio.
Ejemplos de algunas funciones no lineales:
f(x)=x2+1 Parbola
1 k/D 2.51
2 log , donde f(x)=g() Funcin de Colebrook-
3.7 Re
White
Las races de muchas de estas funciones no pueden calcularse analticamente. Pero si se
podr resolver, usando mtodos iterativos con ciertos criterios de parada.
no converge a la solucin, pero cuando converge normalmente son ms rpidos que los
mtodos cerrados. Dentro de ellas tenemos:
Mtodo de Punto fijo
Mtodo de Newton-Raphson
Mtodo de la secante
Nota: Cabe destacar que algunos autores designan a algunos de estos mtodos con otros
nombres.
x nuevo x anterior
Error relativo: r
x nuevo
Error como la funcin: f f ( x nuevo )
MTODOS GRFICO
Desde hace mucho tiempo este mtodo era uno de los preferidos para poder hallar la solucin,
se tabulaban diferentes puntos en un grfico hecho a mano, luego visualmente se realizaba un
ajuste y se aproximaba las soluciones posibles. Hoy en da con las herramientas informticas se
disponen de varios software que te permiten graficar cualquier funcin matemtica e inclusive
te permite hacer ampliaciones en la regin deseada y puedes obtener grandes precisiones, como
por ejemplo el Autocad, Matlab, etc.
Ejm:
Considere la siguiente funcin para calcular la velocidad del paracaidista
v
gm
c
1 e ( c / m )t
Donde:
v = velocidad g = gravedad t = tiempo c = coeficiente de arrastre m = masa
Ahora imagine que se desea hallar c para v=100 m/s, g=9.81
m/s, t=50 s, m=70 kg.
Usando el Matlab ci=0;cf=100;np=1000;
revisaremos el h=(cf-ci)/np;c=ci:h:cf;
comportamiento del g=9.81;m=70;t=50;v=100;
grafico en un rango y=g*m*(1-exp(-c*t/m))./c-v;
relativamente grande plot(c,y)
[0 100], con las hold on
siguientes instrucciones: plot([c(1) c(end)],[0 0],'r')
Claramente podemos notar visualmente que la solucin se encuentra cercano a 10, entonces vuelvo
a graficar con un rango cercano a la solucin por ejemplo de 5 a 15. Adems el Matlab tiene un
icono comando para poder realizar un zoom en cualquier regin deseada, y podemos repetir este
ltimo paso varias veces, obteniendo lo siguiente:
Se puede notar que la respuesta es 6.814, con 3 decimales exactos. Si seguimos los pasos anteriores
podemos obtener mayor precisin. La desventaja de este mtodo es que depende de la visin
humana y por lo tanto no es automtico, es decir no se dispone de un programa que te entregue la
respuesta directamente con una cierta precisin, ahora imagina que te pidan graficar c en funcin de
t, con este mtodo seria muy tedioso.
MTODOS DE BISECCION.
Teorema Si la funcin f(x) es continua respecto a la variable x entre los lmites x=x0, x= X, y si se
designa por b a una cantidad intermedia entre f(x0) y f(X), se podr siempre satisfacer la ecuacin
f(x)=b para uno o varios valores reales de x comprendidos entre x0 y X.
Demostracin: Para establecer la proposicin precedente basta hacer ver que la curva que tiene por
ecuacin y f(x) cruzar una o varias veces a la recta que tiene por ecuacin y b en el intervalo
comprendido entre las ordenadas que corresponden a las abscisas x0 y X, es evidente que esto
tendr lugar bajo la hiptesis admitida. En efecto, al ser continua la funcin f(x) entre los lmites x
x0 , x X, la curva que tiene por ecuacin y f(x) y que pasa primero por el punto correspondiente a
las coordenadas x0 y f(x0) y segundo por el punto correspondiente a las coordenadas X y f(X) ser
continua entre estos dos puntos, y como la ordenada constante b de la recta que tiene por ecuacin
y b se encuentra comprendida entre las ordenadas f(x0), f(X) de los dos puntos que estamos
considerando, la recta pasar necesariamente entre esos dos puntos, lo que no se puede hacer sin
reencontrar en el intervalo a la curva mencionada.
Teorema de Bolzano: Si f(x) es una funcin continua en el intervalo [a, b], y si, adems, en los
extremos del intervalo la funcin f(x) toma valores de signo opuesto (f(a) * f(b) < 0), entonces
existe al menos un valor c (a, b) para el que se cumple: f(c) = 0.
En general:
Si f(a)*f(b)<0 Entonces existen 2*k+1 soluciones
Si f(a)*f(b)>0 Entonces existen 2*k soluciones
Donde k es un entero positivo.
Tratando de resolver el problema anterior implementamos una funcin para ese caso:
function y=fun(c)
Algoritmo para hallar la solucin en matlab:
g=9.81;m=70;t=50;v=100;
y=g*m*(1-exp(-c*t/m))./c-v;
Luego implementamos la funcin para calcular la raz usando el mtodo de la biseccin.
function x=biseccion(f,a,b,errormax)
if (feval(f,a)*feval(f,b))>0
disp('En este tramo el mtodo no asegura nada');
x=0;
else
er=inf;
while (er>=errormax)
c=(a+b)/2;
if (feval(f,a)*feval(f,c))<=0
b=c;
else
a=c;
end
er=abs((b-a)/a);
end
x=c;
end
El mtodo de la biseccin es el mas sencillo de implementar, as como tambin es uno de los mas
ineficientes, aunque la gran ventaja es que siempre converge, siempre que se encuentre un cambio
de signo en la funcin. As mismo el algoritmo indicado anteriormente puede ser optimizado si
evaluamos la funcin la menor cantidad de veces, existe casos en el cual la funcin a evaluar
contiene varias lneas de cdigo, lo cual consumir recursos de tiempo al computador, se propone el
siguiente algoritmo para ello:
Con respecto al error cometido, este puede ser calculado a priori, debido a que el error es igual la
mitad del intervalo es decir (a+b)/2. En cada iteracin se reducir a la mitad, por lo tanto:
ba
ak
2k
(b a )
k log
2 deseado
Ahora tratemos de graficar c en funcin de t[0 .. 50], para ello modificamos los programas:
function y=fun(c,t)
g=9.81;m=70;v=100;
y=g*m*(1-exp(-c*t/m))-v*c;
Grfica c vs t
Tambin llamado en latn regula falsi, mtodo de interpolacin o mtodo de la secante. Este
mtodo tambin requiere indicar un intervalo en donde los extremos existe un cambio de signo, la
diferencia con el mtodo anterior es que este traza un segmento entre los 2 puntos de las graficas
correspondiente a los extremos del intervalo, y considera el punto intermedio como el punto de
interseccin de este segmento con el ejex, para luego reducir el segmento segn se evalu el cambio
de signo.
ni = 13 x= 6.8142
En este caso el mtodo de la falsa posicin es ms rpido, es decir en menor cantidad de iteraciones
llega a la respuesta.
Este mtodo en realidad se basa tambin en el evento de cambio de signo y es muy til para hallar
varias soluciones, la bsqueda puede ser solamente con una bsqueda por pasos de valor h
suficientemente pequea
Ejemplo: Tomemos la siguiente grfica generada por las siguientes sentencias.
xi=0;xf=50;np=1000;
h=(xf-xi)/np;x=xi:h:xf;
y=10*exp(-0.001*x.^2).*cos(x);
plot(x,y)
hold on
plot([x(1) x(end)],[0 0],'r')
Se puede observar en la grfica que existen varias soluciones, con este mtodo se pueden hallar
todas estas soluciones, para ello usemos el siguiente programa de matlab:
42.4150
45.5550
48.6950
Estas soluciones le han tomado 5000 iteraciones.
Este mtodo es muy bueno para obtener todas las races, pero tiene la desventaja que es muy lento,
si se le da un h del orden de 10^-8 seguramente que el procesador del computador le tomar algunos
minutos para resolverlo y si le damos un intervalo mayor podramos perder algunas races.
Este mtodo puede ser mejorado tomando un h mayor y a su vez para mejorar la precisin en un
intervalo que se encuentre un cambio de signo, utilizar uno de los 2 mtodos anteriores (biseccin o
falsa posicin). Se deja propuesto implementar este programa.
Definicin:
Diremos que una funcin
f : [a, b] tiene a x [a, b] como punto fijo si f(x)=x
Teorema:
Sea f : [a, b] continua con f([a, b]) [a, b]. Entonces f tiene un punto fijo, si adems, f es
derivable y f(x) 1 x [a, b] el punto fijo es nico.
Teorema:
Sea f : [a, b] continua y derivable en (a, b) con:
f ([a, b]) [a, b]
f ' ( x) k 1 x (a, b)
Entonces si s0 es cualquier nmero [a, b] , la sucesin definida por
s1 f ( s 0 ),......s n f ( s n 1 ) n N
Converge al nico punto fijo s [a, b]
Adems las cotas para el error son:
1. S n S K n mxS 0 a, b S 0 K n (b a )
Kn
2. S n S S 0 S1
1 K
x2 1
Ejercicio: Se considera la funcin f ( x) .
3
Solucin de sistemas de ecuaciones no lineales 10/29
UNI FIM AACIBAH METODOS NUMRICOS
x2 1 2 2
f ( x) x x x 1 3x x 3x 1 0
3
Resolviendo la ecuacin de segundo grado se obtienen los valores de 0.3027 y
3.3027.
64
1
665
x3 f (8 / 27) 729 0.304069
3 2187
2
f (x) x f ( ) 0 . La convergencia es por tanto lineal (orden de convergencia 1).
3
Ejercicio:
4) Se considera la funcin F ( x) e x 3x
a) Demostrar grfica y analticamente que la ecuacin F ( x) 0 tiene exactamente dos races
reales y encontrar dos intervalos, cada uno de ellos con extremos enteros consecutivos, que
las contengan.
b) Se quiere aproximar la raz de la ecuacin F ( x) 0 que pertenece a [0 ,1] usando el
mtodo de iteracin de punto fijo con diferentes funciones:
ex ex x
f 1 ( x) , f 2 ( x) , f 3 ( x) e x 3 x
3 2
Estudiar cules de estas funciones son tiles para aproximar dicha raz.
Con cul de ellas son necesarias menos iteraciones para que la cota de error sea menor que
una cantidad prefijada , partiendo del mismo valor inicial?. Comprobarlo numricamente
si x0 0.6 y 10 6.
c) Estudiar cules de las funciones anteriores son tiles para aproximar la otra raz.
Solucin:
a) F ( x) 0 e x 3x
Analticamente:
F(x)
e 3 0 e 3 x log(3) 1.098 , es
x x
F (0) e 0 0 0
F (1) e 3 0 la ecuacin F ( x) 0 tiene, al menos, una raz en el intervalo (0,1).
F Continua
Solucin de sistemas de ecuaciones no lineales 12/29
UNI FIM AACIBAH METODOS NUMRICOS
F (1) e 3 0
F (2) e 2 6 0 la ecuacin F ( x) 0 tiene, al menos, una raz en el intervalo (1,2).
F Continua
0,1 y 1,2
b) Lo primero que habra que comprobar es que f 1 , f 2 y f 3 son funciones de iteracin asociadas a
F
ex
f1 ( x) x e x 3 x F ( x) e x 3 x 0
3
ex x
f 2 ( x) x e x x 2 x F ( x) e x 3 x 0
2
f 3 ( x) e x 3 x x e x 4 x 0 F ( x)
f 3 no es til; veamos si lo son f 1 y f 2 para aproximar la raz 0,1 , es decir, veamos si son
contractivas en algn intervalo que contenga a .
f 1 es contractiva en 0,1 L [ 0, 1 ) / f 1 ( x) L 1
'
x (0,1)
ex ex e ex
f '1 ( x) 1 x 0 , 1 ; ntese que es una funcin creciente y por tanto
3 3 3 3
ex e
sup 0.906
x( 0 ,1) 3 3
f 2 es contractiva en 0,1 L [ 0, 1 ) / f 2 ( x) L 1
'
x (0,1)
ex 1 ex 1
x ( 0 ,1) , f ' 2 ( x) funcin creciente, ya que
2 2
'
ex 1 ex ex 1 e 1
0 x . Por tanto: sup 1 es decir:
2 2 x0 ,1 2 2
ex 1 e 1
f ' 2 ( x) 1
2 2
L 0.859 < 1
f 2 es contractiva en 0 , 1 : f 2 es til.
Con cul de ellas son necesarias menos iteraciones, para que la cota del error sea menor que ,
partiendo del mismo valor inicial?
Ln
xn x1 x0 n log L log1 L log x1 x0 log
1 L
e 0. 6
f 1 x1 f 1 (0.6) 0.60737
3
e e 0.6
log 10 6 log(1 ) log( 0.6)
n 3 3 114.296 n = 115
e
log
3
e 0.6 0.6
f 2 x1 f 2 (0.6) 0.6110
2
e 1 e 0.6 0.6
log 10 6 log(1 ) log( 0 .6 )
n 2 2 74.238 n = 75
e 1
log
2
c)
ex ex e x e2
f1 ' ( x) Funcin creciente; sup 2,46 1
3 3 x1, 2 3 3
F (1) e 3 0
F (1.5) e 4.5 0 1.5,2
1.5
F (2) e 2 6 0
e x e1.5
inf 1.49 1
x1.5, 2 3 3
Por tanto f 1 ' ( x) 1 x (1.5,2) . As pues, no existe ningn intervalo que contenga a
donde f 1 sea contractiva. f 1 no es til.
ex 1 ex 1
x ( 1 , 2 ) , f 2 ' ( x) es una funcin creciente
2 2
e x 1 e 1
sup 3.19 1
x1, 2 2 2
e x 1 e1.5 1
1.5 , 2 , inf 1.74 1
x1.5, 2 2 2
Por tanto f ' 2 ( x) 1 x (1.5,2) . As pues, no existe ningn intervalo que contenga a
donde f 2 sea contractiva. f 2 no es til.
1
F (x) 3 x 2 1 x
3
As pues, la ecuacin F ( x) 0 tiene, a lo sumo, una raz real en cada uno de los intervalos :
1 1 1 1
, , , y ,
3 3 3 3
F ( 0) - 1 0
F(1) - 1 0 La ecuacin F(x) 0 tiene, al menos, una raz real en (1,2)
F(2) 5 0
1
Como 1,2 , se concluye que la
3
ecuacin F ( x) 0 tiene exactamente una raz
1
real en , que adems sabemos que est en
3
1,2 .
1 -1 1
F 1 0
3 3 3 3
1 1 1 -1 1
F 1 0 La ecuacin F(x) 0 no tiene races en el intervalo ,
3 3 3 3 3 3
F es estrictamente montona en
- 1/ 3 , 1/ 3
1
Se deduce, de lo anterior, que tampoco tiene raz en el intervalo , ya que un polinomio
3
de grado tres no puede tener dos races reales distintas sin tener una tercera.
Conclusin: Tiene una nica raz real y est en (1,2).
b) F ( x) 0 x x - 1
Sea f ( x) x 3 1 ; f (x) 3 x 2
F ( x) 0 x x 1 x 3 x 1
1
Sea f (x) x 1 3 , x 1,2
5
2 -2 1
f (x) ( x 1) 3 0 x (1,2) f (x) es estrictamente
9 9 3
(x 1) 5
decreciente en (1,2) ;
1
por tanto sup f ' ( x) sup f ' ( x) f ' (1) 3
0.2099 , es decir:
x1, 2 x1, 2 3 4
1
f ' ( x) 3
1 x (1,2)
3 4
f es contractiva en [1,2]
1
f ' ( x) 0 f es es estrictamente creciente
3 (x 1)
3
min f ( x) f(1) 2 1.2599 1,2
3
f : 1,2 1,2
x1,2
max f ( x) f(2) 3 3 1.4422 1,2
x1,2
Ln Ln
xn x 1 x0 10 3
1 L 1 L
x0 2,3
x1 x0 3 2 1
x1 2,3
log 10 -3 log1 L
n log L log(1 L) log 10 3 ; n
log L
Uno de los mtodos ms utilizados para resolver ecuaciones es el de Newton.*i As como los
mtodos anteriores, ste tambin se basa en una aproximacin lineal de la funcin, aunque
aplicando una tangente a la curva. A partir de una estimacin inicial simple, x(), que no est muy
lejos de una raz, se efecta un desplazamiento a lo largo de la tangente hacia su interseccin con el
eje x, y se toma esta como la siguiente aproximacin. Esto contina hasta que valores x sucesivos
estn suficientemente prximos o el valor de la funcin est suficientemente cerca de cero. **
El esquema de clculo se concluye de inmediato a partir del tringulo rectngulo que se muestra en
la figura 1.3, que al igual que uno de sus ngulos agudos tiene el ngulo de inclinacin de la recta
tangente a la curva en x = x()
f ( x0 ) f ( x0 )
tan , x1 x 0
x0 x1 f ( x0 )
Se contina el esquema de clculo al estimar
f ( x1 )
x 2 x1
f ( x1 )
o , en trminos ms generales,
f ( xn )
x n 1 x n n 0,1,2,...
f ( x n )
______________________
*Newton no public un anlisis extenso de este mtodo, aunque resolvi un polinomio cbico en
Principio (1687). La versin que se proporciona aqu est considerablemente mejorada con respecto
a su ejemplo original.
** La eleccin del criterio que debe aplicarse suele depender del problema fsico particular al que se
le aplica la ecuacin. Por lo comn se requiere coincidencias de valores sucesivos x a una tolerancia
especfica.
_____________________
Cuando el mtodo de Newton se aplica a f(x) = 3x + sen x - ex = 0, se tienen los clculos siguientes:
Obsrvese que para representar ex se usa exp(x) y que la variable de diferenciacin no es necesaria
cuando es el valor por defecto x.
Si se empieza con x0 = 0.0, se tiene
Despus de tres iteraciones, la raz es correcta hasta siete dgitos significativos. Al comparar esto
con los mtodos anteriores se observa que el mtodo de Newton converge considerablemente ms
pronto. No obstante, al comparar mtodos numricos se acostumbra contar el nmero de veces que
es necesario evaluar las funciones. Debido a que el mtodo de Newton requiere dos evaluaciones
funcionales por paso, la comparacin no est tan unilateralmente a favor del mtodo de Newton
como parece al principio; las tres iteraciones con este mtodo requirieron seis evaluaciones
funcionales. Cinco iteraciones con los mtodos anteriores tambin requirieron seis evaluaciones. Si
un problema difcil necesita muchas iteraciones para converger, el nmero de evaluaciones
funcionales con el mtodo de Newton puede ser mucho mayor que con los mtodos de iteracin
lineal porque Newton siempre usa dos por iteracin, mientras que los otros slo utilizan una
(despus del primer paso aqul usa dos evaluaciones).
Paso 1: i=1
Paso 2: Mientras i N0 hacer los pasos 3 6
Paso 3: p = p0 f(p0) / f (p0) //Calcular Pi
Paso 4: Si |p - p0| < TOL entonces
Salida = p
Terminar //Procedimiento terminado satisfactoriamente
Paso 5: i=i+1
Paso 6: p0 = p //Actualizar p0
Paso 7: Salida = El mtodo fallo luego de N0 iteraciones
Terminar //Procedimiento terminado NO satisfactoriamente
Cuando el mtodo de Newton se aplica a funciones polinomiales, hay tcnicas especiales que
facilitan dicha aplicacin. En algunos casos el mtodo de Newton no converge. Empezando con x0 ,
nunca se alcanza la raz r porque x6 x1 y se cae en un ciclo sin fin. Tambin observe que si alguna
vez ha de alcanzarse el mnimo o el mximo de la curva, se disparar hasta el infinito.
Races complejas
El mtodo de Newton funciona con races complejas si se proporciona un valor complejo para el
valor inicial. A continuacin se presenta un ejemplo.
1. 0.486238 + 1.04587i
2. 0.448139 + 1.23665i
3. 0.462720 + 1.22242i
4. 0.462925 + 1.22253i 5
5. 0.462925 + 1.22253i
en la raz en x = -2.92585.
figura 1 Grfico de f(x)
1 1
(1 ln )
1 2 1 (1 ln 2) 0.564382
x 0 a ; x1 2
2 3 3
2
x 1 (1 ln x 1 )
x2 0.5671
x1 1
METODO DE LA SECANTE
Otra desventaja del mtodo anterior es que se necesita saber la derivada de la funcin, esta
operacin puede ser superada con este mtodo ya que considera una aproximacin de la derivada a
partir de la funcin sin necesidad de derivar.
Considerando una aproximacin de la derivada como:
Interpretacin grfica.
La desventaja de este mtodo converge ms lentamente que newton-raphson. Una modificacin a
este mtodo es considerar un punto bastante cercano que difiera un h0 y calcular una
aproximacin de la derivada, obteniendo la siguiente relacin:
Solucin de sistemas de ecuaciones no lineales 22/29
UNI FIM AACIBAH METODOS NUMRICOS
f ( x ) f ( x h)
f ' ( x)
h
Para efectos de la aproximacin se puede usar un h=10^-3
h
x n x n 1 f ( x n 1 )
f ( x n 1 ) f ( x n 1 h)
Si definimos F: Rn Rn por F=(f1,f2,,fn)t entonces podemos escribir (1) en forma vectorial como:
F(x)=0, x=(x1,x2,,xn) (2)
Este sistema puede presentar mltiples soluciones matemticamente posibles y su resolucin
numrica debe proporcionar la solucin fsicamente correcta. Existen distintos mtodos para la
solucin.
Donde G : Rn Rn,
Que es equivalente a:
x1 g1 ( x1 , x 2 , , x n )
x g ( x , x ,, x )
2 2 1 2 n
x n g n ( x1 , x 2 , , x n )
x ( k ) G ( x ( k 1) ), k 1,2, ,
a partir de un punto inicial x(0). Se pretende que esta sucesin de puntos en Rn converja para un punto fijo s
de la funcin G, esto es, tal que s = G(s) que ser por tanto solucin del sistema original, o sea, tal que
F(s)=0.
Ejercicio 1:
f ( x1 , x 2 ) x13 10 x1 x 2 5 0
f ( x1 , x 2 ) x1 x 23 10 x 2 1 0
Solucin:
Lo reescribimos de la forma x1 g1 ( x1 , x 2 ) y x 2 g 2 ( x1 , x 2 ) de la siguiente manera:
function G=fun2(x)
x1=x(1);
x2=x(2);
G=[(-0.1*x1^3+0.1*x2+0.5)
0.1*x1+0.1*x2^3+0.1];
Ejercicio 2:
Considere el sistema no lineal
1
3 x1 cos( x 2 x3 ) 0
2
x12 81( x 2 0.1) 2 sin( x3 ) 1.06 0
10 3
e x1x2 20 x3 0
3
Aplique el mtodo del punto fijo para aproximar la solucin, realice 5 iteraciones y escoger
x(0)=(0.1, 0.1, -0.1)t
Solucin
Si de la i-sima ecuacin se despeja xi , el sistema puede cambiarse a un problema de punto fijo
1 1
x1 cos( x 2 x3 )
3 6
1 2
x2 x1 sin( x3 ) 1.06 0.1
9
1 10 3
x3 e x1 x2
20 60
se obtiene la siguiente expresin de recurrencia
1 1
x1( k ) cos( x2( k 1) x3( k 1) )
3 6
1
x2( k ) ( x1( k 1) ) 2 sin( x3( k 1) ) 1.06 0.1
9
1 ( k 1) ( k 1) 10 3
x3( k ) e x1 x2
20 60
Solucin de sistemas de ecuaciones no lineales 25/29
UNI FIM AACIBAH METODOS NUMRICOS
Partiendo de la estimacin inicial , x1( 0 ) 0.1, x 2( 0 ) 0.1, x3( 0 ) 0.1 se obtiene los siguientes resultados
con f i : R n R, i 1,2, , n
Sea x0 una aproximacin inicial al sistema F(x)=0. Entonces usando el Teorema de Taylor para funciones de
varias variables, podemos escribir que
F ( x) F ( x0 ) J F ( x0 )( x x0 )
Definimos ahora la siguiente aproximacin x1 como la solucin de
F ( x0 ) J F ( x0 )( x x0 ) 0
es decir
x 1 x 0 J (x0 )
1
F F (x0 )
De esta forma continuamos as la versin para sistemas del Mtodo de Newton dada por:
x k 1 x k J F ( x k ) 1 F ( x k ), k 0
x0 dado
Esta funcin se debe invocar con al menos tres argumentos. Si se omite alguno de los ltimos dos
argumentos, la funcin tiene unos valores que se asignan por omisin a estas variables.
Ejercicio1: Resuelva el siguiente sistema de ecuaciones:
f ( x, y, z ) x 3 10 x y z 3 0
g ( x, y, z ) y 3 10 y 2 x 2 z 5 0
h( x, y, z ) x y 10 z 2 sen( z ) 5 0
Solucin:
Para ello construimos el Jacobiano:
3 x 2 10 1 1
J ( x) 2 3 y 10
2
2
1 1 10 2 cos( z )
Luego desarrollamos las funciones en Matlab:
function G=fun3(x)
G=[x(1)^3-10*x(1)+x(2)-x(3)+3
x(2)^3+10*x(2)-2*x(1)-2*x(3)-5
x(1)+x(2)-10*x(3)+2*sin(x(3))+5];
function G=jfun3(x)
>>G=[(3*x(1)^2)-10
x=senl_nrapson('fun3','jfun3',[1
1 -1 1 1]',10^-3,
-2 (3*x(2)^2)+10 -2
1 1 -10+2*cos(x(3))];
iter =
4
x=
0.29703611177844 0.67480978718683 0.73065629971593
>> fun3(x)
ans =
1.0e-013 *
0.36859404417555 0.00888178419700 0
Se puede observar que se alcanza a la solucin con una buena precisin en solo 4 iteraciones.
EL METODO DE LA SECANTE
Como vimos para el caso uni-variado, el mtodo de la secante es similar al de Newton, de
hecho, algunos lo llaman el mtodo de Newton-Raphson, solo que utiliza aproximaciones
Lineales para el Jacobiano, en vez del Jacobiano.