Documentos de Académico
Documentos de Profesional
Documentos de Cultura
lineales.
Es una modificación del método de Jácobi que hace que la convergencia sea mas rápida.
Comienza con una aproximación inicial x(0) a la solución x y genera una sucesión de vectores x(k) que
convergen a la solución x.
:: :: ::
Ax = b
Tanto en el método de Gauss-Seidel como en el de Jácobi, el valor que se le de al vector inicial carece de
importancia, ya que el método convergirá a la solución rápidamente no obstante que el vector inicial tenga
valores muy lejanos a la solución. Es por esto que se acostumbra a dar el vector 0 como vector inicial.
Es el vector aproximación a la solución x después de k iteraciones, entonces se tiene que para la siguiente
aproximación:
Para un sistema de n ecuaciones con n incógnitas se tiene la siguiente fórmula (usando una notación mas
compacta):
http://test.cua.uam.mx/MN/Methods/EcLineales/Gauss-Seidel/Gauss.php
n esta página, vamos a obtener las raíces de un sistema de ecuaciones transcendentes
aplicando el procedimiento de Newton-Raphson. Finalmente, utilizaremos la función
MATLAB fsolve para este propósito.
{x2−y2+2y=02x+y2−6=0{x2−y2+2y=02x+y2−6=0
>> hold on
>> ezplot('x^2-y^2+2*y',[-8,8,-8,8])
>> ezplot('2*x+y^2-6',[-8,8,-8,8])
>> hold off
>> title('Funciones implícitas')
>> grid on
Procedimiento de Newton-Raphson
Para aplicar este procedimiento para un sistema de n ecuaciones con n incógnitas,
representamos la variable x por x1 y la variable y por x2. El sistema de dos
ecuaciones se escribe de una forma más general
{f1(x1,x2)=0f2(x1,x2)=0{f1(x1,x2)=0f2(x1,x2)=0
f1(x1+Δx1,x2+Δx2)≈f1(x1,x2)+∂f1∂x1Δx1+∂f1∂x2Δx2f2(x1+Δx1,x2+Δx2)≈f2(x1,x2)+∂f2∂x1Δx1
+∂f2∂x2Δx2f1(x1+Δx1,x2+Δx2)≈f1(x1,x2)+∂f1∂x1Δx1+∂f1∂x2Δx2f2(
x1+Δx1,x2+Δx2)≈f2(x1,x2)+∂f2∂x1Δx1+∂f2∂x2Δx2
f1(x1,x2)+∂f1∂x1Δx1+∂f1∂x2Δx2=0f2(x1,x2)+∂f2∂x1Δx1+∂f2∂x2Δx2=0f1(x1,x2)+∂f1∂x1Δ
x1+∂f1∂x2Δx2=0f2(x1,x2)+∂f2∂x1Δx1+∂f2∂x2Δx2=0
(f1f2)+⎛⎜⎝∂f1∂x1∂f1∂x2∂f2∂x1∂f2∂x2⎞⎟⎠(Δx1Δx2)=0(f1f2)+(∂f1∂x1∂f1∂x2∂f2∂x1
∂f2∂x2)(Δx1Δx2)=0
Denominamos vector x al vector (x1,x2), el vector función F está formado por dos
elementos que son las funciones (f1,f2) y la matriz cuadrada de dimensión dos es
el Jacobiano J. Despejamos Δx1 y Δx2 del sistema de ecuaciones o el vector Δx.
F(x)+JΔx=0Δx=−J−1FF(x)+JΔx=0Δx=−J−1F
xk+1=xk−J−1Fxk+1=xk−J−1F
⎧⎪
⎪
⎪
⎪⎨⎪
⎪
⎪
⎪⎩f1(x1,x2...xn)=0f2(x1,x2...xn)=0...fn(x1,x2...xn)=0{f1(x1,x2...xn)=0f2(x1,x2.
..xn)=0...fn(x1,x2...xn)=0
El procedimiento se escribe
⎛⎜
⎜
⎜
⎜⎝x′1x′2...x′n⎞⎟
⎟
⎟
⎟⎠=⎛⎜
⎜
⎜⎝x1x2...xn⎞⎟
⎟
⎟⎠−⎛⎜
⎜
⎜
⎜
⎜
⎜
⎜⎝∂f1∂x1∂f1∂x2...∂f1∂xn∂f2∂x1∂f2∂x2...∂f2∂xn............∂fn∂x1∂fn∂x2...∂fn∂xn⎞⎟
⎟
⎟
⎟
⎟
⎟
⎟⎠−1⎛⎜
⎜
⎜
⎜⎝f1(x1,x2...xn)f2(x1,x2...xn)...fn(x1,x2...xn)⎞⎟
⎟
⎟
⎟⎠(x1'x2'...xn')=(x1x2...xn)−(∂f1∂x1∂f1∂x2...∂f1∂xn∂f2∂x1∂f2∂x
2...∂f2∂xn............∂fn∂x1∂fn∂x2...∂fn∂xn)−1(f1(x1,x2...xn)f2(x1,
x2...xn)...fn(x1,x2...xn))
{x21−x22+2x2=02x1+x22−6=0{x12−x22+2x2=02x1+x22−6=0
El Jacobiano es
J=(2x1−2x2+222x2)J=(2x1−2x2+222x2)
El código MATLAB para calcular las raíces es similar al empleado para calcular una
raíz de la ecuación f(x)=0
F=@(x) [x(1)^2-x(2)^2+2*x(2);2*x(1)+x(2)^2-6];
J=@(x) [2*x(1),-2*x(2)+2;2,2*x(2)];
x=[-4.6;-3.8]; %punto inicial
i=0;
while i<100
y=-J(x)\F(x);
if sqrt(norm(y)/norm(x))<0.001
disp('Solución')
disp(x)
break;
end
x=x+y;
i=i+1;
end
if i>=100
disp('Se ha soprepasado el número de iteracciones');
end
En la primera línea se define el vector columna F de las funciones. En la segunda,
la matriz cuadrada J que representa el Jacobiano. En la tercera, las coordenadas
del punto inicial. En la representación gráfica de las dos funciones (figura más
arriba), utilizamos el icono denominado Data cursor del menú de la ventana
gráfica, para conocer el valor aproximado de una de las raíces (0,5, 2.2), que
tomaremos como vector inicial de partida para el procedimento de cálculo.
0.6252
2.1794
>> F(x)
ans = 1.0e-09 *
0.3991
0.0536
Cuando introducimos el valor de la raíz buscada x en la función F, vemos que se
obtiene un valor próximo a cero
Con Data cursor buscamos un valor próximo a la segunda raíz (-4.6,-3.8).
Modificamos en la tercera línea de código el vector inicial que tomamos para
calcular la raíz y obtenemos al correr el script modificado
-4.8642
-3.9659
>> F(x)
ans = 1.0e-09 *
0.2845
0.1122
El problema más importante para aplicar este procedimiento es la elección del
vector inicial, cuando el número de ecuaciones es tres o más.
La función fsolve
MATLAB dispone de una función denominada fsolve que realiza un cálculo similar
f1(x,y)=2x2-xy-5x-1=0
f2(x,y)=x+3log10x-y2=0
x=linspace(2.5,5.5,50);
y1=(2*x.^2-5*x-1)./x;
y2=sqrt(x+3*log10(x));
plot(x,y1,'b',x,y2,'r')
Vamos a utilizar la función fsolve de MATLAB para obtener el punto de
intersección.
sbweb/fisica3/numerico/raices/raices_5.html
Aplicaciones de un sistema no lineal
Un rectángulo tiene 40 cm2 de área y su diagonal es de 10 cm. Halla las
dimensiones del rectángulo.
alculo.cc/temas/temas_bachillerato/primero_ciencias_sociales/ecuaciones_sistem
as/sist_no_lineales.html