UNIDAD 3 SOLUCION DE ECUACIONES NO LIENALES 3.

1 METODOS ITERATIVOS El primer mtodo iterativo para solucionar un sistema linear apareci probablemente en una letra de Gauss a un estudiante el suyo. l propuso el solucionar de un sistema 4 by-4 de ecuaciones en varias ocasiones solucionando el componente del cual la residual era la ms grande. La teora de mtodos iterativos inmviles fue establecida slidamente con el trabajo de D.M. El comenzar joven en los aos 50. Mtodo conyugal del gradiente tambin fue inventado en los aos 50, con progresos independientes cerca Cornelius Lanczos, Magnus Hestenes y Eduard Stiefel, solamente su naturaleza y aplicabilidad eran entendidas mal en ese entonces. Solamente en los aos 70 era realiz que el conjugacy bas mtodos trabaja muy bien para ecuaciones diferenciales parciales, especialmente el tipo elptico.

Un mtodo iterativo es un mtodo que progresivamente va calculando aproximaciones a la solucin de un problema. En Matemticas, en un mtodo iterativo se repite un mismo proceso de mejora sobre una solucin aproximada: se espera que lo obtenido sea una solucin mas aproximada que la inicial. El proceso se repite sobre esta nueva solucin hasta que el resultado mas reciente satisfaga ciertos requisitos. A diferencia de los mtodos directos, en los cuales se debe terminar el proceso para tener la respuesta, en los mtodos iterativos se puede suspender el proceso al termino de una iteracin y se obtiene una aproximacin a la solucin. Mtodo de Gauss-Seidel La iteracin de Gauss-Seidel se define al tomar Q como la parte triangular inferior de A incluyendo los elementos de la diagonal:

Si, como en el caso anterior, definimos la matriz R=A-Q

y la ecuacin se puede escribir en la forma: Qx(k) = -Rx(k-1) + b

Un elemento cualquiera, i, del vector Qx(k) vendr dado por la ecuacin:

Si tenemos en cuenta la peculiar forma de las matrices Q y R, resulta que todos los sumandos para los que j>i en la parte izquierda son nulos, mientras que en la parte derecha son nulos todos los sumandos para los que escribir entonces: = . Podemos

de donde despejando xi(k), obtenemos:

Obsrvese que en el mtodo de Gauss-Seidel los valores actualizados de xi sustituyen de inmediato a los valores anteriores, mientras que en el mtodo de Jacobi todas las componentes nuevas del vector se calculan antes de llevar a cabo la sustitucin. Por contra, en el mtodo de Gauss-Seidel los clculos deben llevarse a cabo por orden, ya que el nuevo valor xi depende de los valores actualizados de x1, x2, ..., xi-1. En la figura se incluye un algoritmo para la iteracin de Gauss-Seidel.

Mtodo de eliminacin de Gauss Considrese un sistema general de tres ecuaciones lineales con tres incgnitas. a1,1 x1 + a1,2 x2 + a1,3 x3 = b1 a2,1 x1 + a2,2 x2 + a2,3 x3 = b2 a3,1 x1 + a3,2 x2 + a3,3 x3 = b3 Como primer paso, se remplaza la segunda ecuacin con la que resulte de sumarle la primera ecuacin multiplicada por (a2,1 /a1,1). De manera similar se sustituye la tercera ecuacin con el resultado de sumarle la primera ecuacin multiplicada por (-a3,1 /a1,1). Esto da lugar el nuevo sistema: a1,1 x1 + a1,2 x2 + a1,3 x3 = b1 a2,2 x2 + a2,3 x3 = b2 a3,2 x2 + a3,3 x3 = b3 En donde las a y las b son los nuevos elementos que se tienen de las operaciones ya mencionadas, y en donde x1 se ha eliminado en la segunda y tercera ecuaciones. Ahora, multiplicando la segunda ecuacin por (-a2,1 /a1,1) y sumando el resultado a la tercera ecuacin del nuevo sistema de ecuaciones, se obtiene el sistema triangular: a1,1 x1 + a1,2 x2 + a1,3 x3 = b1 a2,2 x2 + a2,3 x3 = b2 + a3,3 x3 = b3 Donde a3,3 y b3, resultaron de las operaciones realizadas y x2 se ha eliminado de la tercera ecuacin. El proceso de llevar el sistema de ecuacin (1.0) a la forma de la ecuacin (1.2) se conoce como triangularizacin. sistema ecu. (1.2) sistema ecu. (1.1) sistema ecu. (1.0)

El sistema de la forma de la ecuacin (1.2) se resuelve despejando de su ltima ecuacin x3 en la segunda ecuacin y despejando x2 de ella. Por ltimo, con x3 y x2 sustituidas en la primera ecuacin del sistema (1.2) se obtiene x1 . Esta parte del proceso se llama sustitucin regresiva. Ates de dar el siguiente ejemplo, ntese que no es necesario conversar x1, x2 y x3 en la triangularizacin y que sta puede ir resolvindose llevando a caso solamente la matriz de coeficientes A y el vector b (el vector b son los trminos independientes de cada ecuacin). Para mayor simplicidad se emplear la matriz aumentada B. Con esto se incorpora la notacin matricial y todas sus ventajas a la solucin de sistemas de ecuaciones lineales. Ejemplo1. Resolver por eliminacin de Gauss el sistema 4x1 - 9x2 + 2 x3 = 5 2x1 - 4x2 + 6 x3 = 3 x1 - x2 + 3 x3 = 4 Solucin. 1.- La matriz aumentada del sistema es: 2.- Triangularizacin Al sumar la primera ecuacin multiplicada por (-2/4) a la segunda, y la primera ecuacin multiplicada por (-1/4) a la tercera, resulta: sistema ecu. (1.3)

Observes que en este paso la primera fila se conversa sin cambio. Sumando la segunda fila multiplicada por (-1.25/0.5) a la tercera se obtiene la matriz: que en trminos se sistemas de ecuaciones este quedara como : 4x1 - 9x2 + 2 x3 = 5

0.5x2 + 5 x3 = 0.5 - 10 x3 = 1.5

sistema ecu. (1.7)

3.- El proceso de sustitucin regresiva produce el resultado buscado La tercera ecuacin de (1.7) da el valor de x3 = -0.5; de la segunda ecuacin se obtiene entonces: 0.5x2 = 0.5 - 5 x3 = 1.25 Y por tanto x2= 2.5 Finalmente al sustituir x2 y x3 en la primera ecuacin de la forma (1.7) resulta: 4x1 = 5 + 9x2 - 2 x3 =27.8, de modo que x1 =6.95. Por lo tanto la solucin es x1 =6.95, x2= 2.5, x3 = -0.5. Para comprobar si la solucin es correcta se sustituye estos valores en el sistema original y deber cumplir las igualdades. Mtodo de eliminacin de Gauss con pivoteo El la eliminacin de x1 de la segunda y tercera ecuaciones de la forma (1.0) se tom como la base la primera, por lo cual se denomina ecuacin pivote o, en trminos de la notacin matricial, fila pivote. Para eliminar x2 de la tercera ecuacin de la forma (1.1), la fila pivote utilizada fue la segunda. El coeficiente de la incgnita que se va a eliminar en la fila pivote se llama pivote. En la eliminacin dio como resultado el sistema de ecuaciones (1.2), los pivotes fueron a1,1y a2,2 . Esta eleccin natural de los pivotes a1,1 , a2,2, a3,3, etc., es muy conveniente tanto para trabajar con una calculadora como con una computadora, desafortunadamente falla cuando alguno de esos elementos es cero, puesto que los multiplicadores quedaran indeterminados ( por ejemplo si a1,1 fuera cero, el multiplicador (-a2,1/a1,1) no est definido). Una manera de evitar esta posibilidad es seleccionar como pivote el coeficiente de mximo valor absoluto en la columna relevante de la matriz reducida. Mtodo de eliminacin de Jordan Es posible extender los dos mtodo vistos anteriormente de modo que las ecuaciones de reduzcan a una formula en la que la matriz de coeficiente sea

diagonal y ya no se requiera de sustitucin regresiva. Los pivotes se eligen como en el mtodo de Gauss con pivote, y una vez intercambiadas las filas se eliminan los elementos arriba y debajo del pivote. El siguiente ejemplo, usando el mismo sistema del ejemplo 1, ilustra este mtodo. Ejemplo 2. Por eliminacin de Jordan, resuelva el siguiente sistema: 4x1 - 9x2 + 2 x3 = 5 2x1 - 4x2 + 6 x3 = 3 x1 - x2 + 3 x3 = 4 Solucin. 1.- La matriz aumentada del sistema es:

Como en la primera columna el elemento de mximo valor absoluto se encuentra en la primera fila, ningn intercambio es necesario y el primer paso de eliminacin produce:

El elemento de mximo valor absoluto en la parte de la segunda columna (filas 2 y 3) es 1.25; por tanto, la fila 3 debe intercambiarse con la 2.

Sumando la segunda fila multiplicada por (-(-9)/1.25), a la primera fila y la segunda multiplicada por (-0-5/1.25) a la tercera se obtiene el nuevo arreglo

Donde se ha eliminado los elementos de arriba y abajo del pivote (ntese que en este paso el primer pivote no se modifica porque slo hay ceros debajo de l).

Por ltimo, sumando la tercera multiplicada por (-20/4) a la primera fila y a la tercera multiplicada por (-25/4) a la segunda que escrita como sistema de ecuaciones tenemos: 4x1 = 27.8 1.25x2 = 3.125 4 x3 = -0.6 de donde el resultado final se obtiene fcilmente: x1 = 27.8/4=6.95, x2 =3.125/1.25= 2.5, x3 =-0.6/4= -0.15

mtodo Jacobi El mtodo Jacobi es el mtodo iterativo para resolver sistemas de ecuaciones lineales ms simple y se aplica slo a sistemas cuadrados, es decir a sistemas con tantas incgnitas como ecuaciones. 1. Primero se determina la ecuacin de recurrencia. Para ello se ordenan las ecuaciones y las incgnitas. De la ecuacin i se despeja la incgnita i. En notacin matricial se escribirse como: x = c + Bx ecu.(2.1)

donde x es el vector de incgnitas. 2. Se toma una aproximacin para las soluciones y a esta se le designa por xo 3. Se itera en el ciclo que cambia la aproximacin xi+1 = c + Bxi Ejemplo 3. Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de Jacobi para resolver el sistema: 5x+2y=1 ecu.(2.2)

x4y=0 Solucin

sistema de ecu.(2.3)

Debemos primeramente despejar de la ecuacin la incgnita correspondiente. x = 0.20 + 0.00 x 0.40 y y = 0.00 + 0.25 x + 0.00 y Escrito en la notacin vectorial quedara: Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00: x1 = 0.20 + 0.00 (1.00) 0.40 (2.00) = 0.60 y1 = 0.00 + 0.25 (1.00) + 0.00 (2.00) = 0.25 3 Aplicamos la segunda iteracin partiendo de x1 = 0.60 y y1 = 0.25: x2 = 0.20 + 0.00 (0.60) 0.40 (0.25) = 0.10 y2 = 0.00 + 0.25 (0.60) + 0.00 (0.25) = 0.15 Aplicamos la siguiente iteracin partiendo de x2 = 0.10 y y1 = 0.15: x3 = 0.20 + 0.00 (0.10) 0.40 (0.15) = 0.26 y3 = 0.00 + 0.25 (0.10) + 0.00 (0.15) = 0.025 Aplicamos la siguiente iteracin partiendo de x3 = 0.26 y y3 = 0.025: x4 = 0.20 + 0.00 (0.26) 0.40 (0.025) = 0.190 y4 = 0.00 + 0.25 (0.26) + 0.00 (0.025) = 0.065 Aplicamos la siguiente iteracin partiendo de x4 = 0.190 y y4 = 0.065: x5 = 0.20 + 0.00 (0.19) 0.40 (0.065) = 0.174 y5 = 0.00 + 0.25 (0.19) + 0.00 (0.065) = 0.0475

Aplicamos la siguiente iteracin partiendo de x5 = 0.174 y y5 = 0.0475: x6 = 0.20 + 0.00 (0.174) 0.40 (0.0475) = 0.181 y6 = 0.00 + 0.25 (0.174) + 0.00 (0.0475) = 0.0435 Si uno dispone de una hoja de clculo como EXCEL es fcil realizar los clculos anteriores: Donde: Di = mx (|xi xi+1|, |yi yi+1|) Este Di es utilizado como criterio de paro en las iteraciones: Cuando Di es menos que cierto valor dado (Digamos 0.001) uno ya no realiza la siguiente iteracin. Si se grafica las aproximaciones obtenidas en el plano x y se obtendr algo como: Convergencia y convergencia en Jacobi Uno de los principales problemas de los mtodos iterativos es la garanta de que el mtodo va a converger, es decir, va a producir una sucesin de aproximaciones cada vez efectivamente ms prximas a la solucin. En el caso del mtodo de Jacobi no existe una condicin exacta para la convergencia. Lo mejor es una condicin que garantiza la convergencia, pero en caso de no cumplirse puede o no haberla es la siguiente: Si la matriz de coeficientes original del sistema de ecuaciones es diagonalmente dominante, el Mtodo de Jacobi seguro converge. Mtodo de Gauss-Seidel El mtodo de Gauss-Seidel es muy semejante al mtodo de Jacobi. Mientras que en el de Jacobi se utiliza el valor de las incgnitas para determinar una nueva aproximacin, en el de Gauss-Seidel se va utilizando los valores de las incgnitas recin calculados en la misma iteracin, y no en la siguiente. Por ejemplo, en el Mtodo de Jacobi se obtiene en el primer clculo xi+1, pero este valor de x no se utiliza sino hasta la siguiente iteracin. En el mtodo de GaussSeidel en lugar de eso se utiliza de xi+1 en lugar de xi en forma inmediata para

calcular el valor de yi+1 de igual manera procede con las siguientes variables; siempre se utilizan las variables recin calculadas. Ejemplo 4. Partiendo de (x = 1, y = 2) aplique dos iteraciones del mtodo de Gauss-Seidel para resolver el sistema: 5x+2y=1 x4y=0 Solucin Debemos primeramente despejar de la ecuacin la incgnita correspondiente. x = 0.20 + 0.00 x 0.40 y y = 0.00 + 0.25 x + 0.00 y Aplicamos la primera iteracin partiendo de x0 = 1.00 y y0 = 2.00: x1 = 0.20 + 0.00 (+1.000) 0.40 (2.00) = 0.600 y1 = 0.00 + 0.25 (0.600) + 0.00 (2.00) = 0.15 Aplicamos la segunda iteracin partiendo de x1 = 0.600 y y1 = 0.15: x2 = 0.20 + 0.00 (0.600) 0.40 (0.15) = 0.26 y2 = 0.00 + 0.25 (0.26) + 0.00 (0.15) = 0.065 Aplicamos la tercera iteracin partiendo de x2 = 0.26 y y2 = 0.065: x2 = 0.20 + 0.00 (0.26) 0.40 (0.065) = 0.174 y2 = 0.00 + 0.25 (0.174) + 0.00 (0.174) = 0.0435

3.2 SISTEMAS DE ECUACIONES NO LINEALES U n sist ema de e cu acione s es no l ine al , cu ando al m en os u na de su s ecu acion es no es de primer grado .

La re sol u cin de est os sist em as s e su el e hac er por el mt odo de su st it u cin , p ara el l o se gu iremos l os s igu ient es pasos: 1 Se despej a u na incgnit a en u na de l as ecu acion es , pref erent ement e e n l a de pr imer gra do . y = 7 x 2 Se su st it u ye el v al or de l a incgn it a desp eja da en l a o t ra ecu acin. x 2 + ( 7 x) 2 = 25 3 Se resu el v e l a e cu acin re su l t ant e. x 2 + 49 14 x + x 2 = 25 2 x 2 1 4x + 24 = 0 x 2 7x + 12 = 0

4 Cad a u no de l os v al ores obt enidos se su st it u ye en la o t ra ecu acin , s e obt i enen as l os v al ores correspon di ent es de l a ot ra in cgnit a. x = 3 x = 4 3.3 ITERACIN y = 7 3 y = 7 4 Y y = 4 y = 3 DE SISTEMAS DE

CONVERGENCIA

ECUACIONES.

El uso de mtodos de iteracin funcional con sistemas de ecuaciones son completamente diferentes de aquellos para ecuaciones simples. Se observa que es til frecuentemente una informacin a priori sobre la localizacin de la raz; cuando esto no es posible podemos usar un mtodo siempre convergente para obtener una buena aproximacin de esta. Por lo tanto, en este caso estamos interesados principalmente en la eficiencia del mtodo. La convergencia en sistema de ecuaciones es un problema importancia, que usualmente quedaremos satisfechos con cualquier orden de convergencia, nicamente si el mtodo es convergente. Frecuentemente, si la aproximacin lineal no est completamente cercana a la solucin, la iteracin no ser convergente. La forma del error aclarara mas el concepto anterior 3.4 APLICACIN Las aplicaciones tcnicas generalmente recurren a algoritmos numricos que permiten calcular aproximaciones numricas a las soluciones de un sistema de ecuaciones.

Uno de los mtodos numricos que puede generalizarse a sistemas no-lineales es el mtodo de Newton-Raphson. En el caso multidimensional la resolucin numrica del sistema de n ecuaciones del conocimiento de una solucin aproximada puede hacerse a partir , siempre y

cuando la aplicacin anterior sea difernciable, mediante el esquema iterativo:

O ms explcitamente:

Lamentablemente la convergencia del esquema iterativo anterior no est garantizada y en casos de soluciones mltiples la convergencia puede darse hacia la solucin no deseada. Mtodos grficos Los mtodos grficos son didcticos e ilustrativos, aunque en general carecen de inters prctico en las aplicaciones tcnicas de importancia. Adems estn restringidos generalmente a sistemas de dos o tres ecuaciones reales. Dos sistemas de ecuaciones con dos incgnitas de valor real, suelen aparecer como uno de los cinco tipos diferentes mencionados a continuacin. Tienen una relacin con el nmero de soluciones: 1. Aquellos sistemas de ecuaciones que representan grficamente rectas y curvas que se intersecan entre s. Este tipo de sistema de ecuacin es considerado como el normal. Suele tener un nmero de soluciones finito cada uno formado por las coordenadas de los punto de interseccin. 2. Sistemas que tienen simplificaciones falsas. Por ejemplo: 1 = 0. Grficamente se representan como un conjunto de lneas que nunca se intersecan entre s, como lneas paralelas.

3. Sistemas de ecuaciones en las que ambos simplificar a una identidad (por ejemplo, x = 2x - y o y - x = 0). Cualquier asignacin de valores a las variables desconocidas satisface las ecuaciones. Por lo tanto, hay un nmero infinito de soluciones, que grficamente, se representa como todos los puntos del plano que representa la solucin. 4. Sistemas en los que las dos ecuaciones representan el mismo conjunto de puntos: son matemticamente equivalentes (una ecuacin general puede ser transformada en otra a travs de la manipulacin algebraica). Estos sistemas representan completamente la superposicin de lneas o curvas, etc Una de las dos ecuaciones es redundante y puede ser desechada. Cada punto de la serie de puntos corresponde a una solucin. Generalmente, esto significa que hay un nmero infinito de soluciones. 5. Sistemas en los que una (y slo una) de las dos ecuaciones se simplifica a una identidad. Por lo tanto, es redundante y puede ser descartada, segn el tipo anterior. Cada punto de la serie de puntos representados por los dems es una solucin de la ecuacin de los que hay a continuacin, por lo general un nmero infinito. La ecuacin x2 + y2 = 0 puede ser pensada como la ecuacin de un crculo cuyo radio se ha reducido a cero, por lo que representa un nico punto: (x = 0, y = 0), a diferencia de una normal de un crculo que contiene infinito nmero de puntos. Este y otros casos similares muestran la razn por la cual los dos ltimos tipos anteriormente descritos necesitan la calificacin de "normalmente". Un ejemplo de un sistema de ecuaciones del primer tipo descrito anteriormente, con un nmero infinito de soluciones viene dada por x = | x |, y = | y | (donde la notacin | | indica el valor absoluto de la fu ncin), cuyas soluciones de forma un cuadrante de la x - y plano. Otro ejemplo es x = | y |, y = | x |, cuya solucin representa un rayo.
Especial:Buscar