METODOS NUMERICOS

TRABAJO SEGUNDA UNIDAD

INTEGRANTES: ALVAREZ THORNDIKE JIMENA BOCANEGRA ROJAS CARLA CABRERA CABRERA KEVIN DIAZ AVALOS ARTURO GONZALES ULLOA VICTOR SARCHAGA GRADOS JOSEPH

INGENIERIA INDUSTRIAL

METODO DE GAUSS
Para un sistema de ecuaciones lineales de n variables y n ecuaciones:

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

Si Solo se puede aplicar el mtodo de GAUSS-SEIDEL si se cumple el criterio de convergencia: a) b)

Despejamos las variables :

. . . .

De forma general para cada fila i , se podra reducir usando sumatorias :

Donde i=1,2,3,.,n. Donde los valores iniciales se reemplazan en la ecuacin (1) :

; Por lo tanto:

Ahora reemplazamos en la ecuacin (2) el valor obtenido en la primera iteracin y con los valores iniciales anteriores:

; Por lo tanto:

Donde el ERROR= Las iteraciones se detienen cuando el ERROR sea menor que la tolerancia dada

NUMERO DE CONDICIONAMIENTO DE UNA MATRIZ

En la resolucin computacional de sistema de ecuaciones lineales Ax=b mediante mtodos directos, juega un papel fundamental el numero de condicionamiento de la matriz A; ya que este determina la precisin alcanzable en la solucin calculada. Con frecuencia se piensa que si la matriz A es mal acondicionada con respecto a la precisin utilizada, si determinante det(A) es cercano a 0. Sea un sistema de ecuaciones lineales Ax = b, donde A = (aij) es una matriz cuadrada de orden n, de coeficientes reales e inversible y b Rn. Supongamos que este sistema se va a resolver mediante algn mtodo directo, por ejemplo, el algoritmo de eliminacin de Gauss. Es conocido que la precisin obtenible mediante tal mtodo depende en gran medida del nmero de condicin de A:

Donde

indica alguna norma matricial de C; donde tambin sabemos que :

Como se sabe :

Reemplazamos en la primera ecuacin: Por supuesto que det(A) influye inversamente en la magnitud de cond(A), pero hay que tomar en cuenta tambin los otros 2 factores ||A|| y ||AT||, cuyas magnitudes dependen no solo de los elementos de A en s, sino tambin de las posiciones que ocupen; luego, el problema es en realidad ms complejo. Sea u la unidad de redondeo en la aritmtica de punto flotante con que se realizan los clculos. Si en dicha aritmtica la base es y la precisin es t, entonces:

u = 1-t si el redondeo es simtrico u = 1-t si el redondeo es truncado.

Decir que el nmero de condicin de A es pequeo o grande es por supuesto relativo; de aqu que cobre mucha mayor importancia la definicin de matriz mal acondicionada con respecto a la precisin utilizada, es decir, cuando cond(A) es del orden de u-1.

Conclusiones
El determinante de una matriz puede ser relativamente pequeo, pero no esta mal acondicionada con respecto a la precisin utilizada. Resumiendo en general, podemos decir que existe una relacin entre nmero de condicin y determinante de una matriz, pero que el hecho de que este ltimo sea relativamente pequeo no implica que la matriz sea mal acondicionada con respecto a la precisin utilizada, y viceversa.

EJERICIOS DE SISTEMAS DE ECUACIONES NO LINEALES

1. ; tol=0.01 SOLUCION:

Mtodo de Punto Fijo Multivariable (con desplazamiento simultneos )

Primero despejamos una variable en cada una de las ecuaciones :

Aplicamos la condicin de convergencia donde se toman como puntos iniciales

Por lo tanto las funciones convergen. Ahora se realizan las iteraciones , hasta que el error sea menor a la tolerancia dada n 0 1 2 3 4 5 6 x 0 2 0.2 0.5 0.211 0.215 0.205 y 0 3.6 3 3.577 3.570 3.5993 3.5991 error ------------1.897 0.650 0.289 0.013 0.01

La codificacin del ejercicio en MATLAB es:

Obtenindose como resultado :

 Mtodo de Newton-Raphson:

Como no tenemos los valores de funciones :

; usando el MATLAB graficamos las

Obtenemos la siguiente grfica :

La grfica nos ayuda a poder seleccionar los punto iniciales para las iteraciones , reemplazamos en y obtenemos las primeras respuestas:

Ahora si reemplazamos con

obtendremos las otras 2 races :

2.

Mtodo de Newton Raphson : Primero graficamos :

Tomamos como punto iniciales a (-2,0):

La solucin hallada es :

3.

Aplicamos el mtodo de Newton Raphson : Primero como no tenemos los puntos iniciales graficamos las funciones :

La grafica resulta:

Donde tomamos como valores iniciales a (4,-2) Insertamos la funcin en el programa :

Donde la solucin es :

OPTIMIZACION 1. EL MOLINO S.A. es una empresa que se dedica a extraer arroz , actualmente se encuentra ubicada en La libertad. A la vez esta empresa produce dos clases de arroz: de grano blanco y de grano corto. El precio por kilogramo al cual podr vender estos productos depende de la cantidad que fabrique de cada uno. En particular si LAREDO S.A. produce a kilos de arroz de grano blanco y b kilos de arroz de grano corto, podr vender toda su produccin a los siguientes precios(en soles):

El costo de fabricacin de a kilos de arroz de grano blanco y b kilos de arroz de grano corto es:

Suponer que se puede vender toda la mercanca que produzca. EL MOLINO S.A. desea saber cuntos kilogramos de cada tipo de arroz debe programar para la produccin a fin de maximizar sus ganancias. Usa valores iniciales a0=100; b0=70. SOLUCION: Primero determinamos la funcin de ganancia que est dado por:

Ahora utilizando Matlab hallaremos los kilogramos necesarios de los tipos de arroz, aplicando el mtodo de Newton Raphson (Optimizacin).

i. Grfica en Matlab en 3D.

ii. Grfica en Matlab con lneas de contorno.

iii. Codificacificacion en MATLAB % METODO DE NEWTON-RAPHSON

iv. Resultado del Procedimiento.

RESPUESTA: La Ganancia obtenida es de 4 025,00 nuevos soles. Los kg. Necesarios de Arroz de grano blanco, para maximizar las ganancias es de 47.8669 kilogramos. Los kg. Necesarios de Arroz de grano corto, para maximizar las ganancias es de 17.7433 kilogramos.

2. La trayectoria de un proyectil se puede describir mediante la funcin , donde x y y representan el recorrido del proyectil y w es la altura que puede llegar el proyectil, los proyectiles aun estn a prueba antes de que ofrecerlos al mercado, se necesita hallar la mxima altura que puede alcanzar el proyectil. Primero graficamos la funcin

Analizando la grafica de la funcin del recorrido del proyectil podemos tomar como valores iniciales a (0,0)

 Insertamos la funcin en el programa para que podamos hallar el punto mximo del recorrido.

Donde obtenemos por resultado :