Universidad Politcnica Salesiana-Sede Cuenca.

Trabajo #1: Programas en Matlab

E. G. Pinos ., H.M. Crdenas C., D.R. Regalado C.
hcardenasc1@est.ups.edu.ec dregalado@ups.edu.ec
Universidad Politcnica Salesiana - Sede Cuenca
Mtodos Numricos

Resumen--- En el siguiente trabajo a realizar sobre los diferentes mtodos, en lo cual se va a poner en prctica cada uno de
ellos, esto se va a realizar mediante un software (Matlab).
Palabras Claves Biseccin, Falsa posicin, Punto fijo, Newton Rahpson, Gauss Jordan, Descomposicin LU.

OBJETIVOS
Objetivo General:
Poner en prctica cada uno de estos mtodos para una mejor resolucin.
Objetivos Especficos:
Aplicar correctamente las frmulas, para no presentar ningn error dentro del clculo.
Es una forma ms fcil de resolucin de problemas, que nos ayudan con un mayor nmero de probabilidad de exactitud.

I. INTRODUCCIN
Los mtodos numricos son tcnicas en las cuales es posible hacer problemas matemticos de tal forma que puedan resolverse
usando operaciones aritmticas. Un mtodo numrico es un procedimiento mediante el cual se obtiene, casi siempre de manera
aproximada, la solucin de ciertos problemas realizando clculos puramente aritmticos, lgicos, clculo de funciones. Un tal
procedimiento consiste de una lista finita de instrucciones precisas que especifican una secuencia de operaciones algebraicas y
lgicas, que producen o bien una aproximacin de la solucin del problema. La eficiencia en el clculo de dicha aproximacin
depende, en parte, de la facilidad de implementacin del algoritmo y de las caractersticas especiales y limitaciones de los
instrumentos de clculo.

El anlisis numrico trata de disear mtodos para "aproximar" de una manera eficiente las soluciones de problemas expresados
matemticamente.

El objetivo principal del anlisis numrico es encontrar soluciones "aproximadas" a problemas complejos utilizando slo las
operaciones ms simples de la aritmtica. Se requiere de una secuencia de operaciones algebraicas y lgicas que producen la
aproximacin al problema matemtico.

II. MARCO TERICO

2.1 Mtodo de la Biseccin

El mtodo de biseccin o de corte binario, es un tipo de bsqueda incremental en el que el intervalo se divide siempre a la mitad.
Si la funcin cambia de signo sobre un intervalo, se evala el valor de la funcin en el punto medio. La posicin de la raz se
determina situndose en el punto medio del subintervalo, dentro del cual ocurre un cambio de signo.
El proceso se repite hasta obtener una mejor aproximacin.
Este mtodo nos ayuda a encontrar el punto de corte en donde la grfica de la funcin corta al eje X del plano.
Para que el resultado del mtodo sea considerado aceptable debe de tener un margen de error menor a 1.0%.
Universidad Politcnica Salesiana-Sede Cuenca. 2

Formulas
+
=
2
< 0 =
( ) ( ) { }
> 0 =
o Error Porcentual Real
| |
= 100

o Error Porcentual Relativo

| |
= 100

2.2 Mtodo de la Falsa Posicin

La falsa posicin es una alternativa basada en una visualizacin grfica. Un mtodo alternativo que aprovecha esta visualizacin
grfica consiste en unir f(xl) y f(xu) con una lnea recta. La interseccin de esta lnea con el eje de las x representa una mejor
aproximacin de la raz.
Usando tringulos semejantes, la interseccin de la lnea recta con el eje de las x se estima mediante:

Formulas

( ) ( )
=

( ) ( )
=
( ) ( )

2.3 Mtodo Punto Fijo

El Mtodo de Punto Fijo (tambin conocido como iteracin de punto fijo), es otro mtodo para hallar los ceros de f(x). Para
resolver f(x) = 0, se reordena en una forma equivalente:

f(x) = 0

x - g(x) = 0

x = g(x)

Observe que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre que se tenga c=g(c) se dice que c es un punto fijo de la funcin g).
Para aproximar un cero de f se utiliza la iteracin de punto fijo (1) xn+1 = g(xn) , n = 0, 1, 2, 3, . . .
donde x0 es una aproximacin inicial del cero de f.
Universidad Politcnica Salesiana-Sede Cuenca. 3

Formulas

+1 = ( ) ( )

() ()
() =

2.4 Mtodo de Newton Raphson

En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de Newton-Raphson o el mtodo de Newton-
Fourier) es un algoritmo para encontrar aproximaciones de los ceros o races de una funcin real. Tambin puede ser usado para
encontrar el mximo o mnimo de una funcin, encontrando los ceros de su primera derivada.

Ilustracin 1 La funcin es mostrada en azul y la lnea tangente

en rojo. Vemos que xn+1 es una mejor aproximacin que xn para
la raz x de la funcin f.

El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de que no est garantizada su convergencia global. La nica
manera de alcanzar la convergencia es seleccionar un valor inicial lo suficientemente cercano a la raz buscada. As, se ha de
comenzar la iteracin con un valor razonablemente cercano al cero.

La abscisa en el origen de dicha recta ser, segn el mtodo, una mejor aproximacin de la raz que el valor anterior. Se realizarn
sucesivas iteraciones hasta que el mtodo haya convergido lo suficiente. Sea f: [a, b] -> R funcin derivable definida en el intervalo
real [a, b]. Empezamos con un valor inicial x0 y definimos para cada nmero natural n.

Formulas

(1 )
2 = 1
(1 )
Universidad Politcnica Salesiana-Sede Cuenca. 4

2.5 Mtodo de Gauss Jordan

Se emplea para resolver sistemas de muchas ecuaciones n pero finitas con muchas variables n que tambin son finitas que
tiene una solucin nica, muchas o ninguna.

Para emplear este mtodo primero el sistema de ecuaciones debe reescribirse como una matriz, una matriz es un arreglo de nmeros,
dentro de corchetes. Acomodados dentro de columnas y renglones.

Ejemplo de matriz
1 0 0
= [0 1 0]
0 0 1

2.6 Mtodo Descomposicin LU

Su nombre se deriva de las palabras inglesas "Lower" y "Upper", que en espaol se traducen como "Inferior" y "Superior".
Estudiando el proceso que se sigue en la descomposicin LU es posible comprender el porqu de este nombre, analizando cmo
una matriz original se descompone en dos matrices triangulares, una superior y otra inferior.

La descomposicin LU involucra solo operaciones sobre los coeficientes de la matriz [A], proporcionando un medio eficiente para
calcular la matriz inversa o resolver sistemas de lgebra lineal. Primeramente, se debe obtener la matriz [L] y la matriz [U]. [L] es
una matriz diagonal inferior con nmeros 1 sobre la diagonal. [U] es una matriz diagonal superior en la que sobre la diagonal no
necesariamente tiene que haber nmeros 1. El primer paso es descomponer o transformar [A] en [L] y [U], es decir obtener la
matriz triangular inferior [L] y la matriz triangular superior [U].

Ejemplo de Descomposicin LU
1 0 0
[] = [ 12 1 0]
13 23 1
11 12 13
[] = [ 0 22 23 ]
0 0 33
11 12 13
[] = [ 21 22 23 ]
31 32 33

III. DESARROLLO

Mtodo de la Biseccin

Programacin:

%Metodo de la biseccion
clear, clc
syms x
h = input('Ingrese la funcion:');
format bank;
f = inline(h);
disp(f);
a = input('Ingrese el limite inferior: ');
b = input('Ingrese el limite superior: ');
to = input('Ingrese la tolerancia deseada: ');
aux=0;
xr = 0;
ni = 0;
Universidad Politcnica Salesiana-Sede Cuenca. 5

e = 5.56;
Ea=100;
fprintf('\t ni \t\t a \t\t b \t\t xr \t f(a)*f(b) \t\t Ea\n ');

while(Ea>to )
xr = (a+b)/2;
Ea=abs(((xr-aux)*100)/xr);
c = f(a)*f(xr);
disp([ni,a,b,xr,c,Ea]);
aux=xr;
if(c<0)
b=xr;
else a=xr;
end

ni=ni+1;
end

fprintf('Raiz encontrada= \n\t%f\n', xr);

xr

Biseccin:

Ingrese la funcion:'3*x.^2+2*x'

Inline function:
f(x) = 3*x.^2+2*x

Ingrese el limite inferior: 0

Ingrese el limite superior: 1
Ingrese la tolerancia deseada: 0.001

() ()
0 0 1.00 0.50 0 100.00

1.00 0.50 1.00 0.75 5.58 33.33

2.00 0.75 1.00 0.88 12.90 14.29

3.00 0.88 1.00 0.94 18.26 6.67

4.00 0.94 1.00 0.97 21.44 3.23

5.00 0.97 1.00 0.98 23.17 1.59

6.00 0.98 1.00 0.99 24.07 0.79

7.00 0.99 1.00 1.00 24.53 0.39

8.00 1.00 1.00 1.00 24.77 0.20

9.00 1.00 1.00 1.00 24.88 0.10

10.00 1.00 1.00 1.00 24.94 0.05

11.00 1.00 1.00 1.00 24.97 0.02

12.00 1.00 1.00 1.00 24.99 0.01

Universidad Politcnica Salesiana-Sede Cuenca. 6

13.00 1.00 1.00 1.00 24.99 0.01

14.00 1.00 1.00 1.00 25.00 0.00

15.00 1.00 1.00 1.00 25.00 0.00

16.00 1.00 1.00 1.00 25.00 0.00

Raiz encontrada=
0.999992

xr =

1.00

Mtodo de la Falsa Posicin

Programacin:

%Metodo de la falsa posicion

clear, clc
h = input('Ingrese la funcion:');
format bank;
f = inline(h);
disp(f);
i = input('Ingrese el limite inferior: ');
u = input('Ingrese el limite superior: ');
to = input('Ingrese la tolerancia deseada: ');
aux=0;
xr = 0;
ni = 0;
e = 5.56;
Ea=100;
fprintf('\t\t ni \t\t\t i \t\t\t u \t\t\t xr \t f(i)*f(xr) \t\tEa\n ');
while(Ea>to )
a=f(u);
b=f(i);
xr = u-((a*(i-u))/(b-a));
Ea=abs(((xr-aux)*100)/xr);
c = f(i)*f(xr);
disp([ni,i,u,xr,c,Ea]);
aux=xr;
if(c<0)
u=xr;
else i=xr;
end

ni=ni+1;
end

fprintf('Raiz encontrada= \n\t%f\n', xr);

Universidad Politcnica Salesiana-Sede Cuenca. 7

Falsa Posicin:

Ingrese la funcion:'x.^3-5*x+1'

Inline function:
f(x) = x.^3-5*x+1

Ingrese el limite inferior: 0

Ingrese el limite superior: 2
Ingrese la tolerancia deseada: 0.0001
ni i u xr f(i)*f(xr) Ea
0 0 2.00 1.00 -3.00 100.00

1.00 0 1.00 0.25 -0.23 300.00

2.00 0 0.25 0.20 -0.00 23.44

3.00 0 0.20 0.20 -0.00 0.44

4.00 0 0.20 0.20 -0.00 0.01

5.00 0 0.20 0.20 -0.00 0.00

6.00 0 0.20 0.20 -0.00 0.00

Raiz encontrada=
0.201640

Mtodo de Punto Fijo

Programacin:

%Metodo de Punto fijo

clear, clc
h = input('Ingrese la funcion f(x):');
g= input('Ingrese la funcion g(x):');
format ;
f = inline(h);
d= inline(g);
disp(f);
disp(d);
a = input('Ingrese el valor inicial: ');
to = input('Ingrese el numero de iteraciones deseado: ');
aux=0;
xr = 0;
ni = 0;
Ea=100;
syms x;
der=diff(g,x);
de=inline(der);
disp(der);
if abs(de(a))<1
disp('La funcin si converge \n');
fprintf('\t ni \t\t i \t\t g(x) \t\t Ea \n');
while(ni<to )
xr = d(a);
Ea=abs(((xr-aux)*100)/xr);
aux=xr;
disp([ni,a,xr,Ea]);
Universidad Politcnica Salesiana-Sede Cuenca. 8

a=xr;
ni=ni+1;
end
else
disp('La funcin no converge');
end
fprintf('Raiz encontrada= \n\t%f\n', xr);

Punto Fijo:

Ingrese la funcion f(x):'x.^3-5*x+1'

Ingrese la funcion g(x):'3*x^2-5'

Inline function:
f(x) = x.^3-5*x+1

Inline function:
d(x) = 3*x^2-5

Ingrese el valor inicial: 0

Ingrese el nmero de iteraciones deseado: 4
6*x

La funcin si converge \n
ni i g(x) Ea
0 0 -5 100

1.0000 -5.0000 70.0000 107.1429

1.0e+04 *

0.0002 0.0070 1.4695 0.0100

1.0e+08 *

0.0000 0.0001 6.4783 0.0000

Raiz encontrada=
647829070.000000

Mtodo de Newton Raphson

Programacin:

%Metodo de Newton Rapson

clear, clc
syms x;
h = input('Ingrese la funcion f(x):');
format ;
f = inline(h);
disp(f);
xi = input('Ingrese el valor inicial: ');
i = input('Ingrese el numero de iteraciones deseado: ');
aux=0;
xr = 0;
ni = 0;
Ea=100;
der=diff(h,x);
Universidad Politcnica Salesiana-Sede Cuenca. 9

de=inline(der);
disp(der);
fprintf('\t ni \t\t xi \t\t xr \t\t Ea \n');
while(ni<=i )
xr = xi-(f(xi)/de(xi));
Ea=abs(((xr-aux)*100)/xr);
aux=xr;
disp([ni,xi,xr,Ea]);
xi=xr;
ni=ni+1;
end
fprintf('Raiz encontrada= \n\t%f\n', xr);

Newton Raphson:

Ingrese la funcion f(x):x.^3-5*x+1

Inline function:
f(x) = x.*-5.0+x.^3+1.0

Ingrese el valor inicial: 0

Ingrese el numero de iteraciones deseado: 3
3*x^2 - 5

ni xi xr Ea
0 0 0.2000 100.0000

1.0000 0.2000 0.2016 0.8130

2.0000 0.2016 0.2016 0.0002

3.0000 0.2016 0.2016 0.0000

Raiz encontrada=
0.201640

Mtodo de Gauss Jordan

Programacin:

%Metodo de Gauss Jordan

clc;
clear;
f=input('Ingrese el nmero de incognitas: ');
for i=1:f
for j=1:f
a(i,j)=input('Ingrese coeficientes: ');
end
end
for k=1:f
a1(k,1)=input('Ingrese terminos independientes: ');
end

m=[a,a1];
disp(m);

for i=1:f
m(i,:)=m(i,:)/m(i,i);
for j=i+1:f
m(j,:)=m(j,:)-m(i,:)*m(j,i);
Universidad Politcnica Salesiana-Sede Cuenca. 10

disp(m);
end
end
for i=f:-1:1
for j=i-1:-1:1
m(j,:)=m(j,:)-m(i,:)*m(j,i);
disp(m);
end
end

for i=1:f
for j=f+1
fprintf('La variable X%d es: ', i)
r=m(i,j);
disp(r);
end
end

Gauss Jordan:

Ingrese el nmero de incognitas: 2

Ingrese coeficientes: 1
Ingrese coeficientes: 6
Ingrese coeficientes: -9
Ingrese coeficientes: 4
Ingrese terminos independientes: -2
Ingrese terminos independientes: 4

1 6 -2
-9 4 4

1 6 -2
0 58 -14

1.0000 0 -0.5517
0 1.0000 -0.2414

La variable X1 es: -0.5517

La variable X2 es: -0.2414

Mtodo de Descomposicin LU

Programacin:

%Metodo Descomposicion LU
clear all

A=input('ingrese la matriz A=');

[n,n]=size(A);
B=input('ingrese la matriz B=') ;

P=eye(size(A)) %tenemos matrices en cero para hacer las

operaciones
L=eye(size(A))
X=zeros(n,1);
D=zeros(n,1);
C=zeros(1,n);
Aug=[A];
Universidad Politcnica Salesiana-Sede Cuenca. 11

for q=1:n-1 %Cambiamos las filas para el elemento pivote

[y,j]=max(abs(Aug(q:n,q)));
C=Aug(q,:);
Aug(q,:)=Aug(j+q-1,:)
Aug(j+q-1,:)=C

C=P(q,:);
P(q,:)=P(j+q-1,:)
P(j+q-1,:)=C

if Aug(q,q)==0
'A es singular no hay solucion unica'
break
end
for k=q+1:n %sacamos m y cargamos en la matriz L
m=Aug(k,q)/Aug(q,q)
L(k,q)=m
Aug(k,q:n)=Aug(k,q:n)-m*Aug(q,q:n) %hacemos cero a los de abajo

end

end
M=P*B %M es la matriz P*B
if q>1 % cambiamos las filas en la segunda operacion
B=L(n,1:q-1)
L(n,1:q-1)=L(n-1,1:q-1)
L(n-1,1:q-1)=B

end

for i=1:n % sacamos los valores de D

D(i,1)=(M(i,1)-L(i,1:n-1)*D(1:n-1,1))/L(i,i);
end
D

n=length(D);
X=zeros(n,1);X(n)=D(n)/Aug(n,n);
for k=n-1:-1:1 % sacamos los valores de X

X(k)=(D(k)-Aug(k,k+1:n)*X(k+1:n))/Aug(k,k);
end
X

Descomposicin LU:

ingrese la matriz A=19

ingrese la matriz B=25

P=

L=

M=
Universidad Politcnica Salesiana-Sede Cuenca. 12

25

D=

25

X=

1.3158

IV. RECURSOS (ACCESORIOS Y MATERIAL FUNGIBLE):

Como materiales utilizados tenemos nicamente nuestro:

Matlab

V. CONCLUSIONES Y RECOMENDACIONES
El estudio de los mtodos numricos, de la manera en que lo veo, es muy til y por ende importante para quien quiera que necesite
herramientas para resolver operaciones, las cuales se saben que pueden resultar complicadas, y por ms que se dominen los mtodos
tradicionales, estos muchas veces pueden no ser suficientes, sin embargo, no esto no quiere decir que la operacin sea imposible
de solucionar, y es ah donde los mtodos numricos se aplican, y facilitan es trabajo de cierta manera.

VI. REFERENCIAS

[1] http://mathworld.wolfram.com/Bisection.html
[2] http://illuminatus.bizhat.com/metodos/falsaposicion.htm
[3] http://noosfera.indivia.net/metodos/puntoFijo.html
[4] http://www.sosmath.com/calculus/diff/der07/der07.html
[5] https://prezi.com/yfiks5y8sbt5/gauss-jordan-conceptos/
[6] http://www.monografias.com/trabajos45/descomposicion-lu/descomposicion-lu.shtml#xdesco