Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SOLUCION:
fplot('[-26+82.3*x-88*x.^2+45.4*x.^3-9*x.^4+0.65*x.^5]',[-1,1]),grid
function z=funcionk(x)
z=-26+82.3*x-88*x^2+45.4*x^3-9*x^4+0.65*x^5;
clear;clc;
disp('CALCULO DE LA RAIZ DE UNA ECUACION NO LINEAL')
disp('POR EL METODO CERRADO DE BISECCION')
n=input('Ingrese precision de cifras significativas n=');
x1=input('Ingrese limite inferior x1=');
xu=input('Ingrese limite superior xu=');
Es=(0.5*10^(2-n));
Ea=100;
xr=0;
i=0;
while Ea>Es
xa=xr;
xr=(x1+xu)/2; %formula de biseccion
if funcionk(x1)*funcionk(xr)<0
xu=xr;
Ea=abs((xr-xa)/xr)*100;
elseif funcionk(x1)*funcionk(xr)>0
x1=xr;
Ea=abs((xr-xa)/xr)*100;
end
i=i+1;
end
fprintf('raiz solucion:%12.15f\n',xr)
fprintf('Error aproximado:%12.10f\n',Ea)
fprintf('numero iteraciones:%12.0f\n',i)
raiz solucion:0.579330444335938
Error aproximado:0.0026338663
numero iteraciones: 15
8. Determine las raíces de 𝑓(𝑥) = −2.0 + 6𝑥 − 4𝑥 2 + 0.5𝑥 3
a) Grafica.
b) Usando el Método de Newton Raphson empleando como valor inicial xi=0.5.
SOLUCION:
Es=(0.5*10^(2-n));
Ea=100;
i=0;
while Ea>Es
xa=xi;
fxi=-2+6*xi-4*xi.^2+0.5*xi.^3;
dxi=6-8*xi+1.5*xi.^2; % simpre que la derivada sea diferente de cero
xi=xi-fxi/dxi;
Ea=abs((xi-xa)/xi)*100; %calculo el error porentual
aproximado
raiz :0.474572439155140
>> f=@(x)4*x.^4-6*x.^2-11/4
f=
@(x)4*x.^4-6*x.^2-11/4
>> x=0:0.1:2
x=
Columns 1 through 16
0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000
1.1000 1.2000 1.3000 1.4000 1.5000
Columns 17 through 21
>> plot(x,f(x))
>>
GRAFICA
13. El polinomio
Aplique a esta función el método de Newton-Raphson usando como valor inicial 𝑥0 =16.15
SOLUCION:
Es=(0.5*10^(2-n));
Ea=100;
i=0;
while Ea>Es
xa=xi;
fxi=0.0074*xi.^4-0.284*xi.^3+3.355*xi.^2-12-183*xi+5;
dxi=0.0296*xi.^3-0.852*xi.^2+6.71*xi-183; % simpre que la
derivada sea diferente de cero
xi=xi-fxi/dxi;
Ea=abs((xi-xa)/xi)*100; %calculo el error porentual
aproximado
raiz :-0.038224492309283
>> f=@(x)0.0074*x.^4-0.284*x.^3+3.355*x.^2-12-183*x+5;
>> x=0:0.1:2
x=
Columns 1 through 16
0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000
1.1000 1.2000 1.3000 1.4000 1.5000
Columns 17 through 21
>> plot(x,f(x))
GRAFICA
Ejemplo
𝑥 − 𝑒 −𝑦 = 0
𝑒 −𝑦 − 𝑦 = 0
SOLUCION.
n=5
x0=0.5
y0=0.6
numero de iteraciones: 15
2𝑥1 + 𝑥2 − 𝑥3 = 1
5𝑥1 + 2𝑥2 + 2𝑥3 = −4
−3𝑥1 + 𝑥2 + 𝑥3
SOLUCION:
n=length(a);
for i=1:n
A=a;
A(:,i)=+b;
d(i)=det(A);
end
D=det(a);
x=(d/D)';
a,b,x
PRUEBA DEL PROGRAMA
a=
2 1 -1
5 2 2
-3 1 1
b=
-4
x=
-0.5455
0.7273
-1.3636
2. Elaborar un programa en Matlab que permita ingresar y obtener el determinante de una matriz
cuadrada cualquiera.
2 1−1 1
|𝐴| = | 1 2 2 − 3 |
3−1−12
2 3 1 4
SOLUCION:
A=
2 1 -1 1
1 2 2 -3
3 -1 -1 2
2 3 1 4
INTERPOLACION POLINOMIAL
DADO n+1 puntos de una función f: R R, UN POLINOMIO de grado menor o igual a n que pasa
por cada uno de los n+1 puntos dados, es llamado polinomio interpolador:
LAGRANGE
• P(X)=z0(X-3)(X-5)+z1(X-1)(X-5)+Z2(X-1)(X-3)
• Z0=0.25
• Z1=-0.25
• Z2=0.5
• SOLUCION
• GENERAMOS LA MATRIZ:
• -8 4 -2 1 a3 = 10
• -1 1 -1 1 a2 = 4
• 1 1 1 1 a1 = 6
• 8 4 2 1 a0 = 3
RESULTADO
A3=-0.91
A2=0.5
A1=1.9
A0=4.5
SOLUCION POR EL METODO DE CRAMER:
n=length(a);
for i=1:n
A=a;
A(:,i)=+b;
d(i)=det(A);
end
D=det(a);
x=(d/D)';
a,b,x
a=
-8 4 -2 1
-1 1 -1 1
1 1 1 1
8 4 2 1
b=
10
4
6
3
x=
-0.9167
0.5000
1.9167
4.5000
f=
@(x)-0.9167*x.^3+0.5000*x.^2+1.9167*x+4.5000
x=0:0.1:2
x=
Columns 1 through 16
0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000 0.7000 0.8000 0.9000 1.0000
1.1000 1.2000 1.3000 1.4000 1.5000
Columns 17 through 21
>> plot(x,f(x))
METODOS NUMERICOS APLICADOS AL CÁLCULO DEL COEFICIENTE DE FRICCION
Ejemplo:
SOLUCION:
n=10
x0=31.6227766
xi =31.6228
xa =31.6228
xi = 6.9325
xa =6.9325
xi = 7.7379
xa =7.7379
xi =7.6957
xa = 7.6957
xi = 7.6978
xa =7.6978
xi = 7.6977
xa = 7.6977
xi = 7.6977
xa =7.6977
xi =7.6977
xa =7.6977
xi =7.6977
xa =7.6977
xi =7.6977
xa = 7.6977
xi =7.6977
EJEMPLO:
2 −1
𝑦´ = 2𝑥𝑦 ˰ 𝑦 = 𝑒 𝑥 , 𝑦(1) = 1
𝑥0 = 1 ˰ 𝑦0 = 1
Método de Euler:
Método de Runge-Kutta:
1
𝑦𝑛+1 = 𝑦𝑛 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) ˰ 𝑥𝑛+1 = 𝑥𝑛 + ℎ
6
𝑘1 = ℎ𝑓(𝑥𝑛 𝑦𝑛 )
1 1
𝑘2 = ℎ𝑓(𝑥𝑛 + ℎ , 𝑦𝑛 + 𝑘1 )
2 2
1 1
𝑘3 = ℎ𝑓(𝑥𝑛 + ℎ , 𝑦𝑛 + 𝑘2 )
2 2
𝑘4 = ℎ𝑓(𝑥𝑛 + ℎ , 𝑦𝑛 + 𝑘3 )
SOLUCION:
2 −1
Grafica de la función: 𝑦 = 𝑒 𝑥
h 0.1
n xn yn
0 1 1
1 1.1 1.23367806
2 1.2 1.55270722
3 1.3 1.99371553
4 1.4 2.61169647
5 1.5 3.49034296
6 1.6 4.75882125
7 1.7 6.61936868
8 1.8 9.39333129
9 1.9 13.5990509
16
14
12
10
0
0 0.5 1 1.5 2
Grafica Método de Euler:
h 0.1
n xn yn
0 1 1
1 1.1 1.2
2 1.2 1.464
3 1.3 1.81536
4 1.4 2.2873536
5 1.5 2.92781261
6 1.6 3.80615639
7 1.7 5.02412644
8 1.8 6.73232942
9 1.9 9.15596802
10
9
8
7
6
5
4
3
2
1
0
0 0.5 1 1.5 2
Grafica Método de Euler mejorado:
h 0.1
n xn yn y'n+1
0 1 1 1.2
1 1.1 1.232 1.50304
2 1.2 1.5478848 1.91937715
3 1.3 1.98315001 2.49876901
4 1.4 2.59078717 3.31620757
5 1.5 3.45092851 4.48620706
6 1.6 4.68636091 6.1859964
7 1.7 6.48779805 8.69364938
8 1.8 9.1555806 12.4515896
9 1.9 13.1693871 18.1737543
14
12
10
0
0 0.5 1 1.5 2
Grafica Método de Runge-Kutta:
n xn yn k1 k2 k3 k4 Yn+1
0 1 1 0.2 0.231 0.234255 0.2715361 1.23367435
1 1.1 1.23367435 0.27140836 0.31495706 0.319965163 0.37287348 1.5526954
2 1.2 1.5526954 0.3726469 0.43475471 0.442518188 0.51875553 1.99368677
3 1.3 1.99368677 0.51835856 0.60827383 0.620412395 0.73194777 2.61163323
4 1.4 2.61163323 0.73125731 0.86340595 0.8825675 1.04826022 3.49021064
5 1.5 3.49021064 1.04706319 1.24426009 1.274825612 1.5248116 4.75855167
6 1.6 4.75855167 1.52273653 1.82157358 1.870881691 2.25400734 6.61882741
7 1.7 6.61882741 2.25040132 2.71040982 2.790911311 3.38750594 9.39225233
8 1.8 9.39225233 3.38121084 4.10065737 4.233754973 5.17788277 13.5969054
9 1.9 13.5969054 5.16682404 6.31032378 6.533306234 8.05208464 20.0812668
16
14
12
10
0
0 0.5 1 1.5 2
Comparacion de curvas
16
14
12
10
Yn
8
6
4
2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Xn