Está en la página 1de 19

TALLER DE REPASO

PREVIO AL EXAMEN DE MÉTODOS NUMÉRICOS


1. Método Gráfico:

Dada las siguientes funciones:

5ex - 2x – 10 = 0
(x2 + 1) cos (x) = 1
X3 - 4X2 - 4x + 16 - log(x) = 0

a. Use el método gráfico y grafique cada una de las funciones.


b. Halle intervalos para las raíces de las ecuaciones.
c. Encuentre los valores para las raíces y compruébelas con el comando fzero.

5ex - 2x – 10 = 0

>> f='5*exp(x)-2*x-10';
>> ezplot(f); grid on
>> fzero(f,-6.28)

ans =

-4.9829
>> fzero(f,-6)

ans =

-4.9829
>> fzero(f,-4.31)

ans =

-4.9829

>> fzero(f,-2)

ans =

0.8502

>> fzero(f,-0)

ans =

0.8502

>> fzero(f,1.11)
ans =

0.8502

(x2 + 1) cos (x) = 1

>> f='(x^2+1)*cos(x)'

f=

(x^2+1)*cos(x)

>> ezplot(f);grid on
>> fzero(f,-4.72)

ans =

-4.7124

>> fzero(f,-4.72)

ans =

-4.7124

>> fzero(f,-1.55)

ans =

-1.5708

>> fzero(f,1.52)

ans =

1.5708

>> fzero(f,4.72)

ans =

4.7124
X3 - 4X2 - 4x + 16 - log(x) = 0

>> f='x^3-4*x^2-4*x+16-log(x)';
>> ezplot(f);grid on
>> fzero(f,1.90)

ans =
1.9200

>> fzero(f,4.14)

ans =

4.1097

2. Método de Falsa Posición:

Emplee el método de falsa posición para los siguientes ejercicios:


Nota: Use la respectiva plantilla en Excel.
a. f= X3 - 4X2 - 4x + 16=log(x) con 8 cifras exactas después de la coma decimal

>> f='x^3-4*x^2-4*x+16-log(x)';
>> format long
>> ezplot(f);grid on
>> xa=1, xb=5

xa =

xb =

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
>> xp

xp =

-2.46468263

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-0.31362835 + 0.17701253i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
>> xp

xp =

-1.52666849 + 0.27887326i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.90186429 + 0.18776173i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.96808901 + 0.14461871i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.97729389 + 0.13352031i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.97833344 + 0.13057745i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.97834703 + 0.13059479i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.97834700 + 0.13059479i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.97834700 + 0.13059479i

>> x=xa; fa=eval(f);


x=xb; fb=eval(f);
xp=(xa*fb-xb*fa)/(fb-fa);
x=xp; fp=eval(f);
if fa*fp<0
xb=xp;
else
xa=xp;
end;
xp

xp =

-1.97834700 + 0.13059479i
b. Se diseña un tanque esférico para almacenar agua en un pueblo pequeño. El
volumen de líquido se calcula como V=πh2(3R-h)/3. Si R=3 metros, a que
profundidad h debe llenarse de manera que contenga V=30 m3 de agua. Emplee
falsa posición.

3. Método de Newton Raphson:

Aplique el método de Newton Raphson a los siguientes problemas. (Realice sus cálculos
con Excel y Matlab).

a. Determine las raíces de f(x) = 2x3 – 11.7x2 + 17.7x – 5. Primero en forma gráfica.
Empleando el método de Newton con seis lugares exactos después del punto
decimal. Intervalo [0,4]
b. Determine la raíz real más grande de f(x) = 0.95x3 – 5.9x2 + 10.9x – 6: por el
método de Newton.

1. Método gráfico.
2. Halle los intervalos y el intervalo para la raíz más grande.
[0,6]
3.8728
3. Plantilla en Excel.

c. El polinomio f(x) = 0.0074x4 – 0.284x3 + 3.355x2 – 12.183x + 5 tiene una raíz real
entre 15 y 20. Aplique el método de Newton-Raphson a dicha función.
Compruebe el resultado aplicando el comando fzero y grafique.
4. Raíces de polinomios (Newton Raphson Modificado) y Sistema de ecuaciones no
lineales:

 NRM
a. Aplique el método de Newton Raphson modificado al siguiente problema:

f(x)=4x2 – 7,2x + 3,24

1) Grafique
2) Encuentre los intervalos
 [0,2]
3) Determines las raíces
 0.90

SENL

b. y = x2 + ln(x-1)
ey = 5sen(x)

>> u='y-x^2+log(x-1)'; v='exp(x)-5*sin(x)';


>> ux=diff(sym(u),'x');uy=diff(sym(u),'y');vx=diff(sym(v),'x');vy=diff(sym(v),'y');
>> x=1, y=1, n=0

x=

y=

1
n=

>> x =-eval(u*vy - uy*v - ux*vy*x + uy*vx*x)/eval(ux*vy - uy*vx)


y =eval(u*vx - ux*v + ux*vy*y - uy*vx*y)/eval(ux*vy - uy*vx), n=n+1

x=

89.7923

y=

7.8786e+03

n=

1
>> x =-eval(u*vy - uy*v - ux*vy*x + uy*vx*x)/eval(ux*vy - uy*vx)
y =eval(u*vx - ux*v + ux*vy*y - uy*vx*y)/eval(ux*vy - uy*vx), n=n+1

x=

1.6087

y=

3.0844

n=

93

5. Método de Reducción de Gauss (comando rref) y Matriz Inversa:

Aplique el método de Gauss y Matriz inversa para los siguientes sistemas de ecuaciones:

a) 2.6x – 2.7y + 5.2z = 7.25


3.1x + 0.5y – z = 4.33
2.9x – 5.2y – 4.3z = -5.6

>> A=[2.6 -2.7 5.2;3.1 0.5 -1;2.9 -5.2 -4.3]; b=[7.25;4.33;-5.6];


>> M=[A b]
M=

2.6000 -2.7000 5.2000 7.2500


3.1000 0.5000 -1.0000 4.3300
2.9000 -5.2000 -4.3000 -5.6000

>> M=[M(2,:);M(1,:);M(3,:)]

M=

3.1000 0.5000 -1.0000 4.3300


2.6000 -2.7000 5.2000 7.2500
2.9000 -5.2000 -4.3000 -5.6000

>> M(2,:)=M(2,:)-M(1,:)*M(2,1)/M(1,1);
>> M(3,:)=M(3,:)-M(1,:)*M(3,1)/M(1,1);
>> M

M=

3.1000 0.5000 -1.0000 4.3300


0 -3.1194 6.0387 3.6184
0 -5.6677 -3.3645 -9.6506

>> M(3,:)=M(3,:)-M(2,:)*M(3,2)/M(2,2);
>> M

M=

3.1000 0.5000 -1.0000 4.3300


0 -3.1194 6.0387 3.6184
0 0 -14.3366 -16.2251

>> x3=M(3,4)/M(3,3)

x3 =

1.1317

>> x2=(M(2,4)-M(2,3)*x3)/M(2,2)

x2 =

1.0309

>> x1=(M(1,4)-M(1,3)*x3-M(1,2)*x2)/M(1,1)

x1 =

1.5956
>> x=inv(A)*b

x=

1.5956
1.0309
1.1317

>> % Gauss Jordan


>> x=rref(M)

x=

1.0000 0 0 1.5956
0 1.0000 0 1.0309
0 0 1.0000 1.1317

b) 2/5x1 – 1/3x2 + 2/7x3 = 1/9


1/2x1 + 4/5x2 = 3/11x3
2/3x1 – 3/4x2 + 4/5x3 = 5/6

>> A=[0.4 -0.33 0.29;0.5 0.8 -0.27;0.67 -0.75 0.8]; b=[0.1;0;0.83];


>> M=[A b]

M=

0.4000 -0.3300 0.2900 0.1000


0.5000 0.8000 -0.2700 0
0.6700 -0.7500 0.8000 0.8300

>> M=[M(2,:);M(1,:);M(3,:)]

M=

0.5000 0.8000 -0.2700 0


0.4000 -0.3300 0.2900 0.1000
0.6700 -0.7500 0.8000 0.8300

>> M(2,:)=M(2,:)-M(1,:)*M(2,1)/M(1,1);
>> M(3,:)=M(3,:)-M(1,:)*M(3,1)/M(1,1);
>> M

M=

0.5000 0.8000 -0.2700 0


0 -0.9700 0.5060 0.1000
0 -1.8220 1.1618 0.8300

>> M(3,:)=M(3,:)-M(2,:)*M(3,2)/M(2,2);
>> M

M=
0.5000 0.8000 -0.2700 0
0 -0.9700 0.5060 0.1000
0 0 0.2114 0.6422

>> x3=M(3,4)/M(3,3)

x3 =

3.0383

>> x2=(M(2,4)-M(2,3)*x3)/M(2,2)

x2 =

1.4819
>> x1=(M(1,4)-M(1,3)*x3-M(1,2)*x2)/M(1,1)

x1 =

-0.7303
>> x=inv(A)*b

x=

-0.7303
1.4819
3.0383
>> % Gauss Jordan
>> x=rref(M)

x=

1.0000 0 0 -0.7303
0 1.0000 0 1.4819
0 0 1.0000 3.0383

6. Método de Jacobi y Gauss Seidel:

Aplique el método de Jacobi y Gauss Seidel a los siguientes sistemas de ecuaciones, use
Excel y Matlab.

a. 9x1 – x2 + 2x3 = 9
x1 + 8x2 + 2x3 = 19
x1 – x2 + 11x3 = 10

Metodo de Jacobi

>> A=[9 -1 2;1 8 2;1 -1 11];b=[9;19;10];x=[0;0;0]; n=0;


>> Ti=tril(A,-1)

Ti =
0 0 0
1 0 0
1 -1 0

>> Ts=triu(A,1)

Ts =

0 -1 2
0 0 2
0 0 0

>> D=diag(diag(A))

D=

9 0 0
0 8 0
0 0 11

>> x=inv(D)*(b-(Ti+Ts)*x), n=n+1

x=

1.0000
2.3750
0.9091

n=

1
>> x=inv(D)*(b-(Ti+Ts)*x), n=n+1

x=

1.0000
2.0000
1.0000

n=

8
>> x=inv(A)*b

x=

1.0000
2.0000
1.0000
b. 4x1 – x2 + 2x3 = 4
x1 + 4x2 + 2x3 = 11
x1 – x2 + 3x3 = 2
Metodo de Gauss-Seidel

>> A=[4 -1 2;1 4 2;1 -1 3];b=[4;11;2];x=[0;0;0];n=0;


>> Ti=tril(A,-1);Ts=triu(A,1);D=diag(diag(A));
>> x=inv(Ti+D)*(b-Ts*x),n=n+1

x=

1.0000
2.5000
1.1667

n=

1
>> x=inv(Ti+D)*(b-Ts*x),n=n+1

x=

1.0000
2.0000
1.0000

n=

8
>> x=inv(A)*b

x=

1.0000
2.0000
1.0000

7. Método de Interpolación Lineal y Polinómica:

Dado el conjunto de datos. x=[-3 -2 0 4 5 6 ]; y=[5 4 2 7 6 3].


a- Obtenga f(x) para cada valor, f(-2.5); f(0.6); f(2); f(3) f(5.12).
b- Realice la gráfica de la interpolación lineal.
c- Obtenga el polinomio de interpolación de los datos utilizando interpolación de
potencia ayudado por Matlab.
f- Obtenga los resultados para el inciso a utilizando el polinomio de interpolación
encontrado.
g- Grafique el resultado con el polinomio encontrado.

>> x=[-3 -2 0 4 5 6];y=[5 4 2 7 6 3];


>> x1=-3:0.1:6; y1=interp1(x,y,x1);
>> plot(x,y,x1,y1,'or');grid on
>> interp1(x,y,[-2.5,0.6,2,3,5.12])

ans =

4.5000 2.7500 4.5000 5.7500 5.6400

>> p=polyfit(x,y,4)

p=

-0.0151 0.0155 0.4830 -0.0731 2.1385

>> y2=polyval(p,x1);
>> hold on
>> plot(x,y,x1,y2,'b');grid on
>> plot(x,y,x1,y2,'*b');grid on
>> polyval(p,[-2.5,0.6,2,3,5.12])

ans =

4.5093 2.2699 3.8068 5.4623 6.1385

8. Método de Lagrange:
Dados los valores obtenidos en una medición determine un polinomio de interpolación
por el método de Lagrange. Evalué para x=0.27. Represéntelo gráficamente.

x -1.5 2.4 3.18 4.21


f(x) -12 -5.24 -2,37 1,12

>> p=expand(sym('(x-2.4)*(x-3.18)*(x-4.21)*-1.2/((-1.5-2.4)*(-1.5-3.18)*(-1.5-
4.21))+(x+1.5)*(x-3.18)*(x-4.21)*-5.24/((2.4+1.5)*(2.4-3.18)*(2.4-4.21))+(x-2.4)*(x+1.5)*(x-
4.21)*-2.37/((3.18-2.4)*(3.18+1.5)*(3.18-4.21))+(x-2.4)*(x-3.18)*(x+1.5)*1.12/((4.21-
2.4)*(4.21-3.18)*(4.21+1.5))'))

p=

- 0.20462528089057921280804604033784*x^3 +
1.8424319612866861336874655829084*x^2 - 1.7916887123279990892711334226251*x -
8.7236153043927472779306530816219

>> subs(p,[0.27])

ans =

-9.0770856061472768835337436349487
>> ezplot(p);grid on
>> ezplot(p,[-2,6]);grid on

Dados los valores obtenidos en una medición determine un polinomio de interpolación


por el método de Lagrange. Evalué para x=3.6. Represéntelo gráficamente.

x 1 2 3 4
f(x) 250 200 140 95
>> p=expand(sym('(x-2)*(x-3)*(x-4)*250/((1-200)*(1-140)*(1-95))+(x-1)*(x-3)*(x-4)*200/((2-
250)*(2-140)*(2-95))+(x-2)*(x-1)*(x-4)*140/((3-200)*(3-250)*(3-95))+(x-2)*(x-3)*(x-1)*95/((4-
200)*(4-140)*(4-250))'))

p=

- (5631824842164654275*x^3)/27506255912344428553152 +
(23021041437774684905*x^2)/13753127956172214276576 -
(118028478576270375905*x)/27506255912344428553152 +
15581066086181975395/4584375985390738092192

>> subs(p,[3.6])

ans =

1763411283169051/19165451443941212760

>> ezplot(p);grid on
9. Método de Interpolación Inversa:

Utilice la interpolación inversa para obtener el valor de x para el cual f(x)=7.94.


Utilizando el método que elija para obtener un polinomio interpolador de tercer
grado, luego grafique.

X 0 1 2.5 3 4.5 5 6
y 2 5.4375 7.3516 7.5625 8.4453 9.1875 12

>> p=expand(sym('(x-2.5)*(x-3)*(x-4.5)*5.4375/((1-2.5)*(1-3)*(1-4.5))+(x-1)*(x-3)*(x-
4.5)*7.3516/((2.5-1)*(2.5-3)*(2.5-4.5))+(x-2.5)*(x-1)*(x-4.5)*7.5625/((3-2.5)*(3-1)*(3-4.5))+(x-
2.5)*(x-3)*(x-1)*8.4453/((4.5-2.5)*(4.5-3)*(4.5-1))'))

p=

0.14585714285714285714285714285714*x^3 - 1.3752047619047619047619047619048*x^2 +
4.6671761904761904761904761904762*x + 1.9996714285714285714285714285714
>> x=solve('0.14585714285714285714285714285714*x^3 -
1.3752047619047619047619047619048*x^2 + 4.6671761904761904761904761904762*x +
1.9996714285714285714285714285714=7.94','x')

x=
3.9051960133550384056572449236701
2.7616200801654452111446063987594 + 1.6740336759331577502292220918213i
2.7616200801654452111446063987594 - 1.6740336759331577502292220918213i

>> %mètodo de potencias


>> x=[1 2.5 3 4.5]; y=[5.4375 7.3516 7.5625 8.4453];
>> p=polyfit(x,y,3)

p=

0.1459 -1.3752 4.6672 1.9997

>> x=solve('0.1459*x^3-1.3752*x^2+4.6672*x+1.9997=7.94','x')

x=

3.9006182907522127587131695447155
2.76250785256769074195938507 + 1.6752929991510622585564307736665i
2.76250785256769074195938507 - 1.6752929991510622585564307736665i

También podría gustarte