Examen Cálculo Numérico

Primer Parcial Cálculo Numérico
Nombre: Jean Franco Arandia T.

C.I.: 19705688
1) Dada la siguiente función:
−2 x x 4
f (x) = cos ⎛⎝e ⎞⎠ − e + x
Hallar la raíz en el intervao [1,2]
a) Aplicando el método de Newton-Raphson en forma manual (tres iteraciones).

Justifique la selección de la aproximación inicial. (2 pts)
Graficando la función para realizar el análisis preliminar se tiene:
−2 x x 4
x ≔ 1 , 1.01 ‥ 2 f (x) ≔ cos ⎛⎝e ⎞⎠ − e + x
10
4 f (x)
0
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
-1
clear (x)
Derivando f (x) se tiene:
d ⎛ −2 x x 4 3 x −2 ⋅ x⎞ −2 ⋅ x
―― ⎝cos ⎛⎝e ⎞⎠ − e + x ⎞⎠ → 4 ⋅ x − e + 2 ⋅ sin ⎛⎝e ⎠⋅e
dx
Page 1 of 22
C.I.: 19705688
3 x −2 x −2 ⋅ x
f' (x) ≔ 4 x − e + 2 ⋅ sin ⎛⎝e ⎞⎠ ⋅ e
Ecuación de la recta tangente en x0 =2:
y2 (x) ≔ f (2) + f' (2) (x − 2)
Ecuación de la recta tangente en x0 =1:
y1 (x) ≔ f (1) + f' (1) (x − 1)
Graficando: x ≔ 1 , 1.01 ‥ 2
10
7.5
2.5
0
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
-2.5 f (x)
-5 y2 (x)
-7.5 y1 (x)
-10
-12.5
-15
-17.5
clear (x)
Page 2 of 22
C.I.: 19705688
La segunda derivada de f (x) es:
d ⎛ 3 x −2 x −2 x 2 x −2 ⋅ x⎞ −4 ⋅ x −2 ⋅ x⎞ −2 ⋅ x
―― ⎝4 x − e + 2 sin ⎛⎝e ⎞⎠ e ⎞⎠ → 12 ⋅ x − e − 4 ⋅ cos ⎛⎝e ⎠⋅e − 4 ⋅ sin ⎛⎝e ⎠⋅e
dx
2 x −2 x⎞ −4 ⋅ x −2 x⎞ −2 x
f'' (x) ≔ 12 x − e − 4 cos ⎛⎝e ⎠e − 4 sin ⎛⎝e ⎠e
Evaluando f (1) y f'' (1) :
f (1) = −0.727 f'' (1) = 9.136
Evaluando f (2) y f'' (2) :
f (2) = 9.611 f'' (2) = 40.608
A pesar de que la recta tangente que pasa por x0 =1 está más cercana a la raíz en su
intersección con el eje x , no se garantiza la convergencia porque f (1) y f'' (1) no tienen el
mismo signo. Por otro lado, la aproximación inicial x0 =2 cumple con todos los criterios de
convergencia y por lo tanto se tomará como aproximación inicial en este ejercicio.
Método de Newton-Raphson (tres iteraciones manuales)
1era iteración:
x0 ≔ 2 f ⎛⎝x0⎞⎠ = 9.6108 f' ⎛⎝x0⎞⎠ = 24.6116
f ⎛⎝x0⎞⎠
x1 ≔ x0 − ―― = 1.6095
f' ⎛⎝x0⎞⎠
2da iteración:
x1 = 1.6095 f ⎛⎝x1⎞⎠ = 2.7096 f' ⎛⎝x1⎞⎠ = 11.6805
f ⎛⎝x1⎞⎠
x2 ≔ x1 − ―― = 1.3775
f' ⎛⎝x1⎞⎠
Page 3 of 22
C.I.: 19705688
3da iteración:
x2 = 1.3775 f ⎛⎝x2⎞⎠ = 0.6337 f' ⎛⎝x2⎞⎠ = 6.4989
f ⎛⎝x2⎞⎠
x3 ≔ x2 − ―― = 1.2800
f' ⎛⎝x2⎞⎠
b) Aplicando el algoritmo implementado en Matlab para Newton-Raphson con una

−12
tolerancia igual a 10 . (2 pts)
Para f='cos(exp(-2*x))-exp(x)+x^4', x=2, tol=10^-12, iter=20 se obtuvo:
n x xn f(xn)
1 1.60950241 2 9.61077617
2 1.37753019 1.60950241 2.70955778
3 1.28001777 1.37753019 0.633727035
4 1.26236368 1.28001777 0.0848136749
5 1.26181768 1.26236368 0.00247100644
6 1.26181716 1.26181768 2.31528544e-06
7 1.26181716 1.26181716 2.03925765e-12
2) Dada la siguiente matriz:
⎡2 1 0⎤
A≔⎢1 3 1⎥
⎢⎣ 0 1 4 ⎥⎦
Hallar todos los valores y vectores propios (normalizados) usando:
a) Método algebraico aplicando el método de Newton-Raphson con Horner para

verificar una de las raíces del polinomio característico manualmente. (1 pto)
Para obtener el polinomio característico, se plantea el problema de la siguiente manera:
[ [ A ] − λ [ I ] ] { X }=0 donde: det [ [ A ] − λ [ I ] ] =0 para que existan infinitas soluciones.
⎡1 0 0⎤
I≔⎢0 1 0⎥
⎢⎣ 0 0 1 ⎥⎦
Page 4 of 22
C.I.: 19705688
⎛⎡ 2 − λ 1 0 ⎤⎞
2 3
det ⎜⎢ 1 3 − λ 1 ⎥⎟ → 9 ⋅ λ − λ − 24 ⋅ λ + 18
⎜⎝⎢⎣ 0 1 4 − λ ⎥⎦⎟⎠
Aplicando la regla de Horner para x0 =1:
−1 9 −24 18
1 −1 8 −16
−1 8 −16 2
El polinomio característico se puede expresar de la siguiente manera:
2
P (λ) ≔ (λ − 1) ⎛⎝−λ + 8 λ − 16⎞⎠ + 2
Derivando P (λ) :
d ⎛ 2 2
―― ⎝(λ − 1) ⎛⎝−λ + 8 λ − 16⎞⎠ + 2⎞⎠ → 8 ⋅ λ − (λ − 1) ⋅ (2 ⋅ λ − 8) − λ − 16
dλ
2
P' (λ) ≔ 8 ⋅ λ − (λ − 1) ⋅ (2 ⋅ λ − 8) − λ − 16
Método de Newton-Raphson
1era Iteración:
x0 ≔ 5 P ⎛⎝x0⎞⎠ = −2 P' ⎛⎝x0⎞⎠ = −9
P ⎛⎝x0⎞⎠ −12
x1 ≔ x0 − ――― = 4.7778 error ≔ abs ⎛⎝x0 − x1⎞⎠ = 0.2222 tol ≔ 10
P' ⎛⎝x0⎞⎠
if (error ≤ tol , “ok” , “Seguir iterando”) → “Seguir iterando”
Page 5 of 22
C.I.: 19705688
2da Iteración:
x1 = 4.7778 P ⎛⎝x1⎞⎠ = −0.2853 P' ⎛⎝x1⎞⎠ = −6.4815
P ⎛⎝x1⎞⎠ −12
P' ⎛⎝x1⎞⎠
3era Iteración:
x2 = 4.7338 P ⎛⎝x2⎞⎠ = −0.0102 P' ⎛⎝x2⎞⎠ = −6.0177
P ⎛⎝x2⎞⎠ −12
P' ⎛⎝x2⎞⎠
4ta Iteración:
−5
x3 = 4.7321 P ⎛⎝x3⎞⎠ = −1.5085 ⋅ 10 P' ⎛⎝x3⎞⎠ = −6
P ⎛⎝x3⎞⎠ −6 −12
x4 ≔ x3 − ――― = 4.7321 error ≔ abs ⎛⎝x3 − x4⎞⎠ = 2.5142 ⋅ 10 tol ≔ 10
P' ⎛⎝x3⎞⎠
5ta Iteración:
−11
x4 = 4.7321 P ⎛⎝x4⎞⎠ = −3.2836 ⋅ 10 P' ⎛⎝x4⎞⎠ = −6
P ⎛⎝x4⎞⎠ −12 −12

P' ⎛⎝x4⎞⎠
Page 6 of 22
C.I.: 19705688
6ta Iteración:
−15
x5 = 4.7321 P ⎛⎝x5⎞⎠ = −4.4409 ⋅ 10 P' ⎛⎝x5⎞⎠ = −6
P ⎛⎝x5⎞⎠ −16 −12

P' ⎛⎝x5⎞⎠
if (error ≤ tol , “ok” , “Seguir iterando”) → “ok”
La raíz encontrada es x = 4.7321.
b) Método de la Potencia. (2 pts)
Para la aplicación de este método se utilizó el siguiente código de MATLAB:
function [evec,evalue]=powerm(x0,A,tol)
%
%Power method for computing eigenvalues
%
error=1;
x=x0;
n=10;
while error> tol
y=A*x;
error=abs(norm(x)-n);
n=norm(x);
x=y/n;
end
evec=x/n;
evalue=n;
Según Burden, el método de la potencia es una técnica iterativa que permite determinar el
valor característico dominante de una matriz, es decir, el valor característico con mayor
magnitud. Una ligera modificación del método permite determinar también otros valores
característicos. Un aspecto útil del método de la potencia es que no sólo produce un valor
característico, sino un vector característico asociado.
Page 7 of 22
C.I.: 19705688
Para hallar el primer valor propio ( λ1 ) se ejecutó la rutina anterior con los siguientes
parámetros:
⎡2 1 0⎤ ⎡1⎤
−12
A=⎢1 3 1⎥ x0 ≔ ⎢ 1 ⎥ tol ≔ 10
⎢⎣ 0 1 4 ⎥⎦ ⎢⎣ 1 ⎥⎦
El resultado obtenido fue:

⎡ 0.2113 ⎤
λ1 ≔ 4.7321 x1 ≔ ⎢ 0.5774 ⎥
⎢⎣ 0.7887 ⎥⎦
Como el método originalmente converge al valor propio mayor, para hallar el segundo valor
propio ( λ2 ) es necesario realizar una operación previa para sustraer de la matriz A el primer
valor propio ( λ1 = 0). Esto es:
⎡ 1.7887 0.4227 −0.7886 ⎤

T
B ≔ A − λ1 ⋅ x1 ⋅ x1 = ⎢ 0.4227 1.4224 −1.1550 ⎥
⎢⎣ −0.7886 −1.1550 1.0564 ⎥⎦
Ahora partiendo de los siguientes parámetros:
⎡ 1.7887 0.4227 −0.7886 ⎤ ⎡1⎤

−12
A ≔ B = ⎢ 0.4227 1.4224 −1.1550 ⎥ x0 ≔ ⎢ 1 ⎥ tol ≔ 10
⎢⎣ −0.7886 −1.1550 1.0564 ⎥⎦ ⎢⎣ 1 ⎥⎦

⎡ 0.5774 ⎤
λ2 ≔ 3 x2 ≔ ⎢ 0.5773 ⎥
⎢⎣ −0.5774 ⎥⎦
Repitiendo el proceso para el tercer valor propio ( λ3 ):
⎡ 0.7886 −0.5773 0.2116 ⎤

T
C ≔ A − λ2 ⋅ x2 ⋅ x2 = ⎢ −0.5773 0.4225 −0.1550 ⎥
⎢⎣ 0.2116 −0.1550 0.0562 ⎥⎦
Page 8 of 22
C.I.: 19705688
Se ejecuta la rutina para los parámetros:
⎡ 0.7886 −0.5773 0.2116 ⎤ ⎡1⎤

−12
A ≔ C = ⎢ −0.5773 0.4225 −0.1550 ⎥ x0 ≔ ⎢ 1 ⎥ tol ≔ 10
⎢⎣ 0.2116 −0.1550 0.0562 ⎥⎦ ⎢⎣ 1 ⎥⎦

⎡ 0.7887 ⎤
λ3 ≔ 1.2679 x2 ≔ ⎢ −0.5774 ⎥
⎢⎣ 0.2113 ⎥⎦
Una vez obtenidos los valores propios, se procede a verificar los vectores propios
normalizados:
⎡2 1 0⎤ ⎡1 0 0⎤
A≔⎢1 3 1⎥ λ1 = 4.7321 I=⎢0 1 0⎥
⎢⎣ 0 1 4 ⎥⎦ ⎢⎣ 0 0 1 ⎥⎦
q1 q2 q3
⎡ −2.7321 1 0 ⎤
⎛⎝A − λ1 ⋅ I⎞⎠ = 1
⎢ −1.7321 1 ⎥
⎢⎣ 0 1 −0.7321 ⎥⎦
Escogiendo q1 ≔ 1 y resolviendo el sistema de ecuaciones:
2.7321
q2 ≔ 2.7321 q3 ≔ ――― = 3.7319
0.7321
El primer vector propio normalizado ( qnλ1 ) es:
⎡ q1 ⎤ ⎡ 1.0000 ⎤ ⎡ 0.2113 ⎤
qλ1
qλ1 ≔ ⎢ q2 ⎥ = ⎢ 2.7321 ⎥ normλ1 ≔ norm ⎛⎝qλ1⎞⎠ = 4.732 qnλ1 ≔ ――― = ⎢ 0.5774 ⎥
⎢ ⎥ ⎢⎣ 3.7319 ⎥⎦ normλ1 ⎢⎣ 0.7887 ⎥⎦
⎣ q3 ⎦
Se repite el mismo procedimiento para determinar el segundo vector propio normalizado

( qnλ2 ).
Page 9 of 22
C.I.: 19705688
⎡2 1 0⎤ ⎡1 0 0⎤
A≔⎢1 3 1⎥ λ2 = 3 I=⎢0 1 0⎥
⎢⎣ 0 1 4 ⎥⎦ ⎢⎣ 0 0 1 ⎥⎦
q1 q2 q3
⎡ −1 1 0 ⎤
⎛⎝A − λ2 ⋅ I⎞⎠ = ⎢ 1 0 1 ⎥
⎢⎣ 0 1 1 ⎦⎥
q3 ≔ −1 q2 ≔ 1
El segundo vector propio normalizado ( qnλ2 ) es:
⎡ q1 ⎤ ⎡ 1.0000 ⎤ ⎡ 0.5774 ⎤
qλ2
qλ2 ≔ ⎢ q2 ⎥ = ⎢ 1.0000 ⎥ normλ2 ≔ norm ⎛⎝qλ2⎞⎠ = 1.732 qnλ2 ≔ ――― = ⎢ 0.5774 ⎥
⎢ ⎥ ⎢⎣ −1.0000 ⎥⎦ normλ2 ⎢⎣ −0.5774 ⎥⎦
⎣ q3 ⎦
De igual forma para determinar el tercer vector propio normalizado ( qnλ3 ).
⎡2 1 0⎤ ⎡1 0 0⎤
A≔⎢1 3 1⎥ λ3 = 1.2679 I=⎢0 1 0⎥
⎢⎣ 0 1 4 ⎥⎦ ⎢⎣ 0 0 1 ⎥⎦
q1 q2 q3
⎡ 0.7321 1 0 ⎤
⎛⎝A − λ3 ⋅ I⎞⎠ = 1
⎢ 1.7321 1 ⎥
⎢⎣ 0 1 2.7321 ⎥⎦
Page 10 of 22
C.I.: 19705688
0.7321
q2 ≔ −0.7321 q3 ≔ ――― = 0.2680
2.7321
El tercer vector propio normalizado ( qnλ3 ) es:
⎡ q1 ⎤ ⎡ 1.0000 ⎤ ⎡ 0.7887 ⎤
qλ3
qλ3 ≔ ⎢ q2 ⎥ = ⎢ −0.7321 ⎥ normλ3 ≔ norm ⎛⎝qλ3⎞⎠ = 1.268 qnλ3 ≔ ――― = ⎢ −0.5774 ⎥
⎢ ⎥ ⎢⎣ 0.2680 ⎥⎦ normλ3 ⎢⎣ 0.2113 ⎥⎦
⎣ q3 ⎦
c) Verificar todo con el comando eig de MATLAB. (1 pto)
Se verificaron los resultados introduciendo la siguiente línea de código en MATLAB:
A=[2 1 0;1 3 1;0 1 4];[evec,eval]=eig(A)
eval = evec =
1.2679 0 0 0.7887 -0.5774 0.2113

0 3.0000 0 -0.5774 -0.5774 0.5774
0 0 4.7321 0.2113 0.5774 0.7887
Lo cual coincide con los cálculos realizados de λ1 = 4.7321 λ2 = 3 λ3 = 1.2679
3) Dado el siguiente sistema de ecuaciones Ax = b :
⎡ 5 −9 1 0 0⎤ ⎡7⎤
⎢ 17 5 0 0 0⎥ ⎢3⎥
A≔⎢ 0 3 8 1 0⎥ b≔⎢2⎥
⎢ 0 0 3 −11 6 ⎥ ⎢1⎥
⎢⎣ 0 0 0 −4 7 ⎥⎦ ⎢⎣ 1 ⎥⎦
a) Resolver aplicando el programa de eliminación gaussiana. (2 pts)
Se ejecutó el algoritmo elimgauss en MATLAB y se obtuvo lo siguiente:
Page 11 of 22
C.I.: 19705688
x=
0.3361
-0.5428
0.4344
0.1532
0.2304
Verificación del sistema de ecuaciones:
x1 ≔ 0.3361 x2 ≔ −0.5428 x3 ≔ 0.4344 x4 ≔ 0.1532 x5 ≔ 0.2304
5 x1 − 9 x2 + x3 = 7
17 x1 + 5 x2 = 3
3 x2 + 8 x3 + x4 = 2
3 x3 − 11 x4 + 6 x5 = 1
−4 x4 + 7 x5 = 1
Los valores obtenidos satisfacen el sistema de ecuaciones.
−12
b) Resolver aplicando el método de Gauss-Seidel (gs2) con tol ≔ 10 . Utilizar una
aproximación inicial [1;1;1;1;1]. (1 pto)
Para que la matriz A sea estrictamente diagonalmente dominante por columna, se cambió de
posición la fila 1 por la fila 2, luego se ejecutó el programa en MATLAB y los resultados
obtenidos fueron:
xr =
0.3361
-0.5428
0.4344
0.1532
0.2304
Los valores de las incognitas resultaron igual que los obtenidos por el método de eliminación
gaussiana. Por lo tanto, se satisface el sistema.
Page 12 of 22
C.I.: 19705688
c) Realizar dos iteraciones manuales con el método de Gauss-Seidel. (1 pto)
⎡ 5 −9 1 0 0⎤ ⎡7⎤
⎢ 17 5 0 0 0⎥ ⎢3⎥
⎢
A= 0 3 8 1 0⎥ b=⎢2⎥
⎢ 0 0 3 −11 6 ⎥ ⎢1⎥
⎢⎣ 0 0 0 −4 7 ⎥⎦ ⎢⎣ 1 ⎥⎦
Para que la matriz A sea estrictamente diagonalemente dominante por columnas, se

reescriben las matrices A y b cambiando la posición de la fila 1 por la fila 2:
⎡ 17 5 0 0 0⎤ ⎡3⎤ ⎡1⎤
⎢ 5 −9 1 0 0⎥ ⎢7⎥ ⎢1⎥
A≔⎢ 0 3 8 1 0⎥ b≔⎢2⎥ x0 ≔ ⎢ 1 ⎥
⎢ 0 0 3 −11 6 ⎥ ⎢1⎥ ⎢1⎥
⎢⎣ 0 0 0 −4 7 ⎥⎦ ⎢⎣ 1 ⎥⎦ ⎢⎣ 1 ⎥⎦
1era Iteración:
x2 ≔ 1 x3 ≔ 1 x4 ≔ 1 x5 ≔ 1
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = −0.1176 x2 ≔ ――――= −0.7320 x3 ≔ ――――= 0.3995
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.5635 x5 ≔ ――― = 0.4649
−11 7
2da Iteración:
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = 0.3918 x2 ≔ ――――= −0.5157 x3 ≔ ――――= 0.3730
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.2644 x5 ≔ ――― = 0.2939
−11 7
Page 13 of 22
C.I.: 19705688
3era Iteración:
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = 0.3282 x2 ≔ ――――= −0.5540 x3 ≔ ――――= 0.4247
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.1852 x5 ≔ ――― = 0.2487
−11 7
4ta Iteración:
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = 0.3394 x2 ≔ ――――= −0.5420 x3 ≔ ――――= 0.4301
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.1621 x5 ≔ ――― = 0.2355
−11 7
5ta Iteración:
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = 0.3359 x2 ≔ ――――= −0.5434 x3 ≔ ――――= 0.4335
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.1558 x5 ≔ ――― = 0.2319
−11 7
6ta Iteración:
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = 0.3363 x2 ≔ ――――= −0.5428 x3 ≔ ――――= 0.4341
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.1539 x5 ≔ ――― = 0.2308
−11 7
7ma Iteración:
3 − 5 x2 7 − x3 − 5 x1 2 − x4 − 3 x2
x1 ≔ ――― = 0.3361 x2 ≔ ――――= −0.5428 x3 ≔ ――――= 0.4343
17 −9 8
1 − 6 x5 − 3 x3 1 + 4 x4
x4 ≔ ――――― = 0.1534 x5 ≔ ――― = 0.2305
−11 7
Page 14 of 22
C.I.: 19705688
4) Dado el siguiente sistema de ecuaciones no lineal:
2 z
x - 2 y + e = 0.6932
3 2
x y - 2z = 0.7395
2 3 3 2
x y - x y z - z = 0.2918
Hallar la solución del sistema aplicando el método de linealización, utilizando como

−12
aproximación inicial [1;1;1] y una toleracia tol ≔ 10 . (3 pts)
Reescribiendo el sistema en la forma estándar:
2 z
f (x , y , z) ≔ x − 2 y + e − 0.6932
3 2
g (x , y , z) ≔ x y − 2 z − 0.7395
2 3 3 2
p (x , y , z) ≔ x y − x y z − z − 0.2918
Determinación de derivadas parciales:
z
f'x (x , y , z) ≔ 2 x f'y (x , y , z) ≔ −2 f'z (x , y , z) ≔ e
2 3
g'x (x , y , z) ≔ 3 x y g'y (x , y , z) ≔ x g'z (x , y , z) ≔ −4 z
3 2 2 2 2 3 2 3
p'x (x , y , z) ≔ 2 x y − 3 x y z p'y (x , y , z) ≔ 3 x y − x z p'z (x , y , z) ≔ −⎛⎝2 ⋅ y ⋅ z ⋅ x ⎞⎠ − 1
La matriz Jacobiana del sistema es:
⎡ z ⎤
2x −2 e
⎢ 2 3 ⎥
Φ (x , y , z) ≔ ⎢ 3x y x −4 z ⎥
3 2 2 2 2 3 2 3
⎣ ⎛⎝2 x y − 3 x y z ⎞⎠ ⎛⎝3 x y − x z ⎞⎠ ⎛⎝−⎛⎝2 ⋅ y ⋅ z ⋅ x ⎞⎠ − 1⎞⎠ ⎦
Page 15 of 22
C.I.: 19705688
1era Iteración:
x≔1 y≔1 z≔1
Evaluando la matriz Jacobiana, −f , −g y −p se tiene:
⎡ 2.0000 −2.0000 2.7183 ⎤

Φ (x , y , z) = ⎢ 3.0000 1.0000 −4.0000 ⎥
⎢⎣ −1.0000 2.0000 −3.0000 ⎥⎦
−f (x , y , z) = −1.0251 −g (x , y , z) = 1.7395 −p (x , y , z) = 1.2918
Resolviendo el nuevo sistema de ecuaciones linealizado:
⎡ −f (x , y , z) ⎤ ⎡ −1.0251 ⎤
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ 1.7395 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ ⎢⎣ 1.2918 ⎥⎦
−1
⎡ 0.2369 ⎤ ⎡x⎤ ⎡ 1.236929761422 ⎤
δ ≔ Φ (x , y , z) b = ⎢ 0.6058 ⎥ x1 ≔ ⎢ y ⎥ + δ = ⎢ 1.605757379698 ⎥
⎢⎣ −0.1057 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣ 0.894261665991 ⎥⎦
δmax ≔ max (|min (δ)| , |max (δ)|) = 0.6058 error ≔ δmax = 0.6058
if (error ≥ tol , “Seguir iterando” , “ok”) → “Seguir iterando”
2da Iteración:
x ≔ 1.236929761422 y ≔ 1.605757379698 z ≔ 0.894261665991
⎡ 2.4739 −2.0000 2.4455 ⎤

Φ (x , y , z) = ⎢ 7.3704 1.8925 −3.5770 ⎥
⎢⎣ 4.3486 10.3216 −6.4351 ⎥⎦
−f (x , y , z) = −0.0708 −g (x , y , z) = −0.7 −p (x , y , z) = −2.7185
Page 16 of 22
C.I.: 19705688
⎡ −f (x , y , z) ⎤ ⎡ −0.0708 ⎤
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ −0.7000 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ ⎢⎣ −2.7185 ⎥⎦
−1
⎡ −0.1058 ⎤ ⎡x⎤ ⎡ 1.131170785283 ⎤
δ ≔ Φ (x , y , z) b = ⎢ −0.3472 ⎥ x2 ≔ y + δ = ⎢ 1.258555119510 ⎥
⎢ ⎥
⎢⎣ −0.2059 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣ 0.688342395956 ⎥⎦
3era Iteración:
x ≔ 1.131170785283 y ≔ 1.258555119510 z ≔ 0.688342395956
⎡ 2.2623 −2.0000 1.9904 ⎤

Φ (x , y , z) = ⎢ 4.8311 1.4474 −2.7534 ⎥
⎢⎣ 2.2209 5.3945 −3.5078 ⎥⎦
−f (x , y , z) = −0.0597 −g (x , y , z) = −0.1345 −p (x , y , z) = −0.7075
⎡ −f (x , y , z) ⎤ ⎡ −0.0597 ⎤
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ −0.1345 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ ⎢⎣ −0.7075 ⎥⎦
−1
⎡ −0.064 ⎤ ⎡x⎤ ⎡ 1.067124640147 ⎤
δ ≔ Φ (x , y , z) b = ⎢ −0.222 ⎥ x3 ≔ ⎢ y ⎥ + δ = ⎢ 1.036572210193 ⎥
⎢⎣ −0.1802 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣ 0.508117456781 ⎥⎦
Page 17 of 22
C.I.: 19705688
4ta Iteración:
x ≔ 1.067124640147 y ≔ 1.036572210193 z ≔ 0.508117456781
⎡ 2.1342 −2.0000 1.6622 ⎤

Φ x , y , z = ⎢ 3.5412 1.2152 −2.0325 ⎥
( )
⎢⎣ 1.4628 3.3570 −2.2801 ⎥⎦
−f (x , y , z) = −0.0346 −g (x , y , z) = −0.0038 −p (x , y , z) = −0.1432
⎡ −f (x , y , z) ⎤ ⎡ −0.0346 ⎤
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ −0.0038 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ ⎢⎣ −0.1432 ⎥⎦
−1
⎡ −0.0286 ⎤ ⎡x⎤ ⎡ 1.038486362315 ⎤
δ ≔ Φ (x , y , z) b = ⎢ −0.1057 ⎥ x4 ≔ y + δ = ⎢ 0.930823339670 ⎥
⎢ ⎥
⎢⎣ −0.1113 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣ 0.396848776838 ⎥⎦
5ta Iteración:
x ≔ 1.038486362315 y ≔ 0.930823339670 z ≔ 0.396848776838
Page 18 of 22
C.I.: 19705688
⎡ 2.0770 −2.0000 1.4871 ⎤

Φ (x , y , z) = ⎢ 3.0116 1.1200 −1.5874 ⎥
⎢⎣ 1.2008 2.6268 −1.8274 ⎥⎦
−f (x , y , z) = −0.0107 −g (x , y , z) = 0.012 −p (x , y , z) = −0.0169
⎡ −f (x , y , z) ⎤ ⎡ −0.0107 ⎤
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ 0.0120 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ ⎢⎣ −0.0169 ⎥⎦
−1
⎡ −0.0065 ⎤ ⎡x⎤ ⎡ 1.031989461882 ⎤
δ ≔ Φ (x , y , z) b = ⎢ −0.034 ⎥ x5 ≔ ⎢ y ⎥ + δ = ⎢ 0.896828840842 ⎥
⎢⎣ −0.0439 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣ 0.352983521285 ⎥⎦
6ta Iteración:
x ≔ 1.031989461882 y ≔ 0.896828840842 z ≔ 0.352983521285
⎡ 2.0640 −2.0000 1.4233 ⎤

Φ (x , y , z) = ⎢ 2.8654 1.0991 −1.4119 ⎥
⎢⎣ 1.1318 2.4328 −1.6959 ⎦⎥
−f (x , y , z) = −0.0015 −g (x , y , z) = 0.003 −p (x , y , z) = −0.0006
Page 19 of 22
C.I.: 19705688
⎡ −f (x , y , z) ⎤ ⎡ −0.0015 ⎤
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ 0.0030 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ ⎢⎣ −0.0006 ⎥⎦
−1
⎡ −0.0006 ⎤ ⎡x⎤ ⎡ 1.031406710236 ⎤
δ ≔ Φ (x , y , z) b = ⎢ −0.005 ⎥ x6 ≔ ⎢ y ⎥ + δ = ⎢ 0.891813400255 ⎥
⎢⎣ −0.0072 ⎥⎦ ⎢⎣ z ⎥⎦ ⎢⎣ 0.345760662272 ⎥⎦
7ma Iteración:
x ≔ 1.031406710236 y ≔ 0.891813400255 z ≔ 0.345760662272
⎡ 2.0628 −2.0000 1.4131 ⎤

Φ (x , y , z) = ⎢ 2.8461 1.0972 −1.3830 ⎥
⎢⎣ 1.1229 2.4070 −1.6767 ⎦⎥
−5 −5 −6
−f (x , y , z) = −3.7377 ⋅ 10 −g (x , y , z) = 9.4064 ⋅ 10 −p (x , y , z) = 2.2401 ⋅ 10
⎡ −3.7377 ⋅ 10 −5 ⎤
⎡ −f (x , y , z) ⎤
⎢ −5 ⎥
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ 9.4064 ⋅ 10 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ −6
⎣ 2.2401 ⋅ 10 ⎦
⎡ −1.0589 ⋅ 10 −5 ⎤ ⎡x⎤ ⎡ 1.031396121732 ⎤

−1
δ ≔ Φ (x , y , z) b = ⎢ −0.0001 ⎥ x7 ≔ ⎢ y ⎥ + δ = ⎢ 0.891686705789 ⎥
⎢ ⎥ ⎢⎣ z ⎥⎦ ⎢⎣ 0.345570349669 ⎥⎦
⎣ −0.0002 ⎦
Page 20 of 22
C.I.: 19705688
8va Iteración:
x ≔ 1.031396121732 y ≔ 0.891686705789 z ≔ 0.345570349669
⎡ 2.0628 −2.0000 1.4128 ⎤

Φ (x , y , z) = ⎢ 2.8457 1.0972 −1.3823 ⎥
⎢⎣ 1.1227 2.4064 −1.6762 ⎦⎥
−8 −8 −9
−f (x , y , z) = −2.57 ⋅ 10 −g (x , y , z) = 6.7848 ⋅ 10 −p (x , y , z) = 5.8799 ⋅ 10
⎡ −2.5700 ⋅ 10 −8 ⎤
⎡ −f (x , y , z) ⎤
⎢ −8 ⎥
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ 6.7848 ⋅ 10 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ −9
⎣ 5.8799 ⋅ 10 ⎦
⎡ −6.1017 ⋅ 10 −9 ⎤
⎡x⎤ ⎡ 1.031396115630 ⎤
−1 ⎢ −8 ⎥
δ ≔ Φ (x , y , z) b = ⎢ −8.4201 ⋅ 10 ⎥ x8 ≔ ⎢ y ⎥ + δ = ⎢ 0.891686621588 ⎥
−7 ⎢⎣ z ⎥⎦ ⎢⎣ 0.345570221189 ⎥⎦
⎣ −1.2848 ⋅ 10 ⎦
−7 −7
δmax ≔ max (|min (δ)| , |max (δ)|) = 1.2848 ⋅ 10 error ≔ δmax = 1.2848 ⋅ 10
Page 21 of 22
C.I.: 19705688
9na Iteración:
x ≔ 1.031396115630 y ≔ 0.891686621588 z ≔ 0.345570221189
⎡ 2.0628 −2.0000 1.4128 ⎤

Φ (x , y , z) = ⎢ 2.8457 1.0972 −1.3823 ⎥
⎢⎣ 1.1227 2.4064 −1.6762 ⎦⎥
−12 −13 −13

−f (x , y , z) = 1.3836 ⋅ 10 −g (x , y , z) = 4.664 ⋅ 10 −p (x , y , z) = −6.1451 ⋅ 10
⎡ 1.3836 ⋅ 10 −12 ⎤
⎡ −f (x , y , z) ⎤
⎢ −13 ⎥
b ≔ ⎢ −g (x , y , z) ⎥ = ⎢ 4.6640 ⋅ 10 ⎥
⎢⎣ −p (x , y , z) ⎥⎦ −13
⎣ −6.1451 ⋅ 10 ⎦
⎡ 2.9204 ⋅ 10 −13 ⎤
⎡x⎤ ⎡ 1.031396115630 ⎤
−1 ⎢ −13 ⎥
δ ≔ Φ (x , y , z) b = ⎢ −4.6488 ⋅ 10 ⎥ x9 ≔ y + δ = ⎢ 0.891686621588 ⎥
⎢ ⎥
−13 ⎢⎣ z ⎥⎦ ⎢⎣ 0.345570221189 ⎥⎦
⎣ −1.0519 ⋅ 10 ⎦
−13 −13
δmax ≔ max (|min (δ)| , |max (δ)|) = 4.6488 ⋅ 10 error ≔ δmax = 4.6488 ⋅ 10
if (error ≥ tol , “Seguir iterando” , “ok”) → “ok”
Verificación del sistema de ecuaciones:
f (x , y , z) = 0 g ( x , y , z) = 0 p (x , y , z) = 0
Page 22 of 22

Examen Cálculo Numérico

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Examen Cálculo Numérico

Cargado por

Copyright:

Formatos disponibles

Primer Parcial Cálculo Numérico

Nombre: Jean Franco Arandia T.

1) Dada la siguiente función:

Hallar la raíz en el intervao [1,2]

a) Aplicando el método de Newton-Raphson en forma manual (tres iteraciones).

Graficando la función para realizar el análisis preliminar se tiene:

Derivando f (x) se tiene:

Ecuación de la recta tangente en x0 =2:

y2 (x) ≔ f (2) + f' (2) (x − 2)

Ecuación de la recta tangente en x0 =1:

y1 (x) ≔ f (1) + f' (1) (x − 1)

La segunda derivada de f (x) es:

Evaluando f (1) y f'' (1) :

f (1) = −0.727 f'' (1) = 9.136

Evaluando f (2) y f'' (2) :

f (2) = 9.611 f'' (2) = 40.608

Método de Newton-Raphson (tres iteraciones manuales)

x0 ≔ 2 f ⎛⎝x0⎞⎠ = 9.6108 f' ⎛⎝x0⎞⎠ = 24.6116

x1 = 1.6095 f ⎛⎝x1⎞⎠ = 2.7096 f' ⎛⎝x1⎞⎠ = 11.6805

x2 = 1.3775 f ⎛⎝x2⎞⎠ = 0.6337 f' ⎛⎝x2⎞⎠ = 6.4989

b) Aplicando el algoritmo implementado en Matlab para Newton-Raphson con una

Para f='cos(exp(-2*x))-exp(x)+x^4', x=2, tol=10^-12, iter=20 se obtuvo:

2) Dada la siguiente matriz:

Hallar todos los valores y vectores propios (normalizados) usando:

a) Método algebraico aplicando el método de Newton-Raphson con Horner para

Para obtener el polinomio característico, se plantea el problema de la siguiente manera:

[ [ A ] − λ [ I ] ] { X }=0 donde: det [ [ A ] − λ [ I ] ] =0 para que existan infinitas soluciones.

Aplicando la regla de Horner para x0 =1:

El polinomio característico se puede expresar de la siguiente manera:

x0 ≔ 5 P ⎛⎝x0⎞⎠ = −2 P' ⎛⎝x0⎞⎠ = −9

if (error ≤ tol , “ok” , “Seguir iterando”) → “Seguir iterando”

x1 = 4.7778 P ⎛⎝x1⎞⎠ = −0.2853 P' ⎛⎝x1⎞⎠ = −6.4815

if (error ≤ tol , “ok” , “Seguir iterando”) → “Seguir iterando”

x2 = 4.7338 P ⎛⎝x2⎞⎠ = −0.0102 P' ⎛⎝x2⎞⎠ = −6.0177

if (error ≤ tol , “ok” , “Seguir iterando”) → “Seguir iterando”

if (error ≤ tol , “ok” , “Seguir iterando”) → “Seguir iterando”

P ⎛⎝x4⎞⎠ −12 −12

if (error ≤ tol , “ok” , “Seguir iterando”) → “Seguir iterando”

P ⎛⎝x5⎞⎠ −16 −12

if (error ≤ tol , “ok” , “Seguir iterando”) → “ok”

La raíz encontrada es x = 4.7321.

b) Método de la Potencia. (2 pts)

Para la aplicación de este método se utilizó el siguiente código de MATLAB:

El resultado obtenido fue:

⎡ 1.7887 0.4227 −0.7886 ⎤

Ahora partiendo de los siguientes parámetros:

⎡ 1.7887 0.4227 −0.7886 ⎤ ⎡1⎤

El resultado obtenido fue:

Repitiendo el proceso para el tercer valor propio ( λ3 ):

⎡ 0.7886 −0.5773 0.2116 ⎤

Se ejecuta la rutina para los parámetros:

⎡ 0.7886 −0.5773 0.2116 ⎤ ⎡1⎤

El resultado obtenido fue:

Escogiendo q1 ≔ 1 y resolviendo el sistema de ecuaciones:

El primer vector propio normalizado ( qnλ1 ) es:

Se repite el mismo procedimiento para determinar el segundo vector propio normalizado

Escogiendo q1 ≔ 1 y resolviendo el sistema de ecuaciones:

El segundo vector propio normalizado ( qnλ2 ) es:

De igual forma para determinar el tercer vector propio normalizado ( qnλ3 ).

Escogiendo q1 ≔ 1 y resolviendo el sistema de ecuaciones:

El tercer vector propio normalizado ( qnλ3 ) es:

c) Verificar todo con el comando eig de MATLAB. (1 pto)

Se verificaron los resultados introduciendo la siguiente línea de código en MATLAB:

A=[2 1 0;1 3 1;0 1 4];[evec,eval]=eig(A)