Practica 02 PDF

Universidad Nacional de Trujillo Ingeniera
Valle Jequetepeque Industrial
METODOS NUMERICOS
Ao de lA consolidAcin del MAr de GrAu.
Facultad de Ingeniera
Escuela Acadmico Profesional Ing. Industrial

Tema:
PRACTICA N2 DE METODOS NUMERICOS
Estudiantes:
METODOS NUMERICOS
PRACTICA N2 DE METODOS NUMERICOS
1) Resolver el siguiente sistema:
3x + 2y = -2
X+y+u=3
3x - 2y - u = -7
4x + 5y + 6z + 3u = 11
SOLUCIN:
x y u z
3 2 0 0 -2 1 1 1 0 -3 () +
1 1 1 0 -3 3 2 0 0 -2 () +
3 -2 -1 0 -7 3 -2 -1 0 -7
() +
4 5 3 6 11 4 5 3 6 11
1 1 1 0 -3 () + 1 1 1 0 -3
( ) +
0 -1 -3 0 7 () +
0 -1 -3 0 7
0 -5 -1 0 2 0 0 11 0 -33
0 1 -1 6 23 0 0 -4 6 23
x y u z 18
1 1 1 0 -3 = =3
6
0 -1 -3 0 7
0 0 11 0 -33 33
= = 3
0 0 11 6 18 11
= 3(3) 7 = 2
= 3 2 + 3 = 2
METODOS NUMERICOS
2. Se tienen tres lingotes compuestos del siguiente modo:

El primero de 25g de oro, 34g de plata y 45g de cobre
El segundo de 15g de oro, 40g de plata y 60g de cobre
El tercero de 40g de oro, 50g de plata y 95g de cobre
Se pide que peso habr de tomarse de cada uno de los lingotes anteriores
para formar un nuevo lingote de El primero de 26g de oro, 42g de plata y
70g de cobre. Resolver por mtodo de Gauss.
Solucin:
Ecuacin para el oro:

25 15 40
+ + = 26 25 15 40 25 3 8
104 115 185 | 26 | 26
104 115 185 104 23 37
Ecuacin para la plata: 34 40 50 17 8 10
| 42 | 42
34 40 50 104 115 185 52 23 37
+ + = 42 45 60 95 45 12 19
104 115 185 | 70] | 70 ]
[104 115 185 [ 104 23 37
Ecuacin para el cobre:
45 60 95
+ + = 70
104 115 185
25 3 8 25 3 8 25 3 8
| 26 | 26 | 26
104 23 37 104 23 37 104 23 37
17 8 10 98 22 166 98 22 166
| 42 0 | 0 |
52 23 37 575 925 25 575 925 25
45 12 19 33 23 116 298 589
| 70 ] 0 |
[ 104 23 37 [ 115 185 5 ] [ 0 0 1813 | 49 ]
298 589 98 22 166 25 3 8

= + 925 = + + = 26
1813 49 575 25 104 23 37
= 73.13 = 49.16 = 15.71
METODOS NUMERICOS
3. Una empresa que fbrica jarrones recibe un encargo para un da

determinado .Al planificar la produccin se dan cuenta de que si
fabrican 250 jarrones al da, faltaran 150 para concluir el plazo que
tienen. Si fabrican 260 jarrones diarios entonces les sobraran 80
Cuntos das tienen de plazo y cuntos jarrones les encargaron?
Resolver por Gauss Jordan, hacer su programa.
Resolucin:
:
:
250( ) = 15 (1)
260( ) = + 80 (2)
1. Reordenando Trminos
250( ) = 150
260( ) = 80
2. Resolviendo por el Mtodo de Gauss Jordan

1
1 ( ) 1 (260) + 2
250
250 1 150 1250 35]
[ ] [ 1
260 1 80 260 1 80
1 1250 3
1250 23 ]
1
[ 5]
[1
2 (25) 2 ( ) + 1
0 1 236 250
25 0 1 5900
1 0 23 x = 23 das
[ ]
0 1 5900 y = 5900 jarrones encargados
METODOS NUMERICOS
Programa MATLAB
METODOS NUMERICOS
4. Calcule las corrientes que fluyen en cada ramal del circuito. Resolver
por Jacobi (4 iteraciones) y un programa que encuentre la solucin con
una tolerancia de 0.001
1 ecuacin:
-10V+25(I1) +50(I1)-25(I2)-50(I3) =0
76(I1) - 25(I2) 50(I3) = 0
METODOS NUMERICOS
2 ecuacin:
1(I2)+25(I2)+30(I2)-1(I3)-25(I1)=0
-25(I1) + 56(I2) (I3) =0
3 ecuacin:
50(I3)+1(I3)+55(I3)-1(I2)-50(I1)=0
-50(I1) (I2) 106(I3) =0
Tomar como valores iniciales: X = [0 0 0]
10 + 252 + 503
I1 =
76
252 + 3
I2 =
56
501 + 2
I3 =
106
n Iteracin I1 I2 I3 Error
0 0 0 0 ------
1 0.1316 0 0 0.1316
2 0.1316 0.0588 0.0621 0.0855
3 0.1917 0.0599 0.0626 0.0601
4 0.1925 0.0866 0.0909 0.0389
METODOS NUMERICOS
PROGRAMA EN MATLAB
METODOS NUMERICOS
COMPROBACION DEL PROGRAMA
METODOS NUMERICOS
5. En una fbrica de ropa se producen tres estilos de camisa que

llamaremos 1, 2,3. Cada prenda pasa por el proceso de cortado, cosido,
planchado y empaquetado. Las camisas se elaboran por lote. Para
producir un lote de camisas tipo 1, se necesitan 50 min para cortarlas, 40
min para coserlas y 20 min para plancharlas y empaquetarlas. Para el tipo
2, 30 minutos para cortar, 60 min para coser y 30 min para planchar y
empaquetar. Para el tipo 3, 15 min para cortar, 10 min para coser y 30 min
para planchar y empaquetar. Cuntos lotes se pueden producir si se
trabajan 8 horas en cortar, 8 horas en coser y 8 horas en planchar y
empaquetar?
SOLUCIN:
Corte Coser Planchar
()
()
()
=
=
=

=

=

=

n x y z error
0 0 0 0 -
1 9.6 1.6 8 12.5984
2 6.24 2.5067 9.33 3.7257
3 5.297 3.4964 8.9723 1.413
4 4.8105 3.2976 9.4954 0.7415
METODOS NUMERICOS
6. Hacer un programa para resolver un sistema de ecuaciones lineales de

n variables, por el mtodo de Gauss que incluya la tcnica del pivoteo
parcial.
Solucin:
%Hacer un programa para resolver un sistema de ecuaciones

lineales de n variables, por el mtodo de Gauss que incluya
la tcnica del pivoteo parcial
clear,clc
n=input('NroEcuaciones=')
%Reservando espacio
M=zeros(n,n); N=zeros(n,1); X=N;
%Lectura de la matriz de coeficientes
disp('Matriz de Coeficientes')
for i=1:n
for j=1:n
fprintf('Ingrese un valor para M(%d,%d)=',i,j)
M(i,j)=input('');
end
end
disp('Matriz de COnstantes')
for i=1:n
fprintf('Ingrese un valor para N(%d)=',i)
N(i)=input('');
end
A=[M,N]
%Eliminacin hacia adelante
for j=1:n-1
%Pivoteo Parcial
F=j; %Fila mayor
for i=j+1:n;
if abs(A(i,j))>abs(A(F,j));
F=i;
end
end
%Intercambiando filas
if(j~=F)
VctTemp=A(j,:);
A(j,:)=A(F,:);
A(F,:)=VctTemp;
end
for i=j+1:n
A(i,:)=A(i,:)*(-A(i,j)/A(j,j))+A(j,:);
end
disp(A)
end
METODOS NUMERICOS
%Sustitucin Hacia atrs

for i=n:-1:1
X(i)=A(i,n+1);
for j=i+1:n
X(i)=X(i)-X(j)*A(i,j);
end
X(i)=X(i)/A(i,i);
end
disp ('Valor de las incognitas')
X
METODOS NUMERICOS
7. Hacer un programa para resolver un sistema de ecuaciones lineales

de n variables, por el mtodo de gauss que incluya la tcnica del
pivoteo parcial
%EJERCICIO 7 ELIMINACION GAUSS - JORDAN

clear,clc
matriz=input('Ingrese Matriz Ampliada: ');clc
disp('Matriz Ampliada')
disp(matriz)
[fila columna]=size(matriz);
%triangulacion superior
if fila==columna-1
fprintf('Eliminacion Gauss-Jordan\n')
for i=1:fila-1
for j=i+1:fila
mult=-matriz(j,i)/matriz(i,i);
matriz(j,:)=matriz(j,:)+matriz(i,:)*mult;
end
disp('--------------------')
disp(matriz)
end
end
%triangulacion inferior
if fila==columna-1
for i=fila:-1:1
for j=1:i-1
mult=-matriz(j,i)/matriz(i,i);
matriz(j,:)=matriz(j,:)+matriz(i,:)*mult;
end
disp('--------------------')
disp(matriz)
end
for i=1:fila
matriz(i,:)=matriz(i,:)/matriz(i,i);
end
end
%solucion
for i=1:fila
matriz(i,:)=matriz(i,:)/matriz(i,i);
end
fprintf('***********************************************************\n')
disp('Vector Solucion')
disp(matriz)
%matriz ejemplo
METODOS NUMERICOS
%[5 2 3;-3 3 15]

%x=-1 y=4
EJECUCION DEL PROGRAMA
Matriz Ampliada
5 2 3
-3 3 15
Eliminacin Gauss-Jordan
--------------------
5.0000 2.0000 3.0000
0 4.2000 16.8000
--------------------
5.0000 0 -5.0000
0 4.2000 16.8000
--------------------
5.0000 0 -5.0000
0 4.2000 16.8000
***********************************************************
Vector Solucin
1 0 -1
0 1 4
8. Hacer una rutina de programacin que ingrese un sistema de

ecuaciones lineales n variables, y determine si est bien o mal
condicionado.
%Gauss con Condicionamiento
clc, clear
n=input('De cuantas ecuaciones se compone el sistema?:');
%Reservamos espacio anticipadamente, para optimizar.
M = zeros(n,n); Y = zeros(n,1); X = Y;
%Lectura de la matriz de coeficientes.
disp('Lectura de la matriz de coeficientes.')
for i=1:n
for j=1:n
fprintf('Ingrese un valor para M(%d, %d): ', i, j)
M(i, j)=input('');
end
end
disp('Lectura del vector columna Y')
for i=1:n
METODOS NUMERICOS
fprintf('Ingrese un valor para Y(%d): ',i)

Y(i)=input('');
end
%Formamos la matriz ampliada.
A=[M,Y];
%Eliminacion hacia adelante.
for j=1:n-1
for i=j+1:n
A(i,:)=A(i,:)+A(j,:)*(-A(i,j)/A(j,j));
end
end
%Sustitucion hacia atras.
for i=n:-1:1
X(i)=A(i,n+1);
for j=i+1:n
X(i)=X(i)-X(j)*A(i,j);
end
X(i)=X(i)/A(i,i);
end
disp('Se ha encontrado el valor de las incognitas: ')
Bien o mal condicionado:

%Escalamos la matriz de coeficientes.
%Nos aseguramos de que no tenga un determinate muy pequeo.
T=M; %Matriz auxiliar para no afectar la original.
mayor=abs(T(1,1));
for i=1:n
for j=1:n
if(abs(T(i,j))>mayor)
mayor=abs(T(i,j));
end
end
end
for i=1:n
T(i,:)=T(i,:)/mayor;
end
if(abs(det(T))<= 0.06)
disp('El sistema esta mal condicionado.')
return;
else
disp('El sistema esta bien condicionado')
end
METODOS NUMERICOS
9. El sistema No lineal tiene dos soluciones :
( + 1) + 2 = 18
( 1)2 + ( 6)2 = 25
a) Grafique las ecuaciones

b) Usando valores iniciales encuentre una de las soluciones usando el
mtodo del Punto Fijo Multivariable con una = 0.05
c) Aplique el Mtodo de Newton Raphson Modificado
d) Aplique el Mtodo de Newton Raphson
Resolucin
a) Grafique las ecuaciones
( + 1) + 2 = 18 . . ()
( 1)2 + ( 6)2 = 25 . ()
METODOS NUMERICOS
b) Usando valores iniciales encuentre una de las soluciones usando

el mtodo del Punto Fijo Multivariable con una = 0.05
1. Despejar las ecuaciones en trminos de x e y
2 18
= (1)
+1
2 2 + 2 + 12
= . . (2)
12
Mtodo del Punto Fijo Multivariable
2 18
1 = 1 (0, 0 ) =
+1
2 + 2 2+12
1 = 2 (0, 0 ) = 12
Condicin suficiente aunque no necesaria de convergencia
1 2 18 2 1
= =
( + 1)2 6
1 2 2
= =
( + 1) 6

| 1 | + | 2 | < 1
| 1 | + | 2 | < 1
|0.608| + |0.0833| < 1 |0.8| + |1.8667| < 1

0.6913 < 1 2.6667 > 1
La Condicin de convergencia no se cumple puesto que solo una

de las sumas de las derivadas parciales es mayor que uno, lo que
quiere decir que Diverge
Con desplazamiento simultaneo

Para = . = .
METODOS NUMERICOS
n x y error
0 1,5 10,9 10.9461
1 1,52 10,8400333 0,1239
2 1,46034392 10,7313936 1,0116
3 1,40744027 9,72113263 2,3190
4 0,59908662 7,54760194 3,8562
5 -1,81653457 4,54180177 12,9033
Desplazamiento sucesivo
Para = . = .
n x y error
0 1,5 10,9 10.9491
1 1,52 10,8400333 0,1282
2 1,46034392 10,7265199 0,2157
3 1,40347853 10,5184187 0,4014
4 1,26351762 10,1422145 0,7012
5 1,00923846 9,48871671 1,7752
c) Aplique el Mtodo de Newton Raphson Modificado
1 (, ) = 2 + 2 18
2 (, ) = ( 1)2 + ( 6)2 25
2 (, ) = 2 2 + 2 12 + 12
1 2
= 2 1 = 2 12

METODOS NUMERICOS
Mtodo Newton Raphson Modificado con desplazamientos sucesivos
1 (, ) 2 (1, )
1 = 0 1 = 0
1 2
| |
(0 ,0 ) (1 ,0 )
Para = . = .
1 Iteracin (1.5, 10.9)
(1.5)2 (1.5) + 2(10.9) 18 0.05

1 = 1.5 = 1.5 = 1.5125
2(10.9) 1 4
2
1.5125 2(1.5125) + 10.92 12(10.9) + 12 0.7273
1 = 10.9 = 10.9 = 10.9742
2(10.9) 12 9.8
2
= (1.5125 1)2 + (10.9755 10.9)2 = 11.0780
2 Iteracin (1,5125.10.9742)
(1.5125)2 (1.5125) + 2(10.9742) 18 0.1483

1 = 1.5125 = 1.5125 = 1.5493
2(1.5125) 1 4.0250
= 13.0833
(1.5493)2 2(1.5493) + 10.97422 12(10.9742) + 12 0.0446

1 = 10.9742 = 10.9742 = 10.9697
2(10.9742) 12 9.9484
2
= (1.5493 1.5125)2 + (10.9697 10.9742)2 = 0.0371
METODOS NUMERICOS
El error satisface a la = 0.05
d) Aplique el Mtodo de Newton Raphson
1 (, ) = 2 2 18
2 (, ) = ( 1)2 + ( 6)2 25
2 (, ) = 2 2 + 2 12 + 12
1 1
= 2 1 =2

2
2 = 2 12
= 2 2

2 1 2
[ ] [ 1] = [ 1]
2 2 2 12 2 2
2 1 2 ( 2 2 18)
[ ] [ 1] = [ ]
2 2 2 12 2 ( 2 2 + 2 12 + 12)
Para = =
1 Iteracin (1, 10)
2(1) 1 2 ((1)2 (1) + 2(10) 18)

[ ] [ 1] = [ ]
2(1) 2 2(10) 12 2 (1)2 2(1) + (10)2 12(10) + 12)
METODOS NUMERICOS
3 2 1 ((1)2 (1) + 2(10) 18)

[ ][ ] = [ ]
0 8 2 (1)2 2(1) + (10)2 12(10) + 12)
3 2 1 0
[ ][ ] = [ ]
0 8 2 9
3 2 0
[ ]
0 8 9
82 = 9 31 + 22 = 9
2 = 1.125 31 + 2(1.125) = 0
1 = 0.75
1 = 0 + 1 1 = 0 + 2
1 = 1 + 0.75 = 1.75 1 = 10 + 1.125 = 11.125
2
= (1.75 1)2 + (11.125 10)2 = 1.3521
2 Iteracin (1.75, 11.125)
4.5 2 0.5625
[ ] [ 1] = [ ]
1.5 10.25 2 1.8281
1 = 0.1918 2 = 1.5582
2 = 0.1503 2 = 10.9747
= 2(1.5582 1.75)2 + (10.9747 11.125)2 =0.2436
METODOS NUMERICOS
3 Iteracin (1.5582, 10.9747)
4.116 2 0.0368
[ ] [ 1] = [ ]
1.1164 9.9494 2 0.0592
1 = 0.0112 3 = 1.547
2 = 0.0047 3 = 10.97
= 2(1.547 1.5582)2 + (10.97 10.9747)2 =0.01215
El error satisface a la = 0.
METODOS NUMERICOS
10. La presin requerida para sumergir un objeto pesado y grande en un terreno

suave y homogneo que se encuentra sobre un terreno de base dura, puede
predecirse a partir de la presin requerida para sumergir objetos ms pequeos en el
mismo suelo.* en particular la presin p para sumergir una lmina circular de radio r
a una distancia en el terreno suave, donde el terreno de base dura se encuentra a
una distancia D>d debajo de la superficie, puede aproximarse mediante una ecuacin
de la forma:
P=K1*exp(k2*r)+k3*r .. (1)
Donde k1,k2 y k3 son constantes que, con k2>0, dependen de d y la

consistencia del terreno, pero no del radio de la lmina. Encuentre los
valores de k1,k2 y k3, si se supone que una lmina de radio de 1 pulgada
requiere una presin de 10 lb/pulg2 para sumergirse un pie en el terreno
lodoso; una lmina de radio de 2 pulgadas, requiere una presin de 12
lb/pulg2 para sumergirse 1 pie; y una lmina de radio 3 pulgadas requiere
una presin e 15 lb/pulg2 (suponiendo que el lodo tiene una profundidad
mayor que 1 pie). Usar el mtodo que crea conveniente con tol=0.001.
k1=10 k2=1 k3=1
2 1 2 1 1 1
J= 22 21 22 2 2 = 2
32 31 32 3 3 3
1 Iteracin:
k1=28.4579 k2=0.3196 k3=-48.8602 error= 51.2901
2 Iteracin:
k1=8.7890 k2=0.3041 k3=-1.4913 error= 0.6051
3 Iteracin:
k1=8.7848 k2=0.2653 k3=-1.4396 error= 0.0670
4 Iteracin:
k1=8.7714 k2=0.2598 k3=-1.3735 error= 0.0012
METODOS NUMERICOS
11. Explique con ejemplos, dada una matriz de tercer orden como
determinar si es positiva definida o negativa definida:
DEFINIDAS
DEFINIDA POSITIVA A1>0,A2>0,A3>0,...An>0
A1<0,A2>0,A3<0,A4>0,...
DEFINIDA NEGATIVA An>0 si n es par
An<0 si n es impar
Positiva definida:
1 = |60|

60 30 20 1
= |30 20 15| 60 30
20 15 12 =| |
30 20
Hallando determinantes:
|1 | = 60 > 0
|2 | = [(60 30) (30 30)] = 120 > 0
|| = [(60 30 12) + (30 20 15) + (30 15 20)]

[(20 20 20) + (30 30 12) + (60 15 15)] = 100 > 0
Se observa que 1 > 0; 2 > 0; > 0 . :. Positiva definida
Negativa definida:
1 0 2 1 = |1|
= | 0 3 0 |
1 0 6 1 0
1 = | |
0 3
Hallando determinantes:
|1 | = 1 < 0
|2 | = [(1 3) (0 0)] = 3 > 0
|| = [(1 3 6) (1 3 6)] = 12 < 0
Se observa que 1 < 0; 2 > 0; < 0 . :. Negativa definida
METODOS NUMERICOS
12. Haga una Iteracin del mtodo de Newton Raphson para hallar el
punto extremo de :
( ) = 8 2 12 2 2 + 2 2 2 2 + + 28
Usar 0 = 1 , 0 = 1 , 0 = 1 como valores iniciales El punto extremo

ser un mximo o un mnimo?

8 2 + 2 2 1

= =[ 12 4 + 2 + ] 0 = [1]
4 2 + + 28 1

[ ]
2 2 2
H=[ 2 4 1]
6 2 1 4
(1,1,1) = [13]
23
52 1 1
H1 = 1 23 1
3
1 1 2
3]
[ 3
52 1 1 20
1 6
1 = [1] 1 23 1 [13] = [ 283 ]
3
1 1 2 23 44
[ 1 3 3] 3
(1,1) = 2 < 0
H es definida Negativa
(2,2) = 4>0 Promete Convergencia a un
Mximo Local
(3,3) = 6 < 0
METODOS NUMERICOS
13. Resolver usando el mtodo que estime conveniente:
Sea el siguiente conjunto de reacciones:
2 +
Calcule las concentraciones de equilibrio de cada una de las especias si inicialmente de

introduce una concentracin:
, 0 = 40
, 0 = 15
, 0 = 0
, 0 = 10
SOLUCIN:
+ +
= =
= =
= + + = +
= =
METODOS NUMERICOS
14. Resolver el siguiente sistema:
METODOS NUMERICOS
Graficar y hallar valores iniciales, positivos adecuados y resolver con tol=

0.01
a) Mtodo de punto fijo multivariable con desplazamientos sucesivos.

b) Mtodo de Newton Raphson
c) Mtodo de Newton Raphson modificado
( )
= 2.6
(2 )(1 )
x (x-y) = 2.6 [(2-x-y) (1-x)]
x (x-y)=2.6 [2-2x-x+x2-y+xy]
x2-y2 = 5.2- 5.2x 2.6x + 2.6x2- 2.6y + 2.6xy
x2- xy = 5.2 7.8x + 2.6x2 2.6y + 2.6xy
0 = 1.6x2 + 3.6xy 2.6y +5.2 7.8x ------------------ f1 (x, y)
(2)2
= 3.1
(2 )( )
4y2 = 3.1 [(2-x-y) (x-y)]
4y2 = 3.1 [2x-2y-x2+xy-xy+y2]
4y2 = 6.2x 6.2y 3.1x2 + 3.1y2
0= 6.2x 6.2y 3.1x2 0.9y2 --------------------------- f2 (x, y)
METODOS NUMERICOS
GRAFICAS
Criterio de convergencia
1.6 2 +3.62.6+5.2 6.23.1 2 0.9 2

G1(x, y) = G2(x, y) =
7.8 6.2

Puntos iniciales: Xo= 0.8 y Yo=0.45
1 3.2+3.6 2 6.26.2
= = =1
7.8 6.2
1 3.62.6 2 1.8
= =
7.8 6.2
METODOS NUMERICOS

| 1| + | 2 | < 1 | 1| + | 2 | < 1
|0.54| + |0.2| < 1 |0.036| + |0.131| < 1

0.74 < 1 0.167 < 1
a) Mtodo de punto fijo multivariable con desplazamientos sucesivos.
n Iteracin X Y Error
0 0.8 0.45 0.918
1 0.814 0.453 0.014
2 0.822 0.454 0.0081
b) Mtodo de Newton Raphson

f1 (x, y)= 1.6x2 + 3.6xy 2.6y +5.2 7.8x
1 1
= 3.2 + 3.6 7.8 = 3.6 2.6

f2 (x, y)= 6.2x 6.2y 3.1x2 0.9y2

2 2
= 6.2 6.2 = 6.2 1.8

Jacobiano
1 1
| 3.2 + 3.6 7.8 3.6 2.6
= || | = | |
2 2 6.2 6.2 6.2 1.8

Reemplazamos con Xo= 0.8 y Yo=0.45:
3.62 0.28
= | |
1.24 7.01
METODOS NUMERICOS
Hallamos Nf:
1(0 , ) 0.11
= | |=| |
2 (0 , ) 0.62
Ahora:
Jacobiano * Vector corrector = Nf
3.62 0.28 1 0.11

| | | |=| |
1.24 7.01 2 0.62
3.621 + 0.282 = 0.11
1.241 7.012 = 0.02
.
3.62 0.28 0.11 F1( )+F2
| | .
1.24 7.01 0.02
3.62 0.28 0.11

| |
0 6.914 0.057
6.9142 = 0.057 3.621 + 0.28(0.0082) = 0.11

2 = 0.0082 3.621 = 0.112
1 = 0.0309
c) Mtodo de Newton Raphson modificado

Aplicamos Newton Raphson modificado con desplazamientos sucesivos
1
= 3.2 + 3.6 7.8

2
= 6.2 1.8

METODOS NUMERICOS
1 Iteracin: Xo= 0.8 y Yo=0.45:
1.6(0.8)2 + 3.6(0.80.45) 2.6(0.45) + 5.2 7.8(0.8)

1 = 0.8
3.2(0.8) + 3.6(0.45) 7.8
1 = 0.8303
6.2(0.8) 6.2(0.45) 3.1(0.8)2 0.9(0.45)2

1 = 0.45
6.2 1.8(0.45)
1 = 0.4505
= 0.03032 + (5104 )2 = 0.0303
2 Iteracin: X1= 0.8303 y Y1=0.4505:
(1.977103 )
2 = 0.8303 = 0.8309
3.5212
0.0356
2 = 0.4505 = 0.4556
7.0109
= (0.8309 0.8303)2 + (0.4556 0.4505)2 = 0.0051
METODOS NUMERICOS
15. Se desea encontrar el volumen ms grande posible de un tanque de

agua de forma de un cilindro circular recto, el cual se encuentra alojado
dentro de una cmara en forma conoidal si se sabe que el radio de la
cmara es de 3 metros y tiene una altura de 8metros Cul ser la
cantidad de agua que podr alojar el tanque?
Resolver con un programa en MATLAB usando el mtodo que ms crea

conveniente, con una tol =0.001
Solucin:
Tenemos:
Volumen del cilindro: = 2 . . (1)
3
Por semejanza de tringulos: = 8
8
24 3 = 8
24 3
=
8
METODOS NUMERICOS
3
= 3
8
Sustituyendo el valor de r en (1):
3 2
= (3 )
8
9 2 9 3
() = 9 +
4 64
Siendo esta, nuestra

ecuacin a maximizar.
Para Maximizar la ecuacin utilizaremos el Mtodo de Newton Raphson, por lo

que necesitamos:
9 27 2
() = 9 +
2 64
9 27
() = +
2 32
h f'(h)
1 15.46
1.5 10.05 0 = 2.5
2 5.30
2.5 1.21
3 -2.20
3.5 -4.97
METODOS NUMERICOS
CODIGO DE MATLAB:
%Metodo Newton-Raphson Optimizacion

clc, clear
V0=3;tol=0.001;error=10;
V=inline('9*pi*h-9/4*pi*h^2+9/64*pi*h^3')
dV=inline('9*pi-9/2*pi*h+27/64*pi*h^2')
d2V=inline('-9/2*pi+27/32*pi*h')
i=1
while error>tol
fprintf('Iteracion N %d\n',i)
fprintf('================\n')
V1=V0-dV(V0)/d2V(V0)
error=sqrt((V1-V0)^2)
V0=V1;
i=i+1;
end
disp('La altura mxima es:')
disp(V1)
disp('Por lo tanto reemplazando en nuestra ecuacion V(h)')
disp('El volumen Maximo es:')
V(V1);
fprintf ('%f m^2\n',V(V1))
EL REPORTE DEL PROGRAMA:
V=
Inline function:
V(h) = 9*pi*h-9/4*pi*h^2+9/64*pi*h^3
dV =
Inline function:
dV(h) = 9*pi-9/2*pi*h+27/64*pi*h^2
d2V =
Inline function:
d2V(h) = -9/2*pi+27/32*pi*h
METODOS NUMERICOS
Iteracin N 1
================
V1 =
2.6429
Error =
0.3571
Iteracin N 2
================
V1 =
2.6666
Error =
0.0237
Iteracin N 3
================
V1 =
2.6667
Error =
1.0535e-04
La altura mxima es:
2.6667
Por lo tanto reemplazando en nuestra ecuacin V(h)
El volumen Mximo es:
33.510322 m^2
METODOS NUMERICOS

Practica 02 PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Practica 02 PDF

Caricato da

Copyright:

Formati disponibili

Universidad Nacional de Trujillo Ingeniera

Valle Jequetepeque Industrial

Ao de lA consolidAcin del MAr de GrAu.

Escuela Acadmico Profesional Ing. Industrial

PRACTICA N2 DE METODOS NUMERICOS

1) Resolver el siguiente sistema:

2. Se tienen tres lingotes compuestos del siguiente modo:

Ecuacin para el oro:

298 589 98 22 166 25 3 8

3. Una empresa que fbrica jarrones recibe un encargo para un da

2. Resolviendo por el Mtodo de Gauss Jordan

76(I1) - 25(I2) 50(I3) = 0

-25(I1) + 56(I2) (I3) =0

-50(I1) (I2) 106(I3) =0

Tomar como valores iniciales: X = [0 0 0]

COMPROBACION DEL PROGRAMA

5. En una fbrica de ropa se producen tres estilos de camisa que

6. Hacer un programa para resolver un sistema de ecuaciones lineales de

%Hacer un programa para resolver un sistema de ecuaciones

%Sustitucin Hacia atrs

7. Hacer un programa para resolver un sistema de ecuaciones lineales

%EJERCICIO 7 ELIMINACION GAUSS - JORDAN

%[5 2 3;-3 3 15]

EJECUCION DEL PROGRAMA

8. Hacer una rutina de programacin que ingrese un sistema de

fprintf('Ingrese un valor para Y(%d): ',i)

Bien o mal condicionado:

9. El sistema No lineal tiene dos soluciones :

a) Grafique las ecuaciones

a) Grafique las ecuaciones

b) Usando valores iniciales encuentre una de las soluciones usando

1. Despejar las ecuaciones en trminos de x e y

Mtodo del Punto Fijo Multivariable

Condicin suficiente aunque no necesaria de convergencia

|0.608| + |0.0833| < 1 |0.8| + |1.8667| < 1

La Condicin de convergencia no se cumple puesto que solo una

Con desplazamiento simultaneo

c) Aplique el Mtodo de Newton Raphson Modificado

Mtodo Newton Raphson Modificado con desplazamientos sucesivos

1 Iteracin (1.5, 10.9)

(1.5)2 (1.5) + 2(10.9) 18 0.05

(1.5125)2 (1.5125) + 2(10.9742) 18 0.1483

(1.5493)2 2(1.5493) + 10.97422 12(10.9742) + 12 0.0446

El error satisface a la = 0.05

d) Aplique el Mtodo de Newton Raphson

1 Iteracin (1, 10)

2(1) 1 2 ((1)2 (1) + 2(10) 18)

3 2 1 ((1)2 (1) + 2(10) 18)

2 Iteracin (1.75, 11.125)

= 2(1.5582 1.75)2 + (10.9747 11.125)2 =0.2436

3 Iteracin (1.5582, 10.9747)

= 2(1.547 1.5582)2 + (10.97 10.9747)2 =0.01215

10. La presin requerida para sumergir un objeto pesado y grande en un terreno

Donde k1,k2 y k3 son constantes que, con k2>0, dependen de d y la

k1=10 k2=1 k3=1

k1=28.4579 k2=0.3196 k3=-48.8602 error= 51.2901

k1=8.7890 k2=0.3041 k3=-1.4913 error= 0.6051

k1=8.7848 k2=0.2653 k3=-1.4396 error= 0.0670

k1=8.7714 k2=0.2598 k3=-1.3735 error= 0.0012

DEFINIDA POSITIVA A1>0,A2>0,A3>0,...An>0

|2 | = [(60 30) (30 30)] = 120 > 0

|| = [(60 30 12) + (30 20 15) + (30 15 20)]

Se observa que 1 > 0; 2 > 0; > 0 . :. Positiva definida