UNIVERSIDAD DE SONORA

DIVISION DE INGENIERIA

ANALISIS NUMERICO

SERIE #1

Instructor: Anaya Eredias Carlos

Alumno: Rodríguez López David Fernando

212209387
Rodriguez.lopez00@gmail.com

Hermosillo, Sonora, Octubre 27 2017

2.11.1 Encuentre la tercera iteración por el método de bisección de la función: 𝒇(𝒙) = 𝒔𝒆𝒏(𝒙) − 𝐜𝐨𝐬(𝟏 + 𝒙𝟐 ) − 𝟏
𝟐𝝅
En el intervalo [a, b]. 𝒂= 𝟑
, 𝒃=𝝅

% Datos
% f es la función dada como tipo inline
% a y b son los extremos del intervalo dado
% delta es la tolerancia
% Resultados
% c es la raíz aproximada de la función
% yc es el valor de f en c
% error es el error estimado de c

Programa:
f=inline('sin(x)-cos(1+x^2)-1');
ezplot(f,[2.72,2.75]); grid on
a=2.72; b=2.75; delta=1e8;
[c,error,yc]=biseccion(f,a,b,delta) n an bn Cn F(an) F(bn) F(Cn)
0 2π/3 π 2.6180 -0.7582 -0.8744 -0.5001
Resultados: 1 2.6180 π 2.8798 -0.5001 -0.8744 0.2502
c = 2.7350 2 2.6180 2.8798 2.7489 -0.5001 0.2502 0.0288
error = 0.0300 3 2.6180 2.7489 2.6834 -0.5001 0.0288 -0.2177
yc = -0.0184

2.11.2 Encuentre la cuarta iteración por el método de bisección de la función: 𝒇(𝒙) = 𝒙𝟐 𝐥𝐧(𝒙) − 𝟗𝒙 − 𝟏𝟖
En el intervalo [a, b]. 𝒂=𝟔 , 𝒃=𝟕

% Datos
% f es la función dada como tipo inline
% a y b son los extremos del intervalo dado
% delta es la tolerancia
% Resultados
% c es la raíz aproximada de la función
% yc es el valor de f en c
% error es el error estimado de c

Programa:
f=inline('(x.^2)*log(x)-9*x-18');
a=6.3;b=6.4;tol=1e8;
[c,error,yc]=biseccion(f,a,b,tol)
ezplot(f,[6.3,6.4]); grid on
n an bn Cn F(an) F(bn) F(Cn)
Resultados: 1 6 7 6.5 -7.496659 14.349959 2.583641
c = 6.379424694 2 6 6.5 6.25 -7.496659 2.583641 -2.664786
error = 5.960464122267695e-09 3 6.25 6.5 6.375 -2.664786 2.583641 -0.092952
yc = -1.276445260600667e-08 3 6.375 6.5 6.4375 -0.092952 2.583641 1.232211
2.11.8 Aplicando la regla falsa determine el cruce por cero de la función: 𝒇(𝒙) = 𝒙𝟑 𝒆−𝒙 + 𝟒𝒙𝟐 − 𝟏𝟎
Iniciando con 𝒙𝟎 = 𝟏 y 𝒙𝟏 = 𝟐. Detener el proceso en la cuarta iteración.

% Datos
% f es la función de tipo inline
% a y b son los extremos del intervalo dado
% delta es la tolerancia para el valor de la raíz
% tol es la tolerancia para el valor de f en la raíz
% max es el número máximo de iteraciones
% Resultados
% c es la raíz encontrada
% yc es el valor de la función en c
% error es el error estimado para c
Programa:
f=inline('((x^3)*exp(-x))+4*x^2-10');
ezplot(f,[1.4,1.6]);grid on
a=1.4;b=1.6;delta=1e-8;tol=delta;max=100;
[c,error,yc]=falsa(f,a,b,delta,tol,max)
n an bn F(an) F(bn) Cn F(Cn)
Resultados: 0 1 2 -3.6321 7.0827 1.4430 -0.9612
c =1.51925035 1 1.4430 2 -0.9612 7.0827 1.5096 -0.1291
2 1.5096 2 -0.1291 7.0827 1.5180 -0.0161
error = 8.796126049759323e-10
3 1.5180 2 -0.0161 7.0827 1.5191 -0.0019
yc = -2.737543525199726e-10
4 1.5191 2 -0.0019 7.0827 1.9192 -0.0006

2.11.9 Aplicando la regla falsa determine el cruce por cero de la función: 𝒇(𝒙) = 𝒙𝟑 𝐜𝐨𝐬(𝒙) − 𝟓𝒙𝟐 − 𝟏
En el intervalo [36, 37]. Detener el proceso en la cuarta iteración.

% Datos
% f es la función de tipo inline
% a y b son los extremos del intervalo dado
% delta es la tolerancia para el valor de la raíz
% tol es la tolerancia para el valor de f en la raíz
% max es el número máximo de iteraciones
% Resultados
% c es la raíz encontrada
% yc es el valor de la función en c
% error es el error estimado para c
Programa:
f=inline('((x^3)*cos(x))-5*x^2-1');
ezplot(f,[36.25,36.3]);grid on
a=36.25;b=36.3;delta=1e-8;delta=tol;max=100;
[c,error,yc]=falsa(f,a,b,delta,tol,max)

Respuestas: n an Bn Cn F(an) F(bn) F(Cn)

0 36 37 36.2806 -12451 31925 661.9357
c = 36.26664494
1 36 36.2806 36.2664 -12451 661.9357 -11.6167
error = 1.469665278364118e-09 2 36.2664 36.2806 36.2666 -11.6167 661.9357 -2.1315
yc = -1.777425495674834e-08 3 36.26664 36.2806 36.26664 -2.1315 661.9357 -0.2345
4 36.266644 36.2806 36.266644 -0.2345 661.9357 -0.0448
2.11.15 Realice cuatro iteraciones utilizando el método de la secante a la función: 𝒇(𝒙) = 𝒙 − 𝒄𝒐𝒔(𝒙)
Con 𝒙𝟎 = 𝟏 y 𝒙𝟏 = 𝟏. 𝟓 como condiciones iniciales.
% Datos
% f es la función dada como tipo inline
% p0 y p1 son las aproximaciones iniciales a la raíz
% delta es la tolerancia para p1
% epsilon es la tolerancia para los valores de f
% max es el número máximo de iteraciones
% Resultados
% p1 es la raíz aproximada
% error es una estimación del error de p1
% k es el número de iteraciones realizadas
% y es el valor de la función en p1

Programa:
f=inline('x-2*cos(x)');
ezplot(f,[1,1.5]); grid on
po=1;p1=1.5;delta=1e-8;epsilon=delta;max=200;
[p1,error,k,y]=secante(f,po,p1,delta,epsilon,max)

Respuestas:
p1 = 1.02986653
error = 4.000126119230174e-08
k= 4
y = -2.329469950268504e-12

2.11.29 Aplique el método Newton-Raphson para determinar el cruce por cero de la función:
𝒇(𝒙) = 𝒄𝒐𝒔(𝒙) + 𝟓𝒔𝒆𝒏(𝟏𝟓𝒙) + 𝒆−𝟎.𝟎𝟓𝒙 Contenido en el intervalo [16.1, 16.5] encuentre la condición inicial
apropiada.
% Datos
% f es la función dada como tipo inline
% df es la derivada de f dada como tipo inline
% p0 y p1 son las aproximaciones iniciales a la raíz
% delta es la tolerancia para p0
% epsilon es la tolerancia para los valores de f
% max es el número máximo de iteraciones
% Resultados
% p0 es la aproximación a la raíz
% error es la estimación del error de p0
% k es el número de iteraciones realizadas
% y es el valor de la función en p0

Programa:
f = inline ( ' cos(5*x) + 5*sin(15*x) + exp(-0.05*x) – 3 ' );
df = inline ( ' -5*sin(5*x) + 75*cos(15*x) - 0.05 ' );
p0=16.1;p1=16.5;delta=1e-10; epsilon=delta; max=200;
[p1,error,k,y]=newton(f,df,p0,p1,delta,epsilon,max)

Respuestas
p0 = 16.33336041
error = 3.9079850467e-13
k= 1
y = 6.12843101e-14
2.11.31 Aplique el método de Newton-Raphson para resolver un sistema de ecuaciones no lineales 𝒙𝟎 = 𝟏, 𝒚𝟎 =
𝟏, 𝒛𝟎 = 𝟏. Detener el proceso hasta que el valor de todos los incrementos sea menor que ∆< 𝟏𝒆−𝟔 . El sistema de
ecuaciones es el siguiente:
𝟕𝟏𝒙𝒛 − 𝟗𝒙𝟑 + 𝟕𝒛𝟒 = 𝟐𝟒𝟎 𝒙𝒚 + 𝟏𝟕𝒚𝒛 + 𝒙𝒚𝒛 = 𝟑𝟏 𝟑𝒙𝒛 + 𝟑𝒚𝒛𝟏𝟑𝒛𝟐 = 𝟏𝟑𝟐
% Datos
% F es el sistema no lineal como archivo F.m
% JF es la matriz jacobiana como archivo JF.m
% P es el punto inicial
% delta es la tolerancia para P
% epsilon es la tolerancia para F(P)
% max1 es el máximo de iteraciones
% Resultados
% P es la aproximación a la solución buscada
% iteración es el número de iteraciones realizadas
% error es la estimación del error de P
Programa:
p=[1,1,1];delta=1e-8;epsilon=delta; max=200;
[P, iteracion, error]= newdim (F, JF, p, delta, epsilon, max)
Respuestas:
P = 1.20085816 1.28471153 1.42276110
iteracion = 200
error = 0.504311606296422

X 1 7.254646 4.582485 3.597040 3.254273 3.217014 3.217066 3.217066

Y 1 -1.729959 -0.223884 0.429718 0.512009 0.520032 0.520951 0.520950
z 1 4.200810 2.989813 2.766001 2.781328 2.784352 2.784257 2.784257

2.11.32 Aplique el método de Newton-Raphson para resolver un sistema de ecuaciones no lineales 𝒙𝟎 = 𝟏𝟎, 𝒚𝟎 =
𝟏𝟎, 𝒛𝟎 = 𝟏𝟎. Detener el proceso hasta que el valor de todos los incrementos sea menor que ∆< 𝟏𝒆−𝟔. El sistema de
ecuaciones es el siguiente:
𝟐𝟒𝒙𝒛 + 𝟑𝒚𝟐 − 𝟓𝒙𝒚𝒛𝟐 = 𝟑𝟒 𝒙 − 𝟓𝟕𝒚𝟐 − 𝟏𝟐𝒙𝒛 = 𝟓𝟑 𝟒𝒙𝒚 + 𝟑𝒚𝒛𝟑 + 𝟐𝟓𝒙𝒛𝟐 = 𝟑𝟗
% Datos
% F es el sistema no lineal como archivo F.m
% JF es la matriz jacobiana como archivo JF.m
% P es el punto inicial
% delta es la tolerancia para P
% epsilon es la tolerancia para F(P)
% max1 es el máximo de iteraciones
% Resultados
% P es la aproximación a la solución buscada
% iteración es el número de iteraciones realizadas
% error es la estimación del error de P

Programa:
p=[10,10,10];delta=1e-8;epsilon=delta;max=500;
[P,iteracion,error]=newdim(F, JF,p,delta,epsilon,max)

Resultados:
P = 4.85898291 0.04199109 -0.04017071
iteracion = 500
error = 0.308990420286911