Informe de Metodos

UNIVERSIDAD JOSE CARLOS MARIATEGUI
CARRERA PROFESIONAL DE INGENIERIA CIVIL
METODO DE BUSQUEDA DE RAICES
1.1.
METODO DE LA BISECCION:
Objetivo:
Aproximacin a una raz de la ecuacin f(x)=0 en el intervalo [a,b]. Puede
usarse solo si f(x) es continua y f(a) y f(b) tienen distinto signo.
Variables de entrada:
f es la funcion, introducida como una cadena de
caracteres 'f'
a y b son el extremo izquierdo y el extremo derecho.
delta es la tolerancia
Variables de salida:
c es el cero
yc=f(c)
err es el error estimado de la aproximacion a c
Variables auxiliares:
ya, yb, max1, (almacenas los valores internos del programa).
Uso:
El programa se utiliza de la siguiente manera:
Se ingresa una funcin f como una cadena de caracteres.
Ingresar los intervalos de la funcin.
Designar el valor para delta que ser la tolerancia al error.
Una vez ingresados los datos anteriormente mencionados en la
ventana de command window.
Llamar a la funcin por el nombre asignado.
Este correr de manera ordenada segn los pasos descritos en el
programa, haciendo uso de las variables auxiliares que almacenaran
nuevos valores hasta las variables de salida.
INFORME DE METODOS NUMERICOS
Pgina 1

Programa:
function [ c,err,yc] = bisect(f,a,b,delta)
ya=feval(f,a);
yb=feval(f,b);
if ya*yb>0,break,end
max1=1+round((log(a-b)-log(delta))/log(2));
for k=1:max1
c=(a+b)/2;
yc=feval(f,c);
if yc==0
a=c;
b=c;
elseif yb*yc>0
b=c;
yb=yc;
else
a=c;
ya=yc;
end
if b-a < delta,break,end
end
c=(a+b)/2;
err=abs(b-a);
yc=feval(f,c);
end
Ejemplo:
Pgina 2

1.2.
METODO DE LA REGULA FALSI O DE LA POCICION FALSA:

Objetivo:
Aproximacin a una raz de la ecuacin f(x)=0 en el intervalo [a,b]. puede
usarse solo si f(x) es continua y f(a) y f(b) tienen distinto signo.
f es la funcion, introducida como una cadena de
caracteres 'f'
a y b son el xtremo izquierdo y el estremo derecho.
delta es la tolerancia para el cero.
epcilon es la tolerancia para el valor de f en el cero.
max1 e el nmero mximo de iteraciones.
c es el cero
yc=f(c)
err es el error estimado de la aproximacin a c
ya, yb, dx, c, ac, yc, (almacenas los valores internos del programa).
Uso:
Ingresar los intervalos de la funcin.
Designar el valor para delta que ser la tolerancia al error.
Designar un valor para psilon para la tolerancia para el valor de la
funcin f.
Pgina 3

Programa:
function [ c,err,yc] = regula(f,a,b,delta,epsilon,max1)
ya=feval(f,a);
yb=feval(f,b);
if ya*yb>0
disp('note: f(a)*f(b)>0'),
break,
end
for k=1:max1
dx=yb*(b-a)/(yb-ya);
c=d-dx;
ac=c-a;
yc=feval(f,c);
if yc==0,break;
elseif yb*yc>0
b=c;
yb=yc;
else
a=c;
ya=yc;
end
dx=min(abs(dx),ac);
if abs(dx)<delta,break,end
if abs(yc)<epsilon,break,end
end
c;
err= abs (b-a)/2;
yc=feval(f,c);
end
Ejemplo:
1.3.
METODO DE NEWTON RAPHSON:

Objetivo:
Aproximacin a una raz de f(x)=0 a partir de un valor inicial p 0 mediante la
iteracin
(
)
(
)
f es la funcion introducida como una cadena de
carcteres 'f'
df es la derivada de f, introducida como una cadenma
'df'
Pgina 4

p0 es la aproximacion inicial a un cero de f
delta es la tolerancia para p0
epsilon es la tolerancia para los valores de la funcion
max1 es el numeroi maximo de iteraciones
p0 es la aproximacion al cero, obtenida con el metodo
de Newton-Rapson
err es una estimacion al error de p0
k es el numero de iteraciones realizadas
y es el valor de la funcion f(p0)
p1, (almacena los valores internos del programa).
Uso:
Ingresar df que es la derivada de f introducida como una cadena
de caracteres.
designar el valor para delta que ser la tolerancia al error.
Designar un valor para psilon para la olerancia parael valor de la
funcin f.
Programa:
function [p0,err,k,y] = newton(f,df,p0,delta,epsilon,max1)
for k=1:max1
p1=p0-feval(f,p0)/feval(df,p0);
err=abs(p1-p0);
relerr=2*err/(abs(p1)+delta);
p0=p1;
y=feval(f,p0);
if (err<delta)|(relerr<delta)|(abs(y)<epsilon),break,end
end
Ejemplo:
Pgina 5

1.4.
METODODE LA SECANTE:
Objetivo:
Aproximacin a una raz de f(x)=0 a partir de un valor inicial p 0 mediante p0
y p la iteracin
( ) (
)
( ) (
)
f la funcion, intrducida como uan cadena de carcteres 'f'
p0 y p1 son las aproximaciones iniciales a un cero de f
delta es la tolerancia para p1
epsilon es la tolerancia para los valores de la funcion
max1 es el numero maximo de iteraciones
p1
la
%
%
%
es la aproximacion al cero, obtenida con el metodo de

secante
-err es una estimacion del error de p1
-k es el numero de iteraciones relaizadas
-y es el valor de la funcion f(p1)
p2, releer, feval, que son las que se utiliza la m
Uso:
Ingresar df que es la derivada de f introducida como una cadena
de caracteres.
designar el valor para delta que ser la tolerancia al error.
Designar un valor para psilon para la tolerancia para el valor de la
funcin f.
Ingresar en max1 el nmero mximo de iteraciones.
Pgina


Programa:
function [p1,err,k,y] = secant(f,p0,p1,delta,epsilon,max1)
for k=1:max1
p2=p1-feval(f,p1)*(p1-p0)/(feval(f,p1)-feval(f,p0));
err=abs(p2-p1);
relerr=2*err/(abs(p2)+delta);
p0=p1;
p1=p2;
y= feval (f,p1);
if (err<delta)|(relerr<delta)|(abs(y)<epsilon),break,end
end
Ejemplo:
2. RESOLUCION DE SISTEMAS LINEALES.

2.1.
SUSTITICION REGRESIVA:
Objetivo:
Resolucion de un sistema triangular superior AX=B por el mtodo de
sustitucin regresiva. El mtodo funciona solo si todos los elementos
diagonales on distintos de cero. Primero se calcula XN=bN/aNN yluego se
utiliza la regla:
a es una matriz triangular superior invertible de orden
n*n
b es una matriz de orden n*1
x es la solucion del sistema lineal ax=b
calculo de la dimencion de b e inicializacion de x
Pgina 7

n, length, variables de almacenamiento para valores del programa.
Uso:
Se ingresa en A una matrix triangular superior invertible de orden
n*n.
En B se ingresa una matriz de orden n*1.
Llamar a la funcin por el nombre asignado, adicionando las
variables a las cuales debe jalar para solucionar el programa.
Programa:
function [ x ] = backsub( a,b )
n=length(b);
x=zeros(n,1);x(n)=b(n)/a(n,n);
for k=n-1:-1:1
x(k)=(b(k)-a(k,k+1:n)*x(k+1:n))/a(k,k);
end
Ejemplo:
2.2.
TRIANGULACION SUPERIOR SEGUIDA DE SUSTITUCION REGRESIVA:

Objetivo:
Calculo de la solucin del sistema lineal AX=B mediante la reduccin a
forma triangular superior de la matriz ampliada [A|B] seguida de la
sustitucin regresiva.
a es una matriz invertible de orden n*n
Pgina

b es una matriz de orden n*1
x es una matriz de orden n*1 que contiene la solucion de
ax=b inicializamos x y una matriz c que sirven de almacen
temporal
calculo de la matriz ampliada aug=[a|b]
calculo de la matriz ampliada aug=[a|b]
Uso:
Se ingresa una matriz A invertible de orden N*N
Ingresar un amatriz B deorden N*1.
Teniendo en cuenta que dentro del programa se utilizan variables
que escapan del clculo del problema pero realizan funciones de
clculo diferentes.
Mas tambin al ya finalizar el programa este llamare a otro descrito
anteriormente para detallar y buscar mejores respuestas.
Programa:
function [ x ] = uptrbk( a,b )
[n n]=size(a);
x=zeros(n,1);
c=zeros(1,n+1);
aug=[a b];
for q=1:n-1
%pivoteo parcial en la columna q-esima
[y,j]=max(abs(aug(q:n,q)));
%intercambio de las filas q-esima y(j+q-1)-esima
c=aug(q,:);
Pgina

aug(q,:)=aug(j+q-1,:);
aug(j+q-1,:)=c;
if aug(q,q)==0
'a es singular. No hay solucion o no es unica'
break
end
%proceso de eliminacion en la columna q-esima
for k=q+1:n
m=aug(k,q)/aug(q,q);
aug(k,q:n+1)=aug(k,q:n+1)-m*aug(q,q:n+1);
end
end
%sustitucion regresiva en [u|y] usando el programa 3.1
x=backsub(aug(1:n,1:n),aug(1:n,n+1));
Ejemplo:
2.3.
PA=LU FACTORIZACION CON PIVOTEO:

Objetivo:
El objetivo de este programa es el clculo de la solucin de u sistema lineal
AX=B cuando la matriz A es invertible.
A es una matriz de orden N*N
B es una matriz de orden N*1
X es la matriz de orden N*1 solucion de AX=B
Inicializamos X, Y, la matriz de almacenamiento temporal
C y la matriz fila R donde se registran los intercambios
Dentro de la matriz encontramos variables auxiliares como zeros, mult,
break como tambin variables c, R, A que son las que contienen los valores
de operaciones a lo largo de la resolucin del problema planteado.
Cuyos valores van siendo utilizados continuamente.

10
Pgina

Uso:
Se ingresa una matriz de orden N*N en A.
Se ingresa una matriz de orden N*1 en B.
Llamar a la funcin por el nombre asignado agregndole las
variables de los nombres de las matrices con las que se trabajara.
Programa:
function [ X ] = lufact(A,B)
[N,N]= size(A);
X=zeros(N,1);
Y=zeros(N,1);
C=zeros(N,1);
R=1:N;
for q=1:N-1
%
[max1,j]=max(abs(A(q:N,q)));
%
C=A(q,:);
A(q,:)=A(j+q-1,:);
A(j+q-1,:)=C;
d=R(q);
R(q)=R(j+q-1);
R(j+q-1)=d;
if A(q,q)==0
'A es singular, no hay solucion o no es unica'
break
end
%
%
for k=q+1:N
mult=A(k,q)/A(q,q);
A(k,q)=mult;
A(k,q+1:N)=A(k,q+1:N)-mult*A(q,q+1:N);
end
end
%
Y(1)=B(R(1));
for k=2:N
Y(k)=B(R(k))-A(k,1:k-1)*Y(1:k-1);
end
%
X(N)=Y(N)/A(N,N);

11
Pgina

for k=N-1:-1:1
X(k)=(Y(k)-A(k,k+1:N)*X(k+1:N))/A(k,k);
end
Ejemplo:
2.4.
METODO ITERATIVO DE GAUSS SEIDEL:

Objetivo:
Resolucin de un sistema lineal AX=B mediante la generacin de una
sucesin {Pk} que converge a la solucin, a partir de un punto inicial P 0. Una
condicin suficiente para que el mtodo sea aplicable es que A sea de
diagonal estrictamente dominante.
A es una matriz invertible de orden N*N
B es una matriz de orden N*1
P es una matriz de orden N*1: el punto inicial
delta esla tolerancia para P
max1 es el numero maximo de iteraciones
X es un matriz de orden N*1: la proximacion de la
solucion de AX=B generada por el metodo iterativo de
Gauss-Seidel
Uso:
Se ingresa una matriz de orden N*N en A.
Se ingresa una matriz de orden N*1 en B.
En P se ingresa un matriz de orden N*1: el punto inicial
En delta se almacenara la tolerancia para P.
12
Pgina

Max1 se colocara el nmero mximo de iteraciones a realizarse.

Programa:
function X=gseid(A,B,P,delta,max1)
N=length(B);
for k=1:max1
for j=1:N
if j==1
X(1)=(B(1)-A(1,2:N)*P(2:N))/A(1,1);
elseif j==N
X(N)=(B(N)-A(N,1:N-1)*(X(1:N-1))')/A(N,N);
else
% X contiene la aproximacion k-enecima
% y P la (k-1)-esima
X(j)=(B(j)-A(j,1:j-1)*X(1:j-1)A(j,j+1:N)*P(j+1:N))/A(j,j);
end
end
err=abs(norm(X'-P));
relerr=err/(norm(X)+eps);
P=X';
if (err<delta)|(relerr<delta)
break
end
end
X=X';
Ejemplo:
3. INTERPOLACION Y APROXIMACION POLINOMIAL.

3.1.
POLINOMIO INTERPOLADOR DE LAGRANGE:
Objetivo:
Este programa tiene como objetivo la construccion de polinomio
interpolador de lagrange:
13
Pgina

( )
Que pasa por los nodos N+1 puntos (xk, yk) para k = 0,1,2,3,.N.
X es un vector que contiene la lista de las abscisas
Y es un vector que contiene la lista de las ordenadas
C de la matriz que contiene los coeficientes polinomio
interpolador de LaGrange
L es la matriz que contiene los coeficientes de los
polinomios coeficientes de LaGrange
Uso:
Se ingresa un vector que contenga la lista de los valores que irn en
la recta de las abscisas almacenado en X.
Se ingresa un vector que contenga la lista de los valores que irn en
la recta de las ordenadas almacenado en Y.
Programa:
function [ C,L ] = lagran( X,Y )
w=length(X);
n=w-1;
L=zeros(w,w);
%formacion de los polinomios coeficioentes de lagrange
for k=1:n+1
V=1;
for j=1:n+1

14
Pgina

if k~=j
V=conv(V,poly(X(j)))/(X(k)-X(j));
end
end
L(k,:)=V;
end
%calculo de los coeficientes del polinomio
%interpolador de lagrange
C=Y*L;
end
%coeficie
Ejemplo:
3.2.
POLINOMIO INTERPOLADOR DE NEWTON:

Objetivo:
El objetivo de este programa es la construccin del polinomio interpolador
de Newton de grado menor o igual que N que pase por los puntos (xk,yk) =
(xk,f(xk)) para k= 0, 1, ., N:
(
)
(
(
)(
)(
)
)
(
Siendo:
X es un vector de la lista de las absisas
Y es un vector con la lista de las ordenadas
C es uj vector que contiene los coeficientes del polinomio
interpolador de newton escritos de forma habitual, en
potencias decrecientes de x
D es la tabla de diferencias divididas

15
Pgina

Uso:
Se ingresa en X un vector con la lista de las abscisas.
Se ingresa en Y un vector con la lista de las ordenadas.
El programa almacenara en C un vector que contiene los
coeficientes del polinomio interpolador de newton.
D ser la tabla de diferencias divididas.
Programa:
function [C,D] = newpoly(X,Y)
n=length(X);
D=zeros(n,n);
D(:,1)=Y;
% usamos la formula 20) para hallar
%la tabl de diferencias divididas
for j=2:n
for k=j:n
D(k,j)=(D(k,j-1)-D(k-1,j-1))/(X(k)-X(k-j+1));
end
end
% calculo del vector que contiene los coeficientes
% del polinomio interpolador de Newton, escrito
%de forma habitual, en potencias decrecientes de x
C=D(n,n);
for k=(n-1):-1:1
C=conv(C, poly(X(k)));
m=length(C);
C(m)=C(m)+D(k,k);
end
Ejemplo:
3.3.
POLINOMIO OPTIMO DE MINIMOS CUADRADOS:

Objetivo:
El objetivo del programa es construir el polinomio de grado Mdado por
( )

16
Pgina

Que mejor se ajusta en el sentido de los minimos cuadrados a las N parejas

de datos {(Xk, Yk)}k=1N
X es el vector de orden 1*n de las abscisas
Y es el vector de orden 1*n de las ordenadas
M es el grado del polinomio optimo
C es el vector de coeficientes del polinomio en potencias
decrecientes de x
Uso:
Se ingresa los datos en X del vector de orden 1*N de las abscisas.
En Y ingresar un vector de orden 1*N de las ordenadas.
Y en M se ingresa el grado del polinomio ptimo.
ventana de command Windows.
Programa:
function C=lspoly(X,Y,M)
n=length(X);
B=zeros(1:M+1);
F=zeros(n,M+1);
% se rellenan las columnas de F con las potencias de X
for k=1:M+1
F(:,k)=X'.^(k-1);
end
% resolucion de las ecuaciones normales
A=F'*F;
B=F'*Y';
C=A/B;
C=flipud(C);

17
Pgina

Ejemplo:

18
Pgina

Informe de Metodos

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Informe de Metodos

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD JOSE CARLOS MARIATEGUI

CARRERA PROFESIONAL DE INGENIERIA CIVIL

METODO DE BUSQUEDA DE RAICES