Calculo Numerico Metodos Oscar

METODO NUMERICOS EN MATLAB
INTRODUCCIN
Tanto la ciencia y la tecnologa nos describen los fenmenos reales mediante modelos
matemticos. El estudio de estos modelos permite un conocimiento ms profundo del
fenmeno, as como de su evolucin futura.
Desafortunadamente, no siempre es posible aplicar mtodos analticos clsicos por
diferentes razones:La solucin formal es tan complicada que hace imposible cualquier
interpretacin posterior; simplemente no existen mtodos analticos capaces de
proporcionar soluciones al problema; no se adecuan al modelo concreto; o su aplicacin
resulta excesivamente compleja.
Para este tipos de casos son tiles las tcnicas numricas, que mediante una labor de
clculo ms o menos intensa, conducen a soluciones aproximadas que son siempre
numricos.
La importante del clculo radica en que implica la mayora de estos mtodos hacen que
su uso est ntimamente ligado al empleo de computadores, que mediante la
programacin nos permite la solucin de problemas matemticos.
Para la realizacin de este trabajo se utiliz el programa MATLAB.
FIAG-ESIC
INDICE:
PAGINA
UNIDAD I
RAICES DE UNA ECUACION NO LINEAL:

METODO DE BISECCION03
METODO DEL PUNTO FIJO06
METODO DE NEWTON10
METODO DE LA SECANTE.13
INTERPOLACION Y REGRESION
INTERPOLACION-POLINOMIO DE LAGRANGE16
REGRESION LINEAL19
REGRESION POLINOMIAL.22
UNIDAD II
SISTEMA DE ECUACIONES
METODO DE GAUSS-JORDAN.27
METODO DE GAUSS-SEIDEL30
SISTEMA DE ECUACIONES NO LINEALES

METODO DE NEWTON ..34
INTEGRACIONES NUMERICAS
METODO DEL TRAPECIO..37
METODO DE SIMPSON 1/340
METODO DE SIMPSON 3/845
2
FIAG-ESIC
INTEGRACION DOBLE47
UNIDAD III
ECUACIONES DIFERENCIALES ORDINARIAS

METODO DE EULER..50
METODO DE RUNGGE KUTTA54
SISTEMA DE ECUACIONES ORDINARIAS...59
ECUACIONES DE ORDEN SUPERIOR..63
ECUACIONES DIFERENCIALES DE SEGUNDO ORDEN

METODO DE LAS DIFERENCIAS FINITAS33
UNIDAD I:
RAICES DE ECUACIONES NO LINEALES

1. MTODO DE LA BISECCIN:
TEORA:
En matemticas, el mtodo de biseccin es un algoritmo de bsqueda de
races que trabaja dividiendo el intervalo a la mitad y seleccionando el
subintervalo que tiene la raz.
PROCEDIMIENTO:
Elija valores Iniciales para a y b de forma tal que lea funcin cambie
de signo sobre el intervalo. Esto se puede verificar asegurndose de que
:
f (a)f (b)<0
FIAG-ESIC
La primera aproximacin a la raz se determina con la frmula:
x n=( a+b)/2
Realizar las siguientes evaluaciones

subintervalo se encuentra la raz:
f (a)f (x n) < 0 Entonces
b=x n
f (a)f ( x n)>0
a=x n
Entonces
f (a)f (x n)=0 Entonces
para
determinar
en
que
x n Es la Raz
Calcule la nueva aproximacin:
x n+1=( a+b)/2
Evaluar la aproximacin relativa:
( x n +1x n )/x n +1 E
No. (Falso) Repetir el paso 3, 4 y 5
S. (Verdadero) Entonces
x n+1 Es la Raz
DIAGRAMA DE FLUJO:
FIAG-ESIC
FIAG-ESIC
CDIGO DEL PROGRAMA:

CDIGO EN EL BOTON CALCULAR:
f=get(handles.edit1,'string');
f=inline(f);
a=str2double(get(handles.edit2,'string'));
b=str2double(get(handles.edit3,'string'));
E=str2double(get(handles.edit4,'string'));
if f(a)*f(b)< 0
while abs(b-a)>E
x=(a+b)/2;
if f(a)*f(x)==0
a=b;
else
if f(a)*f(x)<0
b=x;
else
a=x;
end
end
set(handles.edit5,'string',x);
FIAG-ESIC
end
else
set(handles.edit5,'string','No existe la raiz en el intervalo');
end
CDIGO EN EL BOTN GRAFICAR:

functionvarargout = pushbutton2_Callback(h, eventdata, handles, varargin)
f=inline(f);
ezplot(f), grid on
CDIGO EN EL BOTN SALIR:

function pushbutton6_Callback(hObject, eventdata, handles)
close
CODIGO EN EL BOTON BORRAR
set(handles.edit1,'string','');
VENTANA DE DISEO Y APLICACIN:
FIAG-ESIC
2. MTODO DEL PUNTO FIJO:

TEORA:
Dada la ecuacin f (x)=0 , el mtodo de las aproximaciones sucesivas
reemplaza esta ecuacin por una equivalente,
forma
inicial
g(x)=f ( x)+ x .
x0 y
x=g( x ) , definida en la
Para encontrar la solucin, partimos de un valor
calculamos
una
nueva
aproximacin
x 1=g ( x 0) .
Reemplazamos el nuevo valor obtenido y repetimos el proceso. Esto da lugar

a una sucesin de valores,
{ x 0 , x 1, , x n }
que si converge, tendr como lmite
la solucin del problema.

En la figura se representa la interpretacin geomtrica del mtodo. Partimos
de un punto inicial x0 y calculamos
solucin con la recta
y=x
y=g( x 0) . La interseccin de esta
nos dar un nuevo valor
x1
ms prximo a
la solucin final.
FIAG-ESIC

Sin embargo, el mtodo puede divergir fcilmente. Es fcil comprobar que el
mtodo slo podr converger si la derivada
g ' (x)
es menor en valor
absoluto que la unidad (que es la pendiente de la recta definida por
y=x .
Un ejemplo de este caso se muestra en la figura. Esta condicin, que a puede

considerarse una severa restriccin del mtodo, puede obviarse fcilmente.
Para ello basta elegir la funcin
g(x) del siguiente modo:
g ( x ) =x+ f (x )
De forma que tomando un valor de

que
adecuado, siempre podemos hacer
g ( x ) cumpla la condicin de la derivada.
CONVERGENCIA:
El mtodo de aproximaciones sucesivas converge si
g ' (x) 1
Co
Convergencia Montona
Divergencia Montona
FIAG-ESIC
0< g' ( x ) <1 g ' (x )>1
DIAGRAMA DE FLUJO:
10
FIAG-ESIC
11
FIAG-ESIC
CDIGO DE PROGRAMA:
CDIGO EN EL BOTN CALCULAR:
Function varargout =pushbutton2_Callback(h, eventdata, handles, varargin)
g=inline(f)
n=str2double(get(handles.edit17,'string'));
x1=g(a)
k=1;
cadena1=sprintf('a = %8.6f valor inicial\n',a);
while abs(x1-a)>E & k<n
a=x1
x1=g(a)
k=k+1
cadena2=sprintf('x%d = %8.6f\n',k-1,x1);
cadena1=[cadena1,cadena2];
end
funcionf=get(handles.edit1,'string');
f=inline(funcionf);
figure(1);
ezplot(f),grid on
12
FIAG-ESIC
3- MTODO DE NEWTON RAPHSON:

Este mtodo parte de una aproximacin inicial
aproximacin mejor,
x 1=x 0
x0
y obtiene una
x 1 , dada por la frmula:
f ( x0 )
f ' (x 0 )
Este mtodo est definido por el denominador
f ( xi)
hace que
geomtricamente se base en una aproximacin a una recta tangente a la curva
13
FIAG-ESIC
y=f ( x)
trazada en el punto correspondiente a la aproximacin presente,
esto puede observarse en la figura:
DIAGRAMA DE FLUJO CON LA DERIVADA:
14
FIAG-ESIC
15
FIAG-ESIC
CDIGO DE PROGRAMA:
g=get(handles.edit2,'string');
f=inline(f);
g=inline(g);
x=str2double(get(handles.edit3,'string'));
x1=x-f(x)/g(x);
while abs (x1-x)>E
x=x1;
x1=x-f(x)/g(x);
end
set(handles.edit5,'string',x1);
f=inline(f);
ezplot(f), grid on
close
16
FIAG-ESIC

17
FIAG-ESIC
SIN INGRESAR LA DERIVADA: DIAGRAMA DE FLUJO:
18
FIAG-ESIC
4. MTODO DE LA SECANTE:
TEORA:
El principal inconveniente del mtodo de Newton estriba en que requiere
conocer el valor de la primera derivada de la funcin en el punto. Sin embargo,
la forma funcional de
f (x)
dificulta en ocasiones el clculo de la derivada.
En estos casos es ms til emplear el mtodo de la secante.

El mtodo de la secante parte de dos puntos (y no slo uno como el mtodo de
Newton) y estima la tangente (es decir, la pendiente de la recta) por una
aproximacin de acuerdo con la expresin:
x
f ( x i1 ) f ( i)
f ( xi )(x i1 xi )
x i+1=x i
En general, el mtodo de la secante presenta las mismas ventajas y

limitaciones que el mtodo de Newton-Raphson explicado anteriormente.
DIAGRAMA DE FLUJO:
19
FIAG-ESIC
CDIGO DE PROGRAMA:
20
FIAG-ESIC

f=inline(get(handles.edit1,'string'));
x0=str2double(get(handles.edit2,'string'));
while abs(x1-x0)>E
x2=x1-(((x1-x0)*f(x1))/(f(x1)-f(x0)));
x0=x1;
x1=x2;
end
set(handles.edit5,'string',x2)
f=inline(f);
ezplot(f), grid on
close(secante)
VENTANA DE DISEO y APLICACION:
21
FIAG-ESIC
INTERPOLACIN Y REGRESION
5. INTERPOLACION-POLINOMIO DE LAGRANGE:
22
FIAG-ESIC

TEORA:
Si
x0 , x1 , x2 , , xn
son
n+1
puntos distintos y
f ( x)
es una funcion
cuyos valores estan dados en esos puntos entonces existe un nico polinomio
P de grado a lo mas de grado n con la propiedad que
f ( x k ) =P( x k )
para
cada k=0, 1,2,n.

Este polinomio est dado por:
n
P ( x )= f ( x k ) Ln ,k (x ) polinomio de lagrange
k=0
Dnde:
n
Ln ,k ( x )=
i=0
ik
xxi
x k x i
Para un polinomio lineal la aproximacin es:
P ( x )=f ( x 0 ) L1,0 ( x ) +f ( x 1 ) L1,1 (x)

Dnde:
L1,0 ( x )=
xx1
xx 0
; L1,1 (x)=
x 0x 1
x 1x 0
Entonces:
P ( x )=
xx 1
xx 0
f ( x0 ) +
f ( x1 )
x 0x 1
x 1x 0
Para un polinomio de segundo grado est dado por:
P ( x )=f ( x 0 ) L2,0 ( x ) +f ( x 1 ) L2,1 ( x ) +f ( x 2 ) L2,2 ( x)

Dnde:
L1,0 ( x )=
23
xx 1
x 0x 1
)(
xx 2
x 0 x2
)
FIAG-ESIC
L2,1 ( x )=
L2,2 ( x )=
(
(
xx 0
x1 x0
xx 0
x2 x0
)(
)(
xx 2
x 1x 2
xx 1
x 2x 1
)
)
Entonces el polinomio para segundo grado es:
P ( x )=
xx 1
x 0x 1
)(
xx 2
xx 0
f ( x0 )+
x 0 x2
x 1x 0
)(
xx 2
xx 0
f ( x1 )+
x 1x 2
x 2x 0
)(
xx 1
f ( x2 )
x2 x1
Donde x es el valor a interpolar

DIAGRAMA DE FLUJO:
24
FIAG-ESIC
25
FIAG-ESIC
CDIGO DE PROGRAMA:
26

xa=str2num(get(handles.edit1,'string'));
f=str2num(get(handles.edit2,'string'));
xi=str2double(get(handles.edit3,'string'));
fun=inline(get(handles.edit4,'string'));
n=length(xa);
m=length(f);
if m==0
f=zeros(1,n);
for i=1:n
f(1,i)=fun(xa(1,i));
end
end
syms x
p=0;
for k=1:n
l=1;
for i=1:n
if k~=i
l=l*(x-xa(1,i))/(xa(1,k)-xa(1,i));
end
end
p=p+f(1,k)*l;
end
funcion=inline(p)
FIAG-ESIC

pto=funcion(xi)
ezplot(funcion,[xa(1,1),xi]),hold on
plot(xi,pto,'r*'),grid on
legend('f(x)','pto interpolado')
pan on
set(handles.edit6,'string',pto)
CDIGO EN EL BOTN LIMPIAR:
close
27
FIAG-ESIC
6. REGRESIN LINEAL:
TEORIA:
Supongamos que hemos medido un conjunto de pares de datos (xi, yi) en una
experiencia, por ejemplo, la posicin de un mvil en ciertos instantes de tiempo.
Queremos obtener una funcin y=f(x) que se ajuste lo mejor posible a los valores
experimentales. Se pueden ensayar muchas funciones, rectas, polinomios,
funciones potenciales o logartmicas.
Una vez establecido la funcin a ajustar se determina sus parmetros, en el caso
de un polinomio, sern los coeficientes del polinomio de modo que los datos
experimentales se desven lo menos posible de la frmula emprica.
La funcin ms sencilla es la funcin lineal y=ax+b que hemos tratado en la pgina
anterior. El procedimiento de ajustar los datos experimentales a una lnea recta se
denomina regresin lineal.
POLINOMIO APROXIMADOR
Queremos aproximar un polinomio de grado n, a un conjunto de m pares de datos
(xi,yi) de modo que n y m.
Sea el polinomio
P(x)=a0+a1x+a2x2+...anxn
Se calcula la cantidad:
Para obtener los valores de los coeficientes del polinomio aproximador se tienen
que determinar los valores de los coeficientes a0, a1, a2, ...an de forma que la
cantidad S tome un valor mnimo.
Hagamos las derivadas parciales de S respecto de a0, a1, a2, ...an iguales a cero
28
FIAG-ESIC
(1)
Obtenemos un sistema de n+1 ecuaciones con n+1 incgnitas, a0, a1, a2, ...an
DIAGRAMA DE FLUJO:
29
FIAG-ESIC
CDIGO DE PROGRAMA:
x=str2num(get(handles.edit1,'string'));
y=str2num(get(handles.edit2,'string'));
Sx=0;
Sy=0;
Sx2=0;
Sxy=0;
n=length(x);
for i=1:n
Sx=Sx+x(i); Sy=Sy+y(i); Sx2=Sx2+(x(i))^2; Sxy=Sxy+(x(i))*(y(i));
end
a=(n*Sxy-Sx*Sy)/(n*Sx2-(Sx)^2);
b=(Sy-a(1)*Sx)/n;
d=sprintf('%5.3f x + %5.3f',a,b);
set(handles.edit3,'string',d)
Sx=0;
Sy=0;
Sx2=0;
Sxy=0;
n=length(x);
for i=1:n
Sx=Sx+x(i); Sy=Sy+y(i); Sx2=Sx2+(x(i))^2; Sxy=Sxy+(x(i))*(y(i));
end
a=(n*Sxy-Sx*Sy)/(n*Sx2-(Sx)^2);
b=(Sy-a(1)*Sx)/n;
Y=a*x+b;
plot(x,Y),hold on
plot(x,y,'r*'),grid on
legend('f(x)','ptos iniciales')
pan on
30
FIAG-ESIC

CDIGO EN EL BOTN LIMPIAR
close
VENTANA DE DISEO Y APLICACION:
Creado por Oscar mamani
7. REGRESIN POLINOMIAL :
TEORA:
Supongamos que se conocen los datos
,y
con
,x
, .., x n
,y
x
,
,y
x
, ..
nmeros reales distintos, y se desea
encontrar un polinomio:
31
FIAG-ESIC
Pm=a0 +a1 x+ a2 x ++ am x , con m<n

Tal que:
2
S(a 0 , a 1 ,....., a m ) p m x k y k a 0 a 1 x k a 2 x 2k ,....., a m x mk y k

k 0
k 0
Sea mnima.
El grado m del polinomio
( x)
se puede escoger previamente con base
en algn resultado terico, alguna expectativa o por la aplicacin que se le

pretenda dar al polinomio. En cualquier caso estamos libres de elegir el grado
que parezca mejor. En muchos casos el grado ser uno y el polinomio obtenido
se llamar la recta que mejor se ajusta o la recta de mnimos cuadrados
para la tabla de datos.
a
S
Volviendo a la funcin
,a
, .., a
una condicin necesaria
para la existencia de un mnimo relativo de esta funcin es que las derivadas

parciales
de
a
S
,a
, .., a
con
respecto
a ,
j
j=0,1, 2, , m sean cero.

Resultan entonces las siguientes m+1 ecuaciones lineales en las incgnitas
,a
, .., a
n
S
2 a 0 a 1 x k a 2 x 2k ..... a m x mk y k 0
a 0 k 0
n
S
2 a 0 a 1 x k a 2 x 2k ..... a m x mk y k x k 0
a 1 k 0
n
S
2 a 0 a 1 x k a 2 x 2k ..... a m x mk y k x 2k 0
a 2 k 0
..........
n
S
2 a 0 a 1 x k a 2 x 2k ..... a m x mk y k x kj 0
a j k 0
............
n
S
2 a 0 a 1 x k a 2 x 2k ..... a m x mk y k x mk 0
a m k 0
Si en las ecuaciones anteriores cancelamos el 2, desarrollamos los parntesis y

usamos que
32
FIAG-ESIC

n
a
Obtenemos:
n 1 a 0
k 0
n 1 a 0 x k a 1 x 2k a 2 ..... x mk a m
n
x
k 0
n
x
k 0
k 0
n
a0
k 0
n
a0
k 0
a1
x
k 0
n
x
k 0
.
.
x kj a 0
k 0
4
k
a 2 .....
a 2 .....
k 0
n
k 0
n
x
k 0
m 1
k
k 0
n
k 0
n
k 0
...
x mk j a m
k 0
x 1k m a 1
k 0
x 2k m a 2 .....
k 0
x mk m a m
k 0
am
x 2k j a 2 .....
k 0
yk
2
k
yk
...
:::
am
m2
k
x 1k j a 1
k 0
x mk a 0
k 0

k 0
n
a1
x
k 0
n
x
k 0
j
k
yk
m
k
yk
Este es un SEL de m+1 ecuaciones lineales en las m+1 incgnitas a 0, a1, ..,
am, que se llama Sistema de Ecuaciones Normales. Este sistema de
ecuaciones normales se puede escribir en forma simplificada como sigue:
m
i 0
k 0
k 0
a i x ik j x kj y k
con j 0,1,....,.m
Estas ecuaciones se pueden reproducir a partir de:
p m x k a 0 a 1 x k a 2 x 2k ,....., a m x mk y k
Multiplicando a ambos lados por
x ij , j=0, 1, , m,
a 0 x kj a 1 x k x kj a 2 x 2k x kj ,....., a m x mk x kj y k x kj
a 0 x kj a 1 x 1k j a 2 x 2k j ,....., a m x mk j x kj y k
Sumando sobre k
n
k 0
k 0
k 0
k 0
k 0
a 0 x kj a 1 x 1k j a 2 x 2k j ..... a m x mk j x kj y k
33
con j 0,1,2,....., m
FIAG-ESIC
DIAGRAMA DE FLUJO:
34
FIAG-ESIC
CDIGO DE PROGRAMA:
[m p]=size(x);
for i=1:n+1
for j=1:n+1
S=0;
for k=1:m
S=S+(x(k))^(i+j-2);
end
M(i,j)=S;
end
end
for i=1:n+1
SB=0;
for k=1:m
SB=SB+((x(k))^(i-1))*y(k);
end
B(i,1)=SB;
end
M=M;
B=B;
A=inv(M)*B;
A=A';
set(handles.edit4,'string',num2str(A));
temp=str2num(get(handles.edit4,'string'));
[m p]=size(x);
for i=1:n+1
Px(i)=temp(n-i+2);
end
Px=Px
dom=min(x)-1.5:.2:max(x)+1.5;
35
FIAG-ESIC

ran=polyval(Px,dom);
valor=polyval(Px,4)
plot(x,y,'bo',dom,ran,'r-'),grid on
close
36
FIAG-ESIC
UNIDAD II
SISTEMAS DE ECUACIONES E INTEGRACIONES NUMERICAS

8. MTODO DE GAUSS - JORDAN
TEORA:
Sea un sistema de ecuaciones lineales de la forma:
a11 x 1 +a12 x 2 +a 13 x 3+ +a1 n x n=b1

a21 x 1 +a22 x2 +a 23 x 3+ +a 2n x n=b 2
a31 x 1 +a32 x 2 +a 33 x 3+ +a3 n x n=b3
an 1 x 1 +an 2 x2 +a n 3 x 3 ++a nn x n=b n

Se trata de un sistema de n ecuaciones con n incgnitas, x1, x2, ..., xn. Los
elementos aij y bi son nmeros reales fijados.
El sistema de ecuaciones se puede escribir, empleando una muy til
representacin matricial, como:
a 11
a21
a31
a 11
a12
a22
a32
a12
a13
a23
a33
a13
Es decir
a1 n
a2 n
a3 n
a1 n
x1
b1
)( ) ( )
x2
b2
x3 = b3
xn
bn
A X=B
Donde A es la matriz de coeficientes, X es el vector incgnitas y B es el vector

trminos independientes.
PROCEDIMIENTO:
Crear la matriz cuyos elementos son los de la matriz A y el vector B. A es la
matriz se le denomina la matriz aumentada.
37
FIAG-ESIC
a11
a21
a31
a n1
a 12
a 22
a 32
an 2
a13
a23
a33
an3
|)
a 1n b1
a 2 n b2
a 3 n b3

ann bn
Matriz aumentada
Mediante transformaciones elementales de filas en la matriz aumentada, los

elementos de la matriz de coeficientes A debe transformarse en la matriz
identidad y los elementos que estn en la posicin del vector de trminos
independientes B, ser la solucin del sistema.
( |)
1
0
0
0
1
0
0
0
1
0b 1
0b 2
0 b 3

1 b n
Matriz transformada
Y las races del sistema de ecuaciones son:
x 1=b 1 ; x 2=b 2 ; x 3=b3 ; ; x n=b n
El proceso, requiere de
38
n3 2 n
+n
2
2
multiplicaciones y
n3 n
2 2
sumas.
FIAG-ESIC
DIAGRAMA DE
FLUJO:
39
FIAG-ESIC
CDIGO DE PROGRAMA:
functionvarargout = pushbutton1_Callback(h, eventdata, handles,
varargin)
A=str2num(get(handles.edit1,'string'));
[m,n]=size(A);
for i=1:m
divisor=A(i,i);
for j=i:n
A(i,j)=A(i,j)/divisor;
end
for k=1:m
if i~=k
pivote = A(k,i);
for j=i:n
A(k,j)=A(k,j)- pivote*A(i,j);
end
end
end
end
for i=1:m
x(i)=A(i,n);
end
x=x';
40
FIAG-ESIC

t=1:m;
t=t';
cadena='';
for t=1:m
cad=sprintf('x%d=%6.4f',t,x(t));
cadena=[cadena;cad];
end
set(handles.edit2,'string',cadena);
functionvarargout = pushbutton3_Callback(h, eventdata, handles,
varargin)
close
41
FIAG-ESIC
42
FIAG-ESIC
9. MTODO DE GAUSS SEIDEL

TEORA:
Mtodo iterativo que su utiliza para resolver sistema de ecuaciones de la forma:
a11 x 1 +a12 x 2 +a 13 x 3+ +a1 n x n=b1

a21 x 1 +a22 x2 +a 23 x 3+ +a 2n x n=b 2
a31 x 1 +a32 x 2 +a 33 x 3+ +a3 n x n=b3
an 1 x 1 +an 2 x2 +a n 3 x 3 ++a nn x n=b n

Que matricialmente se puede escribir como A X=B, supongamos que
aii 0, i=1,2,3 . n Despejamos los X
x 1=( b1 a12 x 2a13 x 3a1 n x n) /a11

x 2=( b2 a21 x 1a23 x 3a 2n x n ) /a22
x 3=( b 3a31 x 1a32 x 2+ a3 n x n ) /a33
El proceso se inicia dando un valor inicial para los puntos

podra usar, por ejemplo la solucin trivial
x i ; i=1,2,3 . n se
x 1=x 2=x3 ==xn =0
si este
fuera el caso se tendra que:
x 1=b1 /a11
x 2=( b 2a21 ( b1 /a11 ) ) /a 22
x 3=( b3a31 ( b 1 /a11 )a32 ( b2a21 ( b 1 /a11 ) ) /a22) /a 33
..
Los
x 1 , x 2 ,... , x n son los nuevos valores inciales que sern utilizados en
una segunda iteracin.

La convergencia puede definirse mediante
43
FIAG-ESIC
Ex =
i
x i j xi j1
xi j
100<T
Dnde:
Ex
: Error relativo porcentual dela
xi
raz
j : Iteracin actual
j1 : Iteracin anterior
T : Tolerancia prefijada
RE ARREGLO DE ECUACIONES
El proceso de gauss - Seidel converge si la matriz coeficientes cada elemento
de la diagonal es el mayor en valor absoluto que la suma de todos los dems
elementos de la misma fila o columna .Es decir se asegura la convergencia s.
n
i=1
ji
i=1
j i
|aii|> aij |aii|> a ji
DIAGRAMA DE FLUJO:
44
FIAG-ESIC
45
FIAG-ESIC
46
FIAG-ESIC
function varargout = pushbutton1_Callback(h, eventdata, handles, varargin)

maxite=str2double(get(handles.edit1,'string'));
v=str2num(get(handles.edit2,'string'));
a=str2num(get(handles.edit3,'string'));
b=str2num(get(handles.edit4,'string'));
[n,n]=size(a);
cad1='';
for k=1:maxite
for i=1:n
x(i)=v(i);
end
for i=1:n
s=0;
for j=1:n
if j~=i
s=s+a(i,j)*x(j);
end
end
v(i)=(b(i)-s)/a(i,i);
x(i)=v(i);
end
for t=1:n
cad2=sprintf('x%d=%10.8f ',t,x(t));
cad1=[cad1,cad2];
end
cad2=sprintf('\n',t);
cad1=[cad1,cad2];
end
set(handles.edit5,'string',cad1);
close

47
FIAG-ESIC
SISTEMA DE ECUACIONES NO LINEALES

10. METODO DE NEWTON:
TEORA:
48
FIAG-ESIC
Estudiaremos funciones vectoriales f : R^n R^m cuando n = m.

Si se supone que f C y en un punto xk de un proceso iterativo tendente a
resolver f(x) = 0 se aproxima la funcin mediante el modelo, Mk(xk), que dene
el desarrollo en serie de Taylor alrededor de ese punto, truncndolo a partir de
los trminos de segundo orden, se tiene que:
Mk(xk) = f(xk) + J(xk)(x xk), donde J(xk) es la matriz Jacobiana del sistema
en xk:
Si se utiliza esa aproximacin lineal de la funcin y se resuelve el sistema de

ecuaciones lineales que dene:
f(xk) + J(xk)(x xk) = 0
Su solucin:
x = xk J(xk) ^(1)f(xk)
*Determinara un nuevo punto del proceso iterativo.
*La relacin de recurrencia del mtodo de Newton-Raphson para sistemas de
ecuaciones no lineales es pues:
El paso de Newton es x(k+1) xk: una aproximacin de x xk.

Cada ecuacion, fi: R^n R, se reemplaza o aproxima por el hiperplano
tangente en xk a la curva que dene esa fi.
El algoritmo de Newton-Raphson para resolver sistemas de ecuaciones
no lineales es el siguiente:
CODIGO DEL PROGRAMA:
49
FIAG-ESIC

f1x=get(handles.edit1,'string');
syms x1 x2 x3
f1=f1x;
f2=f2x;
f3=f3x;
g1=diff(f1,x1);
g2=diff(f1,x2);
g3=diff(f1,x3);
g4=diff(f2,x1);
g5=diff(f2,x2);
g6=diff(f2,x3);
g7=diff(f3,x1);
g8=diff(f3,x2);
g9=diff(f3,x3);
a=1;
b=1;
c=1;
cad=;
for i=1:n
A=zeros(3,3);
B=zeros(3,1);
A(1,1)=subs(g1,{x1,x2,x3},{a,b,c});
A(1,2)=subs(g2,{x1,x2,x3},{a,b,c});
A(1,3)=subs(g3,{x1,x2,x3},{a,b,c});
A(2,1)=subs(g4,{x1,x2,x3},{a,b,c});
A(2,2)=subs(g5,{x1,x2,x3},{a,b,c});
A(2,3)=subs(g6,{x1,x2,x3},{a,b,c});
A(3,1)=subs(g7,{x1,x2,x3},{a,b,c});
A(3,2)=subs(g8,{x1,x2,x3},{a,b,c});
A(3,3)=subs(g9,{x1,x2,x3},{a,b,c});
B(1,1)=-subs(f1,{x1,x2,x3},{a,b,c});
B(2,1)=-subs(f2,{x1,x2,x3},{a,b,c});
B(3,1)=-subs(f3,{x1,x2,x3},{a,b,c});
H=inv(A)*B;
a=a+H(1,1);
b=b+H(2,1);
c=c+H(3,1);
cadena=sprintf(' %d.x1=%7.3f x2=%7.3f
cad=[cad,cadena];
end
set(handles.edit6,'string',a);
set(handles.edit7,'string',b);
set(handles.edit8,'string',c);
set(handles.edit9,'string',cad);
x3=%7.3f\n',i,a,b,c);

50
FIAG-ESIC


close
INTEGRACIN NUMRICA
11. REGLA DEL TRAPECIO:
TEORA:
51
FIAG-ESIC
y=f ( x)
Este mtodo resulta de sustituir la funcin
P ( x )=a0 +a1 x
primer grado
en
por un polinomio de
[ a , b ] =[ x 0 , x 1 ] al polinomio P( x) se
le puede representar mediante un polinomio
P( x)
se le puede
representar mediante un polinomio de Lagrange, es decir:

x1
P ( x ) dx=
x0
( x x1 )
( xx 0 )
f ( x0 ) +
f ( x1 ) dx
( x 0x 1 )
( x 1x 0 )
x1
f ( x ) dx=
x0
Resolviendo:
f ( x ) dx=
h
[ f (x 0)f (x 1) ] , donde h=x 1x 0
2
b
Generalizando:
x2
x1
xn
f ( x ) dx+ f ( x ) dx ++ f ( x ) dx= f ( x ) dx
x1
x0
x n1
x1
f ( x ) dx+
x0
Aplicando la regla del trapecio a c/u de las integrales se tiene:
f ( x ) dx=lim f (x n) x k
a
n k=1
DIAGRAMA DE FLUJO:
52
FIAG-ESIC
53
FIAG-ESIC
CDIGO DE PROGRAMA:
h=(b-a)/n;
s=f(a)+f(b);
for i=2:n
x(i)=a+(i-1)*h;
s=s+2*f(x(i));
end
I=s*(h/2);
set(handles.edit5,'string',I);
h=(b-a)/n;
for i=1:n+1
x(i)=a+(i-1)*h;
y(i)=f(x(i));
end
x=[x,b,a,a];
y=[y,0,0,f(a)];
fill(x,y,[0.8 0.8 0.9])
for i=1:n+1
x(i)=a+(i-1)*h;
y(i)=f(x(i));
end
hold on
ezplot(f,[min(x):0.2:max(x)])
54
FIAG-ESIC

plot(x,y,'og')
plot(x,y,'g')
close
55
FIAG-ESIC
12. REGLA DE SIMPSON 1/3:

TEORA:
La regla de Simpson de 1/3 resulta cuando se sustituye la funcin y=f(x) por
un polinomio de segundo grado es decir:
b
f ( x ) dx P ( x ) dx donde P ( x )=a0 + a1 x +a2 x 2

a
En el intervalo
[ a , b ] =[ x 0 , x2 ] al polinomio
P (x )
se le puede representar
por un polinomio de LaGrange de segundo orden

Es decir:
b
f ( x ) dx [ f ( x 0 ) L2,0 ( x ) +f ( x 1 ) L2,1 ( x ) +f ( x 2 ) L2,2 (x)] dx

a
x1
f ( x ) dx
a
x0
[( )( ) ( )( ) ( )( ) ]
xx 1
x 0x 1
xx 2
xx 0
f ( x0 )+
x 0 x2
x 1x 0
xx 2
xx 0
f ( x1 )+
x 1x 2
x 2x 0
xx 1
f ( x 2 ) dx
x2 x1
Resolviendo la integral se obtiene:

b
f ( x ) dx h3 [ f ( x 0 ) +4 f ( x 1 ) +f ( x 2 ) ] , donde h=
a
x 2x 0
2
GENERALIZANDO PARA ''n'' INTERVALOS
56
FIAG-ESIC
Los intervalos se toman de dos en dos:

x2
x4
x6
xn
f ( x ) dx= f ( x ) dx+ f ( x ) dx + f ( x ) dx+ + f ( x ) dx

x0
x2
x4
x n2
Aplicando la regla de Simpson de 1/3 para cada integral de tiene:

b
f ( x ) dx h3 [ f ( x 0 ) +4 f ( x 1 ) +2 f ( x 2 )+ 4 f ( x 3 )+ 2 f ( x 4 ) ++ 2 f ( xn2 ) + 4 f ( x n1 ) + f ( xn ) ]
a
Dnde:
h=
ba x nx 0
=
; donde n es multiplo de 2
n
n
x i=x 0+ ih ; i=1,2,3 n
DIAGRAMA DE FLUJO:
57
FIAG-ESIC
58
FIAG-ESIC
CDIGO DE PROGRAMA:
CDIGO EN EL BOTN OK:

h=(b-a)/n;
for i=1:n+1
x(i)=a+(i-1)*h;
end
if mod(n,2)==0
s=0;
for i=3:2:n+1
59
FIAG-ESIC

s=s+f(x(i-2))+4*f(x(i-1))+f(x(i))
end
I=(h/3)*s
end
h=(b-a)/n;
s=f(a)+f(b);
for i=1:n+1
x(i)=a+((i-1)*h);
y(i)=f(x(i));
end
x=[x,b,a,a];
y=[y,0,0,f(a)];
fill(x,y,[0.8 0.4 0.9])
for i=1:n+1
x(i)=a+((i-1)*h);
y(i)=f(x(i));
line([x(i),x(i)],[0,f(x(i))]);
end
hold on
ezplot(f,[min(x):0.2:max(x)])


close
60
FIAG-ESIC
13. REGLA DE SIMPSON DE 3/8:

TEORA:
La regla
y=f (x)
b
de Simpson de 3/8 resulta
cuando se sustituye la funcin
por un polinomio de tercer grado es decir:

b
f ( x ) dx P ( x ) dxdonde P ( x )=a0 +a1 x+ a2 x 2 +a3 x 3

a
61
FIAG-ESIC
En el intervalo
[ a , b ] =[x 0 , x2 ] al polinomio P ( x ) se le puede representar
por un polinomio de LaGrange de tercer orden.

Es decir:
b
b =x 3
f ( x ) dx [ f ( x 0 ) L3,0 ( x ) + f ( x1 ) L3,1 ( x ) + f ( x 2) L3,2 ( x ) + f ( x3 ) L3,3 (x )] dx

a
a =x 0
Resolviendo la integral se obtiene:

b
f (x) dx 38h [ f ( x 0 ) +3 f ( x 1 ) +3 f ( x 2 ) + f ( x 3 ) ] , dondeh=

a
x 2x 0
3
DIAGRAMA DE FLUJO:
62
FIAG-ESIC
CDIGO DE PROGRAMA:
f=inline(get(handles.edit1,'string'))
a=str2double(get(handles.edit2,'string'))
b=str2double(get(handles.edit3,'string'))
n=str2double(get(handles.edit4,'string'))
h=(b-a)/n
for i=1:n+1
x(i)=a+(i-1)*h
end
if rem(n,3)==0
s=0
for i=3:n+1:3
s=s+f(x(i-2))+3*f(x(i-1))+3*f(x(i))+f(x(i-1))
end
I=((3*h)/8)*s;
set(handles.edit5,'string',I)
end
f=inline(get(handles.edit1,'string'))
a=str2double(get(handles.edit2,'string'))
b=str2double(get(handles.edit3,'string'))
n=str2double(get(handles.edit4,'string'))
h=(b-a)/n;
s=f(a)+f(b)
for i=1:n+1
63
FIAG-ESIC

x(i)=a+((i-1)*h)
y(i)=f(x(i));
end
x=[x,b,a,a]
y=[y,0,0,f(a)]
fill(x,y,[0.6 0.8 0.4])
for i=1:n+1
x(i)=a+((i-1)*h)
y(i)=f(x(i));
line([x(i),x(i)],[0,f(x(i))])
end
hold on
ezplot(f,[min(x):0.2:max(x)]);
close
64
FIAG-ESIC
14.
INTEGRALES MLTIPLES
TEORA:
Para el clculo de integrales de funciones de varia variables se pueden usar
las reglas ya estudiadas como la regla del trapecio, regla de Simpson 1/3 y 3/8
son tiles para resolver integrales dobles y triples.
En esta ocasin usaremos Simpson de 1/3 para el clculo de una integral
doble de la forma:
.
f ( x , y ) dA
R
Dnde:
R= { ( x , y ) /a x b ; c y d }
R= { ( x , y ) /a x b ; c g ( x ) d }
Para aproximar la solucin de la integral
b g2 ( x )
f ( x , y ) dy dx
a g1 ( x )
Utilizando la regla de Simpson 1/3
donde h 1=
x 2x 0
g ( x )g1 (x )
; h 2= 2
2
2
Por lo tanto:
65
FIAG-ESIC

b g2 ( x )
x2
f ( x , y ) dy dx= w ( x ) dx= 31 [ w ( x 0 ) + 4 w ( x 1 ) + w ( x2 ) ]
a g1 ( x )
x0
Dnde:
w ( x )=
h2
[ f (x , g1 ( x ))+ 4 f (x , g1 ( x ) +h2 (x ))+ f (x , g2 ( x ))]
3
DIAGRAMA DE FLUJO
INICIO
LEER
f(x,y), g1(x), g2(x), a, b
h=(b-a)/2
x0=a
s=0
i=1:3
h2=(g2(x0)-g1(x0))/2
w(i)=(h2/3)*(f((x0),g1(x0))+4*f(x0,g1(x0)+h2)+f(x0,g2(x0)))
x0=x0+h
I=(h/3)*(w(1)+4*w(2)+w(3))
ESCRIBIR
I
FIN
66
FIAG-ESIC
CDIGO DE PROGRAMA:
f=inline(get(handles.edit1,'string'),'x','y');
g1=inline(get(handles.edit2,'string'));
g2=inline(get(handles.edit3,'string'));
h=(b-a)/n;
x0=a;
for i=1:n+1
h2=(g2(x0)-g1(x0))/2;
w(i)=(h2/3)*(f((x0),g1(x0))+4*f(x0,g1(x0)+h2)+f(x0,g2(x0)));
x0=x0+h;
end
I=0;
d=1;
for i=1:n/2
I=I+(h/3)*(w(d)+4*w(d+1)+w(d+2));
d=d+2;
end
f1=inline(f,'x','y');
ezmesh(f1);
grid on
67
FIAG-ESIC

close
68
FIAG-ESIC
UNIDAD III
ECUACIONES DIFERENCIALES ORDINARIAS

15. METODO DE EULER:
TEORA:
Este mtodo consiste en dividir el intervalo
longitud
'h';
h=
x 0 , x 1 , x 2 , .. , x n =x f
y ( x0 ) = y 0
( ba )
n
donde
[a ,b ]
en n subintervalos de
,de manera que se obtiene los n+ 1 puntos
x i=x 0+ ih ; i=1,2,3 n
representada por el punto
P0=( x 0 , y 0 )
la condicin
inicial
por donde pasa la
curva solucin, donde :
dy
dx
69
( x 0 , y0 )
=f ( x 0 , y 0 )
FIAG-ESIC
FORMULADE EULER
y i+1= yi +h ( x i , y i) , i=1,2,3 n
Es decir, se genera una sucesin de aproximacin:
y 1= y 0 +h f ( x 0 , y 0 )
y 2= y 1 +h f ( x 1 , y 1 )
y 3= y 2 +h f ( x 2 , y 2)
y n= y n1 +h f ( x n1 , y n1)
DIAGRAMA DE FLUJO:
70
FIAG-ESIC
71
FIAG-ESIC
CDIGO DE PROGRAMA:
function pushbutton1_Callback(h, eventdata, handles, varargin)
f1=get(handles.edit1,'string');
y0=str2double(get(handles.edit6,'string'));
f=inline(f1,'x','y');
h=(b-x0)/n;
m=sprintf('x(0)=%5.3f y(0)=%5.3f\n',x0,y0);
cad=[m];
for i=1:n
y0=y0+h*f(x0,y0);
x0=x0+h;
cadena=sprintf('x(%d)=%6.3f y(%d)=%6.3f\n',i,x0,i,y0);
cad=[cad,cadena];
end
set(handles.edit5,'string',y0);
72
FIAG-ESIC

f1=get(handles.edit1,'string');
f=inline(f1,'x','y');
h=(b-x0)/n;
X=[x0];
Y=[y0];
for i=1:n
y0=y0+h*f(x0,y0);
x0=x0+h;
X=[X,x0];
Y=[Y,y0];
end
plot(X,Y,'r*'),grid on
legend('f(x)');
close
73
FIAG-ESIC
16. METODO RUNGE KUTTA DE CUARTO ORDEN :

TEORA:
El mtodo de Runge-Kutta es un mtodo genrico de resolucin numrica de
ecuaciones diferenciales. Este conjunto de mtodos fue desarrollado
alrededor del ao 1900 por los matemticos C. Runge y M. W. Kutta.
Este mtodo puede ser usado para resolver un nmero grande de ecuaciones
diferenciales.
Dada la ecuacin diferencial ordinaria
iniciales
y ( x 0)= y 0
entonces por el
y'=
dy
=f ( x , y )
dx
con condiciones
segundo teorema fundamenta del
clculo se tiene:
'
y dx = y ( x n+1) y (x n)
x n+1
xn
74
FIAG-ESIC
[ x n , x n+1 ]
Para aplicar la regla de Simpson de 1/3 a
se le dividi en dos
intervalos es decir:
Entonces
y ' dx =
h /2 '
h
y ( x n ) + 4 y ' x n+ + y ' ( x n+1 )
3
2
xn+ 1
xn
Al trmino
4 y' x n +
h
2
se le expresa como:
y ' x n+
para aproximar la pendiente de
y ( xn +1 )= y ( x n ) +
h
2
2 y' x n +
h
h
+2 y ' x n+
2
2
) (
en el punto promedio
h '
h
h
y ( x n ) +2 y' x n + +2 y ' x n+ + y ' ( x n+1 )
6
2
2
) (
( x + h2 )
n
Pero
y ' =f ( x n , y n )
Por EULER se tiene que:
y ( xn +1 )= y ( x n ) +h f ( x n , y n )
Hacemos cambios de variables:
k 1= y ' ( x n ) entonces
Hagamos
k 1=f ( x n , y n )
x
h
k 2= y ' x n +
2
Hagamos
y xn +
entonces
por
euler
h
h
= y ( x n ) + f ( x n , y n ) entonces
2
2
h
h
k 2=f x n + , y n + k 1
2
2
75
h
y ( n+ )
2
h
xn + ,
2
k 2=f
)
FIAG-ESIC
k 3 = y ' xn +
Hagamos
y xn +
h
2
entonces
h
y ( n+ )
2
h
xn + ,
2
k 3=f
por
euler
por
euler
h
h
= y ( x n ) + y ' ( x n , y n ) entonces:
2
2
h
h
k 3 =f x n + , y n + k 2
2
2
)
x
Hagamos
k 4= y ' ( xn +1 )
y ( xn +1 ) = y ( x n) + h y ' x n +
entonces
h
2
h
y ( n+ )
2
h
xn + ,
2
k 4=f
entonces:
k 4=f ( xn +1, y 0 +h k 3 )
Por lo tanto:
y ( xn +1 ) = y n +
h
[ k +2 k 2 +3 k 3+ k 4 ]
6 1
Dnde:
h=
76
x n+1 xn
; mes el numero de intervalos .
m
FIAG-ESIC
DIAGRAMA DE FLUJO:
77
FIAG-ESIC
CDIGO DE PROGRAMA:
xn=str2double(get(handles.edit6,'string'));
h=(xn-x0)/n;
cad=[];
cad2=[];
for i=1:n
K1=f(x0,y0);
K2=f(x0+h/2,y0+K1*h/2);
K3=f(x0+h/2,y0+K2*h/2);
K4=f(x0+h,y0+K3*h);
y0=y0+h*(K1+2*K2+2*K3+K4)/6;
yn=sprintf('%d: %5.4f\n',i,y0);
cad=[cad,yn];
x0=x0+h;
xn=sprintf('%d: %5.4f\n',i,x0);
78
FIAG-ESIC

cad2=[cad2,xn];
end
h=(xn-x0)/n;
cad1=[y0];
cad3=[x0];
for i=1:n
K1=f(x0,y0);
K2=f(x0+h/2,y0+K1*h/2);
K3=f(x0+h/2,y0+K2*h/2);
K4=f(x0+h,y0+K3*h);
y0=y0+h*(K1+2*K2+2*K3+K4)/6;
cad1=[cad1,y0];
x0=x0+h;
cad3=[cad3,x0];
end
plot(cad3,cad1,'*b')
grid on;
legend('Y');
pan on
close
79
FIAG-ESIC
VENTANA DE DISEO Y APLICACIN
17.
Creado por Oscar
SISTEMA DE ECUACIONES DIFERENCIALES ORDINARIAS :

TEORIA:
Un sistema de ecuaciones diferenciales de primer orden se presenta en forma
general como:
Y1=f1(x1, Y1, Y2, Y3,, Yn)
Y2= f2(x1, Y1, Y2, Y3,, Yn)
Y3= f3(x1, Y1, Y2, Y3,, Yn)
.
.
Yn= fn(x1, Y1, Y2, Y3,, Yn)
Para dar la solucin a este sistema necesitamos las n condiciones iniciales en un
valor x.
Por ejemplo tengamos un sistema de ecuaciones:
Y1=f1(x1, Y1, Y2, Y3)
80
Y1(x0)=d1
FIAG-ESIC

Y2= f2(x1, Y1, Y2, Y3)
Y3= f3(x1, Y1, Y2, Y3)
h=(xn-x0)/N
Y2(x0)=d2
Y3(x0)=d3
Para hallar la solucin de un sistema de ecuaciones se puede utilizar el mtodo de

Runge kutta 4to orden.
Donde se tiene:
k1,1=f1(x0,y1,y2,y3);
k1,2=f2(x0,y1,y2,y3);
k1,3=f3(x0,y1,y2,y3);
k2,1=f1(x0+h/2,y1+(h/2)*k1,1,y2+(h/2)*k1,2,y3+(h/2)*k1,3);
k2,2=f2(x0+h/2,y1+(h/2)*k1,1,y2+(h/2)*k1,2,y3+(h/2)*k1,3);
k2,3=f3(x0+h/2,y1+(h/2)*k1,1,y2+(h/2)*k1,2,y3+(h/2)*k1,3);
k3,1=f1(x0+h/2,y1+(h/2)*k2,1,y2+(h/2)*k2,2,y3+(h/2)*k2,3);
k3,2=f2(x0+h/2,y1+(h/2)*k2,1,y2+(h/2)*k2,2,y3+(h/2)*k2,3);
k3,3=f3(x0+h/2,y1+(h/2)*k2,1,y2+(h/2)*k2,2,y3+(h/2)*k2,3);
k4,1=f1(x0+h,y1+h*k3,1,y2+h*k3,2,y3+h*k3,3);
k4,2=f2(x0+h,y1+h*k3,1,y2+h*k3,2,y3+h*k3,3);
k4,3=f3(x0+h,y1+h*k3,1,y2+h*k3,2,y3+h*k3,3);
Donde:
Y1(x+h)=Y1(x)+h*(k1,1+2*k2,1+2*k3,1+k4,1)/6;
Y2(x+h)=Y2(x)+h*(k1,2+2*k2,2+2*k3,2+k4,2)/6;
Y3(x+h)=Y3(x)+h*(k1,3+2*k2,3+2*k3,3+k4,3)/6;
CODIGO DE PROGRAMA:
CODIGO PARA EL BOTON CALCULAR:
f1=inline(f1x,'x','y1','y2','y3');
f2=inline(f2x,'x','y1','y2','y3');
f3=inline(f3x,'x','y1','y2','y3');
h=(xn-x0)/n;
cad1='';
for i=1:n
81
FIAG-ESIC

k11=f1(x0,y1,y2,y3);
k12=f2(x0,y1,y2,y3);
k13=f3(x0,y1,y2,y3);
k21=f1(x0+h/2,y1+(h/2)*k11,y2+(h/2)*k12,y3+(h/2)*k13);
k22=f2(x0+h/2,y1+(h/2)*k11,y2+(h/2)*k12,y3+(h/2)*k13);
k23=f3(x0+h/2,y1+(h/2)*k11,y2+(h/2)*k12,y3+(h/2)*k13);
k31=f1(x0+h/2,y1+(h/2)*k21,y2+(h/2)*k22,y3+(h/2)*k23);
k32=f2(x0+h/2,y1+(h/2)*k21,y2+(h/2)*k22,y3+(h/2)*k23);
k33=f3(x0+h/2,y1+(h/2)*k21,y2+(h/2)*k22,y3+(h/2)*k23);
k41=f1(x0+h,y1+h*k31,y2+h*k32,y3+h*k33);
k42=f2(x0+h,y1+h*k31,y2+h*k32,y3+h*k33);
k43=f3(x0+h,y1+h*k31,y2+h*k32,y3+h*k33);
y1=y1+h*(k11+2*k21+2*k31+k41)/6;
y2=y2+h*(k12+2*k22+2*k32+k42)/6;
y3=y3+h*(k13+2*k23+2*k33+k43)/6;
x0=x0+h;
cad2=sprintf(' %d.y1=%7.3f y2=%7.3f y3=%7.3f\n',i,y1,y2,y3);
cad1=[cad1,cad2];
end
CODIGO PARA EL BOTON GRAFICAR:
function pushbutton2_Callback(hobject, eventdata, handles)
f1=inline(f1x,'x','y1','y2','y3');
f2=inline(f2x,'x','y1','y2','y3');
f3=inline(f3x,'x','y1','y2','y3');
h=(xn-x0)/n;
cad1='';
matrix1=[y1];
matrix2=[y2];
matrix3=[y3];
for i=1:n
k11=f1(x0,y1,y2,y3);
k12=f2(x0,y1,y2,y3);
k13=f3(x0,y1,y2,y3);
k21=f1(x0+h/2,y1+(h/2)*k11,y2+(h/2)*k12,y3+(h/2)*k13);
k22=f2(x0+h/2,y1+(h/2)*k11,y2+(h/2)*k12,y3+(h/2)*k13);
k23=f3(x0+h/2,y1+(h/2)*k11,y2+(h/2)*k12,y3+(h/2)*k13);
82
FIAG-ESIC

k31=f1(x0+h/2,y1+(h/2)*k21,y2+(h/2)*k22,y3+(h/2)*k23);
k32=f2(x0+h/2,y1+(h/2)*k21,y2+(h/2)*k22,y3+(h/2)*k23);
k33=f3(x0+h/2,y1+(h/2)*k21,y2+(h/2)*k22,y3+(h/2)*k23);
k41=f1(x0+h,y1+h*k31,y2+h*k32,y3+h*k33);
k42=f2(x0+h,y1+h*k31,y2+h*k32,y3+h*k33);
k43=f3(x0+h,y1+h*k31,y2+h*k32,y3+h*k33);
y1=y1+h*(k11+2*k21+2*k31+k41)/6;
y2=y2+h*(k12+2*k22+2*k32+k42)/6;
y3=y3+h*(k13+2*k23+2*k33+k43)/6;
x0=x0+h;
matrix1=[matrix1,y1];
end
for i=1:n+1
x(i)=x0+(i-1)*h;
end
plot(x,matrix1,'r*'),hold on
plot(x,matrix2,'g*'),hold on
plot(x,matrix3,'b*'),hold on
grid on
pan on
legend('y1','y2','y3')
CODIGO PARA EL BOTON LIMPIAR:
CODIGO PARA EL BOTON SALIR:
close
83
FIAG-ESIC
18. ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR:

TEORIA:
Dado el problema de valor inicial PVI general.
y(n) =f (x , y , y ' , y '' , y ' ' , , y (n 1) )
Donde Y(x0)=d1 Y(x0)=d2.
Y (n1 ) ( x 0 )=dn
Y (xf)=?
La estrategia es convertir la ecuacin diferencial en un sistema de ecuaciones
diferenciales lineales de primer orden.
Sea:
u1=Y
un= Y
(n1)
u2=Y
84
FIAG-ESIC

u3=Y
Ahora:
u1=Y=u2
u2=Y=u3
u3=Y=u4
..
..
Con sus respectivas condiciones iniciales:

u1(x0)=d0 u2(x0)=d2
u3(x0)=d3un(x0)=d(n-1)
Y se forma un sistema de ecuaciones:

Luego se desarrolla como un sistema de ecuaciones con sus respectivos
condiciones iniciales, utilizando el mtodo de Runge kutta.
CODIGO DE PROGRAMA:
f1=inline('u2','x','u1','u2');
f2=inline(get(handles.edit1,'string'),'x','u1','u2');
u1=str2double(get(handles.edit4,'string'));
h=(b-a)/n;
x=a;
cad1='';
85
FIAG-ESIC

for i=1:n
k11=f1(x,u1,u2);
k12=f2(x,u1,u2);
k21=f1(x+h/2,u1+(h/2)*k11,u2+(h/2)*k12);
k22=f2(x+h/2,u1+(h/2)*k11,u2+(h/2)*k12);
k31=f1(x+h/2,u1+(h/2)*k21,u2+(h/2)*k22);
k32=f2(x+h/2,u1+(h/2)*k21,u2+(h/2)*k22);
k41=f1(x+h,u1+h*k31,u2+h*k32);
k42=f2(x+h,u1+h*k31,u2+h*k32);
u1=u1+h*(k11+2*k21+2*k31+k41)/6;
u2=u2+h*(k12+2*k22+2*k32+k42)/6;
x=x+h;
cad2=sprintf(' %d. Y=%7.3f u2=%7.3f\n',i,u1,u2);
cad1=[cad1,cad2];
end
set(handles.edit7,'string',u1);
f1=inline('u2','x','u1','u2');
f2=inline(get(handles.edit1,'string'),'x','u1','u2');
h=(b-a)/n;
x=a;
w(1)=a;
y(1)=u1;
for i=1:n
k11=f1(x,u1,u2);
k12=f2(x,u1,u2);
k21=f1(x+h/2,u1+(h/2)*k11,u2+(h/2)*k12);
k22=f2(x+h/2,u1+(h/2)*k11,u2+(h/2)*k12);
k31=f1(x+h/2,u1+(h/2)*k21,u2+(h/2)*k22);
k32=f2(x+h/2,u1+(h/2)*k21,u2+(h/2)*k22);
k41=f1(x+h,u1+h*k31,u2+h*k32);
k42=f2(x+h,u1+h*k31,u2+h*k32);
u1=u1+h*(k11+2*k21+2*k31+k41)/6;
u2=u2+h*(k12+2*k22+2*k32+k42)/6;
x=x+h;
y(i+1)=u1;
w(i+1)=x;
end
set(handles.edit7,'string',u1);
axes(handles.axes1)
plot(w,y,'r.',w,y),grid on
title('GRFICA DE Y');
86
FIAG-ESIC

pan on
close
87
FIAG-ESIC
19. METODO DE DIFERENCIAS FINITAS-ECUACION DE SEGUNDO ORDEN:

TEORIA:
Un problema de valores de frontera consta de una ecuacin diferencial de orden n
condiciones de frontera y puestas sobre la funcin conocida en valores de la
variable independiente.
PARA UNA ECUACION DIFERENCIAL DE SEGUNDO ORDEN:
Si:
Y"= P(x) Y' + Q(x)Y + R(x)
x [a, b]
Y(a)=
Y(b)=
Dada una discretizacion de la regin:
X(i)=a+i*h i=0,1,2..N h=(b-a)/N
Y se aproximan las derivadas mediante (operadores en diferencias). Por ejemplo
utilizando que:
88
FIAG-ESIC
Se observa que la ecuacin en diferencias no se puede aplicar, directamente a los

nodos de frontera a=x0 , b=Xn donde se han de considerar las condiciones de
contorno.
Por ello se aplica la ecuacin en diferencias a los nodos interiores y se deja los
exteriores para las condiciones de contorno.
Con la notacin pi=p(xi) qi=q(xi) ri=r(xi) tendremos en los nodos interiores (i=1,
,N-1)
Agrupando trminos queda:
Esto es un sistema de N-1 ecuaciones con N+1 incgnitas, introduciendo las

notaciones:
2-pi*h=ai
2*h*h*qi-4=bi
2+pi*h=ci
Se tiene las N-1 ecuaciones:
89
FIAG-ESIC
Se tendr la siguiente operacin de matrices:
Donde yi ,i=0,1N seria todas las imgenes buscadas.

CODIGO DE PROGRAMA:
p=inline(get(handles.edit1,'string'));
q=inline(get(handles.edit2,'string'));
r=inline(get(handles.edit3,'string'));
90
FIAG-ESIC

yn=str2double(get(handles.edit7,'string'));
h=(b-a)/n;
for i=1:n+1
x(i)=a+h*(i-1);
end
A=zeros(n-1,n-1);
d=1;
for i=1:n-1
if i==1 | i==n-1
if i==1
A(1,1)=2+(h*h)*q(x(2));
A(1,2)=-1+(h/2)*p(x(2));
else
A(n-1,n-2)=-1-(h/2)*p(x(n));
A(n-1,n-1)=2+(h*h)*q(x(n));
end
else
A(i,d)=-1-(h/2)*p(x(i+1));
A(i,d+1)=2+(h*h)*q(x(i+1));
A(i,d+2)=-1+(h/2)*p(x(i+1));
d=d+1;
end
end
B=zeros(n-1,1);
for i=1:n-1
if i==1 | i==n-1
if i==1
B(1,1)=-(h*h)*r(x(i+1))-(-1-(h/2)*p(x(i+1)))*y0;
else
B(n-1,1)=-(h*h)*r(x(n))-(-1+(h/2)*p(x(n)))*yn;
end
else
B(i,1)=-(h*h)*r(x(i+1));
end
end
C=inv(A)*B;
d=[y0;C;yn];
cad='';
cad1='';
for i=1:n+1
cadena=sprintf('%d:%6.4f\n',i,d(i,1));
cad=[cad,cadena];
cade=sprintf('%d:%6.4f\n',i,x(i));
cad1=[cad1,cade];
end
91
FIAG-ESIC

p=inline(get(handles.edit1,'string'));
q=inline(get(handles.edit2,'string'));
r=inline(get(handles.edit3,'string'));
yn=str2double(get(handles.edit7,'string'));
h=(b-a)/n;
for i=1:n+1
x(i)=a+h*(i-1);
end
A=zeros(n-1,n-1);
d=1;
for i=1:n-1
if i==1 | i==n-1
if i==1
A(1,1)=2+(h*h)*q(x(2));
A(1,2)=-1+(h/2)*p(x(2));
else
A(n-1,n-2)=-1-(h/2)*p(x(n));
A(n-1,n-1)=2+(h*h)*q(x(n));
end
else
A(i,d)=-1-(h/2)*p(x(i+1));
A(i,d+1)=2+(h*h)*q(x(i+1));
A(i,d+2)=-1+(h/2)*p(x(i+1));
d=d+1;
end
end
B=zeros(n-1,1);
for i=1:n-1
if i==1 | i==n-1
if i==1
B(1,1)=-(h*h)*r(x(i+1))-(-1-(h/2)*p(x(i+1)))*y0;
else
B(n-1,1)=-(h*h)*r(x(n))-(-1+(h/2)*p(x(n)))*yn;
end
else
B(i,1)=-(h*h)*r(x(i+1));
end
end
C=inv(A)*B;
d=[y0;C;yn];
plot(x,d,'r*'),grid on
xlabel('');
ylabel('LA CURVA');
92
FIAG-ESIC

zoom on
close
93
FIAG-ESIC
94
FIAG-ESIC

Calculo Numerico Metodos Oscar

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Calculo Numerico Metodos Oscar

Uploaded by

Copyright:

Available Formats

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB

RAICES DE UNA ECUACION NO LINEAL:

SISTEMA DE ECUACIONES NO LINEALES

METODO NUMERICOS EN MATLAB

ECUACIONES DIFERENCIALES ORDINARIAS

SISTEMA DE ECUACIONES ORDINARIAS...59

ECUACIONES DE ORDEN SUPERIOR..63

ECUACIONES DIFERENCIALES DE SEGUNDO ORDEN

RAICES DE ECUACIONES NO LINEALES

METODO NUMERICOS EN MATLAB

La primera aproximacin a la raz se determina con la frmula:

Realizar las siguientes evaluaciones

f (a)f (x n) < 0 Entonces

f (a)f (x n)=0 Entonces

Calcule la nueva aproximacin:

Evaluar la aproximacin relativa:

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB

CDIGO DEL PROGRAMA:

METODO NUMERICOS EN MATLAB

CDIGO EN EL BOTN GRAFICAR:

CDIGO EN EL BOTN SALIR:

VENTANA DE DISEO Y APLICACIN:

METODO NUMERICOS EN MATLAB

2. MTODO DEL PUNTO FIJO:

Para encontrar la solucin, partimos de un valor

Reemplazamos el nuevo valor obtenido y repetimos el proceso. Esto da lugar

que si converge, tendr como lmite

la solucin del problema.

y=g( x 0) . La interseccin de esta

nos dar un nuevo valor

METODO NUMERICOS EN MATLAB

absoluto que la unidad (que es la pendiente de la recta definida por

Un ejemplo de este caso se muestra en la figura. Esta condicin, que a puede

g(x) del siguiente modo:

De forma que tomando un valor de

adecuado, siempre podemos hacer

g ( x ) cumpla la condicin de la derivada.

METODO NUMERICOS EN MATLAB

0< g' ( x ) <1 g ' (x )>1

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB

VENTANA DE DISEO Y APLICACIN:

METODO NUMERICOS EN MATLAB

3- MTODO DE NEWTON RAPHSON:

x 1 , dada por la frmula:

Este mtodo est definido por el denominador

geomtricamente se base en una aproximacin a una recta tangente a la curva

METODO NUMERICOS EN MATLAB

trazada en el punto correspondiente a la aproximacin presente,

esto puede observarse en la figura:

DIAGRAMA DE FLUJO CON LA DERIVADA:

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB

SIN INGRESAR LA DERIVADA: DIAGRAMA DE FLUJO:

METODO NUMERICOS EN MATLAB

dificulta en ocasiones el clculo de la derivada.

En estos casos es ms til emplear el mtodo de la secante.

En general, el mtodo de la secante presenta las mismas ventajas y

METODO NUMERICOS EN MATLAB

METODO NUMERICOS EN MATLAB