TRABAJO EN WORD DE METODOS NUMERICOS Gabyy

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MATERIALES
“PROYECTO FINAL DE MÉTODOS NUMÉRICOS”
CURSO:
MÉTODOS NÚMERICOS COMPUTARIZADOS
DOCENTE:
M.g TEODORO ALBERTO GELDRES MARCHENA
ALUMNA:
 ANGULO RODRÍGUEZ GABY

 GIL RECALDE HAROLD
 SABOGAL GARCÍA JHON
 SÁNCHEZ DIAZ MAYRA
CICLO:
IV
TRUJILLO – PERÚ
2018
UNIVERSIDAD NACIONAL DE TRUJILLO FACULTAD DE INGENIERÍA
MÉTODOS NUMÉRICOS COMPUTARIZADOS Escuela de Ingeniería de Materiales
DEDICATORIA
El presente trabajo está dedicado a:
Dios por habernos dado la vida, la voluntad y la oportunidad de estudiar hermosa carrera
con amplio campo en la investigación. A nuestros padres por estar siempre en los buenos
y malos momentos de nuestra corta vida, por mostrarnos en cada momento su apoyo
incondicional y el interés para desarrollarnos profesionalmente. A nuestro maestro el ing.
TEODORO ALBERTO GELDRES MARCHENA, quien se toma día a día el arduo trabajo de
transmitirnos sus diversos conocimientos e incentivarnos a realizar trabajos de
beneficiosos para nuestra carrera profesional.
INTRODUCCIÓN
Los métodos numéricos son técnicas mediante las cuales es posible
formular problemas matemáticos de tal forma que puedan resolverse
usando operaciones aritméticas.
Los métodos numéricos nos vuelven aptos para entender esquemas

numéricos a fin de resolver problemas matemáticos, de ingeniería y
científicos en una computadora, reducir esquemas numéricos básicos,
escribir programas y resolverlos en una computadora y usar correctamente
el software existente para dichos métodos y no solo aumenta nuestra
habilidad para el uso de computadoras, sino que también amplia la pericia
matemática y la comprensión de los principios científicos básicos.
El análisis numérico trata de diseñar métodos para “aproximar” de una

manera eficiente las soluciones de problemas expresados
matemáticamente.
El objetivo principal del análisis numérico es encontrar soluciones

“aproximadas” a problemas complejos utilizando solo las operaciones más
simples de la aritmética. Se requiere de una secuencia de operaciones
algebraicas y lógicas que producen la aproximación al problema
matemático.
PROYECTO FINAL DE MÉTODOS NÚMERICOS
I. DIAGRAMAS DE FLUJO
1. MÉTODO DE NEWTON-RAPHSON
Para el sistema no lineal de la forma:
𝑓1 (𝑋1 , 𝑋2 , . . , 𝑋𝑁 )=0
𝑓2 (𝑋1 , 𝑋2 , . . , 𝑋𝑁 )=0
𝑓𝑁 (𝑋1 , 𝑋2 , . . , 𝑋𝑁 )=0
Usando notación vectorial:
F(X)=0
Donde : F= [𝑓1 , 𝑓2 , . . , 𝑓𝑁 ]T
X= [𝑋1 , 𝑋2 , . . , 𝑋𝑁 ]
Sea: 𝜕𝑓1 /𝜕𝑋1 𝜕𝑓1 /𝜕𝑋2 …….. 𝜕𝑓1 /𝜕𝑋𝑁
J=F’= 𝜕𝑓2 /𝜕𝑋1 𝜕𝑓2 /𝜕𝑋2 …….. 𝜕𝑓2 /𝜕𝑋𝑁
𝜕𝑓𝑁 /𝜕𝑋1 𝜕𝑓𝑁 /𝜕𝑋2 …….. 𝜕𝑓𝑁 /𝜕𝑋𝑁

DIAGRAMA DE FLUJO
INICIO
X(0), tol, itemax.
K=1, itemax, K++
X(K)←X(K-1)-[F’(X(K-1))]-1F(X(K))
E← X(K)- X(K-1)
1
norm(E)<tol
o BREAK
FIN
2.MÉTODO DE GAUSS-SEIDEL CON RELAJACIÓN
Ax=b, donde AϵRnxn , xϵRn , bϵRn

Diagrama de flujo:
INICIO
n, A, b, X(0),w, imax, tol
K=1, imax, k++
i=1, n , i++
Sum1←0
Sum2←0
j=1 , n , j++
0 0
j<1 j>1
1 1
(𝑘) (𝑘−1)
Sum1←sum1+ (-aij/aii)𝑋𝑖 Sum2←sum2+ (-aij/aii)𝑋𝑗
(𝑘) (𝑘−1)
𝑋𝑖 ←w( Sum1+ Sum2-(bi/aii))+(1-w) 𝑋𝑖
error←||X(K)-X(K-1)||
0
error>tol
1
BREAK
X(k+1) ←X(k)
X(K)
FIN
3. MÉTODO DE GAUSS-SEIDEL
DIAGRAMA DE FLUJO PARA GAUSS-SEIDEL
INICIO
n, A, b, X(0), itemax, tol
K=1 , itemax , K++
i=1 , n , i++
Sum1←0
Sum2←0
j=1 , n , j++
0 0
j<1 0 j>1
1 1
(𝑘) (𝑘−1)
Sum1←sum1+ (-aij/aii)𝑋𝑖 Sum2←sum2+ (-aij/aii)𝑋𝑗
(𝑘)
𝑋𝑖 ←( Sum1+ Sum2-(bi/aii))
error←||X(K)-X(K-1)||
0
error>tol
1
BREAK
X(k+1) ←X(k)
X(K)
FIN
4. MÉTODO DE JACOBI
DIAGRAMA DE FLUJO PARA JACOBI
INICIO
n, A ,b ,X(0), kmax, e
d←10-10
K=1 , kmax , k++
i=1 , n , i++
sum←bi
diag←aii
1
|diag|<d
0 Elemento de la diagonal
j=1 , n , j++
muy chico
0
i≠j
1
BREAK
sum←sum-(aij*Yj)
(𝑘)
𝑋𝑖 ←sum/diag
2
3
1
2
3
r←||X(K)-X(K-1)||
1
r<e
0
BREAK
X(K+1) ←X(K)
FIN
5. MÉTODO DE SIMPSON
INICIO
f, a, b, nϵ2N
Sum1←f(a)+f(b)
Sum2←0
Sum3←0
h←(b-a)/n
i=1 ; (n/2) ; i++
Sum2←sum2+f(a+(2i-1)h)
j=1 ; (n/2)-1 ; j++
Sum3←sum3+f(a+(2i-1)h)
sum←(h/3)(sum1+4sum2+2sum3)
sum
FIN
6. MÉTODO DE INTEGRACION
6.1 Aproximación de la primera derivada
DIAGRAMA DE FLUJO 1RA DERIVADA
INICIO
f, h, x
f+←f(x+h)
f-←f(x-h)
f’←(1/2h)(f+-f-)
f’
FIN
6.2 Aproximación de la segunda derivada
DIAGRAMA DE FLUJO 2DA DERIVADA
INICIO
f, h, x
f+←f(x+h)
̅
𝑓←f(x)
f-←(x-h)
̅ -)
f’’←(1/h2)(f+-2𝑓+f
f’’
FIN
II. CODIFICACIÓN
1. MÉTODO DE NEWTON-RAPHSON
%Newton-Raphson.m
% "Método de Newton-Raphson"
%DESCRIPCIÓN:
% Este programa encuentra la solución de un sistema de
% ecuaciones no lineales con 3 variables y 3 ecuaciones,
% usando el método de Newton Raphson.
% f1(x,y,z) = 0
% f2(x,y,z) = 0
% f3(x,y,z) = 0
% entrada:
% f1 = primera ecuación no lineal del sistema.
% f2 = segunda ecuación no lineal del sistema.
% f3 = tercera ecuación no lineal del sistema.
% x0 = vector con los valores iniciales de la iteración.
% imax = número máximo de iteraciones.
% tol = tolerancia del método.
% salida:
% [x y z] = vector con los valores aproximados de cada una de las
% variables que soluciona al sistema de ecuaciones.
%EJEMPLO:
% El programa funciona correctamente para los siguientes datos

% f1 =x+y+z-3
% f2 = x^2 + y^2 + z^2 - 5
% f3 = exp(x) + x*y - x*z - 1
% x0 = [0.1 1.2 2.5]
% imax = 10
% tol = 0.5*10^(-5)
%===================================================
=======================
clc; clear; close all;
syms x y z
f1 = input('ingrese f1(x,y,z): ');
x0 = input('ingrese el vector inicial: ');
imax = input('ingrese el numero maximo de iteraciones: ');
tol = input('ingrese la tolerancia: ');
F1(x,y,z) = f1;
F2(x,y,z) = f2;
F3(x,y,z) = f3;
F1x(x,y,z) = diff(F1,x);
F1y(x,y,z) = diff(F1,y);
F1z(x,y,z) = diff(F1,z);
X(1) = x0(1);
Y(1) = x0(2);
Z(1) = x0(3);
for k=2:imax
J = [F1x(X(k-1),Y(k-1),Z(k-1)) F1y(X(k-1),Y(k-1),Z(k-1)) F1z(X(k-

1),Y(k-1),Z(k-1));
F2x(X(k-1),Y(k-1),Z(k-1)) F2y(X(k-1),Y(k-1),Z(k-1)) F2z(X(k-1),Y(k-

1),Z(k-1));
F3x(X(k-1),Y(k-1),Z(k-1)) F3y(X(k-1),Y(k-1),Z(k-1)) F3z(X(k-1),Y(k-

1),Z(k-1))];
IJ = inv(J);
F = [F1(X(k-1),Y(k-1),Z(k-1)); F2(X(k-1),Y(k-1),Z(k-1)); F3(X(k-1),Y(k-

1),Z(k-1))];
Xk = [X(k-1); Y(k-1); Z(k-1)];
Xs = Xk - (IJ*F);
X(k) = Xs(1);
Y(k) = Xs(2);
Z(k) = Xs(3);
E = Xs - Xk;
if(norm(E) < tol)
break
end
end
x = X(k)
y = Y(k)
z = Z(k)
3. MÉTODO DE GAUSS-SEIDEL
%Gauss_Seidel.m
% "Solución de sistemas de ecuaciones usando la matriz de
% iteración Gauss-Seidel"
%DESCRIPCIÓN:
% ecuaciones con n variables y n ecuaciones, usando un método
% iterativo, con la matriz de iteración de Gauss-Seidel.
% entrada:
% A = matriz cuadrada A.
% b = vector de terminos independientes b.
% x = vector con los valores iniciales de la iteración.
% salida:
% k = número de iteraciones con las cuales converge a la
% solución usando este método.

% x = vector con los valores aproximados de cada una de las
% itmax = número máximo de iteraciones.
% tol = tolerancia del método.
%EJEMPLO:
% A = [2 -1 0; -1 3 -1 ; 0 -1 2]
% b = [1 8 -5]
% x = [0 0 0]
% itmax =100
% tol =0.5*10^(-5)
% [k,x] = Gauss_Seidel( A, b, x,itmax, tol )
%===================================================
=======================
function [k,x]=Gauss_Seidel(A,b,x,itmax,tol)
n=size(A);
for k=1:itmax
y=x;
for i=1:n
s1=0;
s2=0;
for j=1:n
if j<i
s1=s1+A(i,j)*x(j);
else
if j>i
s2=s2+A(i,j)*y(j);
end
end
end
x(i)=-(s1+s2-b(i))/A(i,i);
end
e=x-y;
r=norm(e);
if(r>tol)
for i=1:n
y(i)=x(i);
end
else
break
end
end
4. MÉTODO DE JACOBI
%Jacobi.m
% "Solución de sistemas de ecuaciones usando la matriz de
% iteración Jacobi"
%DESCRIPCIÓN:
% ecuaciones con n variables y n ecuaciones, usando un método
% iterativo, con la matriz de iteración de Jacobi.
% entrada:
% A = matriz cuadrada A.
% b = vector de terminos independientes b.

% x = vector con los valores iniciales de la iteración.
% kmax = Número máximo de iteraciones.
% e = Tolerancia del método.
% salida:
% k = número de iteraciones con las cuales converge a la
% solución usando este método.
% x = vector con los valores aproximados de cada una de las
%EJEMPLO:
% A = [2 -1 0; -1 3 -1 ; 0 -1 2]
% b = [1 8 -5]
% x = [0 0 0]
% itmax =100
% tol =0.5*10^(-5)
% [k,x] = Jacobi( A, b, x,itmax, tol )
%==========================================================================
function [k,x]=Jacobi(A,b,x,kmax,e)
[n, q]=size(A);
d=0.0000000001;
y=zeros(n);
itmax =100;
for k=1:kmax;
y=x;
for i=1:n;
sum=b(i);
diag=A(i,i);
if(abs(diag)<d)
x='elemento de la diagonal muy chico';
return
end
for j=1:n;
if(j~=i)
sum=sum-(A(i,j)*y(j));
end
end
x(i)=sum/diag;
end
%disp(k);
%disp(x);
z=x-y;
r=norm(z);
if(r<e)
%disp(k);
%disp(x);
return
end
end
x='se alcanzó la iteración máxima';
end
5. MÉTODO DE SIMPSON
%Integral.m
% "Aproximación de la integral método de Simpson"
%DESCRIPCIÓN:
% Este programa calcula un valor aproximado de una función en
% un intervalo [a,b]
% entrada:
% a = extremo izquierdo del intervalo [a,b].
% b = extremo derecho del intervalo [a,b].
% f(x)= función a aproximar.
% N = número (par) de particines
% salida:
% I = aproximación de la integral de f(x) sobre el intervalo
% [a,b].
%EJEMPLO: Sea f(x) = exp(-x^2) sobre el intervalo [0,1]:
% Los datos de entrada para el algoritmo serán:
% syms x
% Simpson(exp(-x^2),10,0,1)
%===================================================
=======================
function [I] = Simpson(F,n,a,b)
syms x
f(x) = F;
sum2 = 0;
sum3 = 0;
h = (b-a)/n;
sum1 = (f(a)+f(b));
for i=1:(n/2)
sum2 = sum2 + f(a+(2*i-1)*h);
end
for j=1:((n/2)-1)
sum3 = sum3 + f(a + 2*j*h);
end
I = (h/3)*(sum1 + 4*sum2 + 2*sum3);
I = double(I);
end
6. MÉTODO DE INTEGRACION
6.1 Aproximación de la primera derivada
%Primera_Deriva.m
% "Aproximación de la primera derivada"
%DESCRIPCIÓN:
% Este programa calcula un valor aproximado de la primera

deriva
% de una función en un punto x
% entrada:
% x = punto en el que se aproxima a la primera derivada.
% h = tamaño de paso.
% salida:
% D = aproximación de la derivada de f(x) sobre el punto x.

%EJEMPLO: Sea f(x) = sin(cos(x)) en x = 1 con tamaño de paso h:
% syms x
% PDerivada(sin(cos(exp(x))),pi,0.001)
% a =1
% f(x) = sin(cos(x))
% h = 0.01
% PDerivada(f,a,h)
%===================================================
=======================
function [D] = PDerivada(F,a,h)
syms x
f(x) = F;
f1 = f(a+h);
f2 = f(a-h);
D = (1/(2*h))*(f1 + f2);
D = double(D);
end
6.2 Aproximación de la segunda derivada
SEGUNDA DERIVADA
%Segunda_Deriva.m
% "Aproximación de la segunda derivada"
%DESCRIPCIÓN:
% Este programa calcula un valor aproximado de la segunda deriva
% de una función en un punto x
% entrada:
% x = punto en el que se aproxima a la segunda derivada.
% h = tamaño de paso.
% salida:
% D = aproximación de la derivada de f(x) sobre el punto x.
%EJEMPLO: Sea f(x) = sin(cos(x)) en x = 1 con tamaño de paso h:
% syms x
% a =1
% f(x) = cos(x)
% h = 0.01
% PPDerivada(f,a,h)
%==========================================================================
function [DD] = PPDerivada(F,a,h)
syms x
f(x) = F;
f1 = f(a+h);
f2 = f(a);
f3 = f(a-h);
DD = (1/(h*h))*(f1 - 2*f2 + f3);
DD = double(DD);
end
III. CORRIDA DEL PROGRAMA


TRABAJO EN WORD DE METODOS NUMERICOS Gabyy

Cargado por

Copyright:

Formatos disponibles

TRABAJO EN WORD DE METODOS NUMERICOS Gabyy

Cargado por

Información del documento

Título original

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

TRABAJO EN WORD DE METODOS NUMERICOS Gabyy

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE TRUJILLO

“PROYECTO FINAL DE MÉTODOS NUMÉRICOS”

M.g TEODORO ALBERTO GELDRES MARCHENA

 ANGULO RODRÍGUEZ GABY

El presente trabajo está dedicado a:

Los métodos numéricos nos vuelven aptos para entender esquemas

El análisis numérico trata de diseñar métodos para “aproximar” de una

El objetivo principal del análisis numérico es encontrar soluciones

PROYECTO FINAL DE MÉTODOS NÚMERICOS

Para el sistema no lineal de la forma:

Usando notación vectorial:

Sea: 𝜕𝑓1 /𝜕𝑋1 𝜕𝑓1 /𝜕𝑋2 …….. 𝜕𝑓1 /𝜕𝑋𝑁

J=F’= 𝜕𝑓2 /𝜕𝑋1 𝜕𝑓2 /𝜕𝑋2 …….. 𝜕𝑓2 /𝜕𝑋𝑁

𝜕𝑓𝑁 /𝜕𝑋1 𝜕𝑓𝑁 /𝜕𝑋2 …….. 𝜕𝑓𝑁 /𝜕𝑋𝑁

X(0), tol, itemax.

K=1, itemax, K++

2.MÉTODO DE GAUSS-SEIDEL CON RELAJACIÓN

Ax=b, donde AϵRnxn , xϵRn , bϵRn

n, A, b, X(0),w, imax, tol

K=1, imax, k++

DIAGRAMA DE FLUJO PARA GAUSS-SEIDEL

n, A, b, X(0), itemax, tol

K=1 , itemax , K++

DIAGRAMA DE FLUJO PARA JACOBI

K=1 , kmax , k++

i=1 ; (n/2) ; i++

j=1 ; (n/2)-1 ; j++

6.1 Aproximación de la primera derivada

DIAGRAMA DE FLUJO 1RA DERIVADA

6.2 Aproximación de la segunda derivada

DIAGRAMA DE FLUJO 2DA DERIVADA

% Este programa encuentra la solución de un sistema de

% ecuaciones no lineales con 3 variables y 3 ecuaciones,

% usando el método de Newton Raphson.

% f1 = primera ecuación no lineal del sistema.

% f2 = segunda ecuación no lineal del sistema.

% f3 = tercera ecuación no lineal del sistema.

% x0 = vector con los valores iniciales de la iteración.

% imax = número máximo de iteraciones.

% tol = tolerancia del método.

% [x y z] = vector con los valores aproximados de cada una de las

% variables que soluciona al sistema de ecuaciones.

% El programa funciona correctamente para los siguientes datos

% f2 = x^2 + y^2 + z^2 - 5

% f3 = exp(x) + x*y - x*z - 1

% x0 = [0.1 1.2 2.5]

clc; clear; close all;

f1 = input('ingrese f1(x,y,z): ');

f2 = input('ingrese f2(x,y,z): ');

f3 = input('ingrese f3(x,y,z): ');

x0 = input('ingrese el vector inicial: ');

imax = input('ingrese el numero maximo de iteraciones: ');

tol = input('ingrese la tolerancia: ');

J = [F1x(X(k-1),Y(k-1),Z(k-1)) F1y(X(k-1),Y(k-1),Z(k-1)) F1z(X(k-

F2x(X(k-1),Y(k-1),Z(k-1)) F2y(X(k-1),Y(k-1),Z(k-1)) F2z(X(k-1),Y(k-

F3x(X(k-1),Y(k-1),Z(k-1)) F3y(X(k-1),Y(k-1),Z(k-1)) F3z(X(k-1),Y(k-

F = [F1(X(k-1),Y(k-1),Z(k-1)); F2(X(k-1),Y(k-1),Z(k-1)); F3(X(k-1),Y(k-

Xk = [X(k-1); Y(k-1); Z(k-1)];

if(norm(E) < tol)

% f3 = exp(x) + xy - xz - 1

sum2 = sum2 + f(a+(2i-1)h);

sum3 = sum3 + f(a + 2jh);

I = (h/3)(sum1 + 4sum2 + 2*sum3);

DD = (1/(hh))(f1 - 2*f2 + f3);