Escolar Documentos
Profissional Documentos
Cultura Documentos
METODOS NUMRICOS
TEMA DE LA TUTORA:
RESOLUCIN DE DOS PROBLEMAS DE MTODOS
NUMRICOS APLICADOS A LA METODOLOGA DE
PROYECTOS
INTEGRANTES:
JUAN CARLOS CHIMBOLEMA
CICLO: XI Ciclo; Nivel 350 A
PROFESOR(A): Ing. Luis Rodrguez Ojeda MSC.
CARRERA: Ing. en Sistemas Computacionales
FACULTAD: Facultad de Ingeniera
GUAYAQUIL - ECUADOR
SEMESTRE B2013
INTRODUCCIN
Para Esta Tutora Tenemos La visualizacin que tenemos respecto al programa del laboratorio
matemtico MATLAB es que sirve para realizar clculos numricos con vectores y
matrices que cumple con el objetivo de modelar matemticamente y simular por medio del
computador y de la herramienta matemtica simblica con diferentes sistemas fsicos sus
importancias del programa de Matlab es crear objetos grficos , cientficos e incluso artstico
en la pantalla mediante expresiones matemticas tambin ayuda a lo que es el calculo
matemtico avanzado lo que nos dice como es el comportamiento de la grafica ya sea una
figura en el plano o una superficie en el espacio llegando incluso hasta poder desarrollar
ecuaciones diferenciales e incluso llegando al estudio de una integral nos podemos apoyar en
el matlab y este nos indicara el significado y conocimientos del propio programa por eso para
nosotros es todo un reto que el grupo de oyentes pueda entender y captar con conocimientos
adecuados un programa que nos brinda.
OBJETIVO:
Matlab proporciona un entorno al usuario que facilita enormemente el anlisis, diseo y
simulacin de sistemas de control, al incluir una serie de rutinas que resuelven los clculos
matemticos de fondo, junto con una sencilla interface para su uso.
El objetivo de este proyecto esta utilizado mediante el lenguaje de Matlab, este lenguaje como
objetivo principal se permite resolver mediante no solo una si no miles de problemas que se
reemplazara a las calculadoras, y que se puede resolver muy rpido apara obtener respuestas
imposible de resolver un problema, para eso tambin se utiliza muchos mtodos que resuelve
los problemas muy fcil y rpido de obtener una respuesta de mucha precisin. El objetivo de
esta practica es familiarizarse con Matlab, una herramienta de calculo asistido por ordenador,
y especialmente con el subconjunto de rutinas especcas de control automtico (El Control
toolbox).
ANLISIS DEL PROBLEMA
Definicin de modelo matemtico
X=TX+D
(I-T)X=D (Sistemas De Ecuaciones Lineales)
Para Obtener La Solucin nica De Forma General Para Esta Ecuacin
Descripcin de Las Variables
T= Matriz De La Economa
D=Vector De Trminos Independientes de la Demanda
X= Vector de la Produccin Total de la Economa (Solucin)
Diagonal_= Matriz Diagonal De T (Economa)
Dwn=Matriz Diagonal Inferior de T (Economa)
Sup= Matriz Diagonal Superior de T (Economa)
Diseo Del Problema
Mtodo Numrico Elegido
Mtodo de Jacobi
En la iteracin de Jacobi, se escoge una matriz Q que es diagonal y cuyos elementos
diagonales son los mismos que los de la matriz A. La matriz Q toma la forma:
y la ecuacin general se puede escribir como
Qx
(k)
= (Q-A)x
(k-1)
+ b
Si denominamos R a la matriz A-Q:
La Ecuacin se puede reescribir como:
Qx
(k)
= -Rx
(k-1)
+ b
El producto de la matriz Q por el vector columna x
(k)
ser un vector columna. De modo
anlogo, el producto de la matriz R por el vector columna x
(k-1)
ser tambin un vector
columna. La expresin anterior, que es una ecuacin vectorial, se puede expresar
por necuaciones escalares (una para cada componente del vector). De este modo, podemos
escribir, para un elemento i cualquiera y teniendo en cuenta que se trata de un producto
matriz-vector:
Si tenemos en cuenta que en la matriz Q todos los elementos fuera de la diagonal son cero, en
el primer miembro el nico trmino no nulo del sumatorio es el que contiene el elemento
diagonal q
ii
, que es precisamente a
ii
. Ms an, los elementos de la diagonal de Rson cero, por
lo que podemos eliminar el trmino i=j en el sumatorio del segundo miembro. De acuerdo con
lo dicho, la expresin anterior se puede reescribir como:
De donde despejando x
i
(k)
obtenemos:
En Que es la expresin que nos proporciona las nuevas componentes del vector x
(k)
en funcin
de vector anterior x
(k-1)
en la iteracin de Jacobi.
El mtodo de Jacobi se basa en escribir el sistema de ecuaciones en la forma:
(66)
Partimos de una aproximacin inicial para las soluciones al sistema de ecuaciones y
sustituimos estos valores en la ecuacin. De esta forma, se genera una nueva aproximacin a
la solucin del sistema, que en determinadas condiciones, es mejor que la aproximacin
inicial. Esta nueva aproximacin se puede sustituir de nuevo en la parte derecha de la
ecuacin y as sucesivamente hasta obtener la convergencia.
Formulacin Matemtica
(MODELO MATEMATICO ITERATIVO DE JACOBI) Parecido A: X=G(X)
(Mtodo del Punto Fijo). Realizando Las Operaciones Iterativas
INSTRUMENTACIN
Algoritmo De Jacobi
function x = jacobi(a,b,x)
n=length(x);
t=x; % t es asignado con el vector X ingresado
for i=1:n
s=a(i,1:i-1)*t(1:i-1)+a(i,i+1:n)*t(i+1:n);
x(i) = (b(i) - s)/a(i,i);
end
Desarrollo Del Problema 1:
>> T=[0.40 0.03 0.02; 0.06 0.37 0.10; 0.12 0.15 0.19]
T =
0.4000 0.0300 0.0200
0.0600 0.3700 0.1000
0.1200 0.1500 0.1900
>> D=[80; 140; 200]
D =
80
140
200
>> Dwn=[0 0 0; 0.06 0 0; 0.12 0.15 0]
Dwn =
0 0 0
0.0600 0 0
0.1200 0.1500 0
>> Sup=[0 0.03 0.02; 0 0 0.10; 0 0 0]
Sup =
0 0.0300 0.0200
0 0 0.1000
0 0 0
>> X=[1; 1; 1]
X =
1
1
1
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
1.9988
0.3779
1.0512
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
1.1909
-0.2299
-0.5081
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
2.4264
0.3226
0.4819
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
1.5171
-0.1453
-0.7345
Haciendo 100 Iteraciones. Nos queda As:
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
2.0802
0.1419
-0.3732
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
2.0802
0.1419
-0.3732
>> X=(inv(Diagonal_)*D)-(inv(Diagonal_)*(Dwn+Sup)*X)
X =
1.0e+003 *
2.0802
0.1419
-0.3732
Observamos que el sistema si va a converger puesto que la suma de los coeficientes que o estn en la diagonal
principal es menor que el coeficiente que est en la misma.
0.03+0.02<80 0.05<80
0.03+0.02<140 0.05<140
0.03+0.02<200 0.05<200
>> X=[200; 200; 200]
X =
200
200
200
>> X=Jacobi(T,D,X)
X =
175.0000
291.8919
768.4211
>> X=Jacobi(T,D,X)
X =
139.6871
142.3186
711.6643
>> X=Jacobi(T,D,X)
X =
153.7429
163.3847
852.0514
>> X=Jacobi(T,D,X)
X =
145.1436
123.1629
826.5429
>> X=Jacobi(T,D,X)
X =
149.4356
131.4516
863.7280
>> X=Jacobi(T,D,X)
X =
146.9547
120.7056
854.4736
>> X=Jacobi(T,D,X)
X =
148.2234
123.6091
864.5242
>> X=Jacobi(T,D,X)
X =
147.5031
120.6870
861.4307
>> X=Jacobi(T,D,X)
X =
147.8769
121.6399
864.1925
>> X=Jacobi(T,D,X)
X =
147.6674
120.8328
863.2042
>> X=Jacobi(T,D,X)
X =
147.7773
121.1339
863.9737
>> X=Jacobi(T,D,X)
X =
147.7163
120.9081
863.6665
>> X=Jacobi(T,D,X)
X =
147.7486
121.0010
863.8833
>> X=Jacobi(T,D,X)
X =
147.7308
120.9372
863.7896
>> X=Jacobi(T,D,X)
X =
147.7402
120.9654
863.8512
>> X=Jacobi(T,D,X)
X =
147.7350
120.9472
863.8230
>> X=Jacobi(T,D,X)
X =
147.7378
120.9557
863.8406
>> X=Jacobi(T,D,X)
X =
147.7363
120.9505
863.8322
>> X=Jacobi(T,D,X)
X =
147.7371
120.9530
863.8372
Realizando 80 Iteraciones Y Nos queda El Rsultado
>> X=Jacobi(T,D,X)
X =
147.7368
120.9520
863.8358
>> X=Jacobi(T,D,X)
X =
147.7368
120.9519
863.8357
>> X=Jacobi(T,D,X)
X =
147.7368
120.9519
863.8358
>> normaR1=norm(X,inf)
normaR1 =
863.8358
>> (I-T)
(I-T) =
0.6000 -0.0300 -0.0200
-0.0600 0.6300 -0.1000
-0.1200 -0.1500 0.8100
>> D
D =
80
140
200
>> X=GaussJordan02((I-T),D)
a =
1.0000 -0.0500 -0.0333 133.3333
0 0.6270 -0.1020 148.0000
0 -0.1560 0.8060 216.0000
a =
1.0000 0 -0.0415 145.1356
0 1.0000 -0.1627 236.0447
0 0 0.7806 252.8230
a =
1.0000 0 0 158.5657
0 1.0000 0 288.7323
0 0 1.0000 323.8737
X =
158.5657 288.7323 323.8737
>>Xt=X
Xt =
158.5657
288.7323
323.8737
>> Cond(T)
ans =
4.0354
Este Sistema De Ecuaciuones Lineales Es MuyMal Condicionado, A Razn de Que Valor poco
grande pasando de Su Lmite como (k<1).
>> nmT=norm(T,inf)
nmT =
0.5300
>> Kt=cond(T)*nmT
Kt =
2.1388 => 213.88%
Es Bien Grande Por Su Nivel De Aceptacin En El Porcentaje, Puesto Que Los Valores De La Matriz
T de la Economa Afectan A Todos y Que Los Valores No Son Confiable que Tienen Sus
Desventajas.
PROBLEMA 2
Luego de efectuarse un experimento se anotaron los resultados:(x
i
,
f
i
) y se tabularon las diferencias finitas. Accidentalmente se
borraron algunos valores quedando nicamente lo que se muestra
a continuacin:
x
i
f
i
f
i
2
f
i
3
f
i
4
f
i
1.3 3.534 -------- 0.192 0.053 0.002
1.5 -------- -------- -------- --------
1.7 -------- -------- --------
1.9 -------- --------
2.1 --------
Tambin se haba hecho una interpolacin lineal con el polinomio
de diferencias finitas en x = 1.4 obtenindose como resultado de la
interpolacin el valor 4.0755
a) Reconstruya la tabla de diferencias finitas
b) Encuentre el valor de f(1.62) con un polinomio de
interpolacin de Diferencias Finitas Avanzadas de tercer
grado, y estime el error en la interpolacin.
c) Encuentre el valor de x tal que f(x) = 5.4 con un polinomio de
interpolacin de diferencias finitas avanzadas de tercer grado.
Para obtener la respuesta debe resolver una ecuacin cbica.
Use el Mtodo de Newton y obtenga el resultado con cuatro
decimales exactos. Previamente encuentre un intervalo de
convergencia.
d) Encuentre las coordenadas del punto mximo del polinomio
de intepolacin que incluye a los cinco puntos tabulados.
ANALISIS DEL PROBLEMA
Definicin De Modelo Matemtico
No Est Definido El Modelo Matemtico Ya Que Los Vectores: X: Los Puntos En El Plano, F
Los Puntos De La Funcin Polinmica De Lagrange Ya Que Cuando Ingresamos Esos Datos
Obtenemos Este resultado del Polinomio Durante La Eficiencia Computacional
Descripcin de La Variables
Xr= Valores de La Coordenada X El En Plano Reconstruidas.
Fr= Valores de La Coordenada F Del Resultado de una Cierta Funcin Polinmica de
Lagrange Reconstruidas.
P= Polinomio de Lagrange
t= Valor Constante y Resultante Para Evaluar Una Iteracin de una Ecuacin Polinmica De
Lagrange
d= Tabla de Diferencias Finitas
r= Valor Numrico Evaluado de la Ecuacin Polinmica De Lagrange
DISEO DEL PROBLEMA
Mtodo Numrico Elegido
Mtodo De Polinomio De Lagrange
En anlisis numrico, el polinomio de Lagrange, llamado as en honor a Joseph-Louis de Lagrange, es el
polinomio que interpola un conjunto de puntos dado en la forma de Lagrange. Fue descubierto por Edward
Waring en 1779 y redescubierto ms tarde por Leonhard Euler en 1783.
Dado que existe un nico polinomio interpolador para un determinado conjunto de puntos, resulta algo confuso
llamar a este polinomio el polinomio interpolador de Lagrange. Un nombre ms conciso es interpolacin
polinmica en la forma de Lagrange.
La interpolacin de polinomios de Lagrange es simplemente una formulacin del polinomio de Newton que
evita el clculo por diferencias divididas. Se puede expresar de manera concisa como:
()
()()
()
Donde
()
()
Donde designa el producto de. Por ejemplo, la versin lineal ( ) e:
()
) ()
Y la versin de segundo orden es:
()
(
)(
)
(
)(
)
(
)
(
)(
)
(
)(
)
(
)
(
)(
)
(
)(
)
(
) ()
La ecuacin (1) se puede derivar de manera directa a partir del polinomio de Newton. Sin embargo, el racional
resaltado de la formulacin de Lagrange se puede captar de manera directa al darse cuenta que cada trmino
() ser en
()(
)
toma el valor de (
) en el punto de muestra