MTODO DE NEWTON
CURSO:
Mtodos Numricos
DOCENTE:
Edwin Colos Ccallme
CICLO:
VII
REALIZADO POR:
Arisnabarreta Crdova Javier
Rosado Aari Silvia
Sanca Cutipa Alejandra
Vilca Ramos Ghan Alexander
Arequipa Per
2017
1
AGRADECIMIENTOS
Sin nimos de olvidar a nadie en particular, a todas aquellas personas que de una
u otra forma han compartido su vida durante el transcurso de estos ltimos aos, nuestro
ms sincero agradecimiento a su comprensin, estmulo y ayuda, ya que todos son parte
de nuestra vida.
2
RESUMEN
races de una funcin real. Tambin puede ser usado para encontrar el mximo o mnimo de
()
Xn+1 = Xn -
()
1
= 100%
f(x)
r x2 x1 x0
3
OBJETIVOS
.
4
INTRODUCCIN
El mtodo de Newton fue descrito por Isaac Newton en De analysi per aequationes nmero
sucesivas xn, sino que calculaba una secuencia de polinomios para llegar a la aproximacin
Isaac Newton probablemente deriv su mtodo de forma similar aunque menos precisa del
mtodo de Franois Vite. La esencia del mtodo de Vite puede encontrarse en el trabajo
5
INDICE
AGRADECIMIENTOS .................................................................................................................... 2
RESUMEN ......................................................................................................................................... 3
OBJETIVOS ...................................................................................................................................... 4
INTRODUCCIN............................................................................................................................. 5
CAPITULO 1: Marco Terico ......................................................................................................... 7
1.1 Marco Terico ................................................................................................................... 7
1.2 Desarrollo del Mtodo....................................................................................................... 7
1.3 Desarrollo En el Programa Octave - Mathlab ...................................................................... 8
1.4 Interpretacin Grfica Del Mtodo ................................................................................ 9
1.4.1 Esquema Del Mtodo De Newton.................................................................................. 10
1.5 Otro Concepto ....................................................................................................................... 11
CAPITULO 2: Ejercicios................................................................................................................ 12
2.1 Ejemplo 1 ............................................................................................................................... 12
2.2 Ejemplo 2 ............................................................................................................................... 13
2.3 Ejemplo 3: Con el mtodo de Newton encuentre el mximo de ........................................ 13
CATITULO 3: Ejercicios Aplicados a la Ingeniera .................................................................... 15
3.1 Ejemplo 1: Aplicacin del Mtodo de Newton Raphson en el Principio de la Esfera
Sumergida en Agua ................................................................................................................... 15
3.1.1 APLICACIN DEL METODO DE NEWTON .......................................................... 17
3.2 Ejemplo 2: Este ejemplo se encuentra relacionado con el Metodo Predictivo de control;
en el cual nos permite predecir la variacion de costos en una planta. .................................... 20
CONCLUSIONES ........................................................................................................................... 22
BIBLIOGRAFA ............................................................................................................................. 23
6
CAPITULO 1: Marco Terico
los ceros o races de una funcin real. Tambin puede ser usado para encontrar el
Es una tcnica para encontrar el valor ptimo (mximo o mnimo), de una funcin de
una variable, f(x). Para esta clase de anlisis se debe tener cuidado con los sistemas
multimodal, en los cuales existen valores ptimos globales y locales. Para la gran
7
Como anotacin, es conveniente verificar que la segunda derivada tenga el signo
correcto, para confirmar que la tcnica converge sobre el valor deseado.
8
Imagen 4: Resolviendo en Octave- Mathlab
9
( c ) esto en el punto c . En otras palabras graficar el mtodo de Newton se debe de
considerar la tangente a f(x) en un punto cercano de r
f(x)
r x2 x1 x0
10
1.5 Otro Concepto
h2 h3 h4 hn n
f ( x h) f ( x) hf ( x) f ( x) f ( x) f v ( x) .... f ( x)
2! 3! 4! n!
0 f (r ) f ( x h) f ( x) hf ( x) 0.( h 2 )
En donde h = r x, que ocurre si h se aproxima a cero entonces x se aproxima a
la raz r. Si ignoramos el tercer trmino podemos determinar el valor para h. es
decir tenemos que:
0 f ( x) hf ( x) h
f ( x)
Si aproximamos x a la raz r entonces x f ( x) deber
f ( x) f ( x)
11
CAPITULO 2: Ejercicios
2.1 Ejemplo 1
Solucin
a) Primero determinamos la derivada del polinomio: f ( x) 3x 2 4 x 10
f ( xk )
b) Aplicar la sucesin iterativa x k 1 x k
f ( x k )
( x k ) 3 2( x k ) 2 10 x k 20
c) x k 1 x k
3( x k ) 2 4 x k 10
d) x1 = 1.41176
e) X2 = 1.36934
f) X3 = 1.36881
g) X4 = 1.36881
iteraciones x k 1 x k g ( x k )
xk
k
0 1.00000 0.00000 0.24221
1 1.41176 0.41176 0.02446
2 1.36934 0.04243 0.00031
3 1.36881 0.00053 1.09x10-6
4 1.36881 0.00000 1.2714x10-6
Debemos destacar que con este mtodo solo se necesitaban tres iteraciones para
alcanzar la aproximacin necesaria y adems se tiene una mayor aproximacin.
12
2.2 Ejemplo 2
c) x1 = 2
d) X2 = 1.74247
e) X3 = 1.76305
f) X4 = 1.76287
Debemos destacar que con este mtodo solo se necesitaban cuatro iteraciones para alcanzar
la aproximacin necesaria
13
14
CATITULO 3: Ejercicios Aplicados a la Ingeniera
En mineria podemos tener como referencia este ejemplo, ya que en ciertas etapas como la
molienda del mineral; el mineral esta en contacto con el agua.
E= m*g =
Donde:
E = empuje
f = densidad de fluido
V = Volumen del fluido desplazado por un cuerpo parcial o totalmente
sumergido en l.
g = aceleracin de la gravedad
m = masa del cuerpo sumergido
De este modo, el empuje depende de la densidad del fluido, del volume del
cuerpo y de la gravedad existente en ese lugar.
15
La masa de agua desplazada cuando la esfera se sumerge en agua y sta alcanza la altura d hasta la
superficie libre, est dada por la siguiente ecuacin:
4
= [ 2 ( )2 ] = 2 (3 )/3
0
2 (3 )
= =
3
La masa de la esfera es:
= (4/3) 3
El volume del liquido desplazado es igual al volumen del liquido sumergido:
( 4/3) 3 = (3 )/3
Esto indica que se debe resolver la ecuacin equivalente 4 3 = 2 (3 ), equivalente a:
3 33 + 4 3 = 0
Reemplazando los valores = 0.55 m, = 0.6, se tiene la ecuacin, para cual profundidad d
estara dada en metros y, a los cuales la bola se submerge debajo del agua.
() = 3 165 2 + 3.993104
Quiere decir que existen al menos 2 raices positivas para este polinomio, y corroborando por regla
de Laguerre:
Comprobamos que el mximo numero de races positivas esde 2Por ser un polinomio de grado 3
podemos inferir que tiene tressoluciones la ecuacin. Como 2 de ellas son positivas la otra puede
ser negativa o compleja.
Races negativas
Al menos dos de esas races son positivas
La otra raz (Qu no es de inters para el ejercicio) puedeser una raz negativa o compleja.
16
3.1.1 APLICACIN DEL METODO DE NEWTON
Sea f(d) = 0 la ecuacion cuya raiz se desea hallar.
Se supone la estimacion inicial de la raiz es f(d) = 0, d0 = 0.05 m. esto es una estimacion razonable,
como los valores de los extremos de la profundidad seria 0 y el diametro (0.11 m) de la esfera.
A. Iteracin 1
La estimacion de la raiz es:
Entonces el error aproximado relativo absoluto |ea| al final de la primera iteracin es:
17
B. Iteracin 2
Evaluando la expression a partir de d1:
La estimacin de la raiz es:
El mximo valor de m para la cual |ea| 0.05 x 102 es 2.844. Por lo tanto, el nmero de dgitos
significativos al menos en la respuesta correcta es 2.
C. Iteracin 3
Evaluando la expresin a partir de d2: La estimacin de la raz es
18
Entonces el error aproximado relativo absoluto al final de la tercera iteracin es:
19
3.2 Ejemplo 2: Este ejemplo se encuentra relacionado con el Metodo
Predictivo de control; en el cual nos permite predecir la variacion de
costos en una planta.
= [( + ) ( + )] + [( + )]
= =
20
Nu es el horizonte de control
1
2
( + 1) = () ( 2 ()) ()
Empleando esta formula y teniendo en cuenta cada variable, podemos realizar iteraciones,
existen tcnicas para hallar un modelo matemtico de esta, pero en la prctica existen
sistemas que no presentan un comportamiento lineal, en este caso la mejor opcin para
aproximar el comportamiento de la planta es utilizar redes neuronales que cuentan con la
capacidad de aproximar el comportamiento de sistemas no lineales.
21
CONCLUSIONES
lineales, converge muy rpidamente y proporciona una muy buena precisin en los
resultados.
22
BIBLIOGRAFA
https://www.youtube.com/watch?v=aHuyFxMGcKg
https://www.uv.es/~diaz/mn/node20.html
http://www.objetos.unam.mx/matematicas/matema/Daplica/da_aplicacion08_d.html
23