Académique Documents
Professionnel Documents
Culture Documents
AL PROFESOR:
HUGO FERNANDO PARDO PINZON
EN LA ASIGNATURA
ANALISIS NUMERICO
GRUPO A
INDICE
Pagina
1. Introduccin
2. Fundamento Terico
Secuencia y Aplicacin del Mtodo
Anlisis del Mtodo con respecto al Algoritmo
Ventajas y limitaciones del Mtodo
Ejemplo del Mtodo de biseccin
3. Problema
Enunciado del Problema
4
4
5
5
6
7
7
4. Modelacin y Desarrollo
Desarrollo terico y Analtico
Algoritmo
Comparacin de Valores obtenidos
8
8
10
13
5. Conclusiones
14
1. INTRODUCCION
2. FUNDAMENTO TEORCO
Mediante el mtodo de biseccin lo que se busca es determinar la raz
de una ecuacin, o sea, su interseccin con el eje de las X o su
solucin, por lo que se debe tener en cuenta que no todas las
ecuaciones tienen una sola solucin, y que no todas tienen solucin,
as que se debe tener una idea de la forma de la curva de la ecuacin
antes de comenzar a aplicar el mtodo.
El mtodo se basa en el Teorema de los Valores Intermedios (TVI), el
cual establece que toda funcin continua f en un intervalo cerrado
[ a, b] toma todos los valores que se hallan entre f (a ) y f (b) . Esto
es, que todo valor entre f (a) y f (b) es la imagen de al menos un
valor en el intervalo [ a, b] . En caso de que f (a ) y f (b) tengan signos
opuestos ( f (a ) f (b) 0 ), el valor cero sera un valor intermedio entre
f (a ) y f (b) , por lo que con certeza existe un p en [ a, b] que cumple
f ( p ) 0 . De esta forma, se asegura la existencia de al menos una
solucin de la ecuacin f ( x) 0 .
Secuencia y Aplicacin del Mtodo
Primero se debe tener certeza de la continuidad de la funcin f (x ) en
el intervalo [ a, b] . Luego verificamos que f (a ) f (b) 0 . Calculamos el
punto medio m del intervalo [ a, b] . A continuacin calculamos f (m) .
En caso de que f (m) sea igual a cero, ya hemos encontrado la raz
buscada. En caso de que no lo sea, verificamos si f (m) tiene signo
opuesto con f (a ) o con f (b) . Se redefine el intervalo [ a, b] como
[ a, m] o [ m, b] segn se haya determinado en cul de estos intervalos
ocurre un cambio de signo. Con este nuevo intervalo se contina
sucesivamente encerrando la solucin en un intervalo cada vez ms
pequeo, hasta alcanzar la precisin deseada. En la siguiente figura
se ilustra el procedimiento descrito.
ba
y de nuevo la
2
y m n n , y puede mostrarse fcilmente por induccin que en la nsima iteracin, al aproximar p con mn se tiene que:
mn p
ba
2n
hacerse al menos ln
ba
/ ln 2
iteraciones.
ln 5 10 5 / ln 2 16
C
-13
-13
-8,5
-6,25
-4
-8,5
-6,25
-5,125
-6,25
-5,6875
5
-4
-4
-4
-5,125
-6,25
-5,96875 5,6875
-5,96875 -5,828125 5,6875
x^3+6x^2+2x+8
[-13,5]
f(A)
f(B)
f (C )
-1201
32
293
-1201
-189,625
32
-189,625 -14,265625
32
-14,265625 20,7324219
32
20,73242
-14,265625 6,73364258
19
- 6,733642
-14,265625 2,82418823
58
6,733642
2,82418823 2,18183517
58
3. PROBLEMA
El problema propuesto corresponde al anlisis poblacional de una
regin cuyas condiciones iniciales se encuentran consignadas en el
siguiente enunciado:
Enunciado del Problema
Supngase que una cierta poblacin cuenta con un milln de
individuos inicialmente, que 435000 inmigran a la comunidad en el
primer ao y que 1564000 estn presentes al final de un ao. Para
determinar la tasa de natalidad de esta poblacin es necesario
despejar en la ecuacin
1564000 1000000 e
435000
e 1
4. MODELACION Y DESARROLLO
Desarrollo terico y Analtico
Ahora podemos iniciar el desarrollo terico del problema de la
siguiente manera:
f ( a ) f (c ) 0
Siendo:
ba
/ ln 2 . Para nuestro
del primer intervalo de operacin. ln
0.5 0.01
/ ln 2 14 iteraciones.
problema tenemos: ln
4
10
Iteraci
n
f(A)
0,01
0,255
0,5
0,01
0,1325
0,255
0,01
0,07125
0,1325
0,07125
0,101875
0,1325
0,07125 0,0865625
0,101875
0,0942187
0,0865625
5
0,0942187 0,0980468
5
8
0,0980468 0,0999609
75
4
0,101875
0,0999609 0,1009179
38
7
0,101875
13
0,1009179
69
0,1009179
7
0,1009179
7
0,1009179
7
14
0,1009777 0,1010076
85
9
10
11
12
0,1013964
8
0,1011572
3
0,1010376
0,1009777
8
0,101875
0,101875
0,101875
0,10139648
5
0,10115722
8
0,10103759
9
116767,56
5
116767,56
5
116767,56
5
39278,769
39278,769
19197,929
4
9048,2948
3945,9365
9
1387,8417
2
107,06243
9
f(B)
f(C)
221954,974
649108,7
76
42813,8991
221954,9
74
0,924528302
1174,87328
19197,9294
42813,89
91
42813,89
91
1174,873
28
-9048,2948
3945,93659
1174,873
28
1174,873
28
1387,84239
1174,873
28
0,019148105
107,062439
1174,873
28
0,009483262
-39278,769
533,7608
-107,0611 213,314038
-107,0611 53,1177676
-107,0611 26,9739252
26,973255
0,1010376
7 13,0723607
1174,873
28
533,7614
7
213,3147
07
53,11776
76
53,11910
67
error
relativo
0,859649123
0,300613497
0,176895307
0,081260365
0,039043825
0,004719251
0,002365199
0,001184
0,000592353
0,000296096
1564000e
435000
e 1 2187957,9
Algoritmo
%PROGRAMA DE CALCULO DE CEROS POR BISECCIN
clear;
clc;
global f;
format long g;
disp(' ');
disp('Programa de calculo de ceros por');
disp('El Mtodo de Biseccin');
% cambiar el parmetro funcion para otra ecuacin.
%funcion=input('Digite la funcion entre comillas simples: ');
funcion='1000000*exp(x)+435000*(exp(x)-1)/x-1564000';
f=inline(funcion);
a=1;
b=0;
while(a>=b)
%CAMBIAR PARAMETROS DE A Y B
%a=input('Digite el lmite inferior (a): ');
a=0.01;
10
function cero=calcular_cero_iteraciones(a,b,n)
% a: limite inferior del intervalo
% b: limite superior del intervalo
% n: numero de iteraciones que faltan
global f;
11
mitad=(a+b)/2;
if n==1
cero=mitad;
else
if (f(a)*f(mitad)<0)
%La solucin est entre a y b
cero=calcular_cero_iteraciones(a,mitad,n-1);
else
cero=calcular_cero_iteraciones(mitad,b,n-1);
end
end
Landa
Poblacion
Biseccion
(Teorico)
0,101007693
2187957,9
Algoritmo
%Error
0,1010
0,007616
2187957,8939 2,78799E-07
13
5. CONCLUSIONES
14
NOTA1:
Pedimos disculpas por la demora en la entrega. Tenamos el
programa desarrollado pero el trabajo no estaba finalizado en
su totalidad.
NOTA 2
El archivo calcular_cero_iteraciones es una funcin del
programa poblacin.m, por lo cual debe ser guardado junto
con su archivo madre en la carpeta Works de Matlab para su
ejecucin.
15
16