Prueba de Evaluación 1- A - Métodos Numéricos Grupo Q103 (16/Marzo/2023)

E1.- La concentración en sangre de un medicamento administrado a un paciente a las t horas de

haberle inyectado una dosis del medicamento viene dada por

t
c(t) = e1−t/3 (mg/ml)
3
Se debe poner una segunda dosis cuando la concentración en sangre después de pasar por su
máximo baja a 0.7 mg/ml. Aproxima el tiempo (en minutos) que debe transcurrir desde la
primera dosis inyectada, con un error absoluto máximo de 1 minuto ( tolerancia = 1/60 horas)
mediante el método de la bisección.
√
E2.- Aproxima el valor de 5 125 utilizando el método de Newton tomando como valor inicial
p0 = 3 y criterio de parada: error relativo entre iteraciones consecutivas menor que 10−8 o
número máximo de iteraciones igual a 10.
√
E3.- Sea g(x) = 1 + sin x x ∈ 0, π2 . Demuestra analı́ticamente que g verifica las condiciones
 

de existencia y unicidad de punto fijo en el intervalo dado.

√ h πi
(a) g(x) = 1 + sen x es continua en el intervalo 0, y derivable, con derivada continua,
2
es decir, de clase uno en el intervalo.
h π i h π i
(b) g 0, ⊂ 0, :
2 2
′ cos x h πi  π 
g (x) = √ > 0 x ∈ 0, ⇒ g crece en 0, 
2 1 + hsen xi 2 2 ⇒
π
g(x) > 0 x ∈ 0, 
2 √
mı́nimo en x = 0 → m = g(0) = 1, máximo en x = π/2 → M = g(π/2) = 2 ⇒
h π i h √ i h π i
g 0, = 1, 2 ⊂ 0,
2 2
cos x h πi
(c) g ′ (x) = √ . Veamos que |g ′ (x)| ≤ K < 1 x ∈ 0,
2 1 + sen x 2

′′ −2 sen x − 2 sen2 x − cos2 x h πi

′
 π 
g (x) = p < 0 x ∈ 0, ⇒ g decrece en 0, 

4(1 + hsen x)i 1 + sen(x) 2 2 ⇒
′ π
g (x) ⩾ 0 x ∈ 0,


2
1
mı́nimo en x = π/2 → m = g ′ (π/2) = 0, máximo en x = 0 → M = g ′ (0) = ⇒
2
1 1
|g ′ (x)| = g ′ (x) ⩽ g ′ (0) = < 1 ⇒ K =
2 2
E4.- Se considera el sistema 
2x2 + y 2 = 6
3x − xy − 3y + 1 = 0

(a) Define la función vectorial asociada al sistema, y determina la matriz jacobiana de la

función.
(b) ¿Se podrı́a utilizar el valor inicial P0 = (a, a) a > 0 para aplicar el método de Newton-
Raphson? Razona la respuesta.
a) Sistema a resolver: 
2x2 + y 2 − 6 = 0
3x − xy − 3y + 1 = 0
Definimos la función vectorial asociada al sistema y su matriz jacobiana
 
4x 2y
F(x, y) = 2x2 + y 2 − 6 , 3x − xy − 3y + 1 ⇒ JF(x, y) = 



3 − y −x − 3

b) Calculamos el determinante de la matriz jacobiana

4x 2y
det (JF(a, a)) = = 4a(−a − 3) − 2a(3 − a) = −4a2 − 12a − 6a + 2a2 =
3 − y −x − 3 (a,a)
2
= − 2a − 18a = −2a(a + 9) ̸= 0 ∀a > 0

Como la matriz jacobiana es invertible para todo punto (a, a) a > 0, sı́ se podrı́an
utilizar como valor inicial en el método de Newton-Raphson.
E1.- La concentración en sangre de un medicamento administrado a un paciente a las t horas de haberle inyectado
una dosis del medicamento viene dada por
t 1−t/3
c(t) = e (mg/ml)
3
Se debe poner una segunda dosis cuando la concentración en sangre después de pasar por su máximo baja a 0.7 mg/ml.
Aproxima el tiempo (en minutos) que debe transcurrir desde la primera dosis inyectada, con un error absoluto máximo
de 1 minuto ( tolerancia = 1/60 horas) mediante el método de la bisección.

• Plantea la ecuación a resolver.

• Dibuja la función asociada a la ecuación en el intervalo [0,8] (horas) y determina un intervalo de longitud una
hora donde se encuentra la solución a aproximar.

clearvars
conc=@(t) t/3.*exp(1-t/3)-0.7;
t1=0:0.01:8;
plot(t1,conc(t1),'b',t1,t1*0,'k'), grid on

Intervalo [6,7]

a=6;b=7;delta = 1/60;
iter= ceil((log(b-a)-log(delta))/log(2))

iter = 6

for n=1:iter
c=(a+b)/2;
if conc(a)*conc(c)<0
b=c;
else
a=c;
end
end
fprintf("El tiempo transcurrido es de %.2f horas, %.0f minutos", c,c*60)

El tiempo transcurrido es de 6.30 horas, 378 minutos

1
 √
E2.- Aproxima el valor de 5 125 utilizando el método de Newton tomando como valor inicial p0 = 3 y criterio de
parada: error relativo entre iteraciones consecutivas menor que 10−8 o número máximo de iteraciones igual a 10.

clearvars
a=125;
f1=@(x) x.^5-a;
df1=@(x) 5*x.^4;
delta= 10^(-8);maxiter=10;
er=1;i=1;pn(1)=2;
while(i<= maxiter && er>delta)
pn(i+1)= pn(i)-f1(pn(i))/df1(pn(i));
er=abs(pn(i+1)-pn(i))/abs(pn(i+1));
i=i+1;
end
fprintf("La raíz quinta de %.2f = %.8f ", a,pn(end))

La raíz quinta de 125.00 = 2.62652780

abs(pn(end)-125^(1/5))

ans =
0

1
 √
1 + sin x x ∈ 0, π2 .
 
E3.- Sea g(x) =

Considerando como punto inicial el punto medio del intervalo, determina el número de iteraciones necesarias para
obtener una aproximación del punto fijo con un error absoluto menor que δ = 10−6 y halla dicha aproximación.
1.6

1.4

1.2

clearvars 1

g=@(x) sqrt(1+sin(x)); 0.8

x1=0:pi/64:pi/2; 0.6

plot(x1,g(x1),'b',x1,x1,'k'), grid on 0.4

0.2

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6

0.5

0.45

0.4

0.35

dg=@(x) 0.5*cos(x)./g(x);
0.3

0.25

plot(x1,dg(x1),'r',x1,x1*0,'k'), grid on 0.2

0.15

0.1

0.05

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6

k=0.5;
delta=10^(-6);
niter=ceil((log(delta)-log(pi/2-0))/log(k))

niter = 21

p=pi/4;
for n=1:niter
p=g(p);
end
fprintf("La aproximación al punto fijo es %.6f ", p)

La aproximación al punto fijo es 1.409624

¿Sería el punto fijo hallado solución de la ecuación x2 = 1 + sin(x)? En caso afirmativo, comprueba gráficamente la
respuesta.
2.5

1.5

f=@(x) x.^2-1-sin(x); 1

x2=0:0.01:2; 0.5

plot(x2,f(x2),'b',x2,x2*0,'k',p,f(p),'ro',... 0

'MarkerFaceColor','r'),grid on -0.5

-1

-1.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

1
E3.- Se considera el sistema
2x2 + y 2 = 6

3x − xy − 3y + 1 = 0
1. Dibuja las curvas asociadas al sistema y tomando como un punto inicial (1,1) aproxima la solución que se
encuentra en el primer cuadrante del sistema.

clearvars
fimplicit(@(x,y) 2*x.^2+y.^2-6), grid on
hold on
fimplicit(@(x,y) 3*x-x.*y-3*y+1)

2. Aproxima la solución del primer cuadrante mediante el método de Newton-Raphson de varias variables realizando
como máximo diez iteraciones hasta que el error relativo entre dos iteraciones consecutivas sea menor que 10−8 .

F=@(X) [2*X(1).^2+X(2).^2-6;3*X(1)-X(1).*X(2)-3*X(2)+1];
JF=@(X) [4*X(1),2*X(2);3-X(2),-X(1)-3];
P=[1;1];
delta=10^(-8);
er=1;maxiter=10;i=1;
while (i<=maxiter && er>delta)
Q=P-JF(P)\F(P);
er=norm(Q-P)/norm(Q);
P=Q;
i=i+1;
end
P'

ans = 1x2
1.500885956890133 1.222572160986819

fprintf('La solución del sistema en %d iteraciones es (x=%f,y=%f)',i-1,P(1),P(2))

La solución del sistema en 5 iteraciones es (x=1.500886,y=1.222572)

3. Comprueba gráficamente que la solución obtenida es el punto de intersección de ambas curvas.

plot(P(1),P(2),'go','MarkerFaceColor','g')