Teoria y Ejercicios de Analisis Numerico PDF

Teora y Ejercicios de Analisis Numerico
Primer Parcial
Jorge Elas Chamba Briones
Ayudante Academico
FCNM - ESPOL
2016
i
Contents
1. Ecuaciones no lineales: Metodo de Punto Fijo 1
2. Metodo de biseccion 8
3. Metodo de Newton 9
4. Sistemas Lineales de Ecuaciones 18
5. Sistemas NO lineales de ecuaciones 30
6. Interpolacion Polinomial 34
6.1. Polinomio de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.2. Polinomio de Newton y diferencias finitas . . . . . . . . . . . . . . . . . . . . . . 40
6.3. Trazadores cubicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
ii
1. Ecuaciones no lineales: Metodo de Punto Fijo
Definiciones y teoremas:
1) Funcion Lipschitz:
Se dice que una funcion de variable real f es Lipschitz en un intervalo I si se cumple que:
x, y I |f (x) f (y)| L |x y|
Donde L es la constante Lipschitz (L > 0), en caso de que 0 < L < 1 se dice que f es una contraccion.
Observacion: Como determinar si una funcion f derivable y continua en un intervalo I es una

contraccion en dicho intervalo?
Se puede estimar el valor de la constante L con la expresion:
L = max |f 0 (x)|
x[a,b]
Donde I = [a, b]. Finalmente se debe verificar si L (0, 1)
2) Punto fijo:
Sea f una funcion definida en un intervalo I, se dice que x I es un punto fijo de f si se cumple que:
f (x ) = x
3) Teorema de punto fijo de Brouer:
Sea f una funcion continua en un intervalo [a, b] . Suponga que:
x [a, b] f (x) [a, b]
Entonces se puede concluir que:
x [a, b] tal que f (x ) = x
Es decir, f tiene al menos un punto fijo en [a, b]
4) Teorema de punto fijo de Banach:
Suponga que se tiene una funcion de variable real f que satisface las hipotesis del TPF de Brouer en un intervalo
[a, b].
Si f es una funcion Lipschitz en [a, b]con constante L (0, 1), entonces:
1 Jorge Elas Chamba Briones - 2016

1. f tiene un unico punto fijo x [a, b](existencia y unicidad)
2. Para cualquier x0 [a, b] la sucesion xn = f (xn1 ) converge al valor x (converge al punto fijo)
Analisis del error del metodo de punto fijo.
Para el mnimo numero de iteraciones usaremos la expresion:
u }
(1L)
ln |x1 x0 |
nmin = v + 1~
ln (L)
Donde:
es la tolerancia
L es la constante de Lipschitz
x0 es el valor inicial
x1 = f (x0 )

Ejercicio #1:
Dada la sucesion de punto fijo:

1 5
xn = 2xn1 + ; nN
3 x2n1
a) Se puede garantizar su convergencia en el intervalo [1.5, 2]?
b) Encuentre el valor exacto x .
c) Tome como dato inicial x0 = 1.8 y realice 5 iteraciones.
Solucion (analisis completo):
a) Para garantizar convergencia, debemos cumplir las condiciones del TPF de Banach (por lo tanto tambien las
condiciones del TPF de Brouer), lo cual lo vamos a probar graficando las funciones f y f 0 en el intervalo [1.5, 2]
.
xn = f (xn1 )

1 5
f (x) = 2x + 2
3 x
2 10 2x3 10
f 0 (x) = 3 =
3 3x 3x3
10
f 00 (x) =
x4
De f 0 se sabe que f tiene un extremo en:

2x3 10 = 0
x = 1.7099
f 0 (x) > 0 ; 1.5 x < 1.7099 (la funcion f es creciente en este intervalo)
f 0 (x) < 0 ; 1.7099 < x 2 (la funcion f es decreciente en este intervalo)
Ya que f 00 > 0 para todo x, f es concava hacia arriba y ademas f 0 es creciente en todos los reales.
Graficando la funcion:
f (1.5) = 1.7407 f (1.7099) = 1.7099 f (2) = 1.75
f 0 (1.5) = 0.3209 f 0 (2) = 0.25

Grafica de f :
1.74
1.73
1.72
1.71
1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 1.95
Grafica de f :
De f 0 se sabe que:
L = max |f 0 (x)| = 0.3209

x[a,b]
De f se observa que:
x [1.5, 2] f (x) [1.5, 2]
f satisface las condiciones del TPF de Banach en [1.5, 2], por lo tanto, la sucesion de punto fijo converge al
unico punto fijo que tiene f en [1.5, 2]
b)
1 5
x= 2x + 2
3 x

5
3x = 2x +
x2
x3 = 5
1
x = 5 3 = 1.7099
c)
x0 1.8
x1 1.7144
x2 1.70998
x3 1.70997594675
x4 1.70997594668
x5 1.70997594668
Ejercicio #2:
El polinomio P (x) = x3 x2 x 1 tiene una unica raz positiva. Encuentre un intervalo donde se
garantice la existencia de esta raz. Utilizando el metodo del punto fijo, presente una tabla que
contenga la sucesion de valores, el error en = |xn xn1 |,n 1 , y con un criterio de interrupcion
del metodo iterativo de en 109 .
Solucion:
Debemos construir la sucesion de punto fijo:
x3 x2 x 1 = 0
x3 = x2 + x + 1
1 1
xn = 1 + + 2
xn1 xn1
1 1
f (x) = 1 + +
x x2
1 2
f 0 (x) = 2 3
x x
De f 0 se sabe que f tiene extremos en:

x 2 = 0
x = 2
x = 0 x = 2

f 0 (x) < 0 ; x (, 2) (0, +) (la funcion f es decreciente en este intervalo)
f 0 (x) > 0 ; x (2, 0) (la funcion f es creciente en este intervalo)
2 6
f 00 (x) = + 4 =0
x3 x
2x + 6 = 0
x = 3
Ya que f 00 < 0 en (, 3), f es concava hacia abajo y ademas f 0 es decreciente en este intervalo, por lo tanto,
en (3, +), f es concava hacia arriba y ademas f 0 es creciente
Graficando la funcion f :
Graficando la funcion f :
En la grafica de f y f podemos observar que un intervalo optimo puede ser [1.6, 2] ya que en este intervalo se
cumplen las hipotesis del TPF de Banach, por lo tanto la sucesion va a converger al unico punto fijo de f en
[1.6, 2] .

Tomando x0 = 1.6
n xn1 xn en
1 1.6 2.015625 0.415625
2 2.015625 1.74226309 0.27336191
3 1.74226309 1.90340325 0.16114016
4 1.90340325 1.80139337 0.10200988
5 1.80139337 1.86329053 0.06189716
6 1.86329053 1.82471570 0.03857482
7 1.82471570 1.84836809 0.02365239
8 1.84836809 1.83371802 0.01465007
9 1.83371802 1.84273596 0.00901795
10 1.84273596 1.83716353 0.00557243
Mediante el calculo computacional en 38 iteraciones se obtiene un error en 109 .
La solucion aproximada de la ecuacion es 1.83928675

2. Metodo de biseccion
Algoritmo del metodo de biseccion:
Suponga que se tiene una funcion f : [a, b] R continua y tal que f (a) y f (b) tienen signos distintos f (a)f (b) <
0. Por el teorema del valor intermedio se puede garantizar que:
x (a, b) t.q. f (x ) = 0
Datos de entrada:
f continua en [a, b] tal que f (a)f (b) < 0
a0 a
b0 b
a+b
x0 2
Para cada i desde 1 hasta n (numero total de iteraciones)
Si f (ai1 )f (xi1 ) < 0 entonces
ai ai1
bi xi1
Si f (xi1 )f (bi1 ) < 0 entonces
ai xi1
bi bi1
ai +bi
xi 2
Fin de para cada i
Analisis del error del metodo de biseccion.
Una expresion para el numero mnimo de iteraciones es:
t |
b0 a0
ln
nmin =
ln (2)

3. Metodo de Newton
Sea f C 2 [a, b].Sea x (a, b) tal que f (x ) = 0, f 0 (x ) 6= 0 entonces existe un > 0 tal que para todo
x0 [x , x + ] la sucesion:
xn = g (xn1 )
Converge a x .
Note que el metodo de Newton es un metodo de punto fijo para el cual:
f (x)
g(x) = x
f 0 (x)
Ejercicio #3:
Mediante el metodo de Newton, aproximar la solucion de la ecuacion ex = 6x + 2
Solucion:
Procedemos a escribir la ecuacion a resolver, en una funcion dependiente de la variable x:
f (x) = ex 6x 2
f 0 (x) = ex 6
Se desarrolla la g de Newton:
f (x) ex 6x 2
g(x) = x = x
f 0 (x) ex 6
xn = g (xn1 )
exn1 6xn1 2
xn = xn1
exn1 6
Tomando x0 = 2 como valor inicial:
n xn1 xn
1 2 6.75930663
2 6.75930663 5.80200984
3 5.80200984 4.89682665
4 4.89682665 4.09532584
5 4.09532584 3.47587285
6 3.47587285 3.11612266
7 3.11612266 3.00367414
8 3.00367414 2.99396863
9 2.99396863 2.99390086
10 2.99390086 2.99390085
Con 10 iteraciones la solucion aproximada es 2.99390085

Ejercicio #4:
Un objeto volador se mueve en el espacio segun el vector de posicion R(t) = (2cos(t), sen(t), 0), se
requiere el tiempo que el objeto se encuentra mas cerca del punto P (2, 1, 0).
a) Encuentre el modelo matematico que permita hallar dicho tiempo.
b) Utilice el metodo de Newton para aproximar dicho tiempo.
Solucion:
a) La distancia entre los puntos P y R esta dada por:

2
d2 = (2 2cos(t)) + (1 sen(t))2
Lo que el problema nos pide es encontrar el tiempo t, donde la distancia sea mnima, por lo tanto minimizamos
d, pero para facilitar los calculos vamos a minimizar d2 ,que llamaremos D :
2
D = (2 2cos(t)) + (1 sen(t))2
D0 = 4 (2 2cos(t)) (sen(t)) 2(1 sen(t))(cos(t)) = 8sen(t) 8sen(t)cos(t) 2cos(t) + 2sen(t)cos(t)
Por lo tanto la ecuacion a trabajar es:
8sen(t) 2cos(t) 6sen(t)cos(t) = 0
b)
f (t) = 8sen(t) 2cos(t) 6sen(t)cos(t)
f 0 (t) = 8cos(t) + 2sen(t) 6 cos2 (t) sen2 (t) = 8cos(t) + 2sen(t) 6cos(2t)

f (t) 8sen(t) 2cos(t) 6sen(t)cos(t)

g(t) = t =t
f 0 (t) 8cos(t) + 2sen(t) 6cos(2t)
tn = g (tn1 )
8sen(tn1 ) 2cos(tn1 ) 6sen(tn1 )cos(tn1 )

tn = tn1
8cos(tn1 ) + 2sen(tn1 ) 6cos(2tn1 )
Tomando x0 = 0 como valor inicial:
n tn1 tn
1 0 1
2 1 0.656176432
3 0.656176432 0.590503169
4 0.590503169 0.587227947
5 0.587227947 0.587219776
6 0.587219776 0.587219777

Con 6 iteraciones el tiempo aproximado es 0.587219777
Representando graficamente el problema:
Ejercicio #5:
El movimiento de una partcula en el plano, se encuentra representado por las ecuaciones pa-
rametricas:
x(t) = 3sen3 (t) 1 y(t) = 4sen(t)cos(t) ; t 0
Donde x, y son las coordenadas de la posicion expresadas en cm y t se expresa en s.
a) Demuestre que existe un instante t 0, 2 tal que sus coordenadas x e y coinciden.

b) Empleando el metodo de Newton, aproxime con una precision de 105 en que instante de
tiempo las dos coordenadas seran iguales en el intervalo dado en a).
Solucion:
a) Vamos a verificar que la ecuacion 3sen3 (t) 1 = 4sen(t)cos(t) tenga al menos una solucion en el intervalo

0, 2
f (t) = 3sen3 (t) 1 4sen(t)cos(t) = 0
Verificamos el signo de f (t) en los extremos del intervalo:
f (0) = 3sen3 (0) 1 4sen(0)cos(0) = 1

f = 3sen3 1 4sen cos =31=2
2 2 2 2

Ya que f (0) f 2 < 0 podemos asegurar mediante el teorema del valor intermedio que existe al menos una
solucion en dicho intervalo.
b)
f (t) = 3sen3 (t) 1 4sen(t)cos(t)
f 0 (t) = 9sen2 (t)cos(t) 4 cos2 (t) sen2 (t)

f (t) 3sen3 (t) 4sen(t)cos(t) 1

g(t) = t 0
=t
f (t) 9sen2 (t)cos(t) 4cos(2t)
tn = g (tn1 )
3sen3 (tn1 ) 4sen(tn1 )cos(tn1 ) 1

tn = tn1
9sen2 (tn1 )cos(tn1 ) 4cos(2tn1 )

Tomando t0 = 4
n tn1 tn |tn tn1 |

1 4 1.39487387 0.60947571
2 1.39487387 1.17261061 0.22226324
3 1.17261061 1.18651211 0.01390149
4 1.18651211 1.18649502 1.7 105
Con 4 iteraciones el tiempo aproximado es 1.18649502 [s]
Ejercicio #6:
2
Determine de ser posible, el valor del parametro > 0 , tal que
xex dx = 10.
a) Justifique la existencia del parametro .
b) En caso de existir el parametro , aplicar el metodo de Newton para aproximar el valor de ,

con una tolerancia de 104 .
Solucion:
a)
2
2
xex dx = [(x 1)ex ] = (2 1)e2 ( 1)e = 10


f () = (2 1)e2 ( 1)e 10 = 0
Probamos el signo de f () en el intervalo [1, 2]
f (1) = (2 1)e2 (1 1)e 10 = e2 10 < 0
f (2) = (4 1)e4 (2 1)e2 10 = 3e4 e2 10 > 0
Ya que f (1) f (2) < 0 podemos asegurar mediante el teorema del valor intermedio que existe al menos una
b)
f () = (2 1)e2 ( 1)e 10
f 0 () = 4e2 e
f () (2 1)e2 ( 1)e 10
g() = 0
=
f () 4e2 e
n = g (n1 )
(2n1 1)e2n1 (n1 1)en1 10

n = n1
4n1 e2n1 n1 en1
Tomando 0 = 1
n n1 n |n n1 |
1 1 1.09728555 0.09728555
2 1.09728555 1.08534485 0.01194071
3 1.08534485 1.08512534 0.00021951
4 1.08512534 1.08512527 7.26 108
Con 4 iteraciones el valor aproximado de es 1.08512527

Ejercicio #7:
Se requiere aproximar el punto de la curva dada por y = 2x5 3xex 10, ubicado en el tercer
cuadrante, donde su recta tangente sea paralela al eje X.
Determine:
a) La ecuacion que corresponda a la solucion del problema.
b) Un intervalo donde exista la solucion requerida. Justifique su respuesta.
c) La aproximacion de la solucion, usando el metodo de Newton, con una tolerancia de 10-6.
Solucion:
a) Lo que nos pide encontrar es el punto del tercer cuadrante donde f 0 = 0
f 0 (x) = 10x4 3ex + 3xex
h(x) = 10x4 3ex + 3xex = 0
b) Ya que la solucion debe estar en el tercer cuadrante, probamos el signo de h(x) en el intervalo [2, 0]
h(2) = 10(2)4 3e2 + 3(2)e2 = 160 9e2 > 0
h(0) = 3 < 0
Ya que h (2) h (0) < 0 podemos asegurar mediante el teorema del valor intermedio que existe al menos una
c)
h(x) = 10x4 3ex + 3xex
h0 (x) = 40x3 3xex + 6ex
h(x) 10x4 3ex + 3xex

g(x) = x = x
h0 (x) 40x3 3xex + 6ex
xn = g (xn1 )
10x4n1 3exn1 + 3xn1 exn1

xn = xn1
40x3n1 3xn1 exn1 + 6exn1
Tomando x0 = 2

n xn1 xn |xn xn1 |
1 -2 -1.59582433 0.40417567
2 -1.59582433 -1.35400409 0.24182023
3 -1.35400409 -1.25022468 0.10377941
4 -1.25022468 -1.23064093 0.01958375
5 -1.23064093 -1.22998525 0.00065568
6 -1.22998525 -1.22998453 7.198 107
Con 6 iteraciones el valor aproximado de x es -1.22998453
Ejercicio #8:
Se requiere aproximar el punto de la curva dada por f (x) = xarctan(x) + ex + 3, donde su recta
tangente sea paralela a la recta y = 3x + 2.
Determine:
a) La ecuacion que corresponda a la solucion del problema.
b) Un intervalo donde exista la solucion requerida. Justifique su respuesta.
c) La aproximacion de la solucion, usando el metodo de Newton, con una tolerancia de 10-6.
Solucion:
a) Lo que nos pide encontrar es el punto donde f 0 (x) = 3 , es decir, igualamos la derivada a la pendiente de
la recta paralela.
x
f 0 (x) = arctan(x) + ex
x2 + 1

x
arctan(x) + ex = 3
x2 +1
x
h(x) = arctan(x) + ex + 3
x2 +1
b) Probamos el signo de h(x) en el intervalo [1, 0]
1 5
h(1) = arctan(1) e+3= + e<0
2 4 2
h(0) = arctan(0) 1 + 3 = 2 > 0
Ya que h (1) h (0) < 0 podemos asegurar mediante el teorema del valor intermedio que existe al menos una
c)
x
h(x) = arctan(x) + ex + 3
x2 +1
1 1 x2 2
h0 (x) = + + ex = 2 + ex
x2 + 1 (x2 + 1)2 (x + 1)2
h(x) arctan(x) + x2x+1 ex + 3

g(x) = x = x 2
h0 (x) (x2 +1)2 + e
x
xn = g (xn1 )
xn1
arctan(xn1 ) + x2n1 +1
exn1 + 3
xn = xn1 2
(x2n1 +1)2
+ exn1
Tomando x0 = 1
n xn1 xn |xn xn1 |

1 -1 -0.68813173 0.31186827
2 -0.68813173 -0.66762159 0.02051014
3 -0.66762159 -0.66760422 1.737299*105
4 -0.66760422 -0.66760422 9*1012
Con 4 iteraciones el valor aproximado de x es -0.66760422

4. Sistemas Lineales de Ecuaciones
Definiciones:
Normas en V = M nxn :
Norma infinito o norma fila:

a11 a12 a13 ... a1n

a21 a22 a23 ... a2n

A = a31 a32 a33 ... a3n

. .. .. .. ..
. .
. . . .

an1 an2 an3 ... ann
!
n
P
kAk = kAkf = max |aij |
1in j=1
Norma 1 o norma columna:
n

P
kAk1 = kAkc = max |aij |
1jn i=1
Normas en V = Cn :
Norma infinito:

x1
x2

n
.. C
X=
.
xn
kXk = max |xi |

1in
Norma 1:
n
P
kXk1 = |xi |
i=1
Normas submultiplicativas y normas compatibles:
Se dice que una norma k. kM en el espacio vectorial Mnxn es una norma submultiplicativa si:
A,BMnxn kA.BkM kAkM kBkM

Se dice que las normas k. kM de Mnxn y k. kCn de Cn son normas compatibles si:
AMnxn XCn kA.XkCn kAkM kBkCn
Teorema:
Sean k.kM y k.kCn normas compatibles de Mnxn y de Cn respectivamente. Sea A Mnxn . Entonces se cumple
que:
(A) kAkM
Sea A Mnxn . Sean 1 , 2 , 3 , ..., k con k n los valores propios distintos de A. Se define el radio espectral
de A, denotado (A), como:
(A) = max |i |
1ik
Metodos iterativos de punto fijo para sistemas lineales:
Para resolver sistemas lineales AX = B usaremos metodos de punto fijo, los cuales a partir de un vector inicial
x0 Rn construyen una sucesion vectorial de la forma:
Xn = G(Xn1 ) ; n N
Lo cual se espera que sea convergente a la unica solucion X .
La funcion G de la ecuacion iterativa es de la forma:
G : Rn Rn
x 7 G(x) = T x + C
donde T Mnxn y C R
Para construir la funcion G, debemos definir a T y a C, lo cual dependera del metodo de punto fijo en particular
que se utilizara para resolver el problema.
La matriz A se la va a descomponer de la siguiente manera:
A=L+D+R

Metodo de Jacobi:
AX = B
(L + D + R)X = B
[D + (L + R)] X = B
DX = B (L + R)X
X = D1 B D1 (L + R)X
X = D1 B D1 (L + R)X
TJ = D1 (L + R)
CJ = D1 B
X = TJ X + CJ = GJ (x)
Metodo de Gauss-Seidel:
AX = B
[(L + D) + R)] X = B
[D + (L + R)] X = B
(L + D)X = B RX
X = (L + D)1 B (L + D)1 RX
TGS = (L + D)1 R
CGS = (L + D)1
X = TGS X + CGS = GGS (x)
Una condicion necesaria y suficiente para la convergencia de Jacobi y Gauss-Seidel es:
(TJ ) < 1 (TGS ) < 1
Ejercicio #9:
Considere el sistema lineal:
3x x2 + x3 = 2
1
2x1 + 5x2 2x3 = 21
x 4x + 7x = 25
1 2 3

Hallar:
1) TJ , kTJ k , (TJ )
2) TGS , kTGS k , (TGS )
Ademas realizar 5 iteraciones con cada metodo, y hallar la solucion aproximada.
Solucion:
1) Metodo de Jacobi:
Procedemos a escribir el sistema lineal en la siguiente forma iterativa:
2 + xn1 xn1
xn1 = 2 3
3
21 2xn1 + 2xn1
xn2 = 1 3
5
25 xn1 + 4xn1
xn3 = 1 2
7
Xn = G(Xn1 ) ; n N
Escribimos el sistema iterativo en forma matricial:
2/3 + xn1 /3 xn1

xn1 2 3 /3
x2 = 21/5 2xn1 /5 + 2xn1
n
/5

1 3
xn3 25/7 xn1
1 /7 + 4xn1
2 /7
Reescribimos el sistema de tal forma que represente una ecuacion iterativa de punto fijo en Rn (n = 3 para este
caso):
xn1

xn1 2/3 0 1/3 1/3 1
2/5 xn1
n
x2 = 21/5 + 2/5 0

2
xn3 25/7 1/7 4/7 0 xn1
3
GJ (x) = CJ + TJ X

0 1/3 1/3
TJ = 2/5 0 2/5

1/7 4/7 0
Hallamos la norma infinito de la T de Jacobi:

1 1 2 2 1 4
kTJ k = max + , + , +

3 3 5 5 7 7

2 4 5 4
kTJ k = max , , = = 0.8
3 5 7 5
Hallando los valores propios para luego hallar el radio espectral:

1/3 1/3
2
|I TJ | = 2/5 2/5 = 3 =0

7 35
1/7 4/7
(TJ ) = max (|0.2528 + 0.2214i| , |0.2528 0.2214i| , 0.5058)
(TJ ) = 0.5058
Podemos verificar que:

(TJ ) < kTJ k < 1
Con lo que concluimos que, al aplicar un metodo de punto fijo, este convergera a la solucion del sistema.

1
Realizamos 5 iteraciones con el valor inicial X0 = 1

1
(1)
x1 2/3 0 1/3 1/3 1
(1)
x2 = 21/5 + 2/5 0 2/5 1

(1)
x3 25/7 1/7 4/7 0 1
(1)
x1 0.66666666
(1)
x2 = 4.2

(1)
x3 4
(2)
x1 2/3 0 1/3 1/3 0.66666666
(2)
x2 = 21/5 + 2/5 0 2/5 4.2

(2)
x3 25/7 1/7 4/7 0 4
(2)
x1 2.06666666
(2)
x2 = 2.86666666

(2)
x3 1.07619048
(3)
x1 2/3 0 1/3 1/3 2.06666666
(3)
x2 = 21/5 + 2/5 0 2/5 2.86666666

(3)
x3 25/7 1/7 4/7 0 1.07619048
(3)
x1 0.64761905
(3)
x2 = 2.94285714

(3)
x3 2.22857143

(4)
x1 2/3 0 1/3 1/3 0.64761905
(4)
x2 = 21/5 + 2/5 0 2/5 2.94285714

(4)
x3 25/7 1/7 4/7 0 2.22857143
(4)
x1 1.05714286
(4)
x2 = 3.04952381

(4)
x3 1.98231293
(5)
x1 2/3 0 1/3 1/3 1.05714286
(5)
x2 = 21/5 + 2/5 0 2/5 3.04952381

(5)
x3 25/7 1/7 4/7 0 1.98231293
(5)
x1 1.01061225
(5)
x2 = 2.98421769

(5)
x3 1.97986395
2) Metodo de Gauss-Seidel:
Procedemos a escribir el sistema lineal en la siguiente forma iterativa:
2 + xn1 xn1
xn1 = 2 3
3
2+xn1 xn1

21 2xn1 + 2xn1 21 2 2
3
3
+ 2xn1
3 67 2xn1 8xn1
xn2 = 3
= = 2 + 3
5 5 15 15 15
2+xn1 xn1 2xn1 8xn1

25 xn1 + 4xn2 25 2
3
3
+ 4 67
15
2
15 + 3
15
xn3 = =
7 7
97 13xn1 37xn1
xn3 = 2
+ 3
105 105 105
Xn = G(Xn1 ) ; n N
Escribimos el sistema iterativo en forma matricial:
xn1 xn1

2

xn1 3 + 23 33
n 2xn1 8xn1

67
x2 =
15 15 + 15
2 3

n1
xn3 97 13x2 37xn1
105 + 105 3
105
Reescribimos el sistema de tal forma que represente una ecuacion iterativa de punto fijo en Rn (n = 3 para este
caso):

xn1
2

xn1 3 0 1/3 1/3 1
67 8/15 xn1
n
x2 = + 0 2/15

15 2
97 n1
xn3 105 0 13/105 37/105 x3
GGS (x) = CGS + TGS X

0 1/3 1/3
TGS = 0 2/15 8/15

0 13/105 37/105
Hallamos la norma infinito de la T de Gauss-Seidel

1 1 2 8 13 37
kTGS k = max + , + ,
+
3 3 15 15 105 105

2 2 10 2
kTGS k = max , , = = 0.476
3 3 21 3
Notemos que kTGS k < kTJ k < 1
Hallando los valores propios para luego hallar el radio espectral:

1/3 1/3

3 232 34
|I TGS | = 0 + 2/15 8/15 = + =0

105 225
0 13/105 37/105
(TGS ) = max (0, |0.1095 + 0.3729i| , |0.1095 0.3729i| , 0.5058)
(TGS ) = 0.388
Podemos verificar que:

(TGS ) < kTGS k < 1
Con lo que concluimos que al aplicar un metodo de punto fijo, este convergera a la solucion del sistema.

1
Realizamos 5 iteraciones con el valor inicial X0 = 1

1
(1) 2

x1 3 0 1/3 1/3 1
(1)
x2 = 67 + 0 2/15 8/15 1

15
(1) 97
x3 105 0 13/105 37/105 1
(1)
x1 0.66666666
(1)
x2 = 4.06666666

(1)
x3 1.15238095

(2) 2

x1 3 0 1/3 1/3 0.66666666
(2)
x2 = 67 + 0 2/15 8/15 4.06666666

15
(2) 97
x3 105 0 13/105 37/105 1.15238095
(2)
x1 1.07301587
(2)
x2 = 3.30984127

(2)
x3 1.83337868
(3) 2

x1 3 0 1/3 1/3 1.07301587
(3)
x2 = 67 + 0 2/15 8/15 3.30984127

15
(3) 97
x3 105 0 13/105 37/105 1.83337868
(3)
x1 1.04773998
(3)
x2 = 3.04755253

(3)
x3 1.97964712
(4) 2

x1 3 0 1/3 1/3 1.04773998
(4)
x2 = 67 + 0 2/15 8/15 3.04755253

15
(4) 97
x3 105 0 13/105 37/105 1.97964712
(4)
x1 1.00906655
(4)
x2 = 3.00451453

(4)
x3 1.99871548
(5) 2

x1 3 0 1/3 1/3 1.00906655
(5)
x2 = 67 + 0 2/15 8/15 3.00451453

15
(5) 97
x3 105 0 13/105 37/105 1.99871548
(5)
x1 1.00107667
(5)
x2 = 3.00008313

(5)
x3 2.00010631

Analisis del error:
u }
(1L)
ln kx1 x0 kRn
nmin = v + 1~
ln (L)
Donde para el metodo de Jacobi L = kTJ k y para Gauss-Seidel L = kTGS k
Numero de condicion de una matriz:
Sea A una matriz inversible de nxn. Sea k.kM una norma en Mnxn . Se define el numero de condicion de A,
denotado cond(A) como:
cond(A) = kAkM A1 M

Se dice que un sistema AX = B esta bien condicionado si cond(A) w 1, es decir, si cond(A) 1 decimos
entonces que el sistema esta mal condicionado.

Ejercicio #10:
Un ingeniero que tiene a cargo una obra de construccion requiere 4800 m3 de arena, 5800 m3
de grava fina y 5700 m3 de grava gruesa. Hay tres canteras de las que puede obtenerse dichos
materiales. La composicion del 100 % de dichas canteras es la que sigue:
Arena % Grava fina % Grava gruesa %

Cantera 1 52 30 18
Cantera 2 20 50 30
Cantera 3 25 20 55
Cuantos metros cubicos deben extraerse de cada cantera a fin de satisfacer las necesidades del
ingeniero?
a) Formule el sistema de ecuaciones lineales.
b) Al aplicar el metodo de Gauss-Seidel comenzando con el vector cero, estime el error en la
tercera iteracion.
c) Calcule el numero de condicion y comente.
Solucion:
a) Dada la tabla de porcentajes, el sistema lineal sera:
4800 = 0.52c1 + 0.2c2 + 0.25c3
5800 = 0.3c1 + 0.5c2 + 0.25c3
5700 = 0.18c1 + 0.3c2 + 0.55c3
b)
4800 0.2cn1 0.25cn1
cn1 = 2 3
0.52
48000.2cn1 0.25cn1

5800 0.3cn1 0.25cn1 5800 0.3 2
0.52
3
0.25c3n1 3030.769 + 0.115cn1 0.105cn1
cn2 = 3
= = 2 3
0.5 0.5 0.5
48000.2cn1 0.25cn1 3030.769+0.115cn1 0.105cn1

5700 0.18cn1 0.3cn2 5700 0.18 2
0.52
3
0.3 2
0.5
3
cn3 = =
0.55 0.55
2220 + 0.15c3n1
cn3 =
0.55
9230.769 0.3846cn1 0.4808cn1

cn1 2 3
c2 = 6061.5384 + 0.2308c2n1 0.2115cn1
n
3
n n1
c3 4036.3636 + 0.2727c3

cn1

cn1 9230.769 0 0.384 0.4808 1
0.2115 cn1
n
c2 = 6061.5384 + 0 0.2308

2
n1
cn3 4036.3636 0 0 0.2727 c3
GGS (x) = CGS + TGS X
Iterando a partir del vector cero:
(1)
c1 9230.769 0 0.384 0.4808 0
(1)
c2 = 6061.5384 + 0 0.2308 0.2115 0

(1)
c3 4036.3636 0 0 0.2727 0
(1)
c1 9230.769
(1)
c2 = 6061.5384

(1)
c3 4036.3636
(2)
c1 9230.769 0 0.384 0.4808 9230.769
(2)
c2 = 6061.5384 + 0 0.2308 0.2115 6061.5384

(2)
c3 4036.3636 0 0 0.2727 4036.3636
(2)
c1 4958.8488
(2)
c2 = 6606.5088

(2)
c3 5137.1900
(3)
c1 9230.769 0 0.384 0.4808 4958.8488
(3)
c2 = 6061.5384 + 0 0.2308 0.2115 6606.5088

(3)
c3 4036.3636 0 0 0.2727 5137.1900
(3)
c1 4220.0014
(3)
c2 = 6499.4042

(3)
c3 5437.4155
Se deben extraer 4220.0014 m3 de la cantera 1, 6499.4042 m3 de la cantera 2 y 5437.4155 m3 de la cantera 3
c) Hallamos el numero de condicion:
cond(A) = kAkM A1 M

0.52 0.2 0.25
A = 0.3 0.5 0.25

0.18 0.3 0.55
Primero debemos hallar las normas matriciales de A y A1 . Utilizaremos la norma infinito:

kAk = max (|0.52| + |0.2| + |0.25| , |0.3| + |0.5| + |0.25| , |0.18| + |0.3| + |0.55|)
kAk = max (0.97, 1.05, 1.03)
kAk = 1.05

2.5 0.4375 0.9375
A1 = 1.5 3.0125 0.6875

0 1.5 2.5
1
A = max (|2.5| + |0.4375| + |0.9375| , |1.5| + |3.0125| + |0.6875| , |1.5| + |2.5|)

kAk = max (3.875, 5.2, 4)
kAk = 5.2
cond(A) = (1.05)(5.2) = 5.46
Ya que cond(A) no es mucho mayor a 1, decimos que el sistema AX = B esta bien condicionado

5. Sistemas NO lineales de ecuaciones
Un sistema no lineal de n ecuaciones con n incognitas es de la forma:

f1 (x1 , x2 , x3 , . . . , xn ) = 0

f2 (x1 , x2 , x3 , . . . , xn ) = 0

f3 (x1 , x2 , x3 , . . . , xn ) = 0
..

.

f (x , x , x , . . . , x ) = 0
n 1 2 3 n
El problema consiste en encontrar todos los X = (x1 , x2 , x3 , . . . , xn ) tales que para toda i = 1, 2, 3, ..., n
fi (x ) = 0
Como aplicar el metodo de Newton?
Se debe construir una sucesion vectorial partiendo de un vector inicial X0 mediante la ecuacion recursiva:
1
Xi+1 = Xi [F 0 (Xi )] F (Xi )
Xi+1 = G (Xi )
Donde: F 0 (X) = J (X) : Jacobiano de la funcion vectorial F:
f1 f1 f1 f1

x1 x2 x3 ... xn
f2 f2 f2 f2
x1 x2 x3 ... xn

f3 f3 f3 f3
J(x) =

x1 x2 x3 ... xn

.. .. .. .. ..

. . . . .

fn fn fn fn
x1 x2 x3 ... xn
Como implementar las iteraciones?
1) Se toma X0 Rn
2) Para cada i desde 1 hasta n:
Xi = Xi1 Yi1
1
Yi1 = [J (Xi1 )] F (Xi1 )
3) Tomar Xn como la aproximacion de X .
Ejemplo de un sistema lineal de 2x2:

f (x, y) = 0
1
f (x, y) = 0
2
!
f1x f1y
J=
f2x f2y

Se toma el vector inicial (x0 , y0 ) el cual debe ser un elemento del dominio de f1 y f2
! ! " !#1 !
xi+1 xi xi xi
= J F
yi+1 yi yi yi
!
xi
i =
yi
1
i = [J (i )] F (i )
J (i ) i = F (i )
! (x)
! !
f1x (xi , yi ) f1y (xi , yi ) i f1 (xi , yi )
(y) =
f2x (xi , yi ) f2y (xi , yi ) i f2 (xi , yi )
Se define:
4 = det (J (i )) = f1x (xi , yi ) f2y (xi , yi ) f1y (xi , yi ) f2x (xi , yi )

f (x , y ) f (x , y )
1 i i 1y i i

(x)
f2 (xi , yi ) f2y (xi , yi )
i =
4

f (x , y ) f (x , y )
1x i i 1 i i

(y)
f2x (xi , yi ) f2 (xi , yi )
i =
4

Ejercicio #11:
Encontrar los valores de a y b para que la funcion f (x) = axebx pase por los puntos (1, 3) y (2, 4).
! !
a0 4
a) Realice tres iteraciones a partir del vector inicial =
b0 0
b) Encuentre la norma del error, sabiendo que la respuesta exacta es (4.5,-0.40546)
Solucion:
a) En primer lugar debemos plantear el sistema no lineal:
aeb = 3
2ae2b = 4

f (a, b) = aeb 3 = 0
1
f (a, b) = 2ae2b 4 = 0
2
Escribimos la ecuacion iterativa de Newton para Rn :
! ! !
ai+1 ai ai
= i
bi+1 bi bi
! (a)
! !
f1a (ai , bi ) f1b (ai , bi ) i f1 (ai , bi )
(b) =
f2a (ai , bi ) f2b (ai , bi ) i f2 (ai , bi )
Calculamos las derivadas parciales:
f1a = eb
f1b = aeb
f2a = 2e2b
f2b = 4ae2b
Calculamos el determinante del jacobiano:
4 = det (J (i )) = 4ai e3bi 2ai e3bi = 2ai e3bi
Expresamos el vector i en funcion de ai , bi

f (a , b ) f (a , b ) a ebi 3 ai ebi
1 i i 1b i i i
2ai e2bi 4 4ai e2bi

(a)
f2 (ai , bi ) f2b (ai , bi )
i = =
4 2ai e3bi

f (a , b ) f (a , b ) ebi ai ebi 3
1a i i 1 i i
2bi
2ai e2bi 4

(b)
f2a (ai , bi ) f2 (ai , bi ) 2e
i = =
4 2ai e3bi
Realizamos la primera iteracion:
! ! ! ! !
a1 a0 a0 4 4
= 0 = 0
b1 b0 b0 0 0

1 4

(a)
4 16
0 = =0
8

1 1

(b)
2 4 1
0 = =
8 4
! ! ! !
a1 4 0 4
= =
b1 0 0.25 0.25
Realizamos la segunda iteracion:
! ! ! ! !
a2 a1 a1 4 4
= 1 1 =
b2 b1 0.25 b1 0.25

4e0.25 3 4e0.25

0.5 0.5

(a)
8e 4 16e
1 = = 0.40670995
8e0.75

e0.25 4e0.25 3

0.5 0.5

(b)
2e 8e 4
1 = 0.75
= 0.138658427
8e
! ! ! ! ! !
a2 a1 a1 4 0.40670995 4.40670995
= 1 = =
b2 b1 b1 0.25 0.138658427 0.38865842
Finalmente realizamos de igual manera la tercera iteracion, obteniendo:
! ! ! ! ! !
a3 a2 a2 4.40670995 0.09204011 4.498750065
= 2 = =
b3 b2 b2 0.38865842 0.016735417 0.405393844
!
0.00125
b) La norma del error es:
0.00007

6. Interpolacion Polinomial
Suponga que f es una funcion continua, tal que, se conoce:
i=0,1,2,...,n f (xi ) = yi
Es decir, conocemos los n + 1 puntos por donde pasa la grafica de f :
(x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn )
Se desconoce la regla de correspondencia de f , ademas suponemos la siguiente relacion de orden:
x0 < x1 < x2 , . . . , xn1 < xn
Sea x (x0 , x1 , . . . , xn ). Se desea encontrar el valor de f (x ) .

El problema de la interpolacion polinomial consiste en encontrar un polinomio p(x) tal que:
i=0,1,2,...,n p(xi ) = yi
Es decir, se debe construir un polinomio p(x) que pase por los mismos n + 1 puntos por donde pasa f . Al final
se espera que:
f (x )
= p (x )
6.1. Polinomio de Lagrange
Sean (x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) n + 1 pares ordenados tales que: x0 < x1 . . . < xn . Se define el
polinomio de Lagrange pL (x) respecto de los n + 1 puntos anteriores como:
pL (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) + . . . + yn Ln (x)
donde:
(x x0 )(x x1 )(x x2 ) . . . (x xi1 )(x xi+1 ) . . . (x xn )

Li (x) =
(xi x0 )(xi x1 )(xi x2 ) . . . (xi xi1 )(xi xi+1 ) . . . (xi xn )
es decir:
n
Y x xk
Li (x) =
xi xk
k=0
k6=i
Observacion:

1 i=j
Li (xj ) =
0 i 6= j

Ejercicio #11:
Sea la funcion f (x) = (1 + x)e1x , considere la tabla:
x f (x)
1 2
1.8 1.2581210
2.5 0.7809556
3 0.5413411
Use los datos de la tabla y el polinomio de Lagrange pL (x) para estimar el valor de f (2)
Solucion:
Construimos el polinomio de Lagrange, hallando primero las funciones Ln (x) P3
(x 1.8)(x 2.5)(x 3)
L0 (x) = P3
(1 1.8)(1 2.5)(1 3)
(x 1)(x 2.5)(x 3)
L1 (x) = P3
(1.8 1)(1.8 2.5)(1.8 3)
(x 1)(x 1.8)(x 3)
L2 (x) = P3
(2.5 1)(2.5 1.8)(2.5 3)
(x 1)(x 1.8)(x 2.5)
L3 (x) = P3
(3 1)(3 1.8)(3 2.5)
pL (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) + y3 L3 (x)
f (2)
= pL (2) = y0 L0 (2) + y1 L1 (2) + y2 L2 (2) + y3 L3 (2)
L0 (2) = 0.0416666
L1 (2) = 0.744047619
L2 (2) = 0.380952380
L3 (2) = 0.08333333
Reemplazamos los valores en el polinomio de Lagrange, y hallamos el valor en x = 2:
pL (2) = (2)(0.0416666) + (1.2581210)(0.744047619) + (0.7809556)(0.380952380) + (0.5413411)(0.08333333)
pL (2) = 1.105163869

Grafica del polinomio de Lagrange:
2.5
1.5
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4
Ejercicio #12:
Suponga que se tiene un automovil viajando a lo largo de un camino recto. En diferentes puntos
de su recorrido se mide lo siguiente:
Tiempo [s] 0 3 5 8 13
Distancia [m] 0 69 117 190 303
Velocidad [m/s] 22.9 23.5 24.4 22.6 21.9
Usando interpolacion de Lagrange aproxime el valor de la velocidad del automovil en t = 10

segundos.
Solucion:
Construimos el polinomio de Lagrange, hallando primero las funciones Ln (t) P3
(t 3)(t 5)(t 8)(t 13)

L0 (t) = P3
(3)(5)(8)(13)

(t)(t 5)(t 8)(t 13)
L1 (t) = P3
(3)(3 5)(3 8)(3 13)
(t)(t 3)(t 8)(t 13)
L2 (t) = P3
(5)(5 3)(5 8)(5 13)
(t)(t 3)(t 5)(t 13)
L3 (t) = P3
(8)(8 3)(8 5)(8 13)
(t)(t 3)(t 5)(t 8)
L4 (t) = P3
(13)(13 3)(13 5)(13 8)
pL (t) = y0 L0 (t) + y1 L1 (t) + y2 L2 (t) + y3 L3 (t) + y4 L4 (t)
f (10)
= pL (10) = y0 L0 (10) + y1 L1 (10) + y2 L2 (10) + y3 L3 (10) + y4 L4 (10)
L0 (10) = 0.13461538
L1 (10) = 1
L2 (10) = 1.75
L3 (10) = 1.75
L4 (10) = 0.13461538
pL (10) = (22.9)(0.13461538) + (23.5)(1) + (24.4)(1.75) + (22.6)(1.75) + (21.9)(0.13461538)
pL (10) = 20.2153846 [s]
Grafica del polinomio de Lagrange:
30
25
20
15
10
0
0 2 4 6 8 10 12 14 16 18

Ejercicio #13:
En una practica de transistores FET, se realizo la medicion del la corriente de drenador (ID )
a traves del transistor, mientras se variaba el voltaje gate-source (VGS ). Los valores medidos se
detallan en la siguiente tabla:
VGS [V ] ID [mA]
-0.25 8.7890625
-1.31 4.5225625
-2.45 1.5015625
-3.15 0.4515625
Hallar el valor de la corriente ID , dado un voltaje VGS = 1.5 [V ] utilizando el polinomio de

Lagrange.
Solucion:
a) Construimos el polinomio de Lagrange, hallando primero las funciones Ln (x) P3 (llamaremos x a VGS ) :
(x + 1.31)(x + 2.45)(x + 3.15)

L0 (x) = P3
(0.25 + 1.31)(0.25 + 2.45)(0.25 + 3.15)
(x + 0.25)(x + 2.45)(x + 3.15)
L1 (x) = P3
(1.31 + 0.25)(1.31 + 2.45)(1.31 + 3.15)
(x + 0.25)(x + 1.31)(x + 3.15)
L2 (x) = P3
(2.45 + 0.25)(2.45 + 1.31)(2.45 + 3.15)
(x + 0.25)(x + 1.31)(x + 2.45)
L3 (x) = P3
(3.15 + 0.25)(3.15 + 1.31)(3.15 + 2.45)
pL (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x) + y3 L3 (x)
f (1.5)
= pL (1.5) = y0 L0 (1.5) + y1 L1 (1.5) + y2 L2 (1.5) + y3 L3 (1.5)
L0 (1.5) = 0.04403871
L1 (1.5) = 0.88122949
L2 (1.5) = 0.22321429
L3 (1.5) = 0.06040506
pL (1.5) = (8.7890625)(0.04403871)+(4.5225625)(0.88122949)+(1.5015625)(0.22321429)+(0.4515625)(0.06040506)
pL (1.5) = 3.90625 [mA]

12
10
0
-4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0

6.2. Polinomio de Newton y diferencias finitas
Suponga que se tienen los n + 1 puntos: (x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ). Suponemos x0 < x1 . . . < xn .
Ademas:
yi = f (xi ) = fi
Suponemos tambien:
xi = xi1 + h ; i = 1, 2, 3, . . . , n
Se va a definir:
4k fi = 4k1 fi+1 4k1 fi
Donde k, i van desde 0 en adelante
40 fi = fi
41 fi = 40 fi+1 40 fi = fi+1 fi
Con i = 0
41 f0 = f1 f0
42 fi = 41 fi+1 41 fi
Con i = 0
42 f0 = 41 f1 41 f0 = f2 f1 (f1 f0 )
42 f0 = f2 2f1 + f0
43 f0 = 42 f1 42 f0 = f3 2f2 + f1 (f2 2f1 + f0 )
43 f0 = f3 3f2 + 3f1 f0
44 f0 = 43 f1 43 f0 = f4 3f3 + 3f2 f1 (f3 3f2 + 3f1 f0 )

44 f0 = f4 4f3 + 6f2 4f1 + f0
El polinomio de Newton que pasa por (x0 , f0 ) , (x1 , f1 ) es de la forma:
41 f0
pn (x) = 40 f0 + (x x0 )
h
Ahora, el polinomio de Newton que pasa por (x0 , f0 ) , (x1 , f1 ),(x2 , f2 ) es de la forma:
41 f0 42 f0
pn (x) = 40 f0 + (x x0 ) + (x x0 ) (x x1 )
h 2h2
Para concluir, el polinomio de Newton que pasa por los n + 1 puntos (x0 , y0 ), (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) de
grado n es:
n1
41 f0 42 f0 43 f0 4n f0 Y
pn (x) = 40 f0 + (x x0 )+ (x x 0 ) (x x 1 )+ (x x 0 ) (x x 1 ) (x x 2 )+. . .+ (x xk )
h 2h2 3!h3 n!hn
k=0
Ejercicio #14:
Sea la funcion f (x) = (1 + x)e1x , use el polinomio de Newton pn (x) de grado 3, para estimar el
valor de f (2)
Solucion:
Tabulamos en orden los valores de diferencial finitas:
x f (x) = 40 fi 41 fi 42 fi 43 fi
1 f (1) = f0 f1 f0 (f2 f1 ) (f1 f0 ) =
1.8 f (1.8) = f1 f2 f1 (f3 f2 ) (f2 f1 ) =
2.6 f (2.6) = f2 f3 f2
3.4 f (3.4) = f3
Reemplazando los valores:
x f (x) = 40 fi 41 fi 42 fi 43 fi
1 2 0.7418789 0.2105852 0.0069601
1.8 1.2581211 0.5312936 0.2036251
2.6 0.7268274 0.3276684
3.4 0.3991589
Reemplazamos en el polinomio de Newton:
0.7418789 0.2105852 0.0069601

pn (x) = 2 (x 1) + (x 1) (x 1.8) (x 1) (x 1.8) (x 2.6)
0.8 2(0.8)2 6(0.8)3

Hallamos el valor exacto, y el aproximado mediante el polinomio de Newton:
pn (2) = 1.10582720114
f (2) = 1.103638
2.5
1.5
0.5
0
0 1 2 3 4

6.3. Trazadores cubicos
Suponemos que f es una funcion continua en el intervalo [x0 , xn ] y que se conoce:
i=0,1,2,...,n f (xi ) = yi
El objetivo al usar trazadores cubicos es construir una funcion s(x) de clase C 2 en [x0 , xn ] tal que:

p1 (x) x [x0 , x1 ]

p2 (x) x [x1 , x2 ]

s(x) = p3 (x) x [x2 , x3 ]
...

p (x)
n x [xn1 , xn ]
donde p1 (x), p2 (x), p3 (x), . . . , pn (x) son polinomios de grado 3.
La funcion s(x) debe satisfacer las siguientes condiciones:
1. pi (xi ) = pi+1 (xi ) = yi (2(n + 1) condiciones)
2. p0i (xi ) = p0i+1 (xi ) (n 1 condiciones)
3. p00i (xi ) = p00i+1 (xi ) (n 1 condiciones)
En total tenemos 4n 4 condiciones lo que nos permite construir un sistema de 4n 4 ecuaciones, pero en total
tenemos 4n incognitas.
Necesitamos 4 condiciones mas para tener un sistema de 4n ecuaciones con 4n incognitas.
p1 (x0 ) = y0
pn (xn ) = yn
Nos faltan 2 condiciones mas!
Definiciones:
1) Se dice que el trazador cubico s(x) es libre o natural si se cumple que:
s00 (x0 ) = 0
s00 (xn ) = 0
2) Se dice que el trazador cubico s(x) es fijo o sujeto si se cumple que:
s0 (x0 ) =
s0 (xn ) =
donde y son constantes reales

Planteamiento del sistema lineal:
Formula para el sistema de las c, con i = 1, 2, . . . , n 1
(hi ) ci + 2 (hi + hi+1 ) ci+1 + (hi+1 ) ci+2 = 3 (mi+1 mi )
Formula de las a, b y d, con i = 1, 2, . . . , n 1
ai = yi1
hi
bi = mi (2ci + ci+1 )
3
ci+1 ci
di =
3hi
Para el trazador libre o natural:
c1 = 0 (Primera ecuacion del sistema de las c)
cn+1 = 0 (Ultima ecuacion del sistema de las c)
Para el trazador fijo o sujeto:
3 (m1 ) = (2h1 ) c1 + (h1 ) c2 (Primera ecuacion del sistema de las c)
3 ( mn ) = (hn ) cn + (2hn ) cn+1 (Ultima ecuacion del sistema de las c)
Ejercicio #15:
Construya un trazador cubico libre o natural con los datos de la siguiente tabla:
x f (x)
0.2 0.9798652
0.4 0.9177710
0.6 0.8080348
0.8 0.6386093
1.0 0.3843735
Solucion:
De la tabla se sabe:
y0 = a1 = 0.9798652
y1 = a2 = 0.9177710
y2 = a3 = 0.8080348
y3 = a4 = 0.6386093

Se debe construir un sistema lineal para las incognitas c1 , c2 , c3 , c4 , c5
c1 = 0
c5 = 0

1 0 0 0 0 | 0
h1 2 (h1 + h2 ) h2 0 0 | 3 (m2 m1 )

0
h2 2 (h2 + h3 ) h3 0 | 3 (m3 m2 )

0 0 h3 2 (h3 + h4 ) h4 | 3 (m4 m3 )

0 0 0 0 1 | 0
Hallamos los valores de h y de las pendientes m :
h1 = h2 = h3 = h4 = 0.2
y1 y0
m1 = x1 x0 = 0.31047
y2 y1
m2 = x2 x1 = 0.54868
y3 y2
m3 = x3 x2 = 0.84730
y4 y3
m4 = x4 x3 = 1.27118

1 0 0 0 0 | 0
0.2 0.8 0.2 0 0 | 0.71463

0
0.2 0.8 0.2 0 | 0.89586

0 0 0.2 0.8 0.2 | 1.27164

0 0 0 0 1 | 0
Al resolver el sistema de las c se obtiene:
c2 = 0.750683
c3 = 0.57042
c4 = 1.446945
Hallamos los valores de las b y de las d:
h1
b1 = m1 (2c1 + c2 ) = 0.26042
3
b2 = 0.41056
b3 = 0.67478
b4 = 1.07825
c2 c1
d1 = = 1.251138
3h1
d2 = 0.300438

d3 = 1.46088
d4 = 2.411575
Reemplazamos en las ecuaciones de trazador cubico:

3

0.9798652 0.26042 (x 0.2) 1.251138 (x 0.2) x [0.2, 0.4]

0.9177710 0.41056 (x 0.4) 0.750683 (x 0.4)2 + 0.300438 (x 0.4)3

x [0.4, 0.6]
s(x) =
0.8080348 0.67478 (x 0.6) 0.57042 (x 0.6)2 1.46088 (x 0.6)3
x [0.6, 0.8]

0.6386093 1.07825 (x 0.8) 1.446945 (x 0.8)2 + 2.411575 (x 0.8)3

x [0.8, 1]
Hallamos el valor exacto, y el aproximado mediante el trazador cubico calculado:
f (0.5)
= s (0.5) = 0.869509
Ejercicio #16:
Construya un trazador cubico fijo o sujeto para estimar el valor de f (2), con = f 0 (1) y = f 0 (3)
f (x) = (1 + x)e1x
x f (x)
1 2
1.8 1.2581211
2.5 0.7809555
3 0.5413411
Solucion:
De la tabla se sabe:
y0 = a1 = 2
y1 = a2 = 1.2581211
y2 = a3 = 0.7809555

2h1 h1 0 0 | 3 (m1 )

h1
2 (h1 + h2 ) h2 0 | 3 (m2 m1 )

0
h2 2 (h2 + h3 ) h3 | 3 (m3 m2 )

0 0 h3 2h3 | 3 ( m3 )
Hallamos los valores de h y de las pendientes m, ademas de los valores de y :
h1 = 0.8
h2 = 0.7
h3 = 0.5

y1 y0
m1 = x1 x0 = 0.92734862
y2 y1
m2 = x2 x1 = 0.68166505
y3 y2
m3 = x3 x2 = 0.47922885
= xe1x |x=1 = 1
= xe1x |x=3 = 3e2
Construimos un sistema lineal para las incognitas c1 , c2 , c3 , c4

1.6 0.8 0 0 | 0.21795412

0.8
3 0.7 0 | 0.73705071

0
0.7 2.4 0.5 | 0.6073086
0 0 0.5 1 | 0.21966901
Al resolver el sistema de las c se obtiene:

c1 = 0.03797363
c2 = 0.19649538
c3 = 0.16740805
c4 = 0.13596498
Hallamos los valores de las b y de las d:
h1
b1 = m1 (2c1 + c2 ) = 1
3
b2 = 0.81242478
b3 = 0.55769237
c2 c1
d1 = = 0.06605073
3h1
d2 = 0.01385111
d3 = 0.02096204
Reemplazamos en las ecuaciones de trazador cubico:

2 3

2 (x 1) + 0.03797363 (x 1) + 0.06605073 (x 1) x [1, 1.8]

s(x) = 1.2581211 0.81242478 (x 1.8) + 0.19649538 (x 1.8)2 0.01385111 (x 1.8)3 x [1.8, 2.5]

0.7809555 0.55769237 (x 2.5) + 0.16740805 (x 2.5)2 0.02096204 (x 2.5)3

x [2.5, 3]
Hallamos el valor aproximado de f (2) mediante el trazador cubico calculado:
f (2) = 1.10338514951

Teoria y Ejercicios de Analisis Numerico PDF

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Teoria y Ejercicios de Analisis Numerico PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Teora y Ejercicios de Analisis Numerico

Jorge Elas Chamba Briones

1. Ecuaciones no lineales: Metodo de Punto Fijo 1

4. Sistemas Lineales de Ecuaciones 18

5. Sistemas NO lineales de ecuaciones 30

Observacion: Como determinar si una funcion f derivable y continua en un intervalo I es una

Se puede estimar el valor de la constante L con la expresion:

Donde I = [a, b]. Finalmente se debe verificar si L (0, 1)

3) Teorema de punto fijo de Brouer:

Sea f una funcion continua en un intervalo [a, b] . Suponga que:

x [a, b] f (x) [a, b]

Entonces se puede concluir que:

x [a, b] tal que f (x ) = x

Es decir, f tiene al menos un punto fijo en [a, b]

4) Teorema de punto fijo de Banach:

Si f es una funcion Lipschitz en [a, b]con constante L (0, 1), entonces:

1 Jorge Elas Chamba Briones - 2016

Analisis del error del metodo de punto fijo.

Para el mnimo numero de iteraciones usaremos la expresion:

2 Jorge Elas Chamba Briones - 2016

Dada la sucesion de punto fijo:

a) Se puede garantizar su convergencia en el intervalo [1.5, 2]?

b) Encuentre el valor exacto x .

c) Tome como dato inicial x0 = 1.8 y realice 5 iteraciones.

Solucion (analisis completo):

De f 0 se sabe que f tiene un extremo en:

f 0 (x) < 0 ; 1.7099 < x 2 (la funcion f es decreciente en este intervalo)

f (1.5) = 1.7407 f (1.7099) = 1.7099 f (2) = 1.75

f 0 (1.5) = 0.3209 f 0 (2) = 0.25

3 Jorge Elas Chamba Briones - 2016

1.55 1.6 1.65 1.7 1.75 1.8 1.85 1.9 1.95

L = max |f 0 (x)| = 0.3209

x [1.5, 2] f (x) [1.5, 2]

4 Jorge Elas Chamba Briones - 2016

Debemos construir la sucesion de punto fijo:

De f 0 se sabe que f tiene extremos en:

5 Jorge Elas Chamba Briones - 2016

6 Jorge Elas Chamba Briones - 2016

Mediante el calculo computacional en 38 iteraciones se obtiene un error en 109 .

La solucion aproximada de la ecuacion es 1.83928675

7 Jorge Elas Chamba Briones - 2016

Algoritmo del metodo de biseccion:

f continua en [a, b] tal que f (a)f (b) < 0

Para cada i desde 1 hasta n (numero total de iteraciones)

Si f (ai1 )f (xi1 ) < 0 entonces

Si f (xi1 )f (bi1 ) < 0 entonces

Fin de para cada i

Analisis del error del metodo de biseccion.

Una expresion para el numero mnimo de iteraciones es:

8 Jorge Elas Chamba Briones - 2016

Mediante el metodo de Newton, aproximar la solucion de la ecuacion ex = 6x + 2

Tomando x0 = 2 como valor inicial:

Con 10 iteraciones la solucion aproximada es 2.99390085

9 Jorge Elas Chamba Briones - 2016

a) Encuentre el modelo matematico que permita hallar dicho tiempo.

b) Utilice el metodo de Newton para aproximar dicho tiempo.

a) La distancia entre los puntos P y R esta dada por:

D0 = 4 (2 2cos(t)) (sen(t)) 2(1 sen(t))(cos(t)) = 8sen(t) 8sen(t)cos(t) 2cos(t) + 2sen(t)cos(t)

Por lo tanto la ecuacion a trabajar es:

8sen(t) 2cos(t) 6sen(t)cos(t) = 0

f (t) 8sen(t) 2cos(t) 6sen(t)cos(t)

8sen(tn1 ) 2cos(tn1 ) 6sen(tn1 )cos(tn1 )