Métodos Numéricos

Tarea 3
Ultima modificación: Noviembre 27, 2017.

Nombre (impreso):_________________ Nom-

bre (firmado):_______________
Instrucciones. Muestre sus soluciones en forma apropiada

1. (10 pts) Use interpolación polinomial para obtener una aproximación a

u0 (x1 ) usando los nodos fijos x1 , x3 y el nodo ajustable x2 = x1 +(x3 −x1 )t
para 0 < t < 1. Ajuste el t tal que la aproximación sea óptima (es decir,
con el mayor orden de aproximación).
2. (5 pts) Use el método de Runge-Kutta de segundo orden para producir
´x 2
una tabla de valores para la función f (x) = 0 e−t dt en 10 puntos igual-
mente espaciados del intervalo unitario. Apóyese de la calculadora o Mat-
lab para hacer las evaluaciones. Sug: Proponga un problema de valor
inicial apropiado.
3. (10 pts) Use el método de los coeficientes indeterminados para encontrar
una aproximación a u0 (x∗ ) a tercer order usando los nodos x∗ − 2h, x∗ −
h, x∗ , x∗ +h. Ejemplifique con u (x) = sen (x) en x∗ = 1 con seis decimales
exactos.
4. (10 pts) (Computadora, Matlab) Haga n = 200 y genere una matriz nxn
y dos vectores en Rn , ambos con entradas enteras, haciendo:

A = f loor(10 ∗ rand(n));

b = sum(A0 )0 ;
z = ones(n, 1);
(Nota: puesto que las matrices y vectores son grandes, usamos semicolon
; para suprimirlos).

(a) La solución exacta del sistema Ax = b deberia ser el vector z. ¿Por

qué? Explique. Uno podría calcular la solución en Matlab usando
el operador ”\” o calculando A−1 (con el comando inv de Matlab) y
entonces multiplicar A−1 b. Comparemos estos dos métodos computa-
cionales en velocidad y aproximación. Usaremos los comandos tic y
toc de Matlab para medir los lapsos de tiempo para cada cómputo.
Haga esto usando los comandos

tic, x = A\b; toc

tic, y = inv(A) ∗ b; toc

1
 ¿Cúal método es más rápido? Para comparar la aproximación de los
dos métodos podemos medir que tan cercanas son las soluciones x y
y calculadas a la solución exacta z. Haga esto usando los comandos

max(abs(x − z))
max(abs(y − z))

¿Qué método produce una solución más aproximada?

(b) Repita a) usando n = 500 y n = 1000.

5. (5 pts) (Computadora, Matlab) Construya una matriz como sigue. Haga

B = eye(10) − triu(ones(10), 1)

¿Por qué sabemos que B debe ser no singular?. Ponga

C = inv(B) y x = C(:, 10)

ahora cambie B ligeramente haciendo B(10, 1) = −1/256. Use Matlab

para calcular el producto Bx. Del resultado de este cálculo, ¿qué se puede
concluir acerca de la nueva matriz B? ¿Es todavia no singular? Explique.

6. (10 pts) (Computadora, Matlab) Considere la matriz:

 
−2 1 2
A= 4 1 −2 
−6 −3 4

a) Haga una función *.m en Matlab para factorizarla, usando eliminación

Gaussiana (sin cambio de renglón en el pivoteo), como un producto LU ,
donde L es una matriz triangular inferior con 10 s en la diagonal y U
triangular superior.
b) Construya una función *.m para hacer sustitución hacia adelante y
hacia átras para resolver el problema Ax = b con b = (4, 3, −13) y b =
(3, 1, −10). Muestre sus códigos y resultados.
7. (5 pts) Haga la factorización de Cholesky de la matriz
 
2 −1 0
A =  −1 2 −1 
0 −1 2

T
y resuelva Ax = b, donde b = (−1, 0, 1)

2
 8. (10 pts) Dados
   
1 −3 −5 −6
 1 1 −2   1 
A= , b =  
 1 −3 1   1 
1 1 4 6

a) Use el proceso de Gram-Schmidt para descomponer A = QR

b) Use esta descomposición para encontrar la solución de mínimos cuadra-
dos de Ax = b.
9. (10 pts) Dadas las matrices:
   
1 2 −2 2 −1 1
A =  1 1 1 , B =  2 2 2 .
2 2 1 −1 −1 2

a) Comprobar que para la primera converge el método de Jacobi pero no

el de Gauss-Seidel mientras que para la segunda sucede lo contrario.
b) Así, resuelva Ax = b usando el método de Jacobi y Bx = b usando el
T
método de Gauss-Seidel con b = (−1, 1, −1) .
10. (5 pts) Sea  
1 1
A= 1
1 1− n

para cada entero positivo n. Calcule

a) A−1
n
b) cond∞ (A)
c) limn→∞ cond∞ (A)
d) Para n = 1, n = 10 y n = 100 compare con la función cond(A, p)
de Matlab donde A es la matriz en cuestión y p la norma considerada
(p = inf para p = ∞), son diferentes?.
11. (10 pts) Encuentre la solución de mínimos cuadrados que mejor ajusta
los datos:
x −1 0 1 2
y 0 1 3 9

a) linealmente (muestre la fórmula de la función lineal obtenida),

b) cuadráticamente (muestre la fórmula de la función cuadrática obtenida),
c) Grafique en Matlab los datos numéricos de la tabla dada y las aproxi-
maciones lineales y cuadrática. ¿Qué aproximación ajusta mejor los datos
numéricos? Nota: Puede auxiliarse de la operación \ de Matlab para
resolver el problema de mínimos cuadrados (en el cual debe calcular una
inversa).

3
12. (10 pts) Considere el sistema de ecuaciones:

2x1 = 1,
−x1 + x2 = 0,
2x2 = −1

a) Use álgebra lineal para encontrar la solución de mínimos cuadrados.

b) Use cualquier gráficador para visualizar la función planteada por el
problema de mínimos cuadrados. Muestre dicha gráfica.
c) Use cálculo III para minimizar la función de b) y así encontrar la misma
respuesta que en a). Nota: Recuerde que debe probar que tiene realmente
un mínimo, es decir, usar el criterio de la 2da. derivada.