Deber de Métodos Numéricos

Primer Parcial
Tipantuña Cristian

28 de junio de 2015

Deber 3
Índice

1. Ejercicio 1 2

2. Ejercicio 2 2

3. Ejercicio 3 6

4. Ejercicio 4 7

5. Ejercicio 5 8

6. Ejercicio 6 9

7. Ejercicio 7 13

8. Ejercicio 8 15

9. Ejercicio 9 17

10.Ejercicio 10 18

1
Métodos Numéricos

1. Ejercicio 1

Calcular el número de operaciones básicas (sumas, restas, multiplicaciones y divisiones) en

función de la dimención n, necesarias para realizar un remonte para resolver un sistema A0 u = B 0 ;
donde A0 es una matriz triangular superior.
SU M A M U LT IP LICACI ÖN DIV ISI ÖN T OT AL
1 1 1 3
2 2 1 5
3 3 1 7
.. .. .. ..
. . . .
n−1 n−1 1 2n − 1
n(n−1)
suma = 1 + 2 + 3 + . . . + n − 1 = 2
n(n−1)
multiplicación = 1 + 2 + 3 + . . . + n − 1 = 2
división = 1 + 1 + 1 + . . . + 1 = n
n(n−1) n(n−1)
total = 2
+ 2
+ n = n(n − 1)

2. Ejercicio 2

En el sistema siguiente, pruebe que Ax = B es equivalente al sistema triangular superior

U x = y que se da y halle su solución.
 

 4x1 +8x2 + 4x3 + 0x4 = 8 
 4x1 +8x2 + 4x3 + 0x4 = 8
 
x
1 +5x2 + 4x3 − 3x4 = −4  3x2 + 3x3 − 3x4 = −6


 x1 +44x2 + 7x3 + 2x4 = 10 

 4x3 + 4x4 = 12
+83x + 0x3 − 2x4 = −4
 
x1 x4 = 2

  

4 8 4 0 8
 1 5 4 −3   −4 
A=
 1
 B= 
4 7 2   10 
1 3 0 −2 −4
A∗X =B
X = A−1 B
 
3
 −1 
• X=
 1 


2 Tipantuña Cristian
Métodos Numéricos

Encontramos L1
1
M21 = M31 = M41 = 4
 
1 0 0 0
 −1 1 0 0 
L1 =  4 
 −1 0 1 0 
4
− 14 0 0 1

Despues encontramos A(2)

A(2) = L1 ∗ A
   
1 0 00 4 8 4 0
 − 41 1 0
0   1 5
  4 −3 
A(2) = 
 −1 ∗ 
4
0 1
0   1 4 7 2 
− 14 0 10 1 3 0 −2
 
4 8 4 0
 0 3 3 −3 
A(2) = 
 0 2

6 2 
0 1 −1 −2

De igual manera encontramos a L2 y A(3)

2 1
M32 = 3
M42 = 3
 
1 0 0 0
 0 1 0 0 
• L2 =  
 0 − 23 1 0 
0 − 13 0 1
   
1 0 0 0 4 8 4 0
 0 1 0 0   0 3 3 −3 
A(3) = ∗ 
 0 − 23 1 0   0 2 6 2 
0 − 13 0 1 0 1 −1 −2
 
4 8 4 0
 0 3 3 −3 
A(3) =
 0

0 4 1 
0 0 −2 −1

Finalmente L2 y A(4)
M32 = − 12
 
1 0 0 0
 0 1 0 0 
• L=
 0

0 11 0 
0 0 12 1

3 Tipantuña Cristian
Métodos Numéricos

   
1 0 0 0 4 8 4 0
 0 1 0 0   0
  3 3 −3 
A(4) =  ∗ 
 0 0 11 0   0 0 4 1 
1
0 0 2
1 0 0 −2 −1
 
4 8 4 0
 0 3 3 −3 
A(4) =  
 0 0 4 4 
0 0 0 1
A(4) = U

Encontramos L

L = L−1 −1
1 ∗ L2 ∗ L3
−1

 
1 0 0 0
 
 1 
 4 1 0 0
 

L=  1 2


 4 3 1 0
 

 
1 1
4 3
− 21 1
L∗Y =B
   
1 0 0 0 8
     
 1  x1  
 −4 
 4 1 0 0 


 
∗ x2  
=


 1 2   x3   
 4 3 1 0 
  10 


 x4 



1 1
4 3
− 12 1 −4
y encontramos Y

Y = L−1 ∗ B
 
8
 −6 
Y = 12 


2
U ∗X =Y

4 Tipantuña Cristian
Métodos Numéricos

     
4 8 4 0 x1 8
 0 3 3 −3   x2
    −6 

 0 ∗ = 
0 4 4   x3   12 
0 0 0 1 x4 2
X = U −1 ∗ Y
 
3
 −1 
X=  1 


2
Observaciones: Si se comprobó que A ∗ X = B es igual que U ∗ X = Y

5 Tipantuña Cristian
Métodos Numéricos

3. Ejercicio 3

Resolver con calculadora (a mano) el siguiente sistema de ecuaciones, aplicando la eliminación

gaussiana:
=3

x1 + 8x2 − 5x3

3x1 − 2x2 + 3x3 = 1

2x + 3x2 − x3 =4

 1     
1 8 −5 x1 3
 3 −2 3  ∗  x2 = 1 
2 3 −1 x 4
   3   
3 −2 3 x1 1
 2 3 −1  ∗  x2 = 4 
1 8 −5 x3 3
M21 = 23 ; M31 = 1
3
 
  3 −2 3 1
3 −2 3 1 



 2 3 −1 4  =  0 13 10
 3
−3 3


1 8 −5 3  
26 8
0 3
−6 3

M21 = 13/3
26/3
=2
 
3 −2 3 1
 
 13 10

 0
 3
−3 3 

 
0 0 0 −4
EL SISTEMA NO TIENE SOLUCIÓN

6 Tipantuña Cristian
Métodos Numéricos

4. Ejercicio 4

Halle la solución del siguiente sistema lineal, con calculadora y a mano


x1 + x2


=5
2x − x + 5x = −9
1 2 3


3x2 − 4x3 + 2x4 = 19

2x3 + 6x4 =2
     
1 1 0 0 x1 5
 2 −1 5 0   x2   −9 
 0 3 −4 2  ∗  x3
   = 
  19 
0 0 2 6 x4 2
M21 = 2
 
1 1 0 0 5
 0 −3 5 0 −19 
 
 0 3 −4 2 19 
0 0 2 6 2
M32 = −3
3
= −1
 
1 1 0 0 5
 0 −3 5 0 −19 
 
 0 0 1 2 0 
0 0 2 6 2
2
M34 = 1
=2

 
1 1 0 0 5
 0 −3 5 0 −19 
 
 0 0 1 2 0 
0 0 0 2 2
     
1 1 0 0 x1 5
 0 −3 5 0   x2   −19 
 0 0 1 2  ∗  x3
   = 
  0 
0 0 0 2 x4 2
2
x4 = 2
=1

x3 = −2(1) = −2

7 Tipantuña Cristian
Métodos Numéricos

−19−5(−2)
x2 = −3
=3

x1 = 5 − (3) = 2

Resultados

x1 = 2; x2 = 3; x3 = −2; x4 = 1

5. Ejercicio 5

Demuestre
 que la inversa
  de una matriz triangular
 superior es una matriz triangular superior.
a11 a12 . . . a1n 1 0 ... 0
 0 a22 . . . a2n   0 1 ... 0 
.. .. . . . *  .. .. . .
   
. . . ..   . . . 0
 

0 0 . . . ann 0 0 ... 1
..
 
a11 a12 . . . a1n . 1 0 . . . 0 
.
0 a22 . . . a2n .. 0 1 . . . 0 

 
.. .. . . . . . . . 
. .. .. .. .. . . . .. 

. .


..
 
0 0 . . . ann . 0 0 . . . 1
 .. 1 
1 aa11
12
. . . aa1n . a11
0 . . . 0
a2n ..
 11 
0 1 . . . a22 . 0 a122 . . . 0 
 
.. .. . . . . . .. . . . 

. .. .. .. . .. 

 . . .
..
 
0 0 ... 1 . 0 0 . . . ann 1

.
. . . 0 .. a111 0 . . . − aa1n
    
1 aa11
12
11
1
ann
..
     
0 1 . . . 0 . 0 a22 . . . − a22 1 a2n 1
 
 
ann
 . .. . . . .. .. .. .. ... ..
 
 .. . . . . . .


.
. . . 1 ..
 
1
0 0 0 0 ... ann
.
. . . 0 ..
            
a12 1 a12 1 a1n 1 a12 1 a2n 1
1 a11 a11
− a11 a22
... − a11 ann
+ a11 a22 a22 ann
.
 
. . . 0 ..
  
1
− aa2n 1
 
 0 1 0 ... 
a22 22 ann
 . .. . . . .. .. .. .. ... ..
 
 .. . . . . . .


.
. . . 1 ..
 
1
0 0 0 0 ... ann

Observaciones: Si se desmuestra que la inversa de una matriz triangular superior es una matriz
superior

8 Tipantuña Cristian
Métodos Numéricos

6. Ejercicio 6

Dada la siguiente matriz, realizar a mano la factorización P A = LU y comprobar con un

programa
de computación. 
2 −3 8 1
 4 0 1 −10 
A=  16 4 −2 1 


0 7 −1 5
Hallamos el valor de P para reordenar la matriz
 
0 0 1 0
 0 1 0 0 
P1 = 
 1 0 0 0 


0 0 0 1

Por tanto A∼(1) = P1 ∗ A(1)

 
16 4 −2 1
 4 0 1 −10 
A∼(1) =
 2 −3 8

1 
0 7 −1 5
Encontramos L1
M21 = 14 ;M31 = 1
8
 
1 0 0 0
 
 1 
 − 1 0 0 
 4 
L1 =
 1


 − 0 1 0 
 8 
 
0 0 0 1

A(2) lo obtenemos multiplicando L1 *A∼(1)

 
16 4 −2 1
 
 3 41

 0 −1 − 
 2 4 
(2)
A =  

 0 − 7 33 7 
 2 4 8 
 
0 7 −1 5
Encontramos P2

9 Tipantuña Cristian
Métodos Numéricos

 
1 0 0 0
 0 0 0 1 
P2 = 
 0

0 1 0 
0 1 0 0

Por tanto A∼(2) = P2 ∗ A(2)

 
16 4 −2 1
 
 
 0
 7 −1 5 

∼(2)
A =



 0
 − 27 33
4
7
8


 
3
0 −1 2
− 41
4
Encontramos L2 :

M32 = − 12 ;M42 = − 71
 
1 0 0 0
 
 
 0 1 0 0 
 
L2 = 



 0 1 1 0 
 2 
 
1
0 7 0 1

A(3) = L2 ∗ A∼(2)
 
16 4 −2 1
 
 
 0 7 −1 5 
(3)
 
A =  

 0 0 31 27 
 4 8 
 
0 0 13572
10000
95357
− 10000

Como en A(3) no es necesario cambiar las P3 es igual

 
1 0 0 0
 0 1 0 0 
P3 = 
 0

0 1 0 
0 0 0 1

Por tanto A(3) = A∼(3) y encontramos L3

1357
M43 = 775500

10 Tipantuña Cristian
Métodos Numéricos

 
1 0 0 0
 0 1 0 0 
L3 = 
 0

0 1 0 
13571
0 0 − 77500 1
Por lo tanto:

A(4) = L3 ∗ A∼(3)
 
6 4 −2 1
 
 
 0
 7 −1 5 

(4)
U =A = 


 0 31 27
 0 4 8


 
0 0 0 − 101267
10000

Encontramos nalmente L y P
L = L−1 −1
1 ∗ L2 ∗ L3
−1

 
1 0 0 0
 
 1 

 4 1 0 0 

L=  

 1 − 12 1 0 
 8 
 
1429 1751
0 − 10000 10000
1
P = P1 ∗ P 2 ∗ P3
 
0 0 1 0
 0 0 0 1 
P = 1 0 0

0 
0 1 0 0
Exposición de resultados calculados a MANO
   
1 0 0 0 16 4 −2 1
   
 1
  

 4
1 0 0 
  0
 7 −1 5 

L=

;U = 
 
;

1

 8
− 12 1 0 

 0
 0 31
4
27
8


   
1429 1751
0 − 10000 − 10000 1 0 0 0 − 101267
10000

11 Tipantuña Cristian
Métodos Numéricos

 
0 0 1 0
 0 0 0 1 
P =
 1

0 0 0 
0 1 0 0
Exposición de resultados calculados por MATLAB

function [L U P]=fac_LUP(A)
[n n1]=size(A);
if n~=n1
error('No se puede descomponer');
end
L=eye(n);
P=eye(n);
for k=1:n-1
[m1,m2]=max(abs(A(k:n,k)));
if m1==0
disp('la matriz ingresada es singular');
end
p=k+m2-1;
A=Intercambio_Filas(A,k,p);
U=A;
P=Intercambio_Filas(P,k,p);
for k=1:n-1
for j=k+1:n
factor1=(U(j,k)/U(k,k));
U(j,k:n)=U(j,k:n)-(U(j,k)/U(k,k))*U(k,k:n);
L(j,k)=factor1;
end
end
end
end

RESULTADOS AL INGRESAR LA MATRIZ A

>> [L U P]=fac_LUP(A)

L =

1.0000 0 0 0
0 1.0000 0 0
0.1250 -0.5000 1.0000 0

12 Tipantuña Cristian
Métodos Numéricos

0.2500 -0.1429 0.1751 1.0000

U =

16.0000 4.0000 -2.0000 1.0000

0 7.0000 -1.0000 5.0000
0 0 7.7500 3.3750
0 0 0 -10.1267

P =

0 0 1 0
0 0 0 1
1 0 0 0
0 1 0 0

NOTA: Se pudo comprobar con el programa de MATLAB los resultados hechos a MANO

7. Ejercicio 7

Considere la función f (x) = x2 e−x : Se pide calcular un valor aproximado para la integral de
2

f(x) en el intervalo [-2, 2] usando el polinomio de Lagrange, calculado a mano, que interpola f(x)
en los puntos x0 = −2; x1 = −11; x2 = 0; y x4 = 2:

RESOLUCIÓN A MANO

13 Tipantuña Cristian
Métodos Numéricos

14 Tipantuña Cristian
Métodos Numéricos

8. Ejercicio 8

Con el siguiente conjunto de nodos:

xi 40 60 80 100 120 140 160

yi 0.63 1.36 2.18 3.00 3.93 6.22 8.59

Obtener el valor de la función para x = 90, con un polinomio de 2do : grado, utilizando los
siguientes métodos:
a) Por interpolación polinomial simple.
b) Por interpolación de Lagrange. (Aplicando el programa)
c) Construya solo la matriz de diferencias divididas para aproximar todos los puntos de la tabla.
d) Evaluar el polinomio interpolador de Newton, de tercer grado, para x=1.75.
RESOLUCIÓN A MANO

15 Tipantuña Cristian
Métodos Numéricos

16 Tipantuña Cristian
Métodos Numéricos

En el literal b tenemos la Función en Matlab

function [ cont ] = interpolLagrange( x,fx )

%UNTITLED2 Summary of this function goes here
% Detailed explanation goes here
s1=length(x);
s2=length(fx);
cont=0;
for k=1:s1
cont=cont+fx(k)*lagrange(x,k);
end
end

y anmente aplicamos a la pantallla de comandos

x=[40 60 80 100 120 140 160]

x =

40 60 80 100 120 140 160

>> fx=[0.63 1.36 2.18 3 3.93 6.22 8.59]

fx =

0.6300 1.3600 2.1800 3.0000 3.9300 6.2200 8.5900

>> [ cont ] = interpolLagrange( x,fx )

cont =

-0.0000 0.0000 -0.0000 0.0015 -0.0911 2.9206 -37.1100

17 Tipantuña Cristian
Métodos Numéricos

9. Ejercicio 9

El polinomio P (x) = 2 − (x + 1) + x(x + 1) − 2x(x + 1)(x − 1) interpola los primeros cuatro

nodos de la tabla:

x -1 0 1 2 3
y 2 1 2 -7 10
Añada un término a P de tal forma que el polinomio resultante interpole la tabla entera.

RESOLUCIÓN A MANO

10. Ejercicio 10

La ecuación x − 9−x = 0 tiene una solución en el intervalo [0; 1]. Utilice la teoría de interpola-
ción polinomial en los nodos x0 = 0, x1 = 0,5, x2 = 1, para encontrar una solución aproximada x

18 Tipantuña Cristian
Métodos Numéricos

de la ecuación. (Aplicar los programas)

Primero vamos a realizar la tabla con los puntos

x 0 0.5 1
y -1 1/6 8/9
Los programas que vamos a utilizar son las siguientes funciones

function [ C ] = newtonInterpolacion2( x,f )

%UNTITLED3 Summary of this function goes here
% Detailed explanation goes here
m=length(x);
A=zeros(m,m);
A(:,1)=f';
for j=2:m
for k=j:m
A(k,j)=(A(k,j-1)-A(k-1,j-1))/(x(k)-x(k-j+1));
end
end
C=A(m,m);
for k=m-1:-1:1
C=conv(C,poly(x(k)));
mm=length(C);
C(mm)=C(mm)+A(k,k);
end
end
luego para resolver el polinomio de segundo grado un simple programa de ecuaciones de segundo
grado.

function [ X1,X2 ] = Ec_2do_grado( a,b,c )

%UNTITLED Summary of this function goes here
% Detailed explanation goes here
X1=(-b+ sqrt(b^2-4*a*c) )/2*a;
X2=(-b- sqrt(b^2-4*a*c) )/2*a;
fprintf('X1= %5.3f \n',X1);
fprintf('X2= %5.3f \n',X2);
end

19 Tipantuña Cristian
Métodos Numéricos

y nalmente la ejecución en Matlab en Command Window es la siguiente

x=[0 0.5 1]

x =

0 0.5000 1.0000

>> f=[-1 1/6 8/9]

f =

-1.0000 0.1667 0.8889

>> [ C ] = newtonInterpolacion2( x,f )

C =

-0.8889 2.7778 -1.0000

>> a=-0.8889

a =

-0.8889

>> b=2.7778

b =

2.7778

>> c=-1

c =

-1

>> [ X1,X2 ] = Ec_2do_grado( a,b,c )

X1= 0.328
X2= 2.141

20 Tipantuña Cristian
Métodos Numéricos

X1 =

0.3280

X2 =

2.1412
y nalmente tenemos la solucion en el intervalo [0,1] es la x1 = 0,3280

21 Tipantuña Cristian