Problemas de Análisis Numérico

Miguel Alemán Flores, Luis Alvarez León y Javier Sánchez Pérez

Departamento de Informática y Sistemas
Universidad de Las Palmas
Campus de Ta…ra
35017 Las Palmas, España
T‡: 45.87.10/08
Email: {maleman/lalvarez/jsanchez}@dis.ulpgc.es

Contents prisas de última hora que suelen asaltar a los estudiantes

cuando se acercan los exámenes, puesto que el esfuerzo
1 INTRODUCCION. 1 de re‡exión que requieren precisa de un trabajo diario y
continuado, difícilmente compatible con las prisas de úl-
2 ARITMETICAS DE PRECISION FINITA tima hora. Resulta inquietante observar como en muchas
Y FUENTES DE ERRORES NUMERI- ocasiones la realización de problemas se aborda bajo un
COS. 1 espíritu de aprender rápidamente 4 técnicas básicas, que
muchas veces ni se entienden, y a partir de ahí intentar re-
3 CALCULO DE CEROS DE UNA FUN-
producir esas técnicas, de forma absolutamente mecánica,
CION 4
en problemas análogos. El problema de esta aptitud, es
4 INTERPOLACION DE FUNCIONES I 6 que aunque a corto plazo puede dar lugar a resultados posi-
tivos, aprobando asignaturas con un conocimiento mínimo
5 ANALISIS NUMERICO MATRICIAL I 9 e insu…ciente, a la larga, tiene efectos catastró…cos sobre
la formación del alumno, a través de una disminución im-
6 DIFERENCIACION E INTEGRACION portante de la capacidad de razonamiento y del sentido
NUMERICA 14 crítico.

7 ANALISIS NUMERICO MATRICIAL II 23 ARITMETICAS DE PRECISION FINITA Y

FUENTES DE ERRORES NUMERICOS.
8 INTERPOLACION DE FUNCIONES II 37
Problema 1 Demostrar que al representar el número real
INTRODUCCION. 0:1 como
X1
an
0:1 = 2e
2n
El presente documento es el libro de problemas donde se n=1

encuentran resueltos todos los problemas presentes en el el número de elementos no-nulos an es in…nito.
libro de Análisis Numérico publicado por los mismos au-
tores. Nunca se insistirá lo su…ciente sobre la necesidad de Solución: Supongamos que para algún t …nito y e entero
hacer problemas para comprender correctamente cualquier se tiene:
Xt
teoría y sus aplicaciones. Además la manera de afrontar e an
0:1 = 2
el estudio de los problemas debe ser bien distinta a la n=1
2n
forma de estudiar teoría. Primero se debe intentar hacer
despejando en esta igualdad obtenemos
los problemas sin mirar en absoluto la solución y después
de re‡exionar e intentar resolverlo de diferentes formas, t
X
t¡e
muchas de las cuales nos llevarán a callejones sin salida, 2 = 10 an 2t¡n
se mirará la solución. Es un hecho fácilmente constatable, n=1
que se aprende mucho más de un problema que no se ha P
conseguido resolver, pero al que se ha dedicado su…ciente ahora bien, como el número m = tn=1 an 2t¡n es entero,
esfuerzo, que de un problema del cual se mira directamente de la desigualdad anterior obtenemos
la solución sin ninguna fase de re‡exión previa. Además
2t¡e = 5 ¢ 2m
se tiende a olvidar con facilidad la técnica de resolución
de un problema sobre el cual no se ha re‡exionado su…- pero esta igualdad implica que el número 2t¡e es divisible
cientemente. De todo ello se deduce que el estudio cor- por 5 lo cual es imposible.
recto de los problemas de una asignatura va reñido con las

1
Problema 2 Representar el número 0:0 703 125 como Solución: Los valores posibles positivos se representan
1
en la siguiente tabla
X an
0:0 703 125 = 2e 1 1 1 1 1 1 1 1
n=1
2n e = ¡1 ; + ; + ; + +
22 22 24 22 23 22 23 24
1 1 1 1 1 1 1 1
Solución: En primer lugar tenemos que encontrar un en- e=0 ; + ; + ; + +
tero e tal que 2 2 23 2 22 2 22 23
1 1 1 1
e=1 1; 1 + 2 ; 1 + ; 1 + + 2
1 2 2 2 2
· 0:0 703 125 ¢ 2¡e < 1 1 1
2 e=2 2; 2 + ; 2 + 1; 2 + 1 +
2 2
para e = ¡3 obtenemos
los valores negativos son los mismos cambiados de signo.
3
0:0 703 125 ¢ 2 = 0: 562 5 Simpli…cando las fracciones nos queda
ahora tenemos que escribir el número 0:5625 como e = ¡1 0:25; 0:3125; 0:375; 0:437 5
1
X e=0 0:5; 0:625; 0:75; 0:875
1 an
0:5625 = + e=1 1; 1:25; 1:5; 1:75
2 n=2 2n
e=2 2; 2:5; 3; 3:5
los an se calculan de la siguiente forma
Si representamos los números positivos sobre una recta
obtenemos
1 1
0:5625 < + 2 = 0:75 ) a2 = 0
2 2
1 1 2
0:5625 < + 3 = 0:625 ) a3 = 0 1.75
2 2 1.5
1.25
1 1 y 1
0:5625 = + 4 = 0:5625 ) a4 = 1 0.75
2 2 0.5
0.25
por tanto µ ¶
0
-0.25
1 1 -0.5
0:0 703 125 = 2¡3 + -0.75
2 24 -1
-1.25

en términos binarios, este numero se escribiría con e = ¡3 -1.5

-1.75
y la mantisa viene dada por la secuencia 1; 0; 0; 1; 0; 0; :::: -2
0 0.250.5 0.751 1.251.5 1.752 2.252.5 2.753 3.253.5 3.754
(si no almacenamos el primer término a1 porque siempre x

es 1, la mantisa sería 0; 0; 1; 0; 0; ::::)

Problema 3 Calcular los valores positivos mínimo y Problema 5 Dada una aritmética de precisión …nita
máximo que puede tomar un número real en una aritmética cualquiera, calcular la distancia que hay entre el número 1
de precisión …nita en función de t; emin y emax : y su inmediato superior (es decir el número que va después
de 1), y la distancia entre el número 1; y su inmediato in-
Solución: Los valores positivos mínimo y máximo son ferior.
xmin = 2emin ¡1 Solución: El número 1 en una aritmética de precisión
Xt µ ¶
1 1
¡ 2t+1
1
1 …nita se escribe como
xmax = 2emax n
= 2emax 2
1 = 2emax 1 ¡ t µ ¶
n=1
2 2
2 1
1=2
2
el número inmediato superior a 1 en la aritmética es
Problema 4 Calcular todos los números reales que se µ ¶
pueden construir tomando 5 bits de la forma siguiente: 1 1 1 1
2 + t = 1 + t¡1
bit para el signo, 2 bits para la mantisa (es decir t = 3, 2 2 2
puesto que a1 = 1 sólo se almacenan a2 y a3 , y 2 bits para
el exponente e, tomando como rango de e = ¡1; 0; 1; 2: y el número inmediato inferior a 1 viene dado por
Representar dichos números sobre una recta. 1 1
¡ 2t+1
1 1 2 1
+ :: + t = 1 =1¡ t
2 2 1¡ 2 2

2
 ¡1 1 1
¢
Problema 6 Se considera una aritmética de 16 bits B + A = 23 2 + 23 + 24
donde se dedican 1 bit al signo, 9 bits a la mantisa (t = 10)
y 6 bits al exponente ( emin = ¡30 emax = 31). Escribir,
si es posible, los siguientes números en esta aritmética:
¡1 1 1 1
¢
1. B ¡ A = 22 + + +
1. 2; y los números más cercanos a 2 por arriba y por 2 23 24 25

debajo. Solución: Problema 8 Sean emin , emax ; los valores mínimo y máx-
µ ¶ imo del exponente e: Demostrar que si emin < e < emax ;
2 1
2 = 2 entonces los números:
2 Ã t !
µ ¶
2 1 1 X an 1
Si guiente = 2 + e
2 § t
2 210 2n 2
à 10 ! µ1
n=1
X 1 1 ¶
2 ¡ 211 pertenecen al conjunto A de números reales generados por
Anterior = 2 = 2 1
i=1
2i 2 la aritmética de precisión …nita.

Solución: Que los números pertenecen a la aritmética

2. El cero, el in…nito y Na. Solución: signi…ca que existe un conjunto de valores binarios a0i y un
µ ¶ entero e0 tal que
¡31 1 Ã t !
0 = 2 X an Xt
2 e 1 e0 a0n
µ ¶ 2 § = 2
1 n=1
2n 2t n=1
2n
1 = 232
2
µ ¶ Consideremos primero el caso de sumar 1=2t . Si ak =
32 1 1
1 para todo k; entonces
N aN = 2 +
2 22 Ã t !
X 1 1 1
e
2 n
+ t = 2e+1
n=1
2 2 2
3. Los números positivos más grande y más pequeño
de la aritmética (teniendo en cuenta las excepciones) Si por el contrario existe un k0 tal que ak0 = 0, y tal que
Solución: ak = 1 para todo k0 < k · t entonces basta tomar a0k = ak
à 10 ! µ1 si 1 · k < k0 ; a0k0 = 1 y a0k = 0 si k0 < k · t
X 1 1 ¶
31 31 2 ¡ 211 Consideremos ahora el caso de restar 1=2t : Si el único
M ayor = 2 = 2 1
i=1
2i 2 elemento ak distinto de 0 es a1 ; entonces
µ ¶
1 µ ¶ Xt
M enor = 2¡31 e 1 1 1
210 2 ¡ = 2e¡1
2 2t n=1
2 n

1
Si por el contrario existe un k0 > 1 tal que ak0 = 1, y
4. 9: Solución: No se puede escribir de forma exacta. tal que ak = 0 para todo k0 < k · t entonces basta tomar
Si suponemos a0k = ak si 1 · k < k0 ; a0k0 = 0 y a0k = 1 si k0 < k · t:
à t ! à t !
1 X ai X ai
= 2e =) 1 = 9 ¢ 2e =) P
9 i=1
2i
i=1
2i Problema 9 Dado un número ze = 2e tn=1 a2nn ; en una
à t ! aritmética de precisión …nita. Calcular el número inmedi-
X
2 t¡e
= 3 2
ai 2t¡i
=) 2t¡e = 32 m atamente inferior y superior a él en dicha aritmética.
i=1
Solución: Si el número es de la forma
donde m es un número entero. Ahora bien esta igual-
1
dad es imposible porque resultaría que 3 divide a 2: ze = 2e
2

¡ ¢ entonces el inmediato superior es

5. 2 21 ¡ 2110 : Solución:
1
¡ ¢ ¡ ¢ ze + 2e
2 12 ¡ 2110 = 20 12 + 212 + 213 + 1
+ 1
+ 1
+ 1
+ 1
+ 1 2t
24 25 26 27 28 29

¡ ¢ y el inmediato inferior es
Problema
¡ 7 Sean
¢ A = 2 12 + 213 + 1
25 B =
Xt
23 21 + 216 + 217 : Calcular B + A y B ¡ A 1
2e¡1 n
2
Solución: n=1

3
para cualquier otro número ze; el inmediato superior e in- CALCULO DE CEROS DE UNA FUNCION
ferior son
1
ze § 2e t
2 Problema 12 Calcular 2 iteraciones del algoritmo de la
bisección para buscar un cero de la función f(x) = x2 ¡ 2
en el intervalo [¡2; 0]

Problema 10 Calcular las raíces del polinomio P (x) =

Solución:
x2 ¡ 2x + 0:01 evitando los errores de cancelación.
Solución:
0 + (¡2)
p x = = ¡1
2+ 4 ¡ 0:04 2
x1 = = 1:995 f(¡2) > 0; f(0) < 0; f (¡1) < 0
2
0:01 N uevo Intervalo = [¡2; ¡1]
x2 =
1:995 ¡1 + (¡2)
x = = ¡1:5
2
f(¡2) > 0; f(¡1) < 0; f(¡1:5) > 0
N uevo Intervalo = [¡1:5; ¡1]
Problema 11 Escribir el código en fortran 77 para imple-
mentar el cálculo de las raíces reales de ax2 + bx + c = 0
evitando los errores de cancelación y teniendo en cuenta
las diferentes opciones que aparecen cuando a 6= 0 y a = 0:
Problema 13 Escribir el código en fortran 77 para im-
Solución: plementar el método de la bisección

PRINT *, ’CALCULO DE LAS RAICES DE Solución:

P(X)=A*X ^2+BX+C’ PRINT *,’METODO DE LA BISECCION’
PRINT *, ’INTRODUZCA EL VALOR DE A’ PRINT *,’INTRODUCIR EL EXTREMO
READ *,A IZQUIERDO DEL INTERVALO’
PRINT *, ’INTRODUZCA EL VALOR DE B’ READ *,A
READ *,B PRINT *,’INTRODUCIR EL EXTREMO DERE-
PRINT *,’INTRODUZCA EL VALOR DE C’ CHO DEL INTERVALO’
READ *,C READ *,B
IF (A.EQ.0 ) THEN IF (A.GT.B) THEN
IF (B.EQ.0 ) THEN PRINT *, ’INTERVALO INCORRECTO’
PRINT *, ’EL POLINOMIO ES CONSTANTE’ EXIT
EXIT ENDIF
ENDIF PRINT *,’INTRODUCIR LA PRECISION ’
PRINT *, ’EL POLINOMIO ES DE GRADO 1.’ READ *,TOL
PRINT *, ’LA RAIZ ES X=’,¡C=B IF (F(A)*F(B).GT.0) THEN
EXIT PRINT *,’NO HAY CAMBIO DE SIGNO EN EL
ENDIF INTERVALO’
D=B*B-4*A*C EXIT
IF (D.LT.0 )THEN ENDIF
PRINT *, EL POLINOMIO NO TIENE RAICES 1 X=(A+B)/2
REALES IF (F(X).EQ.0).OR.((B-A).LT.TOL) THEN
EXIT PRINT *,’LA RAIZ DE LA FUNCION ES: ’,X
ENDIF EXIT
IF (B.GT.0) THEN ENDIF
X1=(-B-SQRT(D))/(2*A) IF((F(A)*F(X)).LE.0) THEN
ELSE B=X
X1=(-B+SQRT(D)/(2*A) ELSE
ENDIF A=X
X2=C/(X1*A) ENDIF
PRINT *,’LAS RAICES SON: ’,X1,X2 GOTO 1
END END

FUNCTION F(X)
F=COS(X)

4
 END Problema 16 Calcular una iteración del método de
Newton-Raphson para calcular un cero de la función
f (x) = x3 ¡ 3 partiendo de x0 = 1:
Problema 14 Calcular 2 iteraciones del algoritmo de la
regula-falsi para buscar un cero de la función f(x) = x2 ¡2 Solución:
en el intervalo [0; 2]
¡2 5
Solución: x1 = 1 ¡ =
3 3
2
x = 0¡ f (0) = 1
f (2) ¡ f(0)
f (2) > 0; f(0) < 0; f (1) < 0
Problema 17 Calcular una iteración del método de la se-
N uevo Intervalo = [1; 2]
cante para calcular un cero de la función f (x) = x3 ¡ 3
1 4 partiendo de x0 = 0; x1 = 1
x = 1¡ f (1) =
f (2) ¡ f(1) 3
4
f (2) > 0; f(1) < 0; f ( ) < 0 Solución:
3
4 ¡2
N uevo Intervalo = [ ; 2] x1 = 1 ¡ ³ ´ =3
3 ¡2¡(¡3)
1¡0
Problema 15 Escribir el código en fortran 77 para im-
plementar el método de la Regula-falsi
Solución: Problema 18 Escribir un programa en fortran 77 que
implemente el método de la Secante utilizando reales de
doble precisión. Los datos de entrada son las aproxima-
PRINT *,’METODO DE LA REGULA FALSI’
ciones iniciales x0, y x1; El número máximo de iteraciones
PRINT *,’INTRODUCIR EL EXTREMO
N max; y la tolerancia T OL para determinar la igualdad
IZQUIERDO DEL INTERVALO’
de dos números.
READ *,A
PRINT *,’INTRODUCIR EL EXTREMO DERE- Solución:
CHO DEL INTERVALO’
READ *,B IMPLICIT DOUBLE PRECISION (X)
IF (A.GT.B) THEN PRINT *,’METODO DE LA SECANTE’
PRINT *, ’INTERVALO INCORRECTO’ PRINT *,’INTRODUCIR X0’
EXIT READ *,X0
ENDIF PRINT *,’INTRODUCIR X1’
PRINT *,’INTRODUCIR LA PRECISION ’ READ *,X1
READ *,TOL IF (X0.EQ.X1) THEN
IF (F(A)*F(B).GT.0) THEN PRINT *, ’LAS DOS APROXIMACIONES INI-
PRINT *,’NO HAY CAMBIO DE SIGNO EN EL CIALES COINCIDEN’
INTERVALO’ EXIT
EXIT ENDIF
ENDIF PRINT *,’INTRODUCIR LA PRECISION ’
1 X=A-F(A)*(B-A)/(F(B)-F(A)) READ *,XTOL
IF (F(X).EQ.0).OR.((B-A).LT.TOL) THEN PRINT *,’INTRODUCIR NUMERO MAXIMO DE
PRINT *,’LA RAIZ DE LA FUNCION ES: ’,X ITERACIONES’
EXIT READ *,NMAX
ENDIF DO 1 K=1,NMAX
IF(F(A)*F(X)).LE.0 THEN IF(ABS(X1-X0).LT.TOL) THEN
B=X PRINT *,’LA RAIZ DE LA FUNCION ES: ’,X1
ELSE EXIT
A=X ENDIF
ENDIF IF(XF(X1).EQ.XF(X0)) THEN
GOTO 1 PRINT *,’METODO NO CONVERGE’
END EXIT
FUNCTION F(X) ENDIF
F=COS(X) X2=X1-XF(X1)*(X1-X0)/(XF(X1)-XF(X0))
END X0=X1
X1=X2

5
1 CONTINUE Problema 22 Aislar en intervalos las raíces del poli-
PRINT *,’NUMERO MAXIMO DE ITERACIONES nomio P (x) = 20x3 ¡ 45x2 + 30x ¡ 1.
EXCEDIDO’
END Solución: Teniendo en cuenta que en este caso

FUNCTION XF(X) maxk=0;::;n¡1 j ak j 45 65

1+ =1+ =
IMPLICIT DOUBLE PRECISION (X) j an j 20 20
F=COS(X)
END todas las raíces están en el intervalo [¡ 65 65
20 ; 20 ]: Para ais-
lar las raíces calculamos los ceros de la derivada P 0 (x) =
60x2 ¡ 90x + 30, dichas raíces son 1 y 1=2: Por otro lado
Problema 19 Calcular una iteración del método de tenemos
Muller para calcular un cero de la función f (x) = x3 ¡ 3
partiendo de x0 = 1 (Calculando las derivadas de la fun- 65
P (¡ ) = ¡1260: 4
ción de forma exacta) y quedándonos con la raíz más cer- 20
cana a x0 : 1 21
P( ) =
2 4
Solución: P (1) = 4
65
¡2 + 3(x ¡ 1) + 3(x ¡ 1)2 = 0 P( ) = 307: 75
p 20
¡3 + 33
x1 = 1 + por tanto hay una única raíz en el intervalo [¡ 65 1
20 ; 2 ]:
6

Problema 23 Aislar en intervalos las raíces del poli-

Problema 20 Dado el polinomio P (x) = 2x3 +3x2 +4x+ nomio P (x) = 2x3 + 3x2 ¡ 12x + 1
5. Evaluar el polinomio y su derivada en el punto x = 2,
utilizando el algoritmo de Horner Solución:

Solución: P 0 (x) = 6x2 + 6x ¡ 12 ra¶{ces x = 1; ¡2

Intervalo Inicial [¡7; 7]

P (x) = ((2x + 3)x + 4)x + 5
P (¡7) = ¡454 P (¡2) = 21 P (1) = ¡6 P (7) = 750:
P (2) = ((7)2 + 4)2 + 5
P (2) = (18)2 + 5 = 41 Intervalos donde están las raíces:
P 0 (x) = (2x + 7)x + 18 [-7,-2] [-2,1] [1,7]
P 0 (2) = (4 + 7)2 + 18 = 40

INTERPOLACION DE FUNCIONES I
Problema 21 Calcular el número máximo de raíces pos-
itivas y negativas del polinomio x5 ¡ 35x3 + 30x2 + 124x ¡
120; y localizarlas en un intervalo. Problema 24 Calcular el polinomio interpolador de La-
grange P3 (x) de la función f (x) = sen(x) en los puntos
Solución: Teniendo en cuenta que
0; ¼2 ; ¼ y 3¼
2 .
maxk=0;::;n¡1 j ak j
1+ = 125 Solución: Puesto que sen(0) = sen(¼) = 0 sólo necesi-
j an j
tamos los polinomios base de Lagrange centrados en ¼2 y
las raíces del polinomio están en el intervalo [¡125; 125]: 3¼
2 :
Para calcular el número máximo de raíces positivas mi- ¡ ¢
ramos los cambios de signo de los coe…cientes, en este caso x (x ¡ ¼) x ¡ 3¼ 2
los signos son: P 2 (x) = ¼ ¡ ¼
¼ ¢ ¡ ¼ 3¼ ¢
2 2 ¡¼ ¡ 2
+¡++¡ ¡2 ¢
x (x ¡ ¼) x ¡ ¼2
por tanto el número de raíces positivas es 1 ó 3: Para esti- P 3¼ (x) = ¡
3¼ 3¼
¢ ¡ 3¼ ¼
¢
2 ¡¼ 2 ¡ 2
2
mar el número de raíces negativas cambiamos x por ¡x y 2

miramos los signos de los coe…cientes que en este caso son: Por tanto el polinomio interpolador es
¡++¡¡ P (x) = P ¼2 (x) ¡ P 3¼ (x)
2
por tanto el número de raíces negativas son 0 ó 2:

6
Problema 25 Calcular la expresión del error interpo- Problema 28 Calcular el polinomio interpolador de La-
lación al aproximar la función f(x) = sen(x) en el in- grange P3 (x) de la función f (x) = sen(x) en los puntos
tervalo [0; 2¼] interpolando en los puntos 0; ¼2 ; ¼, 3¼
2 : y aco- 0; ¼2 ; ¼ y 3¼
2 utilizando las diferencias divididas de Newton.
tarlo superiormente.
Solución: Las diferencias divididas son: f[0] = 0; f [ ¼2 ] =
Solución: El error de interpolación viene dada por la 1; f[¼] = 0, f[ 3¼
2 ] = ¡1;
expresión: ¼ 2
µ ¶ f[0; ] =
sen(») ³ ¼´ 3¼ 2 ¼
f (x) ¡ PN (x) = x x¡ (x ¡ ¼) x ¡ ¼ 2
4! 2 2 f [ ; ¼] = ¡
2 ¼
el valor máximo del sen(») es 1: Por otro lado el valor 3¼ 2
f[¼; ] = ¡
donde alcanza el máximo el polinomio del error en [0; 2¼] 2 ¼
es x = 2¼, por tanto la cota del error que obtenemos es ¼ 4
f[0; ; ¼] = ¡ 2
µ ¶ 2 ¼
1 ³ ¼´ 3¼ ¼ 3¼
jf (x) ¡ PN (x)j · 2¼ 2¼ ¡ (2¼ ¡ ¼) 2¼ ¡ f [ ; ¼; ] = 0
4! 2 2 2 2
¼ 3¼ 8
f [0; ; ¼; ] =
2 2 3¼ 3
por tanto, el polinomio interpolador es
Problema 26 Calcular el error máximo de interpolación
2 4 ³ ¼´ 8 ³ ¼´
en el intervalo [0; 1] al interpolar la función cos(x) en los P (x) = x ¡ 2 x x ¡ + 3x x ¡ (x ¡ ¼)
puntos dados por los polinomios de Chebyshev tomando ¼ ¼ 2 3¼ 2
N = 5:
Problema 29 Calcular el polinomio interpolador de La-
Solución: Según las fórmulas vistas en teoría el error grange P3 (x) de la función f(x) = 2x en los puntos
viene dado por la expresión: 0; 1; 3; 4 utilizando las diferencias divididas de Newton.
¯ ¯µ ¶ Expresar el polinomio tomando en primer lugar x0 = 0;
maxx2[a;b] ¯f N+1) (»)¯ b ¡ a N+1
j f(x) ¡ PN (x) j· x1 = 1; x2 = 3 y x3 = 4; y en segundo lugar x0 = 4;
(N + 1)!2N 2 x1 = 3; x2 = 1; y x3 = 0:
en nuestro caso como N = 5 y la derivada sexta de cos(x) Solución: En el primer caso, las diferencias divididas
es ¡ cos(x) cuyo máximo en valor absoluto es 1; obtenemos son f [x0 ] = 1; f[x1 ] = 2; f [x2 ] = 8; f [x3 ] = 16:
µ ¶6 f [x0 ; x1 ] = 1
1 1
j f(x) ¡ PN (x) j· = 6: 78 £ 10¡7 f [x1 ; x2 ] = 3
6!25 2
f [x2 ; x3 ] = 8
2
f [x0 ; x1 ; x2 ] =
Problema 27 Interpolar la función f (x) = x210+1 en los 3
puntos x0 = ¡2; x1 = ¡1; x2 = 1; x3 = 2 utilizando las 5
f [x1 ; x2 ; x3 ] =
diferencias de Newton y evaluar el polinomio en x = 0 3
utilizando el algoritmo de Horner. 1
f[x0 ; x1 ; x2 ; x3 ] =
4
Solución: y el polinomio interpolador es:
¡2 ! 2
3 2 1
-1 ! 5 -1 P (x) = 1 + x + x(x ¡ 1) + x(x ¡ 1)(x ¡ 3)
3 4
0 0
1!5 -1 Si tomamos ahora los puntos en orden inverso: f [x0 ] = 16;
-3 f [x1 ] = 8; f[x2 ] = 2; f [x3 ] = 1:
2!2 f [x0 ; x1 ] = 8
P (x) = 2 + 3(x + 2) ¡ 1(x + 2)(x + 1) + 0(x + 2)(x + f [x1 ; x2 ] = 3
1)(x ¡ 1) = (¡1(x + 1) + 3)(x + 2) + 2 f [x2 ; x3 ] = 1
P (0) = (¡1(0 + 1) + 3)(0 + 2) + 2 = 6 5
f [x0 ; x1 ; x2 ] =
3
Nota: Quitar paréntesis en P(x) y aplicar Horner sobre 2
f [x1 ; x2 ; x3 ] =
el polinomio resultante no es lo que pide el problema y por 3
lo tanto está mal 1
f[x0 ; x1 ; x2 ; x3 ] =
4

7
 El polinomio interpolador es: donde » 2 [0; ¼4 ]: Para que la aproximación sea la mejor
5 1 dentro de una aritmética de 32 bits tiene que cumplirse
P (x) = 16+8(x¡4)+ (x¡4)(x¡3)+ (x¡4)(x¡3)(x¡1)
3 4 j Pn (x) ¡ sen(x) j
· 2¡24 = 5: 96 £ 10¡8
como puede observarse, al cambiar el orden de los pun- sen(x)
tos de interpolación, el polinomio de Lagrange expresado
a través de las diferencias divididas cambia totalmente, por otro lado, en el intervalo [0; ¼4 ] se veri…ca
salvo el último coe…ciente 14 que es el mismo en ámbos ca- ¡ ¢
sos pues como se había demostrado en teoría el valor de sen ¼4
¼ x · sen(x)
f [x0 ; x1 ; x2 ; x3 ] no depende del orden en que se toman los 4
puntos de interpolación.
por tanto:
¡ ¼ ¢2n+2
Problema 30 Dada una función f(x); y una secuen- j Pn (x) ¡ sen(x) j
cia de valores xn , aproximar f(x) por la parábola que · 4
sen(x) (2n + 2)!
pasa por los puntos (xn¡1 ; f (xn¡1 )) ; (xn¡2 ; f (xn¡2 )) y
(xn¡3 ; f(xn¡3 )), calcular posteriormente las derivadas del para n = 4 se tiene que
polinomio, y comprobar que coinciden con las fórmu- ¡ ¼ ¢2n+2
las dadas en el método de Muller para el cálculo de las 4
= 2: 46 £ 10¡8
derivadas f 00 (xn¡1 ) y f 0 (xn¡1 ): (2n + 2)!
Solución: Si utilizamos las diferencias divididas para in- por tanto n = 4 determina la mejor aproximación en una
terpolar obtenemos f [xn¡1 ] = f (xn¡1 ) aritmética de 32 bits.
f (xn¡1 ) ¡ f (xn¡2 )
f [xn¡1 ; xn¡2 ] =
xn¡1 ¡ xn¡2 Problema 32 Demostrar que utilizando relaciones
f (xn¡2 ) ¡ f (xn¡3 ) trigonométricas es posible calcular las funciones sen(x)
f [xn¡2 ; xn¡3 ] =
xn¡2 ¡ xn¡3 y cos(x) para cualquier x (en radianes), utilizando
f [xn¡1 ; xn¡2 ] ¡ f [xn¡2 ; xn¡3 ] únicamente su valor en el intervalo [0; ¼8 ]:
f [xn¡1 ; xn¡2 ; xn¡3 ] =
xn¡1 ¡ xn¡3
Solución: En teoría se demostró como se pueden de…nir
El polinomio interpolador es el sen(x) y cos(x) para cualquier valor de x a partir de
su de…nición en [0; ¼4 ]; por tanto, en este problema sólo
P (x) = f (xn¡1 ) + f[xn¡1 ; xn¡2 ](x ¡ xn¡1 ) + tenemos que de…nir las funciones trigonométricas en [0; ¼4 ]
f [xn¡1 ; xn¡2 ; xn¡3 ](x ¡ xn¡1 )(x ¡ xn¡2 ) a partir de su de…nición en [0; ¼8 ]: Basta tener en cuenta
las relaciones:
por tanto (
¼
cos
¡ x ¢[0; 8 ] (x)2 ¡ x ¢ si x · ¼8
¼
P 00 (xn¡1 ) = 2f[xn¡1 ; xn¡2 ; xn¡3 ] cos[0; ¼4 ] (x) = 2
cos[0; ¼ ] 2 ¡ sin[0; ¼8 ] 2 si x > 8
P 0 (xn¡1 ) = f[xn¡1 ; xn¡2 ] + f [xn¡1 ; xn¡2 ; xn¡3 ](xn¡1 ¡ 8

xn¡2 ) ½ ¼
sen¡ [0;¢¼8 ] (x) ¡ ¢ si x · 8
sen[0; ¼4 ] (x) =
que corresponde a las fórmulas utilizadas por el 2 cos[0; ¼8 ] x2 sin[0; ¼8 ] x2 si x > ¼
8
método de Muller.

Problema 33 Calcular los polinomios necesarios para in-

Problema 31 Aproximar la función sen(x) en el inter-
terpolar las funciones trigonométricas cos(x) y sen(x) en
valo [0; ¼4 ] utilizando el desarrollo de Taylor, y calcular el
el intervalo [0; ¼8 ] en una aritmética de 32 bits
valor de n a partir del cual la aproximación es la mejor
posible dentro de una aritmética de 32 bits. Solución: En primer lugar, la función cos(x) la desarrol-
Solución: El desarrollo de Taylor en 0 del sen(x) viene lamos por serie de Taylor como
dado por: x2 x4 x2n
3 5 2n+1 cos(x) u Pn (x) = 1 ¡ + + :::: + (¡1)n
x x x 2! 4! (2n)!
sen(x) u Pn (x) = x ¡ + + :::: + (¡1)n
3! 5! (2n + 1)!
y el error máximo cometido por el desarrollo de Taylor en
y el error máximo cometido por el desarrollo de Taylor en un punto x 2 [0; ¼8 ] es
un punto x 2 [0; ¼4 ] es
2n+1
2n+2
¼ (x)
¼ (x) j Pn (x) ¡ cos(x) j· sen( )
j Pn (x) ¡ sen(x) j· sen( ) 8 (2n + 1)!
4 (2n + 2)!

8
donde » 2 [0; ¼8 ]: Para que la aproximación sea la mejor ANALISIS NUMERICO MATRICIAL I
dentro de una aritmética de 32 bits tiene que cumplirse
j Pn (x) ¡ cos(x) j Problema 35 Calcular el número de operaciones básicas
· 2¡24 = 5: 96 £ 10¡8
cos(x) (sumas, restas, multiplicaciones y divisiones) en función
por tanto: de la dimensión N necesarias para realizar un remonte
¡ ¢2n+1 para resolver un sistema A0 u = b0 donde A0 es una matriz
j Pn (x) ¡ cos(x) j ¼ ¼8 triangular superior.
· tan( )
cos(x) 8 (2n + 1)!
para n = 3 se tiene que Solución: Escribimos la matriz A0 de la siguiente manera,
¡ ¢2n+1 0 1
¼ ¼8 a11 a12 ¢ ¢ ¢ a1;n¡2 a1;n¡1 a1n
tan( ) = 1: 18 £ 10¡7
8 (2n + 1)! B 0 a22 ¢ ¢ ¢ a2;n¡2 a2;n¡1 a2n C
B C
B .. .. . . .
. .
. .. C
con lo cual ya estamos muy cerca de la precisión óptima. B . . . . . . C
B C
Para n = 4 B 0 0 0 an¡2;n¡2 an¡2;n¡1 an¡2;n C
¡ ¢2n+1 B C
@ 0 0 0 0 an¡1;n¡1 an¡1;n A
¼ ¼8
tan( ) = 2: 53 £ 10¡10 0 0 0 0 0 an;n
8 (2n + 1)!
por tanto n = 4 determina la mejor aproximación en En el remonte se empiezan a calcular los ui de abajo
una aritmética de 32 bits. hacia arriba. Las operaciones que se realizan vienen dadas
por:
Análogamente, para la función sen(x) tenemos un = abnn
n

x3 x5 x2n+1
sen(x) u Pn (x) = x ¡ + + :::: + (¡1)n un¡1 =
bn¡1 ¡an¡1;n un
3! 5! (2n + 1)! an¡1;n¡1

y el error máximo cometido por el desarrollo de Taylor en bn¡2 ¡(an¡2;n un +an¡2;n¡1 un¡1 )
un punto x 2 [0; ¼4 ] es un¡2 = an¡2;n¡2

¼ (x)2n+2 un¡3 =
bn¡3 ¡(an¡3;n un +an¡3;n¡1 un¡1 +an¡3;n¡2 un¡2 )
j Pn (x) ¡ sen(x) j· sen( ) an¡3;n¡3
8 (2n + 2)! ..
.
donde » 2 [0; ¼8 ]: Para que la aproximación sea la mejor
dentro de una aritmética de 32 bits tiene que cumplirse En la siguiente tabla se muestra el número de opera-
j Pn (x) ¡ sen(x) j ciones que se realizan en cada iteración:
· 2¡24 = 5: 96 £ 10¡8
sen(x)
por otro lado, en el intervalo [0; ¼8 ] se veri…ca Sumas Multiplic: Divisiones T otal
¡ ¢ n¡1 n¡1 1 2n ¡ 1
sen ¼8 .. .. .. ..
¼ x · sen(x) . . . .
8
3 3 1 7
por tanto: 2 2 1 5
¡ ¼ ¢2n+2
j Pn (x) ¡ sen(x) j 1 1 1 3
· 8 0 0 1 1
sen(x) (2n + 2)!
para n = 3 se tiene que A partir de esta tabla podemos calcular el total de
¡ ¼ ¢2n+2 operaciones sumando por columnas:
8
= 1: 402 679 863 £ 10¡8 (n¡1)n
(2n + 2)! Sumas = 0 + 1 + 2 + 3 + : : : + n ¡ 1 = 2
por tanto n = 3 determina la mejor aproximación en una (n¡1)n
M ultiplicac: = 0 + 1 + 2 + 3 + : : : + n ¡ 1 =
aritmética de 32 bits. 2

Divisiones = 1 + 1 + 1 + 1 + : : : + 1 = n
Problema 34 Como se puede obtener la función yx ;
donde x; y son números reales, utilizando las funciones ex Total = 1 + 3 + 5 + 7 + : : : + 2n ¡ 1 =
y ln(x):
= Sumas + M ultiplicac: + Divisiones =
Solución: Se utiliza la equivalencia
(n¡1)n (n¡1)n
= + + n = n2
yx = ex ln y 2 2

El orden del algoritmo es entonces O(n2 ):

9
Problema
µ 36 Resolver
¶µ ¶por el
µ método
¶ de Gauss el sistema A continuación obtenemos el total de operaciones en
¡1 2 x 3 cada iteración sumando por columnas:
=
2 ¡1 y 0
1a Iteración:
Solución:
µ ¶µ ¶ µ ¶
¡1 2 x 3 Divisiones = 1 + 1 + : : : + 1 = n ¡ 1
= !
µ 2 ¡1
¶µ y
¶ µ ¶ 0
2 ¡1 x 0 M ultiplicac: = n + n + : : : + n = n(n ¡ 1)
= !
¡1µ 2 y 3
¶µ ¶ µ ¶ Sumas = n + n + : : : + n = n(n ¡ 1)
2 ¡1 x 0
= ! 23 y = y ! y = 2 !
0 23 y 3 2a Iteración:
x = 22 = 1
Divisiones = 1 + 1 + : : : + 1 = n ¡ 2

Problema 37 Calcular el número de operaciones básicas M ultiplicac: = (n ¡ 1) + (n ¡ 1) + : : : + (n ¡ 1) =

necesarias para descomponer el sistema Au = b en el sis-
=(n ¡ 1)(n ¡ 2)
tema A0 u = b0 utilizando el método de Gauss, y teniendo
en cuenta la siguiente relación Sumas = (n¡1)+(n¡1)+: : :+(n¡1) = (n¡1)(n¡2)
M¡1 ..
X 1 1 1 .
k2 = M 3 ¡ M 2 + M
3 2 6
k=1 (n-1)a Iteración:

Divisiones = 1
Solución: M ultiplicac: = 2
0 1
a11 a12 ¢¢¢ a1n
B a21 a22 ¢¢¢ a2n C Sumas = 2
B C
A=B . .. .. .. C
@ .. . . . A Total operaciones1 :
an;1 an;2 ¢¢¢ an;n n(n¡1)
Divisiones = (n¡1)+(n¡2)+(n¡3)+: : :+1 = 2
En cada iteración se realizan las siguientes opera-
ciones: M ultiplicac: = n(n ¡ 1) + (n ¡ 1)(n ¡ 2) + : : : + 2 =

Para cada iteración (i): =((n ¡ 1) + 1)(n ¡ 1) + ((n ¡ 2) + 1)(n ¡ 2) + : : : =

Para cada …la (j) =(n ¡ 1)2 + (n ¡ 1) + (n ¡ 2)2 + (n ¡ 2) + : : : =

³ ´ 3
¡3n2 +n (n¡1)n n3 ¡n
¤ aaii = 2n 6 + 2 = 3
ii

³ ´ ³ ´ Sumas = n(n ¡ 1) + (n ¡ 1)(n ¡ 2) + : : : + 2 = n3 ¡n

aji aji 3
¤aj1 ¡ ai1 aii : : : ajn ¡ ain aii
Total=Sumas + Multiplicac: + Divisiones =
En la primera iteración, este proceso se repite N ¡ 1
n3 ¡n n(n¡1)
veces (para las N ¡ 1 j-…las inferiores). En la segunda, se = 3 + 2 = 23 n3 + 21 n2 ¡ 67 n
repite N ¡ 2 veces, y así sucesivamente hasta la penúltima
3
…la, en donde sólo se realiza una vez. El orden del algoritmo es entonces O( 2n3 ):

Iteración Fila Division. Multiplic. Sumas

2a 1 n n Problema 38 Implementar en FORTRAN la funcion
3a 1 n n IDESCENSO(A; b; u; N; N max) que resuelve un sistema
1a .. .. .. .. donde A es una matriz triangular inferior, b es el vector
. . . .
de términos independientes, u el vector solución, N es la
na 1 n n
dimensión real del sistema y N max la dimensión que se
3a 1 n¡1 n¡1 utilizo para reservar la memoria de la matriz A: La función
4a 1 n¡1 n¡1 devuelve 0 si termina correctamente y 1 en caso contrario.
2a .. .. .. ..
. . . . Nota Importante: Las líneas de código tienen que ir to-
na 1 n¡1 n¡1 das numeradas y no pueden superar las 15 líneas como
.. .. .. .. .. máximo.
. . . . .
(n ¡ 1)a na 1 2 2 11 + 22 + 32 + ::: + (n ¡ 1)2 = 2n3 ¡3n2 +n
6

10
Solución: Solución:Tenemos que demostrar, por una parte, que
At = A (A simétrica) y, por otra, que x x > 0 (A de…nida
¹t A¹
01 IDESCEN SO(A; b; u; N; N max) 2
positiva ).
02 DIMEN SION A(N max; ¤); b(¤); u(¤)
03 DO 13 I = 1; N 1. Simétrica:
04 IF (A(I; I):EQ:0) T HEN t t t
At = (B ¢ B t ) = (B ¢ B t ) = (B t ) B t = B ¢ B t = A
05 IDESCEN SO = 1
06 RET URN
07 EN DIF 2. De…nida positiva:
08 u(I) = b(I) Como jBj 6= 0; si B¹
x = 0 =) x
¹=0
09 DO 11 J = 1; I ¡ 1
10 u(I) = u(I) ¡ A(I; J) ¤ u(J) Una matriz se dice de…nida positiva si se cumple que
11 CON T INU E
12 u(I) = u(I)=A(I; I) 8¹ ¹t A¹
x 6= 0; x x > 0 =)
13 CONT IN U E
14 IDESCEN SO = 0 ¹t A¹
=) x ¹t BB t x
x=x ¹ = (B t x
¹) B t x
¹=
15 END
P
= y¹t y¹ = yi2 > 0
Problema 39 Resolver por el método de Gauss el sigu-
iente sistema de ecuaciones Problema 41 Descomponer la siguiente matriz A por el
0 10 1 0 1 método de Cholesky
0 ¡1 2 u1 1 0 1
@ ¡1 2 ¡1 A @ u2 A = @ 0 A 1 1 4
2 ¡1 0 u3 1 A=@ 1 5 6 A
4 6 26
Solución: Pasos en la descomposición por Gauss:
Solución: La descomposición por el método de Cholesky
1. Intercambiamos la tercera …la con la primera: tiene la forma siguiente:
0 1 0 1
0 ¡1 2 1 2 ¡1 0 1
@ ¡1 2 ¡1 0 A ¡ ¡¡¡!
pivoteo @ ¡1 2 ¡1 0 A A = B ¢ Bt;
2 ¡1 0 1 0 ¡1 2 1
donde la matriz B es triangular inferior.
2. Hacemos ceros en la primera columna 0 1
³ ´ b11 0 0
filaj ¡ f ila1 ¢ aa11
j1
;j > 1 : B = @ b21 b22 0 A
0 1 0 1 b31 b32 b33
2 ¡1 0 1 2 ¡1 0 1
@ ¡1 2 ¡1 0 A ¡ ¡¡! @ 0 3 ¡2 1 A
ceros 0 1
b11 b21 b31
0 ¡1 2 1 0 ¡1 2 1 B t = @ 0 b22 b32 A
3. Hacemos ceros en la segunda columna 0 0 b33
³ ´
filaj ¡ f ila2 ¢ aa11
j1
;j > 2 : Cálculo de los elementos de la matriz B :
0 1 0 1
2 ¡1 0 1 2 ¡1 0 1 A = B ¢ Bt =
@ 0 3 ¡2 1 A ¡ ¡¡! @ 0 3 ¡2 1 A
ceros 0 10 1
0 ¡1 2 1 0 0 4 4 b11 0 0 b11 b21 b31
= @ b21 b22 0 A@ 0 b22 b32 A =
4. Realizamos el remonte, y obtenemos como solución: b31 b32 b33 0 0 b33

u3 = 4
=1 0 1
4 b211 b11 b21 b11 b31
= @ b11 b21 b221 + b222 b21 b31 + b22 b32 A
1¡2u3 ¡1
u2 = ¡1 = ¡1 =1 b11 b31 b21 b31 + b22 b32 b231 + b232 + b233

u1 = 1+u2
= 2
=1 Igualamos los elementos de la matriz anterior con los
2 2
elementos de la matriz A y se obtienen los siguientes re-
sultados:
Problema 40 Demostrar que si A = B ¢B t (B triangular
2 Matriz de…nida positiva: 8¹
x 6= 0 =) x¹t A¹
inferior) y jBj =
6 0; entonces A es simétrica y de…nida x > 0:
Esta es la de…nición formal. De forma práctica, se comprueba que los
positiva menores principales de la matriz sean positivos. También se cumple
¹t A¹
si todos sus autovalores son positivos: x x=x ¹t ¸¹ xt x
x = ¸¹ ¹ > 0:

11
 b211 = 1 En la siguiente tabla se muestra de forma esquemati-
zada, el número de operaciones en cada iteración:
b11 = 1
Iteraci¶
on Sumas M ultiplic: Divisiones
b11 b21 = 1 0 0 0
1 0 0 1
b21 = b11 =1 i=1 .. .. ..
. . .
b11 b31 = 4 0 0 1
n¡1
4
b31 = b11 =4 1 1 0
1 1 1
b221 + b222 = 5 i=2 .. .. ..
. . .
p p
b22 = § (5 ¡ b221 ) = (4) = 2 1 1 1
n¡1 n¡1 n¡2

b21 b31 + b22 b32 =6 2 2 0

2 2 1
b32 = 6¡b21 b31
= 6¡4
=1 i=3 .. .. ..
b22 2 . . .
2 2 1
b231 + b232 + b233 = 26 n¡3
2(n¡2) 2(n¡2)
p p .. .. .. ..
b33 = (26 ¡ b231 ¡ b232 ) = (26 ¡ 16 ¡ 12 ) = 3 . . . .
i=n n¡1 n¡1 0
La descomposición queda de la siguiente manera:
El total de operaciones se obtiene sumando los totales
A = B ¢ Bt = parciales de la tabla anterior:
0 10 1
1 0 0 1 1 4 Sumas = M ultiplicac: =
= @ 1 2 0 A@ 0 2 1 A
4 1 3 0 0 3 = (n ¡ 1) + 2 (n ¡ 2) + 3(n ¡ 3) + : : : + (n ¡ 1) =
P n3 ¡n
= n¡1
i=1 i(n ¡ i) = 6
Problema 42 Calcular el número de operaciones nece-
sarias para resolver un sistema por el método de Cholesky. Divisiones = (n ¡ 1) + (n ¡ 2) + (n ¡ 3) + : : : + 1 =
P
= n¡1
i=1 i =
n(n¡1)
2
Solución: Las operaciones que se realizan en cada it-
eración vienen dadas por: El resultado …nal es:

Total=Sumas + M ultiplicac: + Divisiones =

3 n(n¡1)
¡n
Iteraci¶
on Operaciones = 2n 6 + 2 = 13 n3 ¡ 65 n + 12 n2
p
j = 1 : b11 = a11 ³ ´
j = 2 : b21 = ab11
21
El orden del algoritmo es O n3
3
i=1 ..
.
j = n : bn1 = abn1
p11 Problema 43 Demostrar que a partir de un método para
j = 2 : b22 = a22 ¡ b221 resolver sistemas de ecuaciones se puede construir de
j = 3 : b32 = a32 ¡b21 b31
b22 forma inmediata un método para calcular la inversa A¡1
i=2 ..
. de una matriz A:
j = n : bn2 = an2 ¡b 21 bn1
b22
.. ..
. . Solución: 0 1
q ¡ ¢ 1 0 ¢¢¢ 0
i=n j = n : bnn = ann ¡ b2n1 + : : : + b2n;n¡1 B 0 1 ¢¢¢ 0 C
B C
AA¡1 = Id = B .. .. . . .. C
@ . . . . A
0 0 ¢¢¢ 1

Si expresamos la matriz inversa de la siguiente man-

era:

12
 0 1 0 1
c11 c12 ¢¢¢ c1n 1 0 ¢¢¢ 0 l2 u2 = b2
B c21 c22 ¢¢¢ c2n C B 0 1 ¢¢¢ 0 C
B C B C
AB .. .. .. .. C=B .. .. . . .. C; b2
@ . . . . A @ . . . . A l2 = a2 ¡ m1 u1 ; u2 = ; m2 = c2
l2
cn1 cn2 ¢¢¢ cnn 0 0 ¢¢¢ 1
..
se pueden calcular las columnas de esa matriz a partir de .
N sistemas de ecuaciones de la siguiente forma: mn¡2 un¡2 + ln¡1 = an¡1
0 1 0 1 ln¡1 un¡1 = bn¡1
c11 1
B c21 C B 0 C bn¡1
B C B C
AB . C = B . C ln¡1 = an¡1 ¡ mn¡2 un¡2 ; un¡1 = ; mn¡1 = cn¡1
@ .. A @ .. A ln¡1
cn1 0
mn¡1 un¡1 + ln = an
0 1 0 1
c12 0 ln = an ¡ mn¡1 un¡1
B c22 C B 1 C
B C B C
AB . C=B .. C El algoritmo queda de la siguiente manera:
@ .. A @ . A
cn2 0
l1 = a1
..
. 0 1 0 1 u1 = bl11
c1n 0 Para i = 2; : : : ; n ¡ 1
B c2n C B 0 C mi¡1 = ci¡1
B C B C
AB . C=B .. C ; c.q.d.
@ .. A @ . A li = ai ¡ mi¡1 ui¡1
cnn 1 ui = blii
Fin Para
mn¡1 = cn¡1
Problema 44 Demostrar el algoritmo de Crout para de- ln = an ¡ mn¡1 un¡1
scomponer matrices tridiagonales.

Problema 45 Resolver utilizando el método de Crout el

Solución: Consideremos la matriz tridiagonal siguiente: siguiente sistema de ecuaciones
0 1 0 10 1 0 1
a1 b1 0 ¢¢¢ 0 2 4 0 x 6
B c1 a2 b2 ¢¢¢ 0 C @ ¡1 0 4 A @ y A = @ 3 A
B C
B 0 C 0 ¡1 0 ¡1
A = B 0 c2 a3 b3 C z
B .. .. .. .. C
@ . . . . b A
n¡1
0 0 0 cn¡1 an
La descomposición por el método de Crout genera dos Solución: Aplicando el algoritmo del problema anterior,
matrices de la forma: obtenemos los siguientes resultados:
0 10 1
l1 0 : 0 1 u1 : 0 i=1
B m1 l2 : 0 C B 0 C
A=B CB 0 1 : C=
@ 0 : : 0 A @ 0 : : un¡1 A l1 = 2
0 : mn¡1 ln 0 : 0 1 4
u1 = 2 =2
0 1
l1 l1 u1 0 : 0
B m1 C i=2
B m1 u1 + l2 l2 u2 : 0 C
=@ A
0 : : : ln¡1 un¡1 m1 = ¡1
0 0 : mn¡1 mn¡1 un¡1 + ln
l2 = 0 ¡ 2 (¡1) = 2
Igualando ambas matrices y despejando los elementos 4
li ; ui y mi , u2 = 2 =2

l1 u1 = b1 i=3
b1 m2 = ¡1
l1 = a1 ; u1 = ; m1 = c1
l1
l3 = 0 ¡ 2 (¡1) = 2
m1 u1 + l2 = a2

13
 Sustituyendo estos valores en las matrices de Crout, En la siguiente tabla se muestra el número de op-
la descomposición queda: eraciones en cada iteración:
0 1 0 1 Iteraci¶
on Sumas M ultiplic: Divisiones
2 0 0 1 2 0
A = L ¢ U = @ ¡1 2 0 A ¢ @ 0 1 2 A i=1 0 0 1
0 ¡1 2 0 0 1 i=2 1 1 1
i=3 1 1 1
Para resolver el sistema, se tiene en cuenta lo sigu- .. .. .. ..
. . . .
iente:
i=n 1 1 0
Ax = b El total de operaciones se obtiene de la tabla anterior
como:
LU x = b (U x = y)
Sumas = M ultiplicac: = Divisiones =
y nos queda un sistema de la forma:
= 1 + 1 + : : : + 1 = (n ¡ 1)
Ly = b
Total=Sumas + M ultiplicac: + Divisiones =
Calculamos el valor de y a partir del sistema anterior:
0 10 1 0 1 = 3 (n ¡ 1)
2 0 0 y1 6
@ ¡1 2 0 A @ y2 A = @ 3 A ; El orden del algoritmo es O (3n)
0 ¡1 2 y3 ¡1

aplicando un algoritmo de descenso, DIFERENCIACION E INTEGRACION

0 1 0 6 1 0 1 NUMERICA
y1 2 3
@ y2 A = @ 3+y1 A=@ 3 A
2
¡1+y2
y3 2
1
Problema 47 Dados 3 puntos distintos xl ; xi ; xr de-
Calculamos el vector x por remonte: mostrar que la fórmula:

Ux = y
0
(xi ¡ xl ) f (xxrr)¡f
¡xi
(xi )
+ (xr ¡ xi ) f (xxi )¡f (xl )
i ¡xl
0 10 1 0 1 f (xi ) ¼
xr ¡ xl
1 2 0 x1 3
@ 0 1 2 A @ x2 A = @ 3 A aproxima la derivada de f 0 (xi ) con un orden de aproxi-
0 0 1 x3 1 mación de 2:
0 1 0 1 0 1
x1 3 ¡ 2x2 1
@ x2 A = @ 3 ¡ 2x3 A = @ 1 A Solución: Evaluamos el desarrollo de Taylor de la función
x3 1 1 en los puntos xr ; xl :
¡ ¢ f (xl ) = f (xi ) + f 0 (xi )(xl ¡ xi )+
quedándonos la solución …nal x = 1 1 1
00
f 000 (xi )
+f (xi )
2! (xl ¡ xi )2 + 3! (xl ¡ xi )3
Problema 46 Calcular el número de operaciones nece-
f (xr ) = f (xi ) + f 0 (xi )(xr ¡ xi )+
sarias para resolver un sistema tridiagonal por el método
de Crout. +f
00
(xi )
¡ xi )2 + f 000 (xi )
¡ xi )3
2! (xr 3! (xr

Solución: Las operaciones que se realizan en cada it- (xr ¡ xi ) f (x(xl )¡f (xi )
l ¡xi )
= (xr ¡ xi )[f 0 (xi )+
eración vienen dadas por: 00
f 000 (xi )
+f (xi )
2! (xl ¡ xi ) + 3! (xl ¡ xi )2 ]
Iteraci¶
on Operaciones (xi ¡ xl ) f (x(xi )¡f (xr )
= (xi ¡ xl )[f 0 (xi )+
i ¡xr )
i=1 l1 = a1 ; u1 = bl11
b2 00
f 000 (xi )
i=2 m1 = c1 ; l2 = a2 ¡ m1 u1 ; u2 = +f (xi )
¡ xi ) + ¡ xi )2 ]
l2 2! (xr 3! (xr
.. ..
. .
Sumamos las expresiones anteriores y nos queda:
i=n ln = an ¡ mn¡1 un¡1

14
 i ¡xr )f (xl )
(xr ¡ xi ) f (x(xl )¡f (xi )
l ¡xi )
+ (xi ¡ xl ) f (x(xrr)¡f (xi )
¡xi ) = + (x(xl ¡x i )(xl ¡xr )

= (xr ¡ xi )f 0 (xi ) + (xi ¡ xl )f 0 (xi )+ extraemos el factor (xr ¡ xl ),

00
+f (xi )
2! (xi ¡ xl )(xr ¡ xi )+ (xr ¡ xl ) f 0 (xi ) = (xr ¡xl )f (xi )
+ (xr ¡xl )f (xi )
+
(xi ¡xr ) (xi ¡xl )
00
+f (xi )
2! (xr ¡ xi )(xl ¡ xi )+ ¡xl )f (xr )
+ (xi(x ¡ (xi ¡xr )f(xl )
r ¡xi ) (xl ¡xi )
000
+f (xi )
(xr ¡ xi )(xl ¡ xi )2 + ¡xr f (xi )+xl f (xi ) xr f (xi )¡xl f (xi )
3!
(xr ¡ xl ) f 0 (xi ) = (xr ¡xi ) + (xi ¡xl ) +
000
+f (xi )
3! (xi ¡ xl )(xr ¡ xi )2 ¡xl )f (xr ) (xr ¡xi )f(xl )
+ (xi(xr ¡xi )
¡ (xi ¡xl )
Agrupamos por las derivadas de la función:
agrupamos términos,
(xr ¡ xi ) f (x(xl )¡f (xi )
l ¡xi )
+ (xi ¡ xl ) f (x(xrr)¡f (xi )
¡xi ) = ³
(xi ¡xl )f (xr ) (xi ¡xl )f (xi )
´
(xr ¡ xl ) f 0 (xi ) = (xr ¡xi ) ¡ (xr ¡xi ) +
f 00 (xi )
= (xr ¡ xl )f 0 (xi ) + 2! ¢ 0+ ³ ´
(xr ¡xi )f (xi ) (xr ¡xi )f (xl ) xi f (xi )
000
+ (xi ¡xl ) ¡ (xi ¡xl ) + (xr ¡xi )
f (xi )
+ 3! (xr ¡ xi )(xl ¡ xi ) ((xl ¡ xi ) ¡ (xr ¡ xi ))
xr f(xi ) xi f (xi ) xl f (xi )
¡ (xr ¡xi )
+ (xi ¡xl ) ¡ (xi ¡xl )
El término de la tercera derivada nos da el orden de
la fórmula: (xi ¡xl )(f (xr )¡f (xi ))
(xr ¡ xl ) f 0 (xi ) = (xr ¡xi ) +
(xr ¡ xl )f 0 (xi ) = (xr ¡ xi ) f (x(xl )¡f (xi )
l ¡xi )
+
+ (xr ¡xi(x
)(f (xi )¡f (xl ))
i ¡xl )
+ xi f (xi )
(xr ¡xi ) ¡ xr f (xi )
(xr ¡xi ) +
+(xi ¡ xl ) f(x(xrr)¡f (xi )
¡xi ) + O(h2 ) xi f (xi ) xl f (xi )
+ (xi ¡xl )
¡ (xi ¡xl )
f (xr )¡f (xi ) f (xi )¡f (xl )
(xi ¡xl ) +(xr ¡xi )
f 0 (xi ) ¼ xr ¡xi
xr ¡xl
xi ¡xl
+ O(h2 ) (xr ¡ xl ) f 0 (xi ) = (xi ¡xl )(f (xr )¡f (xi ))
+
(xr ¡xi )

+ (xr ¡xi(x
)(f (xi )¡f (xl ))
i ¡xl )
+
Problema 48 Dados 3 puntos distintos xl ; xi ; xr calcular
el polinomio de Lagrange que interpola a f (x) en esos 3 + xi f (xi )(x(xi r¡xl )¡xr f (xi )(xi ¡xl )
¡xi )(xi ¡xl ) +
puntos, calcular la derivada de ese polinomio en xi y com-
probar que da la misma fórmula que la presentada en el + xi f (xi )(x(xrr¡xi )¡xl f (xi )(xr ¡xi )
¡xi )(xi ¡xl )
problema anterior.
simpli…cando,
(xi ¡xl )(f (xr )¡f (xi )) (xr ¡xi )(f (xi )¡f (xl ))
+
Solución: El polinomio de Lagrange es: f 0 (xi ) = (xr ¡xi ) (xi ¡xl )
(xr ¡xl )
(x¡xr )(x¡xl ) (x¡xi )(x¡xl )
f (x) = (xi ¡xr )(xi ¡xl ) f (xi ) + (xr ¡xi )(xr ¡xl ) f (xr ) +
Problema 49 Calcular una aproximación de la derivada
+ (x(x¡x i )(x¡xr )
l ¡xi )(xl ¡xr )
f (xl ) tercera f 000 (xi ) de una función f (x) en un punto xi ; uti-
lizando f(xi ); f(xi + h); f(xi ¡ h); f (xi ¡ 2h)
Derivamos la expresión anterior y obtenemos:

f 0 (x) = (x¡xl )+(x¡xr ) (x¡xl )+(x¡xi ) Solución:

(xi ¡xr )(xi ¡xl ) f (xi ) + (xr ¡xi )(xr ¡xl ) f (xr ) + 2 3
a ! f (xi + h) = f (xi ) + hf 0 (xi ) + h2 f 00 (xi ) + h6 f 000 (xi ) +
O(h4 )
+ (x¡x r )+(x¡xi )
(xl ¡xi )(xl ¡xr ) f (xl )
h2 00
1. b ! f(xi ¡ h) = f (xi ) ¡ hf 0 (xi ) + 2 f (xi ) ¡
Evaluamos la derivada en el punto xi y desarrollamos h3 000 4
hasta obtener el resultado: 6 f (xi ) + O(h )
c ! f (xi ¡ 2h) = f (xi ) ¡ 2hf 0 (xi ) + 2h2 f 00 (xi ) ¡
0 (xi ¡xl )+(xi ¡xr )
f (xi ) = (xi ¡xr )(xi ¡xl ) f (xi ) + 4h3 000 4
3 f (xi ) + O(h )
i ¡xl )+(xi ¡xi ) (xi ¡xr )+(xi ¡xi ) 0 1
+ (x
(xr ¡xi )(xr ¡xl ) f (xr ) + (xl ¡xi )(xl ¡xr ) f (xl ) a ¡ b ¡ 2c = 0
Sistema: @ a2 + 2b + 2c = 0 A Solución: a =
(xi ¡xl )f (xr ) a b 4c
f 0 (xi ) = f (xi )
+ f(xi )
+ ¡ ¡ = 1
(xi ¡xr ) (xi ¡xl ) (xr ¡xi )(xr ¡xl ) + 6 6 3
1; b = 3; c = ¡1:

15
 af (xi +h)+bf (xi ¡h)+cf(xi ¡2h)¡(a+b+c)f (xi ) f (xr )¡f (xi ) f (xi )¡f (xl )
f 000 (xi ) = h3 = = h ¡ h
=
f (xi +h)+3f(xi ¡h)¡f (xi ¡2h)¡3f (xi ) h
h3 + O(h)
f (xr )¡f (xi )¡f (xi )¡f (xl ) f 000 (xi )
= h2 ¡ 3! (h ¡ h) +
O(h2 ) =
Problema 50 Dados 3 puntos. Demostrar que la fórmula
f (xr )¡2f (xi )¡f (xl )
f (xr )¡f (xi ) f (xi )¡f (xl ) = h2 + O(h2 )
00 xr ¡xi ¡ xi ¡xl
f (xi ) ¼ 2
xr ¡ xl La aproximación de la segunda derivada queda de la
forma,
aproxima la derivada segunda de f (x) en xi con un orden f (xr ) ¡ 2f (xi ) ¡ f (xl )
de aproximación de 1: f 00 (xi ) ¼
h2
Problema 52 Dados 3 puntos xl < xi < xr calcular el
Solución: Desarrollo de Taylor de la función en el punto polinomio de Lagrange que interpola a f(x) en esos 3 pun-
xi y evaluación en xr y xl : tos, calcular la derivada segunda de ese polinomio en xi
y comprobar que da la misma fórmula que utilizando los
f (xr ) ¼ f (xi ) + f 0 (xi ) (xr ¡ xi ) +
desarrollos de Taylor.
00
f 000 (xi )
+f (xi )
2! (xr ¡ xi )2 + 3! (xr ¡ xi )3

f (xl ) ¼ f (xi ) + f 0 (xi ) (xl ¡ xi ) + Solución: Por las diferencias divididas de Newton obten-
emos lo siguiente:
00
f 000 (xi )
+f (xi )
2! (xl ¡ xi )2 + 3! (xl ¡ xi )3 À
xl ! f (xl ) f (xi )¡f (xl ) +
f (xr )¡f (xi )
Extraemos en ambas ecuaciones: xi ! f (xi ) À xi ¡xl xr ¡xi ¡ f (xxi )¡f (xl )
i ¡xl

f (xr )¡f (xi ) f 00 (xi ) f (xr )¡f (xi ) xr ¡ xl

(xr ¡xi ) ¼ f 0 (xi ) + 2! (xr ¡ xi ) + xr ! f (xr ) xr ¡xi

000
+f (xi )
3! (xr ¡ xi )2 Polinomio de Lagrange:
f 00 (xi ) f (xi )¡f (xl )
f (xl )¡f (xi )
¼ f 0 (xi ) + (xl ¡ xi ) + P (x) ' f(xl ) + xi ¡xl (x ¡ xl ) +
(xl ¡xi ) 2!
f (xr )¡f (xi ) f (x )¡f (x )
000 ¡ xi ¡x l
+f (xi )
3! (xl ¡ xi )2 + xr ¡xi
xr ¡xl
i l
(x ¡ xl ) (x ¡ xi )

Restamos las expresiones anteriores: Derivamos el polinomio:

00
f (xr )¡f (xi ) f (xi )¡f (xl ) f (xi ) f (xr )¡f (xi ) f (x )¡f (x )
¡ ¼
(xr ¡ xl ) + f (xi )¡f (xl ) ¡ xi ¡x l
(xr ¡xi ) (xi ¡xl ) 2! P 0 (x) ' xi ¡xl + xr ¡xi
xr ¡xl
i l
(x ¡ xl ) +
000
³ ´
+ f 3!(xi ) (xr ¡ xi )2 ¡ (xl ¡ xi )2 f (xr )¡f (xi )
xr ¡xi
f (x )¡f (x )
¡ xi ¡x l
+ xr ¡xl
i l
(x ¡ xi )
Despejamos la segunda derivada y obtenemos:
Calculamos la segunda derivada, obteniendo:
f (xr )¡f (xi ) f (xi )¡f (xl )
¡ f (xr )¡f (xi ) f (x )¡f (x )
(xr ¡xi ) (xi ¡xl )
f 00 (xi ) ¼ 2 xr ¡xl ¡ P 00 (x) ' 2 xr ¡xi ¡ xi ¡x l
i l
; c.q.d.
xr ¡xl
f 000 (xr )
((xr ¡xi )2 ¡(xl ¡xi )2 )
¡2 3!
xr ¡xl
Problema 53 Calcular una aproximación de la derivada
f (xr )¡f (xi )
¡
f (xi )¡f (xl ) primera y segunda de una función f (x) en x = 0; teniendo
(xr ¡xi ) (xi ¡xl )
f 00 (xi ) ¼ 2 xr ¡xl + O(h) en cuenta que f(0) = 1; f (1) = 0; f (4) = 9

Problema 51 Considerar en el problema anterior que Solución:

xl = xi ¡ h; y xr = xi + h: Deducir como queda la fórmula
f (xr )¡f (xi ) f (x )¡f (x )
anterior para aproximar la derivada segunda, y demostrar (xi ¡xl ) +(xr ¡xi ) xi ¡x l
f 0 (xi ) ¼ xr ¡xi i l
=
que en este caso el orden de aproximación es 2: xr ¡xl

(0¡1) f (4)¡f
4¡0
(0)
+(4¡0) f (0)¡f
0¡1
(1)
= 4¡1 =
Solución: Sustituyendo xl = xi ¡ h; y xr = xi + h;
tenemos: ¡ 9¡1 1¡0
4 +4 ¡1 ¡2¡4
= 3 = 3
f (xr )¡f (xi ) f (xi )¡f (xl )
¡ x ¡x +h ¡6
f 00 (xi ) ¼ 2 (xi +h¡xi ) ( i i )
= = 3 = ¡2
xi +h¡xi +h

16
 f (xr )¡f (xi )f (xi )¡f (xl )
(xr ¡xi )
¡
(xi ¡xl ) Fxx + Fyy =
f 00 (xi ) ¼ 2 xr ¡xl =
F (x+h;y)+F (x¡h;y)+F (x;y+h)+F (x;y¡h)¡4F (x;y)
9¡1 1¡0 h2 ,
(4¡0) ¡ (0¡1)
=2 4¡1 = 2 2+1
3 =2
discretizando
Fi+1;j + Fi¡1;j + Fi;j+1 + Fi;j¡1 ¡ 4Fi;j
Problema 54 Demostrar, utilizando el desarrollo de ¢F =
Taylor, que las siguientes expresiones son discretizaciones h2
del laplaciano: Problema 55 Calcular una aproximación del lapla-
ciano de una función F (x; y) en el punto (x; y) =
Fi+1;j+1 + Fi¡1;j+1 + Fi¡1;j¡1 + Fi+1;j¡1 ¡ 4Fi;j
¢F = (0; 0) conociendo los siguientes valores: F (0; 0) = 0;
2h2
F ( 12 ; 0) = 41 ; F (¡ 12 ; 0) = 14 ; F (0; 21 ) = 41 ; F (0; ¡ 12 ) = 14 ;
Fi+1;j + Fi¡1;j + Fi;j+1 + Fi;j¡1 ¡ 4Fi;j
¢F = F ( 12 ; 12 ) = 12 ; F (¡ 12 ; ¡ 21 ) = 12 ; F (¡ 21 ; 12 ) = 21 ; F ( 12 ; ¡ 12 ) =
h2 1
2
Solución: A partir del desarrollo de Taylor de la función
F , se obtiene lo siguiente:
Solución: Si representamos estos valores en una tabla,
F (x + h; y + h) = F (x; y) + hFx + hFy + obtenemos lo siguiente:

+ 12 h2 (Fxx + 2Fxy + Fyy )

1 1 1
2 4 2
F (x ¡ h; y ¡ h) = F (x; y) ¡ hFx ¡ hFy + 1
0 1
4 4
1 1 1
+ 21 h2 (Fxx + 2Fxy + Fyy ) 2 4 2

F (x ¡ h; y + h) = F (x; y) ¡ hFx + hFy + El valor de h es 12 :

Aproximamos el laplaciano promediando las dos ex-
+ 21 h2 (Fxx ¡ 2Fxy + Fyy ) presiones del ejercicio anterior. Si no realizáramos este
promediado, no se tendrían en cuenta todos los valores de
F (x + h; y ¡ h) = F (x; y) + hFx ¡ hFy + la función.
+ 21 h2 (Fxx ¡ 2Fxy + Fyy ) i¡1;j¡1 +Fi+1;j¡1 ¡4Fi;j
¢F = ° Fi+1;j+1 +Fi¡1;j+1 +F2h +
2

Sumamos estas cuatro ecuaciones, +Fi;j¡1 ¡4Fi;j

+ (1 ¡ °) Fi+1;j +Fi¡1;j +Fhi;j+1
2 ;
F (x + h; y + h)+F (x ¡ h; y ¡ h)+F (x ¡ h; y + h) + 2
°= 3
+F (x + h; y ¡ h) = 4F (x; y) + 2h2 (Fxx + Fyy )
1 1 1 1 ¡ ¢ 1 1 1 1
2 2+2+2+2 4+4+4+4
¢F (0; 0) = 3 2 14
+ 1 ¡ 23 1 =
Fxx + Fyy = 4

8 4
F (x+h;y+h)+F (x¡h;y¡h)+F (x¡h;y+h)+F (x+h;y¡h)¡4F (x;y) = + =4
= 2h2 ; 3 3

discretizando se obtiene el resultado esperado,

Problema 56 Demostrar que las máscaras

Fi+1;j+1 + Fi¡1;j+1 + Fi¡1;j¡1 + Fi+1;j¡1 ¡ 4Fi;j ¡ p ¢ ¡ p ¢

¢F = ¡ ¡p
2¡ 2¢ 0 ¡
2h2 1 ¡p 2 ¢
2
Fx = ¡2¡ 2 p
¡ 1¢ 0 2¡ 2 p¡ 1¢
Para demostrar la segunda igualdad, tomamos las 4h
¡ 2¡ 2 0 2¡ 2
siguientes ecuaciones:
2
F (x + h; y) = F (x; y) + hFx + h2 Fxx ¡ p ¢ ¡p ¢ ¡ p ¢
¡ 2¡ 2 ¡2 2¡1 ¡ 2¡ 2
1
h2 Fy = 0p ¢ ¡p 0 ¡ 0p ¢
F (x ¡ h; y) = F (x; y) ¡ hFx + 2 Fxx 4h ¡ ¢
2¡ 2 2 2¡1 2¡ 2
h2
F (x; y + h) = F (x; y) + hFy + 2 Fyy dan lugar a una discretización del gradiente tal que su
2 norma euclídea es invariante por rotaciones de 45 grados.
h
F (x; y ¡ h) = F (x; y) ¡ hFy + 2 Fyy

Sumamos estas expresiones y obtenemos: Solución: Procedemos de la misma forma que al calcular
F (x + h; y) + F (x ¡ h; y) + F (x; y + h) + el valor de ° en el caso del laplaciano.

+F (x; y ¡ h) = 4F (x; y) + h2 Fxx + h2 Fyy

17
 Consideramos una función que tiene los siguientes val- cuyas máscaras son las que se muestran en el enunciado
ores en un entorno de un punto (hi0 ; hj0 ) : del problema.

1 1 1
0 0 0 Problema 57 Calcular una aproximación del gradi-
0 0 0 ente de una función F (x; y) en el punto (x; y) =
(0; 0) conociendo los siguientes valores: F (0; 0) = 0;
Calculamos el valor del gradiente en el punto central F ( 12 ; 0) = 21 ; F (¡ 12 ; 0) = ¡ 21 ; F (0; 12 ) = ¡ 21 ; F (0; ¡ 12 ) =
1 1 1 1 1 1 1
de la siguiente manera: 2 ; F ( 2 ; 2 ) = 0; F (¡ 2 ; ¡ 2 ) = 0; F (¡ 2 ; 2 ) = ¡1;
1 1
F(2; ¡2) = 1
0 0
Fx = ° 2h + (1 ¡ °) 4h =0
1° 1 1¡°
Fy = (1 ¡ °) ¡1 ¡2 1
2h + ° 4h = ¡ 2 h ¡ 2 h = ¡ 2h
Solución: Los valores de la función en una tabla quedan
¡ 1 ¢ de la siguiente manera:
r1 F (hi0 ; hj0 ) = (Fx ; Fy ) = ¡ 2h ;0
1
0 2 1
Rotamos la función anterior 45o : ¡1
0 1
2 2
¡1
1 1 0 ¡1 2 0
1 0 0 Sustituimos estos valores en las derivadas de la fun-
0 0 0 ción:
¡p ¢
y calculamos su gradiente: Fx = 2 2 ¡ 1 Fi+1;j4h ¡Fi¡1;j
+
Fx = (1 ¡ °) ¡1 ¡1 1 1¡° 1° 1 °¡2 ¡ p ¢
2h + ° 4h = ¡ 2 h ¡ 4h = 4 h + 2 ¡ 2 Fi+1;j+1 ¡Fi¡1;j+14h
+Fi+1;j¡1 ¡Fi¡1;j¡1
=
1 1¡° 1° 1 °¡2
Fy = (1 ¡ °) ¡1 ¡1
2h + ° 4h = ¡ 2 h ¡ 4h = 4 h
¡p ¢ 1 1
2+2
¡ p ¢ 1+1
=2 2¡1 4h + 2 ¡ 2 4h =
1 °¡2
r2 F (hi0 ; hj0 ) = (Fx ; Fy ) = 4 h (1; 1) p p
1 2¡1 1 2¡ 2 1
= 2+ h 2 h = 2h
Calculamos las normas de los gradientes e igualamos: ¡p ¢ ¡Fi;j¡1
Fy = 2 2 ¡ 1 Fi;j+14h +
kr1 F (hi0 ; hj0 )k = kr2 F (hi0 ; hj0 )k ¡ p ¢
+ 2 ¡ 2 Fi+1;j+1 ¡Fi+1;j¡14h
+Fi¡1;j+1 ¡Fi¡1;j¡1
q ¡ =
¢2
1
2h = 2 14 °¡2
h ¡p ¢ ¡1 1 ¡ p ¢
2 ¡2
=2 2¡1 + 2 ¡ 2 ¡1¡1
4h =
1 1
p 4h
2h = 4h 2 j° ¡ 2j p p
( p = ¡ 12 2¡1
h ¡ 1 2¡ 2
2 h
1
= ¡ 2h
p2 = ¡ (° ¡ 2) ! ° = 2 ¡ 2
2 p y obtenemos el valor del gradiente:
p2 = (° ¡ 2) ! ° = 2 + 2
2 µ ¶ µ 1 ¶ µ ¶
Fx 2h 1
p rF = = 1 =
La solución válida es ° = 2 ¡ 2, ya que el gradiente Fy ¡ 2h ¡1
r2 F debe ser negativo en sus dos derivadas.
Este vector nos da la dirección de máximo ascenso,
Sustituyendo este valor en las expresiones de Fx ; Fy que en este caso será en diagonal hacia arriba a la derecha.
tenemos:
¡Fi¡1;j Problema 58 Calcular analíticamente y numéricamente
Fx = (1 ¡ °) Fi+1;j2h +
la matriz gradiente en el punto (1; 1) (utilizar h = 0:1) de
+°
Fi+1;j+1 ¡Fi¡1;j+1 +Fi+1;j¡1 ¡Fi¡1;j¡1
= la función: ½ 2
4h x + y2 ¡ 1
¡p ¢ Fi+1;j ¡Fi¡1;j f (x; y) =
=2 2¡1 + x¡y
4h
¡ p ¢ Solución:
+ 2 ¡ 2 Fi+1;j+1 ¡Fi¡1;j+14h +Fi+1;j¡1 ¡Fi¡1;j¡1

¡Fi;j¡1
Fy = (1 ¡ °) Fi;j+12h + Analíticamente
µ ¶ µ ¶
2x 2y 2 2
rf(x; y) = ! rf (1; 1) =
+°
Fi+1;j+1 ¡Fi+1;j¡1 +Fi¡1;j+1 ¡Fi¡1;j¡1
= 1 ¡1 1 ¡1
4h
¡p ¢F ¡F
= 2 2 ¡ 1 i;j+14h i;j¡1 + Numéricamente, si llamamos f1 (x; y) = x2 + y 2 ¡ 1 y
¡ p ¢F ¡F +F ¡F f2 (x; y) = x ¡ y; entonces aplicando las máscaras vistas en
+ 2 ¡ 2 i+1;j+1 i+1;j¡14h i¡1;j+1 i¡1;j¡1 ; teoría tenemos

18
 f1 (x; y) = x ¡ y 2. n = 3
@f1 (1;1) P
3
@x ¡ = p ¢ wk P (xk ) =
1
4(0:1) 2 ¡ p2 (f1 (1 + 0:1; 1 ¡ 0:1) ¡ f1 (1 ¡ 0:1; 1 ¡ 0:1)) + k=1
1
¡ ¢
4(0:1) 2 ¡ 2 (f1 (1 + 0:1; 1 + 0:1) ¡ f1 (1 ¡ 0:1; 1 + 0:1)) +
= 0:55555555555 ¢ P (0:7745966692) +
1
¡p ¢
4(0:1) 2 2 ¡ 1 (f1 (1 + 0:1; 1) ¡ f1 (1 ¡ 0:1; 1)) =
0:585 79 + 0:585 79 + 0:828 43 = 2:0 +0:88888888 ¢ P (0) +
@f1 (1;1)
@y ¡ = p ¢ +0:55555555555 ¢ P (¡0:7745966692) =
1
4(0:1) 2 ¡ p2 (f1 (1 ¡ 0:1; 1 + 0:1) ¡ f1 (1 ¡ 0:1; 1 ¡ 0:1)) +
1
¡ ¢
4(0:1) 2 ¡ 2 (f1 (1 + 0:1; 1 + 0:1) ¡ f1 (1 + 0:1; 1 ¡ 0:1)) + = ¡: 4
1
¡p ¢
4(0:1) 2 2 ¡ 1 (f1 (1; 1 + 0:1) ¡ f1 (1; 1 ¡ 0:1)) = R1 ¡ ¢
0:585 79 + 0:585 79 + 0:828 43 = 2:0 El valor exacto de la integral es ¡1 x3 ¡ x4 dx =
¡ 52 = ¡: 4, que coincide con el valor del segundo caso. La
De la misma forma, para f2 (x; y) tenemos fórmula de integración numérica es exacta hasta el orden
@f2 (1;1) 2n ¡ 1; que en el segundo caso es equivalente a 5, con lo
@x ¡ = p ¢ que ya se sabía que el valor obtenido sería exacto.
1
4(0:1) 2 ¡ 2 (f2 (1 + 0:1; 1 ¡ 0:1) ¡ f2 (1 ¡ 0:1; 1 ¡ 0:1)) +
1
¡ p ¢
4(0:1) 2 ¡ 2 (f2 (1 + 0:1; 1 + 0:1) ¡ f2 (1 ¡ 0:1; 1 + 0:1)) + Problema 60 Se considera para el intervalo [¡1; 1]; los
1
¡p ¢
4(0:1) 2 2 ¡ 1 (f2 (1 + 0:1; 1) ¡ f2 (1 ¡ 0:1; 1)) = puntos x0 = ¡0:5; x1 = 0 y x2 = 0:5 y los pesos w0 =
0:292 89 + 0:292 89 + 0:414 21 = 1 w1 = w2 = 2=3: Estos puntos y estos pesos se utilizan
@f2 (1;1)
para aproximar la integral de una función en [¡1; 1]: Usar
@y ¡ = p ¢ esta fórmula de integración para calcular númericamente
1
4(0:1) 2 ¡ 2 (f2 (1 ¡ 0:1; 1 + 0:1) ¡ f2 (1 ¡ 0:1; 1 ¡ 0:1)) + la siguiente integral y compararla con el resultado análitico
1
¡ p ¢ (exacto).
4(0:1) 2 ¡ 2 (f2 (1 + 0:1; 1 + 0:1) ¡ f2 (1 + 0:1; 1 ¡ 0:1)) + Z ¼2
1
¡p ¢
4(0:1) 2 2 ¡ 1 (f2 (1; 1 + 0:1) ¡ f2 (1; 1 ¡ 0:1)) = cos(x)dx
0:292 89 + 0:292 89 + 0:414 21 = 1 ¡¼
2

Con lo cual, en este caso la matriz gradiente calculada

Solución:
numéricamente coincide con la calculada analíticamente.
R¼ ¼
! 1. ¡2¼ cos(x)dx = sin(x)]¡2 ¼ = 1 ¡ (¡1) = 2
µ ¶ 2 2
2 2 R R1 ¡ ¢
rf (1; 1) = ¼
1 ¡1 ¡¼
2
cos(x)dx =
¡1
cos( ¼2 t) ¼2 dt = 2¼
32 cos ¡ ¼4 +
2¼
2
2¼
¡¼¢
Problema 59 Aproximar el valor de la siguiente integral, 32 cos (0) + 32 cos 4
p
utilizando las fórmulas de Legendre para n = 2 y n = 3 = 13 2¼ + 31 ¼ = 2: 528 2
Z 1
¡ 3 ¢
x ¡ x4 dx
¡1 Problema 61 Demostrar, utilizando los ceros y pesos
Cual es el valor exacto de la integral? asociados a los polinomios de Legendre, cual sería la fór-
mula de integración numérica de Legendre utilizando un
sólo punto de interpolación. Cual sería su exactitud?
Solución:
R1 ¡ 3 4
¢ P
N
Solución: El polinomio de Legendre para un solo punto:
¡1 x ¡ x dx ' wk P (xk )
k=0
L1 (x) = x ! x0 = 0
¡ ¢
P (x) = x3 ¡ x4 Calculamos el peso asociado:
Z 1
1. n = 2 1
w0 = dx = 2
¡1 1
P
2
wk P (xk ) = Por lo tanto, la fórmula de integración numérica de
k=1 Legendre es: Z 1
= 1 ¢ P (0:5773502692 + 1 ¢ P (¡0:5773502692) = f (x) dx ' 2 ¢ f (0) ;
¡1

= ¡: 222 22 y su exactitud sería igual a 1(2N ¡ 1 = 1).

19
Problema 62 A partir de los ceros y de los pesos aso- Problema 64 Calcular de forma exacta la integral
ciados a los polinomios de Legendre, y dado un intervalo Z 1
[a; b] cualquiera, encontrar los puntos xk ; y los pesos wk ¡ 3 ¢ 2
x ¡ x2 e¡x dx
que hacen exacta hasta el orden 2N ¡ 1 una fórmula de ¡1
integración numérica sobre el intervalo [a; b]
utilizando los polinomios de Hermite.

Solución: Para encontrar los puntos x ^k ; y los pesos w

^k ,
hay que hacer un cambio de variable en la integral: Solución: De forma analítica la integral da como resul-
Z b N
X tado:
f (x) dx ' w
^k f (^
xk ) R1 ¡ 3 ¢ 2 p
a k=1 ¡1
x ¡ x2 e¡x dx = ¡ 21 ¼ = ¡: 886 23
Hacemos el siguiente cambio de variable:
Utilizando el método de integración numérica:
x = (b¡a)t+(b+a)
2 ¡ ¢
dx = b¡a
2 dt
f (x) = x3 ¡ x2
este cambio representa la recta que pasa por los puntos -1, R1 ¡ 3 ¢ P
2
2
1 para t = a; b; respectivamente. ¡1
x ¡ x2 e¡x dx = wk f (xk )
k=1
Z b Z 1 µ ¶
(b ¡ a) t + b + a b ¡ a = w1 f (x1 ) + w2 f (x2) =
f (x) dx = f dt
a ¡1 2 2
= 0:8862269255 ¢ f (¡0:707106781) +
Z b N
X µ ¶
b¡a (b ¡ a) x
~k + b + a +0:8862269255 ¢ f (0:707106781) =
f (x) dx ' w~k f
a 2 2
k=1
= ¡: 886 23
de donde se deduce que los cambios a realizar son de la
forma
^k = (b¡a)~xk2+(b+a) ;
x Problema 65 Aproximar, utilizando dos puntos de
w^k = (b¡a)
2 w ~k aproximación, el valor de la integral:
Z 1
1
dx
Problema 63 Utilizar el resultado del problema anterior ¡1 1 + x
2

para calcular de forma exacta la siguiente integral

Z 1
¡ 2 ¢
x ¡ x3 dx
0 Solución:
Solución: El resultado de la integral calculada de forma
R1 R1 2
analítica, da el siguiente resultado: 1
dx = ex 2
e¡x dx =¼
¡1 1+x2 ¡1 1+x2
R1¡ 2 3
¢ 1 ¡2
0 x ¡ x dx = 12 = 8: 333 3 £ 10 2
ex
f (x) = 1+x2
Aplicando el método de integración numérica:
R1
¡ ¢ 1
' w1 f(x1 ) + w2 f(x2 ) =
f (x) = x2 ¡ x3 ¡1 1+x2 dx

= 0:8862269255 ¢ f (¡0:707106781) +
R1¡ 2 3
¢ P
3
0 x ¡ x dx = wk f (xk ) =
k=1 +0:8862269255 ¢ f (0:707106781) =
= w1 f (x1 ) + w2 f (x2 ) + w3 f (x3 ) = = 1: 948 2
¡ 1¡0 ¢ ¡ ¢ ¡ ¢
= ~0 f x~02+1 + w
(w ~1 f x~12+1 + +
¡ x~2 +1 ¢ 2
w
~2 f 2 )= Problema 66 Calcular de forma exacta la integral
¡ ¢ Z 1
= 21 (0:55555556 ¢ f 0:7745966692+1 + ¡ 3 ¢
2 x ¡ x2 e¡x dx
¡ ¢ 0
+0:8888888889 ¢ f 0+1 2 +
¡ ¡0:7745966692+1 ¢ utilizando los polinomios de Laguerre.
+0:55555556 ¢ f 2 )=

= 8: 333 3 £ 10¡2

20
 R1 ¡ 3 ¢
Solución: 4
¡1 x ¡ x dx =
R1¡ 3 ¢ R0 ¡ 3 ¢ R1¡ ¢
0
x ¡ x2 e¡x dx = 4 = ¡1
x ¡ x4 dx + 0 x3 ¡ x4 dx '
³x ´ #0
R1¡ 3 2
¢ ¡x P
1
f (xk+1 )+f(xk )+4f k+1 +xk

0 x ¡ x e dx = wk f (xk ) = '
2
(xk+1 + xk ) +
k=0 6
¡1
= w0 f (x0 ) + w1 f (x1 ) = ³x ´ #1
k+1 +xk
f (xk+1 )+f (xk )+4f 2
= 0:8535533903 ¢ f (0:585786438) + + 6 (xk+1 + xk ) =
0
+0:1464466093 ¢ f (3:414213562) =
f (0)+f (¡1)+4f ( ¡1+0 )
' 6
2
(0 + 1) +
= 4:0
f (1)+f (0)+4f ( 1+0
2 )
+ 6 (1 ¡ 0) =
Problema 67 Calcular una fórmula de aproximación 5
= ¡ 12 = ¡: 416 67
numérica de la integral siguiente
Z 1
f (x)e¡x dx Problema 69 Deducir la fórmula de integración
a numérica sobre el rectángulo [¡1; 1]x[¡1; 1] resultante de
donde a es un número real cualquiera aplicar la integración numérica en una variable en los
intervalos [¡1; 1]; y [¡1; 1].

Solución: Para calcular esta integral realizamos un cam-

bio de variable Solución:
½ ¾
R1 ¡t t=x¡a R1 R1 R1 P
N
0 f(t)e dx = = ¡1 ¡1
F (x; y) dydx = ¡1
w
~k F (~
xk ; y) dy =
dt = dx k=1
R1 R1
= a f (x ¡ a)e¡x+a dx = ea a f (x ¡ a)e¡x P
N R1
= w
~k ¡1 F (~
xk ; y) dy
k=1
R1 P
N
à !
0 f(t)e¡t dx = w
~k f (~
xk ) P
N P
N
k=0 = w
~k w
~j F (~
xk ; y~k )
k=1 j=1
R1 P
N
ea a f (x ¡ a)e¡x = ea wk f (xk ¡ a) P
N
k=1 = ~ k F (~
W xk ; y~k ) ;
k;j=1
Para que estas dos igualdades sean equivalentes, basta
hacer: donde
xk = x~k + a ~k = w
W ~k w
~j
wk = e¡a w~k Q
R ¡1 (x¡~xi )
w
~k = Q i6=k
¡1 xk ¡~
i6=k (~ xi )

R ¡1 Q
(y¡~yi )
w
~j = Q i6=k
Problema 68 Aproximar, por el método de Simpson, la ¡1 yk ¡~
i6=k (~ yi )
integral Z 1 y los x
~k e y~k son los ceros del polinomio de Legendre.
¡ 3 ¢
x ¡ x4 dx
¡1

utilizando únicamente el valor de la función en los puntos: Problema 70 Deducir la fórmula de integración
¡1; ¡ 12 ; 0; 12 y 1: numérica sobre un rectángulo [a; b]x[c; d] resultante
de aplicar la integración numérica en una variable en los
intervalos [a; b]; y [c; d].
Solución:
R1 ¡ 3 ¢ Solución:
¡1 x ¡ x
4
dx = ¡ 25 = ¡: 4
RbRd Rd P
N
Aplicamos el método de Simpson: a c F (x; y) dydx = c w
~k F (~
xk ; y) dy =
¡ ¢ k=1
f (x) = x3 ¡ x4

21
 P
N Rd Solución: Si calculamos el resultado de la integral de
= w
~k F (~
xk ; y) dy
k=1
c forma analíta, nos queda,
à ! R1 R2 R1
P
N P
N x
dxdy = 2
dy =
= w
~k ~j0 F
w (~
xk ; y~k ) ¡1 0 1+ey2 ¡1 1+ey2
k=1 j=1 R1 2
= ¡1 1+ey2 dy = 2: 144 3
P
N
= w ~j0 F (~
~k w xk ; y~k ) ; R2 P
1
k;j=1 xdx = wk P (xk ),
0
k=0
ahora bien, teniendo en cuenta los resultados obtenidos al
integrar en una variable tenemos que : realizando un cambio de variables, y utilizando el poli-
nomio de Legendre de segundo orden,
x~k = (b¡a)xk2+(b+a) (b¡a)~
xk (b+a)
w~k = (b¡a) xk = + =x
~k + 1;
2 wk
2 2
(d¡c)yk +(d+c)
y~k = 2
w~j0 = (d¡c)
2 wk (b¡a)
1. wk = 2 w ~k =w
~k ;
donde wk son los pesos al integrar en una variable en el
intervalo [¡1; 1]: tenemos:
Problema 71 Calcular de forma exacta la integral
Z 1Z 1 P (x) = x
x2 y 2 dxdy
¡1 ¡1 R2
0 xdx =
utilizando integración numérica.
= w1 P (x1 ) + w2 P (x2 ) =
Solución: El resultado de la integral es:
= (0:5773502692 + 1) + (¡0:5773502692 + 1) =
R1 R1 2 2 4
¡1 ¡1 x y dxdy = 9 = : 444 44
= 2:0
Utilizando la fórmula de integración numérica:

P (x) = x2 R1 1
R1 1 2 P
2
¡1 1+ey2
dy = ¡1 e¡y2 +1
e¡y dy = w
~j P (~
yk ),
k=1
2
P (y) = y por Hermite,
R1 R1
¡1 ¡1
x2 y 2 dxdy =
1
1. P (y) = e¡y2 +1
R1 2 2
R1
= ¡1 x dx ¡1 y dy =

P
2 P
2 P
1

= w
~k P (~
xk ) w
~j P (~
yk ) = wj P (yk ) =
k=0
k=1 k=1
= w1 P (y1 ) + w2 P (y2 ) =
= (w
~1 P (~
x1 ) + w x2 )) ¢
~2 P (~
= 0:8862269255 ¢ P (¡0:707106781) +
¢ (w
~1 P (~
y1 ) + w
~2 P (~
y2 )) =

= (P (0:5773502692) + P (¡0:5773502692)) ¢ +0:8862269255 ¢ P (0:707106781) =

¢ (P (0:5773502692) + P (¡0:5773502692)) = = 1: 103 3

= : 666 67 ¢ : 666 67 = : 444 45
El resultado de la aproximación numérica es,
Problema 72 Calcular una aproximación numérica de la R1 R2 x
integral ¡1 0 1+ey2
dxdy = 2:0 ¢ 1: 103 3 = 2: 206 6
Z 1Z 2
x
dxdy
¡1 0 1 + ey2
utilizando la evaluación de F (x; y) en 4 puntos.

22
Problema 73 Se considera el triángulo T de vértices 1. Para 1 punto:
(0; 0); (1; 0) y (0; 1): Deducir cual debe ser el punto (x0 ; y0 )
y el peso w0 para que la fórmula de integración numérica: R
-
x2 ydxdy =
Z
F (x; y)dxdy ¼ F (x0 ; y0 )w0 = F ( 23 ; 23 )Area(T ) =
T

sea exacta para polinomios de grado 1 en x e y: Es decir ¡ 2 ¢2 2 16

= 3 32 = 27 =
P (x; y) = ax + by + c
= : 592 59
Solución:
2. Para 3 puntos:

Calculamos la integral de forma analítica: R 2

- x ydxdy =
R 1 R 1¡x
(ax + by + c) dydx = 16 a + 16 b + 12 c ¡ ¢
0 0 = 13 Area(T ) F ( 22 ; 0) + F ( 22 ; 22 ) + F (0; 22 ) =
Igualamos el valor de la integral con la fórmula de 2 2
integración numérica: = 3 ¢1= 3 =

1 1
+ 12 c = w0 (x0 a + y0 b + c) = : 666 67
6a + 6b

Calculamos w0 ; x0 e y0 dando valores a a; b; c 3. Para 4 puntos:

a = b = 0; c = 1; 12 c = w0 c ! w0 = 1
2
R 2
- x ydxdy =
1 1
a = c = 0; b = 1; 6b = w0 y0 b ! y0 = 3 ¡ 4 4 ¢
= Area(T )[ 25 12 4 4 12
48 F ( 10 ; 10 ) + F ( 10 ; 10 ) + F ( 10 ; 10 ) ¡
b = c = 0; a = 1; 16 a = w0 x0 a ! x0 = 13 ;
¡ 27 2 2
48 F ( 3 ; 3 )] =
8
15 =
1 1 1
luego para los valores w0 = 2 ; x0 = 3 ; y0 = 3 la fórmula
de integración es exacta. = : 533 33

Problema 74 Calcular una aproximación numérica de la ANALISIS NUMERICO MATRICIAL II

integral Z
x2 ydxdy Problema 75 Tomar N = 2 y demostrar que la norma
- k x k2 veri…ca las propiedades de la de…nición de norma
donde - es el triángulo de vértices (0; 0), (2; 0) y (0; 2) q
utilizando 1 punto, 3 puntos, y 4 puntos kxkp = p jx1 jp + jx2 jp

Solución: En esta demostración vamos a generalizar para

Solución: El cálculo de la integral de forma analítica nos cualquier p. Al …nal particularizamos para p = 2 con el
da: …n de hacer que la demostración sea más sencilla.
R R 2 R 2¡x ¡ 2 ¢ 8 Las propiedades que debe veri…car, para cumplir con
- x2 ydxdy = 0 0 x y dydx = 15 = : 533 33
la de…ción de norma, son:
Utilizando las fórmulas de integración numérica:
1. kxkp = 0 () x = 0;
F (x; y) = x2 y ¯ ¯
¯ 1 1 1 ¯ p
¯ ¯
p
jx1 jp + jx2 jp = 0 =) jx1 jp + jx2 jp = 0,
1¯ ¯=2
El área del triángulo! Area(T ) = 2 ¯ 2 0 0 ¯
¯ 0 2 0 ¯
la suma, en valor absoluto, de elementos distintos
de cero da un valor positivo mayor que cero, con lo
que para que se cumpla esta condición, se tiene que
cumplir que x1 = x2 = 0; c.q.d..

23
 2. k¸xkp = j¸j kxkp ; 8¸ 2 K y x 2 E; Solución:
µq ¶
p p
PN p
k¸xkp = p j¸x1 jp + j¸x2 jp Limp!1 kxkp = Limp!1 i=1 jxi j

p Extraemos el máximo componente de x, xmax :

k¸xkp = p
j¸jp jx1 jp + j¸jp jx2 jp
µq ¶
p
PN p
p Limp!1 i=1 jxi j =
k¸xkp = p
j¸jp (jx1 jp + jx2 jp )
µr ¶
p P ³ jxi j ´p
k¸xkp = j¸j p jx1 jp + jx2 jp = Limp!1 p jxmax jp N
i=1 jxmax j =

µ r ¶
k¸xkp = j¸j kxkp ; c.q.d. PN ³ i j ´p
= Limp!1 jxmax j p i=1 jxjxmax j =

3. kx + ykp · kxkp + kykp ; 8x; y 2 E; µr ´p ¶

p
PN ³ jxi j
= jxmax j Limp!1 i=1 jxmax j =
p
p
jx1 + y1 jp + jx2 + y2 jp · kxkp + kykp =)
³P ³ ´p ´1=p
N jxi j
= jxmax j Limp!1 i=1 jxmax j
=) jx1 + y1 jp + jx2 + y2 jp ·
jxi j
³p p ´p Todos los elementos jxmax j son menores o iguales que
· p jx1 jp + jx2 jp + p jy1 jp + jy2 jp 1, con lo que
³ ´p ½
jxi j 1 si xi = xmax
Para p = 2 tenemos: Limp!1 jxmax j = ;
0 si xi 6= xmax
jx1 + y1 j2 + jx2 + y2 j2 ·
entonces
µq q ¶2
· jx1 j2 + jx2 j2 + jy1 j2 + jy2 j2 =) ³P ³ ´p ´1=p
N jxi j
jxmax j Limp!1 i=1 jxmax j =

=) x21 + 2x1 y1 + y12 + x22 + 2x2 y2 + y22 · = jxmax j Limp!1 (0 + : : : + 0 + 1 + : : : + 1)1=p =

p p
· x21 +x22 +2 (x21 + x22 ) (y12 + y22 )+y12 +y22 =) = jxmax j, c.q.d.

p p
=) x1 y1 + x2 y2 · (x21 + x22 ) (y12 + y22 ) =) Problema 77 Tomar N = 2; y dibujar el lugar ge-
ométrico de los vectores x = (x1 ; x2 ) que veri…can
=) x21 y12 + 2x1 y1 x2 y2 + x22 y22 · 1. kxk1 < 1

· x21 y12 + x21 y22 + x22 y12 + x22 y22 =)
=) 2x1 y1 x2 y2 · x21 y22 + x22 y12 =)
=) 0 · x21 y22 + 2x1 y1 x2 y2 + x22 y12 =)
2. kxk2 < 1
3. kxk1 < 1
Solución: En las grá…cas 1, 2 y 3 se muestran los lugares
geométricos de las normas 1, 2 e in…nito, respectivamente.

1. kxk1 < 1 =) jxj + jyj < 1 =) y < 1 ¡ x

=) 0 · (x1 y2 + x2 y1 )2 ,
Esta ecuación representa, como borde, una recta de
que siempre es cierto, con lo que queda demostrado. pendiente negativa. Tal y como se ve en la …gura 1,
el lugar geométrico está contenido en un rombo.
p ¡ ¢
Problema 76 Demostrar que 2. kxk2 < 1 =) (x2 + y2 ) < 1 =) x2 + y 2 < 1
Limp!1 kxkp = max jxi j Esta es la ecuación de un círculo de radio menor que
i
1 y centro el origen. En la …gura 2 se muestra el lugar
geométrico.

24
 y y

1 1

1 1
1 1 x x

1 1

Figure 1: Lugar geométrico de kxk1 Figure 2: Lugar geométrico de kxk2

3. kxk1 < 1 =) max(x; y) < 1 Esto siempre es cierto ya que el producto de valores
positivos siempre es positivo (o igual a cero si algún
Esto representa una recta de valor constante (x; y) xi es cero).
menor que 1. En la …gura 3 se puede ver el lugar
geométrico.
3. max(jx1 j ; jx2 j) · jx1 j + jx2 j : Es trivial (propiedad
transitiva).
Problema 78 Tomar N = 2 y demostrar la siguiente de-
sigualdad
k x k1 ·k x k2 ·k x k1 De estas demostraciones se deduce que las distintas
normas coinciden cuando el vector x descansa sobre uno
de los ejes de coordenadas.

Solución: Esta desigualdad es equivalente a lo siguiente:

Problema 79 Demostrar que si A; B son dos matrices de
p dimensión N xN; entonces para cualquier norma de matri-
max(jx1 j ; jx2 j) · (x21 + x22 ) · jx1 j + jx2 j
ces subordinada a una norma vectorial se veri…ca
p
1. max(jx1 j ; jx2 j) · (x21 + x22 ) () k AB k·k A k ¢ k B k

p Solución:
() jxmax j · (x21 + x22 ) ()
kABxk kABxk kBxk
supx kxk = supx kxk kBxk ;
() x2max · x21 + x22
kABxk kBxk kBxk kABxk
Esta desigualdad siempre es cierta ya que xmax es o supx kBxk kxk · supx kxk ¢ supx kBxk
bien x1 o bien x2 .
kABxk kBxk
p supx kBxk kxk · kBk ¢ kAk ;
2. (x21 + x22 ) · jx1 j + jx2 j ()
entonces
¡ ¢ 2
() x21 + x22 · (jx1 j + jx2 j) () kABxk
supx kxk · kBk ¢ kAk ; c.q.d.

() x21 + x22 · jx1 j2 + 2 jx1 j jx2 j + jx2 j2 ()

Problema 80 Demostrar que los autovalores de A son los
() x21 + x22 · x21 + 2 jx1 j jx2 j + x22 () ceros del polinomio característico P (¸):

() 0 · 2 jx1 j jx2 j

25
 8 8
y < x1 + x2 = 0 < x1 = ¡x2
x1 + x2 = 0
: :
2x3 = 0 x3 = 0
1
0 p1
1
2
¹1 = @
x ¡1
p
2
A
0

2. ¸2 ; ¸3 = 2
1 1
x 0 10 1 0 1
¡1 1 0 x1 0
@ 1 ¡1 0 A @ x2 A = @ 0 A
0 0 0 x3 0
1
8 8
< ¡x1 + x2 = 0 < x1 = x2
x1 ¡ x2 = 0
: :
x3 libre x3 libre
0 p1
1 1 0
Figure 3: Lugar geométrico de kxk1 2 0
¹2 = @
x A;x
p1
2
¹3 = @ 0 A
0 1
Solución: De…nición de autovalor de una matriz A:
La matriz,
xi 6= 0 2 E; ¸i 2 CÁAxi = ¸i xi
0 p1 p1
1
2 2
0
Axi = ¸i xi =) (A ¡ ¸i Id)xi = 0 B=@ ¡1
p p1 0 A
2 2
0 0 1
como xi 6= 0, entonces
contiene los autovectores de A que forman una base ortog-
jA ¡ ¸i Idj = 0 =) P (¸) = 0; c.q.d. onal en R3 :

Problema 81 Calcular los autovectores de la matriz Problema 82 Calcular las normas 2; 1 e in…nito de la
0 1 matriz µ ¶
1 1 0 1 0
@ 1 1 0 A A=
1 1
0 0 2
Solución:
y determinar una base ortonormal de R3 de autovectores
de A: p
1. kAk2 = ½ (AT A)

Solución: Calculamos los autovalores de A : s µ ¶ q p

2 1
kAk2 = ½ = 3+12 5 = 1: 618
jA ¡ ¸i Idj = 0 1 1
¯ ¯ ¯ ¯
¯ 1¡¸ 1 0 ¯¯ ¯ 2¡¸ 1 ¯ p
¯ ¯ ¯ = 1 ¡ 3¸ + ¸2 = 0, ¸ = 3
§ 1
5
¯ 1 1¡¸ 0 ¯¯ = ¡4¸ + 4¸2 = 0 ¯ 1 1¡¸ ¯ 2 2
¯
¯ 0 0 2¡¸ ¯
¸1 = 0 ³P ´
2
¸2 = 2 2. kAk1 = maxj i=1 jaij j
¸3 = 2
Calculamos los autovectores de A : kAk1 = max(1; 2) = 2

1. ¸1 = 0 ³P ´
2
3. kAk1 = maxi j=1 jaij j =
0 10 1 0 1
1 1 0 x1 0
@ 1 1 0 A @ x2 A = @ 0 A kAk1 = max(2; 1) = 2
0 0 2 x3 0

26
 0 1
Problema 83 Demostrar la siguiente igualdad: 2 ¡1 0
2. A = @ ¡1 2 ¡1 A
½(At A) = ½(AAt ) 0 ¡1 2

Solución:
Solución:
° °El condicionamiento de una matriz Â(A) =
Veamos que los polinomios característicos coinciden : kAk2 ¢ °A¡1 °2 : Calculamos los autovalores de ambas ma-
trices:
¡1
jAt A ¡ ¸i Idj = jAt j jAt A ¡ ¸i Idj jAt j =
¯ ¯
¯ ¯ ¯ 2¡¸ 2 ¡2 ¯¯
¯ ¡1 ¡1 ¯ ¯ £ ¤
= ¯(At ) At AAt ¡ ¸i (At ) IdAt ¯ = 1. ¯¯ 2 1¡¸ 1 ¯¯ = (2 ¡ ¸) (1 ¡ ¸)2 ¡ 1
¯ ¡2 1 1¡¸ ¯
¯ ¯ ¡2 [2(1 ¡ ¸) + 2] ¡2 [2 + 2(1 ¡ ¸)] =
¯ ¡1 ¯
= ¯AAt ¡ ¸i (At ) At ¯ = £ ¤ £ ¤
(2 ¡ ¸) ¸2 ¡ 2¸ ¡ 8 (2 ¡ ¸) = (2 ¡ ¸) ¸2 ¡ 2¸ + 8
= jAAt ¡ ¸i Idj de donde obtenemos
¸1 = 2
Problema 84 Demostrar que si los autovectores de una ¸2 = ¡2
matriz A de dimensión N xN forman una base ortonormal ¸3 = 4
de RN ; entonces para la norma 2 se cumple:
Esta matriz es simétrica, luego posee una base
° ° maxi fj¸i jg
Â(A) = kAk2 ¢ °A¡1 °2 = ortonormal 3 de autovectores, con lo que el condi-
mini fj¸i jg cionamiento de A se puede calcular como:
Solución: Al ser una base de autovectores ortonormal, la
norma kAk2 = ½(A) = maxi fj¸i jg ° ° maxi fj ¸i jg 4
Â(A) = kAk2 ¢ °A¡1 °2 = = =2
mini fj ¸i jg 2
Los autovalores de A¡1 vienen dados por:
¯ ¯
¯ 2 ¡ ¸ ¡1 0 ¯
¯ ¯
Axi = ¸i xi =) 2. ¯¯ ¡1 2 ¡ ¸ ¡1 ¯ = 4 ¡ 10¸ + 6¸2 ¡ ¸3 = 0
¯
¯ 0 ¡1 2 ¡ ¸ ¯
=) A¡1 Axi = A¡1 ¸i xi =)
¸1 = 2 p
1
=) ¸i xi = A¡1 xi =) ¸1 = 2 + p2
¸1 = 2 ¡ 2
=) A¡1 xi = ¸0i xi ,
También es una matriz simétrica, con lo que sus au-
donde ¸0i = ¸1i , es decir, los autovalores de A¡1 son los tovectores forman una base ortonormal y su condi-
inversos de los de °A y sus
° autovectores son los mismos, cionamiento es:
luego la norma de °A¡1 °2 = ½(A¡1 )
½¯ ¯¾ p
° ¡1 ° ©¯ ¯ª ¯ ¯ ° ¡1 ° maxi fj ¸i jg 2+ 2 p
°A ° = max ¯¸0i ¯ = max ¯ 1 ¯ = 1
; °
Â(A) = kAk2 ¢ A ° = = p = 3+2
2 i i ¯ ¸i ¯ mini fj¸i jg 2 mini fj ¸i jg 2¡ 2
entonces Problema 86 Sean las matrices A; R: Demostrar que la
° ° matriz A, y la matriz B = R¡1 AR poseen los mismos
Â(A) = kAk2 ¢ °A¡1 °2 autovalores
1
Â(A) = maxi fj¸i jg ¢ mini fj¸i jg
Solución:
maxi fj¸i jg
Â(A) = mini fj¸i jg ; c.q.d.
Bxi = ¸i xi =)
¡ ¢
Problema 85 Calcular el condicionamiento para la =) R¡1 AR xi = ¸i xi =)
norma 2, de las siguientes matrices:
0 1 =) RR¡1 ARxi = R¸i xi =)
2 2 ¡2
1. A = @ 2 1 1 A 3 Vectores ortonormales: dos vectores son ortonormales si cumplen
½
¡2 1 1 T
lo siguiente, xi xj =
0 si i 6= j
1 si i = j

27
 =) ARxi = ¸i Rxi =) Problema 88 Demostrar las siguientes igualdades
trigonométricas
=) Ayi = ¸i yi ,
q
de donde se deduce que los autovalores son los mismos y los
tan(®) = ¡ cot(2®) + sign(cot(2®)) 1 + cot2 (2®)
autovectores están relacionados por la siguiente igualdad:
yi = Rxi , c.q.d. ¡ ¢
donde ® 2 ¡ ¼4 ; ¼4 , sign(x) = 1 si x ¸ 0 y sign(x) = ¡1
si x < 0;
Problema 87 Se considera la matriz
µ ¶ 1
1 1 cos ® = p
A= 1 + tan2 (®)
1 1
sin ® = tan(®) cos ®
calcular el ángulo ® tal que la matriz
µ ¶ ¡ tan(®) + sin(2®)
cot(2®) =
R=
cos ® sin ® 2 sin2 (®)
¡ sin ® cos ®
Solución:
veri…que que la matriz B = R¡1 AR sea diagonal.
cos(2®) cos2 (®)¡sin2 (®) 1¡tan2 (®)
1. cot(2®) = = =
Solución: Realizamos el cálculo de la matriz B : sin(2®) 2 sin(®) cos(®) 2 tan(®)

B = R¡1 AR = 2 tan(®) cot(2®) = 1 ¡ tan2 (®)

µ ¶µ ¶µ ¶
cos ® ¡ sin ® 1 1 cos ® sin ®
=
sin ® cos ® 1 1 ¡ sin ® cos ®
= realizando el cambio de variable x = tan(®); tenemos
µ ¶ x2 + 2 cot(2®)x ¡ 1 = 0
¡2 cos ® sin ® + 1 2 cos2 ® ¡ 1
= =
2 cos2 ® ¡ 1 2 cos ® sin ® + 1 p
¡2 cot(2®)§ 4 cot2 (2®)+4
µ ¶ x = tan(®) = 2 =
b1 0
=
0 b2 p
= ¡ cot(2®) § 1 + cot2 (2®)
Se tiene que cumplir que los elementos que están fuera
½ p
de la diagonal sean iguales a cero, ¡ cot(2®) + p1 + cot2 (2®) si ® ¸ 0
tan(®) =
2 cos2 ® ¡ 1 = 0 ¡ cot(2®) ¡ 1 + cot2 (2®) si ® < 0
r
1 El segundo término es siempre mayor que el primero,
cos ® = §
2 con lo que es éste el que va a determinar el signo de
De esta igualdad se obtiene el valor del ángulo ® : la ecuación.
¼ 3¼ Como sign (tan(®)) = sign (cot(®)) ; podemos expre-
®= ;® = sar la anterior igualdad de la siguiente forma:
4 4
La matriz de rotación queda como sigue: q
µ ¶ µ 1p p ¶ tan(®) = ¡ cot(2®) + sign(cot(2®)) 1 + cot2 (2®)
cos ¼4 sin ¼4 2 p2 12 p2
R1 = =
¡ sin ¼4 cos ¼4 ¡ 21 2 12 2 2. cos ® = p 1
= r 1
=
1+tan2 (®) sin2 (®)
µ ¶ µ 1p p ¶ 1+ cos2 (®)
cos 3¼4 sin 3¼4 ¡ 2 p2 12 p2
R2 = =
¡ sin 3¼ 4 cos 3¼4 ¡ 12 2 ¡ 12 2 p
1
= r cos2 (®) = cos ®
cos2 (®)+sin2 (®)
Calculamos los elementos de la diagonal: cos2 (®)

b1 = ¡2 cos ® sin ® + 1
b1 = 0; b1 = 2 3. sin ® = tan(®) cos ® =

b2 = 2 cos ® sin ® + 1 sin(®)

= cos(®) cos ® = sin ®
b2 = 2; b2 = 0;
luego las soluciones posibles son:
µ ¶ µ ¶
0 0 2 0
B1 = ; B2 =
0 2 0 0

28
 ¡ tan(®)+sin(2®)
0 1
4. cot(2®) = = a11 ap1 ai1 aq1 an1
2 sin2 (®)
B ap1 app apj apq apn C
B C
sin(®)
¢B
B ai1 apj aij aqj ani C
C¢
¡ cos(®) +2 sin(®) cos(®) @
= = aq1 apq aqj aqq aqn A
2 sin2 (®)
an1 apn ani aqn ann
¡ sin(®)+2 sin(®) cos(®) cos(®) 0 1
= cos(®)
= 1 0 0 0 0
2 sin2 (®) B 0 cos ® 0 sin ® 0 C
B C
¢B
B 0 0 1 0 0 C
C=
sin(®)(¡1+2 cos(®) cos(®)) (2 cos2 (®)¡1) @ 0 ¡ sin ® 0 cos ® 0 A
= 2 sin2 (®) cos(®)
= 2 sin(®) cos(®) =
0 0 0 0 1
cos(2®) 0
= sin(2®) = cot(2®) a11 ap1 cos ® ¡ aq1 sin ®
B ap1 cos ® ¡ aq1 sin ® app cos2 ® + aqq sin2 ® ¡ apq sin 2®
B
Problema 89 Dentro del método de Jacobi para el cálculo =B
B ai1 apj cos ® ¡ aqj sin ®
de autovalores demostrar las igualdades @ ap1 sin ® + aq1 cos ® (app ¡aqq )
sin 2® + apq cos 2®
2
an1 apn cos ® ¡ aqn sin ®
a0pq = 0
a0pp = app ¡ tan(®)apq ai1
apj cos ® ¡ aqj sin ®
a0qq = aqq + tan(®)apq
aij
a0pj = apj cos ® ¡ aqj sin ® j 6= p; q apj sin ® + aqj cos ®
a0qj = apj sin ® + aqj cos ® j 6= p; q ani
1
ap1 sin ® + aq1 cos ® an1
(app ¡aqq )
sin 2® + apq cos 2® apn cos ® ¡ aqn sin ® C
2 C
apj sin ® + aqj cos ® ani C
C
Solución: En el método de Jacobi se persigue construir app sin2 ® + aqq cos2 ® + apq sin 2® apn sin ® + aqn cos ® A
una matriz diagonal a partir de una matriz A cualquiera, apn sin ® + aqn cos ® ann
aplicándole transformaciones de la forma B = R¡1 AR:

Según se ha demostrado en problemas anteriores, los De esta matriz se deducen las siguientes igualdades:
autovalores de B y de A coinciden, con lo que si se consigue
encontrar la matriz R que cumpla con la ecuación anterior, a0pq = (app ¡a
2
qq )
sin 2® + apq cos 2®
entonces habremos encontrado los autovalores de A: app = app cos2 ® + aqq sin2 ® ¡ apq sin 2®
0

a0qq = app sin2 ® + aqq cos2 ® + apq sin 2®

La matriz R es una matriz de rotación y se calcula a0pj = apj cos ® ¡ aqj sin ® j 6= p; q
el ángulo, ®, de la misma, transformando los valores de A aqj = apj sin ® + aqj cos ® j=6 p; q
que están fuera de la diagonal en ceros.
En donde se iguala a0pq a cero para calcular el ángulo
Vamos a expresar las matrices de la siguiente manera: de rotación:
0 1 (app ¡aqq )
a11 ap1 ai1 aq1 an1 a0pq = 0 = 2 sin 2® + apq cos 2®
B ap1 app apj apq apn C
B C
A=B B ai1 apj aij aqj ani C
C
tan(2®) =
2apq
@ aq1 apq aqj aqq aqn A (aqq ¡ app )
an1 apn ani aqn ann
2apq
0 1 aqq = app +
1 0 0 0 0 tan(2®)
B 0 cos ® : sin ® 0 C
B C
Rpq (®) = B
B 0 : 1 : 0 C
C Las dos últimas igualdades se obtienen directamente
@ 0 ¡ sin ® : cos ® 0 A
de la matriz …nal. Para obtener a0pp y a0qq ; se opera de la
0 0 0 0 1 siguiente manera:
B = R¡1 AR =
0 1 1. a0pp = app cos2 ® + aqq sin2 ® ¡ apq sin 2® =
1 0 0 0 0
B 0 cos ® 0 ¡ sin ® 0 C ³ ´
B C = app cos2 ® + app + 2apq
sin2 ®¡
=B B 0 0 1 0 0 C¢
C
tan(2®)
@ 0 sin ® 0 cos ® 0 A
0 0 0 0 1 ¡apq sin 2® = app cos2 ®+

29
 ³ ´
+ app sin(2®)+2apq cos(2®)
sin2 ® ¡ apq sin 2® = 1
2 sin ® cos ® ® = ¡ arctan 2 = ¡: 553 57
2
a11 = 2 ¡ tan(®)
= app cos2 ®+
µ ¶
1
³ ´ a11 = 2 + tan arctan 2 = 2: 618
app 2 sin ® cos ®+2apq cos2 ®¡2apq sin2 ® 2
+ 2 cos ® sin ®¡
a33 = 1 + tan(®)
2
¡2apq sin ® cos ® = app cos ® + app sin ®+ 2 µ ¶
1
a33 = 1 ¡ tan arctan 2 = : 381 97
2
+apq cos ® sin ® ¡ apq tan ® + apq sin ® cos ®¡
a21 = a32 = 0
0 1
¡2apq sin ® cos ® = app ¡ apq tan ® 2: 618 0 0
B = R¡1 AR = @ 0 1 0 A
0 0 0: 381 97
2. a0qq = app sin2 ® + aqq cos2 ® + apq sin 2® =

³ ´ Los autovalores son los elementos de la diagonal

= aqq ¡ 2apq 2 2
sin ® + aqq cos ®+ (2: 618; 1; 0: 381 97) : Como ® = ¡: 553 57; la matriz
tan(2®)
0 1 0
cos ® 0 sin ® 0:850 65 0 ¡0:525 7
+apq sin 2® = R (®) = @ 0 1 0 A=@ 0 1 0
³ ´ ¡ sin ® 0 cos ® 0:525 73 0 0:850 65
aqq 2 sin ® cos ®¡2apq cos2 ®+2apq sin2 ®
= 2 sin ® cos ® sin2 ®+
por tanto, en este caso, como con una única matriz de
rotación conseguimos transformar A en una matriz diago-
+aqq cos2 ® + apq sin 2® = (aqq sin ® ¡ apq cos ®+ nal, tendremos que los autovectores de A son simplemente
los vectores columnas de R(®): Es decir el autovector del
apq 2 0:850 65
+ cos ® ¡apq cos ®) sin ®+aqq cos ®+apq sin 2® =
autovalor 2: 618 es ( 0 ), el autovector del auto-
0:525 73
= aqq sin2 ® + aqq cos2 ® ¡ apq cos ® sin ®+
0
valor 1 es ( 1 ); el autovector del autovalor 0: 381 97 es
+apq tan ® ¡ apq cos ® sin ® + 2apq cos ® sin ® = 0
¡0:525 73
= aqq + tan(®)apq ( 0 ):
0:850 65
Problema 90 Utilizar el método de Jacobi para aproxi-
mar los autovalores y autovectores de la matriz: Problema 91 Aplicar el método de la potencia para
0 1 aproximar el autovalor máximo, y el autovector asociado,
2 0 1 de las siguientes matrices, dando 3 pasos en el método,
A=@ 0 1 0 A hasta calcular u4 y partiendo de u1 = (1; 1)
1 0 1
µ ¶
2 1
Solución: A=
0 1
0 1 µ ¶
cos ® 0 sin ® ¡3 0
A=
R (®) = @ 0 1 0 A 1 1
¡ sin ® 0 cos ®
Solución: En este problema vamos a utilizar la norma
(app ¡aqq )
sin 2® + apq cos 2® = 0 euclídea aunque cualquier otra norma también sería válida.
2
La norma in…nito, por ejemplo, simpli…caría los cálculos
2apq ya que es inmediato obtener el máximo de un vector.
tan(2®) =
(aqq ¡ app )
µ ¶
2 2 1
tan(2®) = 1. A =
(1 ¡ 2) 0 1
arctan (¡2) 1
®= u2 = A kuu1 k =
2

30
 µ ¶Ã p1
! µ 9
p p ¶
2 1 26 p26 p2
= 2 = = 1 ,
0 1 p1 ¡ 26 26 2
2
° 3° p
µ 3
p ¶ °u ° = 1 1066 = 2: 511 5
= 2 p2 , 13
1
2 2
3
° 2° p u4 = A kuu3 k =
°u ° = 5 = 2: 236 1
µ ¶µ 9
p p p ¶
2 ¡3 0 2132 p1066 p26 p2
3
u = A kuu2 k = = 1 =
1 1 ¡ 2132 1066 26 2
µ ¶Ã 3
p ! µ p p p ¶
2 1 p 2 27
¡ 2132 1066
= 2 5p
1 = = 2
p p 26
p 2 ,
0 1 p 2 533 1066 26 2
2 5

µ p p ¶ ° 4° p
7 °u ° = 1 65 026 = 3: 109 8
= 10 p5p2 , 82
1
10 5 2
° 3° p
°u ° = 5 = 2: 236 1
El autovalor máximo aproximado es
3
4
u = A kuu3 k =
¸ = ¡3: 109 8;
µ ¶µ 7
p ¶ ¡- ®¢
=
2 1 10 p2 = con signo negativo ya que sign u4 ; u3 = ¡1 y su
1
0 1 10 2 autovector asociado es
à p p p ! µ ¶
µ p ¶ ¡ 213227¢82
p 1066 26 2
3 ¡: 958 8
2 p2 p p p
x¸ = 65 026 = ;
= 1 , 2¢82
p 1066 26 2 : 284 09
10 2 533 65 026

° 4° 1 p ¡ ¡- ®¢¢n
°u ° = 113 = 2: 126 con signo positivo ya que sign u4 ; u3 =
5
(¡1)4 = 1.
El autovalor máximo aproximado es ¸ = 2: 126 y su
autovector asociado es:
Problema 92 Calcular el autovalorµ mayor y¶el autovec-
2 ¡1
µ p p ¶ µ ¶ tor correspondiente de la matriz utilizando
15 ¡1 1
x¸ = 226 p113p2 =
: 997 79
el método de la potencia, dando 2 iteraciones del método
1
226 113 2
6: 651 9 £ 10¡2
a partir de u1 = (1; 1) y tomando como norma kuk =
µ ¶ maxi jui j
¡3 0
2. A =
1 1 Solución:

u2 = A kuu1 k =
1
µ ¶µ ¶ µ ¶
2 ¡1 1 1
1. ku1 k = 1 ! u2 = =
¡1 1 1 0
µ ¶Ã p1
!
¡3 0 2
= p1
= µ ¶µ ¶ µ ¶
1 1 2 2 ¡1 1 2
ku2 k = 1 ! u3 = =
¡1 1 0 ¡1
µ 3
p ¶
¡p
2 2
= ,
2 Producto escalar (u2 ; u3 ) = 2 > 0. ! autovalor máx-
imo = ku3 k = 2
° 2° 1 p
°u ° = 26 = 2: 549 5
2 µ ¶
u3 1
Autovector asociado normalizado ku3 k =
2 ¡1=2
u3 = A kuu2 k =
µ ¶µ 3
p p ¶
¡3 0 ¡ 26p 26p 2 =
= 1
1 1 13 26 2

31
 0 1 0 5 1
Problema 93 Utilizar el método de la potencia inversa ¡2 ¡1 0 ¡6
para aproximar el autovalor más pequeño de la matriz @ 0 1 ¡1 A u3 = 65 @ 32 A
µ ¶ 0 0 ¡3 ¡ 13
¡2 1 0 1 1
A=
0 3 ° °
A ; °u2 ° = 14
30
u3 = @ 14
15
llegar hasta u3 partiendo de u = (1; 1): 2 15
15

Solución: El autovalor máximo ¡- de (A®¢¡ 2Id)¡1 es ¸max = 14

15
con signo positivo (sign u ; u
3 2
= 1)
un¡1
Aun = kun¡1 k
(A ¡ 2Id)¡1 x
¹ = ¸max x
¹
µ ¶ Ã !
¡2 1 p1
u2 = 2 Para calcular el autovalor más cercano a 2, realizamos
0 3 p1
2 las siguientes operaciones:
µ p ¶ 1
¡ 61p 2 ° ° 1
u2 = ; °u2 ° = = : 333 33 x¹ = (A ¡ 2Id) x
¹
1 ¸max
6 2 3
µ ¶
µ ¶ µ 1p ¶ 1
¡2 1 ¡ 2p 2 A ¡ 2Id ¡ Id x¹=0
u3 = 1 ¸max
0 3 2 2 µ µ ¶ ¶
µ p ¶ 1
1 ° ° 1p A¡ 2+ Id x ¹ = (A ¡ ¸prox Id) x
¹=0
u3 = 3 p2 ; °u3 ° = 10 = : 527 05 ¸max
1 µ ¶ µ ¶
6 2 6
1 1 43
° 3° ¸prox = 2 + = 2 + 14 =
°u ° es el autovalor máximo de A¡1 , con lo que el ¸max 15
14
¡1 6
p
autovalor mínimo de A es ¸min = ku 3 k = ¡ 10 10 = ¡1: ¸prox = 3: 071 4
¡- 3 2 ®¢
897 4; con signo negativo ya que sign u ; u = ¡1.

Problema 95 Escribir en Fortran las funciones sigu-

Problema 94 Calcular el autovalor y autovector más cer- ientes: SIGNO_PRODUCTO_ESCALAR(uf,vf,Nf )
cano a 2 de la matriz que devuelve el signo del producto escalar de
0 1
0 ¡1 0 los vectores uf y vf de dimensión Nf (12 líneas
@ 0 3 ¡1 A de código como máximo), y la función AUTO-
0 0 ¡1 VALOR_MAXIMO(Af,uf,Nf,Nfmax,N…ter,Tolf) que
devuelve el autovalor máximo de una matriz y su au-
para ello calcular dos iteraciones del método de la potencia tovector por el método de la potencia. Los parámetros
inversa partiendo de u1 = (1; 1; 1): son la matriz Af, el vector candidato inicial uf, Nf la
dimensión real, Nfmax, la dimensión para coger memoria,
N…ter número máximo de iteraciones, y Tolf la tolerancia.
Solución: Esta función devuelve el valor 2.**120 si P no termina
0 1 correctamente. Tomar como norma kuk = i ABS(ui )
¡2 ¡1 0 (28 líneas de código como máximo)
A0 = A ¡ 2Id = @ 0 1 ¡1 A
0 0 ¡3 Solución:
Vamos a utilizar la norma in…nito con el …n de sim-
01 SIGNO_PRODUCTO_ESCALAR(uf,vf,Nf)
pli…car los cálculos.
02 DIMENSION uf(*),vf(*)
n¡1
A0 un = kuun¡1 k 03 PE=0
04 DO 06 I=1,Nf
0 1 0 1
¡2 ¡1 0 1 05 PE=PE+uf(I)*vf(I)
@ 0 1 ¡1 A u2 = @ 1 A 06 CONTINUE
0 0 ¡3 1 07 IF (PE.GT.0) THEN
08 SIGNO_PRODUCTO_ESCALAR=1
0 5 1
¡6 09 ELSE
° ° 5
u2 = @ 23 A ; °u2 ° = = : 833 33 10 SIGNO_PRODUCTO_ESCALAR=-1
¡ 13 6 11 ENDIF
12 END

32
 0 1
01 AUTOVALOR_MAXIMO(Af,uf,Nf,Nfmax,N…ter,Tolf) 0 ¡1 0
02 DIMENSION Af(Nfmax,*),uf(*),vf(Nfmax) U =@ 0 0 0 A
03 DO 26 I=1,N…ter 0 0 0
04 NORMA=0 Calculamos la matriz M y el vector c :
05 DO 11 J=1,Nf 0 1
06 vf(J)=0 0 1 0
07 DO 09 K=1,Nf M = D¡1 (¡L ¡ U) = @ 12 0 0 A
08 vf(J)=vf(J)+Af(J,K)*uf(K) 0 13 0
09 CONTINUE 0 1 0 1
10 NORMA=NORMA+ABS(vf(J)) ¡1 ¡1
11 CONTINUE c = D¡1 b = D¡1 @ 3 A = @ 32 A
1
12 IF (NORMA.EQ.0) THEN 1 3
13 AUTOVALOR_MAXIMO=2.**120
14 RETURN La ecuación iterativa queda:
15 ENDIF un = Mun¡1 + c =
16 AUTOVALOR_MAXIMO=SIGNO_PRODUCTO_ 0 1 0 1
ESCALAR(uf,vf,Nf)*NORMA 0 1 0 ¡1
17 ERROR=0 = @ 12 0 0 A un¡1 + @ 23 A
18 DO 22 J=1,Nf 0 13 0 1
3
19 vf(J)=vf(J)/AUTOVALOR_MAXIMO
20 ERROR=ERROR+ABS(uf(J)- Iteraciones:
vf(J))/(ABS(vf(J)+1.) 0 1 0 1 0 1
0 ¡1 ¡1
21 uf(J)=vf(J) 1. u2 = M @ 0 A + @ 32 A = @ 32 A
22 CONTINUE 0 1 1
3 3
23 IF(ERROR<TOLf)
24 RETURN 0 1 0 1 0 1
1
25 ENDIF ¡1 ¡1 2
26 CONTINUE 2. u3 = M @ 3
2
A+@ 3
2
A=@ 1 A
1 1 5
27 AUTOVALOR_MAXIMO=2.**120 3 3 6
28 END
0 1
1 0 1 0 1
2 ¡1 0
3. u4 = M @ 1 A + @ 3
2
A=@ 7
4
A
Problema 96 Calcular 3 iteraciones del método de Ja- 5 1 2
6 3 3
cobi para resolver el sistema
0 10 1 0 1
1 ¡1 0 x ¡1
@ ¡1 2 0 A @ y A = @ 3 A
0 ¡1 3 z 1 Problema 97 Calcular
0 una base
1 ortogonal de autovec-
1 0 1
partiendo de u1 = (0; 0; 0) tores de la matriz @ 0 2 0 A,
1 0 1

Solución: La expresión matricial del método de Jacobi es Solución:

80 19
como sigue: < ¡1 =
(L + D + U )u = b 1. Autovectores y autovalores: @ 0 A $
: ;
Du = (¡L ¡ U)u + b 80 1 0 19 1
¡1 ¡1
< 1 0 =
u=D (¡L ¡ U )u + D b 0; @ 0 A ; @ 1 A $ 2
: ;
un = M un¡1 + c 1 0

donde las matrices L; D; U son de la forma:

0 1 Problema 98 Calcular 3 iteraciones del método de
0 0 0 Gauss-Seidel para resolver el sistema
L = @ ¡1 0 0 A 0 10 1 0 1
0 ¡1 0 1 ¡1 0 x ¡1
0 1 @ ¡1 2 0 A @ y A = @ 3 A
1 0 0 0 ¡1 3 z 1
D=@ 0 2 0 A
0 0 3 partiendo de u1 = (0; 0; 0)

33
Solución: La expresión matricial del método de Gauss- Al ser A tridiagonal, el wopt se puede calcular como
Seidel es de la forma:
2
wopt = q
(L + D + U )u = b
1 + 1 ¡ ½ (MJ )2
(L + D)u = ¡U u + b
MJ es la matriz del método de Jacobi que se obtiene
u = (L + D)¡1 (¡U )u + (L + D)¡1 b de:
un = M un¡1 + c MJ = D¡1 (¡L ¡ U ) =
Si construimos el sistema de ecuaciones y despejamos 0 10 1
1 0 0 0 1 0
las incógnitas:
= @ 0 12 0 A @ 1 0 0 A =
8 8 0 0 13 0 1 0
< x ¡ y = ¡1 < x = ¡1 + y
¡x + 2y = 3 y = 3+x 0 1
: : 2 0 1 0
¡y + 3z = 1 z = 1+y
3 = @ 12 0 0 A
Iteraciones: 0 13 0
¡ 1p p ¢
1. x = ¡1 Los autovalores de MJ : 0; 2 2; ¡ 12 2 , luego
y = 3¡1
2 =1 ½ (MJ )2 = 12
z = 1+1 2
3 = 3
p 2 p2
wopt = =
1+ 1¡½(MJ )2 1+ 1¡ 12
2. x = 0
y = 32 wopt = 2p
= 4p
1+ 12 2 2+ 2
z = 65
wopt = 1: 171 6
3. x = ¡1 + 32 = 1
2
3+ 1
y = 2 2 = 47 Iteraciones del sistema:
1+ 7
z = 3 4 = 1112 xn = w (yn¡1 ¡ 1) + (1 ¡ w) xn¡1

yn = w 3+x
2
n
+ (1 ¡ w) yn¡1
Problema 99 Una variante del método de Gauss-Seidel
es tomar M = (D + U )¡1 (¡L), y c = (D + U )¡1 b: zn = w 1+y 3
n
+ (1 ¡ w) zn¡1
indicar en este caso que diferencias de implementación 0 1 0 1
¡w ¡1: 171 6
habría con respecto al caso anterior.
u2 = @ w 3¡w 2
A = @ 1: 071 1 A
w 1+1:3071 1 : 808 83
Solución: El método es igual que en el problema anterior, 0 1
excepto que en este caso los cálculos se realizarían de abajo w (1: 071 1 ¡ 1) ¡ (1 ¡ w) 1: 171 6
para arriba, es decir, primero se calcularía z, se sustituiría u3 = @ w 3+: 284 2
35
+ (1 ¡ w) 1: 071 1 A=
1+1: 740 2
su valor en la ecuación de y y, por último, estos dos valores w 3 + (1 ¡ w) : 808 83
se sustituirían en la primera ecuación. 0 1
: 284 35
= @ 1: 740 2 A
Problema 100 Calcular 3 iteraciones del método de re- : 931 34
lajación para resolver el sistema 0 1
w (1: 740 2 ¡ 1) + (1 ¡ w) : 284 35
0 10 1 0 1
1 ¡1 0 x ¡1 u4 = @ w 3+: 818 2
42
+ (1 ¡ w) 1: 740 2 A=
1+1: 938 2
@ ¡1 2 0 A @ y A = @ 3 A ; w 3 + (1 ¡ w) : 931 34
0 ¡1 3 z 1 0 1
: 818 42
partiendo de u1 = (0; 0; 0): Calcular previamente el = @ 1: 938 2 A
parámetro de relajación óptimo : 987 65

Solución: Problema 101 Escribir en Fortran la función siguiente:

x ¡ y = ¡1 CONDICIONAMIENTO(Af,Nf,Nfmax,TOLf,N…ter) que
¡x + 2y = 3 devuelve el condicionamiento de una matriz utilizando el
¡y + 3z = 1 método de Jacobi para calcular los autovalores, se supondrá
implementada la función JACOBI(A,N,Nmax,TOL,Niter)
Cálculo del wopt :

34
que devuelve 0 si termina bien y 1 si termina mal. La fun- 2. Para demostrar que jAj = 0 cuando la ¯ suma
¯ por
ción CONDICIONAMIENTO devuelve 2.*120 si termina columnas es cero, basta saber que jAj = ¯AT ¯ :
mal porque Jacobi da un error o se produce una división Pn
i aij = 0, esto es equivalente a lo siguiente:
por cero. Los parámetros son la matriz Af, Nf la dimen-
0 1 0 1 0 1
sión real, Nfmax, la dimensión para coger memoria, N…ter 1 0 1
número máximo de iteraciones, y Tolf la tolerancia (máx- B 1 C B 0 C B 1 C
B C B C B C
imo .21 líneas de instrucciones) AT B . C = B . C = 0 ¢ B . C
@ .. A @ .. A @ .. A
Solución: 1 0 1

01 CONDICIONAMIENTO(Af,Nf,Nfmax,N…ter,Tolf) La matriz
¯ T ¯A posee un autovalor igual a cero (¸ = 0),
T
02 DIMENSION Af(Nfmax,*) ¯ ¯
luego A = 0.
03 CONDICIONAMIENTO=2.*120
04 IF(JACOBI(Af,Nf,Nfmax,TOLf,N…ter).NE.0) ¯ ¯
jAj = ¯AT ¯ = 0
THEN
05 RETURN
Problema 103 Dado un sistema iterativo
06 END IF
07 AMAX=ABS(A(1,1)) un = Mun¡1 + c
08 AMIN=ABS(A(1,1))
09 DO I=2,Nf Demostrar que aunque el radio espectral de M sea mayor
10 IF(AMAX.LT.ABS(A(I,I))) THEN que 1; si u1 y c son combinaciones lineales de autovectores
11 AMAX=ABS(A(I,I)) de M correspondientes a autovalores de módulo menor que
12 END IF 1; entonces el método converge.
13 IF(AMIN.GT.ABS(A(I,I))) THEN
14 AMIN=ABS(A(I,I))
15 ENDIF Solución: Sean xi los autovectores de M correspondientes
16 END DO a autovalores menores que 1:
17 IF(AMIN.EQ.0) THEN P
18 RETURN u1 = ni=1 ai xi
19 ENDIF P
c = ni=1 ci xi
20 CONDICIONAMIENTO=AMAX/AMIN
21 END
Realizando iteraciones obtenemos las siguientes ex-
presiones:
Problema 102 Demostrar que si una matriz A veri…ca
u2 = Mu1 + c
que por …las o columnas su suma es siempre igual a 0, en-
tonces el determinante de A es cero, y por tanto el sistema ¡ ¢
u3 = Mu2 + c = M M u1 + c + c = M 2 u1 + M c + c
asociado a A no tiene solución. ..
.
un = M n¡1 u1 + M n¡2 c + : : : Mc + c =
Solución: Si jAj = 0, entonces la matriz A no es invertible ¡ ¢
y el sistema no tiene solución. = M n¡1 u1 + M n¡2 + : : : M + 1 c

1. Vamos a demostrar que si la suma por …las de A es Tomando el primer sumando:

igual a cero, entonces jAj = 0 : Pn Pn
Pn M n¡1 u1 = M n¡1 i=1 ai xi = M n¡2 i=1 ai M xi =
j aij = 0, esto es equivalente a lo siguiente:
P P
0 1 0 1 0 1 = M n¡2 ni=1 ai ¸i xi = : : : ni=1 ai ¸n¡1
i xi
1 0 1
B 1 C B 0 C B 1 C
B C B C B C Como u1 depende linealmente de los xi (autovectores)
AB . C = B . C = 0 ¢ B . C
.
@ . A @ . A . @ .. A cuyos autovalores ¸i son menores que uno, entonces ¸n¡1
i
1 0 1 tiende a 0 cuando n tiende a in…nito, luego este término
converge.
Esto signi…ca que la matriz A posee un autovalor igual
a cero (¸ = 0). Para el segundo sumando:
El determinante de una matriz es igual al producto ¡ n¡2 ¢
M + :::M + 1 c =
de sus autovalores:
¡ ¢ Pn
n
Y = M n¡2 + : : : M + 1 i=1 ci xi =
jAj = ¸i = ¸1 ¢ : : : 0 : : : ¢ ¸n = 0 P n Pn
i=1 = M n¡2 i=1 ci xi + : : : M i=1 ci xi +

35
 Pn Pn n¡2
+ i=1 ci xi = i=1 ci ¸i xi + Problema 105 Plantear el algoritmo necesario para cal-
Pn Pn cular, utilizando el método de Newton-Raphson, las raíces
+ : : : i=1 ci ¸i xi + i=1 ci xi = complejas o reales de un polinomio de grado 3:
Pn ¡ ¢
= i=1 ci xi ¸n¡2 i + : : : + ¸i + 1 ·
| {z }
Serie geométrica convergente Solución:
Pn 1
· i=1 ci xi 1¡¸i , P (z) = az 3 + bz 2 + cz + d = 0
con lo que este término también converge. Un polinomio de grado 3 posee al menos una raíz real.
Las otras dos raíces pueden ser también reales o imaginar-
Problema 104 Calcular 2 iteraciones del método de ias conjugadas.
Newton-Raphson no-lineal para aproximar una raíz del sis- Sea z un número complejo: z = x + yi, sustituyendo
tema de ecuaciones en la anterior ecuación,

x2 + y 2 ¡ 1 = 0
y¡x =0 P (x + yi) = a (x + yi)3 + b (x + yi)2 + c (x + yi) + d
partiendo de (x; y) = (1; 1): P (x + yi) = ax3 + 3iax2 y ¡ 3axy 2 ¡ iay 3 +

Solución: +bx2 + 2ibxy ¡ by2 + cx + icy + d = 0

½ 2 ½ µ ¶
x + y2 ¡ 1 = 0 2x 2y Separamos la parte real de la parte imaginaria:
rf(x; y) =
y¡x =0 ¡1 1 ½
ax3 ¡ 3axy 2 + bx2 ¡ by 2 + cx + d = 0
f=
un = (xn ; y n ) 3ax2 y ¡ ay3 + 2bxy + cy = 0
µ
u0 = (1; 1) 3ax2 ¡ 3ay 2 + 2bx + c ¡6axy ¡ 2by
rf =
½ 6axy + 2by 3ax2 ¡ 3ay2 + 2bx + c
rf (un )z = ¡f (un )
un+1 = un + z
µ ¶µ ¶ µ 2 ¶ El proceso iterativo es de la forma:
2x 2y z1 x + y2 ¡ 1
=¡ un = (xn ; yn )
¡1 1 z2 y¡x
½
Iteraciones: rf (un ) ¢ z = ¡f (un )
µ ¶µ ¶ µ ¶ un+1 = un + z
2 2 z1 1
1. =¡
¡1 1 z2 0 Algoritmo:
µ ¶ µ ¶ Este algoritmo utiliza una función, "Sistema(A; u)";
z1 ¡ 14 para resolver un sistema de ecuaciones.
=
z2 ¡ 14
µ ¶ µ ¶ Las funciones F (u) y rF (u) se utilizan para evaluar
1 0 1 ¡ 41 la función y el gradiente de la función en un punto, respec-
u =u +z = +
1 ¡ 14 tivamente.
µ 3
¶
u1 = 4 Funcion F (u)
3
4 f (1) = a ¢ u(1)3 ¡ 3a ¢ u(1) ¢ u(2)2 +
+b ¢ u(1)2 ¡ b ¢ u(2)2 + c ¢ u(1) + d
µ ¶µ ¶ µ ¶
3 3
z1 1 f (2) = 3a ¢ u(1)2 ¢ u(2) ¡ a ¢ u(2)3 +
2. 2 2 =¡ 8
+2b ¢ u(1) ¢ u(2) + c ¢ u(2)
¡1 1 z2 0
devolver f
µ ¶ µ 1
¶ Fin funcion
z1 ¡ 24
= 1
z2 ¡ 24
Funcion rF (u)
µ 3
¶ µ 1
¶ 2
rf (1; 1) = 3a ¢ u (1) ¡ 3a ¢ u(2)2 + 2b ¢ u (1) + c
¡ 24
u2 = u1 + z = 4
3 + 1 rf (1; 2) = ¡6a ¢ u (1) ¢ u (2) ¡ 2b ¢ u (2)
4 ¡ 24
rf (2; 1) = ¡rf (1; 2)
µ 17
¶ µ ¶ rf (2; 2) = rf (1; 1)
2 24 : 708 33
u = 17 = devolver rf
24 : 708 33
Fin funcion

36
 Algoritmo Solución:
un¡1 = (x0 ; y0 )
/* calculamos¡ la primera 0 1
¡ ¢ aproximación
¡ ¢¢ */ yzexyz xzexyz xyexyz
z = Sistema rF un¡1 ; ¡F un¡1 @
rf (x; y; z) = 0 2y ¡3z 2 A
un (1) = un¡1 (1) + z(1)
4 (z ¡ 1) x3 0 x4
un (2) = un¡1 (2) + z(2)
n=0 ¡¯ ¯ ¢ ½
Mientras ¯un ¡ un¡1 ¯ ¸ T OL y (n < T OP ) rf (x; y; z) z = ¡f (x; y; z)
un¡1 = un un+1 = un + z
/* calculamos¡ la siguiente
¡ ¢ aproximación
¡ ¢¢ */ 0 10 1
z = Sistema rF un¡1 ; ¡F un¡1 yzexyz xzexyz xyexyz z1
un (1) = un¡1 (1) + z(1) @ 0 2y ¡3z 2 A @ z2 A =
un (2) = un¡1 (2) + z(2) 4 (z ¡ 1) x3 0 x4 z3
n=n+1 0 1
Fin Mientras exyz ¡ 1
=¡ @ y ¡ z3 ¡ 2 A
2
Si (n = T OP ) Entonces
ERROR: No se ha encontrado solución (z ¡ 1)x4 ¡ 3
Fin Si Iteración:
Fin Algoritmo 0 10 1 0 1
e e e z1 e¡1
@ 0 2 ¡3 A @ z2 A = ¡ @ ¡2 A
Problema 106 Se considera el sistema no-lineal 0 0 1 z3 ¡3
0 1 0 1 1
(x ¡ 1)y = 0 z1 ¡ e (e ¡ 1) ¡ 17
2
(y ¡ 2)x = 0 @ z2 A = @ 11 A
2
z3 3
A partir de u1 = (1; 1), calcular u2 y u3 utilizando el
método de Newton-Raphson para aproximar un cero del un+1 = un + z =
sistema no-lineal. 0 1 0 1 17
1
1 ¡ e (e ¡ 1) ¡ 2
=@ 1 A+@ 11
2
A=
1 3
Solución:
µ ¶ 0 15 1 1
y x¡1 ¡ 2 ¡ e (e ¡ 1)
1. rf (x; y) = ! rf(1; 1) = =@ 13 A
y¡2 x 2
µ ¶ µ ¶¡1 µ ¶ 4
1 0 1 0 0
! u2 = +
¡1 1 ¡1 1 1
µ ¶ µ ¶
1 1 INTERPOLACION DE FUNCIONES II
=
1 2
Problema 108 Calcular los polinomios base de Hermite
µ ¶ µ ¶¡1 µ ¶ que corresponden a tomar como puntos de interpolación
2 0 2 0 0 x0 = ¡1; x1 = 1; y el orden de derivación M = 1:
rf (1; 2) = ! u3 = +
µ ¶ µ 0¶ 1 0 1 0
1 1
= Solución: Los polinomios de Hermite que corresponden a
2 2
esos puntos de interpolación vienen dados por las grá…cas
4, 5, 6 y 7.
Problema 107 Calcular 1 iteración del método de
Newton-Raphson no-lineal para aproximar una raíz del sis-
tema de ecuaciones
1. La grá…ca 4 se hace cero en 1 y sus derivadas, tanto
exyz ¡ 1 = 0 en ese punto como en ¡1, valen cero. Este polinomio
tiene dos raíces en 1 (la segunda debido al valor de su
y2 ¡ z 3 ¡ 2 = 0
derivada en 1), con lo que la forma de este polinomio
(z ¡ 1)x4 ¡ 3 = 0 es como sigue:
partiendo de (x; y; z) = (1; 1; 1): 0 2
H¡1 (x) = (x ¡ 1) (a (x + 1) + b)

El valor de este polinomio en -1 es 1:

37
 y 1 y 1

0.75 0.75

0.5 0.5

0.25 0.25

0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
x x

Figure 4: Polinomio de Hermite H¡1

0
Figure 6: Polinomio de Hermite H10
x
-1 -0.5 0 0.5 1
y
0

0.25 -0.05

0.2 -0.1

0.15 -0.15

0.1 -0.2

0.05 -0.25

0
y
-1 -0.5 0 0.5 1
x

Figure 5: Polinomio de Hermite H¡1

1 Figure 7: Polinomio de Hermite H11

0
H¡1 (¡1) = 1 Por la misma razón que en el caso anterior, sabemos
que la función posee dos raíces en 1, con lo que el
(¡1 ¡ 1)2 (a (¡1 + 1) + b) = 4b = 1 polinomio tiene la forma,

b= 1
4
1
H¡1 (x) = (x ¡ 1)2 (a (x + 1) + b)

Al ser la derivada en -1 igual a cero tenemos: 1

H¡1 (¡1) = (¡1 ¡ 1)2 (a (¡1 + 1) + b) = 4b = 0

00 2
H¡1 (x) = 2 (x ¡ 1) (a (x + 1) + b) + (x ¡ 1) a = 0 b=0

2
00
H¡1 (x) = 2 (¡2) (a (0) + b) + (¡2) a = 0 para calcular el valor de a, derivamos el polinomio y
evaluamos en 1,
¡4b + 4a = 0
10
H¡1 (x) = 2 (x ¡ 1) (a (x + 1) + b) + (x ¡ 1)2 a
a = b = 14 ;
10
H¡1 (¡1) = 2 (¡1 ¡ 1) (a (¡1 + 1) + b) +
luego el polinomio queda,
+ (¡1 ¡ 1)2 a = 1
0
H¡1 (x) = 1
4 (x ¡ 1)2 (x + 2)
4a = 1
2. Para calcular el segundo polinomio partimos de la grá-
…ca 5. En ésta, La función se anula en -1 y 1, la a = 14 ;
derivada en -1 es igual a 1 y su derivada en 1 es cero.

38
 µ ¶ µ 2
¶
luego el polinomio nos queda: c1 5
=
c2 ¡ 85
¡1 ¢
1
H¡1 (x) = (x ¡ 1)2 4 (x + 1)
ci+1 ¡ci
di = 3hi i = 0; : : : N ¡ 1
3. Para calcular los otros dos polinomios, basta consid- 0 1 0 2 1 0 2 1
erar que son funciones simétricas a las dos anteri- d0 5
3
@ d1 A = B ¡8 2 C @ 152 A
ores. En la grá…ca 6 se puede ver que esta función @ 5 ¡5 A= ¡3
3
es simétrica a H¡1
0
(x) (ver grá…ca 4) con respecto al d2 8
5
8
15
eje de las y: 3

El polinomio es por tanto, bi = (ai+1 ¡ai )

¡ hi (2ci +ci+1 )
i = 0; : : : N ¡ 1
hi 3

H10 (x) = H¡1

0
(¡x) 0 1 0 2 1 0 13
1
b0 1 ¡ 15 15
@ b1 A = @ 1 ¡ 45 ¡ 85 A = @ 19 A
3 15
2 1
H10 (x) = 1
4 (¡x ¡ 1) (¡x + 2) b2 ¡1 + 1615 15

2
H10 (x) = ¡ 14 (x + 1) (x ¡ 2) Los splines cúbicos nos quedan de la siguiente manera:

P1 (x) = 2
15 (x + 1)3 + 13
15 (x + 1) ¡ 1
4. Por último, la función representada en la grá…ca 7, es
simétrica al polinomio H¡1
1
(grá…ca 5) con respecto al x 2 [¡1; 0]
origen, con lo que,
P2 (x) = ¡ 23 x3 + 52 x2 + 19
15 x
H11 (x) = ¡H¡1
1
(¡x) x 2 [0; 1]
¡1 ¢
H11 (x) = ¡ (¡x ¡ 1)2 4 (¡x + 1) P3 (x) = 8
15 (x ¡ 1)3 ¡ 8
5 (x ¡ 1)2 + 1
15 (x ¡ 1) + 1

x 2 [1; 2]
H11 (x) = 1
4 (x + 1)2 (x ¡ 1)

Problema 109 Calcular los polinomios que determinan y 1

la interpolación
¡ ¢ por splines cúbicos de la función f(x) =
sin ¼2 x para los puntos x = ¡1; 0; 1; 2 0.5

Solución: Los polinomios son de la forma: -1 -0.5 0 0.5 1 1.5 2

x

P (x) = dx3 + cx2 + bx + a -0.5

Vamos a calcular los coe…cientes para cada intervalo: -1

hi = 1 8 (xi ¡ xi¡1 )
¡¼ ¢
ai = f (xi ) i = 0; : : : N Figure 8: Comparación entre la función sin 2 x y su
0 1 0 1 0
1 aproximación por splines cúbicos.
a0 f (x0 ) ¡1
B a1 C B f (x1 ) C B 0 C
B C B C=B C
@ a2 A = @ f (x2 ) A @ 1 A
a3 f (x3 ) 0 Problema 110 Calcular la función que interpola, uti-
lizando la función sinc(x) a la función f(x) = sin(x) en
hi¡1 ci¡1 + 2 (hi¡1 + hi ) ci + hi ci+1 = los puntos x = ¡¼; ¡ ¼2 ; 0; ¼2 ; ¼:
3(ai+1 ¡ai ) 3(ai ¡ai¡1 )
= hi ¡ hi¡1
Solución:
c0 = c3 = 0
sin(x)
µ ¶µ ¶ µ ¶ sinc (x) = x
4 1 c1 0
= La interpolación a través de la función sinc(x) :
1 4 c2 ¡6

39
 P sin(¼( a ¡i)) x
Problema 111 Calcular el polinomio trigonométrico
f~(x) ¼ N
i=M f(xi ) ¼( x ¡i)
a tomando N = 2; que interpola a la función f (x) = jxj
¼ en el intervalo [¡¼; ¼]:
xi = a ¢ i = 2 [¡2; ¡1; 0; 1; 2]

sin(¼( +2)) 2x ¡ ¡¼ ¢ sin(¼( 2x

¼ +1))
f~(x) ¼ f (¡¼) ¼ 2x¼+2 +f + Solución:
(¼ ) 2 ¼( 2x
¼ +1)
½
sin(¼( 2x ¡ ¼ ¢ sin(¼( 2x ¡x si ¡¼ · x · 0
¼ )) ¼ ¡1)) jxj =
+f (0) ¼( 2x
+f + x si 0 · x · ¼
¼ ) ¼( 2x
¼ ¡1)
2

¼ ¡2))
sin(¼( 2x ¡ ¡¼ ¢ sin(2x+¼) La interpolación por polinomios trigonométricos tiene
+f (¼) = sin +
¼( 2x
¼ ¡2)
2 2x+¼ la forma:
¡ ¼ ¢ sin(2x¡¼) sin(2x¡¼) sin(2x+¼) 2
+ sin 2 2x¡¼ = 2x¡¼ ¡ 2x+¼ = X
~ ¼
f(x) ck eikx ;
sin 2x sin 2x sin 2x(2x¡¼)¡sin 2x(2x+¼) k=¡2
= 2x+¼ ¡ 2x¡¼ = 4x2 ¡¼2 =
donde los coe…cientes se calculan a partir de la siguiente
= ¡2¼ 4xsin 2x
2 ¡¼ 2 expresión:
R¼ R¼
En la …gura 9 se muestran el sin(x) y su aproximación ¡¼
f (x)eikx dx ¡¼
jxjeikx dx
ck = 2¼ = 2¼ =
por el seno cardinal
R0 ikx R ¼ ikx
¡ ¡¼ xe dx xe dx
= 2¼ + 0 2¼
y 1
Los valores de estos coe…cientes son:
0.5 c2 = c¡2 = 0
c1 = c¡1 = ¡2
¼
0
c0 = ¼2
-10 -5 0 5 10
x
Sustituimos en el sumatorio que aproxima a la función
-0.5
y obtenemos:
-1 f~(x) ¼ ¡2 ¡ix
¼ e + ¼
2 ¡ ¼2 eix =

= 12 ¼ ¡ 4
¼ cos x

El resultado de la aproximación es, por tanto,

Figure 9: Comparación del sin x con su aproximación
numérica utilizando sin c(x), tomando como puntos de in- 1 4
f~(x) ¼ ¼ ¡ cos x
terpolación x=¡¼; ¡¼ ¼
2 ; 0; 2 ; ¼: 2 ¼
La siguiente grá…ca compara f(x) = jxj con su aprox-
imación f~(x) para N = 2 en el intervalo [¡¼; ¼]:
y 1 jxj

y 5
0.5

0 3.75

-10 -5 0 5 10
x
2.5
-0.5

1.25
-1

0
-2.5 -1.25 0 1.25 2.5
x

Figure 10: Comparación del sin x con su aproximación Polinomio trigonométrico (N = 2; [¡¼; ¼])
numérica utilizando sin c(x), tomando como puntos de in-
terpolación x=¡2¼; ¡3¼ ¡¼ ¼ 3¼
2 ; ¡¼; 2 ; 0; 2 ; ¼; 2 ; 2¼ En la siguiente grá…ca se realiza la misma compara-
ción tomando 20 muestras en el intervalo [¡¼; ¼]:

40
 jxj

y 5

3.75

2.5

1.25

0
-2.5 -1.25 0 1.25 2.5
x

Polinomio trigonométrico (N = 10; [¡¼; ¼])

Problema 112 Calcular la aproximación mínimo

cuadrática lineal de la tabla
xi yi
0 0
1 1
2 0
3 2

Solución: Aplicando las fórmulas para calcular los coe-

…cientes de la recta que más se aproxima a estos puntos,
obtenemos:
PN P PN
N xi yi ¡ N i=1 xi i=1 yi
a= i=1
PN P 2 =
N i=1 x2i ¡( N i=1 xi )

4(1+6)¡(1+2+3)(1+2) 1
= 4(1+22 +32 )¡(1+2+3)2
= 2

PN PN P PN
x2i yi ¡ N i=1 xi yi i=1 xi
b= i=1
Pi=1 P 2 =
N N
x
i=1 i
2 ¡( N
i=1 x i )
(1+22 +32 )(1+2)¡(1+6)(1+2+3)
= 4(1+22 +32 )¡(1+2+3)2
=0

P (x) = ax + b = 21 x

y 4

0
0 1 2 3 4
x

Figure 11: Aproximación mínimo cuadrática

41