Problemas de Anlisis Numrico

Miguel Alemn Flores, Luis Alvarez Len y Javier Snchez Prez

Departamento de Informtica y Sistemas
Universidad de Las Palmas
Campus de Tara
35017 Las Palmas, Espaa
T: 45.87.10/08
Email: {maleman/lalvarez/jsanchez}@dis.ulpgc.es

Contents
1 INTRODUCCION.

prisas de ltima hora que suelen asaltar a los estudiantes

cuando se acercan los exmenes, puesto que el esfuerzo
de reexin que requieren precisa de un trabajo diario y
continuado, difcilmente compatible con las prisas de ltima hora. Resulta inquietante observar como en muchas
ocasiones la realizacin de problemas se aborda bajo un
espritu de aprender rpidamente 4 tcnicas bsicas, que
muchas veces ni se entienden, y a partir de ah intentar reproducir esas tcnicas, de forma absolutamente mecnica,
en problemas anlogos. El problema de esta aptitud, es
que aunque a corto plazo puede dar lugar a resultados positivos, aprobando asignaturas con un conocimiento mnimo
e insuciente, a la larga, tiene efectos catastrcos sobre
la formacin del alumno, a travs de una disminucin importante de la capacidad de razonamiento y del sentido
crtico.

2 ARITMETICAS DE PRECISION FINITA

Y FUENTES DE ERRORES NUMERICOS.
1
3 CALCULO DE CEROS DE UNA FUNCION
4
4 INTERPOLACION DE FUNCIONES I

5 ANALISIS NUMERICO MATRICIAL I

6 DIFERENCIACION
NUMERICA

INTEGRACION

14

7 ANALISIS NUMERICO MATRICIAL II

23

8 INTERPOLACION DE FUNCIONES II

37

ARITMETICAS DE PRECISION FINITA Y

FUENTES DE ERRORES NUMERICOS.
Problema 1 Demostrar que al representar el nmero real
0:1 como
1
X
an
0:1 = 2e
2n
n=1

INTRODUCCION.
El presente documento es el libro de problemas donde se
encuentran resueltos todos los problemas presentes en el
libro de Anlisis Numrico publicado por los mismos autores. Nunca se insistir lo suciente sobre la necesidad de
hacer problemas para comprender correctamente cualquier
teora y sus aplicaciones. Adems la manera de afrontar
el estudio de los problemas debe ser bien distinta a la
forma de estudiar teora. Primero se debe intentar hacer
los problemas sin mirar en absoluto la solucin y despus
de reexionar e intentar resolverlo de diferentes formas,
muchas de las cuales nos llevarn a callejones sin salida,
se mirar la solucin. Es un hecho fcilmente constatable,
que se aprende mucho ms de un problema que no se ha
conseguido resolver, pero al que se ha dedicado suciente
esfuerzo, que de un problema del cual se mira directamente
la solucin sin ninguna fase de reexin previa. Adems
se tiende a olvidar con facilidad la tcnica de resolucin
de un problema sobre el cual no se ha reexionado sucientemente. De todo ello se deduce que el estudio correcto de los problemas de una asignatura va reido con las

el nmero de elementos no-nulos an es innito.

Solucin: Supongamos que para algn t nito y e entero

se tiene:
t
X
an
e
0:1 = 2
2n
n=1
despejando en esta igualdad obtenemos
te

= 10

t
X

an 2tn

n=1

P
ahora bien, como el nmero m = tn=1 an 2tn es entero,
de la desigualdad anterior obtenemos
2te = 5 2m
pero esta igualdad implica que el nmero 2te es divisible
por 5 lo cual es imposible.

Problema 2 Representar el nmero 0:0 703 125 como

0:0 703 125 = 2e

Solucin: Los valores posibles positivos se representan

en la siguiente tabla

1
X
an

n=1

2n

Solucin: En primer lugar tenemos que encontrar un entero e tal que

e=0
e=1

1
0:0 703 125 2e < 1
2

e=2

para e = 3 obtenemos

los valores negativos son los mismos cambiados de signo.

Simplicando las fracciones nos queda

0:0 703 125 2 = 0: 562 5

ahora tenemos que escribir el nmero 0:5625 como

0:5625 =

e = 1
e=0
e=1
e=2

1
X

1
an
+
2 n=2 2n

los an se calculan de la siguiente forma

0:5625 <
0:5625 <
0:5625 =

0:0 703 125 = 23

1
1
+
2 24

2
1.75
1.5
1.25
y
1
0.75
0.5
0.25
0
-0.25
-0.5
-0.75
-1
-1.25
-1.5
-1.75
-2

en trminos binarios, este numero se escribira con e = 3

y la mantisa viene dada por la secuencia 1; 0; 0; 1; 0; 0; ::::
(si no almacenamos el primer trmino a1 porque siempre
es 1, la mantisa sera 0; 0; 1; 0; 0; ::::)

xmax

1
2

2t+1
1
2

0.250.5 0.751

1.251.5 1.752

2.252.5 2.753

3.253.5 3.754

Problema 5 Dada una aritmtica de precisin nita

cualquiera, calcular la distancia que hay entre el nmero 1
y su inmediato superior (es decir el nmero que va despus
de 1), y la distancia entre el nmero 1; y su inmediato inferior.

Solucin: Los valores positivos mnimo y mximo son

= 2emin 1
t
X
1
= 2emax
= 2emax
n
2
n=1

Problema 3 Calcular los valores positivos mnimo y

mximo que puede tomar un nmero real en una aritmtica
de precisin nita en funcin de t; emin y emax :

xmin

0:25; 0:3125; 0:375; 0:437 5

0:5; 0:625; 0:75; 0:875
1; 1:25; 1:5; 1:75
2; 2:5; 3; 3:5

Si representamos los nmeros positivos sobre una recta

obtenemos

1
1
+ 2 = 0:75 ) a2 = 0
2 2
1
1
+ 3 = 0:625 ) a3 = 0
2 2
1
1
+ 4 = 0:5625 ) a4 = 1
2 2

por tanto

1 1
1 1
1
1
1 1
;
+ ;
+ ;
+
+
22 22 24 22 23 22 23 24
1 1
1 1
1 1
1
1
; + ; + ; +
+
2 2 23 2 22 2 22 23
1
1
1
1
1; 1 + 2 ; 1 + ; 1 + + 2
2
2
2 2
1
1
2; 2 + ; 2 + 1; 2 + 1 +
2
2

e = 1

Solucin: El nmero 1 en una aritmtica de precisin

nita se escribe como

1
1=2
2

1
= 2emax 1 t
2

el nmero inmediato superior a 1 en la aritmtica es

1
1
1
2
+ t = 1 + t1
2 2
2

Problema 4 Calcular todos los nmeros reales que se

pueden construir tomando 5 bits de la forma siguiente: 1
bit para el signo, 2 bits para la mantisa (es decir t = 3,
puesto que a1 = 1 slo se almacenan a2 y a3 , y 2 bits para
el exponente e, tomando como rango de e = 1; 0; 1; 2:
Representar dichos nmeros sobre una recta.

y el nmero inmediato inferior a 1 viene dado por

1
1
+ :: + t =
2
2

1
2

1
2t+1
1
=1 t
1
2
1 2

Problema 6 Se considera una aritmtica de 16 bits

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 nmeros en esta aritmtica:

1
23

1
24

1
23

1
24

1
25

Solucin: Que los nmeros pertenecen a la aritmtica

signica que existe un conjunto de valores binarios a0i y un
entero e0 tal que
t
!
t
X an
X
1
a0n
e
e0
2

=
2
2n
2t
2n
n=1
n=1
Consideremos primero el caso de sumar 1=2t . Si ak =
1 para todo k; entonces
!
t
X 1
1
1
e
+ t = 2e+1
2
n
2
2
2
n=1
Si por el contrario existe un k0 tal que ak0 = 0, y tal que
ak = 1 para todo k0 < k t entonces basta tomar a0k = ak
si 1 k < k0 ; a0k0 = 1 y a0k = 0 si k0 < k t
Consideremos ahora el caso de restar 1=2t : Si el nico
elemento ak distinto de 0 es a1 ; entonces
e

1
1

2 2t

= 2e1

Solucin: No se puede escribir de forma exacta.

Si suponemos
t
!
t
!
X ai
X ai
1
= 2e
=) 1 = 9 2e
=)
i
9
2
2i
i=1
i=1
t
!
X
te
2
ti
=) 2te = 32 m
2
= 3
ai 2

P
Problema 9 Dado un nmero ze = 2e tn=1 a2nn ; en una
aritmtica de precisin nita. Calcular el nmero inmediatamente inferior y superior a l en dicha aritmtica.

i=1

Solucin: Si el nmero es de la forma

donde m es un nmero entero. Ahora bien esta igualdad es imposible porque resultara que 3 divide a 2:

ze = 2e

1
2

entonces el inmediato superior es

+

1
25

1
26

Problema
7 Sean
A
=
2 12 + 213 +

23 21 + 216 + 217 : Calcular B + A y B A

+
1
25

1
27

+
B

1
28

+
=

t
X
1
n
2
n=1

Si por el contrario existe un k0 > 1 tal que ak0 = 1, y

tal que ak = 0 para todo k0 < k t entonces basta tomar
a0k = ak si 1 k < k0 ; a0k0 = 0 y a0k = 1 si k0 < k t:

1
9:

1
24

pertenecen al conjunto A de nmeros reales generados por

la aritmtica de precisin nita.

3. Los nmeros positivos ms grande y ms pequeo

de la aritmtica (teniendo en cuenta las excepciones)
Solucin:
10
!
1
1
X 1
31
31
2 211
M ayor = 2
=
2
1
2i
2
i=1

1
M enor = 231
210

Solucin:

Problema 8 Sean emin , emax ; los valores mnimo y mximo del exponente e: Demostrar que si emin < e < emax ;
entonces los nmeros:
t
!
X an
1
e
t
2
2n
2
n=1

2. El cero, el innito y Na. Solucin:

31 1
0 = 2
2

1
1 = 232
2

1
32 1
N aN = 2
+
2 22

5. 2 21 2110 : Solucin:

2 12 2110 = 20 12 + 212 + 213 +

1. B A = 22

1. 2; y los nmeros ms cercanos a 2 por arriba y por

debajo. Solucin:

2 1
2 = 2
2

1
2 1
Si guiente = 2
+
2 210
10
!
1
1
X 1
2 211
Anterior = 2
=
2
1
2i
2
i=1

4.

B + A = 23

1
29

ze + 2e

y el inmediato inferior es

2e1

1
2t

t
X
1
n
2
n=1

CALCULO DE CEROS DE UNA FUNCION

para cualquier otro nmero ze; el inmediato superior e inferior son

1
ze 2e t
2

Problema 12 Calcular 2 iteraciones del algoritmo de la

biseccin para buscar un cero de la funcin f(x) = x2 2
en el intervalo [2; 0]

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

x2 2x + 0:01 evitando los errores de cancelacin.

Solucin:

Solucin:

x1
x2

=
=

2+

x =

4 0:04
= 1:995
2

f(2) >
N uevo Intervalo =

0:01
1:995

x =
f(2) >
N uevo Intervalo =

Problema 11 Escribir el cdigo en fortran 77 para implementar el clculo de las races reales de ax2 + bx + c = 0
evitando los errores de cancelacin y teniendo en cuenta
las diferentes opciones que aparecen cuando a 6= 0 y a = 0:

0 + (2)
= 1
2
0; f(0) < 0; f (1) < 0
[2; 1]
1 + (2)
= 1:5
2
0; f(1) < 0; f(1:5) > 0
[1:5; 1]

Solucin:

Problema 13 Escribir el cdigo en fortran 77 para implementar el mtodo de la biseccin

PRINT *, CALCULO DE LAS RAICES DE

P(X)=A*X ^2+BX+C
PRINT *, INTRODUZCA EL VALOR DE A
READ *,A
PRINT *, INTRODUZCA EL VALOR DE B
READ *,B
PRINT *,INTRODUZCA EL VALOR DE C
READ *,C
IF (A.EQ.0 ) THEN
IF (B.EQ.0 ) THEN
PRINT *, EL POLINOMIO ES CONSTANTE
EXIT
ENDIF
PRINT *, EL POLINOMIO ES DE GRADO 1.
PRINT *, LA RAIZ ES X=,C=B
EXIT
ENDIF
D=B*B-4*A*C
IF (D.LT.0 )THEN
PRINT *, EL POLINOMIO NO TIENE RAICES
REALES
EXIT
ENDIF
IF (B.GT.0) THEN
X1=(-B-SQRT(D))/(2*A)
ELSE
X1=(-B+SQRT(D)/(2*A)
ENDIF
X2=C/(X1*A)
PRINT *,LAS RAICES SON: ,X1,X2
END

Solucin:
PRINT *,METODO DE LA BISECCION
PRINT
*,INTRODUCIR
EL
EXTREMO
IZQUIERDO DEL INTERVALO
READ *,A
PRINT *,INTRODUCIR EL EXTREMO DERECHO DEL INTERVALO
READ *,B
IF (A.GT.B) THEN
PRINT *, INTERVALO INCORRECTO
EXIT
ENDIF
PRINT *,INTRODUCIR LA PRECISION
READ *,TOL
IF (F(A)*F(B).GT.0) THEN
PRINT *,NO HAY CAMBIO DE SIGNO EN EL
INTERVALO
EXIT
ENDIF
1 X=(A+B)/2
IF (F(X).EQ.0).OR.((B-A).LT.TOL) THEN
PRINT *,LA RAIZ DE LA FUNCION ES: ,X
EXIT
ENDIF
IF((F(A)*F(X)).LE.0) THEN
B=X
ELSE
A=X
ENDIF
GOTO 1
END
FUNCTION F(X)
F=COS(X)
4

Problema 16 Calcular una iteracin del mtodo de

Newton-Raphson para calcular un cero de la funcin
f (x) = x3 3 partiendo de x0 = 1:

END

Problema 14 Calcular 2 iteraciones del algoritmo de la

regula-falsi para buscar un cero de la funcin f(x) = x2 2
en el intervalo [0; 2]

Solucin:
x1 = 1

Solucin:
2
f (0) = 1
f (2) f(0)
f (2) > 0; f(0) < 0; f (1) < 0
N uevo Intervalo = [1; 2]
1
4
x = 1
f (1) =
f (2) f(1)
3
4
f (2) > 0; f(1) < 0; f ( ) < 0
3
4
N uevo Intervalo = [ ; 2]
3
Problema 15 Escribir el cdigo en fortran 77 para implementar el mtodo de la Regula-falsi

2
5
=
3
3

x = 0

Problema 17 Calcular una iteracin del mtodo de la secante para calcular un cero de la funcin f (x) = x3 3
partiendo de x0 = 0; x1 = 1
Solucin:
x1 = 1

Solucin:

2(3)
10

=3

Problema 18 Escribir un programa en fortran 77 que

implemente el mtodo de la Secante utilizando reales de
doble precisin. Los datos de entrada son las aproximaciones iniciales x0, y x1; El nmero mximo de iteraciones
N max; y la tolerancia T OL para determinar la igualdad
de dos nmeros.

PRINT *,METODO DE LA REGULA FALSI

PRINT
*,INTRODUCIR
EL
EXTREMO
IZQUIERDO DEL INTERVALO
READ *,A
PRINT *,INTRODUCIR EL EXTREMO DERECHO DEL INTERVALO
READ *,B
IF (A.GT.B) THEN
PRINT *, INTERVALO INCORRECTO
EXIT
ENDIF
PRINT *,INTRODUCIR LA PRECISION
READ *,TOL
IF (F(A)*F(B).GT.0) THEN
PRINT *,NO HAY CAMBIO DE SIGNO EN EL
INTERVALO
EXIT
ENDIF
1 X=A-F(A)*(B-A)/(F(B)-F(A))
IF (F(X).EQ.0).OR.((B-A).LT.TOL) THEN
PRINT *,LA RAIZ DE LA FUNCION ES: ,X
EXIT
ENDIF
IF(F(A)*F(X)).LE.0 THEN
B=X
ELSE
A=X
ENDIF
GOTO 1
END

Solucin:
IMPLICIT DOUBLE PRECISION (X)
PRINT *,METODO DE LA SECANTE
PRINT *,INTRODUCIR X0
READ *,X0
PRINT *,INTRODUCIR X1
READ *,X1
IF (X0.EQ.X1) THEN
PRINT *, LAS DOS APROXIMACIONES INICIALES COINCIDEN
EXIT
ENDIF
PRINT *,INTRODUCIR LA PRECISION
READ *,XTOL
PRINT *,INTRODUCIR NUMERO MAXIMO DE
ITERACIONES
READ *,NMAX
DO 1 K=1,NMAX
IF(ABS(X1-X0).LT.TOL) THEN
PRINT *,LA RAIZ DE LA FUNCION ES: ,X1
EXIT
ENDIF
IF(XF(X1).EQ.XF(X0)) THEN
PRINT *,METODO NO CONVERGE
EXIT
ENDIF
X2=X1-XF(X1)*(X1-X0)/(XF(X1)-XF(X0))
X0=X1
X1=X2

FUNCTION F(X)
F=COS(X)
END

Problema 22 Aislar en intervalos las races del polinomio P (x) = 20x3 45x2 + 30x 1.

1 CONTINUE
PRINT *,NUMERO MAXIMO DE ITERACIONES
EXCEDIDO
END

Solucin: Teniendo en cuenta que en este caso

FUNCTION XF(X)
IMPLICIT DOUBLE PRECISION (X)
F=COS(X)
END

1+

45
65
maxk=0;::;n1 j ak j
=1+
=
j an j
20
20

65
todas las races estn en el intervalo [ 65
20 ; 20 ]: Para aislar las races calculamos los ceros de la derivada P 0 (x) =
60x2 90x + 30, dichas races son 1 y 1=2: Por otro lado
tenemos

Problema 19 Calcular una iteracin del mtodo de

Muller para calcular un cero de la funcin f (x) = x3 3
partiendo de x0 = 1 (Calculando las derivadas de la funcin de forma exacta) y quedndonos con la raz ms cercana a x0 :

65
)
20
1
P( )
2
P (1)
65
P( )
20

P (

Solucin:
2 + 3(x 1) + 3(x 1)2 = 0
p
3 + 33
x1 = 1 +
6

= 1260: 4
21
4
= 4

= 307: 75

1
por tanto hay una nica raz en el intervalo [ 65
20 ; 2 ]:

Problema 23 Aislar en intervalos las races del polinomio P (x) = 2x3 + 3x2 12x + 1

Problema 20 Dado el polinomio P (x) = 2x3 +3x2 +4x+

5. Evaluar el polinomio y su derivada en el punto x = 2,
utilizando el algoritmo de Horner

Solucin:

Solucin:

P 0 (x) = 6x2 + 6x 12
P (x)
P (2)
P (2)
P 0 (x)
P 0 (2)

=
=
=
=
=

Intervalo Inicial [7; 7]

P (7) = 454 P (2) = 21 P (1) = 6 P (7) = 750:

((2x + 3)x + 4)x + 5

((7)2 + 4)2 + 5
(18)2 + 5 = 41
(2x + 7)x + 18
(4 + 7)2 + 18 = 40

Intervalos donde estn las races:

[-7,-2] [-2,1] [1,7]

INTERPOLACION DE FUNCIONES I

Problema 21 Calcular el nmero mximo de races positivas y negativas del polinomio x5 35x3 + 30x2 + 124x
120; y localizarlas en un intervalo.

Problema 24 Calcular el polinomio interpolador de Lagrange P3 (x) de la funcin f (x) = sen(x) en los puntos
0; 2 ; y 3
2 .

Solucin: Teniendo en cuenta que

1+

ra{ces x = 1; 2

maxk=0;::;n1 j ak j
= 125
j an j

por tanto el nmero de races positivas es 1 3: Para estimar el nmero de races negativas cambiamos x por x y
miramos los signos de los coecientes que en este caso son:

Solucin: Puesto que sen(0) = sen() = 0 slo necesitamos los polinomios base de Lagrange centrados en 2 y
3
2 :

x (x ) x 3
2

3
P 2 (x) =
2
2 2
2

x (x ) x 2

P 3
(x)
=
3 3
3

2
2
2
2 2

++

P (x) = P 2 (x) P 3
(x)
2

las races del polinomio estn en el intervalo [125; 125]:

Para calcular el nmero mximo de races positivas miramos los cambios de signo de los coecientes, en este caso
los signos son:
+++

Por tanto el polinomio interpolador es

por tanto el nmero de races negativas son 0 2:

Problema 25 Calcular la expresin del error interpolacin al aproximar la funcin f(x) = sen(x) en el intervalo [0; 2] interpolando en los puntos 0; 2 ; , 3
2 : y acotarlo superiormente.

Problema 28 Calcular el polinomio interpolador de Lagrange P3 (x) de la funcin f (x) = sen(x) en los puntos
0; 2 ; y 3
2 utilizando las diferencias divididas de Newton.
Solucin: Las diferencias divididas son: f[0] = 0; f [ 2 ] =
1; f[] = 0, f[ 3
2 ] = 1;

Solucin: El error de interpolacin viene dada por la

expresin:

sen()

3
f (x) PN (x) =
x x
(x ) x
4!
2
2

2
f[0; ] =
2

2
f [ ; ] =
2

3
2
f[; ] =
2

4
f[0; ; ] = 2
2

3
f [ ; ; ] = 0
2
2

3
8
f [0; ; ; ] =
2
2
3 3
por tanto, el polinomio interpolador es
2
4

P (x) = x 2 x x
+ 3x x
(x )

2
3
2

el valor mximo del sen() es 1: Por otro lado el valor

donde alcanza el mximo el polinomio del error en [0; 2]
es x = 2, por tanto la cota del error que obtenemos es

3
jf (x) PN (x)j 2 2
(2 ) 2
4!
2
2

Problema 26 Calcular el error mximo de interpolacin

en el intervalo [0; 1] al interpolar la funcin cos(x) en los
puntos dados por los polinomios de Chebyshev tomando
N = 5:

Problema 29 Calcular el polinomio interpolador de Lagrange P3 (x) de la funcin f(x) = 2x en los puntos
0; 1; 3; 4 utilizando las diferencias divididas de Newton.
Expresar el polinomio tomando en primer lugar x0 = 0;
x1 = 1; x2 = 3 y x3 = 4; y en segundo lugar x0 = 4;
x1 = 3; x2 = 1; y x3 = 0:

Solucin: Segn las frmulas vistas en teora el error

viene dado por la expresin:

maxx2[a;b] f N+1) () b a N+1

j f(x) PN (x) j
(N + 1)!2N
2

en nuestro caso como N = 5 y la derivada sexta de cos(x)

es cos(x) cuyo mximo en valor absoluto es 1; obtenemos
1
j f(x) PN (x) j
6!25

Solucin: En el primer caso, las diferencias divididas

son f [x0 ] = 1; f[x1 ] = 2; f [x2 ] = 8; f [x3 ] = 16:

6
1
= 6: 78 107
2

f [x0 ; x1 ] = 1
f [x1 ; x2 ] = 3
f [x2 ; x3 ] = 8
2
f [x0 ; x1 ; x2 ] =
3
5
f [x1 ; x2 ; x3 ] =
3
1
f[x0 ; x1 ; x2 ; x3 ] =
4
y el polinomio interpolador es:

Problema 27 Interpolar la funcin f (x) = x210+1 en los

puntos x0 = 2; x1 = 1; x2 = 1; x3 = 2 utilizando las
diferencias de Newton y evaluar el polinomio en x = 0
utilizando el algoritmo de Horner.
Solucin:
2 ! 2
-1 ! 5
1!5

2
1
P (x) = 1 + x + x(x 1) + x(x 1)(x 3)
3
4
Si tomamos ahora los puntos en orden inverso: f [x0 ] = 16;
f [x1 ] = 8; f[x2 ] = 2; f [x3 ] = 1:

-1
0

0
-1

-3

2!2

f [x0 ; x1 ] = 8
f [x1 ; x2 ] = 3
f [x2 ; x3 ] = 1
5
f [x0 ; x1 ; x2 ] =
3
2
f [x1 ; x2 ; x3 ] =
3
1
f[x0 ; x1 ; x2 ; x3 ] =
4

P (x) = 2 + 3(x + 2) 1(x + 2)(x + 1) + 0(x + 2)(x +

1)(x 1) = (1(x + 1) + 3)(x + 2) + 2
P (0) = (1(0 + 1) + 3)(0 + 2) + 2 = 6
Nota: Quitar parntesis en P(x) y aplicar Horner sobre
el polinomio resultante no es lo que pide el problema y por
lo tanto est mal

donde 2 [0; 4 ]: Para que la aproximacin sea la mejor

dentro de una aritmtica de 32 bits tiene que cumplirse

El polinomio interpolador es:

5
1
P (x) = 16+8(x4)+ (x4)(x3)+ (x4)(x3)(x1)
3
4

j Pn (x) sen(x) j
224 = 5: 96 108
sen(x)

como puede observarse, al cambiar el orden de los puntos de interpolacin, el polinomio de Lagrange expresado
a travs de las diferencias divididas cambia totalmente,
salvo el ltimo coeciente 14 que es el mismo en mbos casos pues como se haba demostrado en teora el valor de
f [x0 ; x1 ; x2 ; x3 ] no depende del orden en que se toman los
puntos de interpolacin.

por otro lado, en el intervalo [0; 4 ] se verica

sen 4
x sen(x)

por tanto:
2n+2
j Pn (x) sen(x) j
4
sen(x)
(2n + 2)!

Problema 30 Dada una funcin f(x); y una secuencia de valores xn , aproximar f(x) por la parbola que
pasa por los puntos (xn1 ; f (xn1 )) ; (xn2 ; f (xn2 )) y
(xn3 ; f(xn3 )), calcular posteriormente las derivadas del
polinomio, y comprobar que coinciden con las frmulas dadas en el mtodo de Muller para el clculo de las
derivadas f 00 (xn1 ) y f 0 (xn1 ):

para n = 4 se tiene que

Solucin: Si utilizamos las diferencias divididas para interpolar obtenemos f [xn1 ] = f (xn1 )

por tanto n = 4 determina la mejor aproximacin en una

aritmtica de 32 bits.

2n+2
4

(2n + 2)!

f (xn1 ) f (xn2 )
xn1 xn2
f (xn2 ) f (xn3 )
xn2 xn3
f [xn1 ; xn2 ] f [xn2 ; xn3 ]
xn1 xn3

f [xn1 ; xn2 ] =
f [xn2 ; xn3 ] =
f [xn1 ; xn2 ; xn3 ] =

Problema 32 Demostrar que utilizando relaciones

trigonomtricas es posible calcular las funciones sen(x)
y cos(x) para cualquier x (en radianes), utilizando
nicamente su valor en el intervalo [0; 8 ]:
Solucin: En teora se demostr como se pueden denir
el sen(x) y cos(x) para cualquier valor de x a partir de
su denicin en [0; 4 ]; por tanto, en este problema slo
tenemos que denir las funciones trigonomtricas en [0; 4 ]
a partir de su denicin en [0; 8 ]: Basta tener en cuenta
las relaciones:
(

cos
x [0; 8 ] (x)2
x si x 8
cos[0; 4 ] (x) =
2
cos[0; ] 2 sin[0; 8 ] 2
si x > 8

El polinomio interpolador es

P (x) = f (xn1 ) + f[xn1 ; xn2 ](x xn1 ) +

f [xn1 ; xn2 ; xn3 ](x xn1 )(x xn2 )
por tanto
P 00 (xn1 ) = 2f[xn1 ; xn2 ; xn3 ]
P 0 (xn1 ) = f[xn1 ; xn2 ] + f [xn1 ; xn2 ; xn3 ](xn1
xn2 )

sen[0; 4 ] (x) =

que corresponde a las frmulas utilizadas por el

mtodo de Muller.

sen(x) u Pn (x) = x

sen [0;8 ] (x) si x

2 cos[0; 8 ] x2 sin[0; 8 ] x2
si x >

Solucin: En primer lugar, la funcin cos(x) la desarrollamos por serie de Taylor como

Solucin: El desarrollo de Taylor en 0 del sen(x) viene

dado por:
5

Problema 33 Calcular los polinomios necesarios para interpolar las funciones trigonomtricas cos(x) y sen(x) en
el intervalo [0; 8 ] en una aritmtica de 32 bits

Problema 31 Aproximar la funcin sen(x) en el intervalo [0; 4 ] utilizando el desarrollo de Taylor, y calcular el
valor de n a partir del cual la aproximacin es la mejor
posible dentro de una aritmtica de 32 bits.

= 2: 46 108

cos(x) u Pn (x) = 1

2n+1

x
x
x
+
+ :::: + (1)n
3!
5!
(2n + 1)!

x2 x4
x2n
+
+ :::: + (1)n
2!
4!
(2n)!

y el error mximo cometido por el desarrollo de Taylor en

un punto x 2 [0; 8 ] es

y el error mximo cometido por el desarrollo de Taylor en

un punto x 2 [0; 4 ] es

2n+1

(x)
j Pn (x) cos(x) j sen( )
8 (2n + 1)!

2n+2

(x)
j Pn (x) sen(x) j sen( )
4 (2n + 2)!
8

donde 2 [0; 8 ]: Para que la aproximacin sea la mejor

dentro de una aritmtica de 32 bits tiene que cumplirse

ANALISIS NUMERICO MATRICIAL I

j Pn (x) cos(x) j
224 = 5: 96 108
cos(x)

Problema 35 Calcular el nmero de operaciones bsicas

(sumas, restas, multiplicaciones y divisiones) en funcin
de la dimensin N necesarias para realizar un remonte
para resolver un sistema A0 u = b0 donde A0 es una matriz
triangular superior.

por tanto:
2n+1
j Pn (x) cos(x) j
8
tan( )
cos(x)
8 (2n + 1)!

para n = 3 se tiene que

2n+1
8
= 1: 18 107
tan( )
8 (2n + 1)!

Solucin: Escribimos la matriz A0 de la siguiente manera,

0
1
a11 a12
a1;n2
a1;n1
a1n
B 0 a22
a2;n2
a2;n1
a2n C
B
C
B ..
C
..
.
.
..
.
.
.
.
B .
C
.
.
.
.
.
B
C
B 0
0
0 an2;n2 an2;n1 an2;n C
B
C
@ 0
0
0
0
an1;n1 an1;n A
0
0
0
0
0
an;n

con lo cual ya estamos muy cerca de la precisin ptima.

Para n = 4
2n+1
8
tan( )
= 2: 53 1010
8 (2n + 1)!

por tanto n = 4 determina la mejor aproximacin en

una aritmtica de 32 bits.

En el remonte se empiezan a calcular los ui de abajo

hacia arriba. Las operaciones que se realizan vienen dadas
por:
n
un = abnn

Anlogamente, para la funcin sen(x) tenemos

sen(x) u Pn (x) = x

x3 x5
x2n+1
+
+ :::: + (1)n
3!
5!
(2n + 1)!

y el error mximo cometido por el desarrollo de Taylor en

un punto x 2 [0; 4 ] es
(x)2n+2
j Pn (x) sen(x) j sen( )
8 (2n + 2)!

donde 2 [0; 8 ]: Para que la aproximacin sea la mejor

dentro de una aritmtica de 32 bits tiene que cumplirse

por otro lado, en el intervalo [0; 8 ] se verica

sen 8
x sen(x)

por tanto:

2n+2
j Pn (x) sen(x) j
8
sen(x)
(2n + 2)!

un2 =

bn2 (an2;n un +an2;n1 un1 )

an2;n2

un3 =
..
.

bn3 (an3;n un +an3;n1 un1 +an3;n2 un2 )

an3;n3

Sumas
n1
..
.

Multiplic:
n1
..
.

Divisiones
1
..
.

T otal
2n 1
..
.

3
2
1
0

3
2
1
0

1
1
1
1

7
5
3
1

A partir de esta tabla podemos calcular el total de

operaciones sumando por columnas:

para n = 3 se tiene que

2n+2
8

bn1 an1;n un
an1;n1

En la siguiente tabla se muestra el nmero de operaciones que se realizan en cada iteracin:

j Pn (x) sen(x) j
224 = 5: 96 108
sen(x)

(2n + 2)!

un1 =

= 1: 402 679 863 108

Sumas = 0 + 1 + 2 + 3 + : : : + n 1 =

por tanto n = 3 determina la mejor aproximacin en una

aritmtica de 32 bits.

(n1)n
2

M ultiplicac: = 0 + 1 + 2 + 3 + : : : + n 1 =

(n1)n
2

Divisiones = 1 + 1 + 1 + 1 + : : : + 1 = n

Problema 34 Como se puede obtener la funcin yx ;

donde x; y son nmeros reales, utilizando las funciones ex
y ln(x):

Total = 1 + 3 + 5 + 7 + : : : + 2n 1 =
= Sumas + M ultiplicac: + Divisiones =

Solucin: Se utiliza la equivalencia

yx = ex ln y

(n1)n
2

(n1)n
2

+ n = n2

El orden del algoritmo es entonces O(n2 ):

9

Problema
36 Resolver

por el
mtodo
de Gauss el sistema
1 2
x
3
=
2 1
y
0

A continuacin obtenemos el total de operaciones en

cada iteracin sumando por columnas:
1a Iteracin:

Solucin:

1 2
x
3
=
!
2
1
y
0

2 1
x
0
=
!
1
2
y
3

2 1
x
0
=
! 23 y = y ! y = 2 !
0 23
y
3
x = 22 = 1

Divisiones = 1 + 1 + : : : + 1 = n 1
M ultiplicac: = n + n + : : : + n = n(n 1)
Sumas = n + n + : : : + n = n(n 1)
2a Iteracin:
Divisiones = 1 + 1 + : : : + 1 = n 2
M ultiplicac: = (n 1) + (n 1) + : : : + (n 1) =

Problema 37 Calcular el nmero de operaciones bsicas

necesarias para descomponer el sistema Au = b en el sistema A0 u = b0 utilizando el mtodo de Gauss, y teniendo
en cuenta la siguiente relacin
M1
X
k=1

=(n 1)(n 2)
Sumas = (n1)+(n1)+: : :+(n1) = (n1)(n2)
..
.

1
1
1
k2 = M 3 M 2 + M
3
2
6

(n-1)a Iteracin:
Divisiones = 1

Solucin:

a11
B a21
B
A=B .
@ ..
an;1

a12
a22
..
.

..
.

a1n
a2n
..
.

an;2

an;n

M ultiplicac: = 2

Sumas = 2

C
C
C
A

Total operaciones1 :
Divisiones = (n1)+(n2)+(n3)+: : :+1 =

En cada iteracin se realizan las siguientes operaciones:

M ultiplicac: = n(n 1) + (n 1)(n 2) + : : : + 2 =

=((n 1) + 1)(n 1) + ((n 2) + 1)(n 2) + : : : =

Para cada iteracin (i):

Para cada la (j)

aaii
ii
aj1 ai1

aji
aii

=(n 1)2 + (n 1) + (n 2)2 + (n 2) + : : : =

3

= 2n

: : : ajn ain

aji
aii

1a

2a
..
.
(n 1)a

3n2 +n
6

(n1)n
2

n3 n
3

Sumas = n(n 1) + (n 1)(n 2) + : : : + 2 =

Fila
2a
3a
..
.

Division.
1
1
..
.

Multiplic.
n
n
..
.

Sumas
n
n
..
.

na
3a
4a
..
.

1
1
1
..
.

n
n1
n1
..
.

n
n1
n1
..
.

na
..
.

1
..
.

n1
..
.

n1
..
.

na

n3 n
3

Total=Sumas + Multiplicac: + Divisiones =

En la primera iteracin, este proceso se repite N 1

veces (para las N 1 j-las inferiores). En la segunda, se
repite N 2 veces, y as sucesivamente hasta la penltima
la, en donde slo se realiza una vez.
Iteracin

n(n1)
2

n3 n
3

n(n1)
2

= 23 n3 + 21 n2 67 n
3

El orden del algoritmo es entonces O( 2n3 ):

Problema 38 Implementar en FORTRAN la funcion
IDESCENSO(A; b; u; N; N max) que resuelve un sistema
donde A es una matriz triangular inferior, b es el vector
de trminos independientes, u el vector solucin, N es la
dimensin real del sistema y N max la dimensin que se
utilizo para reservar la memoria de la matriz A: La funcin
devuelve 0 si termina correctamente y 1 en caso contrario.
Nota Importante: Las lneas de cdigo tienen que ir todas numeradas y no pueden superar las 15 lneas como
mximo.
11

10

+ 22 + 32 + ::: + (n 1)2 =

2n3 3n2 +n
6

Solucin:
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15

Solucin:Tenemos que demostrar, por una parte, que

At = A (A simtrica) y, por otra, que x
t A
x > 0 (A denida
2
positiva ).

IDESCEN SO(A; b; u; N; N max)

DIMEN SION A(N max; ); b(); u()
DO 13 I = 1; N
IF (A(I; I):EQ:0) T HEN
IDESCEN SO = 1
RET URN
EN DIF
u(I) = b(I)
DO 11 J = 1; I 1
u(I) = u(I) A(I; J) u(J)
CON T INU E
u(I) = u(I)=A(I; I)
CONT IN U E
IDESCEN SO = 0
END

1. Simtrica:
t

Como jBj 6= 0; si B
x = 0 =) x
=0
Una matriz se dice denida positiva si se cumple que
8
x 6= 0; x
t A
x > 0 =)
=) x
t A
x=x
t BB t x
= (B t x
) B t x
=

Problema 39 Resolver por el mtodo de Gauss el siguiente sistema de ecuaciones

0
10
1 0 1
0 1 2
u1
1
@ 1 2 1 A @ u2 A = @ 0 A
2 1 0
u3
1

1
2 1 0 1
1 2 1 0 A
0 1 2 1

Clculo de los elementos de la matriz B :

A = B Bt =
0
b11 0
= @ b21 b22
b31 b32

u1 =

1+u2
2

=1
=
=

2
2

1
1

1
1 4
5 6 A
6 26

donde la matriz B es triangular inferior.

0
1
b11 0
0
B = @ b21 b22 0 A
b31 b32 b33
0
1
b11 b21 b31
B t = @ 0 b22 b32 A
0
0 b33

4. Realizamos el remonte, y obtenemos como solucin:

12u3
1

la siguiente matriz A por el

A = B Bt;

3. Hacemos ceros en la segunda columna

j1
filaj f ila2 aa11
;j > 2 :
0
1
0
1
2 1 0 1
2 1 0 1
! @ 0 3 2 1 A
@ 0 3 2 1 A
ceros
0 1 2 1
0 0
4 4

u2 =

yi2 > 0

Solucin: La descomposicin por el mtodo de Cholesky

tiene la forma siguiente:

la primera:

2. Hacemos ceros en la primera columna

j1
filaj f ila1 aa11
;j > 1 :
0
1
0
1
2 1 0 1
2 1 0 1
! @ 0 3 2 1 A
@ 1 2 1 0 A
ceros
0 1 2 1
0 1 2 1

4
4

Problema 41 Descomponer
mtodo de Cholesky
0
1
A=@ 1
4

Solucin: Pasos en la descomposicin por Gauss:

u3 =

2. Denida positiva:

= yt y =

1. Intercambiamos la tercera la con

0
1
0
0 1 2 1
!
@ 1 2 1 0 A
pivoteo @
2 1 0 1

At = (B B t ) = (B B t ) = (B t ) B t = B B t = A

b211
@
b11 b21
=
b11 b31

=1

10
0
b11
0 A@ 0
b33
0
b11 b21
b221 + b222
b21 b31 + b22 b32

b21
b22
0

1
b31
b32 A =
b33

1
b11 b31
b21 b31 + b22 b32 A
b231 + b232 + b233

Igualamos los elementos de la matriz anterior con los

elementos de la matriz A y se obtienen los siguientes resultados:

=1

Problema 40 Demostrar que si A = B B t (B triangular

inferior) y jBj =
6 0; entonces A es simtrica y denida
positiva

2 Matriz denida positiva: 8

x 6= 0 =) x
t A
x > 0:
Esta es la denicin formal. De forma prctica, se comprueba que los
menores principales de la matriz sean positivos. Tambin se cumple
si todos sus autovalores son positivos: x
t A
x=x
t
x =
xt x
> 0:

11

En la siguiente tabla se muestra de forma esquematizada, el nmero de operaciones en cada iteracin:

b211 = 1
b11 = 1

Iteraci
on
b11 b21 = 1
b21 =

1
b11

=1

i=1

Sumas
0
0
..
.

M ultiplic:
0
0
..
.

b11 b31 = 4
b31 =

4
b11

1
n1

=4

1
1
..
.

i=2

b221 + b222 = 5
p
p
b22 = (5 b221 ) = (4) = 2
6b21 b31
b22

64
2

b231 + b232 + b233 = 26

p
p
b33 = (26 b231 b232 ) = (26 16 12 ) = 3

n1

n2

2
2
..
.

2
2
..
.

0
1
..
.

2(n2)

n3

2(n2)

..
.
i=n

La descomposicin queda de la siguiente manera:

0
1
..
.

i=3

=1

1
1
..
.

n1

b21 b31 + b22 b32 =6

b32 =

Divisiones
0
1
..
.

..
.
n1

..
.
n1

..
.
0

El total de operaciones se obtiene sumando los totales

parciales de la tabla anterior:

A = B Bt =
0
10
1
1 0 0
1 1 4
= @ 1 2 0 A@ 0 2 1 A
4 1 3
0 0 3

Sumas = M ultiplicac: =
= (n 1) + 2 (n 2) + 3(n 3) + : : : + (n 1) =
P
n3 n
= n1
i=1 i(n i) =
6

Problema 42 Calcular el nmero de operaciones necesarias para resolver un sistema por el mtodo de Cholesky.

Divisiones = (n 1) + (n 2) + (n 3) + : : : + 1 =
P
n(n1)
= n1
i=1 i =
2

Solucin: Las operaciones que se realizan en cada iteracin vienen dadas por:

El resultado nal es:

Total=Sumas + M ultiplicac: + Divisiones =

Iteraci
on
i=1

i=2
..
.
i=n

= 2n

Operaciones
p
j = 1 : b11 = a11
21
j = 2 : b21 = ab11
..
.
j = n : bn1 = abn1
p11
j = 2 : b22 = a22 b221
21 b31
j = 3 : b32 = a32 b
b22
..
.
21 bn1
j = n : bn2 = an2 b
b22
..
.
q

j = n : bnn = ann b2n1 + : : : + b2n;n1

n
6

n(n1)
2

= 13 n3 65 n + 12 n2

El orden del algoritmo es O

n3
3

Problema 43 Demostrar que a partir de un mtodo para

resolver sistemas de ecuaciones se puede construir de
forma inmediata un mtodo para calcular la inversa A1
de una matriz A:
Solucin:

B
B
AA1 = Id = B
@

1 0
0 1
.. .. . .
.
. .
0 0

0
0
..
.
1

1
C
C
C
A

Si expresamos la matriz inversa de la siguiente manera:

12

B
B
AB
@

c11
c21
..
.

c12
c22
..
.

..
.

c1n
c2n
..
.

cn1

cn2

cnn

C B
C B
C=B
A @

1 0
0 1
.. .. . .
.
. .
0 0

0
0
..
.
1

l2 u2 = b2

C
C
C;
A

l2 = a2 m1 u1 ; u2 =
..
.
mn2 un2 + ln1 = an1

se pueden calcular las columnas de esa matriz a partir de

N sistemas de ecuaciones de la siguiente forma:
0
1 0 1
c11
1
B c21 C B 0 C
B
C B C
AB . C = B . C
@ .. A @ .. A

ln1 un1 = bn1

ln1 = an1 mn2 un2 ; un1 =

cn1

c12
B c22
B
AB .
@ ..
cn2
..
. 0
c1n
B c2n
B
AB .
@ ..

C B
C B
C=B
A @
1

cnn

C B
C B
C=B
A @

0
1
..
.
0
0
0
..
.
1

ln = an mn1 un1

C
C
C
A

El algoritmo queda de la siguiente manera:

l1 = a1
u1 = bl11
Para i = 2; : : : ; n 1
mi1 = ci1
li = ai mi1 ui1
ui = blii
Fin Para
mn1 = cn1
ln = an mn1 un1

C
C
C ; c.q.d.
A

Problema 44 Demostrar el algoritmo de Crout para descomponer matrices tridiagonales.

Problema 45 Resolver utilizando el mtodo de Crout el

siguiente sistema de ecuaciones
0
10
1 0
1
2
4 0
x
6
@ 1 0 4 A @ y A = @ 3 A
0 1 0
z
1

la matriz tridiagonal siguiente:

1

0 C
C
b3
0 C
C
C
..
A
. b
n1

cn1

an

La descomposicin por el mtodo de Crout genera dos

matrices de la forma:
0
10
1
l1 0
:
0
1 u1 :
0
B m1 l2
B
:
0 C
0 C
CB 0 1 :
C=
A=B
@ 0
A
@
:
:
0
0 : : un1 A
0
: mn1 ln
0 : 0
1
0

l1
B m1
B
=@
0
0

l1 u1
m1 u1 + l2
:
0

bn1
; mn1 = cn1
ln1

mn1 un1 + ln = an

Solucin: Consideremos
0
a1 b1 0
B c1 a2 b2
B
B
A = B 0 c2 a3
B ..
..
..
@ .
.
.

b2
; m2 = c2
l2

0
l2 u2
:
:

:
:
:
mn1

0
C
0
C
A
ln1 un1
mn1 un1 + ln

Igualando ambas matrices y despejando los elementos

li ; ui y mi ,

Solucin: Aplicando el algoritmo del problema anterior,

obtenemos los siguientes resultados:
i=1
l1 = 2
u1 =

4
2

=2

i=2
m1 = 1
l2 = 0 2 (1) = 2
u2 =

4
2

=2

i=3

l1 u1 = b1
l1 = a1 ; u1 =

b1
; m1 = c1
l1

m2 = 1
l3 = 0 2 (1) = 2

m1 u1 + l2 = a2
13

En la siguiente tabla se muestra el nmero de operaciones en cada iteracin:

Sustituyendo estos valores en las matrices de Crout,

la descomposicin queda:
0
1 0
1
2
0 0
1 2 0
A = L U = @ 1 2 0 A @ 0 1 2 A
0 1 2
0 0 1
Para resolver el sistema, se tiene en cuenta lo siguiente:
Ax = b
LU x = b

(U x = y)

Divisiones
1
1
1
..
.

i=n

= 1 + 1 + : : : + 1 = (n 1)
Total=Sumas + M ultiplicac: + Divisiones =

Calculamos el valor de y a partir del sistema anterior:

0
10
1 0
1
2
0 0
y1
6
@ 1 2 0 A @ y2 A = @ 3 A ;
0 1 2
1
y3

= 3 (n 1)
El orden del algoritmo es O (3n)

aplicando un algoritmo de descenso,

0

y1
@ y2 A = @
y3

6
2
3+y1
2
1+y2
2

DIFERENCIACION E INTEGRACION
NUMERICA

3
A=@ 3 A
1

Problema 47 Dados 3 puntos distintos xl ; xi ; xr demostrar que la frmula:

Calculamos el vector x por remonte:

(xl )
(xi )
+ (xr xi ) f (xxi )f
(xi xl ) f (xxrr)f
xi
i xl
f (xi )
xr xl

Ux = y
0
10
1 0 1
1 2 0
x1
3
@ 0 1 2 A @ x2 A = @ 3 A
0 0 1
x3
1

1 0
1 0 1
x1
3 2x2
1
@ x2 A = @ 3 2x3 A = @ 1 A
x3
1
1

aproxima la derivada de f 0 (xi ) con un orden de aproximacin de 2:

quedndonos la solucin nal x =

1 1 1

Solucin: Evaluamos el desarrollo de Taylor de la funcin

en los puntos xr ; xl :

f (xl ) = f (xi ) + f 0 (xi )(xl xi )+

+f

Problema 46 Calcular el nmero de operaciones necesarias para resolver un sistema tridiagonal por el mtodo
de Crout.

Operaciones
l1 = a1 ; u1 = bl11
m1 = c1 ; l2 = a2 m1 u1 ; u2 =
..
.
ln = an mn1 un1

00

(xi )
2! (xl

f 000 (xi )
(xl
3!

xi )2 +

xi )3

f (xr ) = f (xi ) + f 0 (xi )(xr xi )+

+f

00

(xi )
2! (xr

xi )2 +

f 000 (xi )
(xr
3!

xi )3

(xi )
(xr xi ) f (x(xl )f
= (xr xi )[f 0 (xi )+
l xi )

Solucin: Las operaciones que se realizan en cada iteracin vienen dadas por:
Iteraci
on
i=1
i=2
..
.
i=n

M ultiplic:
0
1
1
..
.

Sumas = M ultiplicac: = Divisiones =

Ly = b

Sumas
0
1
1
..
.

El total de operaciones se obtiene de la tabla anterior

como:

y nos queda un sistema de la forma:

Iteraci
on
i=1
i=2
i=3
..
.

+f

00

(xi )
2! (xl

xi ) +

f 000 (xi )
(xl
3!

xi )2 ]

(xr )
(xi xl ) f (x(xi )f
= (xi xl )[f 0 (xi )+
i xr )
b2
l2

+f

00

(xi )
2! (xr

xi ) +

f 000 (xi )
(xr
3!

xi )2 ]

Sumamos las expresiones anteriores y nos queda:

14

i xr )f (xl )
+ (x(xl x
i )(xl xr )

(xi )
(xi )
+ (xi xl ) f (x(xrr)f
=
(xr xi ) f (x(xl )f
xi )
l xi )

= (xr xi )f 0 (xi ) + (xi xl )f 0 (xi )+

+f

00

+f

00

+f

000

+f

000

(xi )
2! (xi

extraemos el factor (xr xl ),

xl )(xr xi )+

(xi )
2! (xr

(xr xl ) f 0 (xi ) =

xi )(xl xi )+

(xi )
(xr
3!
(xi )
(xi
3!

xl )f (xr )
+ (xi(x

r xi )

xi )(xl xi )2 +

(xr xl ) f 0 (xi ) =

xl )(xr xi )2

000

(xi )
(xr
3!

(xr xl ) f 0 (xi ) =

0+

xi )(xl xi ) ((xl xi ) (xr xi ))

(xi xl )

xr xl

xi f (xi )
+ (x

i xl )

+ O(h2 )

(xi ) +

(xxi )(xxl )
(xr xi )(xr xl ) f

(xi ) +

f 0 (xi ) =
(xr ) +

f (xi ) =

(xxl )+(xxi )
(xr xi )(xr xl ) f

f 0 (xi ) =

f (xi )
(xi xr )

f(xi )
(xi xl )

xl f (xi )
(xi xl )

(xi xr )+(xi xi )
(xl xi )(xl xr ) f

xi f (xi )
(xr xi )

(xi xl )(f (xr )f (xi ))

+
(xr xi )
xi f (xi )
(xr xi )

xr f (xi )
(xr xi ) +

xl f (xi )
(xi xl )
(xi xl )(f (xr )f (xi ))
+
(xr xi )

(xi xl )(f (xr )f (xi )) (xr xi )(f (xi )f (xl ))

+
(xr xi )
(xi xl )
(xr xl )

Solucin:
3
2
a ! f (xi + h) = f (xi ) + hf 0 (xi ) + h2 f 00 (xi ) + h6 f 000 (xi ) +
O(h4 )

(xr ) +

1. b ! f(xi h) = f (xi ) hf 0 (xi ) +

h3 000
4
6 f (xi ) + O(h )

h2 00
2 f (xi )

c ! f (xi 2h) = f (xi ) 2hf 0 (xi ) + 2h2 f 00 (xi )

4h3 000
4
3 f (xi ) + O(h )
0
1
a b 2c = 0
Sistema: @ a2 + 2b + 2c = 0 A
Solucin: a =
a
b
4c

=
1
6
6
3
1; b = 3; c = 1:

(xi ) +

i xl )+(xi xi )
+ (x
(xr xi )(xr xl ) f (xr ) +

Problema 49 Calcular una aproximacin de la derivada

tercera f 000 (xi ) de una funcin f (x) en un punto xi ; utilizando f(xi ); f(xi + h); f(xi h); f (xi 2h)

Evaluamos la derivada en el punto xi y desarrollamos

hasta obtener el resultado:
(xi xl )+(xi xr )
(xi xr )(xi xl ) f

(xr xi )f (xl )
(xi xl )

(xi xl )f (xi )
(xr xi )

simplicando,

r )+(xxi )
+ (xx
(xl xi )(xl xr ) f (xl )

i )xl f (xi )(xr xi )

+ xi f (xi )(x(xrrx
xi )(xi xl )

Derivamos la expresin anterior y obtenemos:

(xxl )+(xxr )
(xi xr )(xi xl ) f

(xi xl )f (xr )
(xr xi )

l )xr f (xi )(xi xl )

+ xi f (xi )(x(xi rx
+
xi )(xi xl )

i )(xxr )
+ (x(xx
f (xl )
l xi )(xl xr )

f 0 (x) =

xr f (xi )xl f (xi )

+
(xi xl )

)(f (xi )f (xl ))

+
+ (xr xi(x
i xl )

Solucin: El polinomio de Lagrange es:

(xxr )(xxl )
(xi xr )(xi xl ) f

(xr xi )f(xl )
(xi xl )

xi f (xi )
(xi xl )

(xr xl ) f 0 (xi ) =

Problema 48 Dados 3 puntos distintos xl ; xi ; xr calcular

el polinomio de Lagrange que interpola a f (x) en esos 3
puntos, calcular la derivada de ese polinomio en xi y comprobar que da la misma frmula que la presentada en el
problema anterior.

f (x) =

(xi xr )f(xl )
(xl xi )

)(f (xi )f (xl ))

+ (xr xi(x
+
i xl )

+ O(h2 )

f (xi )f (xl )
f (xr )f (xi )
+(xr xi )
xr xi
xi xl

(xr xi )f (xi )
(xi xl )

(xr xl ) f 0 (xi ) =

(xi )
+
(xr xl )f 0 (xi ) = (xr xi ) f (x(xl )f
l xi )

f 0 (xi )

xr f(xi )
+
(x
r xi )

El trmino de la tercera derivada nos da el orden de

la frmula:

(xi )
+(xi xl ) f(x(xrr)f
xi )

(xr xl )f (xi )
+
(xi xl )

agrupamos trminos,

(xi )
(xi )
(xr xi ) f (x(xl )f
+ (xi xl ) f (x(xrr)f
=
xi )
l xi )

= (xr xl )f 0 (xi ) +

xr f (xi )+xl f (xi )

(xr xi )

xl )f (xr )
+ (xi(x

r xi )

Agrupamos por las derivadas de la funcin:

f 00 (xi )
2!

(xr xl )f (xi )
(xi xr )

(xl )

(xi xl )f (xr )
(xr xi )(xr xl ) +

15

af (xi +h)+bf (xi h)+cf(xi 2h)(a+b+c)f (xi )

h3
f (xi +h)+3f(xi h)f (xi 2h)3f (xi )
+ O(h)
h3

f 000 (xi ) =

f (xr )f (xi )
f (xi )f (xl )

h
h

f (xr )f (xi )f (xi )f (xl )

h2

=
O(h2 ) =

Problema 50 Dados 3 puntos. Demostrar que la frmula

00

f (xi ) 2

f (xr )f (xi )
xr xi

f (xi )f (xl )
xi xl

f (xr ) f (xi ) + f 0 (xi ) (xr xi ) +

(xr xi )2 +

(xi )
2!

f 000 (xi )
3!

(xr xi )3

00

(xl xi )2 +

(xi )
2!

f 000 (xi )
3!

(xl xi )3

Extraemos en ambas ecuaciones:

f (xr )f (xi )
(xr xi )

+f

000

(xi )
3!

f (xl )f (xi )
(xl xi )

+f

f 00 (xi )
2!

f 0 (xi ) +

000

(xi )
3!

(xr xi ) +

(xr xi )2

(xl xi )2
f (xi )f (xl )
(xi xl )

f 00 (xi ) 2

f (xi )
2!

P 0 (x) '
+

f (x )f (x )
f (xr )f (xi )
xi x l
xr xi
i
l

xr xl

f (x )f (x )
f (xr )f (xi )
xi x l
xr xi
i
l

xr xl

(x xl ) +

(x xi )

Calculamos la segunda derivada, obteniendo:

P 00 (x) ' 2

xr xl

f (x )f (x )
f (xr )f (xi )
xi x l
xr xi
i
l

xr xl

; c.q.d.

Problema 53 Calcular una aproximacin de la derivada

primera y segunda de una funcin f (x) en x = 0; teniendo
en cuenta que f(0) = 1; f (1) = 0; f (4) = 9

f (xi )f (xl )

(xr xi )
(xi xl )
xr xl

+ O(h)

Problema 51 Considerar en el problema anterior que

xl = xi h; y xr = xi + h: Deducir como queda la frmula
anterior para aproximar la derivada segunda, y demostrar
que en este caso el orden de aproximacin es 2:

Solucin:
f 0 (xi )

Solucin: Sustituyendo xl = xi h; y xr = xi + h;
tenemos:
f (xr )f (xi )

f 00 (xi ) 2

(x xl ) (x xi )

((xr xi )2 (xl xi )2 )

f (xr )f (xi )

f 00 (xi ) 2

f (xi )f (xl )
xi xl

f (xi )f (xl )

(xr xi )
(xi xl )
xr xl

f 000 (xr )
3!

xr xl

(x xl ) +

Derivamos el polinomio:

Despejamos la segunda derivada y obtenemos:

f (x )f (x )
f (xr )f (xi )
xi x l
xr xi
i
l

00

(xr xl ) +

000
+ f 3!(xi ) (xr xi )2 (xl xi )2
f (xr )f (xi )

f (xi )f (xl )
xi xl

P (x) ' f(xl ) +

(xl xi ) +

Restamos las expresiones anteriores:

f (xr )f (xi )
(xr xi )

+ O(h2 )

Polinomio de Lagrange:

f 00 (xi )
2!

f 0 (xi ) +

(h h) +

Solucin: Por las diferencias divididas de Newton obtenemos lo siguiente:

xl ! f (xl )
f (xi )f (xl ) +
f (xr )f (xi )
(xl )
f (xxi )f
xi ! f (xi ) xi xl
xr xi
i xl
xr xl
f (xr )f (xi )
xr xi
xr ! f (xr )

f (xl ) f (xi ) + f 0 (xi ) (xl xi ) +

+f

f 000 (xi )
3!

Problema 52 Dados 3 puntos xl < xi < xr calcular el

polinomio de Lagrange que interpola a f(x) en esos 3 puntos, calcular la derivada segunda de ese polinomio en xi
y comprobar que da la misma frmula que utilizando los
desarrollos de Taylor.

Solucin: Desarrollo de Taylor de la funcin en el punto

xi y evaluacin en xr y xl :

00

f (xr )2f (xi )f (xl )

h2

La aproximacin de la segunda derivada queda de la

forma,
f (xr ) 2f (xi ) f (xl )
f 00 (xi )
h2

xr xl

aproxima la derivada segunda de f (x) en xi con un orden

de aproximacin de 1:

+f

f (xi )f (xl )

x x +h
(xi +hxi )
( i i )
xi +hxi +h

=
16

(xi xl )

f (x )f (x )
f (xr )f (xi )
+(xr xi ) xi x l
xr xi
i
l

xr xl

(0)
(1)
(01) f (4)f
+(40) f (0)f
40
01
41

10
91
4 +4 1
3

6
3

= 2

24
3

f (xi )f (xl )

(xr xi )
(xi xl )
xr xl

f (xr )f (xi )

f 00 (xi ) 2
=2

10
91
(40) (01)

41

Fxx + Fyy =

F (x+h;y)+F (xh;y)+F (x;y+h)+F (x;yh)4F (x;y)

,
h2

= 2 2+1
3 =2

discretizando

Problema 54 Demostrar, utilizando el desarrollo de

Taylor, que las siguientes expresiones son discretizaciones
del laplaciano:
F =

F =

Fi+1;j + Fi1;j + Fi;j+1 + Fi;j1 4Fi;j

h2

Problema 55 Calcular una aproximacin del laplaciano de una funcin F (x; y) en el punto (x; y) =
(0; 0) conociendo los siguientes valores: F (0; 0) = 0;
F ( 12 ; 0) = 41 ; F ( 12 ; 0) = 14 ; F (0; 21 ) = 41 ; F (0; 12 ) = 14 ;
F ( 12 ; 12 ) = 12 ; F ( 12 ; 21 ) = 12 ; F ( 21 ; 12 ) = 21 ; F ( 12 ; 12 ) =

Fi+1;j+1 + Fi1;j+1 + Fi1;j1 + Fi+1;j1 4Fi;j

2h2
Fi+1;j + Fi1;j + Fi;j+1 + Fi;j1 4Fi;j
F =
h2

1
2

Solucin: A partir del desarrollo de Taylor de la funcin

F , se obtiene lo siguiente:

Solucin: Si representamos estos valores en una tabla,

obtenemos lo siguiente:

F (x + h; y + h) = F (x; y) + hFx + hFy +

+ 12 h2 (Fxx + 2Fxy + Fyy )

1
2
1
4
1
2

F (x h; y h) = F (x; y) hFx hFy +

+ 21 h2 (Fxx + 2Fxy + Fyy )

+ 21 h2 (Fxx 2Fxy + Fyy )

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

+Fi;j1 4Fi;j
+ (1 ) Fi+1;j +Fi1;j +Fhi;j+1
;
2

F (x + h; y + h)+F (x h; y h)+F (x h; y + h) +

+F (x + h; y h) = 4F (x; y) + 2h2 (Fxx + Fyy )

F (x+h;y+h)+F (xh;yh)+F (xh;y+h)+F (x+h;yh)4F (x;y)
;
2h2

discretizando se obtiene el resultado esperado,

F (x; y + h) = F (x; y) + hFy +

h2
2 Fyy
2

h
2

8
3

4
3

1
1
1
1
2+2+2+2
2 14

=4

+ 1 23

p
2 2
1
Fx =
2 2 p
1
4h
2 2

Para demostrar la segunda igualdad, tomamos las

siguientes ecuaciones:
2
F (x + h; y) = F (x; y) + hFx + h2 Fxx
h2
2 Fxx

2
3

1
1
1
1
4+4+4+4
1
4

Problema 56 Demostrar que las mscaras

Fi+1;j+1 + Fi1;j+1 + Fi1;j1 + Fi+1;j1 4Fi;j

2h2

F (x h; y) = F (x; y) hFx +

2
3

F (0; 0) =

Fxx + Fyy =

F (x; y h) = F (x; y) hFy +

1
4

i1;j1 +Fi+1;j1 4Fi;j

F = Fi+1;j+1 +Fi1;j+1 +F2h
+
2

Sumamos estas cuatro ecuaciones,

F =

1
2
1
4
1
2

El valor de h es 12 :
Aproximamos el laplaciano promediando las dos expresiones del ejercicio anterior. Si no realizramos este
promediado, no se tendran en cuenta todos los valores de
la funcin.

F (x h; y + h) = F (x; y) hFx + hFy +

1
4

2 2
1
0p
Fy =
4h
2 2

0
0
0

p 2
2 2 p
1
2 2

21
p 0

2 21

2 2
0p
2 2

dan lugar a una discretizacin del gradiente tal que su

norma eucldea es invariante por rotaciones de 45 grados.

Fyy

Sumamos estas expresiones y obtenemos:

Solucin: Procedemos de la misma forma que al calcular

el valor de en el caso del laplaciano.

F (x + h; y) + F (x h; y) + F (x; y + h) +
+F (x; y h) = 4F (x; y) + h2 Fxx + h2 Fyy
17

Consideramos una funcin que tiene los siguientes valores en un entorno de un punto (hi0 ; hj0 ) :
1
0
0

1
0
0

cuyas mscaras son las que se muestran en el enunciado

del problema.

1
0
0

Problema 57 Calcular una aproximacin del gradiente de una funcin F (x; y) en el punto (x; y) =
(0; 0) conociendo los siguientes valores: F (0; 0) = 0;
F ( 12 ; 0) = 21 ; F ( 12 ; 0) = 21 ; F (0; 12 ) = 21 ; F (0; 12 ) =
1
1 1
1
1
1 1
2 ; F ( 2 ; 2 ) = 0; F ( 2 ; 2 ) = 0; F ( 2 ; 2 ) = 1;
1
1
F(2; 2) = 1

Calculamos el valor del gradiente en el punto central

de la siguiente manera:
0
0
Fx = 2h
+ (1 ) 4h
=0
2
1
1 1
1
Fy = (1 ) 1
2h + 4h = 2 h 2 h = 2h
1
r1 F (hi0 ; hj0 ) = (Fx ; Fy ) = 2h
;0

Solucin: Los valores de la funcin en una tabla quedan

de la siguiente manera:
0

Rotamos la funcin anterior 45o :

1
1
0

1
0
0

1
2

0
0
0

1
4h

1 2
4 h

1
1 1
Fy = (1 ) 1
2h + 4h = 2 h

1
4h

1 2
4 h

r2 F (hi0 ; hj0 ) = (Fx ; Fy ) =

1 2
4 h

=2

(1; 1)

kr1 F (hi0 ; hj0 )k = kr2 F (hi0 ; hj0 )k

q
2
1
2 14 2
2h =
h
p
1
1
2h = 4h 2 j 2j
(
p
p2 = ( 2) ! = 2 2
2
p
p2 = ( 2) ! = 2 + 2
2

21

21

p
21
h

= 12

1
2

1
1
2+2

4h + 2
p
1 2 2
1
= 2h
2 h

p 1+1
2 4h =

p
21
h

1
1
2 2

4h

+ 2 2 11
4h =

p
1 2 2
2 h

1
= 2h

y obtenemos el valor del gradiente:

Fx
1
2h
rF =
=
=
1
Fy
1
2h
Este vector nos da la direccin de mximo ascenso,
que en este caso ser en diagonal hacia arriba a la derecha.

Sustituyendo este valor en las expresiones de Fx ; Fy

tenemos:

Problema 58 Calcular analticamente y numricamente

la matriz gradiente en el punto (1; 1) (utilizar h = 0:1) de
la funcin:
2
x + y2 1
f (x; y) =
xy

Fi1;j
Fx = (1 ) Fi+1;j2h
+
Fi+1;j+1 Fi1;j+1 +Fi+1;j1 Fi1;j1
4h

=
p
Fi+1;j Fi1;j
=2 21
+
4h
p

+Fi+1;j1 Fi1;j1
+ 2 2 Fi+1;j+1 Fi1;j+14h

Solucin:
Analticamente

2x 2y
2 2
rf(x; y) =
! rf (1; 1) =
1 1
1 1

Fi;j1
Fy = (1 ) Fi;j+12h
+

Fi+1;j+1 Fi+1;j1 +Fi1;j+1 Fi1;j1

4h

1
2

=2

p
La solucin vlida es = 2 2, ya que el gradiente
r2 F debe ser negativo en sus dos derivadas.

1
2

+
p

Fi;j1
Fy = 2 2 1 Fi;j+14h
+
p

+Fi1;j+1 Fi1;j1
+ 2 2 Fi+1;j+1 Fi+1;j14h
=

Calculamos las normas de los gradientes e igualamos:

Sustituimos estos valores en las derivadas de la funcin:

p

Fi1;j
Fx = 2 2 1 Fi+1;j4h
+
p

+Fi+1;j1 Fi1;j1
+ 2 2 Fi+1;j+1 Fi1;j+14h
=

y calculamos su gradiente:
1
1 1
Fx = (1 ) 1
2h + 4h = 2 h

1
2

p
F
F
= 2 2 1 i;j+14h i;j1 +
p F

F
+F
F
+ 2 2 i+1;j+1 i+1;j14h i1;j+1 i1;j1 ;

Numricamente, si llamamos f1 (x; y) = x2 + y 2 1 y

f2 (x; y) = x y; entonces aplicando las mscaras vistas en
teora tenemos
18

2. n = 3

f1 (x; y) = x y
@f1 (1;1)
@x = p
1
4(0:1) 2 p2 (f1 (1 + 0:1; 1 0:1) f1 (1 0:1; 1

1
4(0:1) 2 2 (f1 (1 + 0:1; 1 + 0:1) f1 (1 0:1; 1
p

1
2 1 (f1 (1 + 0:1; 1) f1 (1 0:1; 1)) =
4(0:1) 2

3
P

0:1)) +
+ 0:1)) +

= 0:55555555555 P (0:7745966692) +

0:585 79 + 0:585 79 + 0:828 43 = 2:0

@f1 (1;1)
@y = p
1
4(0:1) 2 p2 (f1 (1 0:1; 1 + 0:1) f1 (1 0:1; 1

1
4(0:1) 2 2 (f1 (1 + 0:1; 1 + 0:1) f1 (1 + 0:1; 1

p
1
2 1 (f1 (1; 1 + 0:1) f1 (1; 1 0:1)) =
4(0:1) 2

+0:88888888 P (0) +
+0:55555555555 P (0:7745966692) =

0:1)) +

= : 4

0:1)) +

R1
El valor exacto de la integral es 1 x3 x4 dx =
52 = : 4, que coincide con el valor del segundo caso. La
frmula de integracin numrica es exacta hasta el orden
2n 1; que en el segundo caso es equivalente a 5, con lo
que ya se saba que el valor obtenido sera exacto.

0:585 79 + 0:585 79 + 0:828 43 = 2:0

De la misma forma, para f2 (x; y) tenemos

@f2 (1;1)
@x = p
1
4(0:1) 2 2 (f2 (1 + 0:1; 1 0:1) f2 (1 0:1; 1
p

1
4(0:1) 2 2 (f2 (1 + 0:1; 1 + 0:1) f2 (1 0:1; 1
p

1
2 1 (f2 (1 + 0:1; 1) f2 (1 0:1; 1)) =
4(0:1) 2

0:1)) +
+ 0:1)) +

Problema 60 Se considera para el intervalo [1; 1]; los

puntos x0 = 0:5; x1 = 0 y x2 = 0:5 y los pesos w0 =
w1 = w2 = 2=3: Estos puntos y estos pesos se utilizan
para aproximar la integral de una funcin en [1; 1]: Usar
esta frmula de integracin para calcular nmericamente
la siguiente integral y compararla con el resultado anlitico
(exacto).
Z 2
cos(x)dx

0:292 89 + 0:292 89 + 0:414 21 = 1

@f2 (1;1)
@y = p
1
4(0:1) 2 2 (f2 (1 0:1; 1 + 0:1) f2 (1 0:1; 1
p

1
4(0:1) 2 2 (f2 (1 + 0:1; 1 + 0:1) f2 (1 + 0:1; 1
p

1
2 1 (f2 (1; 1 + 0:1) f2 (1; 1 0:1)) =
4(0:1) 2

0:1)) +
0:1)) +

0:292 89 + 0:292 89 + 0:414 21 = 1

Con lo cual, en este caso la matriz gradiente calculada

numricamente coincide con la calculada analticamente.
!

2 2
rf (1; 1) =
1 1

Solucin:

R
1. 2 cos(x)dx = sin(x)]2 = 1 (1) = 2
2

cos(x)dx =

R1

cos( 2 t) 2 dt =

2
2
cos
(0)
+
cos
32
32
4
p
= 13 2 + 31 = 2: 528 2

Problema 59 Aproximar el valor de la siguiente integral,

utilizando las frmulas de Legendre para n = 2 y n = 3
Z 1
3

x x4 dx

2
32

cos 4 +

Problema 61 Demostrar, utilizando los ceros y pesos

asociados a los polinomios de Legendre, cual sera la frmula de integracin numrica de Legendre utilizando un
slo punto de interpolacin. Cual sera su exactitud?

Cual es el valor exacto de la integral?

Solucin:
N

R1 3
P
4
x

x
dx
'
wk P (xk )
1

Solucin: El polinomio de Legendre para un solo punto:

k=0

L1 (x) = x ! x0 = 0

P (x) = x3 x4

Calculamos el peso asociado:

Z 1
1
w0 =
dx = 2
1 1

1. n = 2
2
P

wk P (xk ) =

k=1

Por lo tanto, la frmula de integracin numrica de

Legendre es:
Z

wk P (xk ) =

k=1

= 1 P (0:5773502692 + 1 P (0:5773502692) =

f (x) dx ' 2 f (0) ;

y su exactitud sera igual a 1(2N 1 = 1).

= : 222 22
19

Problema 62 A partir de los ceros y de los pesos asociados a los polinomios de Legendre, y dado un intervalo
[a; b] cualquiera, encontrar los puntos xk ; y los pesos wk
que hacen exacta hasta el orden 2N 1 una frmula de
integracin numrica sobre el intervalo [a; b]

Problema 64 Calcular de forma exacta la integral

Z 1

3
2
x x2 ex dx
1

utilizando los polinomios de Hermite.

Solucin: Para encontrar los puntos x

^k ; y los pesos w
^k ,
hay que hacer un cambio de variable en la integral:
Z b
N
X
f (x) dx '
w
^k f (^
xk )
a

Solucin: De forma analtica la integral da como resultado:

R1 3
p
2
x x2 ex dx = 21 = : 886 23
1

k=1

Hacemos el siguiente cambio de variable:

Utilizando el mtodo de integracin numrica:

x = (ba)t+(b+a)
2
dx = ba
2 dt

f (x) = x3 x2

este cambio representa la recta que pasa por los puntos -1,
1 para t = a; b; respectivamente.

R1 3
P
2
wk f (xk )
x x2 ex dx =
1
k=1

= w1 f (x1 ) + w2 f (x2) =

(b a) t + b + a b a
dt
2
2
a
1

Z b
N
X
ba
(b a) x
~k + b + a
f (x) dx '
w
~k
f
2
2
a
f (x) dx =

= 0:8862269255 f (0:707106781) +
+0:8862269255 f (0:707106781) =

k=1

= : 886 23

de donde se deduce que los cambios a realizar son de la

forma
x
^k = (ba)~xk2+(b+a) ;
w
^k = (ba)
~k
2 w

Problema 65 Aproximar, utilizando dos puntos de

aproximacin, el valor de la integral:
Z 1
1
dx
2
1 1 + x

Problema 63 Utilizar el resultado del problema anterior

para calcular de forma exacta la siguiente integral
Z 1
2

x x3 dx

Solucin:

Solucin: El resultado de la integral calculada de forma

analtica, da el siguiente resultado:
R1 2

1
3
2
0 x x dx = 12 = 8: 333 3 10

R1

1
dx
1 1+x2
2

f (x) =

Aplicando el mtodo de integracin numrica:

f (x) = x2 x3

R1

ex
1+x2

1
1 1+x2 dx

R1 2
P
3
x

x
dx
=
wk f (xk ) =
0

R1

2
ex
ex dx
1 1+x2

' w1 f(x1 ) + w2 f(x2 ) =

= 0:8862269255 f (0:707106781) +
+0:8862269255 f (0:707106781) =

k=1

= w1 f (x1 ) + w2 f (x2 ) + w3 f (x3 ) =

10

=
(w
~0 f x~02+1 + w
~1 f x~12+1 + +
2
x~2 +1
w
~2 f
)=
2

= 21 (0:55555556 f 0:7745966692+1
+
2

+0:8888888889 f 0+1
+
2
0:7745966692+1
+0:55555556 f
)=
2

= 1: 948 2
Problema 66 Calcular de forma exacta la integral
Z 1
3

x x2 ex dx
0

utilizando los polinomios de Laguerre.

= 8: 333 3 102

20


R1 3
4
1 x x dx =

Solucin:

R1 3
x x2 ex dx = 4
0

1
x
R1 3
P
2
wk f (xk ) =
e
dx
=
x

x
0

R1
R0 3
x x4 dx + 0 x3 x4 dx '
1

'

k=0

= 0:8535533903 f (0:585786438) +

'

= 4:0

+
Problema 67 Calcular una frmula de aproximacin
numrica de la integral siguiente
Z 1
f (x)ex dx

Solucin: Para calcular esta integral realizamos un cambio de variable

R1
t=xa
t
=
0 f(t)e dx =
dt = dx
R1
R1
= a f (x a)ex+a dx = ea a f (x a)ex

ea

N
P

R1 R1

k=1

k+1 +xk
2

f (0)+f (1)+4f ( 1+0

)
2
6
f (1)+f (0)+4f ( 1+0
2 )
6

F (x; y) dydx =
N
P

w
~k

k=1

=
N
P

f (xk+1 )+f (xk )+4f

1 1

w
~k f (~
xk )

f (x a)ex = ea

#1

(xk+1 + xk )

(0 + 1) +

(1 0) =

Solucin:

k=0

R1

(xk+1 + xk )

Problema 69 Deducir la frmula de integracin

numrica sobre el rectngulo [1; 1]x[1; 1] resultante de
aplicar la integracin numrica en una variable en los
intervalos [1; 1]; y [1; 1].

donde a es un nmero real cualquiera

f(t)et dx =

#0

5
= 12
= : 416 67

k+1 +xk
2

+0:1464466093 f (3:414213562) =

R1

= w0 f (x0 ) + w1 f (x1 ) =

f (xk+1 )+f(xk )+4f

N
P

w
~k

k=1

wk f (xk a)

R1

1 F

N
P

N
R1 P
1

w
~k F (~
xk ; y) dy =

k=1

(~
xk ; y) dy

w
~j F (~
xk ; y~k )

j=1

N
P
~ k F (~
W
xk ; y~k ) ;

k;j=1

Para que estas dos igualdades sean equivalentes, basta

hacer:
xk = x
~k + a
wk = ea w
~k

donde

~k = w
W
~k w
~j
w
~k =
w
~j =

Problema 68 Aproximar, por el mtodo de Simpson, la

integral
Z 1
3

x x4 dx

Q
(x~
xi )
Q i6=k
1
xk ~
xi )
i6=k (~

R 1

R 1
1

Q
(y~
yi )
Q i6=k
yk ~
yi )
i6=k (~

y los x
~k e y~k son los ceros del polinomio de Legendre.

Problema 70 Deducir la frmula de integracin

numrica sobre un rectngulo [a; b]x[c; d] resultante
de aplicar la integracin numrica en una variable en los
intervalos [a; b]; y [c; d].

utilizando nicamente el valor de la funcin en los puntos:

1; 12 ; 0; 12 y 1:
Solucin:

R1 3
4
dx = 25 = : 4
1 x x

Solucin:
RbRd

Aplicamos el mtodo de Simpson:

f (x) = x3 x4

21

F (x; y) dydx =

N
Rd P
c

k=1

w
~k F (~
xk ; y) dy =

N
P

w
~k

k=1
N
P

w
~k

k;j=1

Solucin: Si calculamos el resultado de la integral de

forma analta, nos queda,

F (~
xk ; y) dy

N
P

j=1

k=1
N
P

Rd

w
~j0 F

R1 R2

x
1 0 1+ey2

(~
xk ; y~k )

w
~k w
~j0 F (~
xk ; y~k ) ;

R2
0

ahora bien, teniendo en cuenta los resultados obtenidos al

integrar en una variable tenemos que :

R2
0

1 1

1
1 1+ey2

1. P (y) =

2
2
1 x dx 1 y dy

k=1

=w
~k ;

dy =

por Hermite,

R1

w
~k P (~
xk )

=x
~k + 1;

= w1 P (x1 ) + w2 P (x2 ) =

R1

x2 y 2 dxdy =

2
P

(ba)
~k
2 w

(b+a)
2

= 2:0

R1

= : 444 44

P (x) = x2

R1 R1

(ba)~
xk
2

= (0:5773502692 + 1) + (0:5773502692 + 1) =

Utilizando la frmula de integracin numrica:

P (y) = y

wk P (xk ),

xdx =

Solucin: El resultado de la integral es:

y dxdy =

dy = 2: 144 3

P (x) = x

utilizando integracin numrica.

1 1 x

dy =

tenemos:

4
9

1
P

2
1 1+ey2

k=0

1. wk =

Problema 71 Calcular de forma exacta la integral

Z 1Z 1
x2 y 2 dxdy

2 2

2
1 1+ey2

xdx =

xk =

donde wk son los pesos al integrar en una variable en el

intervalo [1; 1]:

R1 R1

R1

R1

realizando un cambio de variables, y utilizando el polinomio de Legendre de segundo orden,

x
~k = (ba)xk2+(b+a)
w
~k = (ba)
2 wk
(dc)yk +(d+c)
y~k =
2
w
~j0 = (dc)
2 wk

dxdy =

2
P

=
1
P

w
~j P (~
yk ) =

R1

2
1
ey dy
1 ey2 +1

2
P

w
~j P (~
yk ),

k=1

1
ey2 +1

wj P (yk ) =

k=0

k=1

= (w
~1 P (~
x1 ) + w
~2 P (~
x2 ))

= w1 P (y1 ) + w2 P (y2 ) =
= 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 aproximacin numrica es,

Problema 72 Calcular una aproximacin numrica de la

integral
Z 1Z 2
x
dxdy
1
+
ey2
1 0

R1 R2

x
1 0 1+ey2

utilizando la evaluacin de F (x; y) en 4 puntos.

22

dxdy = 2:0 1: 103 3 = 2: 206 6

Problema 73 Se considera el tringulo T de vrtices

(0; 0); (1; 0) y (0; 1): Deducir cual debe ser el punto (x0 ; y0 )
y el peso w0 para que la frmula de integracin numrica:
Z
F (x; y)dxdy F (x0 ; y0 )w0

1. Para 1 punto:

sea exacta para polinomios de grado 1 en x e y: Es decir

P (x; y) = ax + by + c

x2 ydxdy =
= F ( 23 ; 23 )Area(T ) =
2 2
3

2
32

16
27

= : 592 59
Solucin:
2. Para 3 puntos:
R

Calculamos la integral de forma analtica:

R 1 R 1x
0

(ax + by + c) dydx = 16 a + 16 b + 12 c

Igualamos el valor de la integral con la frmula de

integracin numrica:
1
1
6a + 6b

a = c = 0; b = 1;

1
3

b = c = 0; a = 1; 16 a = w0 x0 a ! x0 = 13 ;
luego para los valores w0 =
de integracin es exacta.

1
3 ; y0

1
3

la frmula

8
15

8
15

Las propiedades que debe vericar, para cumplir con

la decin de norma, son:

= : 533 33

1 1 1

1
El rea del tringulo! Area(T ) = 2 2 0 0
0 2 0

4 4
12 4
4 12
= Area(T )[ 25
48 F ( 10 ; 10 ) + F ( 10 ; 10 ) + F ( 10 ; 10 )

Solucin: En esta demostracin vamos a generalizar para

cualquier p. Al nal particularizamos para p = 2 con el
n de hacer que la demostracin sea ms sencilla.

Utilizando las frmulas de integracin numrica:

F (x; y) = x2 y

Problema 75 Tomar N = 2 y demostrar que la norma

k x k2 verica las propiedades de la denicin de norma
q
kxkp = p jx1 jp + jx2 jp

Solucin: El clculo de la integral de forma analtica nos

da:
R 2 R 2x 2
x y dydx =
0 0

2
- x ydxdy

ANALISIS NUMERICO MATRICIAL II

donde - es el tringulo de vrtices (0; 0), (2; 0) y (0; 2)

utilizando 1 punto, 3 puntos, y 4 puntos

x2 ydxdy =

= : 533 33

2
3

2 2
27
48 F ( 3 ; 3 )] =

Problema 74 Calcular una aproximacin numrica de la

integral
Z
x2 ydxdy

1=

3. Para 4 puntos:

1
2

= w0 y0 b ! y0 =

1
2 ; x0

2
3

= : 666 67

Calculamos w0 ; x0 e y0 dando valores a a; b; c

1
6b

= 13 Area(T ) F ( 22 ; 0) + F ( 22 ; 22 ) + F (0; 22 ) =
=

+ 12 c = w0 (x0 a + y0 b + c)

a = b = 0; c = 1; 12 c = w0 c ! w0 =

2
- x ydxdy

1. kxkp = 0 () x = 0;

=2

p
p
jx1 jp + jx2 jp = 0 =) jx1 jp + jx2 jp = 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 condicin, se tiene que
cumplir que x1 = x2 = 0; c.q.d..

23

Solucin:

2. kxkp = jj kxkp ; 8 2 K y x 2 E;
p
kxkp = p jx1 jp + jx2 jp
kxkp =
kxkp =

Limp!1 kxkp = Limp!1

p
p
jjp jx1 jp + jjp jx2 jp

q
PN
p

i=1 jxi j

Extraemos el mximo componente de x, xmax :

q

PN
p
p
=
Limp!1
i=1 jxi j

p
p
jjp (jx1 jp + jx2 jp )

P jxi j p
= Limp!1 p jxmax jp N
=
i=1 jxmax j

p
kxkp = jj p jx1 jp + jx2 jp

PN i j p
= Limp!1 jxmax j p i=1 jxjxmax
=
j

kxkp = jj kxkp ; c.q.d.

3. kx + ykp kxkp + kykp ; 8x; y 2 E;

= jxmax j Limp!1

p
p
jx1 + y1 jp + jx2 + y2 jp kxkp + kykp =)

= jxmax j Limp!1

=) jx1 + y1 jp + jx2 + y2 jp

Todos los elementos

1, con lo que

p
p
p
p jx1 jp + jx2 jp + p jy1 jp + jy2 jp

Para p = 2 tenemos:

Limp!1

jx1 + y1 j2 + jx2 + y2 j2

entonces

q
2
q

jx1 j2 + jx2 j2 + jy1 j2 + jy2 j2 =)

jxi j
jxmax j

jxmax j Limp!1

r
PN
p
i=1

P
N
i=1

jxi j
jxmax j

P
N
i=1

jxi j
jxmax j

jxi j
jxmax j

p 1=p

son menores o iguales que

1 si xi = xmax
;
0 si xi 6= xmax

jxi j
jxmax j

p 1=p

=) 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.

=) x1 y1 + x2 y2

p
p
(x21 + x22 ) (y12 + y22 ) =)

Problema 77 Tomar N = 2; y dibujar el lugar geomtrico de los vectores x = (x1 ; x2 ) que verican

=) x21 y12 + 2x1 y1 x2 y2 + x22 y22

1. kxk1 < 1

x21 y12 + x21 y22 + x22 y12 + x22 y22 =)

2. kxk2 < 1
3. kxk1 < 1

=) 2x1 y1 x2 y2 x21 y22 + x22 y12 =)

Solucin: En las grcas 1, 2 y 3 se muestran los lugares

geomtricos de las normas 1, 2 e innito, respectivamente.

=) 0 x21 y22 + 2x1 y1 x2 y2 + x22 y12 =)

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

=) 0 (x1 y2 + x2 y1 )2 ,

Esta ecuacin representa, como borde, una recta de

pendiente negativa. Tal y como se ve en la gura 1,
el lugar geomtrico est contenido en un rombo.
p

2. kxk2 < 1 =) (x2 + y2 ) < 1 =) x2 + y 2 < 1

que siempre es cierto, con lo que queda demostrado.

Problema 76 Demostrar que
Limp!1 kxkp = max jxi j

Esta es la ecuacin de un crculo de radio menor que

1 y centro el origen. En la gura 2 se muestra el lugar
geomtrico.

24

Figure 1: Lugar geomtrico de kxk1

Figure 2: Lugar geomtrico 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 algn
xi es cero).

Esto representa una recta de valor constante (x; y)

menor que 1. En la gura 3 se puede ver el lugar
geomtrico.

3. max(jx1 j ; jx2 j) jx1 j + jx2 j : Es trivial (propiedad

transitiva).

Problema 78 Tomar N = 2 y demostrar la siguiente desigualdad

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.

Solucin: Esta desigualdad es equivalente a lo siguiente:

p
max(jx1 j ; jx2 j) (x21 + x22 ) jx1 j + jx2 j
1. max(jx1 j ; jx2 j)

p
(x21 + x22 ) ()

() jxmax j
()

x2max

Problema 79 Demostrar que si A; B son dos matrices de

dimensin N xN; entonces para cualquier norma de matrices subordinada a una norma vectorial se verica
k AB kk A k k B k
Solucin:

p
(x21 + x22 ) ()

x21

+ x22

Esta desigualdad siempre es cierta ya que xmax es o

bien x1 o bien x2 .
p
2. (x21 + x22 ) jx1 j + jx2 j ()

supx

kABxk
kxk

supx

kABxk kBxk
kBxk kxk

supx

supx

kABxk kBxk
kBxk kxk

kBk kAk ;

= supx

kABxk kBxk
kxk kBxk ;
kBxk
kxk

supx

kABxk
kBxk

entonces

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

supx

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

kABxk
kxk

kBk kAk ; c.q.d.

Problema 80 Demostrar que los autovalores de A son los

ceros del polinomio caracterstico P ():

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

() 0 2 jx1 j jx2 j
25

8
8
< x1 + x2 = 0 < x1 = x2
x1 + x2 = 0
:
:
2x3 = 0
x3 = 0

p1
2
1
p
2

x
1 = @

1
A

2. 2 ; 3 = 2
1

10
1 0 1
1 1 0
x1
0
@ 1 1 0 A @ x2 A = @ 0 A
0
0 0
x3
0

8
8
< x1 + x2 = 0 < x1 = x2
x1 x2 = 0
:
:
x3 libre
x3 libre

1
0
A;x
3 = @ 0 A
x
2 = @
1
0

Figure 3: Lugar geomtrico de kxk1

Solucin: Denicin de autovalor de una matriz A:

Axi = i xi =) (A i Id)xi = 0

p1
2
p1
2

1
0
0 A
1

Problema 82 Calcular las normas 2; 1 e innito de la

matriz

1 0
A=
1 1

Problema 81 Calcular los autovectores de la matriz

0
1
1 1 0
@ 1 1 0 A
0 0 2

Solucin:

y determinar una base ortonormal de R3 de autovectores

de A:

1. kAk2 =

p
(AT A)

s
q
p
2 1
kAk2 =
= 3+12 5 = 1: 618
1 1

Solucin: Calculamos los autovalores de A :

jA i Idj = 0

1
1
0

1
1
0 = 4 + 42 = 0

0
0
2
1 = 0
2 = 2
3 = 2

2
1

1
1

2. kAk1 = maxj

Calculamos los autovectores de A :

= 1 3 + 2 = 0, =

P
2

ja
j
ij
i=1

kAk1 = max(1; 2) = 2

1. 1 = 0
0

p1
2
1
p
2

contiene los autovectores de A que forman una base ortogonal en R3 :

jA i Idj = 0 =) P () = 0; c.q.d.

B=@

como xi 6= 0, entonces

10

p1
2
p1
2

La matriz,

xi 6= 0 2 E; i 2 CAxi = i xi

3. kAk1 = maxi

1 1 0
x1
0
@ 1 1 0 A @ x2 A = @ 0 A
0 0 2
x3
0

P
2

kAk1 = max(2; 1) = 2
26

j=1 jaij j

3
2

1
2

p
5

1
2 1 0
2. A = @ 1 2 1 A
0 1 2

Problema 83 Demostrar la siguiente igualdad:

(At A) = (AAt )
Solucin:

Solucin:

El condicionamiento de una matriz (A) =

kAk2 A1 2 : Calculamos los autovalores de ambas matrices:

Veamos que los polinomios caractersticos coinciden :

1

jAt A i Idj = jAt j jAt A i Idj jAt j =

1
1

= (At ) At AAt i (At ) IdAt =

2
2
2

1
1 = (2 ) (1 )2 1
1. 2
2
1
1
2 [2(1 ) + 2] 2 [2 + 2(1 )] =

(2 ) 2 2 8 (2 ) = (2 ) 2 2 + 8

= AAt i (At ) At =

de donde obtenemos

= jAAt i Idj

1 = 2
2 = 2
3 = 4

Problema 84 Demostrar que si los autovectores de una

matriz A de dimensin N xN forman una base ortonormal
de RN ; entonces para la norma 2 se cumple:

Esta matriz es simtrica, luego posee una base

ortonormal 3 de autovectores, con lo que el condicionamiento de A se puede calcular como:

maxi fji jg
(A) = kAk2 A1 2 =
mini fji jg

Solucin: Al ser una base de autovectores ortonormal, la

norma kAk2 = (A) = maxi fji jg

4
maxi fj i jg
= =2
(A) = kAk2 A1 2 =
mini fj i jg
2

Los autovalores de A1 vienen dados por:

2 1
0

2. 1 2 1
0
1 2

Axi = i xi =)
=) A1 Axi = A1 i xi =)
=)

1
i xi

1 = 2 p
1 = 2 + p2
1 = 2 2

= A1 xi =)

=) A1 xi = 0i xi ,

Tambin es una matriz simtrica, con lo que sus autovectores forman una base ortonormal y su condicionamiento es:

donde 0i = 1i , es decir, los autovalores de A1 son los

inversos de los de A y sus
autovectores son los mismos,
luego la norma de A1 2 = (A1 )

1


1
A = max 0i = max 1 =
;

2
i
i
i
mini fji jg

p
p
1
2+ 2
maxi fj i jg

p
(A) = kAk2 A
=
=
3+2
=
2
mini fj i jg
2 2

entonces

Problema 86 Sean las matrices A; R: Demostrar que la

matriz A, y la matriz B = R1 AR poseen los mismos
autovalores

(A) = kAk2 A1 2
(A) = maxi fji jg
(A) =

maxi fji jg
mini fji jg ;

= 4 10 + 62 3 = 0

1
mini fji jg

Solucin:

c.q.d.

Bxi = i xi =)

=) R1 AR xi = i xi =)

Problema 85 Calcular el condicionamiento para la

norma 2, de las siguientes matrices:
0
1
2 2 2
1. A = @ 2 1 1 A
2 1 1

=) RR1 ARxi = Ri xi =)
3 Vectores

ortonormales:
dos vectores son ortonormales si cumplen

0 si i 6= j
T
lo siguiente, xi xj =
1 si i = j
27

Problema 88 Demostrar
trigonomtricas

=) ARxi = i Rxi =)
=) Ayi = i yi ,

siguientes

igualdades

q
tan() = cot(2) + sign(cot(2)) 1 + cot2 (2)

de donde se deduce que los autovalores son los mismos y los

autovectores estn relacionados por la siguiente igualdad:
yi = Rxi , c.q.d.

donde 2 4 ; 4 , sign(x) = 1 si x 0 y sign(x) = 1

si x < 0;

Problema 87 Se considera la matriz

1 1
A=
1 1

1
cos = p
1 + tan2 ()
sin = tan() cos
tan() + sin(2)
cot(2) =
2 sin2 ()

calcular el ngulo tal que la matriz

cos sin
R=
sin cos

Solucin:

verique que la matriz B = R1 AR sea diagonal.

1. cot(2) =

Solucin: Realizamos el clculo de la matriz B :

B = R1 AR =

cos sin
1 1
cos sin
=
=
sin cos
1 1
sin cos

2 cos sin + 1
2 cos2 1
=
=
2 cos2 1
2 cos sin + 1

b1 0
=
0 b2
Se tiene que cumplir que los elementos que estn fuera
de la diagonal sean iguales a cero,
2 cos2 1 = 0
r
1
cos =
2
De esta igualdad se obtiene el valor del ngulo :
=

las

cos(2)
sin(2)

cos2 ()sin2 ()
2 sin() cos()

1tan2 ()
2 tan()

2 tan() cot(2) = 1 tan2 ()

realizando el cambio de variable x = tan(); tenemos
x2 + 2 cot(2)x 1 = 0
x = tan() =

2 cot(2)

4 cot2 (2)+4

p
1 + cot2 (2)
p

cot(2) + p1 + cot2 (2) si 0

tan() =
cot(2) 1 + cot2 (2) si < 0
= cot(2)

El segundo trmino es siempre mayor que el primero,

con lo que es ste el que va a determinar el signo de
la ecuacin.
Como sign (tan()) = sign (cot()) ; podemos expresar la anterior igualdad de la siguiente forma:
q
tan() = cot(2) + sign(cot(2)) 1 + cot2 (2)

3
; =
4
4

La matriz de rotacin queda como sigue:

p

1p
sin 4
2 12 p2
cos 4
2
p
=
R1 =
sin 4 cos 4
21 2 12 2
p

1p
cos 3
sin 3
2 p2 12 p2
4
4
=
R2 =
sin 3
cos 3
12 2 12 2
4
4

2. cos = p

Calculamos los elementos de la diagonal:

b1 = 2 cos sin + 1

1
1+tan2 ()

1
cos2 ()+sin2 ()
cos2 ()

1
sin2 ()
1+ cos
2 ()

p
cos2 () = cos

3. sin = tan() cos =

b1 = 0; b1 = 2
b2 = 2 cos sin + 1

b2 = 2; b2 = 0;
luego las soluciones posibles son:

0 0
2 0
B1 =
; B2 =
0 2
0 0
28

sin()
cos()

cos = sin

4. cot(2) =

tan()+sin(2)
2 sin2 ()

sin()
cos()
+2 sin() cos()
2 sin2 ()

sin()+2 sin() cos() cos()

cos()
2 sin2 ()

sin()(1+2 cos() cos())

2 sin2 () cos()

cos(2)
sin(2)

B
B
B
B
@

=
=

(2 cos2 ()1)
2 sin() cos()

=
0

= cot(2)

a0pq = 0
a0pp = app tan()apq
a0qq = aqq + tan()apq
= apj cos aqj sin j 6= p; q
= apj sin + aqj cos j 6= p; q

0
0
1
0
0

De esta matriz se deducen las siguientes igualdades:

qq )
a0pq = (app a
sin 2 + apq cos 2
2
0
app = app cos2 + aqq sin2 apq sin 2
a0qq = app sin2 + aqq cos2 + apq sin 2
a0pj = apj cos aqj sin
j 6= p; q
aqj = apj sin + aqj cos
j=
6 p; q

La matriz R es una matriz de rotacin y se calcula

el ngulo, , de la misma, transformando los valores de A
que estn fuera de la diagonal en ceros.

En donde se iguala a0pq a cero para calcular el ngulo

de rotacin:

Vamos a expresar las matrices de la siguiente manera:

0
1
a11 ap1 ai1 aq1 an1
B ap1 app apj apq apn C
B
C
C
A=B
B ai1 apj aij aqj ani C
@ aq1 apq aqj aqq aqn A
an1 apn ani aqn ann
0
1
1
0
0
0
0
B 0 cos
: sin 0 C
B
C
0
:
1
:
0 C
Rpq () = B
B
C
@ 0 sin : cos 0 A
0
0
0
0
1
0
0
0
0
1

1
0
B 0 cos
B
0
B
B 0
@ 0 sin
0
0

1
an1
apn C
C
ani C
C
aqn A
ann
1
0
0
sin 0 C
C
0
0 C
C=
cos 0 A
0
1
aq1
apq
aqj
aqq
aqn

ap1 sin + aq1 cos

an1
(app aqq )
sin 2 + apq cos 2
apn cos aqn sin
2
apj sin + aqj cos
ani
app sin2 + aqq cos2 + apq sin 2 apn sin + aqn cos
apn sin + aqn cos
ann

Segn se ha demostrado en problemas anteriores, los

autovalores de B y de A coinciden, con lo que si se consigue
encontrar la matriz R que cumpla con la ecuacin anterior,
entonces habremos encontrado los autovalores de A:

0
0
0 sin
1
0
0 cos
0
0

ai1
apj
aij
aqj
ani

ai1
apj cos aqj sin
aij
apj sin + aqj cos
ani

Solucin: En el mtodo de Jacobi se persigue construir

una matriz diagonal a partir de una matriz A cualquiera,
aplicndole transformaciones de la forma B = R1 AR:

B = R1 AR =
0
1
0
B 0 cos
B
=B
0
B 0
@ 0 sin
0
0

ap1
app
apj
apq
apn

a11
ap1 cos aq1 sin
B ap1 cos aq1 sin app cos2 + aqq sin2 apq sin 2
B
ai1
apj cos aqj sin
=B
B
(app aqq )
@ ap1 sin + aq1 cos
sin 2 + apq cos 2
2
an1
apn cos aqn sin

Problema 89 Dentro del mtodo de Jacobi para el clculo

de autovalores demostrar las igualdades

a0pj
a0qj

a11
ap1
ai1
aq1
an1

a0pq = 0 =

(app aqq )
2

sin 2 + apq cos 2

tan(2) =

2apq
(aqq app )

aqq = app +

2apq
tan(2)

Las dos ltimas igualdades se obtienen directamente

de la matriz nal. Para obtener a0pp y a0qq ; se opera de la
siguiente manera:
1. a0pp = app cos2 + aqq sin2 apq sin 2 =

= app cos2 + app +

C
C
C
C
A

2apq
tan(2)

apq sin 2 = app cos2 +

29

sin2

1
C
C
C
C
A

app sin(2)+2apq cos(2)

2 sin cos

sin2 apq sin 2 =

a11

= app cos2 +
+

app 2 sin cos +2apq cos2 2apq sin2

2 cos

sin

1
= arctan 2 = : 553 57
2
= 2 tan()

1
a11 = 2 + tan
arctan 2 = 2: 618
2

a33 = 1 + tan()
2

2apq sin cos = app cos + app sin +

a33 = 1 tan

+apq cos sin apq tan + apq sin cos

1
2: 618 0
0
A
1
0
B = R1 AR = @ 0
0
0 0: 381 97

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

2apq
tan(2)

Los autovalores son los elementos de la diagonal

(2: 618; 1; 0: 381 97) : Como = : 553 57; la matriz
0
1 0
cos 0 sin
0:850 65 0 0:525 7
0
1
0
0
1
0 A=@
R () = @
0:525 73 0 0:850 65
sin 0 cos

sin + aqq cos +

+apq sin 2 =
=

aqq 2 sin cos 2apq cos2 +2apq sin2

2 sin cos

sin2 +

por tanto, en este caso, como con una nica matriz de

rotacin conseguimos transformar A en una matriz diagonal, tendremos que los autovectores de A son simplemente
los vectores columnas de R(): Es decir el autovector del
0:850 65
0
autovalor 2: 618 es (
), el autovector del auto0:525 73
0
valor 1 es ( 1 ); el autovector del autovalor 0: 381 97 es
0
0:525 73
0
(
):
0:850 65

+aqq cos2 + apq sin 2 = (aqq sin apq cos +

apq
2
+ cos
apq cos ) sin +aqq cos +apq sin 2 =

= aqq sin2 + aqq cos2 apq cos sin +

+apq tan apq cos sin + 2apq cos sin =
= aqq + tan()apq
Problema 90 Utilizar el mtodo de Jacobi para aproximar los autovalores y autovectores de la matriz:
0
1
2 0 1
A=@ 0 1 0 A
1 0 1

Problema 91 Aplicar el mtodo de la potencia para

aproximar el autovalor mximo, y el autovector asociado,
de las siguientes matrices, dando 3 pasos en el mtodo,
hasta calcular u4 y partiendo de u1 = (1; 1)

2 1
A=
0 1

3 0
A=
1 1

Solucin:

1
cos 0 sin
0
1
0 A
R () = @
sin 0 cos
(app aqq )
2

Solucin: En este problema vamos a utilizar la norma

eucldea aunque cualquier otra norma tambin sera vlida.
La norma innito, por ejemplo, simplicara los clculos
ya que es inmediato obtener el mximo de un vector.

sin 2 + apq cos 2 = 0

tan(2) =

2apq
(aqq app )

2
tan(2) =
(1 2)
=

1
arctan 2 = : 381 97
2

a21 = a32 = 0

2apq sin cos = app apq tan

= aqq

1. A =

arctan (2)
2

2 1
0 1
1

u2 = A kuu1 k =
30

2 1
0 1

3
2 p2
1
2 2

u =

2
A kuu2 k

2 1
0 1

7
10 p5p2
1
10 5 2

p !

3
p
2
2 5p
1
p
2
2 5

2 1
0 1

3
2 p2
1
10 2

7
10 p2
1
10 2

x =

2. A =

p
p p
27
2132
1066
p
p 26
p 2 ,
2
533 1066 26 2

3 0
1 1

: 997 79
6: 651 9 102

3 0
1 1

p
3
p
2 2
,
2

p1
2
p1
2

n
sign u4 ; u3

1. ku1 k = 1 ! u2 =

2 1
1 1

1
1

ku2 k = 1 ! u3 =

2 1
1 1

1
0

1
0

2
1

Producto escalar (u2 ; u3 ) = 2 > 0. ! autovalor mximo = ku3 k = 2

2 1 p
u =
26 = 2: 549 5
2

3 0
1 1

Solucin:

Problema 92 Calcular el autovalor

mayor yel autovec2 1
tor correspondiente de la matriz
utilizando
1 1
el mtodo de la potencia, dando 2 iteraciones del mtodo
a partir de u1 = (1; 1) y tomando como norma kuk =
maxi jui j

u2 = A kuu1 k =

u3 = A kuu2 k =

9
1066 p26 p2
2132 p
1
2132
1066 26 2

con signo positivo ya que

(1)4 = 1.

El autovalor mximo aproximado es = 2: 126 y su

autovector asociado es:
p

p p

3 0
1 1

= 3: 109 8;

con signo negativo ya que sign u4 ; u3 = 1 y su

autovector asociado es

p
p p !

p
21322782
1066 26 2
: 958 8
65
026
p
p
p
x =
=
;
282
p
: 284 09
1066 26 2
533 65 026

15
226 p113p2
1
226 113 2

El autovalor mximo aproximado es

4 1 p
u =
113 = 2: 126
5

p
3
u = 1 1066 = 2: 511 5
13

p
4
u = 1 65 026 = 3: 109 8
82

3 p
u = 5 = 2: 236 1

p p
,

3
A kuu3 k

p p

9
26 p2
26 p
1
26
26 2

u4 = A kuu3 k =

2 p
u = 5 = 2: 236 1

u =

p1
2
p1
2

Autovector asociado normalizado

p p
3
26
p 26p 2 =
1
13 26 2
31

u3
ku3 k

1
1=2

1
0 5 1
2 1 0
6
@ 0
1 1 A u3 = 65 @ 32 A
0
0 3
13
0 1 1
30

A ; u2 = 14
u3 = @ 14
15
15
2

Problema 93 Utilizar el mtodo de la potencia inversa

para aproximar el autovalor ms pequeo de la matriz

2 1
A=
0 3
llegar hasta u3 partiendo de u = (1; 1):

15

El autovalor mximo
(A 2Id)1 es max =
- de
3 2
con signo positivo (sign u ; u
= 1)

Solucin:
Aun =

un1
kun1 k

2 1
0 3

u2 =

p1
2
p1
2

(A 2Id)1 x
= max x

Para calcular el autovalor ms cercano a 2, realizamos

las siguientes operaciones:

p
1
61p 2
; u2 = = : 333 33
1
3
6 2

1p
2 1
2p 2
u3 =
1
0 3
2 2
u2 =

u3 =

1
3 p2
1
6 2

1
x
= (A 2Id) x

max

1
A 2Id
Id x
=0
max

1
Id x
= (A prox Id) x
=0
A 2+
max

1
1
43
prox = 2 +
= 2 + 14 =
max
14
15

1p
10 = : 527 05
; u3 =
6

3
u es el autovalor mximo de A1 , con lo que el
p
1
6
autovalor mnimo de A es min = ku
10 = 1:
3 k = 10
- 3 2
897 4; con signo negativo ya que sign u ; u
= 1.

prox = 3: 071 4

Problema 95 Escribir en Fortran las funciones siguientes:

SIGNO_PRODUCTO_ESCALAR(uf,vf,Nf )
que devuelve el signo del producto escalar de
los vectores uf y vf de dimensin Nf (12 lneas
de cdigo como mximo), y la funcin AUTOVALOR_MAXIMO(Af,uf,Nf,Nfmax,Nter,Tolf)
que
devuelve el autovalor mximo de una matriz y su autovector por el mtodo de la potencia. Los parmetros
son la matriz Af, el vector candidato inicial uf, Nf la
dimensin real, Nfmax, la dimensin para coger memoria,
Nter nmero mximo de iteraciones, y Tolf la tolerancia.
Esta funcin devuelve el valor 2.**120 si P
no termina
correctamente. Tomar como norma kuk = i ABS(ui )
(28 lneas de cdigo como mximo)

Problema 94 Calcular el autovalor y autovector ms cercano a 2 de la matriz

0
1
0 1 0
@ 0 3 1 A
0 0 1

para ello calcular dos iteraciones del mtodo de la potencia

inversa partiendo de u1 = (1; 1; 1):
Solucin:
0

1
2 1 0
1 1 A
A0 = A 2Id = @ 0
0
0 3

Solucin:

Vamos a utilizar la norma innito con el n de simplicar los clculos.

01
02
03
04
05
06
07
08
09
10
11
12

n1

A0 un = kuun1 k
0
1
0
2 1 0
1
@ 0
1 1 A u2 = @ 1
0
0 3
1
0 5 1
6

u2 = @ 23 A ; u2 =
13

14
15

1
A
5
= : 833 33
6

32

SIGNO_PRODUCTO_ESCALAR(uf,vf,Nf)
DIMENSION uf(*),vf(*)
PE=0
DO 06 I=1,Nf
PE=PE+uf(I)*vf(I)
CONTINUE
IF (PE.GT.0) THEN
SIGNO_PRODUCTO_ESCALAR=1
ELSE
SIGNO_PRODUCTO_ESCALAR=-1
ENDIF
END

01
AUTOVALOR_MAXIMO(Af,uf,Nf,Nfmax,Nter,Tolf)
02
DIMENSION Af(Nfmax,*),uf(*),vf(Nfmax)
03
DO 26 I=1,Nter
04
NORMA=0
05
DO 11 J=1,Nf
06
vf(J)=0
07
DO 09 K=1,Nf
08
vf(J)=vf(J)+Af(J,K)*uf(K)
09
CONTINUE
10
NORMA=NORMA+ABS(vf(J))
11
CONTINUE
12
IF (NORMA.EQ.0) THEN
13
AUTOVALOR_MAXIMO=2.**120
14
RETURN
15
ENDIF
16
AUTOVALOR_MAXIMO=SIGNO_PRODUCTO_
ESCALAR(uf,vf,Nf)*NORMA
17
ERROR=0
18
DO 22 J=1,Nf
19
vf(J)=vf(J)/AUTOVALOR_MAXIMO
20
ERROR=ERROR+ABS(uf(J)vf(J))/(ABS(vf(J)+1.)
21
uf(J)=vf(J)
1.
22
CONTINUE
23
IF(ERROR<TOLf)
24
RETURN
25
ENDIF
2.
26
CONTINUE
27
AUTOVALOR_MAXIMO=2.**120
28
END

un = Mun1 + c =
1
0
1
0
1
0 1 0
= @ 12 0 0 A un1 + @ 23 A
1
0 13 0
3

Iteraciones:
1 0
1
0 1 0
1
1
0
u2 = M @ 0 A + @ 32 A = @ 32 A
1
1
0
3
3
0

u3 = M @
0

1
3
2
1
3

1
2

A+@

5
6

1
3
2
1
3

1
3
2
1
3

un = M un1 + c

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

0
1
0
0 0
L = @ 1 0 0 A
0 1 0
0
1
1 0 0
D=@ 0 2 0 A
0 0 3

A=@

1
2
5
6

0
7
4
2
3

1
A

80
19
< 1 =
@ 0 A
:
;
1

Problema 98 Calcular 3 iteraciones

Gauss-Seidel para resolver el sistema
0
10
1 0
1 1 0
x
@ 1 2 0 A @ y A = @
0 1 3
z
partiendo de u1 = (0; 0; 0)

33

una base
1 ortogonal de autovec0 1
2 0 A,
0 1

80 1 0 19
0 =
< 1
0; @ 0 A ; @ 1 A $ 2
:
;
1
0

A=@ 1 A

1. Autovectores y autovalores:

Du = (L U)u + b
(L U )u + D

La ecuacin iterativa queda:

Solucin:

Solucin: La expresin matricial del mtodo de Jacobi es

como sigue:
(L + D + U )u = b

u=D

Calculamos la matriz M y el vector c :

0
1
0 1 0
M = D1 (L U) = @ 12 0 0 A
0 13 0
0
1 0
1
1
1
c = D1 b = D1 @ 3 A = @ 32 A
1
1
3

Problema 97 Calcular
0
1
tores de la matriz @ 0
1

partiendo de u1 = (0; 0; 0)

1
0 1 0
U =@ 0 0 0 A
0 0 0

3. u4 = M @ 1 A + @

Problema 96 Calcular 3 iteraciones del mtodo de Jacobi 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

del mtodo de
1
1
3 A
1

Solucin: La expresin matricial del mtodo de GaussSeidel es de la forma:

Al ser A tridiagonal, el wopt se puede calcular como

(L + D)u = U u + b

u = (L + D)1 (U )u + (L + D)1 b

de:

un = M un1 + c

MJ es la matriz del mtodo de Jacobi que se obtiene

MJ = D1 (L U ) =
10
1
0
1 0 0
0 1 0
= @ 0 12 0 A @ 1 0 0 A =
0 0 13
0 1 0
1
0
0 1 0
= @ 12 0 0 A
0 13 0

Si construimos el sistema de ecuaciones y despejamos

las incgnitas:
8
8
< x y = 1 < x = 1 + y
y = 3+x
x + 2y = 3
2
:
:
y + 3z = 1
z = 1+y
3
Iteraciones:

Los autovalores de MJ :
(MJ )2 = 12

1. x = 1
y = 31
2 =1
2
z = 1+1
3 = 3

wopt =

2. x = 0
y = 32
z = 65
3. x = 1 + 32 =
3+ 1
y = 2 2 = 47
1+ 7
z = 3 4 = 11
12

2
q
1 + 1 (MJ )2

wopt =

(L + D + U )u = b

wopt =

p2

1+

1 12

4p
2+ 2

Iteraciones del sistema:

xn = w (yn1 1) + (1 w) xn1
n
yn = w 3+x
+ (1 w) yn1
2

Problema 99 Una variante del mtodo de Gauss-Seidel

es tomar M = (D + U )1 (L), y c = (D + U )1 b:
indicar en este caso que diferencias de implementacin
habra con respecto al caso anterior.

n
zn = w 1+y
+ (1 w) zn1
3
1 0
1
w
1: 171 6
A = @ 1: 071 1 A
u2 = @ w 3w
2
: 808 83
w 1+1:3071 1
0
w (1: 071 1 1) (1 w) 1: 171 6
35
+ (1 w) 1: 071 1
u3 = @ w 3+: 284
2
1+1: 740 2
w
+ (1 w) : 808 83
3
0
1
: 284 35
= @ 1: 740 2 A
: 931 34
0
w (1: 740 2 1) + (1 w) : 284 35
42
+ (1 w) 1: 740 2
u4 = @ w 3+: 818
2
1+1: 938 2
w
+ (1 w) : 931 34
3
0
1
: 818 42
= @ 1: 938 2 A
: 987 65

Solucin: El mtodo es igual que en el problema anterior,

excepto que en este caso los clculos se realizaran de abajo
para arriba, es decir, primero se calculara z, se sustituira
su valor en la ecuacin de y y, por ltimo, estos dos valores
se sustituiran en la primera ecuacin.
Problema 100 Calcular 3 iteraciones del mtodo de relajacin 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

partiendo de u1 = (0; 0; 0): Calcular previamente el

parmetro de relajacin ptimo

Clculo del wopt :

2p
1+ 12 2

wopt = 1: 171 6

1
2

Solucin:

2
1(MJ )2

1+

p
1p
0; 2 2; 12 2 , luego

A=

A=

Problema 101 Escribir en Fortran la funcin siguiente:

CONDICIONAMIENTO(Af,Nf,Nfmax,TOLf,Nter) que
devuelve el condicionamiento de una matriz utilizando el
mtodo de Jacobi para calcular los autovalores, se supondr
implementada la funcin JACOBI(A,N,Nmax,TOL,Niter)

x y = 1
x + 2y = 3
y + 3z = 1

34

2. Para demostrar que jAj = 0 cuando la

por
suma

columnas es cero, basta saber que jAj = AT :

Pn
i aij = 0, esto es equivalente a lo siguiente:
0 1 0 1
0 1
1
0
1
B 1 C B 0 C
B 1 C
B C B C
B C
AT B . C = B . C = 0 B . C
@ .. A @ .. A
@ .. A

que devuelve 0 si termina bien y 1 si termina mal. La funcin CONDICIONAMIENTO devuelve 2.*120 si termina
mal porque Jacobi da un error o se produce una divisin
por cero. Los parmetros son la matriz Af, Nf la dimensin real, Nfmax, la dimensin para coger memoria, Nter
nmero mximo de iteraciones, y Tolf la tolerancia (mximo .21 lneas de instrucciones)
Solucin:

01
CONDICIONAMIENTO(Af,Nf,Nfmax,Nter,Tolf)
02
DIMENSION Af(Nfmax,*)
03
CONDICIONAMIENTO=2.*120
04
IF(JACOBI(Af,Nf,Nfmax,TOLf,Nter).NE.0)
THEN
05
RETURN
06
END IF
07
AMAX=ABS(A(1,1))
08
AMIN=ABS(A(1,1))
09
DO I=2,Nf
10
IF(AMAX.LT.ABS(A(I,I))) THEN
11
AMAX=ABS(A(I,I))
12
END IF
13
IF(AMIN.GT.ABS(A(I,I))) THEN
14
AMIN=ABS(A(I,I))
15
ENDIF
16
END DO
17
IF(AMIN.EQ.0) THEN
18
RETURN
19
ENDIF
20
CONDICIONAMIENTO=AMAX/AMIN
21
END

Problema 103 Dado un sistema iterativo

un = Mun1 + c

Demostrar que aunque el radio espectral de M sea mayor

que 1; si u1 y c son combinaciones lineales de autovectores
de M correspondientes a autovalores de mdulo menor que
1; entonces el mtodo converge.
Solucin: Sean xi los autovectores de M correspondientes
a autovalores menores que 1:
P
u1 = ni=1 ai xi
P
c = ni=1 ci xi

Realizando iteraciones obtenemos las siguientes expresiones:

u2 = Mu1 + c

u3 = Mu2 + c = M M u1 + c + c = M 2 u1 + M c + c
..
.
un = M n1 u1 + M n2 c + : : : Mc + c =

= M n1 u1 + M n2 + : : : M + 1 c

Solucin: Si jAj = 0, entonces la matriz A no es invertible

y el sistema no tiene solucin.
1. Vamos a demostrar que si la suma por las de A es
igual a cero, entonces jAj = 0 :
Pn
j aij = 0, esto es equivalente a lo siguiente:
0 1 0 1
0 1
1
0
1
B 1 C B 0 C
B 1 C
B C B C
B C
AB . C = B . C = 0 B . C
.
.
@ . A @ . A
@ .. A
1
0
1

Tomando el primer sumando:

Pn
Pn
M n1 u1 = M n1 i=1 ai xi = M n2 i=1 ai M xi =
P
P
= M n2 ni=1 ai i xi = : : : ni=1 ai n1
xi
i

Como u1 depende linealmente de los xi (autovectores)

cuyos autovalores i son menores que uno, entonces n1
i
tiende a 0 cuando n tiende a innito, luego este trmino
converge.

Esto signica que la matriz A posee un autovalor igual

a cero ( = 0).

Para el segundo sumando:

n2

M
+ :::M + 1 c =

Pn
= M n2 + : : : M + 1
i=1 ci xi =
P
Pn
n
= M n2 i=1 ci xi + : : : M i=1 ci xi +

El determinante de una matriz es igual al producto

de sus autovalores:
n
Y

i=1

T
La matriz
T A posee un autovalor igual a cero ( = 0),

luego A = 0.

jAj = AT = 0

Problema 102 Demostrar que si una matriz A verica

que por las o columnas su suma es siempre igual a 0, entonces el determinante de A es cero, y por tanto el sistema
asociado a A no tiene solucin.

jAj =

i = 1 : : : 0 : : : n = 0
35

Pn

i=1 ci xi

Pn

Pn

n2
xi +
i=1 ci i

Problema 105 Plantear el algoritmo necesario para calcular, utilizando el mtodo de Newton-Raphson, las races
complejas o reales de un polinomio de grado 3:

Pn

+ : : : i=1 ci i xi + i=1 ci xi =

Pn
+ : : : + i + 1
= i=1 ci xi n2
i
|
{z
}

Solucin:

Serie geomtrica convergente

Pn

1
i=1 ci xi 1i ,

P (z) = az 3 + bz 2 + cz + d = 0

con lo que este trmino tambin converge.

Un polinomio de grado 3 posee al menos una raz real.

Las otras dos races pueden ser tambin reales o imaginarias conjugadas.
Sea z un nmero complejo: z = x + yi, sustituyendo
en la anterior ecuacin,

Problema 104 Calcular 2 iteraciones del mtodo de

Newton-Raphson no-lineal para aproximar una raz del sistema de ecuaciones
x2 + y 2 1 = 0
yx =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 +

+bx2 + 2ibxy by2 + cx + icy + d = 0

Solucin:
2

x + y2 1 = 0
2x 2y
rf(x; y) =
yx =0
1 1

Separamos la parte real de la parte imaginaria:

ax3 3axy 2 + bx2 by 2 + cx + d = 0

f=
3ax2 y ay3 + 2bxy + cy = 0

3ax2 3ay 2 + 2bx + c

6axy 2by
rf =
6axy + 2by
3ax2 3ay2 + 2bx + c

un = (xn ; y n )
u0 = (1; 1)

rf (un )z = f (un )
un+1 = un + z

2x 2y
z1
x + y2 1
=
1 1
z2
yx

El proceso iterativo es de la forma:

un = (xn ; yn )

rf (un ) z = f (un )
un+1 = un + z

Iteraciones:

2 2
z1
1
1.
=
1 1
z2
0

z1
z2

14
14

u =u +z =

u1 =

2.

3
2

1
z1
z2

3
4
3
4
3
2

u =

17
24
17
24

1
1

z1
z2

3
4
3
4

1
24
1
24

u2 = u1 + z =

: 708 33
: 708 33

1
8

Funcion F (u)
f (1) = a u(1)3 3a u(1) u(2)2 +
+b u(1)2 b u(2)2 + c u(1) + d
f (2) = 3a u(1)2 u(2) a u(2)3 +
+2b u(1) u(2) + c u(2)
devolver f
Fin funcion

1
24
1
24

Las funciones F (u) y rF (u) se utilizan para evaluar

la funcin y el gradiente de la funcin en un punto, respectivamente.

41
14

Algoritmo:
Este algoritmo utiliza una funcin, "Sistema(A; u)";
para resolver un sistema de ecuaciones.

Funcion rF (u)
2
rf (1; 1) = 3a u (1) 3a u(2)2 + 2b u (1) + c
rf (1; 2) = 6a u (1) u (2) 2b u (2)
rf (2; 1) = rf (1; 2)
rf (2; 2) = rf (1; 1)
devolver rf
Fin funcion

36

Solucin:

Algoritmo
un1 = (x0 ; y0 )
/* calculamos la primera
*/
aproximacin

z = Sistema rF un1 ; F un1

un (1) = un1 (1) + z(1)
un (2) = un1 (2) + z(2)
n=0

Mientras un un1 T OL y (n < T OP )

un1 = un
/* calculamos la siguiente
*/
aproximacin

z = Sistema rF un1 ; F un1

un (1) = un1 (1) + z(1)
un (2) = un1 (2) + z(2)
n=n+1
Fin Mientras
Si (n = T OP ) Entonces
ERROR: No se ha encontrado solucin
Fin Si
Fin Algoritmo

yzexyz
@
0
rf (x; y; z) =
4 (z 1) x3

un+1 = un + z =
0 1 0 1
1
e (e 1)
11
=@ 1 A+@
2
1
3
0 15 1
1
2 e (e 1)
13
A
=@
2
4

Solucin:

y
x1
1. rf (x; y) =
! rf(1; 1) =
y2
x

1
1 0
1 0
0
! u2 =
+
1
1
1
1
1

1
1
=
1
2
2 0
rf (1; 2) =
0 1
1
1
=
2
2

! u3 =

2 0
0 1

0
0

10
1
z1
xyexyz
3z 2 A @ z2 A =
z3
x4
1

Iteracin:
0
10
1
0
1
e e e
z1
e1
@ 0 2 3 A @ z2 A = @ 2 A
0 0 1
3
z3
0
1 0 1
1
z1
e (e 1) 17
2
11
@ z2 A = @
A
2
z3
3

A partir de u1 = (1; 1), calcular u2 y u3 utilizando el

mtodo de Newton-Raphson para aproximar un cero del
sistema no-lineal.

xzexyz
2y
0

exyz 1
2
@
y z3 2 A
=
(z 1)x4 3

(x 1)y = 0
(y 2)x = 0

rf (x; y; z) z = f (x; y; z)
un+1 = un + z

yzexyz
@
0
4 (z 1) x3
0

Problema 106 Se considera el sistema no-lineal

1
xyexyz
3z 2 A
x4

xzexyz
2y
0

17
2

A=

INTERPOLACION DE FUNCIONES II
Problema 108 Calcular los polinomios base de Hermite
que corresponden a tomar como puntos de interpolacin
x0 = 1; x1 = 1; y el orden de derivacin M = 1:

Solucin: Los polinomios de Hermite que corresponden a

esos puntos de interpolacin vienen dados por las grcas
4, 5, 6 y 7.

Problema 107 Calcular 1 iteracin del mtodo de

Newton-Raphson no-lineal para aproximar una raz del sistema de ecuaciones

1. La grca 4 se hace cero en 1 y sus derivadas, tanto

en ese punto como en 1, valen cero. Este polinomio
tiene dos races en 1 (la segunda debido al valor de su
derivada en 1), con lo que la forma de este polinomio
es como sigue:

exyz 1 = 0
y2 z 3 2 = 0
(z 1)x4 3 = 0
partiendo de (x; y; z) = (1; 1; 1):

0
H1
(x) = (x 1) (a (x + 1) + b)

El valor de este polinomio en -1 es 1:

37

0.75

0.75

0.5

0.5

0.25

0.25

0
-1

-0.5

0
0

0.5

-1

-0.5

0.5

0
Figure 4: Polinomio de Hermite H1

Figure 6: Polinomio de Hermite H10

-1

-0.5

0.5

x
1

0
0.25

-0.05

0.2

-0.1

0.15

-0.15

0.1

-0.2

0.05

-0.25

0
-1

1
x

-0.5

y
0

0.5

1
x

Figure 7: Polinomio de Hermite H11

1
Figure 5: Polinomio de Hermite H1

Por la misma razn que en el caso anterior, sabemos

que la funcin posee dos races en 1, con lo que el
polinomio tiene la forma,

0
H1
(1) = 1

(1 1)2 (a (1 + 1) + b) = 4b = 1
b=

1
H1
(x) = (x 1)2 (a (x + 1) + b)

1
4

1
H1
(1) = (1 1)2 (a (1 + 1) + b) = 4b = 0

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

2

00
H1
(x) = 2 (x 1) (a (x + 1) + b) + (x 1) a = 0

b=0

para calcular el valor de a, derivamos el polinomio y

evaluamos en 1,

00
H1
(x) = 2 (2) (a (0) + b) + (2) a = 0

4b + 4a = 0

10
H1
(x) = 2 (x 1) (a (x + 1) + b) + (x 1)2 a

a = b = 14 ;

10
H1
(1) = 2 (1 1) (a (1 + 1) + b) +

luego el polinomio queda,

0
H1
(x) =

1
4

+ (1 1)2 a = 1

(x 1)2 (x + 2)

4a = 1

2. Para calcular el segundo polinomio partimos de la grca 5. En sta, La funcin se anula en -1 y 1, la

derivada en -1 es igual a 1 y su derivada en 1 es cero.

a = 14 ;

38

luego el polinomio nos queda:

1
H1
(x) = (x 1)2

(x + 1)

di =

3. Para calcular los otros dos polinomios, basta considerar que son funciones simtricas a las dos anteriores. En la grca 6 se puede ver que esta funcin
0
es simtrica a H1
(x) (ver grca 4) con respecto al
eje de las y:

bi =

2
5
85

ci+1 ci
3hi

i = 0; : : : N 1

(ai+1 ai )
hi

2
5

3
8

2
5 5

8
5

0 2 1
C @ 152 A
3
A=
8
15

hi (2ci +ci+1 )
3

i = 0; : : : N 1

1 0
1 0
2
1 15
b0
@ b1 A = @ 1 45 85 A = @
3
b2
1 + 16
15
0

(x 1) (x + 2)

13
15
19
15
1
15

1
A

Los splines cbicos nos quedan de la siguiente manera:

2
H10 (x) = 14 (x + 1) (x 2)

P1 (x) =

4. Por ltimo, la funcin representada en la grca 7, es

1
simtrica al polinomio H1
(grca 5) con respecto al
origen, con lo que,

2
15

(x + 1)3 +

13
15

(x + 1) 1

x 2 [1; 0]
P2 (x) = 23 x3 + 52 x2 +

1
H11 (x) = H1
(x)

H11 (x) = (x 1)2

1 0
d0
@ d1 A = B
@
d2

0
H10 (x) = H1
(x)
1
4

El polinomio es por tanto,

H10 (x)

c1
c2

19
15 x

x 2 [0; 1]
1
4

H11 (x) =

1
4

(x + 1)

P3 (x) =

8
15

(x 1)3

8
5

(x 1)2 +

1
15

(x 1) + 1

x 2 [1; 2]

(x + 1)2 (x 1)

Problema 109 Calcular los polinomios que determinan

la interpolacin
por splines cbicos de la funcin f(x) =

sin 2 x para los puntos x = 1; 0; 1; 2

0.5

Solucin: Los polinomios son de la forma:

-1

-0.5

0.5

1.5

2
x

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

-0.5

Vamos a calcular los coecientes para cada intervalo:

-1

8 (xi xi1 )

hi = 1
ai = f (xi )

Figure 8: Comparacin entre la funcin sin

aproximacin por splines cbicos.

i = 0; : : : N

1 0
a0
f (x0 )
B a1 C B f (x1 )
B
C B
@ a2 A = @ f (x2 )
a3
f (x3 )

1
1
C B 0 C
C=B
C
A @ 1 A
0

Problema 110 Calcular la funcin que interpola, utilizando la funcin sinc(x) a la funcin f(x) = sin(x) en
los puntos x = ; 2 ; 0; 2 ; :

hi1 ci1 + 2 (hi1 + hi ) ci + hi ci+1 =

=

3(ai+1 ai )
hi

2 x y su

3(ai ai1 )
hi1

Solucin:

c0 = c3 = 0

4 1
c1
0
=
1 4
c2
6

sinc (x) =

sin(x)
x

La interpolacin a travs de la funcin sinc(x) :

39

P
sin(( a i))
f~(x) N
i=M f(xi ) ( x i)
a
x

xi = a i =

[2; 1; 0; 1; 2]

sin(( +2))
f~(x) f () 2x+2
+f
( )
2x

+f (0)

sin(( 2x
))
( 2x
)

+ sin
=

+f

sin(( 2x
2))

+f ()

sin(2x)
2

2x

sin 2x
2x

sin(( 2x
+1))
+
2
( 2x
+1)

sin(2x+)
2

sin(2x)
2x

2x+

La interpolacin por polinomios trigonomtricos tiene

la forma:

sin(2x+)
2x+

sin 2x(2x)sin 2x(2x+)

4x2 2

Solucin:

x si x 0
jxj =
x si 0 x

sin(( 2x
1))
+
2
( 2x
1)

= sin

( 2x
2)

sin 2x
2x+

Problema 111 Calcular el polinomio trigonomtrico

tomando N = 2; que interpola a la funcin f (x) = jxj
en el intervalo [; ]:

~
f(x)

En la gura 9 se muestran el sin(x) y su aproximacin

por el seno cardinal

ck =

R
f (x)eikx dx
jxjeikx dx

=
2
2
R0
R ikx
ikx
xe
dx
xe
dx
+ 0 2
2

c2 = c2 = 0
c1 = c1 = 2

c0 = 2

0
0

10
x

Sustituimos en el sumatorio que aproxima a la funcin

y obtenemos:

-0.5

f~(x)

-1

2 ix
e

= 12

2 eix =

cos x

El resultado de la aproximacin es, por tanto,

Figure 9: Comparacin del sin x con su aproximacin

numrica utilizando sin c(x), tomando como puntos de in
terpolacin x=;
2 ; 0; 2 ; :

Los valores de estos coecientes son:

0.5

-5

k=2

-10

ck eikx ;

donde los coecientes se calculan a partir de la siguiente

expresin:

2x
= 2 4xsin
2 2

2
X

1
4
f~(x) cos x
2

La siguiente grca compara f(x) = jxj con su aproximacin f~(x) para N = 2 en el intervalo [; ]:
jxj

0.5

3.75

0
-10

-5

10
x
2.5

-0.5

1.25

-1

0
-2.5

-1.25

1.25

2.5
x

Figure 10: Comparacin del sin x con su aproximacin

numrica utilizando sin c(x), tomando como puntos de in

3
terpolacin x=2; 3
2 ; ; 2 ; 0; 2 ; ; 2 ; 2

Polinomio trigonomtrico (N = 2; [; ])
En la siguiente grca se realiza la misma comparacin tomando 20 muestras en el intervalo [; ]:

40

jxj
y

3.75

2.5

1.25

0
-2.5

-1.25

1.25

2.5
x

Polinomio trigonomtrico (N = 10; [; ])

Problema 112 Calcular la

cuadrtica lineal de la tabla
xi
0
1
2
3

aproximacin

mnimo

yi
0
1
0
2

Solucin: Aplicando las frmulas para calcular los coecientes de la recta que ms se aproxima a estos puntos,
obtenemos:
a=

PN

P
PN
xi yi N
i=1 xi
i=1 yi
PN
P
2
N i=1 x2i ( N
i=1 xi )

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

=
b=

i=1

PN

i=1

x2i
N

1
2

PN
P
yi N
i=1 xi
i=1 xi yi
P
2
N
2
x

x
(
)
i
i=1 i
i=1

PN

Pi=1
N

(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

0
0

4
x

Figure 11: Aproximacin mnimo cuadrtica

41