Universidad de Santiago de Chile

Facultad de Ciencias
Departamento de Matemáticas y Ciencias de la Computación

LABORATORIO N º 2 DE TOPICOS DE MATEMATICA I. MAYO 2010.

1) CUADRATURA GAUSSIANA
A) Dado un espacio vectorial V y X   x1 , x2 ,..  V , el proceso GS construye un
conjunto de vectores ortogonales Y   y1 , y2 ,.. donde
ir xr 1 , yi
y1  x1 , yr 1  xr 1   yi , r  1, 2,.., k  1
i 1 yi , yi

de modo que X e Y generan un mismo subespacio S.

1
 
Con X  1, x, x 2 ,..  V y f , g  0 LN ( x 1 ) f ( x) g ( x)dx calcule
 y1 , y2 , y3 .
B) Usando A) Construya una fórmula gaussiana de dos sumandos del tipo

 LN ( x
1
) f ( x)dx  Af (a )  Bf (b) .
0
1
Conocidos A, a, B y b aproxime el valor de    LN ( x 1 )x( x  1)dx .
0
Suponiendo que -0.4343203426 es el valor exacto encuentre los d.s. de  .

2) NUMERO DE CONDICION: Para una norma inducida el numero K ( A)  A1 A

se define como el número de condición del sistema lineal Ax  b siendo A de n x
n de rango completo.
a) Use I  AA1 para demostrar que K ( A)  1 . Si K ( A)  1 se dice que la
matriz esta mal condicionada.
 1 1  
Dado el sistema Ax=b donde A  
1 
demuestre usando que
1  


4
K ( A)  .
2

b) Si Ax  b tiene solución aproximada a x y se definen el vector error e  x  a x y

1 r e r
el vector residual r  b  A a x pruebe que Ae=r y que   K ( A)
K ( A) b x b
  1 1  
3) Con la matriz A  
1 
plantee el sistema Ax=b con solución
1  
x= (1.5; 1,7) siendo   0.01 .

a) Resuelva el sistema usando eliminación gaussiana, truncando a 5 decimales,

para obtener la solución aproximada xg.
b) Resuelva el sistema usando la regla de Cramer, truncando a 5 decimales, para
obtener la solución aproximada xc.
c) Resuelva el sistema usando el método de Gauss-Jacobi, truncando a 5
decimales, para obtener la solución aproximada xj, con 10 iteraciones.
d) En este instante tiene 3 soluciones aproximadas con la cuáles puede investigar
como se comporta la desigualdad en el problema 2b). ¿Cómo se comporta?

4) APROXIMACION: Se conoce que la proyección de x  V espacio vectorial

euclídeo sobre el subespacio S con base ortonormal finita e1 , e2 ,.., en  está dada por
k n
s   x, ek ek . Se dice que s es el vector mas próximo a x.
k 1

 
Definiendo s   x  s y S   v  V : v, s  0 para  s  S , el ortogonal de S, pruebe
que
a) s  , e j  0
b) s   S 
c) S  S   V . ( esto se deduce de s   x  s )
2
x  s  s
2 2
d) .

2
5) En el espacio vectorial C(0,2  ) con el producto interior f,g   f (t ) g (t )dt sea S
0
el subespacio vectorial generado por las funciones 1, cos( x), sen( x) encuentre el
polinomio en S más próximo a la función f(x) = x.

6) Determine curvas de ajuste en mínimos cuadrados de la forma y  Ax 2 e y  Bx 3

para decidir cuál ajusta mejor los datos usando el error cuadrático medio
1 N
2
E2 ( f )    f ( xk )  yk 
N k 1 
xk 2 2.3 2.6 2.9
yk 5.1 7.5 10.6 14.4

7) Para los datos (1,0.6),(2,1.9),(3,4.5),(4,7.6),(5,12.5) linealizar datos para ajustar

una curva del tipo y  Ax B . Use el error cuadrático medio para comparar con el ajuste
y  Ae Bx . ¿Cual ajuste es mejor?