Universidad CatÛlica del Norte

Facultad de Ciencias
Departamento de Matem·ticas

Pauta Primer Control de C·tedra

MÈtodos NumÈricos DAMA-00409
11 de mayo de 2022
Profs. Juan Carlos EgaÒa, Javier Gonz·lez y Mario Salas

P
puntos obtenidos
Observaciones: La nota de la prueba se calcula seg˙n la fÛrmula N ota = 10
+1.

Preguntas:

1. Dada la ecuaciÛn

x3  2x  2 = 0: (1)

(a) (3.0 puntos) Determine un intervalo de extremos enteros consecutivos que con-
tenga la ˙nica raÌz positiva de la ecuaciÛn (1). JustiÖque su respuesta.
Respuesta: Sea f (x) = x3  2x  2. La ecuaciÛn (1) puede escribirse:

x3 = 2x + 2
En las gr·Öcas de las funciones h(x) = x3 y g(x) = 2x + 2 que se muestran en
la Ögura se puede ver que la ecuaciÛn (1) tiene una raÌz positiva en el intervalo
[1; 2]. En efecto, aplicando el teorema de Bolzano tenemos

f (1) = (1)3  2 (1)  2 = 3 < 0

f (2) = (2)3  2 (2)  2 = 2 > 0

 q  q 
2
0 2
Adem·s, f (x) = 3x  2 = 3 x  3
x + 23 > 0, para cada x 2 [1; 2] y,
por lo tanto, la ecuaciÛn (1) tiene una ˙nica raÌz en [1; 2] 
(b) (2.0 puntos) Dadas las funciones

x3  2
g1 (x) = (2x + 2)1=3 y g2 (x) = : (2)
2
Demuestre que un punto Öjo de g1 (x) y g2 (x) es una raÌz de la ecuaciÛn (1).
Respuesta:

1
 1. Sea p un punto Öjo de g1 (x). Entonces

g1 (p) = p
() (2p + 2)1=3 = p
() 2p + 2 = p3
() p3  2p  2 = 0
() f (p) = 0
lo que implica que p es una raÌz de f (x) = 0 
2. Sea p un punto Öjo de g2 (x). Entonces

g2 (p) = p
p3  2
() =p
3
2
() p  2 = 2p
() p3  2p  2 = 0
() f (p) = 0
lo que implica que p es una raÌz de f (x) = 0 
(c) (12.0 puntos) øPara las funciones g1 (x) y g2 (x) deÖnidas en (2), es posible
garantizar la convergencia del mÈtodo del Punto Fijo para encontrar una aproxi-
maciÛn de la ˙nica raÌz en el intervalo determinado en el Ìtem (a)?. JustiÖque su
respuesta.
Respuesta:

2
1. Sea g1 (x) = (2x + 2)1=3 .
1. Claramente, g1 (x) es una funciÛn continua en [1; 2].
2. Notemos que

g1 (1) = (2  1 + 2)1=3  1:587401052 2 [1; 2]

y

g1 (2) = (2  2 + 2)1=3  1:817120593 2 [1; 2]

Adem·s,

2
g10 (x) = (2x + 2)2=3
3
2 1
= q > 0, para cada [1; 2]
3 3 2
(2x + 2)

Lo que implica que la funciÛn g1 (x) es creciente en [1; 2] y su m·ximo y

su mÌnimo lo alcanza en los extremos del intervalo [1; 2]. Esto demuestra
que g1 ([1; 2])  [1; 2] 
3. Notemos que h1 (x) = jg10 (x)j = 23 (2x + 2)2=3 . Queremos determinar su
monotonÌa en [1; 2]. Para ello, calculamos su derivada

8
h01 (x) = (2x + 2)5=3
9
8 1
= q < 0, para cada (1; 2)
9 3 5
(2x + 2)

AsÌ h1 (x) es decreciente en [1; 2]. Adem·s,

2
h1 (1) = (2  1 + 2)2=3  0:264566842 < 1
3
y
2
h1 (2) = (2  2 + 2)2=3  0:201902288 < 1
3
Esto demuestra que el m·ximo se alcanza en x = 1 y

2
jg10 (x)j = (2x + 2)2=3
3  
2 2=3
 max (2x + 2)
1x2 3
 0:264566842
Es decir,

jg10 (x)j  0:264566842 = K < 1, para cada (1; 2)

3
 De lo anterior, podemos aÖrmar que para g1 (x) = (2x + 2)1=3 el mÈtodo del
Punto Fijo converge para cualquier p0 2 [1; 2] 
x3  2
2. Ahora, sea g2 (x) =
2
1. Claramente, g2 (x) es una funciÛn continua en [1; 2].
2. Notemos que

13  2
g2 (1) = = 0:5 2
= [1; 2]
2
23  2
g2 (2) = =32
= [1; 2]
2
Esto muestra que g2 ([1; 2]) * [1; 2].
Por lo anterior, no podemos garantizar que el mÈtodo del Punto Fijo converge
x3  2
para g2 (x) = 
2
(d) (3.0 puntos) Para aquella funciÛn dada en (2), donde se garantice que el mÈtodo
del Punto Fijo converge, determine el n˙mero de iteraciones que se requieren para
calcular una aproximaciÛn de la ˙nica raÌz positiva de la ecuaciÛn (1) con una
exactitud de dos cifras decimales y una aproximaciÛn inicial p0 = 1:2.
Respuesta:
Primera forma:

jpn  pj  K n max fp0  a; b  po g

= K n max f1:2  1; 2  1:2g
= K n  0:8

Luego


K n  0:8  5  103 ln
 3

n ln K  ln 6:25  10
ln (6:25  103 )
n   3:816892038
ln(0:264566842)

Por lo tanto, deben realizarse n = 4 iteraciones.

Segunda forma:
Una primera iteraciÛn del punto Öjo da:

p1 = g1 (p0 )
= g1 (1:2)
 1:638642541

4
 Adem·s, tenemos que

Kn
jpn  pj  jp1  p0 j
1K
n
K
= j1:638642541  1:2j
1K
Kn
=  0:438642541
1K

Luego

Kn
 0:438642541  5  103
1K
5  103 (1  K)
Kn 
0:438642541
5  103 (1  0:264566842)
Kn 
0:438642541 
n
K  8:38305783  103 ln
3
ln (8:38305783  10 )
n 
ln K
 3:59606041

Por lo tanto, deben realizarse n = 4 iteraciones.

2. Dado el sistema de ecuaciones lineales:

9
x1  0:5x2 = 1 =
x1 + x2  0:5x3 = 1
;
x1 + x2 + x3 = 2

(a) (12.0 puntos) Determine si el mÈtodo de Gauss-Seidel converge. JustiÖque su

respuesta.
Respuesta: Sean
2 3 2 3
1 0:5 0 1
A=4 1 1 0:5 5 ; b = 4 1 5
1 1 1 2

y asÌ
2 3 2 3 2 3
1 0 0 0 0 0 0 0:5 0
D = 4 0 1 0 5; L = 4 1 0 0 5 y U = 4 0 0 0:5 5
0 0 1 1 1 0 0 0 0
Entonces

5
 2 31 2 3
1 0 0 0 0:5 0
(D  L)1 U = 4 1 1 0 5  4 0 0 0:5 5
1 1 1 0 0 0
2 3 2 3
1 0 0 0 0:5 0
= 4 1 1 0 5  4 0 0 0:5 5
0 1 1 0 0 0
2 3
0 0:5 0
= 4 0 0:5 0:5 5
0 0 0:5
y

2 3 2 3
1 0 0 1
(D  L)1 b = 4 1 1 0 5  4 1 5
0 1 1 2
2 3
1
= 4 2 5
3

Luego
2 3 2 3
0 0:5 0 1
TGS = 4 0 0:5 0:5 5 y c = 4 2 5
0 0 0:5 3
Notar que la matriz de coeÖciente A no es estrictamente diagonal dominante y
adem·s

kTGS k1 = max f0:5; 1; 0:5g = 1

kTGS k1 = max f0; 1; 1g = 1

p
kTGS kF = 0:25 + 0:25 + 0:25 + 0:25 = 1

Esto implica que necesitaremos calcular el radio espectral de TGS para decidir
la convergencia del mÈtodo de G-S. En efecto,

 
  0:5 0 
 
jTGS  Ij =  0 0:5   0:5 

 0 0 0:5   

=  (0:5 + )2 = 0

6
 lo que implica que

 (TGS ) = max fj0j ; j0:5j ; j0:5jg = 0:5 < 1:

Por lo tanto, el mÈtodo de G-S converge 
(b) (8.0 puntos) Si x = (x1 ; x2 ; x3 )T y x(0) = (0:5; 0:5; 1)T , use el mÈtodo de
Gauss-Seidel para determinar x(6) .
Respuesta: El esquema de Gauss-Seidel en forma matricial es:

x(k) = TGS x(k1) + cGS ; k = 1; 2; :::; 6

donde
2 3 2
3
0 0:5 0 1
TGS = 4 0 0:5 0:5 5 y c = 4 2 5
0 0 0:5 3
y en su forma por componentes:

(k) (k1)
x1 = 1 + 0:5x2

(k) (k) (k1)

x2 = 1  x1 + 0:5x3

(k) (k) (k)

x3 = 2  x1  x2

con k = 1; 2; :::; 6. Luego

(k) (k) (k)

k x1 x2 x2
0 0:5 0:5 1
1 0:750000000 1:250000000 2:500000000
2 0:375000000 0:125000000 1:750000000
3 0:937500000 1:062500000 2:125000000
4 0:46875000 0:406250000 1:937500000
5 0:796875000 0:828125000 2:031250000
6 0:585937500 0:570312500 1:984375000

Por lo tanto, x(6) = (0:585937500; 0:570312500; 1:984375000)T 

3. Se debe administrar un compuesto quÌmico a una mezcla que produce una concen-
traciÛn dada por
c(t) = Atet=3
miligramos por mililitro (mg=ml), t horas despuÈs de agregar A unidades. La m·xima
concentraciÛn que la regulaciÛn permite es de 1 mg=ml.

7
(a) (5.0 puntos) øQuÈ cantidad debe agregarse a la mezcla para alcanzar la m·xima
concentraciÛn permitida y cu·ndo se presentar· esta concentraciÛn?.
Respuesta: Debemos resolver el sistema:
9
c(t) = 1 =
;
c0 (t) = 0
para alg˙n valor de t > 0. Entonces

c(t) = Atet=3 = 1 (3)

 
0 t=3 t=3 1
c (t) = Ate + Ate =0 (4)
3

Sustituyendo (3) en (4), obtenemos

1 1
 =0
t 3

=) t=3
y en (3):

3Ae1 = 1

1
=) A= e
3
Por lo tanto

1
c(t) = etet=3
3
1
Debe agregarse e miligramos = A mg para alcanzar la m·xima concentraciÛn y
3
se presentar· a las t = 3 horas 
(b) (15.0 puntos) Se debe administrar una cantidad adicional del compuesto despuÈs
de que la concentraciÛn m·xima disminuya a 0:75 mg=ml. Determine, utilizando
el mÈtodo de Newton-Raphson con una exactitud de 6 cifras decimales, cu·ndo
debe administrarse la cantidad adicional. Para ello, utilice un intervalo inicial con
extremos enteros consecutivos, justiÖcando apropiadamente la elecciÛn del valor
inicial. Para la discretizaciÛn del intervalo utilice un incremento de h = 0:2.
Respuesta: Consideremos, para t  3 :

8
 1 t=3 
0:75 = ete e1  et=3  3
3

2:25et=31 = t

2:25et=31  t = 0

Sea f (t) = 2:25et=31  t. Notemos que f (t) es continua para t  3. Si analizamos

la monotonÌa, hacemos:
 
0 t=31 1
f (t) = 2:25e  1=0
3
lo que implica

2:25et=31 = 3

3
et=31 =
2:25
 
t 3
 1 = ln
3 2:25
  
3
t = 3 1 + ln
2:25

 3:863046217 = b
t

Luego

3 b
t +1

f 0 (t)  +
f (t) & %
 
AsÌ f (t) decrece entre t = 3 y t = b
t y vuelve a crecer en bt; +1 . Notemos que

f (t) = 0:75

f (b
t) = 0:863046217

es decir, no hay raÌz. Por lo tanto, si hay alguna raÌz, esta es mayor que b
t. Por
inspecciÛn, tenemos

9
 f (4)  0:859872043

f (5)  0:617598407

f (6)  0:116134114

Luego, f tiene una ˙nica raÌz en el intervalo [5; 6]. Para la elecciÛn de la aproxi-
maciÛn inicial, tenemos

t f (t) f 0 (t) f 00 (t)

5:0  + +
5:2  + +
5:4  + +
5:6  + +
5:8  + +
6:0 + + +
Como f (6)f 00 (6) > 0 y f 0 (t) > 0; f 00 (t) > 0, podemos escoger como aproxi-
maciÛn inicial p0 = 6. Entonces, para el esquema de Newton-Raphson:

f (pn1 )
pn = pn1  ; n1
f 0 (pn1 )
tenemos

2:25e(pn1 =3)1  pn1

pn = pn1  ; n1
0:75e(pn1 =3)1  1

n pn
0 6
1 5:8881940477
2 5:8838427339
3 5:8838362893585
4 5:8838362893443
jpn  pn1 j
0:1118059522951 > "
0:0043513137086 > "
0:0000064446378 > "
0:0000000000 < "

donde " = 5  107 . Por lo tanto, la segunda cantidad se debe administrar a los
t = 5:8838362893443 horas despuÈs que se administrÛ la primera 

10