EXAMEN REPE-teterereteretete!!!

, Análisis Numérico

1 EJERCICIO:
Recordemos que la fórmula de cuadratura para aproximar la integral de una función f (x) esta dada por
Z b X n
f (x)dx ≈ Ai f (xi ) = A0 f (x0 ) + A1 f (x1 ) + ... + An f (xn ), (1)
a i=0

Donde [a, b] es el intervalo de integración, {xi }ni=0 son los (n + 1) puntos de interpolación dados y los Ai
son los valores numéricos a determinar. Para simplificar el cálculo de los valores de Ai , podemos resolver
el sistema lineal de (n + 1) ecuaciones y (n + 1) incognitas (las cuales son los Ai ) dado por
n
X bk+1 − ak+1
Ai xki = , para cada k = 0, 1, ..., n.
i=0
k+1

(Las (n + 1) ecuaciones se obtienen considerando cada valor de k. En el lado derecho de la igualdad es el

lado derecho del sistema lineal y en el lado izquierdo aparecen las (n + 1) incognitas Ai )
2
Consideremos la función f (x) = e−x y los puntos de interpolación x0 = 0, x1 = 2, x2 = 4. Entonces,

a-) (4 pts) Determinar el sistema lineal para encontrar los valores de Ai .

b-) (4 pts) Resolver el sistema lineal de a-) usando el método
R 4 de factorización LU.
2
c-) (4 pts) Usando (1) determinar el valor numérico de 0 e−x dx. [Si quiere comprobar este resul-
tado, debe darse cuenta de la regla de integración usada, ya que ab f (x)dx ≈ ab L(x)dx = ni=0 Ai f (xi ). La
R R P

comprobación asegura que lo hecho en a-), b-) y c-) esta bueno]

d-) (4 pts) Calcular la matriz de Jacobi del sistema lineal en a-).
e-) (4 pts) Calcular el espectro de la matriz de Jacobi.
f-) (2 pts) Determinar si el método de Jacobi es convergente.
g-) (4 pts) Calcular la matriz de Gauss-seidel del sistema lineal en a-).
h-) (4 pts) Calcular el espectro de la matriz de Gauss-Seidel.
i-) (2 pts) Determinar si el método de Gauss-Seidel es convergente.
SOLUCIONES:
a-)
A0 x00 + A1 x01 + A2 x02 = b − a, para cada k = 0
2 2
A0 x10 + A1 x11 + A2 x12 = b −a
2
, para cada k = 1
2 2 2 b3 −a3
A0 x0 + A1 x1 + A2 x2 = 3 , para cada k = 2
,es decir,
A0 + A1 + A2 = 4
2A1 + 4A2 =8
4A1 + 16A2 = 64
3
Matricialmente podemos escribir:
    
1 1 1 A0 4
 0 2 4   A1  =  8  ⇐⇒ AX = B
64
0 4 16 A2 3

b-)     
1 1 1 1 0 0 1 1 1
 0 2 4  =  0 1 0  0 2 4 
0 4 16 0 2 1 0 0 8

1
Entonces
AX = B ⇐⇒ LU X = B ⇐⇒ LY = B y UX = Y
Primero
LY = B ⇐⇒
 
      
1 0 0 y1 4 y1 4
 0 1 0   y2  =  8  ⇐⇒  y2  =  8 
64 16
0 2 1 y3 3
y3 3

Segundo
U X = Y ⇐⇒
2
 
      
1 1 1 A0 4 A0 3
 0 2 4   A1  =  8  ⇐⇒  A1  =  8 
3
16 2
0 0 8 A2 3
A2 3

c-) Se tiene que Z 4

2 2 8 2 2 8 2
e−x dx ≈ f (0) + f (2) + f (4) = + e−4 + e−16 .
0 3 3 3 3 3 3
Para comprobar, usamos la regla de Simpson (con la cual se esta trabajando implicitamente)
Z 4
2 4 2
e−x dx ≈ [f (0) + 4f (2) + f (4)] = [1 + 4e−4 + e−16 ].
0 6 3
los cuales son iguales.
d-)
J = D−1 (E + F ) =
    
1 0 0 0 −1 −1 0 −1 −1
 0 1/2 0   0 0 −4  =  0 0 −2 
0 0 1/16 0 −4 0 0 −1/4 0
e-) Espectro
|λI − J| =
√
 
 λ 1 1 
 0 λ 2  = λ3 − λ = λ(λ2 − 1 ) = 0 ⇐⇒ λ1 = 0, λ2,3 = ± 2
 
 
 0 1/4 λ  2 2 2

entonces,  √  √  √
 2   2  2
ρ(J) = max{0,  −
 , }= .
2  2  2
f-) √
2
ρ(J) = < 1,
2
es decir, el método de Jacobi es convergente.
g-)
Gs = (D − E)−1 F =
    
1 0 0 0 −1 −1 0 −1 −1
 0 1/2 0   0 0 −4  =  0 0 −2 
0 −1/8 1/16 0 0 0 0 0 1/2
h-) Espectro
|λI − Gs | =

2
  
 λ 1 1 
 
 0 λ 2  = λ2 (λ − 1/2) = 0 ⇐⇒ λ1,2 = 0, λ3 = 1/2
 
 0 0 λ − 1/2 
entonces,    
 1   1  1
ρ(Gs ) = max{0,  − ,  } = .
2 2 2
i-)
1
ρ(Gs ) = < 1,
2
es decir, el método de G-S es convergente.

2 EJERCICIO:
Considerar el PVI
u(t)2 t2 ln(t) − u(t)
u0 (t) =
t
con la condición inicial
u(1) = 0.5.
Se desea encontrar la solución numérica de esta EDO para 1 ≤ t ≤ 10.
a-) (2 pts) Determinar el valor de los datos iniciales dados t0 y u0 .
b-) (2 pts) Para h = 1, determinar la malla uniforme {ti } y sus valores.
c-) (6 pts) Con los datos anteriores determinar el esquema de Euler regresivo para este problema.
d-) (6 pts) Determinar la ecuación no-lineal para calcular u1 .
e-) (12 pts) Analizar si es posible usar el método de Newton-Raphson para encontrar una aproximación de
u1 .

SOLUCIONES:
a-) t0 = 1, u0 = 0.5 .
b-) En general
ti = t0 + hi, i = 0, 1, 2, ..., 9
para h = 1 y t0 = 1
ti = 1 + i, i = 0, 1, 2, ..., 9
, es decir,
t0 = 1, t1 = 2, t2 = 3, t3 = 4, t4 = 5, t5 = 6, t6 = 7, t7 = 8, t8 = 9, t9 = 10

c-) En general
ui+1 = ui + hf (ti+1 , ui+1 ), i = 0, 1, 2, ..., 9
 2 2
ui+1 ti+1 ln(ti+1 ) − ui+1

ui+1 = ui + h , i = 0, 1, 2, ..., 9
ti+1
u0 = 0.5
En particular,
u2i+1 t2i+1 ln(ti+1 ) − ui+1
 
ui+1 = ui + , i = 0, 1, 2, ..., 9
ti+1
u0 = 0.5

3
d-) Si queremos u1 consideramos solo i = 0, es decir,
 22 
u1 t1 ln(t1 ) − u1
u1 = u0 +
t1

, es decir, (t1 = 2)
4u1 2 ln(2) − u1
 
u1 = 0.5 +
2
e-) La incognita es u1 , por simplicidad llamemos x = u1 , es decir, tenemos la ecuación no lineal
 2 
4x ln(2) − x
x = 0.5 +
2
o
2x = 1 + 4x2 ln(2) − x
4ln(2)x2 − 3x + 1 = 0
Esta ecuación no tiene raices ya que el discriminante es negativo, es decir, no podemos aplicar el método
de NR.