APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S.

Hernández
2.8. EJERCICIOS 45

−1+2x2
x= 3 , converge a −0,280776 luego de 14 iteraciones.
−1
x= −2x+3 , converge a −0,280776 tras 9 iteraciones.
√
3x+1
x= 2 , converge a 1,78078 después de 14 iteraciones.

3x+1
x= 2x , converge a 1,78078 luego de 8 iteraciones.

x = 2x2 − 1 − 2x, no converge, no cumple con el Teorema de Ostrowski.

2x 3
x = 3x+1 , converge a 0 tras 6 iteraciones. No es una raı́z del problema original,
la creación de ϕ(x) afectó los puntos de convergencia del método.

2.7.2. Fallas en Newton-Raphson

El método de Newton-Raphson puede fallar de varias formas. Una de las formas
más básicas en las que falla es la finalización prematura ó breakdown, que ocurre cuando
para algún xn se cumple que f ′ (xn ) = 0. Algebraicamente es imposible dividir por cero,
pero geométricamente se trata de una recta tangente a la curva que es paralela al eje de
las abscisas. Esto se observa en la figura 2.18, donde f (x) = x3 −4x−1 y x0 = 0,838917.
Por lo tanto x1 = −1,15470 y no se puede determinar x2 .
2. Resolución de Ecuaciones No Lineales

x0
0
x1

-2

-4

-2 -1 0 1 2

Figura 2.18: Finalización prematura del algoritmo Newton-Raphson, no se puede

determinar x2 .

Otra las fallas que puede presentar este método es que la secuencia de iterados
{xn } se aleje cada vez más de la raı́z α, como se aprecia en la figura 2.19. En este caso,
f (x) = xe−x ; x0 = 1,3; x1 = 5,6333333; x2 = 6,8491606; x3 = 8,0201253 y x4 =
9,1625728 y ası́ continúa la sucesión, siempre en forma creciente.
La última de las formas en la que el algoritmo de Newton-Raphson puede fallar al
buscar una raı́z es cuando el proceso iterativo genera una sucesión oscilante. En este
caso, f (x) = x3 − 2x + 2; x0 = 0; x1 = 1 y x2 = 0 = x0 , con lo que el proceso iterativo
no termina nunca. El gráfico de esta función está representado en la figura 2.20.

2.8. Ejercicios
1. Construir los siguientes algoritmos en PC:

44
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
46 CAPÍTULO 2. RESOLUCIÓN DE ECUACIONES NO LINEALES

0.4

0.3

0.2

0.1

0
x0 x1 x2 x3 x4

0 2 4 6 8 10
2. Resolución de Ecuaciones No Lineales

Figura 2.19: Divergencia del algoritmo Newton-Raphson, la sucesión crece inde-

finidamente.

0
x0=x2 x1

-2

-2 -1 0 1 2

Figura 2.20: Oscilación de los sucesión generada por Newton-Raphson.

45
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
2.8. EJERCICIOS 47

a) Método de bisección. Entrada: una función; dos valores de abscisa entre

los cuales se encuentra la raı́z; cantidad máxima de iteraciones; tolerancia
para el stop del algoritmo. Salida: la raı́z buscada ó un cartel que indique la
no convergencia del método. Opcional: mostrar la tabla de convergencia y el
gráfico de las iteraciones.
b) Método de punto fijo. Entrada: una función de iteración; un valor de
abscisa inicial; cantidad máxima de iteraciones; tolerancia para detener el
algoritmo. Salida: la raı́z buscada ó un cartel que indique la no convergencia
del método. Opcional: graficar las iteraciones.
c) Método de Newton-Raphson. Entrada: una función; un valor de abscisa
para iniciar las iteraciones; cantidad máxima de iteraciones; error para de-
tener el algoritmo. Salida: la raı́z encontrada ó un cartel que anuncie la falla
en la convergencia del método. Opcional: método de la secante.

2. Utilizando el método de Newton-Raphson y√una calculadora básica (sólo opera-

ciones de +, −, × y ÷), calcular el valor de 75 con cuatro decimales correctos.

3. Encontrar la raı́z real más pequeña de x3 − 3,23x2 − 5,54x + 9,84 = 0 a través del
método de bisección en [−3; 0]. Iterar hasta que el error sea menor a 10−3 .
2. Resolución de Ecuaciones No Lineales

4. Probar el código del método de bisección creado en el ejercicio 1 con las siguientes
funciones:

a) x−1 − tan(x) en [0; π/2]

b) x−1 − 2x en [0; 1]
c) 2−x + ex + 2 cos(x) − 6 en [1; 3]
d ) (x3 + 4x2 + 3x + 5)/(2x3 − 9x2 + 18x − 2) en [0; 4]

5. Una de las raı́ces de cosh(x) cos(x) − 1 = 0 pertenece al intervalo [4; 5]:

a) Calcularla utilizando los métodos de la secante y Newton-Raphson. En am-

bos casos usar como criterio de stop ε = 10−2 .
b) Comparar los resultados.
c) Mostrar gráficamente que el método de Newton-Raphson no converge a esta
raı́z si se utiliza x0 = 4.

6. Una raı́z de tan(x) − tanh(x) = 0 pertenece al intervalo (7,0; 7,4). Encontrar

dicha raı́z con tres decimales correctos iterando a través del método de bisección
y regula falsi.

7. Verificar los tipos de convergencia cuando se calcula la raı́z de f (x) = cos(x), en

el intervalo [0; 4], utilizando ε = 10−3 , con los métodos de Newton-Raphson con
x0 = 3 y bisección con el intervalo inicial: [1; 2].
√ √
8. Aproximar, con una tolerancia de ε = 10−2 , la raı́z que f (x) = 2x + 1 − 3x
posee en el intervalo [0, 2]. Utilizar el método de la secante.

9. [EMT] Dada la ecuación no lineal 8x − cos(x) − 2x2 = 0:

a) Representarla gráficamente para averiguar el número de soluciones.

b) Resolverla aplicando bisección y regula-falsi, ε = 10−5 .
c) Transformarla en una ecuación de punto fijo de dos formas diferentes a fin
de compararla con las resoluciones anteriores.

46
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
48 CAPÍTULO 2. RESOLUCIÓN DE ECUACIONES NO LINEALES

d ) Calcular la tasa de convergencia de los métodos utilizados.

10. Dado el sistema no lineal:

x2 + x − y 2 = 1
y − sin(x2 ) = 0

a) Determinar, gráficamente, las soluciones del sistema.

b) Transformarlo en una ecuación no lineal e iterar mediante el método de punto
fijo hasta que ε = 10−3 . Contabilizar los puntos iniciales y la cantidad de
iteraciones hasta llegar a la solución.
c) Repetir el inciso anterior utilizando el método de Newton-Raphson. Com-
probar la convergencia cuadrática del método.

11. [EMT] Sea f (x) = cos2 (2x) − x2 una función definida en el intervalo [0; 1,5].
Tomando como tolerancia ε = 1 × 10−10 para el error absoluto, determinar en
forma exploratoria para qué valores converge a la solución interna al intervalo al
utilizar el método de Newton Raphson. Sugerencia: probar cerca de los extremos
de definición de la función.

12. Investigar los puntos fijos de la función:

2. Resolución de Ecuaciones No Lineales

1 1
g(x) = + − 10.
e−x−1 ex−1
¿Cuál es el valor de g ′ (x) en esos valores?

13. Aplicar el método de Newton-Raphson para determinar una de las raı́ces comple-
jas de z 2 + 1 = 0. Utilizar z0 = 1 + i.

14. Mostrar que el algoritmo de bisección obtiene una mejor precisión cuando calcula
la raı́z de f (x) = (x − 1)5 utilizando la expresión original de f en vez de la
expresión de Horner.

15. Encontrar la raı́z de:

x8 − 36x7 + 546x6 − 4536x5 + 22449x4 − 67284x3 + 118124x2 − 109584x + 40320,

utilizando el método de bisección en el intervalo [5,5; 6,4]. Luego cambiar el coe-

ficiente −36 a −36,001 y repetir el ejercicio.

16. Encontrar el valor positivo más pequeño que puede utilizarse como semilla en el
método de Newton-Raphson de forma tal que f (x) = tan−1 (x) diverge.

17. Crear una √ función iterativa para el método de Newton-Raphson con el fin de

3
calcular R, donde R > 0. Por medio de un rápido análisis gráfico de la fun-
ción creada, determinar algunos valores iniciales para los cuales el algoritmo es
convergente.

18. El polinomio p(x) = x3 + 96x2 − 199x − 294 tiene raı́ces −1, 3 y −98. El punto
x0 = 1 deberı́a ser un buen inicial para las raı́ces cercanas. Explicar qué pasa al
ejecutar el algoritmo de Newton-Raphson.

19. [EMT] Para las siguientes funciones e intervalos, utilizar algoritmo que no de-
pendan de la derivada para obtener una raı́z:

a) x3 − 1, en [0; 10]

47
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
2.8. EJERCICIOS 49

b) tan(x) − 30x, en [1; 1,57]

c) x2 − (1 − x)10 , en [0; 1]
d ) x3 + 10−4 , en [−0,75; 0,5]
2
e) xe−x , en [−1; 4]
20. Mostrar que las siguientes funciones son contractivas en los intervalos indicados:
a) (1 + x2 )−1 en un intervalo cerrado arbitrario
b) x/2 en [1; 5]
c) tan−1 (x) en un intervalo cerrado arbitrario que no contenga al 0
21. Con el método de punto fijo y la semilla x0 = 2,999 iterar con una aritmética de
5 dı́gitos y hasta obtener uno de los puntos fijo del mapeo F (x) = 2 + (x − 2)4 ,
en este caso α = 2. ¿Qué orden de convergencia se obtiene?
22. Mostrar que la función F (x) = 4x(1 − x) mapea el intervalo [0; 1] en sı́ misma
y no es una contracción. Encontrar su punto fijo. ¿Por qué esto no contradice al
Teorema de Banach?
23. Mostrar que la función f (x) = 2 + x − tan−1 (x) tiene la propiedad |f ′ (x)| < 1.
Probar que f no tiene un punto fijo. Explicar por qué esto no contradice al
2. Resolución de Ecuaciones No Lineales

Teorema del Mapeo Contractivo.

24. Comparar los algoritmos desarrollados en EMT para resolver la ecuación
p(x) = x10 − 1 = 0, con una tolerancia de 10−6 . Utilizar, cuando la semilla
sea un intervalo, al [0; 1,5]; cuando la semilla sea un valor inicial, a x0 = 0,5.
25. La ecuación logı́stica x = ax (1 − x), a > 0 es una ecuación de punto fijo que
modela una población cuyo crecimiento está limitado. Es muy conocida porque
los iterados pueden presentar un comportamiento caótico.
a) Determinar analı́ticamente los puntos fijos de la ecuación logı́stica.
b) ¿Para qué valores de a es atrayente cada uno de los puntos fijos?
c) ¿Para qué valores de a las iteraciones convergen cuadráticamente?
d ) Mostrar que, para valores del parámetro a entre 0 y 4, la función de punto
fijo g(x) = ax(1 − x) aplica el intervalo [0; 1] en sı́ mismo.
e) Comprobar que, para a = 0,5, con cualquier estimación inicial en [0; 1], los
iterados convergen a 0. Verificar que la convergencia es lineal.
f ) Comprobar que, para a = 2, la convergencia es cuadrática.

Bibliografı́a
A theoretical introduction to numerical analysis ∗ , V. RYABEN’KII y S. TSYN-
KOV, Cap.8
An introduction to numerical analysis, Kendall ATKINSON, Cap.2
Análisis numérico - Un enfoque práctico, M. MARON y R. LÓPEZ, Cap.2
Análisis numérico con aplicaciones, C. GERALD y P. WHEATLEY, Cap.1
Numerical mathematics ∗ , A. QUARTERONI, R. SACCO y F. SALERI, Cap.6
Numerical methods, G. DAHLQUIST y A. BJÖRK, Cap.6

48
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
3.4. EJERCICIOS 65

y  
1 U12 U13
U =  0 1 U23 
0 0 1
tal que: A = LU, con lo que:
 
L11 L11 U12 L11 U13
A =  L21 L21 U12 + L22 L21 U13 + L22 U23 .
L31 L31 U12 + L32 L31 U13 + L32 U23 + L33

Observando la estructura de A = LU, se puede plantear una forma simple en la

construcción de L y U:

Primera columna de L: Li1 = Ai1 , i = 1, 2, 3.

A1j
Primera fila de U: U1j = , j = 2, 3.
L11
Segunda columna de L: Li2 = Ai2 − Li1 U12 , i = 2, 3.
A2j − L21 U1j
Segunda fila de U: U2j = , j = 3.
L22
∑
Tercera fila de L: Li3 = Ai3 − i−1
j=1 Lij Uji , i = 3.
3. S.E.L. - Métodos Directos

Ejercicio 10. Desarrollar las fórmulas para obtener los coeficientes de las matrices L
y U para una matriz A de orden n.

3.4. Ejercicios
1. Construir los siguientes algoritmos en PC:

a) Normas vectoriales. Entrada: un vector de longitud n; el tipo de norma

elegida. Salida: la norma del vector.
b) Eliminación gaussiana. Entrada: una matriz de orden n; un vector colum-
na de longitud n. Salida: un vector columna, solución del sistema. Opcional:
implementar pivoteo.
c) Descomposición LU - Doolittle. Entrada: una matriz cuadrada. Salida:
dos matrices triangulares, inferior y superior.
d ) Número de condición. Entrada: una matriz cuadrada. Salida: el número
de condición de la matriz ingresada. Opcional: mostrar el cálculo de la inversa
por eliminación gaussiana.

2. Analizar el condicionamiento de los sistemas de ecuaciones planteados y resolver-

los utilizando descomposición LU (Crout y Doolittle):

a)
3x1 + x2 = 7
3x1 + 1, 0001x2 = 7, 0001

b)
0, 003x1 + x2 = 1, 006
3x1 + x2 = 7

63
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
66 CAPÍTULO 3. S.E.L. - MÉTODOS DIRECTOS

3. Calcular la inversa de la matriz de Pascal de orden 3, utilizando eliminación

Gaussiana.

4. Sea: [ ]
1 0
A= ,
0 3
graficar los siguientes conjuntos:
{ }
a) Ax/x ∈ R2 ∧ ∥x∥1 = 1 .
{ }
b) Ax/x ∈ R2 ∧ ∥x∥∞ = 1 .
{ }
c) Ax/x ∈ R2 ∧ ∥x∥2 = 1 .

5. Dada la matriz: [ ]
1 δ
A= ,
0 1
donde δ > 0. Verificar que K∞ (A) = K1 (A) = (1 + δ)2 . ¿Es una matriz bien o
mal condicionada?

6. Determinar cuáles de las siguientes expresiones definen normas en Rn :

a) máx{|x2 |, |x3 |, . . . , |xn |}

∑n
3. S.E.L. - Métodos Directos

3
b) i=1 |xi |
∑
c) { ni=1 |xi |1/2 }2
∑n −i
d) i=1 2 |xi |

7. Calcular el número de condición de las siguientes matrices. Para invertirlas utilizar

el algoritmo de Gauss:

a)
[ ]
0,2436 0,4830
A=
0,5361 0,2108

b)
[ ]
0,9423 0,1756
B=
0,8626 0,6604

c)
[ ]
0,2339 0,0070
C=
0,0035 0,2990

d)
[ ]
0,8045 0,3754
D=
0,0189 0,0089

8. Sea Ax = b, donde:
0,485x1 + 0,068x2 = 0,621
0,729x1 + 0,102x2 = 0,933

cuya solución exacta es x = [1; 2]T . Resolver el sistema (A + δA)x = b, tal que:
[ ]
0 0
δA =
0,001 0,002

64
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
3.4. EJERCICIOS 67

9. Sea Ax = b, donde:
0,780x1 + 0,563x2 = 0,217
0,913x1 + 0,659x2 = 0,254

cuya solución exacta es x = [1; −1]T . Sean dos soluciones aproximadas

x1 = [0,999; −1,001] y x2 = [1,01; −1,001]. ¿Cuál tiene menor residuo?

10. Demostrar que una matriz estrictamente diagonal dominante por columnas tiene
descomposición LU sin necesidad de pivoteo.

11. Calcular la inversa de las siguientes matrices utilizando descomposición LU:

a)
 
0,3959 0,6252 0,2368
A =  0,5778 0,1467 0,3385 
0,7697 0,7992 0,9020

b)
 
0,9061 0,7827 0,8737
B =  0,8263 0,0453 0,2004 
0,7405 0,7947 0,9935

c)
3. S.E.L. - Métodos Directos

 
0,3517 0,3487 0,0223
C =  0,4306 0,9512 0,8261 
0,9450 0,6205 0,8545

12. Calcular las normas ∥ · ∥1 , ∥ · ∥2 y ∥ · ∥∞ de la matriz:

[ ]
1 2
A=
−1 −5

13. ¿Son las matrices

a)
[ ]
1 −1
A=
−1 1

b)
 
4 2 1
B= 2 5 2 
1 2 4

definidas positivas? Recordar que es necesario que xT Ax > 0, para cualquier

vector x distinto del vector nulo.

14. Dar un ejemplo de una matriz simétrica A que tenga todos sus elementos positivos
pero que xT Ax sea, en ciertos valores, negativo.

15. Mostrar que la matriz:

[ ]
0 1
A=
1 1
no tiene factorización LU.

65
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
68 CAPÍTULO 3. S.E.L. - MÉTODOS DIRECTOS

16. Mostrar que las matrices de la forma:

[ ]
0 0
A=
a b

tienen factorización LU.

17. Si la matriz A es definida positiva, ¿puede asegurarse que A−1 es también definida
positiva?

18. Calcular los números de condición de las siguientes matrices, utilizando norma 1,
2 e infinito:

a) [ ]
a+1 a
A=
a a−1
b) [ ]
0 1
B=
−2 0
c) [ ]
c 1
C=
1 1
3. S.E.L. - Métodos Directos

19. Demostrar que el número de condición de una matriz tiene la propiedad:

K(αA) = K(A),

siempre y cuando α ̸= 0, para toda norma matricial.

20. Demostrar que, para cualquier vector v ∈ Rn , se verifica que ∥v∥∞ ≤ ∥v∥2 y
también ∥v∥22 ≤ ∥v∥1 ∥v∥∞

21. Resolver el sistema de ecuaciones lineales Ax = b, donde:

[ ]
1 −0,01
A=
2 0,01
y [ ]
2
b= .
1
Luego, resolver (A + δA) x = b + δb, donde:

a) [ ] [ ]
0 0 0
δA = , δb =
0 0,005 0
b) [ ] [ ]
0 0 0
δA = , δb =
0 −0,03 0
c) [ ] [ ]
0 0 0,10
δA = , δb =
0 −0,02 −0,05

22. Comprobar que la matriz A ∈ Rn×n , tal que Aii = 1, Aij = −1 si i < j y Aij = 0
si i > j, tiene determinante igual a 1, pero K∞ (A) = n2n−1 .

66
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
3.4. EJERCICIOS 69

23. Determinar los coeficientes del polinomio P (x) = a0 + a1 x + a2 x2 + a3 x3 que pasa

a través de los puntos (0; 10), (1; 35), (3; 31) y (4; 2).

24. [EMT] Sea la matriz: [ ]

1 0
A= ,
2 ε
donde 0 < ε ≪ 1. Calcular K∞ (A).

25. ¿Qué condiciones pueden establecerse sobre los coeficientes a, b y c en:

[ ]
a b
A= ,
0 c

para que A sea definida positiva?

Bibliografı́a
A theoretical introduction to numerical analysis ∗ , V. RYABEN’KII y S. TSYN-
KOV, Cap.5

An introduction to numerical analysis, Kendall ATKINSON, Cap.8

Análisis numérico, R. BURDEN y J. FAIRES, Cap.6

3. S.E.L. - Métodos Directos

Análisis numérico - Un enfoque práctico, M. MARON y R. LÓPEZ, Cap.3

Numerical methods, G. DAHLQUIST y A. BJÖRK, Cap.5

67
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
80 CAPÍTULO 4. S.E.L. - MÉTODOS ITERATIVOS

Realizando la segunda iteración:

   
0,3922 0
Ax1 = b1 ⇒ b1 =  0,6555  , b − b1 = r1 =  0,0001  ,
0,1712 0,0001

∥r1 ∥∞ 0,0001
∥r1 ∥∞ = 0,0001, = = 0,0001525.
∥b∥ 0,6554
Debido a que se cumple la condición de stop, la solución refinada del sistema de ecua-
ciones es x1 .

4.5. Ejercicios
1. Construir los siguientes algoritmos en PC:

a) Método de Jacobi. Entrada: una matriz cuadrada de orden n; un vector

columna de longitud n; un vector inicial x0 , la cantidad máxima de iteracio-
nes; la tolerancia para terminar el algoritmo. Salida: el vector solución del
sistema o un cartel que indique la no convergencia del algoritmo.
b) Método de Gauss-Seidel. Utilizar las mismas entradas y salidas dadas en
el algoritmo de Jacobi.
4. S.E.L. - Métodos Iterativos

c) Refinamiento iterativo. Utilizar las mismas entradas y salidas dadas en

el algoritmo de Jacobi.

2. Resolver los siguientes sistemas de ecuaciones utilizando el método de Jacobi y

Gauss-Seidel. Iterar hasta obtener un error relativo menor a 0,001:

a)
3x1 + x2 = 7
3x1 + 1, 0001x2 = 7, 0001

b)
0, 003x1 + x2 = 1, 006
3x1 + x2 = 7

c)
5x1 − 4x2 = 1
−9x1 + 10x2 = 1

d)
2x1 − x2 = 1
−x1 + 4x2 = 3

3. [EM T ] Generar una matriz A de dimensión 2 que cumpla con K(A) > 104 en
alguna norma matricial. Resolver Ax = b, donde b = [−2; 1]T utilizando Gauss
con aritmética reducida y mejorar la solución con refinamiento iterativo.

4. Mejorar, si es posible, las soluciones obtenidas en el ejercicio 2 utilizando Refina-

miento Iterativo.

5. Resolver el sistema Hx = b, donde H es la matriz de Hilbert de orden 3 y

b = [1; 2; 3]T . Utilizar x0 = [30; −190; 200].

77
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
4.5. EJERCICIOS 81

6. [EM T ] Generar una matriz A tal que 5 < K(A) < 10. Resolver el sistema
Ax = b, donde b = [1; 1; 1]T , utilizando relajación. Probar con ω = 0,4; 0,8; 1,2
y 1,6.
7. Generar dos planillas de cálculo que permita resolver sistemas de ecuaciones li-
neales de dimensión 3. Una utilizando el método de Jacobi y la otra Gauss-Seidel.
8. Demostrar que ρ(A) < 1 si y sólo si lı́mk→∞ Ak x = 0 para todo x.
9. ¿Cuáles de los axiomas necesarios para definir normas se cumplen por la función
de radio espectral ρ y cuáles no?
10. Utilizando una aritmética de punto flotante de 4 dı́gitos y truncamiento, obtener
una aproximación a la solución con tres dı́gitos correctos del sistema:
0,8647x1 + 0,5766x2 = 0,2885
0,4322x1 + 0,2882x2 = 0,1442
Calcular el residuo una vez finalizado el algoritmo iterativo.
11. Resolver el sistema:
8x + 3y + 2z = 20,00
16x + 6y + 4,001z = 40,02
4x + 1,501y + z = 10,01
4. S.E.L. - Métodos Iterativos

utilizando los método de Gauss y Gauss-Seidel (semilla: x0 = y0 = z0 = 1). ¿Cuál

es más eficiente? ¿Por qué?
12. Sea B una matriz diagonal de orden n. Demostrar que para cualquier matriz A
de orden n se cumple que:

diag(BA) = Bdiag(A)

13. Sea B una matriz diagonal de orden n. Demostrar que las iteraciones de Jacobi
para resolver Ax = b y BAx = Bb generan la misma secuencia de iterados xn .
14. [EM T ] Establecer una condición suficiente sobre el parámetro β de forma tal que
los métodos de Jacobi y Gauss-Seidel converjan cuando se aplican para obtener
una solución del sistema cuya matriz de coeficientes es:
[ ]
−10 2
A= .
β 5

15. [EM T ] Para el sistema:

0,96326x1 + 0,81321x2 = 0,88824

0,81321x1 + 0,68654x2 = 0,74988

a) Determinar el radio espectral de la matriz de iteración P−1 para el método

de Gauss-Seidel.
b) Utilizando el método de Gauss-Seidel y la semilla x = [0,33116; 0,70000]
resolver el sistema. ¿Cómo se explica el resultado?
16. Considerar el sistema:
x1 − 41 x3 − 14 x4 = 12
x2 − 14 x3 − 14 x4 = 12
− 14 x1 − 14 x2 + x3 = 12
− 14 x1 − 14 x2 + x4 = 12

78
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
82 CAPÍTULO 4. S.E.L. - MÉTODOS ITERATIVOS

a) Utilizando como semilla a x = 0 realizar cuatro iteraciones del método de

Jacobi.
b) Con la misma semilla que el ı́tem anterior, hacer cuatro iteraciones del méto-
do de Gauss-Seidel.
c) ¿Cuál es la solución verdadera del sistema?
d ) Calcular la matriz B para los métodos utilizados y encontrar su radio espec-
tral.
( )
17. Mostrar que la iteración matricial B(i+1) = B(i) 2I − AB(i) , utilizada para
obtener A−1 , donde B(0) es una aproximación a A−1 , es análoga al método de
Newton Raphson para encontrar el inverso de un número. ¿Qué condición debe
cumplir I − AB(0) para que el esquema planteado sea convergente?
18. Analizar la convergencia de los métodos de Jacobi y Gauss-Seidel para la matriz
de segundo orden: [ ]
1 ρ
A= ,
ρ 1
donde |ρ| < 1 y el vector semilla es distinto del vector nulo.
19. [EM T ] Aplicar la técnica de relajación sobre el método de Gauss-Seidel con
diferentes valores para el parámetro ω = 0,2; 0,4; . . . ; 1,8 con los dos sistemas
4. S.E.L. - Métodos Iterativos

dados a continuación. Identificar

� cuáles de los� valores
� �de ω son mejores para cada
problema, iterando hasta que �x(k+1) − x(k) � / �x(k) � < 10−6 :
a)
5x1 − 4x2 = 1
−9x1 + 10x2 = 1

b)
2x1 − x2 = 1
−x1 + 4x2 = 3

20. [EM T ] Una forma de refinar una aproximación a la inversa de una matriz A se
presenta en el siguiente esquema iterativo:
( )
C(m+1) = C(m) I + R(m) , R(m+1) = I − AC(m+1) ,

donde R(0) = I − AC(0) y C(0) es la aproximación a A−1 . Implementar este

esquema en PC y utilizarlo para refinar las inversas de la matriz de Hilbert que
calcula EMT.
21. [EM T ] Para resolver el sistema de ecuaciones lineales en bloque:
[ ][ ] [ ]
A1 B x b1
= ,
B A2 y b2
Quarteroni propone el siguiente esquema iterativo:
A1 x(k+1) + By(k) = b1 , Bx(k) + A2 y(k+1) = b2 ,
que es convergente para cualquier x(0) , y(0) si ρ(A−1 −1
1 B) < 1 y ρ(A2 B) < 1.
Implementar este código en PC, generar un sistema y resolverlo. Comparar lo ob-
tenido con los resultados al aplicar los métodos de Jacobi y Gauss-Seidel. Utilizar
x(0) = y(0) = [1; 1]T .

79
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
4.5. EJERCICIOS 83

22. [EM T ] Sea A una matriz simétrica de orden n cuyos autovalores son reales y
pertenecen al intervalo [α, β], 0 < α ≤ β. Entonces es posible resolver el sistema
lineal Ax = b a través de la iteración de Richardson:

x(k+1) = (I − ωA) x(k) + ωb,

donde e(k+1) = (I − ωA) e(k) .

a) Implementar este código en PC y verificar que la elección óptima del paráme-

2
tro es ω = .
α+β
b) Probar el código anterior con el sistema Ax = b donde:
 
0,864 0,369 0,601 0,618
 0,369 0,831 0,367 0,102 
A= 
 0,601 0,367 0,641 0,130 
0,618 0,102 0,130 0,850

y b es un vector definido libremente.

23. Demostrar que, para cualquier matriz A ∈ Rn×n y para cualquier norma consis-
tente, se verifica que:
ρ(A) ≤ ∥A∥ .
4. S.E.L. - Métodos Iterativos

24. Dado el sistema de ecuaciones:

x1 + 2x2 − 2x3 = 7
x1 + x 2 + x 3 = 2
2x1 + 2x2 + x3 = 5

a) Calcular el radio espectral de las matrices B de iteración para los métodos

de Jacobi y Gauss-Seidel.
b) Resolver el sistema por ambos métodos.

25. Dar un ejemplo de una matriz A que no sea diagonal dominante, pero que el
sistema Ax = b igual sea convergente al utilizar algún método iterativo (no
refinamiento).

Bibliografı́a
A theoretical introduction to numerical analysis ∗ , V. RYABEN’KII y S. TSYN-
KOV, Cap.6

An introduction to numerical analysis, Kendall ATKINSON, Cap.8

Análisis numérico, R. BURDEN y J. FAIRES, Cap.7

Análisis numérico con aplicaciones, C. GERALD y P. WHEATLEY, Cap.2

Numerical mathematics ∗ , A. QUARTERONI, R. SACCO y F. SALERI, Cap.4

Numerical methods, G. DAHLQUIST y A. BJÖRK, Cap.5

80
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
94 CAPÍTULO 5. AUTOVALORES

 
1 −3 −1
C =  0 −2 0 
0 0 2
Ejercicio 16. Aplicar el método de la potencia a las matrices del ejercicio anterior.
Elegir los parámetros de stop en forma conveniente para verificar lo desarrollado sobre
problemas de convergencia.

5.4. Ejercicios
1. Construir los siguientes algoritmos en PC:
a) Teorema de Gerschgorin. Entrada: una matriz cuadrada de orden n.
Salida: un gráfico con n cı́rculos. Opcional: graficar los autovalores dentro
de los cı́rculos.
b) Método de la potencia para autovalor dominante. Entrada: una ma-
triz cuadrada de orden n; un vector de n elementos; la cantidad máxima de
iteraciones; el error de terminación. Salida: el autovalor dominante. Opcio-
nal: la lista de convergencia del método; un autovector asociado al autovalor
dominante.
c) Método de la potencia inversa. Entrada: una matriz cuadrada de or-
den n; un vector de n elementos; el desplazamiento; la cantidad máxima de
iteraciones; el error de terminación. Salida: el autovalor más cercano al des-
plazamiento. Opcional: la lista de convergencia del método; un autovector
5. Autovalores

asociado al autovalor obtenido.

2. Graficar los cı́rculos de Gerschgorin para las matrices:
a)  
8 3 −3
A= 1 2 7 
9 −1 4
b)  
6 6 5
B= 0 5 9 
−6 0 7
c)  
7 2 −1
C =  1 −6 1 
2 1 0
3. Obtener los autovalores de las matrices del ejercicio 2 utilizando la definición.
4. Estimar el autovalor dominante, utilizando el método de la potencia, de las ma-
trices del ejercicio 2. Detener la iteración cuando tres lugares decimales queden
estables.
5. Estimar el autovalor mı́nimo, de las siguientes matrices:
a)  
0,0603 0,3875 0,4970
A =  0,2542 0,0861 0,8659 
0,1197 0,9146 0,4674

90
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
5.4. EJERCICIOS 95

b)  
0,2972 0,4980 0,6083
B =  0,7698 0,2778 0,9477 
0,8995 0,5259 0,6375
c)  
0,3437 0,6982 0,5686
C =  0,5991 0,2987 0,0485 
0,3273 0,3960 0,4786
6. Construir matrices que muestren los problemas de implementación planteados en
el apunte y resolverlos utilizando Euler Math Toolbox para mostrar cuál es el
comportamiento del algoritmo.
7. Demostrar que I − AB tiene los mismos autovalores que I − BA, siempre que A
ó B sea nosingular.
8. Sean λ1 , λ2 , . . . , λn los autovalores de la matriz A ∈ Rn×x . Calcular los autovalores
de A + αI, donde I es la matriz identidad de orden n y α ∈ R.
9. Sea A = LU, donde L es triangular inferior con los elementos de la diagonal
principal iguales a 1 y U es triangular superior. Sea B = UL. Mostrar que A y
B tienen los mismos autovalores.
10. Una matriz es denominada nilpotente si Ak = 0 para algún k > 0. Mostrar que
una matriz nilpotente sólo puede tener autovalores que verifican |λi | < 1.
11. Sea A una matriz real, donde todos los discos de Gerschgorin son disjuntos.
5. Autovalores

Demostrar que todos los autovalores de la matriz A son reales.

12. Verificar que el método de la potencia no puede obtener el autovalor dominante
de la matriz:  
1/3 2/3 2 3
 1 0 −1 2 
A=  0

0 −5/3 −2/3 
0 0 1 0
y explicar por qué.
13. Por medio de los cı́rculos de Gerschgorin, estimar la cantidad máxima de autova-
lores complejos que pueden tener las siguientes matrices:
a)  
2 −1/2 0 −1/2
 0 4 0 2  
A=
 −1/2 0 6 1/2 
0 0 1 9
b)  
−5 0 1/2 1/2
 1/2 2 1/2 0 
B= 
 0 1 0 1/2 
0 1/4 1/2 3
14. Dadas las matrices A y E, calcular los autovalores de A, luego de A + E y
determinar por qué existe tanta diferencia entre ellos cuando ϵ → 0:
[ ] [ ]
101 −90 −ε −ε
A= , E=
110 −98 0 0

91
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
96 CAPÍTULO 5. AUTOVALORES

15. Dada la matriz:  

0 0 −12
A =  1 0 11  ,
0 1 2
¿por qué si se utiliza el método de la potencia y x(0) = [4; −5; 1]T , la convergencia
es a λ = −3, pero si se cambia la semilla a x(0) = [4; −5; 1+1×10−10 ]T se converge
a λ = 4?

16. Considerar la matriz:  

0 1 0 0
 −1 0 0 0 
.
A=
 0 0 1 1 
0 0 0 1
Mostrar que esta matriz tiene cuatro autovalores con módulo igual a 1. Justificar
por qué el método de la potencia para esta matriz presenta un comportamiento
que depende del vector semilla. Probar con varios casos: (1) x1 = x2 = 0, (2)
x3 = x4 = 0 y (3) x1 = x2 = x3 = 0.

17. [EM T ] Modificar el código del método de la potencia para que opere bajo norma
infinito, en vez de la norma 2 utilizada por definición.

18. Es posible demostrar que:

(� �)1/k
� k�
ρ(A) = lı́m �A � .
k→∞
5. Autovalores

¿Qué relación existe con el método de la potencia? ¿Por qué es mejor aplicar el
método de la potencia en vez de la secuencia iterativa presentada?

19. Dada una matriz A se verifica que:

A = PDP−1 ,

donde P es la matriz formada con los autovectores de A ubicados en columnas y

D es la matriz diagonal tal que sus elementos son los autovalores de A. Demostrar
por inducción que An = PDn P−1 .

20. Uno de los métodos de deflación, conocido como Método de Hotelling, genera
una matriz B a partir de la definición:

B = A − λi xi y,

donde λi es el i-ésimo autovalor de A, xi es un autovector asociado a λi y el

vector y cumple que xT y = 1. Los autovalores de B son los mismos que los de la
matriz A a excepción de λi . Para las matrices del ejercicio 2, calcular el segundo
autovalor en magnitud.

21. Dada una matriz A, tridiagonal y simétrica, es posible calcular su polinomio ca-
racterı́stico sin aplicar la definición. Para ello se utiliza la secuencia de polinomios
de Sturn:
P0 (λ) = 1
P1 (λ) = d1 − λ
Pi (λ) = (di − λ)Pi−1 (λ) − c2i−1 Pi−2 (λ),
para i = 2, 3, . . . , n, donde los elementos di se ubican en la diagonal principal y
los ci se ubican fuera de ella.

92
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
5.4. EJERCICIOS 97

a) Implementar este código en PC.

b) Comprobar su eficiencia con la matriz:
 
4 9 0
A =  9 3 −2 
0 −2 −1

22. Una aplicación interesante de la secuencia de Sturn es que permite calcular la can-
tidad de autovalores menores que un cierto valor real α, de acuerdo a la siguiente
regla: La cantidad de cambios de signo en la secuencia P0 (α), P1 (α), . . . , Pn (α)
es igual al número de autovalores menores que α. Si Pi (α) = 0, entonces debe
tomarse el signo opuesto a Pi−1 (α).

a) Para la matriz del ejercicio anterior, calcular la cantidad de autovalores

menores que α = 2.
b) ¿Existirán problemas de implementación para autovalores complejos? Justi-
ficar.

23. Por medio de la secuencia de Sturn, y dada la matriz:

 
5 −2 0 0
 −2 4 −1 0  
A=  0 −1 4 −2 
0 0 −2 5
5. Autovalores

a) Mostrar que A posee un autovalor en el intervalo [2; 4].

b) Calcular el polinomio caracterı́stico.
c) Calcular el autovalor que está en el intervalo [2; 4] utilizando el método de
bisección sobre el polinomio del inciso anterior.

24. Se denomina matriz compañera a la matriz:

 
0 0 0 ··· 0 −cn
 1 0 0 ··· 0 −cn−1 
 
 0 1 0 ··· 0 −cn−2 
 
C= . . .. .. .. 
 .. .. . . . 
 
 0 0 0 ··· 0 −c2 
0 0 0 ··· 1 −c1

y su polinomio caracterı́stico es:

P (λ) = λn + c1 λn−1 + c2 λn−2 + . . . + cn−1 λ + cn

a) Generar una matriz tal que sus autovalores sean λ1 = −5; λ2 = 2 y λ3 = 1.

b) ¿Puede generarse una matriz que tenga como autovalores a λ1 = i, λ2 = −i?
c) ¿Puede generarse una matriz que tenga autovalores complejos no conjuga-
dos?

25. [EM T ] Dada la matriz:  

1 2 3
A =  −2 4 5  ,
−3 −5 4
aplicar el método de la potencia, con x(0) = [1; 1; 1]T y:

93
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
98 CAPÍTULO 5. AUTOVALORES

a) 300 iteraciones, graficar la evolución de L1 a través de las iteraciones.

b) 1,5 × 105 iteraciones, calcular el promedio de las salidas L1 .
c) Mostrar que, al utilizar el método de la potencia inversa con 5 × 106 itera-
ciones y µ = 13,817 el resultado oscila en forma amortiguada alrededor del
autovalor real de A. Sin embargo, si se elige µ = 13,818, los iterados de L os-
cilan alrededor de la parte real del par de autovalores complejos conjugados.
¿A qué se debe esto?

Bibliografı́a
An introduction to numerical analysis, Kendall ATKINSON, Cap.9

Análisis numérico, R. BURDEN y J. FAIRES, Cap.9

Métodos numéricos con MATLAB, J. MATHEWS y K. FINK, Cap.11

Numerical analysis ∗ , Larkin SCOTT, Cap.15

Numerical mathematics ∗ , A. QUARTERONI, R. SACCO y F. SALERI, Cap.5

5. Autovalores

94
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
6.3. ANÁLISIS DE CONVERGENCIA 107

6.3. Análisis de convergencia

La velocidad de convergencia es el factor que ayudará en la decisión por uno u otro
método a la hora de resolver un problema concreto.
Sea {x(k) } una sucesión en Rn que converge a x. Se dice entonces que la convergencia
es:

lineal, si:

∃M, 0 < M < 1, y ∃k0 tal que ∥x(k+1) − x∥ ≤ M ∥x(k) − x∥, ∀k ≥ k0 ;

cuadrática, si:

∃M, M > 0, y ∃k0 tal que ∥x(k+1) − x∥ ≤ M ∥x(k) − x∥2 , ∀k ≥ k0 ;

superlineal, si:

∃M, M > 0, y ∃k0 tal que ∥x(k+1) − x∥ ≤ M ∥x(k) − x∥P , ∀k ≥ k0 , 1 < P < 2.

Como no es posible conocer el valor exacto de x, se analiza entonces la tasa de

6. Sistemas de Ecuaciones No Lineales

convergencia. Al analizar el cociente:

 (k+2) 
x − x(k+1) 
  ,
x(k+1) − x(k) p

a partir de cierto k grande se puede determinar con qué velocidad p converge la sucesión,
siempre y cuando el cociente anterior se estabilice. Esta es la versión extendida de la
tasa de convergencia planteada para las sucesiones generadas por los métodos para
resolver ecuaciones no lineales.

Ejercicio 19. Analizar la tasa de convergencia de los dos ejemplos planteados ante-
riormente.

6.4. Ejercicios
1. Implementar en EMT el algoritmo del Método multidimensional de Newton.
Entrada: una función de dos dimensiones; un vector semilla; cantidad máxima de
iteraciones; tolerancia para stop. Salida: la solución del sistema de ecuaciones.

2. Dado el sistema no lineal:

x2 + y 2 = 4
xy = 1

a) Representar ambas curvas para identificar las soluciones del sistema en forma
gráfica.
b) Resolverlo numéricamente en EMT utilizando el método de punto fijo. Uti-
lizar como error de tolerancia 10−4 .
c) Mostrar la convergencia lineal del método.
d ) Transformar el sistema en una ecuación no lineal y resolverla utilizando el
método de punto fijo. Comparar el resultado con el obtenido en los incisos
anteriores.

103
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
108 CAPÍTULO 6. SISTEMAS DE ECUACIONES NO LINEALES

3. [EM T ] Considerar el sistema no lineal:

x2 − 2x − y + 0,5 = 0
x2 + 4y 2 − 4 = 0

a) Graficar el sistema.
b) Resolverlo utilizando el método de Newton, implementado en EMT. Utilizar
como error de tolerancia 10−15 .
c) Mostrar la convergencia, superior a cuadrática, del método.

4. Resolver el sistema de ecuaciones:

( )
x+y
2x = sin
2
( )
x−y
2y = cos
2

utilizando el método de punto fijo y las siguientes semillas:

a) x(0) = (0,1; 0,1)

6. Sistemas de Ecuaciones No Lineales

b) x(0) = (10; 10)

c) x(0) = (20; 20)

5. Dado el sistema de ecuaciones no lineales:

x2 − x − y = −1
x2 + y 2 = 1

resolverlo utilizando el método de Newton y la semilla x(0) = [0,63; 0,77]T .

6. Dado el sistema no lineal:

ex ey + x cos(y) = 0
x+y−1=0

a) Estimar, gráficamente, las raı́ces del sistema para x ∈ [−6; 6].

b) Transformarlo en una única ecuación no lineal y utilizar las estimaciones del
punto anterior como semillas para el método de Newton con ϵ = 10−5 .
c) Comparar la salida del inciso anterior con el método multidimensional de
Newton.

7. Para cada una de las raı́ces del sistema de ecuaciones:

x2 − 2x − y + 1 = 0
x2 + y 2 − 1 = 0,

determinar si los siguientes esquemas iterativos son o no localmente convergentes:

√
a) xk+1 = 1 − yk2 ; yk+1 = (xk − 1)2
√
√
b) xk+1 = yk + 1; yk+1 = 1 − x2k

104
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
6.4. EJERCICIOS 109

8. Considerar el sistema de ecuaciones no lineales:

x2 − y + α = 0
−x + y 2 + α = 0.
Mostrar gráficamente que, para α > 0,25 no existe solución, para α = 0,25 la
solución es única (calcularla si es posible a través de punto fijo) y para α < 0,25
existen dos soluciones.
9. En el siglo XII Omar Khyyam resolvió, a través de métodos geométricos, una
ecuación cúbica de la forma:

x3 − cx2 + b2 x + a3 = 0.

Las raı́ces de esta ecuación deben estar entre los valores x de las intersecciones
de la circunferencia:
( )
a3 a3
x + y − c − 2 x + 2by − b2 − c 2 = 0
2 2
b b
y la hipérbola:
a3
xy = .
b
6. Sistemas de Ecuaciones No Lineales

a) Resolver, en forma gráfica, el sistema no lineal asociado para los parámetros

a = −1; b = 2 y c = 4.
b) ¿Qué ocurre cuando los parámetros son a = −1; b = 1 y c = 1?
10. [EM T ] Dado el sistema no lineal:

f1 (x, y) = 0; f2 (x, y) = 0,

es posible resolverlo a través de la iteración de Newton Jacobi:

∂f1
xi+1 = xi − (xi , yi )−1 f1 (xi , yi )
∂x
∂f2
yi+1 = yi − (xi , yi )−1 f2 (xi , yi )
∂y
a) Graficar el sistema:

f1 (x, y) = x2 − 3y + cos(xy) = 0
f2 (x, y) = x + y − sin(x) sin(y) = 0,
y estimar las soluciones utilizando el gráfico.
b) Aplicar la iteración de Newton Jacobi con x0 = −2; y0 = 1 que es un punto
cercano a una de las soluciones. ¿A qué solución converge?
c) Graficar las iteraciones de xi+1 e yi+1 . ¿Cuál parece lograr convergencia en
forma más rápida?
11. La iteración de Newton Gauss Seidel:
∂f1
xi+1 = xi − (xi , yi )−1 f1 (xi , yi )
∂x
∂f2
yi+1 = yi − (xi+1 , yi )−1 f2 (xi+1 , yi )
∂y
logra, en la mayorı́a de los casos, una convergencia más rápida que la iteración
de Newton Jacobi. Repetir el ejercicio anterior con este nuevo esquema iterativo.

105
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
110 CAPÍTULO 6. SISTEMAS DE ECUACIONES NO LINEALES

12. [EM T ] Dado el sistema de ecuaciones no lineales:

f1 (x, y) = x2 + y 2 − 2; f2 (x, y) = x + y − 2,

a) Mostrar gráficamente que una de las soluciones del sistema es [1; 1]T .
b) Mostrar que, para cualquier semilla x(0) = [x0 ; y0 ]T , tal que x0 ̸= y0 , se
puede asegurar que x(1) = [x1 ; y1 ]T donde x1 + y1 = 2.
c) Determinar x(1) cuando x1 = 1 + α, y1 = 1 − α, donde α ̸= 0.

13. Dado el mapeo multidimensional:

0,5
xk+1 =
1 + (xk + yk )2
0,5
yk+1 =
1 + (xk − yk )2
a) Elegir una región que cumpla con las condiciones del teorema 17.
b) Representar gráficamente el sistema de ecuaciones original (no el mapeo).
c) Resolverlo con alguna semilla que esté dentro de la región identificada en el
primer inciso.
6. Sistemas de Ecuaciones No Lineales

14. [EM T ] Sea el sistema de ecuaciones no lineales:

f1 (x, y) = x2 + y 2 − 1 = 0
f2 (x, y) = 2x + y − 1 = 0

cuyas soluciones son x∗1 = [0; 1]T y x∗2 = [4/5; −3/5]T . Es posible definir las dos
funciones de iteración:
[ ] [ ]
(1
√ − y)/2 (1√− y)/2
G1 (x) = , G2 (x) =
1 − x2 − 1 − x2

a) Comprobar que Gi (x∗i ) = x∗i para i = 1, 2.

( ) ( )
b) Calcular ρ JG1 (x∗1 ) y ρ JG2 (x∗2 ) . ¿Qué significa la diferencia entre los
radios espectrales?
c) Utilizando una tolerancia de 1 × 10−10 , resolver el primer esquema con la
semilla x(0) = [−0,9; 0,9]T y el segundo esquema con x(0) = [0,9; 0,9]T . ¿A
qué se debe la diferencia entre la cantidad de iteraciones?

15. Dadas las curvas C1 : y = x2 y C2 : v = cos(u):

a) Plantear el sistema no lineal que permita determinar la distancia mı́nima

entre C1 y C2 .
b) Resolver el sistema planteado a través de Newton-Raphson, utilizando la
semilla [0,25; 0,5]T .

16. Considerar la función de dos variables:

g(x, y) = cos(x + y) + sin(x) + cos(y).

a) Representar gráficamente la función g(x, y) y de ahı́ obtener semillas para

calcular los puntos crı́ticos.
b) Plantear el sistema de ecuaciones no lineales que se debe resolver para de-
terminar los puntos crı́ticos de g(x, y).

106
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
6.4. EJERCICIOS 111

c) Resolver el sistema planteado en el inciso anterior a través del método de

Newton-Raphson.
d ) Determinar la convergencia del método con todas las raı́ces obtenidas.
17. Utilizar cualquier método para encontrar todas las raı́ces reales en 0 < x < 1,5
del sistema de ecuaciones:
tan(x) − y = 1
cos(x) − 3 sin(y) = 0

18. La ecuación de una circunferencia es:

(x − a)2 + (y − b)2 = r2 ,
donde r es el radio y (a, b) son las coordenadas del centro. Si las coordenadas de
tres puntos de la circunferencia se muestran en la tabla 6.4, determinar r, a y b.

x 8, 21 0, 34 5, 96
y 0, 00 6, 62 −1, 12

Tabla 6.4
6. Sistemas de Ecuaciones No Lineales

19. [EM T ] Si algunas de las ecuaciones en el sistema F (x) = 0 son lineales, entonces
el método de Newton-Raphson detecta esta caracterı́stica. Mostrar con los siste-
mas dados a continuación que, si fi (x) es lineal, entonces para k ≥ 1 se cumple
que fi (x(k) ) = 0:
a)
x+y−1=0
√
x cos(y) + y − x = 0
b)
3x + 4y + z + 2 = 0
x
e + cos(yz) − 3z = 0
−x + y − z + 1 = 0
20. Siguiendo el razonamiento del ejercicio anterior, ¿qué ocurre cuando se intenta
resolver un sistema lineal con el esquema iterativo para sistemas no lineales? ¿Se
llega a la solución en un solo paso? ¿Por qué?
21. Dado el sistema:
f1 (x, y) = x3 − xy + x − 1
f2 (x, y) = y − x2
{ }
a) Mostrar que JF (x) es no singular en la región D = x ∈ R2 /y ̸= x2 + 1 .
b) Mostrar que, para cualquier vector semilla x(0) ∈ D, se cumple que x(k) ∈ D
y finalmente converge a la raı́z.
22. [EM T ] El sistema de ecuaciones lineales:
f1 (x, y) = sin(x) + 3x − y
f2 (x, y) = sin(y) + 3y − x
tiene como solución única al vector nulo. Sin embargo, al aplicar el método de
Newton-Raphson, converge a ciertos valores que no son la solución verdadera.

107
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
112 CAPÍTULO 6. SISTEMAS DE ECUACIONES NO LINEALES

a) Verificar gráficamente que el vector nulo es solución del sistema planteado.

b) Utilizar como semilla a x = [π; π]T y verificar a qué valores converge.
c) Identificar qué región del plano no converge a la raı́z verdadera del sistema.

23. Demostrar que el sistema no lineal:

f (x, y) = 0
g(x, y) = 0

puede resolverse a través del método de Newton-Raphson, pero en vez de utilizar

la iteración matricial clásica, usando el esquema iterativo:
f gy − gfy fx g − gx f
xn+1 = xn − ; yn+1 = yn − ,
fx g y − g x fy fx g y − g x fy

donde todas las funciones involucradas son evaluadas en [xn ; yn ].

24. [EM T ] Dado el sistema no lineal:

f1 (x, y) = x2 + y 2 − 25 = 0
f2 (x, y) = x2 − y − 2 = 0
6. Sistemas de Ecuaciones No Lineales

a) Graficar ambas expresiones e identificar las soluciones en forma gráfica.

b) Dado que el sistema planteado es simétrico, analizar qué ocurre cuando se
utiliza como semilla algún vector ubicado a la misma distancia de ambas
soluciones reales.
c) ¿En qué región del plano es posible escoger semillas que tengan convergencia
segura?

25. El sistema no lineal definido por:

f1 (x, y) = x2 + y 2 − 25 = 0
f2 (x, y) = x2 − y 2 − 2 = 0

posee cuatro soluciones reales, una en cada cuadrante. Repetir los incisos del
ejercicio anterior.

Bibliografı́a
A theoretical introduction to numerical analysis ∗ , V. RYABEN’KII y S. TSYN-
KOV, Cap.8

Análisis numérico, R. BURDEN y J. FAIRES, Cap.10

Numerical analysis ∗ , Larkin SCOTT, Cap.7

Numerical mathematics ∗ , A. QUARTERONI, R. SACCO y F. SALERI, Cap.7

Numerical methods, G. DAHLQUIST y A. BJÖRK, Cap.6

108
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
128 CAPÍTULO 7. INTERPOLACIÓN

7.3. Ejercicios
1. Construir los siguientes algoritmos en PC:

a) Polinomio de Lagrange. Entrada: matriz con los datos necesarios para

interpolar. Salida: coeficientes del polinomio. Opcional: graficar los puntos
y el polinomio interpolador.
b) Spline de Hermite. Idénticas condiciones que las utilizadas para el poli-
nomio de Lagrange.

2. La tabla 7.7 proporciona información sobre la cantidad de pasajeros que suben a

un colectivo de acuerdo al horario matutino.

hora 8 9 10 11 12 13 14
pasajeros 41 35 21 9 11 17 32

Tabla 7.7

a) Estimar la cantidad de pasajeros a las 10.30hs, por medio de interpolación

lineal.
b) Repertir el inciso anterior utilizando interpolación cuadrática y cúbica.

3. La solubilidad del cloro amónico en el agua toma, a distintas temperaturas (me-

7. Interpolación

didas en grados Celsius), los valores dados en la tabla 7.8.

a) Elegir los 4 puntos centrales para definir un polinomio interpolador de grado

3.
b) Con los mismos puntos que el inciso anterior, definir el spline de Hermite.
c) Calcular con los resultados obtenidos en los incisos a) y b) la solubilidad
para las temperaturas 25◦ C, 35◦ C y 45◦ C.

4. Dada la función f (x) = cos10 (x), definida en el intervalo [−1; 1]:

a) Calcular el spline cúbico que interpola esta función, tomando tres puntos.
b) Calcular el spline de Hermite, con los mismos puntos del inciso anterior.
c) Graficar ambos polinomios y la función f . Estimar el máximo error cometido.

5. Elegir 5 puntos de la función f (x) = sin(x + 1) − 1 dentro del intervalo [0; 7].
Construir:

a) El polinomio interpolador de grado 4.

b) El spline de Hermite.

6. Dado el conjunto de abscisas x = [1; 2; 3; 4; 5], calcular el vector y utilizando el

polinomio P (x) = −x3 + 5x2 − 2x + 1, para luego:

temperatura 10 20 30 40 50 60
solubilidad 33 37 42 46 52 55

Tabla 7.8

124
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
7.3. EJERCICIOS 129

x 1.08 1.13 1.20 1.27 1.31

f (x) 1.302 1.386 1.509 1.217 1.284

Tabla 7.9

x -2 -1 0 1 2
P (x) 7 3 1 0 3

Tabla 7.10

a) Interpolar (x; y) por medio de un polinomio de grado 4.

b) Crear el spline de Hermite que pasa por los puntos de (x; y).
c) Estimar el error máximo cometido con ambas aproximaciones.

7. Utilizando la interpolación de Neville, estimar el valor de solubilidad para la

temperatura 15◦ C del ejercicio 3, utilizando:

a) Los tres datos más cercanos.

b) Los cuatro datos más cercanos.

8. Por medio de la interpolación de Neville, calcular P (3,5) del polinomio definido

en el ejercicio 6.
7. Interpolación

9. Evaluar f (1,4) a través de polinomios interpolantes de grados 1, 2 y 3 utilizando

los valores de la tabla 7.9.

10. Interpolar la función f (x) = |x| dentro del intervalo [−3; 5] utilizando 6 puntos
no necesariamente equiespaciados. Graficar ambas funciones en el mismo sistema
de ejes.

11. Interpolar la función f (x) = x dentro del intervalo [−3; 5] utilizando 6 puntos no
necesariamente equiespaciados, a través de un spline. Graficar ambas funciones
en el mismo sistema de ejes.

12. [EM T ] Interpolar la función f (x) = x dentro del intervalo [−3; 5] utilizando
6 puntos no necesariamente equiespaciados. Representar ambas funciones en el
mismo sistema de ejes.

13. Si fuera necesario aproximar una función dentro de un intervalo para calcular su
longitud, ¿qué es mejor? ¿Un spline de Hermite? ¿Un spline cúbico? ¿Por qué?

14. Si fuera necesario aproximar una función dentro de un intervalo para calcular
extremos relativos, ¿qué es mejor? ¿Un spline de Hermite? ¿Un spline cúbico?
¿Por qué?

15. [EM T ] Es posible generar curvas paramétricas a través de interpoladores. Para

ello se generan dos polinomios, dependientes de una única variable, que toman
cada secuencia de puntos por separado. Generar un rectángulo con lados paralelos
a los ejes coordenados a través de 9 puntos, donde el primero y el último punto
deben coincidir. Reconstruirlo a través de dos splines cúbicos.

16. La tabla 7.10 muestra valores de un polinomio de segundo grado. Hay exactamente
un error en la segunda fila, identificarlo.

125
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
130 CAPÍTULO 7. INTERPOLACIÓN

x -2 -1 0 1 2 3
y 1 4 11 16 13 -4

Tabla 7.11

17. Elegir los primeros tres nodos de la tabla 7.10 y:

a) Generar el polinomio interpolador por definición.
b) Rehacer nuevamente el polinomio, pero ahora realizar un desplazamiento del
origen al punto medio de las abscisas de interpolación.
c) Calcular el número de condición de las matrices del sistema de los incisos
anteriores.
18. Los polinomios obtenidos por diferencias divididas se ven afectados por las sim-
plificaciones aritméticas. Mostrar que, aplicando redondeo en una aritmética de 5
dı́gitos, el polinomio que interpola los puntos (6000; 13 ) y (6001; − 23 ) no pasa por
los puntos dados si se lo escribe de la forma P (x) = mx + b.
19. ¿Cuál de los siguientes polinomios no es una función cardinal del mismo conjunto
de datos? Una vez identificado el incorrecto, calcularlo nuevamente.
1 5 19 4 19 3 421 2 293 1
P1 (x) = x − x + x − x + x−
2240 2240 320 2240 1120 8
1 5 7 4 157 3 173 2 371
P2 (x) = − x + x − x + x − x+1
7. Interpolación

360 120 360 120 180

1 23 63 673 2 505 21
P3 (x) = x5 − x4 + x3 − x + x−
96 96 32 96 48 4
1 5 4 4 104 3 131 2 1231
P4 (x) = − x + x − x + x − x+6
90 15 45 15 90
1 5 13 4 6 3 557 2 2147
P5 (x) = x − x + x − x + x−6
210 105 5 105 210
1 5 3 277 3 149 2 1517 35
P6 (x) = − x + x4 − x + x − x+
576 64 576 64 288 8
20. Verificar que los polinomios:
p(x) = 5x3 − 27x2 + 45x − 21
q(x) = x4 − 5x3 + 8x2 − 5x + 3
interpolan los datos x = [1; 2; 3; 4], y = [2; 1; 6; 47]. Explicar por qué no viola la
condición de unicidad del polinomio interpolador.
21. El polinomio p(x) = x4 − x3 + x2 − x + 1 interpola los datos x = [−2; −1; 0; 1; 2; 3],
y = [31; 5; 1; 1; 11; 61]. Con mı́nimo esfuerzo, encontrar un polinomio q(x) que
interpole los datos x = [−2; −1; 0; 1; 2; 3], y = [31; 5; 1; 1; 11; 30].
22. Se sospecha que los datos de la tabla 7.11 provienen de un polinomio cúbico. ¿Es
posible identificarlo? Justificar.
23. Identificar el polinomio de grado mı́nimo que interpola los valores de la tabla 7.12.
Idear alguna estrategia que permita hacer un desarrollo mı́nimo.
24. [EM T ] La interpolación polinómica es muy sensible a los datos con que se cons-
truye el interpolador. Verificar esto generando el polinomio p(x) que pasa por los
datos de los vectores x = [0; 1; 2; 3; 4; 5; 6], y = [0; 1; 2,001; 3; 4; 5; 6]. ¿Son lógicos
los valores de p(14) y p(20)?

126
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
7.3. EJERCICIOS 131

x 1,73 1,82 2,61 5,22 8,26

y 0 0 7,8 0 0

Tabla 7.12

25. [EM T ] Los nodos equiespaciados dentro del intervalo [a; b] en un interpolador
polinómico generan el efecto Runge. Dada una función, es posible atenuar esto
utilizando los nodos de Chebyshev. Se generan n + 1 nodos en el intervalo
[−1; 1] a través de: [( ) ]
2i + 1
xi = cos π ,
2n + 2
para 0 ≤ i ≤ n. Luego se transforma linealmente el intervalo [−1; 1] en [a; b] por
medio de: [( ) ]
1 1 2i + 1
xi = (a + b) + (b − a) cos π ,
2 2 2n + 2
1
para 0 ≤ i ≤ n. Interpolar la función de Runge R(x) = , con 9 nodos
1 + x2
equiespaciados en el intervalo [−5; 5] y luego interpolar, en el mismo intervalo,
con los nodos de Chebyshev. Graficar ambos interpoladores.

Bibliografı́a
7. Interpolación

A theoretical introduction to numerical analysis ∗ , V. RYABEN’KII y S. TSYN-

KOV, Cap.2

Análisis numérico - Primer curso, Hernán GONZÁLEZ, Cap.4

Análisis numérico - Un enfoque práctico, M. MARON y R. LÓPEZ, Cap.6

Análisis numérico con aplicaciones, C. GERALD y P. WHEATLEY, Cap.3

Fundamental numerical methods for electrical engineering ∗ , Stanislaw ROSLO-

NIEC, Cap.4

Numerical methods, G. DAHLQUIST y A. BJÖRK, Cap.7

127
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
8.6. EJERCICIOS 149

La sucesión de polinomios minimax es la siguiente:

(0)
p3 (x) = 0,17041x3 − 0,88268x2 + 0,90045x + 1,3272
(1)
p3 (x) = 0,16892x3 − 0,87469x2 + 0,90848x + 1,3329
(2)
p3 (x) = 0,16904x3 − 0,87526x2 + 0,90920x + 1,3326
(3)
p3 (x) = 0,16900x3 − 0,87511x2 + 0,90903x + 1,3327
(4)
p3 (x) = 0,16905x3 − 0,87538x2 + 0,90950x + 1,3325
(5)
p3 (x) = 0,16906x3 − 0,87541x2 + 0,90945x + 1,3325.

Sin embargo, con una partición de 10000 puntos en [0,5; 3], el error minimax es:

E (0) = 7,30 × 10−3

E (1) = 5,20 × 10−3
E (2) = 5,20 × 10−3
E (3) = 5,20 × 10−3
E (4) = 5,10 × 10−3
E (5) = 5,24 × 10−3 ,

lo que sugiere que tal vez deberı́a haberse finalizado el algoritmo en la cuarta iteración.
8. Ajuste de Datos

8.6. Ejercicios
1. Construir un algoritmo en PC que permita ajustar un conjunto de datos por
medio de un polinomio de grado n.

2. Dada la tabla de valores 8.6, generada por medio de f (x) = a sin(x) + b cos(x),
determinar los valores de a y b. ¿Es necesario utilizar todos los datos?

x 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
f (x) 3,16 3,01 2,73 2,47 2,13 1,82 1,52 1,21 0,76 0,43 0,03

Tabla 8.6

3. Ajustar la tabla de datos 8.7 a una función de la forma:

1
f (x) = .
1 + e−ax
Si no es posible, justificar por qué.

x -8 -7 -6 -5 -4 -3 -2 -1
f (x) 0,0150 0,0338 0,0468 0,0712 0,1152 0,1850 0,2716 0,3775

Tabla 8.7

4. La densidad relativa ρ del aire se midió a diferentes altitudes, generando la tabla

8.8. Utilizando un ajuste cuadrático, determinar la densidad relativa cuando la
altura es de 10.5km.

144
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
150 CAPÍTULO 8. AJUSTE DE DATOS

h (km) 0 1,525 3,050 4,575 6,10 7,625 9,150

ρ 1 0,8617 0,7385 0,6292 0,5328 0,4481 0,3741

Tabla 8.8

x 0,5 1,0 1,5 2,0 2,5

f (x) 0,541 0,398 0,232 0,106 0,052

Tabla 8.9

5. Ajustar los datos de la tabla 8.9 a la función f (x) = axebx . Calcular el error
cuadrático total cometido.

6. ¿Será posible encontrar algún ajuste polinomial que presente menos error para
los datos del inciso anterior?

7. Encontrar los coeficientes necesarios para ajustar la función f (x) = ex por medio
de g(x) = a0 x + a1 cos(x), dentro del intervalo [0, 2].

8. Sugerir funciones que, agregadas al resultado anterior, mejoren notablemente el

ajuste. Resolver nuevamente.

9. [EM T ] Ajustar la función f (x) = sin(x) por medio de un polinomio de grado 3

8. Ajuste de Datos

dentro del intervalo [0; 2π]. Aumentar el grado del polinomio de ajuste a grado 5,
¿mejora el resultado?

10. [EM T ] Repetir el ejercicio del inciso anterior, pero ahora utilizar un polinomio
minimax de grado 3. Compararlo con el polinomio de ajuste de grado 5.

11. El ajuste polinomial es fácilmente extensible a datos de más dos variables. Verifi-
car que los datos de la tabla 8.10 se ajustan a un modelo del tipo z = a + bx − cy,
resolviendo el sistema lineal asociado al ajuste cuadrático.

x 0 2 2,5 1 4 7
y 0 1 2 3 6 2
z 5 10 9 0 3 27

Tabla 8.10

12. En Barcelona, la tarifa del taxi se compone de una parte fija (bajada de bandera),
otra parte proporcional a la distancia recorrida y otra proporcional al tiempo de
espera. La tabla 8.11 recoge los datos de distintos viajes. Es decir que:

CV = a + bD + cT,

donde D es la distancia y T la espera.

a) Determinar el valor de las constantes a, b y c a partir de los datos de la

tabla.
b) Estimar el precio de un viaje de 5km con 18min de espera.

145
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
8.6. EJERCICIOS 151

Distancia (km) 8,5 2,0 8,4 6,8 8,3 7,1 3,0 1,9 3,0
Tiempo (min) 10,5 13,4 0,4 7,6 10,1 8,6 3,8 13,6 10,8
Costo de Viaje (euros) 10,5 6,6 7,7 8,5 10,2 9,0 4,7 6,6 6,6

Tabla 8.11

13. Es posible demostrar que si f ∈ C 2 [a, b] con f ′′ (x) > 0 para a ≤ x ≤ b, entonces
q1∗ (x) = a0 + a1 x es la aproximación lineal minimax a f (x) en [a, b], donde:
( )[ ]
f (b) − f (a) f (a) + f (c) a+c f (b) − f (a)
a1 = ; a0 = −
b−a 2 2 b−a
y c es la única solución de:
f (b) − f (a)
f ′ (c) =
b−a
Verificar este enunciado con alguna función que cumpla con la condición pedida.
14. Identificar el valor de α que minimiza:
∫ 1
|ex − α| dx.
0
¿Cuál es el mı́nimo? Esta es una forma simple de ilustrar otra forma de medir el
error de una aproximación. Este caso representa la aproximación de la constante
α a la función ex en el intervalo [0; 1].
8. Ajuste de Datos

15. [EM T ] Para f (x) = ex en [−1; 1] crear el polinomio de Taylor de grado cuatro,
p4 (x), expandido alrededor de x = 0. Ahora, identificar el polinomio minimax de
grado tres p∗3 (x) que aproxima a p4 (x). Graficar los errores ex −p∗3 (x) y ex −p3 (x).
Este proceso de reducir en un grado el polinomio de Taylor por medio de un po-
linomio minimax se denomina economización ó telescoping y se aplica varias
veces para reducir un polinomio Taylor de grado alto hacia una aproximación de
grado mucho menor.
16. Crear el conjunto de datos yi = 0,354xi + 0,28 + (−1)i 0,5 a partir de
x = [1; 2; 3; 4; 5; 6; 7], donde i = 0, 1, . . . , 6. ¿Cuál es la recta de ajuste de mı́nimos
cuadrados?
17. De acuerdo al conjunto de datos yi = 0,354x2i + 0,28xi − 2,5 + (−1)i 0,5 donde
x = [1; 2; 3; 4; 5; 6], ajustarlo con un polinomio cuadrático. ¿Se llega a la misma
conclusión que la obtenida en el ejercicio anterior?
18. Determinar los parámetros a y b para que la fórmula:
( √ )2
a+ x
y= √
b x
ajuste los datos de la tabla 8.12.
19. La concentración de la bacteria E. Coli en una pileta es monitoreada luego de una
tormenta, arrojando los datos de la tabla 8.13. El tiempo es medido en horas a
partir de la finalización de la tormenta y la unidad CFU significa Colony Forming
Unit o Unidad de Formación de Colonias. Ajustar los datos a un modelo de la
forma:
y = aebx
y estimar:

146
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
152 CAPÍTULO 8. AJUSTE DE DATOS

x 0,5 1 2 3 4
y 10,4 5,8 3,3 2,5 2

Tabla 8.12

a) La concentración al finalizar la tormenta, t = 0.

b) El tiempo en el cual la concentración alcanzará 200CFU/100mL.

t (horas) 4 8 12 16 20 24
c (CFU/100mL) 1590 1320 1000 900 650 560

Tabla 8.13

20. Repetir el ejercicio 4 pero ahora normalizar los datos. Es decir que se minimi-
zará un modelo de la forma:
( n )1/2
∑
∥e∥2 = [f (xi − x) − (yi − y)]2 ,
i=0

donde x e y son los promedios de los datos tabulados. ¿Mejora el error cuadrático?
¿Mejora el ı́ndice de determinación?
8. Ajuste de Datos

21. Dados los datos de la tabla 8.14:

a) Ajustarlos a un modelo de la forma y = ax + b.

b) Invertir los roles de las variables y ajustarlos a un modelo de la forma
x = c + dy.
c) Comparar los resultados de los incisos anteriores en base a los errores cuadrá-
ticos y al ı́ndice de determinación.

x 0,0 0,1 0,2 0,3 0,4 0,5 0,7

y 1,9 2,8 2,6 2,3 2,1 2,1 1,6

Tabla 8.14

22. Usando como base al conjunto de datos de la tabla 8.15, generar el ajuste por
mı́nimos cuadrados de (x; y + δy) a un polinomio cuadrático, donde:

a) δy = [0; 0; 0; 1,1; 0].

b) δy = [0; 1,1; 0; 0; 0].
c) Sabiendo que los datos de la tabla 8.15 provienen de la relación y = −x2 + 3,
¿qué conclusión se puede sacar con respecto a las perturbaciones en los
datos?

23. Encontrar una función de la forma y = ecx que ajuste los datos: x = [0; 1];
y = [a; b].

24. [EM T ] Considerar el ajuste lineal de la forma y = a + b(x − c) a los datos de la

tabla 8.16.

147
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
8.6. EJERCICIOS 153

x 1,791 2,418 3,469 4,898 5,388

y -0,2076 -2,846 -9,033 -20,99 -26,03

Tabla 8.15

a) Mostrar que, con el desplazamiento c = 1,000 y una aritmética de 4 dı́gitos,

no se resuelve correctamente el problema.
b) Resolver correctamente el ajuste, eligiendo un valor de c que no haga que la
matriz del sistema de ecuaciones normales sea mal condicionada.

x 1 3 4 6 7
y -2,1 -0,9 -0,6 0,6 0,9

Tabla 8.16

25. Demostrar que la recta de ajuste lineal pasa exactamente por el punto promedio
de la nube de datos.

Bibliografı́a
An introduction to numerical analysis, Kendall ATKINSON, Cap.4
8. Ajuste de Datos

Análisis numérico, R. BURDEN y J. FAIRES, Cap.8

Métodos numéricos con MATLAB, J. MATHEWS y K. FINK, Cap.5

Numerical calculations and algorithms, R. BECKETT y J. HURT, Cap.8

148
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
164 CAPÍTULO 9. DERIVACIÓN NUMÉRICA

h PF(10,6,2) PF(10,8,2)
0,64 0,380610 0,38060911
0,32 0,371035 0,37102939
0,16 0,368711 0,36866484
0,08 0,368281 0,36807656
0,04 0,36875 0,36783125
0,02 0,37 0,3679
0,01 0,38 0,3679
0,005 0,40 0,3676
0,0025 0,48 0,3680
0,00125 1,28 0,3712

Tabla 9.6: Cálculo de la derivada segunda de f (x) = e−x en x = 1, para diferentes

valores de h y dos tipos de aritmética.

Ejercicio 31. Deducir la expresión completa del error para el caso de la aproximación
de la derivada primera por diferencias hacia atrás.

Por lo visto hasta ahora, a medida que el paso h decrece el error de redondeo
puede incrementarse, mientras que el de truncamiento decae. Este es el dilema de la
longitud de paso. Si bien se plantean expresiones para calcular el valor óptimo de
9. Derivación Numérica

h, son poco realistas y de valor sólo teórico, puesto que habitualmente se carece de
información sobre K1 , K2 , . . ., es decir sobre las derivadas de orden superior. Además,
hay que notar que hop minimiza no el error real, sino su lı́mite superior.

Ejemplo 59. Se desea calcular la derivada segunda de f (x) = e−x en x = 1 a partir

de la fórmula de diferencias centrales. Para ello se utilizará una aritmética de 6 y 8
dı́gitos de precisión, utilizando diferentes valores de h. Los resultados se muestran en la
tabla 9.6. El valor exacto es f ′′ (1) = e−1 = 0,36787944. En los cálculos con PF(10,6,2)
y de acuerdo a la tabla 9.6, el valor óptimo para h es 0,08, dando un resultado exacto
hasta el tercer dı́gito significativo. Tres de los dı́gitos significativos se perdieron debido
a una combinación de truncamiento y error de redondeo. Por encima del h óptimo, el
error dominante es que surge por truncamiento, por debajo prima el error debido al
redondeo. En los cálculos con PF(10,8,2), el mejor resultado obtenido en la tabla 9.6
es exacto hasta el cuarto dı́gito significativo. Como al aumentar la aritmética, decrece
el error de redondeo, el h óptimo es más pequeño que en PF(10,6,2).

9.4. Ejercicios
1. Construir los siguientes algoritmos en PC:

a) Primera aproximación por diferencias centrales. Entrada: Tabla de

valores cuyo dato central sea el valor sobre el cual se calcula la derivada.
Salida: Aproximación de derivada primera, segunda y tercera.
b) Extrapolación de Richardson. Entrada: Tabla de valores con los datos
para extrapolar; orden del error utilizado. Salida: Tabla completa de extra-
polación.

2. Utilizando la primera aproximación por diferencias centrales, calcular la derivada

de las funciones fi (x), en los puntos indicados. Utilizar h = 0,5; h = 0,2; h = 0,15
y h = 0,05:

158
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
9.4. EJERCICIOS 165

a) f1 (x) = log(x), definida en [2; 6], x0 = 4.

b) f2 (x) = sin(x) + cos(x), definida en [1; 3], x0 = 2.

3. Aproximar el valor de la derivada primera por aproximación no central en las fun-

ciones e abscisas indicadas. Utilizar los valores de h dados en el ejercicio anterior:

a) f3 (x) = e−2x + 4x, definida en [0; 4], x0 = 4.

b) f4 (x) = ln(x), definida en [1; 5], x0 = 1.

4. Para las funciones fi (x), i = 1, . . . , 4 de los dos ejercicios anteriores, calcular la

derivada segunda en las abscisas indicadas.

5. Dada una tabla de valores, ¿es útil construir un spline cúbico para obtener la
derivada en uno de los puntos de la tabla? ¿Y el spline de Hermite?

6. Dadas las tablas 9.7 a 9.10 como datos, calcular la derivada primera en las abscisas
indicadas.
x 0.7000 0.9000 1.1000 1.3000 1.5000 1.7000 1.9000
f (x) 2.6445 2.3148 1.9108 1.4525 0.9622 0.4635 -0.0199

Tabla 9.7: Datos tabulados de f (x) = 3 cos(x) + x/2. Calcular f ′ (1,3).

9. Derivación Numérica

7. Calcular f ′′ (x0 ) para las tablas del inciso anterior.

8. Mejorar las aproximaciones obtenidas en los incisos 2, 3 y 6 utilizando extrapo-

lación de Richardson.

9. A partir de la extrapolación de Richardson, generar una mejor fórmula para la

expresión de la derivada segunda utilizando como base la fórmula de la primera
aproximación por diferencias centrales.

10. EMT, de acuerdo a la aritmética de IEEE, utiliza un valor de ϵM del orden de

10−16 . Comprobarlo con el siguiente código:

>i=1:14;
>x=(sin(pi/3.2+10^(-i))-sin(pi/3.2))/10^(-i);
>y=x[i]-cos(pi/3.2);
>x’|y’

que muestra los diferentes valores aproximados de la derivada primera de sin(x)

en x0 = π/3,2 por diferencia hacia adelante. Suponiendo que, para este caso,
8 ¿qué valor aproximado toma ϵM ?
K1 = 0,6:

11. [EM T ] Para la función f (x) = cos(x)

x , crear particiones de 10, 20, 30 y 40 elementos
en el intervalo [1; 7]. Graficar las derivadas primera y segunda calculadas con los
algoritmos de diferencias centrales sobre los datos de las particiones. Además, en
cada caso, graficar la derivada correcta.

x -1.4000 -0.8000 -0.2000 0.4000 1.0000 1.6000

f (x) 17.3200 5.6800 -0.9200 -2.4800 1.0000 9.5200

Tabla 9.8: Datos tabulados de g(x) = −4x + 7x2 − 2. Calcular f ′ (−0,8).

159
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
9.4. EJERCICIOS 167

Tiempo (s) 0 4 8 12 16 20
Altura (km) 0 0,84 3,53 8,41 15,97 27,00
Velocidad (km/s)
Aceleración (km/s2 )

Tabla 9.11

18. Los datos telemétricos de un cohete en ascenso vertical se muestran en la tabla

9.11. Completar los datos faltantes y estimar aproximadamente en qué momento
ocurre la segunda etapa del lanzamiento.

19. [EM T ] Considerar la fórmula de aproximación:

∫ h
′ 3
f (x) ≈ 3 tf (x + t) dt.
2h −h
Establecer el orden del error en forma similar a lo realizado en el ejercicio 16 con
alguna función conveniente. Esta es la derivada generalizada de Lanczos.

20. Cierto cálculo requiere una fórmula de aproximación de f ′ (x)+f ′′ (x). El esquema:
( ) ( ) ( )
2+h 2 2−h
f (x + h) − f (x) + f (x − h),
2h2 h2 2h2
9. Derivación Numérica

a) ¿Sirve para este propósito?

b) ¿Qué orden de error tiene?
c) Mejorar el orden del error, si es posible, con otro esquema similar.

21. ¿Es posible derivar la fórmula:

4f (x + h) − 3f (x) − f (x − 2h)
f ′ (x) ≈
6h
utilizando el teorema de Taylor? ¿Qué orden de convergencia se logra con esta
aproximación?

22. Deducir la fórmula:

[ ]
′′ 2 f (x0 ) f (x1 ) f (x2 )
f (x) ≈ 2 − + ,
h (1 + α) α α(1 + α)
que está preparada para x0 < x1 < x2 donde la partición no es equiespaciada, es
decir que x1 − x0 = h y x2 − x1 = αh. Para ello calcular los coeficientes A, B y
C de la expresión:

f ′′ (x) ≈ Af (x0 ) + Bf (x1 ) + Cf (x2 )

resolviendo el sistema que se genera al suponerla exacta para los tres polinomios
1, x − x1 y (x − x1 )2 y por lo tanto exacta para todos los polinomios de grado
menor o igual que 2. Este es el método de coeficientes indeterminados.

23. Calcular la derivada de f (x) = −2x2 + 3x + 1 en x = −2 utilizando la fórmula

del ejercicio 19. ¿Qué error se obtiene?

24. Calcular la derivada de f (x) = x3 + 2x − 1 en x = −2 utilizando la fórmula del

ejercicio 19. ¿Qué error se obtiene?

160
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
168 CAPÍTULO 9. DERIVACIÓN NUMÉRICA

25. Para las aproximaciones de f ′ (x) dadas a continuación, calcular el orden de con-
vergencia con respecto a h:
−11f (x) + 18f (x + h) − 9f (x + 2h) + 2f (x + 3h)
a)
6h
f (x − 2h) − 6f (x − h) + 3f (x) + 2f (x + h)
b)
6h
−f (x − 2h) − 12f (x) + 16f (x + h) − 3f (x + 2h)
c)
12h

Bibliografı́a
Análisis numérico - Un enfoque práctico, M. MARON y R. LÓPEZ, Cap.7

Fundamental numerical methods for electrical engineering ∗ , Stanislaw ROSLO-

NIEC, Cap.6

Métodos numéricos con MATLAB, J. MATHEWS y K. FINK, Cap.6

9. Derivación Numérica

161
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
192 CAPÍTULO 10. INTEGRACIÓN NUMÉRICA

10.4. Ejercicios
1. Construir los siguientes algoritmos en PC:

a) Integración por rectángulos. Entrada: una tabla de valores con los pun-
tos de la función a integrar; extremos de integración finita; cantidad de
subdivisiones del intervalo de integración. Salida: resultado de la integración
numérica. Opcional: gráfico del área calculada.
b) Integración por trapecios. Idénticas condiciones que la integración por
rectágulos.
c) Integración por Simpson. Idénticas condiciones que la integración por
rectángulos.

2. Aproximar las siguientes integrales utilizando expansión por series de Taylor.

Comparar los resultados de la aproximación por 2, 3 y 4 términos con el resultado
de la rutina de integración de Euler Math Toolbox :
∫4
a) 2 2 cos(x)dx
∫7√
b) 3 x + 1dx
∫0 x+1
c) −2 2 dx
3x + 5
10. Integración Numérica

3. Calcular utilizando la aproximación por rectángulos, en todos los casos usar una
partición mı́nima de 3 rectángulos:
∫3√
a) 2 1 + cos2 (x)dx
∫π
b) 0 sin(x)dx
∫ 10 cos(x)
c) 0 √ dx
x
4. Rehacer el ejercicio 3 pero esta vez utilizar el método del trapecio, con la misma
cantidad de particiones que las usadas con el método del rectángulo. Comparar
el resultado de ambos métodos.

5. Resolver utilizando el método de Simpson:

∫0
a) −3 x sin(x)dx
∫ 1 1 + ex
b) 0 dx
1 + 2ex
∫1
c) 0 x2 ex dx

6. Acotar el error cometido en las integraciones de los incisos anteriores, de acuerdo

a las fórmulas de error planteado.

7. Calcular las integrales a través de las cuadraturas de dos puntos:

∫0
a) −2 (x − 2)(x + 1)dx
∫0
b) −3 (9 + 2x)−1 dx
∫2 4
c) −2 dx
9 + 2x2
8. Repetir el ejercicio anterior, pero ahora utilizar fórmulas de cuadratura de tres
puntos.

185
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
10.4. EJERCICIOS 193

9. [EM T ] El método de Romberg propone integrar a través del método del

trapecio una cantidad finita de veces y luego aplicar extrapolación de Richardson.
Con h = 0,6, h = 0,3 y h = 0,1 aplicadas al método de Romberg, aproximar los
valores de:
∫ 1,2 √
a) 0 x + 7dx
∫ 3,6 x
b) 3 e cos(x)dx

Estimar el orden del error de truncamiento cometido.

10. Construir una fórmula de cuadratura de la forma:

∫ 1 ( ) ( )
1 1
f (x)dx ≈ αf − + βf (0) + γf ,
−1 2 2

que sea exacta para polinomios de grado menor ó igual a 2.

11. Derivar una fórmula de la forma:

∫ b
f (x)dx ≈ w0 f (a) + w1 f (b) + w2 f ′ (a) + w3 f ′ (b),
a

exacta para polinomios del grado más alto posible.

12. La regla de integración:

10. Integración Numérica

∫ 3h
3h
f (x)dx ≈ [f (0) + 3f (h) + 3f (2h) + f (3h)]
0 8
es exacta para polinomios de grado menor ó igual a n. Determinar el valor máximo
de n para el cual la afirmación anterior es cierta.

13. Considerar la integral: ∫ 1

1
√ dx.
−1 1 − x2
Debido a que contiene singularidades en los extremos de integración, no es posible
utilizar fórmulas cerradas de integración3 . Aplicar las fórmulas de cuadratura de
Chebyshev de dos y tres puntos y comparar con el valor exacto de la integral: π.

14. ¿Qué es mejor? ¿Integrar una función dada en forma de tabla tabla utilizando
la fórmula de trapecios, la fórmula de rectángulos no centrales, ó la fórmula de
rectángulos centrales? Comprobar la deducción con los datos de la tabla 10.3, que
contiene puntos de la función f (x) = x sin(x − 1) − cos(x) y:
∫ 5
f (x)dx = − sin(5) + sin(4) − 5 cos(4) + sin(2) − sin(1) + 2 cos(1)
2
≈ 4,6187709.

xi 2 2,5 3 3,5 4 4,5 5

f (xi ) 2,09908 3,29488 3,71788 3,0311 1,21812 -1,36772 -4,06767

Tabla 10.3

3
son las fórmulas que utilizan a los extremos de integración como nodos

186
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
194 CAPÍTULO 10. INTEGRACIÓN NUMÉRICA

15. Dada la tabla 10.4, determinar la distancia recorrida a partir de los datos:
a) Utilizar la regla de los trapecios.
b) Ajustar los datos a través de un polinomio cúbico completo, integrar la
expresión cúbica para determinar la distancia.

t 1 2 3,25 4,5 6 7 8 8,5 9 10

v 5 6 5,5 7 8,5 8 6 7 7 5

Tabla 10.4

16. Los métodos adaptativos de cuadratura utilizan un conjunto de nodos propio a

cada problema de integración a resolver. Dado el gráfico de:
1
f (x) = + 4 cos(4x)
x
en el intervalo (0; 2):
a) Sugerir una partición de 10 puntos para calcular la integral pedida con el
mı́nimo error posible.
b) Calcular la integral con la partición del inciso anterior y el método del tra-
pecio.
10. Integración Numérica

c) Comprobar la precisión obtenida resolviendo la integral con EMT.

17. Utilizando la expresión del error asintótico4 de la regla de los trapecios, estimar
la cantidad de nodos a utilizar para evaluar las integrales pedidas con el error
solicitado:
∫3
a) 1 ln(x)dx; E(h) ≤ 10−3
∫ 2 ex − e−x
b) 0 dx; E(h) ≤ 10−5
2
∫2 2
c) 0 e−x dx; E(h) ≤ 10−8
18. El error de truncamiento Ef (h), para los métodos de Simpsons y de los trapecios
con una f determinada, tiene propiedades que simplifican su estimación:

a) Mostrar que Ef +g (h) = Ef (h) + Eg (h), para todas las funciones continuas
f (x) y g(x).
b) Mostrar que Ecf (h) = cEf (h), para todas las funciones continuas f (x) y
c ∈ R.
19. [EM T ] Para los métodos de paso finito, es posible estimar la tasa de convergencia
p a partir de tres evaluaciones de la misma integral:
I2n − In
≈ 2p ,
I4n − I2n
donde n es la cantidad de nodos involucrados en la integración. Utilizando:
∫ 4 2
x +3
dx,
0 x+1

calcular las tasas de convergencia de:

4
también llamado error de truncamiento

187
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
10.4. EJERCICIOS 195

a) Método de Simpson.
b) Método del rectángulo central.

20. [EM T ] Dada la integral:

∫ 1 (√ )
I= sin x dx
0

a) Estimar su valor numérico utilizando el método de Simpson utilizando

n = 2, 4, 8, . . . , 128. Calcular su tasa de convergencia.
b) Repetir el inciso anterior, pero utilizar el cambio de variables x = t2 , que
lleva a la integral: ∫ 1
I=2 t sin(t)dt
0

21. A partir de la resta de las expansiones de Taylor f (x + h) y f (x − h), es posible

crear una fórmula de aproximación de integrales definidas basada en derivadas.

a) Construir una fórmula que dependa de la derivada, hasta el orden cinco, de

la función a integrar.
b) Acotar su error, si es posible.
c) Probar el desempeño de la fórmula creada aproximando el valor de:
∫ 2
10. Integración Numérica

ex + 4 cos(x)dx
1

22. Crear una cuadratura de dos puntos:

∫ 1
f (x)dx ≈ αf (0) + βf (1),
0

tal que devuelva valores exactos para f (x) = 1 y f (x) = x2 . ¿Qué pasa cuando
f (x) = x?

23. ¿Qué es mejor? ¿Aplicar en el intervalo [a, b] una cuadratura de tres puntos o
aplicar cuadratura de dos puntos en [a, c] y luego en [c, b] siendo c un punto
interior al intervalo? Justificar la respuesta.

24. En el ejercicio 2 se propone reemplazar la función a integrar por una serie de

Taylor e integrarla analı́ticamente. En cambio, en el ejercicio 21 se propone utilizar
dos expansiones y evaluarlas utilizando los extremos de integración. ¿Es el mismo
método? Aplicar ambos para aproximar:
∫ 5
cos(x)dx
0

y comparar resultados.

25. Utilizando integración numérica, verificar ó refutar el valor de las siguientes inte-
grales:
∫1√
a) 0 x3 dx = 52
∫1 1
b) 0 dx = 12
1 + 10x2
∫1
c) 0 25e−25x dx = 1

188
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
196 CAPÍTULO 10. INTEGRACIÓN NUMÉRICA

Bibliografı́a
Análisis numérico, R. BURDEN y J. FAIRES, Cap.4

Análisis numérico con aplicaciones, C. GERALD y P. WHEATLEY, Cap.5

Fundamental numerical methods for electrical engineering ∗ , Stanislaw ROSLO-

NIEC, Cap.5

Métodos numéricos con MATLAB, J. MATHEWS y K. FINK, Cap.7

Numerical calculations and algorithms, R. BECKETT y J. HURT, Cap.5

10. Integración Numérica

189
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
11.5. EJERCICIOS 231

i xi Euler Imp. CN Heun Exacto

0 0,0 0,00000E+00 0,00000E+00 0,00000E+00 0,00000E+00
1 0,2
0,1 8,87357E-01 1,65501E+00 1,64674E+00 9,80021E-01
2 0,4
0,2 9,10917E-01 4,79035E-01 4,76642E-01 9,21061E-01
3 0,6
0,3 8,22849E-01 1,12730E+00 1,12167E+00 8,25336E-01
4 0,8
0,4 6,95131E-01 5,01730E-01 4,99223E-01 6,96707E-01
5 1,0
0,5 5,39078E-01 6,75419E-01 6,72045E-01 5,40302E-01
6 1,2
0,6 3,61477E-01 2,76007E-01 2,74628E-01 3,62358E-01
7 1,4
0,7 1,69460E-01 2,29708E-01 2,28560E-01 1,69967E-01
8 1,6
0,8 -2,93136E-02 -6,84932E-02 -6,81510E-02 -2,91995E-02
9 1,8
0,9 -2,26919E-01 -2,02134E-01 -2,01124E-01 -2,27202E-01
10 2,0
1,0 -4,15477E-01 -4,35603E-01 -4,33427E-01 -4,16147E-01

Tabla 11.17

Ejemplo en EMT 24. Resolver, a través del método para ecuaciones stiff, y ′ = 30−5y
con la condición inicial y(0) = 1 para estimar el valor de y(5). Utilizar 10 pasos.

>longformat
>ode("30-5*y",linspace(0,5,10),1)
11. Resolución Numérica de EDO

[1, 5.58957500688, 5.96631026504, 5.99723457817, 5.99977300034,

5.99998136673, 5.99999847049, 5.99999987445, 5.99999998969,
5.99999999915, 5.99999999993]

11.5. Ejercicios
1. Construir los siguientes algoritmos en PC:

a) Método de Crank-Nicolson. Entrada: f (x, y); (x0 ; y0 ); h; xn . Salida: el

valor numérico de y(xn ). Opcional: graficar los puntos intermedios hasta
llegar a la solución.
b) Método de Euler - RK1. Idénticas condiciones que las definidas para el
método de Crank-Nicolson.
c) Método de Runge-Kutta - RK4. Idénticas condiciones que las definidas
para el método de Crank-Nicolson.
d ) Método predictor-corrector de Adams-Bashforth-Moulton de tres
pasos. Idénticas condiciones que las definidas para el método de Crank-
Nicolson.

2. Para las ecuaciones diferenciales dadas a continuación, graficar sus isóclinas y

deducir a qué tiende la solución cuando x → ∞.

a) y ′ = sin(y + x2 ), en [−4, 5].

b) y ′ = y 2 − x, en [−2, 10].

3. [EM T ] En la familia de métodos predictor-corrector se sigue un esquema básico

de 1 predicción y 1 corrección por cada paso de iteración realizada. Iterar sobre la
corrección, ¿logra la convergencia a la solución exacta? ¿O sólo es una aproxima-
ción un poco mejor que la obtenida con una única corrección realizada por paso?
Verificar la respuesta dada con la ecuación diferencial y ′ + cos(x) = y, y(0) = −1,
y el método predictor-corrector de Euler para aproximar y(1) con h = 0,2.

223
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
232 CAPÍTULO 11. RESOLUCIÓN NUMÉRICA DE EDO

4. Resolver los siguientes problemas mediante el método de Euler explı́cito con los
valores de h indicados. Calcular las estimaciones del error y aplicar, si es posible,
extrapolación de Richardson:
a) y ′ = 1 − y; y(0) = 0; y(1) =?. h = 0,5; h = 0,25.
b) y ′ = y 2 + 2x − x4 ; y(0) = 0; y(0,2) =?. h = 0,2; h = 0,1.
′ x
c) y = y + e + xy; y(1) = 2; y(1,03) =?. h = 0,01; h = 0,005.
5. [EM T ] Dada la ecuación diferencial y ′ = x cos(x − y), con la condición inicial
y(0) = 0, resolverla para calcular y(1) utilizando el método de Euler implı́cito,
pero en vez de predecir el valor por medio de otro método resolver la ecuación no
lineal planteada en cada paso. Operar con aritmética de 5 dı́gitos, truncamiento
y un mı́nimo de 5 pasos.
6. El problema de valor inicial y ′ = y 1/3 , y(0) = 0 tiene dos soluciones: y1 = 0 e
( )3/2
y2 = 32 x , para x ≥ 0. Si se aplica sobre ambos el método de Series de Taylor,
¿qué sucede?
7. [EM T ] Considerar la ecuación diferencial y ′ = y. Si la condición inicial es
y(0) = c, entonces la solución es y = cex . Si un error de redondeo ε ocurre
en la PC al ingresar el valor inicial c, ¿qué efecto tiene sobre la solución cuando
x = 10? ¿Y cuando x = 20?
11. Resolución Numérica de EDO

8. Repetir el ejercicio anterior, con las mismas condiciones planteadas, pero con la
ecuación diferencial y ′ = −y.
9. Suponer que una ecuación diferencial se resuelve numéricamente en el intervalo
[a, b] y el error local de truncamiento es chp . Mostrar que, si todos los errores
de truncamiento tienen el mismo signo (el peor caso posible), entonces el error
global de truncamiento es (b − a)chp−1 , donde h = b−a n .
( )2
10. Considerar la ecuación diferencial ordinaria y ′ = (xy)3 − xy , con la condición
inicial y(1) = 1. Realizar un paso con h = 0,1 y:
a) El método de Series de Taylor de orden 2.
b) El método RK2.
Comparar los resultados obtenidos.
11. [EM T ] El método RK3 responde a la ecuación iterativa:
1
yn+1 = yn + (2K1 + 3K2 + 4K3 ),
9
donde:
K1 = hf (xn , yn )
( )
h K1
K2 = hf xn + , yn +
2 2
( )
3h 3K2
K3 = hf xn + , yn +
4 4
¿Cuál es el orden del error de truncamiento?
12. [EM T ] Resolver la ecuación diferencial y ′ = 10y + 11x − 5x2 − 1 con la condición
inicial y(0) = 0, el método RK4 y h = 2−8 . Calcular la solución exacta y grafi-
car ambas soluciones en el intervalo [0, 3]. Repetir el ejercicio pero ahora con la
condición inicial a y(0) = ε, con ε pequeño. ¿Qué ocurre?

224
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
11.5. EJERCICIOS 233

13. [EM T ] Considerar la ecuación diferencial:

{
′ y + x, x ∈ [−1, 0]
y =
y − x, x ∈ [0, 1] ,
con la condición inicial y(−1) = 1. Resolverla en el intervalo [−1, 1] y RK4 utili-
zando h = 0,1. Resolver nuevamente pero ahora utilizar h = 0,09. ¿Qué solución
es más precisa? ¿Por qué?
14. Resolver las siguientes ecuaciones diferenciales para aproximar y(3), con el mismo
incremento h para todos los casos, la condición inicial y(2) = 1 y los métodos:
Heun, AB2 y AM2:
a) y ′ = sin(x) − ey
b) y ′ = 2 cos(x) − 3y + x
c) y ′ = sin(y)(x2 + cos(x))
15. Mostrar que el método RK3, descrito en el inciso 11, plantea el mismo esquema
iterativo que el método de Series de Taylor con la ecuación diferencial y ′ = x + y.
En general, esto se cumple para cualquier ecuación diferencial, con la expansión
hasta h3 .
y
16. [EM T ] Determinar con qué valores iniciales la ecuación diferencial y ′ =
1 + x2
11. Resolución Numérica de EDO

diverge cuando x → ∞.
17. Determinar el valor numérico de:
∫ 3
s cos(s)ds,
2

de tres maneras: integrando numéricamente, resolviendo una ecuación diferencial

ordinaria y calculando la integral en forma exacta. Comparar los resultados.
18. Dada la ecuación diferencial y ′ = sin(y) con el valor inicial y(0) = 1, utilizar el
método RK4 para obtener una aproximación de y(0,5) con 2 y 4 pasos. Mejorar
la estimación utilizando el método de extrapolación de Richardson.
19. Mostrar que el método de Heun falla al tratar de aproximar y(2) para la ecuación
diferencial y ′ = 3y 1/3 con la condición inicial y(0) = 0. ¿Es posible resolver con
algún método diferente este problema?
20. ¿Es el método de Heun estable al tratar de calcular y(1) para la ecuación dife-
rencial y ′ = 2xy 2 con la condición inicial y(0) = 1? ¿Por qué?
21. Estimar el tamaño de paso necesario para lograr la convergencia de la ecuación
diferencial y ′ = −λy, con λ > 0 y la condición inicial y(0) = 1 en el intervalo
[0, 2].
22. [EM T ] Es posible resolver una ecuación diferencial de orden superior generando
un sistema de ecuaciones no lineales y utilizando los esquemas de resolución para
ecuaciones de orden 1. Aproximar numéricamente y(1) para la ecuación diferencial
y ′′ − 2y ′ − 3y = cos(x) con las condiciones iniciales y(0) = 1; y ′ (0) = −1. Utilizar
el método de Euler explı́cito y, al menos, 20 pasos.
23. [EM T ] Repetir el ejercicio anterior, con idénticas condiciones de trabajo, pero
ahora utilizando el método Crank-Nicolson. Para la predicción de valores, utilizar
el método de Euler explı́cito. ¿Es posible aplicar Crank-Nicolson como un método
autoiniciable?

225
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández
234 CAPÍTULO 11. RESOLUCIÓN NUMÉRICA DE EDO

24. [EM T ] Dado el sistema de ecuaciones diferenciales:

dx
= x − xy
dt
dy
= −y + xy,
dt
con las condiciones iniciales x(0) = 4; y(0) = 1, resolverlo con el método predictor-
corrector de Euler explı́cito y Crank-Nicolson, utilizando t ∈ [0, 20] y:

a) 100 pasos.
b) 1000 pasos.

Graficar x vs y en los 2 casos planteados.

25. [EM T ] Repetir el ejercicio anterior, pero ahora utilizar:

a) x(0) = 2; y(0) = 1
b) x(0) = 4,5; y(0) = 1,5,
c) x(0) = 7; y(0) = 2,

con 1000 pasos. La solución gráfica de este tipo de sistemas se asocia con los
11. Resolución Numérica de EDO

denominados ciclos lı́mite.

Bibliografı́a
An introduction to numerical analysis, Kendall ATKINSON, Cap.6

Análisis numérico, R. BURDEN y J. FAIRES, Cap.5

Análisis numérico - Primer curso, Hernán GONZÁLEZ, Cap.6

Análisis numérico - Un enfoque práctico, M. MARON y R. LÓPEZ, Cap.8

Análisis numérico con aplicaciones, C. GERALD y P. WHEATLEY, Cap.6

Fundamental numerical methods for electrical engineering ∗ , Stanislaw ROSLO-

NIEC, Cap.7

Numerical methods, G. DAHLQUIST y A. BJÖRK, Cap.8

Numerical calculations and algorithms, R. BECKETT y J. HURT, Cap.6

226
Volver al Índice
 APUNTES DE CÁLCULO NUMERICO | con aplicaciones sobre Euler Math Toolbox | S. Hernández

Solución de los ejercicios

de número
Solución de los ejercicios de número
impar
impar

Capı́tulo 1 - Conceptos Básicos del Cálculo Numérico

Ejercicio 3:
Para el caso planteado, p = a+b+c
2 y a ≈ b+c con lo que p ≈ a. Entonces p−a ≈ 0
lo que implica una cancelación catastrófica. Por lo tanto, el área dará cero.

Ejercicio 5:
Salvo en el primer ejemplo, los otros tres no dan exactamente cero. Los resultados
son (en orden de ejecución): −ϵM ; ϵM /4 y ϵM /8.

Ejercicio 7:
a) Antes de anidar 9 flops y luego de anidar 6 flops.
b) Antes de anidar 8 flops y luego de anidar 7 flops.
c) Antes de anidar 9 flops y luego de anidar 7 flops.

Ejercicio 9:
3719110 = 44410366 = 1105078 = 25A4011 = B04615 .

Ejercicio 11:
a) eA = 3,20 × 10−2
b) eA = 1,51 × 10−2
c) eA = 3,40 × 10−3
d ) eA = 5,00 × 10−4

Ejercicio 13:
El código correspondiente se encuentra en la sección de Códigos para Euler Math
Toolbox.

Ejercicio 15:
La segunda expresión es estable, la primera no.

Ejercicio 17:
La primera expresión es más sensible al error que la segunda, aunque ambas se
pueden considerar bien condicionadas alrededor de x0 = 2.

Ejercicio 19:
Si bien en todo el intervalo tiene buena precisión, la peor se consigue en los
alrededores de π/4.

235
227
Volver al Índice