´

UNIVERSIDAD DE CONCEPCION
FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS
DEPARTAMENTO DE INGENIERÍA MATEMÁTICA

Pauta Evaluación 1 – 2007 Cálculo Numérico – PLEV 2023

1. Resuelva el siguiente sistema de ecuaciones usando factorización LU con pivoteo parcial.

    
2 −2 1 x1 1
 −8 11 5  x2  =  8  .
4 −13 3 x3 −6

Solución: Triangularizamos la matriz, siguiendo la estrategia del pivoteo parcial:

   
2 −2 1 f1 ↔ f2 −8 11 5
A =  −8 11 5  ∼  2 −2 1 
4 −13 3 4 −13 3
2
 
f2 − −8 f1 −8 11 5
∼  0 3/4 9/4 
4
f3 − −8 f1 0 −15/2 11/2
 
f2 ↔ f3 −8 11 5
∼  0 −15/2 11/2 
0 3/4 9/4
3/4  
f3 − −15/2 f2 −8 11 5
∼  0 −15/2 11/2  = U.
0 0 14/5

Los multiplicadores son:

2 1 4 1 3/4 1
=− , =− y =− .
−8 4 −8 2 −15/2 10
 
1 0 0
Ası́, la matriz triangular inferior es L =  −1/2 1 0 , y la matriz de permutación
  −1/4 −1/10 1
0 1 0
es P =  0 0 1 . Ahora resolvemos los sistemas de ecuaciones:
1 0 0
Ly = Pb:     
1 0 0 y1 8
 −1/2 1 0  y2  =  −6  .
−1/4 −1/10 1 y3 1
De la primera ecuación sacamos que y1 = 8. Luego, reemplazamos en la segunda:
1
− · 8 + y2 = −6,
2
de donde y2 = −2. Por último, llevamos todo a la tercera ecuación:
1 1
− ·8− · (−2) + y3 = 1,
4 10
14
con lo cual y3 = .
5
Ux = y:     
−8 11 5 x1 8
 0 −15/2 11/2  x2  =  −2  .
0 0 14/5 x3 14/5
14 14
De la tercera ecuación sacamos que x3 = , es decir, x3 = 1. Luego, reemplazando
5 5
en la segunda ecuación nos queda
15 11
− x2 + · 1 = −2,
2 2
de donde x2 = 1. Por último, volvemos a la primera ecuación

−8x1 + 11 · 1 + 5 · 1 = 8,

y obtenemos que x1 = 1.
2. Considere el problema de hallar x1 , x2 , x3 ∈ R tales que
    
10 7 −1 x1 −5
 7 8 0  x2  =  −9  ,
−1 0 2 x3 1
y definamos las matrices
     
10 0 0 0 0 0 0 −7 1
D= 0 8 0 , E =  −7 0 0  y F= 0 0 0 .
0 0 2 1 0 0 0 0 0

a) Sabiendo que:
Los valores propios de la matriz D−1 (E + F) son {−0.8139, 0, 0.8139},
Los valores propios de la matriz (D − E)−1 F son {0, 0.6625},
Los valores propios de la matriz D − E − F son {1.2898, 2.5986, 16.1116},
El determinante de la matriz D − E − F es igual a 54,
justifique de dos maneras distintas por qué se puede asegurar que el Método de Jacobi
es convergente, y justifique de tres maneras distintas por qué el Método de Gauss–Seidel
es convergente.
b) Considerando x(0) el vector con todas sus componentes iguales a −1, ejecute una iteración
del Método de Jacobi y una iteración del Método de Gauss–Seidel.
Solución:

a) Partimos indicando que si A es la matriz del sistema de ecuaciones, entonces se cumple

que A = D − E − F. Ası́, para el Método de:
Jacobi: la matriz tiene A diagonal dominante estricta, y su radio espectral (esto
es, el máximo valor absoluto de sus valores propios) es menor que uno (criterio
equivalente a la convergencia).
Gauss–Seidel: Al ser A una matriz simétrica, resta ver que es definida positiva. Eso
podemos hacerlo de dos maneras: viendo que sus valores propios son positivos, o
viendo que los determinantes de sus submatrices principales son positivos (el de
1 × 1 da 10, el de 2 × 2 da 80-49=31 y det(A) = 54). Además, el radio espectral de
la matriz (D − E)−1 F es menor que uno (criterio equivalente a la convergencia), y
por último observando que la matriz tiene diagonal dominante estricta.
 
a1
(1)
b) Partimos con Jacobi. Debemos hallar x = b1  tal que

c1

Dx(1) = (E + F)x(0) + b.

Calculamos el lado derecho:

          
0 −7 1 −1 −5 6 −5 1
(E+F)x(0) +b =  −7 0 0  −1+ −9  =  7 + −9  =  −2  .
1 0 0 −1 1 −1 1 0
Ası́,     
10 0 0 a1 1
 0 8 0  b1  =  −2  ,
0 0 2 c1 0
1 1
de donde a1 = , b1 = − y c1 = 0.
10 4
 
a1
Para Gauss–Seidel, debemos hallar ahora x(1) =  b1  tal que
c1

(D − E)x(1) = Fx(0) + b.

Calculamos primero
          
0 −7 1 −1 −5 6 −5 1
Fx(0) + b =  0 0 0  −1 +  −9  = 0 +  −9  =  −9  ,
0 0 0 −1 1 0 1 1

y ahora resolvemos el sistema triangular inferior:

    
10 0 0 a1 1
 7 8 0  b1  =  −9  .
−1 0 2 c1 1

De la primera ecuación:
1
10a1 = 1 ⇔ .
a1 =
10
Luego, reemplazando en la segunda ecuación nos queda:
1
7· + 8b1 = −9,
10
97
de donde b1 = − . Por último, vamos a la tercera ecuación:
80
1
− + 2c1 = 1,
10
11
con lo cual c1 = .
20
3. Considere los puntos (1, −5), (2, −12) y (3, −15).

a) Usando la indexación x0 = 1, x1 = 2 y x2 = 3, construya el polinomio de Lagrange l1 (x).

b) Determine los valores de las constantes c1 , c2 , c3 , c4 ∈ R tales que la función

c1 x3 − 3x2 − 5x + c2 , x ∈ [1, 2]
(
s(x) :=
−x3 + c3 x2 + c4 x + 18, x ∈ [2, 3]

es la spline cúbica natural que interpola los puntos dados.

Solución:

a) Construimos
     
x − x0 x − x2 x−1 x−3
l1 (x) = = = −(x − 1)(x − 3).
x1 − x0 x1 − x 2 2−1 2−3

b) Calculamos las derivadas

3c1 x2 − 6x − 5, x ∈ [1, 2]
(
0
s (x) :=
−3x2 + 2c3 x + c4 , x ∈ [2, 3]
y
6c1 x − 6, x ∈ [1, 2]
(
s00 (x) :=
−6x + 2c3 , x ∈ [2, 3]
Como la spline es natural, entonces s00 (1) = 0 y s00 (3) = 0, esto es,

6c1 · 1 − 6 = 0 ⇔ c1 = 1

y
−6 · 3 + 2c3 = 0 ⇔ c3 = 9.
Volvemos a la primera derivada, actualizando los valores obtenidos:
( 2
3x − 6x − 5, x ∈ [1, 2]
s0 (x) :=
−3x2 + 18x + c4 , x ∈ [2, 3]

Usamos que s0 es continua en x = 2:

3 · 22 − 6 · 2 − 5 = −3 · 22 + 18 · 2 + c4 ⇔ −5 = 24 + c4 ,

de donde c4 = −29. Por último, como s interpola el punto (1, −5), tenemos:

1 · 13 − 3 · 12 − 5 · 1 + c2 = −5 ⇔ c2 = −5 − 1 + 3 + 5 = 2.
4. La siguiente tabla muestra la disminución en el número y de microorganismos de una especie
a lo largo del tiempo t:

t (horas) 0 1 2
y (miles) e3 1 1

El modelo matemático que relaciona las variables t e y está dado por:

1
y(t) = √ ,
αeβt
donde α y β son parámetros reales a determinar.

a) Transforme el modelo anterior en un modelo lineal, y determine los valores de α y β

de modo tal que el modelo propuesto ajusta los datos de la tabla en el sentido de los
mı́nimos cuadrados.
b) De acuerdo al modelo obtenido, prediga cuál será la cantidad de microorganismos al
cabo de 6 horas.

Indicación: para linealizar, plantée el modelo en forma recı́proca, eleve al cuadrado, y luego
aplique logaritmo natural y sus propiedades.

Solución:

a) Siguiendo las indicaciones, aplicamos recı́proco y elevamos al cuadrado:

1
= αeβt .
y2
Aplicamos logaritmo natural y sus propiedades:
 
1
ln 2
= ln(αeβt ) = ln(α) + ln(eβt ) = ln(α) + βt.
y

Obtenemos ası́ el modelo linealizado:

 
1
ln(α) + βt = ln .
y2

Ahora obtenemos las ecuaciones:

 
1
ln(α) + β · 0 = ln ⇔ ln(α) + β · 0 = −6
(e3 )2
 
1
ln(α) + β · 1 = ln 2 ⇔ ln(α) + β · 1 = 0
1
 
1
ln(α) + β · 2 = ln 2 ⇔ ln(α) + β · 2 = 0
1
 Nos queda el sistema Ax = d, donde
   
1 0   −6
ln(α)
A = 1 1  , x = y d =  0 .
β
1 2 0

Obtenemos las ecuaciones normales:

 
  1 0  
1 1 1  3 3
At A = 1 1 = ,
0 1 2 3 5
1 2
 
  −6  
t 1 1 1   −6
Ad= 0 = .
0 1 2 0
0
Ası́, debemos resolver
    
3 3 ln(α) −6 3 ln(α) + 3β = −6
= ⇔
3 5 β 0 3 ln(α) + 5β = 0

Restando ambas ecuaciones: −2β = −6, de donde β = 3. Luego, de la segunda ecuación

tenemos que 3 ln(α) + 15 = 0, con lo cual ln(α) = −5 y ası́ α = e−5 .
b) El modelo queda escrito como
1 1 1 5−3t
y(t) = √ =√ = 3t−5 =e 2 .
e−5 e3t e3t−5 e 2

Ası́, cuando t = 6 el modelo predice

y(6) = e−13/2 .