UNIVERSIDAD AUSTRAL DE CHILE

FACULTAD DE CIENCIAS DE LA INGENIERIA

CENTRO DE DOCENCIA DE CIENCIAS BÁSICAS PARA INGENIERÍA.

GUÍA N◦ 2 BAIN053
MÉTODOS NUMÉRICOS PARA INGENIERÍA
I. En cada una de las siguientes preguntas de selección múltiple, marque solo una alternativa.
1. Se aplica el método de Gauss con pivoteo parcial a una matriz A de n × n. Si la matriz que se obtiene
en la k -ésima etapa es
 (k) (k) (k) (k)

a11 ··· a1,k−1 a1k ··· a1n
.. .. ..
 
 .. 

 0 . . . . 

 .. (k) (k) (k)

 . ak−1,k−1 ak−1,k ··· ak−1,n

(k)
 
A = ..

(k) (k)
 

 . 0 akk ··· akn 


 .. .. .. 

 . . . 
 
(k) (k)
0 ··· 0 ank ··· ann

entonces, siempre es cierto que, el pivote a utilizar en la siguiente etapa es:

 
(k)  (k) 
(a) akk . (c) max aik .
1≤i≤n
   
 (k)   (k) 
(b) max aik . (d) max aki .
k≤i≤n k≤i≤n

2. Sea la matriz  
4 −1 1
A =  −1 4.25 2.75  .
1 2.75 3.5
Al hacer la factorización A = LDLt , donde L es una matriz triangular inferior con elementos 1 en la
diagonal y D es una matriz diagonal, la matriz D resultante es:
   
4 0 0 4 0 0
(a) D =  0 4.24 0 . (c) D =  0 4 0 .
0 0 3.5 0 0 3.5
   
4 0 0 4 0 0
(b) D =  0 4.25 0 . (d) D =  0 4 0 .
0 0 1 0 0 1

3. Considere el siguiente sistema de ecuaciones

x + ay = 1
x+y+z = 1
ay + z = 1

¿Para qué valores de a se puede asegurar la convergencia del método de Gauss-Seidel?

   
1 1 1
(a) a ∈ 0, . (c) a ∈ − , .
2 2 2
 
1
(b) a ∈ ]−1, 1[. (d) a ∈ − , 0 .
2

4. Denotemos por N0 , N1 , N2 , N3 y N4 a los polinomios de Newton asociados a los datos siguientes. Al

completar la tabla de diferencias divididas, utilizando 7 decimales por redondeo,
xi f [xi ] f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , . . . , xi+3 ] f [xi , . . . , xi+4 ]

1.0
i
1.3 0.6200860 i
i -0.5489460 i
1.6 0.4554022 i -0.0494433 i 0.0018251
i -0.5786120 i 0.0680685
1.9 0.2818186 i
i
2.2

1
 se tiene que el polinomio de interpolación de Newton es:
(a) p(x) = 0.7651977N0 (x) − 0.4837057N1 (x) − 0.1087339N2 (x) + 0.0658784N3 (x) + 0.0018251N4 (x).
(b) p(x) = −0.7651977N0 (x) − 0.4837057N1 (x) − 0.1087339N2 (x) + 0.0658784N3 (x) + 0.0018251N4 (x).
(c) p(x) = 0.7651977N0 (x) + 0.4837057N1 (x) − 0.1087339N2 (x) + 0.0658784N3 (x) + 0.0018251N4 (x).
(d) p(x) = −0.7651977N0 (x) + 0.4837057N1 (x) − 0.1087339N2 (x) + 0.0658784N3 (x) + 0.0018251N4 (x).
5. Considere el sistema lineal Ax = b, donde
   
1 22 0 1
A =  22 2 22  y b =  1 .
0 22 1 1
Al resolver el sistema usando el método de eliminación de Gauss con cuatro decimales por redondeo, se
tiene que la solución aproximada del sistema es:
   
0.0207 0.0210
(a) x =  0.0445  . (c) x =  0.0445  .
0.0207 0.0212
   
0.0212 0.0207
(b) x =  0.0445  . (d) x =  0.0445  .
0.0212 0.0212

6. Considere el sistema lineal

    
0.429 0.665 0.774 x1 1
 0.773 0.399 0.155   x2  =  0 
0.665 1.031 0.399 x3 1
La solución aproximada del sistema, obtenida con pivoteo parcial y realizando los cálculos con tres deci-
males por redondeo, es:
   
−0.753 −0.751
(a) x =  1.189  . (c) x =  1.189  .
0.687 0.687
   
−0.752 −0.750
(b) x =  1.188  . (d) x =  1.186  .
0.688 0.688

7. Sean A y b definidos como sigue

   
2 −1 −1 1
A =  −1 1 1  , b =  1 .
−1 1 3 2

Si se utiliza la descomposición de Cholesky para la matriz A, resolver el sistema lineal Ax = b equivale a

resolver los sistemas triangulares:
√ √   √ 
√ 2 0 0  √

2 2       
 2 − 2 −
2  y1 1  √ √  x1 2
√ √  2 2
         

−

(a) 

2 y
2  2   

=
  
1 y  0  x2  =  0
 
.

 0  2 2 
√ √ √
      
2 2   
√ 2 √ 

y3 2  2 x3 2
0 0 2 − 2
2 2
√ √
√ √ 
 
2
 
2 0 0 √

    2 2  
 √ √ y 1 1 2 − − x1  2 
2 2
    √ 
2 2 √ √ 
         
(b) 

− 0

y2  =  1  y  x2  =  3 2 .
2 2 
        
 √2 2  0
 
2 

√       
√ 2 2   √ 
√

 2 2  y3 2 x3  2 
− 2 0 0 2
2 2 2
√ √  √
√ 
 
√ 2 0 0

2 2       
2
 2 − 2 −
2  y1 1  √ √  x1
 √ √      
 2 2
   2 
−
   
(c) 

2 2   y2  =  1  y 
     0  x2  =  0 .

 0 2 2   
√ √
   
2 2  
√
 
√

√

y3 2  2 2  x3 2
0 0 2 − 2
2 2
 √  √ √  √
2 0 0 √
  
    2 2   2
 √ √  y
 1  
1  2 − 2 −
2  x1  2 
2 2 √ √  √
      

−

(d)  0   y2  =

1

y

2 2

x2  = 
 
3 2 .

 √2 2  0
       
√       
 2 2 2
2 √  √ √
   
 2 y3 2 x3
− 2 0 0 2 2
2 2

2
 8. Considere el sistema lineal
    
b −1 0 x1 1
 −1 4 b + 1   x2  =  1  .
2
0 b +1 5 x3 0

¿Para qué valor de b se puede aplicar directamente la descomposición de Cholesky a la matriz del sistema
lineal?
(a) b = 0.5.
(b) b = 1.
(c) b = 0.
(d) Ninguna de las anteriores.
9. Para resolver el sistema Ax = b, donde
   
3 −1 −1 5
A =  −1 2 0 , b =  −4  ,
−1 0 1 0

se consideran las siguientes opciones a realizar:

(i) Descomposición LU a la matriz A.
(ii) Descomposición de Cholesky a la matriz A.
(iii) Método de eliminación de Gauss sin pivoteo parcial.
De acuerdo a lo anterior, ¿cuál de las siguientes alternativas es correcta?
(a) Solo (i).
(b) Solo (ii).
(c) (i) y (iii).
(d) (i), (ii) y (iii).
10. Para el sistema lineal    
4 −1 0 −1 x1 −1
 −1 4 −1 0   x2   0 
=
  3 ,
  
 0 −1 4 −1   x3
−1 0 −1 4 x4 0.5
se consideran las siguientes iteraciones:
 k+1   
  x1   xk1 
4 0 0 0  k+1  0 1 10  k  −1
 0 4 0 0   x2  
  1 0 1
0 
 x2   0 

(i)  0 0 4 0 
 =  k + .
 x k+1   0 1 10  x3   3 
3
0 0 0 4   1 0 01   0.5
k
xk+1
4
x4
 k+1   k 
  x1   x1  
0 0 0 0  k+1  −4 1 0 1  k  −1
 −1 0 0 0  x2  
0 −4 1 0 
 x  
2  0 
(ii)  = + .
   
 0 −1 0 0 0 0 −4 1   xk   3

  k+1
 x3
 
−1 0 −1 0  0 0 0 −4  3  0.5
xk+1
4
xk4
xk+1
    k 
4 0 0 0 1   x1  
   k+1  0 1 0 1  k  −1
 −1 4 0 0 
  x2
 x  
0 0 1 0  0 
  
2 
(iii) =  k + .
   
0 0 0 1 3 
   k+1
 0 −1 4 0 
  x3
    x3  
  0 0 0 0   0.5
−1 0 −1 4 xk+1
4
xk4
Son siempre convergentes:
(a) Solo (i) y (ii).
(b) Solo (i) y (iii).
(c) Solo (ii) y (iii).
(d) (i), (ii) y (iii).
11. Al utilizar el método de Jacobi, con x(0) = (0, 0, 0)t , para el sistema lineal
    
10 0 −1 x1 −1
 4 12 −4   x2  =  8 
4 4 10 x3 4

el número de iteraciones suficientes para cometer un error de a lo más 10−8 en norma infinito es:
(a) 87 iteraciones.
(b) 88 iteraciones.
(c) 89 iteraciones.
(d) 90 iteraciones.

3
12. Considere el sistema,
10x1 − x2 + 2x3 − 3x4 = 0
x1 + 10x2 − x3 + 2x4 = 5
.
2x1 + 3x2 + 20x3 − x4 = −10
3x1 + 2x2 + x3 + 20x4 = 15
Al escribir el método de Jacobi de la forma x(k+1) = MJ x(k) + cJ , k ≥ 0, se tiene:
   
0 −0.1 0.2 −0.3 0
 0.1 0 −0.1 0.2   0.5 
(a) MJ =   0.1 0.15
, cJ = 
 −0.5  .

0 0.05 
0.15 0.1 0.05 0 0.75
   
0 −0.1 0.2 0.3 0
 0.1 0 −0.1 0.2   5 
(b) MJ =   0.1 0.15
,
 −10  .
cJ =  
0 0.05 
0.15 0.1 0.05 0 15
   
0 0.1 −0.2 0.3 0
 −0.1 0 0.1 −0.2  , cJ =  0.5  .
  
(c) MJ =   −0.1 −0.15  −0.5 
0 0.05 
−0.15 −0.1 −0.05 0 0.75
(d) Ninguna de las anteriores.
13. Dado el siguiente sistema de ecuaciones

4x − 2z = 2
−2x + 6y + 2z = 4
2y + 4z = 2

La matriz (MGS ) y el vector (cGS ) de iteración del método de Gauss-Seidel son:

 1   1   1   1 
0 0 − 0 0
 2   2   2   2 
1  5  1   5 
       
(a) MGS = 0 0 −  , cGS =  −  . (c) MGS = 0 0 −  , cGS =  .
  
 6   6   6   6 
1 1 1 1
       
0 0 − 0 0
12 12 12 12
 1   1   1   1 
0 0 − − 0 0 −
 2   2   2   2 
1  5  1   5 
       
(b) MGS = 0 0  , cGS =  −  . (d) MGS = 0 0  , cGS =  .
  
 6   6   6   6 
1 1 1 1
       
0 0 − − 0 0 −
12 12 12 12
14. Si x(k+1) = MGS x(k) + cGS , k ≥ 0 y x(0) = (0, 0, 0)t , corresponden a las iteraciones del método de
Gauss-Seidel aplicado al sistema
    
2 −1 −1 x1 1
 −1 1 1   x2  =  1  .
−1 1 3 x3 2

¿Cuál de las siguientes afirmaciones es correcta?

(a) El método de Gauss-Seidel no converge a la solución del sistema lineal puesto que la matriz del sistema
no es estrictamente diagonal dominante por filas.
(b) El método de Gauss- Seidel converge a la solución del sistema puesto que kMGS k∞ < 1.
4
(c) El método de Gauss- Seidel no converge a la solución del sistema puesto que kMGS k1 = .
3
1
(d) El método de Gauss- Seidel converge a la solución del sistema puesto que ρ(MGS ) = .
2
15. Se desea resolver un sistema de ecuaciones lineales Ax = b, donde
−4
 
1 0 ... 0
.. 
 1 ... ... ...

 . 

A =  0 ..
 . . .
.. .. 
∈ Mn (R) , b ∈ Rn .
 0 
 . .
 .. . . . . . . . .

1 
0 ... 0 1 −4

Entonces, es correcto afirmar que:

(a) Puede resolverse utilizando Gauss-Seidel pero no Cholesky.
(b) Puede resolverse utilizando Cholesky pero no Gauss-Seidel.
(c) Puede resolverse utilizando Gauss-Seidel y Cholesky.
(d) No puede resolverse utilizando Gauss-Seidel ni Cholesky.

4
16. Si L0 , L1 , L2 , L3 , L4 y L5 , son los polinomios de Lagrange asociados a la tabla de datos,
xi -2 -1 0 1 2 3
yi -1 -1 -1 3 1 1
entonces el gráfico de L3 (x) es:

(a) (c)

(b) (d)

17. Considere la tabla de datos

x x0 x1 x2 x3 x4 x5
y y0 y1 y2 y3 y4 y5
El valor de
2L0 (x1 ) + 4L3 (x3 ) + 8L5 (x5 )
,
2L2 (x2 )
donde Li son los Polinomios de Lagrange asociados a la tabla, es:
(a) 6.
(b) 7.
(c) 1.
(d) Ninguna de las anteriores.
√
18. Para aproximar 3 se interpola la función f (x) = 3x en los puntos que se indican en la tabla
xi -1 0 1
f (xi ) 1/3 1 3
Utilizando el polinomo de interpolación p(x) de f (x), se obtiene que
√
(a) √3 ≈ 1.8333.
(b) √3 ≈ 1.7321.
(c) 3 ≈ 1.5185.
(d) Ninguna de las anteriores.
19. Considere los datos de la tabla
xi 0 1/6 1/3
cos(1 + 3xi ) 0.540302 0.070737 -0.416147
La alternativa falsa es:
(a) Los polinomios de Newton, asociados a este conjunto de puntos, son
 
1
N0 (x) = 1, N1 (x) = x y N2 (x) = x x − .
6
(b) El polinomio que interpola a la función cos(1 + 3x) en los puntos dados en la tabla es
p(x) = 0.540302N0 (x) − 2.81739N1 (x) − 0.311742N2 (x),
donde N0 (x), N1 (x) y N2 (x) son los polinomios de Newton asociados a los datos de la tabla.
(c) Si se utiliza el polinomio de interpolación para aproximar el valor de cos(1.75) se obtiene que
cos(1.75) ≈ p(1.75).
(d) Si se utiliza el polinomio de interpolación para aproximar el valor de cos(1.75) se obtiene que
cos(1.75) ≈ −0.170540.

5
20. Al completar la tabla de diferencias divididas, utilizando 3 decimales por redondeo,
xi f [xi ] f [xi , xi+1 ] f [xi , xi+1 , xi+2 ] f [xi , xi+1 , xi+2 , xi+3 ]
1 5.120
i -1.060
3 3.000 i 0.177
i -0.173 i
6 2.480 i
i -0.047
9 2.340
se tiene que el polinomio que interpola los datos es
(a) p(x) = 5.120 − 1.060(x − 1) + 0.177(x − 1)(x − 3) − 0.020(x − 1)(x − 3)(x − 6).
(b) p(x) = 5.120 − 1.060(x − 1) + 0.177(x − 1)(x − 3).
(c) p(x) = 5.120 − 1.060(x − 1) + 0.177(x − 1)(x − 3) − 0.019(x − 1)(x − 3)(x − 6).
(d) Ninguna de las anteriores.
21. Dada la siguiente tabla de datos

x −2 0 1 2
f (x) 1/4 2/5 −1/3 2/3

¿Cual de los siguientes polinomios no interpola los datos?

1 3 97 409
(a) p(x) = + (x + 2) − (x + 2)x + (x − 1)(x + 2)x.
4 40 360 1440
2 13 409
(b) p(x) = + (x − 2) + (x − 2)(x − 1) + (x − 1)(x − 2)x.
3 15 1440
1 7 97 409
(c) p(x) = − (x + 2) − (x + 2)(x − 1) + (x − 1)(x + 2)x.
4 36 360 1440
2 4 26 409
(d) p(x) = + (x − 2) + (x − 1)(x − 2) + (x − 1)(x − 2)x.
3 30 30 1440
ax
22. El problema de ajustar un modelo y(x) = (donde a y b son los parámetros a determinar) a partir
b+x
de una tabla
x x1 x2 ··· ··· ··· xm
y y1 y2 ··· ··· ··· ym .
con xi , yi > 0, i = 1, . . . , m, se puede reducir a un problema del tipo Y (X) = c1 + c2 X. Indique cuál de
las tablas que siguen se puede obtener c1 y c2 por mı́nimos cuadrados.

X x1 x2 ··· xm
1 1 1
x1 x2 xm . X ···
(a) Y ··· (c) x1 x2 xm .
y1 y2 ym
Y y1 y2 ··· ym

1 1 1
X ···
x1 x2 xm
X x1 x2 ··· xm
(d) .
(b) 1 1 1 . 1 1 1
Y ··· Y ···
y1 y2 ym y1 y2 ym

√ b
23. Para encontrar la curva del tipo g(x) = a x + que mejor ajusta los datos (1, 2), (2, 4) y (3, 0), en el
x
sentido de los Mı́nimos Cuadrados, ¿Cuál de los siguientes sistemas de ecuaciones es necesario resolver?
         
4.1463 1.8333 a 7.6569 3 6 a 6
(a) = . (c) = .
1.8333 1.3611 b 4 6 14 b 10
         
6 2.2845 a 4 6 2.2845 a 7.6569
(b) = . (d) = .
2.2845 1.3611 b 7.6569 2.2845 1.3611 b 4

24. Se desea ajustar, mediante mı́nimos cuadrados, la función

5α
I(t) =
tβ
a la tabla
t 2 6 10 18 24
I 24 12.5 8.5 7.6 6.3

6
 El sistema de ecuaciones que permite encontrar los valores de α y β es:
5 5 5
     
X X X Ii
1 − ln ti   ln
5
   
  ln α  
 i=1 i=1   i=1 
(a)  

  =
 .

5 5 β 5  
Ii 
 X X   
2 X
− ln ti (ln ti ) ln ti · ln

i=1 i=1 i=1
5

5 5 5
     
X X X Ii
1 − ln ti   ln
5
   
 i=1 i=1
 ln α  i=1

   
(b) 



=

.

5 5 β 5  
Ii 
X X   
2  X
ln ti − (ln ti ) − ln ti · ln

i=1 i=1 i=1
5

5 5 5
     
X X X Ii
1 − ln ti     − ln
5
 
  ln α  
 i=1 i=1   i=1 
(c) 



=

.

5 5 β 5  
Ii 
 X X   
2 X
− ln ti (ln ti ) ln ti · ln

i=1 i=1 i=1
5

5 5 5
     
X X X Ii
1 − ln ti   ln
5
   
 i=1 i=1
 ln α  i=1 
   
(d) 



=

.

5 5 β 5  
Ii 
X X   
2 X
ln ti − (ln ti ) ln ti · ln

i=1 i=1 i=1
5
25. Para un conjunto de n datos (xi , yi ) con i = 1, ..., n se quiere encontrar una curva de la forma

y = c1 + c2 ex + c3 e−x

que mejor se ajuste a los valores de la tabla en el sentido de los mı́nimos cuadrados. El sistema de
ecuaciones que permite encontrar los valores de c1 , c2 y c3 es:
 P n n n    P n 
exi e2xi
P P
1 c1 yi
 i=1 i=1 i=1
 i=1
   
 n e−xi P n n n
 P  
e−2xi   xi
P  P
(a)  1 
 c 2
=

 y i e .

 i=1 i=1 i=1    i=1
 
 P n n n
P −xi   n 
yi e−xi
P xi P
1 e e c3
i=1 i=1 i=1 i=1

 Pn n n    P n 
exi e−xi
P P
1 c1 yi
 i=1 i=1 i=1    i=1 
 n exi n n n
 P   
2xi
yi exi
P P   P
(b)  e 1   c2 

 = .

 i=1 i=1 i=1   i=1 
 Pn n n    n 
e−xi e−2xi yi e−xi
P P P
1 c3
i=1 i=1 i=1 i=1

 Pn n n   Pn 
e−xi

exi
P P
1 c1 yi
 i=1 i=1 i=1    i=1 
 n exi n n n
 P   
2xi
yi e−xi
P P   P
(c)  e 1   c2 

 = .

 i=1 i=1 i=1   i=1 
 Pn n n    n 
e−xi e−2xi yi exi
P P P
1 c3
i=1 i=1 i=1 i=1

 Pn n n   Pn 
e−xi

exi
P P
1 c1 yi
 i=1 i=1 i=1    i=1 
 n exi n n n
 P   
e2xi yi exi
P P   P
(d)  1   c2 

= .

 i=1 i=1 i=1   i=1 
 Pn n n    Pn 
e−xi e−2xi yi e−xi
P P
1 c3
i=1 i=1 i=1 i=1

7
 ax
26. El problema de ajustar un modelo y(x) = (donde a y b son los parámetros a determinar) a partir
x+b
de la tabla de datos
x 1 3/2 2 5 7
y 1 6/5 4/3 5/3 7/4
1 1
se puede reducir a un problema del tipo Y (X) = c1 + c2 X, donde X = e Y = . ¿Cuál de los
x y
siguientes sistemas de ecuaciones normales es necesario resolver para obtener c1 y c2 de acuerdo al método
de mı́nimos cuadrados?

527   1577 33   139

       
5 c2 5 c2
 210 
   =  420 .
   2 
   =  20 .
 
(a)  527 2441   2855  (c)  33 325   521 
c1 c1
210 1391 1339 2 4 20
527   1577 33   139
       
5 c1 5 c1
 210 
   =  420 .
   2 
   =  20 .
 
(b)  527 2441   2855  (d)  33 325   521 
c2 c2
210 1391 1339 2 4 20

8
II. Resuelva los siguientes problemas utilizando 5 decimales con redondeo.
1. La ecuación diferencial siguiente proviene de un balance de calor para una barra larga y delgada (véase
la figura):
d2 T
+ h (Ta − T ) = 0 (1)
dx2
donde T = temperatura [◦ C], x = distancia a lo largo de la barra [m], h = coeficiente de transferencia de
calor entre la barra y el aire del ambiente [m−2 ], y Ta = temperatura del aire circundante [◦ C].

Esta ecuación diferencial se transforma en un sistema de ecuaciones lineales por medio del uso de una
aproximación en diferencias finitas para la segunda derivada:
d2 T Ti+1 − 2Ti + Ti−1
≈
dx2 ∆x2
donde Ti denota la temperatura en el nodo i. Sustituyendo esta aproximación en la ecuación (1) se obtiene
−Ti−1 + 2 + h∆x2 Ti − Ti+1 = h∆x2 Ta

para cada uno de los nodos interiores de la barra y para los nodos extremos de la barra, se satisfacen las
condiciones de borde. Si la barra mide 10 [m] de longitud, temperatura del aire circundante Ta = 10 [◦ C]
y condiciones de borde T (0) = 40 [◦ C], T (10) = 200 [◦ C] y h = 0.02 [m−2 ].

(a) Determine el sistema de ecuaciones lineales que permite encontrar una aproximación de la solución
del problema utilizando intervalos de largo ∆x = 2 [m].
(b) Plantee el método de Jacobi asociado al problema y justifique porqué converge a la solución del
sistema. Determine el número de pasos suficiente para garantizar que el error en el k-ésimo paso es
de 10−6 .
2. En ocasiones las condiciones iniciales necesarias para determinar completamente la solución de ecuaciones
diferenciales ordinarias no aparecen especificadas todas en el mismo punto, como sucede en los problemas
de valor inicial. En este caso, estamos ante un problema de contorno de la forma

y 00 = f (x, y, y 0 )
y(a) = α
y(b) = β.

Para resolver de manera discreta este tipo de problemas se sugiere usar el método de diferencias finitas
que se enuncia a continuación:
Consideremos un intervalo acotado [a, b] con a = x0 , realicemos ahora una partición de
(a, b) en n-subintervalos

a = x0 < x1 < x2 < · · · xn−1 < xn = b.

Para calcular y(xi ) se sustituyen las derivadas de y que aparecen en la ecuación ordinaria
por aproximaciones de diferencias finitas

y(xi + h) − y(xi − h)
y 0 (xi ) =
2h
y(xi + h) − 2y(xi ) + y(xi − h)
y 00 (xi ) = .
h2
Lo anterior permite transformar la ecuación ordinaria en un sistema de ecuaciones alge-
braicos.

Considere ahora el problema de contorno

y 00 = xy 0 − y + 2 − x2
y(−1) = 1
y(1) = 1.
(a) Plantee el sistema de ecuaciones asociados a las diferencias finitas, usando h = 0.5.
(b) Determine si el sistema anterior converge por el método de Jacobi. En caso afirmativo, determine el
número de iteraciones necesarias para asegurar un error de a lo más 5 × 10−7 .

9
3. A partir de un experimento balı́stico se pretende obtener la altura de un proyectil, H(α, x) [km] , donde
x [km] es la distancia desde el punto de lanzamiento y α, medido en grados, es el ángulo con que fue
efectuado el disparo. La siguiente tabla entrega los valores, medidos en el experimento, de la altura para
distintos valores de α y x.
x
1 2 3 4
α
30 0.473 0.737 0.791 0.637
40 0.706 1.144 1.315 1.219
45 0.843 1.373 1.589 1.491
65 1.706 2.253 2.483 1.555
Basándose en la información proporcionada en la tabla, determine la altura aproximada a la cual se
encuentra un proyectil, lanzado con un ángulo α = 42◦ , a una distancia x = 2.2 [km] desde el lugar de
lanzamiento.
Para determinar dicha aproximación
(a) Para cada xi , i = 0, .., 3, realice interpolación lineal para ajustar un polinomio pi (α) que aproxime la
función H(α, xi ). Utilice dicho polinomio para completar la tabla
xi 1 2 3 4
H(42, xi )
(b) Encuentre el polinomio q(x) que interpola los datos de la tabla obtenida en el ı́tem anterior y, a partir
de este, obtenga el valor aproximado de H(42, 2.2).
4. La figura muestra el croquis del lecho de un rı́o. A partir de una lı́nea recta, próxima a uno de los
márgenes, se midieron las distancias (en metros) entre esta recta y los márgenes del rı́o cada 15 metros a
partir de un punto tomado como origen. Tales puntos se registran en la tabla:
x 0 15 30 45
M1 112.50 154.50 195.00 171.00
M2 50.00 86.00 146.00 73.50

Si se desea construir un puente donde el ancho del rı́o sea mı́nimo mediante interpolación polinomial
utilizando todos los puntos, determine la posición del puente en el rı́o y el respectivo largo.

Ayuda: Sea f (x) una función que tiene primera y segunda derivadas en cada punto del
intervalo ]a, b[ que contiene a x0 . Suponga que f 0 (x0 ) = 0:

(a) Si f 00 (x0 ) < 0, entonces f (x0 ) es un máximo local de f .

(b) Si f 00 (x0 ) > 0, entonces f (x0 ) es un mı́nimo local de f .

5. El nivel del agua H(t) en el Mar del Norte está determinado principalmente por la marea llamada M 2,
cuyo perı́odo es de aproximadamente 12 horas. Con las siguientes mediciones:

t (horas) 0 2 4 6 8 10
H(t) (metros) 1.0 1.6 1.4 0.6 0.2 0.8

deduzca las ecuaciones que permiten ajustar la serie de mediciones dadas en la tabla anterior, usando el
método de mı́nimos cuadrados y la función
 
2πt
H(t) = h0 + A sin ,
12

donde h0 y A son parámetros a determinar. Aproxime el valor de H(5).

10