UNIVERSIDAD AUSTRAL DE CHILE

FACULTAD DE CIENCIAS DE LA INGENIERIA

CENTRO DE DOCENCIA DE CIENCIAS BÁSICAS PARA INGENIERÍA

GUÍA N◦ 3 MÉTODOS NUMÉRICOS PARA INGENIERÍA

En cada una de las siguientes preguntas de selección múltiple, marque solo una alternativa.

ax
1. El problema de ajustar un modelo y(x) = (donde a y b son los parámetros a determinar) a partir de una tabla
b+x

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
2. Para encontrar la curva del tipo g(x) = a x + que mejor ajusta los datos (1, 2), (2, 4) y (3, 0), en el sentido de los
x
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

ax
3. El problema de ajustar un modelo y(x) = (donde a y b son los parámetros a determinar) a partir de la tabla
x+b
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 siguientes sistemas
x y
de ecuaciones normales es necesario resolver para obtener c1 y c2 de acuerdo al método de mı́nimos cuadrados?

527 1577 33   139

       
 
5 c 2 5 c 2
 210    =  420 .
   2    =  20 .
 
(a) 
 527 77389   188059  (c) 
 33 325   521 
c1 c1
210 44100 88200 2 4 20
527 1577
   
33   139
     
 5 c1
210     420  5 c 1
2    =  20 .
  
(b)  = .
  
 527 77389  188059 (d) 
c2  33 325 
c2
 521 
210 44100 88200 2 4 20

4. Considere la siguiente tabla de datos:

x 0 0.25 1 1.5 2 2.25

y 2 4.2340 40.1711 180.0343 806.8576 1708.1175

Al ajustar una función de la forma f (x) = aebx en el sentido de mı́nimos cuadrados, aproximadamente se tiene que:

(a) a = 2, b = 3. (c) a = 1.999, b = 3.

(b) a = 1.999, b = 2.9999. (d) a = 1.999, b = 2.9999.

1
5. 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

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

6. 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    
−2xi   x
P P
(a)  1 e   c2  =


  i=1 yi e i
.

 i=1 i=1 i=1  
 P n n n    n 
xi −xi −xi
P P P
1 e e c3 yi e
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 
 Pn n n   n 
exi 2xi
yi exi
P P   P
(b) 
 e 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

 Pn n n   Pn 
e−xi

exi
P P
1 c1 yi
 i=1 i=1 i=1
 i=1
   
 Pn n n  n 
exi 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   
2xi
yi exi
P P   P
(d)  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

2
 7. La siguiente tabla contiene los datos de la población de una ciudad de acuerdo a los censos realizados cada 10 años,
desde 1950 hasta 2000:

t 1950 1960 1970 1980 1990 2000

P 123457 132875 145763 160123 170933 179345

el sistema de ecuaciones normales que se obtiene al ajustar los datos de esta tabla al modelo:
c
P (t) = a + b(t − 1900) +
t − 1900
es:

6 6 6 6
   
P P 1 P P
1 (ti − 1900)     Pi

 i=1 i=1 (t i − 1900) i=1  a  i=1


P6 1 6 6   6 
(ti − 1900)2
P P P
(a)  1  b =  Pi (ti − 1900).
     
(t −
i=1 i 1900) i=1 i=1  c i=1 
P 6 6
P P6 1   P6 Pi 
(ti − 1900) 1 2
i=1 i=1 (t
i=1 i − 1900) (t
i=1 i − 1900)
6 6 6 6
   
P P P 1 P
1 (ti − 1900) Pi

 i=1 i=1 (t
i=1 i − 1900)   
 a  i=1


6 6 6 6 P
P   P i 
(ti − 1900)2
P P
 (ti − 1900)
(b)  1  b =  .
 i=1 i=1 i=1

 c
 (t
 i=1 i − 1900) 

P 6 1 6
P 6
P 1  P6 
1 2
Pi (ti − 1900)
i=1 (ti − 1900) i=1 i=1 (ti − 1900) i=1

6 6 6 6
   
P P 1 P P
1 (ti − 1900)     Pi

 i=1 (t
i=1 i − 1900) i=1  a  i=1


6 1 6 6 6 P
P   P i 
(ti − 1900)2
P P
(c)   b =
1     .
i=1 (ti − 1900)  i=1 (ti − 1900) 
 
i=1 i=1  c
P 6 6
P P6 1  P6 
(ti − 1900) 1 2
Pi (ti − 1900)
i=1 i=1 i=1 (ti − 1900) i=1

6 6 6 6
   
P P P 1 P
1 (ti − 1900) Pi
i=1 (ti − 1900)
 i=1 i=1
   i=1

  a  
P 6 6 6  P6 
(ti − 1900)2
P P
(d)  (ti − 1900)
 1   b  =  Pi (ti − 1900).
  
 i=1 i=1 i=1  c i=1 
P 6 1 6
P 6
P 1   P6 Pi 
1
i=1 (ti − 1900) i=1 i=1 (ti − 1900)2 i=1 (ti − 1900)

8. Se dispone de una tabla de valores para la función f en los puntos no equiespaciados,

a = x0 < x1 < · · · < xn = b,

Rb
y se desea aproximar la integral a f (x)dx. Para ello se utiliza la regla del trapecio en cada subintervalo [xi−1 , xi ],
i = 1, . . . , n. El valor que se obtiene a través de este método es:
n n−1
!
b−aX 1 X
(a) f (xi ). (c) f (a) + f (b) + 2 f (xi ) .
2n i=0 2 i=1
n n−1
!
X f (xi−1 ) + f (xi ) b−a
(b) (xi − xi−1 ).
X
2 (d) f (a) + f (b) + 2 f (xi ) .
i=1 2n i=1

9. Sea Z 1
I= e−x sin xdx.
0
Si se desea aproximar el valor de I utilizando trapecio compuesta, el mı́nimo número de intervalos suficiente para
tener un error menor o igual a 10−5 es:

(a) 129. (c) 130.

(b) 34. (d) 131.

10. El menor número de intervalos suficiente para aproximar el valor de la integral

Zπ/2
sin(2t)dt,
0

con un error inferior a 10−5 , usando la regla de Simpson compuesta es:

(a) 16. (c) 18.

(b) 17. (d) 19.

3
11. El menor número de intervalos suficiente para aproximar el valor de la integral
Z 2
3
dx,
0 4 − x

con un error inferior a 10−7 , usando la regla de Simpson compuesta es:

(a) 44. (c) 46.

(b) 45. (d) 48.

12. Se desea calcular la integral Z 3

ln 4x2 + 4 dx


I=
−3

utilizando el método de Simpson con 8 particiones. El valor aproximado de la integral de acuerdo a dicho método es:

(a) 15.18530152. (c) 15.14453243.

(b) 15.06885357. (d) 15.12945981.

13. Dada la integral Z 3

ln 4x2 + 4 dx.


I=
−3

¿Cuál será la menor cantidad de puntos que se debe considerar para que el error en el método del trapecio compuesto
sea menor a 9 × 10−6 ?

(a) 2003 puntos. (c) 2001 puntos.

(b) 2002 puntos. (d) 2000 puntos.
Z 1
14. Dada una función f con cuarta derivada continua en el intervalo [0, 1], se calcula la integral f (x)dx mediante la regla
0
h
de Simpson compuesta con pasos h y . Ası́ se obtienen dos aproximaciones de la integral Ih e I h , respectivamente.
2 2
Indique cuál de las siguientes expresiones da una estimación del error de la aproximación de la integral I h .
2
   
(a) Ih − I h .
 
Ih − I h2 
 
2
  (c) .
Ih − I h2 
  15
(b) . (d) Ninguna de las anteriores.
3

15. Considere el PVI

dy
= t2 − t, y(0) = 1,
dt
cuya solución exacta es y = y(t). Con respecto a la solución numérica del mismo, obtenida por algún método numérico
con tamaño de paso h, se puede afirmar que:
(a) Es un conjunto de puntos {yk } que coincide con la solución analı́tica en t = h · k, k ∈ N.
(b) Es una función que aproxima la solución analı́tica de la ecuación diferencial.
(c) Es un conjunto de puntos {yk } que aproxima la solución analı́tica en t = h · k, k ∈ N.
(d) Es una función que coincide con la solución analı́tica de la ecuación diferencial.
16. Sea el PVI
3xy 0 − 2y = x3 y −2 , y(1) = 1.
Si h = 0.1, considerando el método de serie de Taylor de orden 1, el valor de y(1.2) es aproximadamente:

(a) 1.2033. (c) 1.2000.

(b) 1.2067. (d) 1.1412.

17. Considere el PVI

y 0 = xe−x , y(2) = 2.
Para aproximar y(6) por el método de serie de Taylor de orden 2, ¿cuál es el tamaño de paso h, necesario para que
el error de truncamiento local sea menor a 4 × 10−8 ?

(a) 0.015. (c) 0.016.

(b) 0.021. (d) 0.017.

4
18. Dado el P.V.I.
(
y 0 = f (x, y)
y(x0 ) = y0
Se define un método numérico asociado al PVI anterior, como:

yk+1 = yk + hf (xk+1 , yk + hf (xk , yk )) ; y0 = y(x0 ).

Si consideramos el PVI
(
y0 = y
y(0) = 1
con h = 0.1, al aplicar el método anterior, se tiene:

(a) y30 ≈ 22.89. (c) y30 ≈ 21.89.

(b) y30 ≈ 20.89. (d) y30 ≈ 19.89.

19. Dado el PVI

y 0 (x) = 4xy,

y(0) = 1.
Considere el siguiente método numérico:

y k+1 = yk + hf (xk , yk ), k = 0, 1, . . .
yk+1 = yk + hf (xk+1 , y k+1 ), k = 0, 1, . . .

Al utilizar este esquema con paso h = 0.5, el valor que falta en la siguiente tabla es:

xk 0.0 0.5 1.0

yk 1.0 2.0
(a) 6.0. (c) 10.0.
(b) 4.0. (d) 3.0.

20. Sea el siguiente PVI

x − y(x)
(
y 0 (x) = , x ∈ [0, 3]
2
y(0) = 1.
Utilizando el método de serie de Taylor de orden dos, con h = 0.25, se tiene:

(a) y(0.25) ≈ 0.8974915. (c) y(0.25) ≈ 0.8984375.

(b) y(0.25) ≈ 0.8750000. (d) y(0.25) ≈ 0.8974609.

21. Dado el PVI

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

x ∈ [a, b]
y(x0 ) = y0 .
Cuando aplicamos el siguiente método:

yk+1 = yk + hf (xk+1 , yk+1 ), k = 0, 1, 2, . . .

2
considerando a f (x, y) = ex + 3y + 5, se tiene que:
 2 
(a) yk+1 = (1 + 3h) yk + h exk + 5 , k = 0, 1, 2, . . .
 2 
yk + h exk + 5
(b) yk+1 = , k = 0, 1, 2, . . .
1 − 3h
 2 
(c) yk+1 = (1 + 3h) yk + h exk+1 + 5 , k = 0, 1, 2, . . .
 2 
yk + h exk+1 + 5
(d) yk+1 = , k = 0, 1, 2, . . .
1 − 3h

22. Considere el siguiente problema de valor inicial

t−y
y 0 (t) = en [0, 3], con y(0) = 1
2
Use el método de Taylor de cuarto orden, para calcular el error relativo de la aproximación y(0.5) (en una iteración),
sabiendo que la solución exacta de la ecuación diferencial es y(t) = 3e−t/2 + t − 2, utilice 7 cifras decimales con
truncamiento.

(a) |ER (0.5)| = 2.8305622 × 10−5 . (c) |ER (0.5)| = 2.8012327 × 10−5 .
(b) |ER (0.5)| = 2.8096527 × 10−5 . (d) |ER (0.5)| = 2.8122652 × 10−5 .

5
 Rb
23. Indique cual de los siguientes programas en Matlab calcula la integral a f (x)dx mediante la regla del trapecio
compuesto, asuma que la función f (x) esta programada en otro archivo de Matlab llamado fun.m y que soporta
entrada de vectores:

a) f u n c t i o n i n t=t r a p ( a , b ,N)
h=(b−a ) /N;
x=a+h ∗ [ 1 :N] −1/2;
i n t=h∗sum ( fun ( x ) ) ;
end

b) f u n c t i o n i n t=t r a p ( a , b ,N)
h=(b−a ) /N;
x=a+h ∗ [ 1 : N− 1 ] ;
i n t=h ∗ ( ( fun ( a)+ fun ( b))/2+sum ( fun ( x ) ) ) ;
end

c) f u n c t i o n i n t=t r a p ( a , b ,N)
h=(b−a ) / ( 2 ∗N ) ;
x=a+h ∗ [ 1 : N− 1 ] ;
i n t=h / 3 ∗ ( ( fun ( a)+ fun ( b))/2+sum ( fun ( x ) ) ) ;
end

d) f u n c t i o n i n t=t r a p ( a , b ,N)
h=(b−a ) / ( 2 ∗N ) ;
x=a+h ∗ [ 1 : N− 1 ] ;
i n t=h ∗ ( fun ( a)+sum ( fun ( x))+ fun ( b ) ) ;
end

24. Considere el PVI 

 y 0 (x) y
= , x ∈ [x0 , b]
1 + x2
y(x0 ) = y0


El programa en ambiente Matlab que resuelve el PVI por el método de serie de Taylor de orden 1 es:

a) f u n c t i o n [ x , y]= E u l e r ( x0 , y0 , b , h )
N=(b−x0 ) / h ;
x (1)= x0 ;
y (1)= y0 ;
f o r n=1:N−1
x ( n+1)=x ( n)+h ;
y ( n+1)=y ( n)+h∗y ( n)/(1+ x ( n ) ˆ 2 ) ;
end
end

b) f u n c t i o n [ x , y]= E u l e r ( x0 , y0 , b , h )
N=(b−x0 ) / h ;
x (1)= x0 ;
y (1)= y0 ;
f o r n=1:N−1
x ( n+1)=x ( n)+h ;
y ( n+1)=y ( n)+y ( n)/(1+ x ( n ) ˆ 2 ) ;
end
end

c) f u n c t i o n [ x , y]= E u l e r ( x0 , y0 , b , h )
N=(b−x0 ) / h ;
x (1)= x0 ;
y (1)= y0 ;
f o r n=1:N−1
x ( n+1)=x ( n ) ;
y ( n+1)=y ( n)+h∗y ( n)/(1+ x ( n ) ˆ 2 ) ;
end
end

d) f u n c t i o n [ x , y]= E u l e r ( x0 , y0 , b , h )
N=(b−x0 ) / h ;
x (1)= x0 ;
y (1)= y0 ;
f o r n=1:N−1
x ( n+1)=x ( n ) ;
y ( n+1)=y ( n)+y ( n)/(1+ x ( n ) ˆ 2 ) ;
end
end

6
25. El algoritmo del método de Euler para resolver un PVI de la forma:

y 0 (x) = y
, x ∈ [a, b]
1 + x2
y(a) = y0


es el siguiente:

Algoritmo 1: Euler
1 para i ← 1 a N − 1 hacer
2 xi ← a + ih xi1 ← xi + h
yi1 ← yi + hf (xi , yi )
yi+1 ← yi + h2 [f (xi , yi ) + f (xi1 , yi1 )]
3 fin

Indique cuál debe ser la quinta linea del siguiente código de Matlab para implementar este método a partir de los
datos a, b, f , N e y(1) = y0 .

h=(b−x0 ) /N;
x=a+h ∗ [ 0 ,N ] ;
f o r n=1:N
K1=h∗ f ( x ( i ) , y ( i ) ) ;
K2 = . . . . . . . . . . . . . . ;
y ( i +1)=y ( i ) + 0 . 5 ∗ (K1+K2 ) ;
end

a) K2=h∗ f ( x ( i ) , y ( i )+K1 ) ;

b) K2=h∗ f ( x ( i +1) , y ( i )+K1 ) ;

c) K2=h∗ f ( x ( i ) , y ( i + 1 ) ) ;

d) K2=h∗ f ( x ( i +1) , y ( i + 1 ) ) ;