UNIVERSIDAD DE CONCEPCION

FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
DEPARTAMENTO DE INGENIERIA MATEMATICA
Calculo Numerico (521230)
Evaluacion 1 Tema 1
Fecha: 10 Octubre 2008; 19:10 horas.
Nombre y apellidos
Matrcula
Profesor
Pregunta Alternativas
1 a b c d
2 a b c d
3 a b c d
4 a b c d
5 a b c d
6 a b c d
7 a b c d
8 a b c d
9 a b c d
10 a b c d
11 a b c d
12 a b c d
13 a b c d
14 a b c d
15 a b c d
Reservado para la
correccion
No rellenar
B
M
NR
Cal.
Marque s olo una alternativa, en caso contrario la pregunta no sera evaluada.
No intente adivinar. Por cada respuesta equivocada se descontar a un tercio del valor de una
respuesta correcta; es decir:
Calicaci on = 1 + max
_
0,
6
15
_
Buenas
Malas
3
__
.
Cualquier intento de copia ser a castigado.
Duracion de la prueba: 100 minutos.
CVL/RBP/MSC
UNIVERSIDAD DE CONCEPCION
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
DEPARTAMENTO DE INGENIERIA MATEMATICA
Calculo Numerico (521230)
Evaluacion 1 Tema 2
Fecha: 10 Octubre 2008; 19:10 horas.
Nombre y apellidos
Matrcula
Profesor
Pregunta Alternativas
1 a b c d
2 a b c d
3 a b c d
4 a b c d
5 a b c d
6 a b c d
7 a b c d
8 a b c d
9 a b c d
10 a b c d
11 a b c d
12 a b c d
13 a b c d
14 a b c d
15 a b c d
Reservado para la
correccion
No rellenar
B
M
NR
Cal.
Marque s olo una alternativa, en caso contrario la pregunta no sera evaluada.
No intente adivinar. Por cada respuesta equivocada se descontar a un tercio del valor de una
respuesta correcta; es decir:
Calicaci on = 1 + max
_
0,
6
15
_
Buenas
Malas
3
__
.
Cualquier intento de copia ser a castigado.
Duracion de la prueba: 100 minutos.
CVL/RBP/MSC
UNIVERSIDAD DE CONCEPCION
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
DEPARTAMENTO DE INGENIERIA MATEMATICA
Calculo Numerico (521230)
Evaluacion 1 Tema 3
Fecha: 10 Octubre 2008; 19:10 horas.
Nombre y apellidos
Matrcula
Profesor
Pregunta Alternativas
1 a b c d
2 a b c d
3 a b c d
4 a b c d
5 a b c d
6 a b c d
7 a b c d
8 a b c d
9 a b c d
10 a b c d
11 a b c d
12 a b c d
13 a b c d
14 a b c d
15 a b c d
Reservado para la
correccion
No rellenar
B
M
NR
Cal.
Marque s olo una alternativa, en caso contrario la pregunta no sera evaluada.
No intente adivinar. Por cada respuesta equivocada se descontar a un tercio del valor de una
respuesta correcta; es decir:
Calicaci on = 1 + max
_
0,
6
15
_
Buenas
Malas
3
__
.
Cualquier intento de copia ser a castigado.
Duracion de la prueba: 100 minutos.
CVL/RBP/MSC
UNIVERSIDAD DE CONCEPCION
FACULTAD DE CIENCIAS
FISICAS Y MATEMATICAS
DEPARTAMENTO DE INGENIERIA MATEMATICA
Calculo Numerico (521230)
Evaluacion 1 Tema 4
Fecha: 10 Octubre 2008; 19:10 horas.
Nombre y apellidos
Matrcula
Profesor
Pregunta Alternativas
1 a b c d
2 a b c d
3 a b c d
4 a b c d
5 a b c d
6 a b c d
7 a b c d
8 a b c d
9 a b c d
10 a b c d
11 a b c d
12 a b c d
13 a b c d
14 a b c d
15 a b c d
Reservado para la
correccion
No rellenar
B
M
NR
Cal.
Marque s olo una alternativa, en caso contrario la pregunta no sera evaluada.
No intente adivinar. Por cada respuesta equivocada se descontar a un tercio del valor de una
respuesta correcta; es decir:
Calicaci on = 1 + max
_
0,
6
15
_
Buenas
Malas
3
__
.
Cualquier intento de copia ser a castigado.
Duracion de la prueba: 100 minutos.
CVL/RBP/MSC
Tema 1 5
1. Una norma de matrices para la cual no se puede asegurar que se verica AB AB, para
todo par de matrices A = (a
ij
)
n
i,j=1
y B = (b
ij
)
n
i,j=1
, es
(a) A =
_

_
A
t
A
_
;
(b) A = max
j=1,n
n

i=1
|a
ij
|;
(c) A = max
i=1,n
n

j=1
|a
ij
|;
(d) A = max
i,j=1,n
|a
ij
|.
2. Se desea ajustar los par ametros a, b y c del modelo y = at
b+c ln(t)
. Dados los vectores columnas
t, y R
m1
, los comandos necesarios en Matlab para obtener los par ametros a b y c est an dados
por:
(a)
A=[ones(m,1) t log(t)];
c=A\y;
a=c(1);
b=c(2);
c=c(3);
(b)
A=[ones(m,1) log(t) log(t).^2];
b=log(y);
c=A\b;
a=c(1);
b=c(2);
c=c(3);
(c)
A=[ones(m,1) log(t) log(t).^2];
b=log(y);
c=A\b;
a=exp(c(1));
b=c(2);
c=c(3);
(d)
A=[ones(m,1) t log(t)];
c=A\y;
a=c(1);
b=c(2);
c=exp(c(3));
3. Sean L y U los factores que se obtienen si se aplica el metodo de Gauss con pivoteo parcial a la
matriz A =
_
_
2 1 1
10 5 3
1 2 0
_
_
. La matriz P de permutacion correspondiente es:
(a) P =
_
_
0 1 0
0 0 1
1 0 0
_
_
;
(b) P =
_
_
1 0 0
0 1 0
0 0 1
_
_
;
(c) P =
_
_
0 0 1
0 1 0
1 0 0
_
_
;
(d) ninguna de las anteriores.
Tema 1 6
4. La siguiente funci on de Matlab evalua e
x
mediante su serie de Taylor e
x
=

n=0
x
n
n!
:
function y=miexp(x)
y=1;
sum=x;
n=1;
while (y+sum~=y)
y=y+sum;
n=n+1;
sum=x*sum/n;
end
Este programa debera detenerse cuando y + sum = y:
(a) esto ocurre siempre, debido a un error de redondeo de Matlab con sum/y sucientemente
peque no menor que la constante de precisi on;
(b) esto no ocurre nunca, pues siempre sum > 0;
(c) esto ocurre a veces y casualmente, cuando por un efecto de underow se tiene sum = 0;
(d) ninguna de las anteriores.
5. En Matlab resolver el sistema Ax = b en el sentido de los mnimos cuadrados, va factorizaci on
QR, es:
(a)
[Q,R]=qr(A);
x=R\(Q*b);
(b)
[Q,R]=qr(AA);
x=R\(Q*b);
(c)
[Q,R]=qr(A);
x=R\(Q*b);
(d)
[Q,R]=qr(A);
x=Q\(R*b);
6. Consideremos la matriz A =
_
_
1 x 0
x 1 x
0 x 2
_
_
, con x R. Se garantiza que A es de diagonal
dominante estricta para cada
(a) x R;
(b) x (1, 1);
(c) x (0.5, 0.5);
(d) x (2, 2).
Tema 1 7
7. Se hace la siguiente operaci on en Matlab con el siguiente resultado:
>> 12345678901234567-12345678901234566
ans =
2
Este error de precisi on en Matlab se denomina
(a) Overow;
(b) Underow;
(c) cancelacion excesiva;
(d) ninguna de las anteriores.
8. Considere el sistema Ax = b, donde A es la matriz:
A =
_

_
4 1 . . . . . . 0
1 4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 4 1
0 . . . . . . 1 4
_

_
R
10001000
Considere las siguientes armaciones:
i) el metodo del Gradiente converge;
ii) el metodo del Gradiente conjugado converge;
iii) no es posible aplicar ning un metodo de descenso debido a que la matriz es simetrica pero no
denida positiva;
iv) es posible aplicar el algoritmo de Thomas para la resolucion del sistema.
Son verdaderas:
(a) s olo i);
(b) s olo ii);
(c) i) y ii);
(d) iii) y iv).
9. Considerando el sistema de ecuaciones lineales Ax = b, con A R
NN
matriz dispersa (sparse)
no singular, b R
N
, N = 100000, indique la armaci on que es falsa:
(a) la factorizaci on LU de A puede requerir de un almacenamiento de memoria muy excesivo;
(b) si cond
2
(A) = 10
5
, se recomienda precondicionar el sistema antes de resolverlo;
(c) si A es de diagonal dominante estricta, el metodo de Gauss-Seidel siempre converge;
(d) si A es simetrica y denida positiva, el metodo de Jacobi siempre converge.
Tema 1 8
10. La instruccion de Matlab
>> [eye(2) -ones(2, 4); triu(2*ones(4,4)) [zeros(2,2); diag([1 2])]]
genera la matriz
(a)
_

_
2 0 1 1 1 1
0 2 1 1 1 1
0 2 2 2 0 0
0 0 2 2 0 0
0 0 0 2 1 0
0 0 0 0 0 2
_

_
;
(b)
_

_
1 0 1 1 1 1
0 1 1 1 1 1
2 2 2 2 0 0
0 2 2 2 0 0
0 0 2 2 1 0
0 0 0 2 0 2
_

_
;
(c)
_

_
1 0 1 1 1 1
0 1 1 1 1 1
2 0 0 0 0 0
2 2 0 0 0 0
2 2 2 0 0 2
2 2 2 2 1 0
_

_
;
(d) ninguna de las anteriores.
11. Considere el sistema Ax = b, donde A es la matriz:
A =
_

_
4 1 . . . . . . 0
1 4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 4 1
0 . . . . . . 1 4
_

_
R
10001000
;
(a) el metodo del gradiente conjugado converge signicativamente mas lento que el gradiente
conjugado con el precondicionador de Jacobi;
(b) el gradiente conjugado converge igual de r apido que el gradiente conjugado con el precondi-
cionador de Jacobi;
(c) el metodo del gradiente conjugado converge signicativamente mas r apido que el gradiente
conjugado con el precondicionador de Jacobi;
(d) ninguna de las anteriores.
Tema 1 9
12. Respecto al siguiente sistema de ecuaciones lineales:
_
_
5 3 1
3 4 0
0 2 3
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
24
30
24
_
_
,
se sabe que el metodo de Jacobi es convergente y tambien que las aproximaciones {x
(k)
}
kIN
gene-
radas por este metodo satisfacen ||x x
(k)
||
||M||
1 ||M||
||x
(k+1)
x
(k)
||, siendo M la matriz de
iteraci on del metodo. Considerando una tolerancia de 10
6
para el error, el criterio de detenci on
mas adecuado (y calculable) en la implementacion del metodo de Jacobi, es:
(a) ||x x
(k)
||

< 10
6
;
(b) 4 ||x
(k+1)
x
(k)
||

< 10
5
;
(c) 2 ||x
(k+1)
x
(k)
||

< 10
7
;
(d) 4 ||x
(k+1)
x
(k)
||

< 10
6
.
13. Es sabido que las potencias de la raz on aurea r
n
=
_

51
2
_
n
verican la relacion de recurrencia:
r
n+1
= r
n1
r
n
. Esto nos permite generar dichas potencias mediante el algoritmo implementado
en Matlab con la tabla de resultados
r=zeros(1,100);
r(1)=1;r(2)=(sqrt(5)-1)/2;
for n=2:100
r(n+1)=r(n-1)-r(n);
end
Resultado Numerico Valor Exacto Error
n r(n+1)
_

51
2
_
n
r(n+1)-
_

51
2
_
n
11 0.00502 0.00502 4.83207e-015
31 3.3226e-07 3.3219e-07 7.31309e-011
71 0.01673 1.4517e-15 0.0167343
91 253.13910 9.5968e-20 253.13910
A partir del programa Matlab y la columna de errores de la precedente tabla, se deduce que
(a) el algoritmo es inestable;
(b) hay un error en la programacion;
(c) la verdad es que los errores no son tan grandes como parecen;
(d) ninguna de las anteriores.
Tema 1 10
14. Si A R
nn
es no singular, entonces la solucion del sistema Ax = b en el sentido de los mnimos
cuadrados satisface:
(a) ||b Ax||
2
= 0;
(b) ||b Ax||
2
> 0;
(c) ||A
t
b A
t
Ax||
2
> 0;
(d) ninguna de las anteriores.
15. Considere el sistema de ecuaciones lineales Ax = b, siendo b R
n
, y A R
nn
la matriz simetrica
dada por
A =
_
_
_
_
_
_
_
_
_
a
1
b
1
0 0
b
1
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
. b
n1
0 0 b
n1
a
n
_
_
_
_
_
_
_
_
_
, (n 100000) .
Indique la armaci on que es verdadera:
(a) si A es denida positiva, entonces el algoritmo de Cholesky entrega una matriz triangular
inferior con a lo mas 2n 1 coecientes distintos de cero;
(b) si Ano es de diagonal dominante estricta, entonces el metodo de Gauss-Seidel asociado siempre
diverge;
(c) el metodo de gradiente conjugado puede aplicarse para resolver el sistema planteado, pues este
metodo siempre converge;
(d) ninguna de las anteriores.