Diferencia entre revisiones de «Práctica 8 (Métodos Numéricos)»

De Cuba-Wiki
(Unifico las guías de interpolación e integración numérica)
 
Sin resumen de edición
Línea 1: Línea 1:
{{Back|Métodos Numéricos}}
{{Back|Métodos Numéricos}}


==Ejercicio 2==
==Ejercicio 1==
'''Dados los pares <math>(x_0, f(x_0)), (x_1, f(x_1))</math> con <math> x_0 < x_1</math>:'''
'''¿Cuál es el punto del plano x + y − z = 0 más cercano al punto (2, 1, 0)?'''<BR>
====Ejercicio 2.a====
<math> S = \{ x + y - z = 0 \}</math>. El vector normal al plano es (1, 1, -1).<BR>
'''Hallar el polinomio que los interpola.'''<BR>
Entonces buscamos un <math>t= (2, 1, 0) + \lambda (1, 1, -1) = (2 + \lambda, 1 + \lambda, -\lambda) </math> que pertenezca a S. Como (1, 1, -1) es la normal del plano se debe cumplir que el producto interno entre éste y t sea 0.
Si el polinomio interpola 2 puntos, entonces tiene que ser de grado 1, por lo que es una recta.<BR>
Entonces t está en S <math>\Longleftrightarrow 2 + \lambda + 1 + \lambda - (-\lambda) = 0 </math>
<math>p(x) = f(x_0) + (x - x_0) ((f(x_1) - f(x_0)) / (x_1 - x_0))</math><BR>


====Ejercicio 2.b====
<math>\Longleftrightarrow 3 + 3 \lambda = 0</math>
'''¿Cual es el máximo error que se puede cometer al interpolar linealmente una función sabiendo que <math>|f''| < M \in (x_0, x_1)</math>?'''.<BR>
No tengo ni idea como se deduce. Pero el resultado es que el error es:<BR>
Sea n + 1 la cantidad de puntos a interpolar, y sea <math>W_{n+1}(x) = \prod_{i = 0}^{n}(x - x_i)</math> (Un polinomio que tiene como raices a todos los puntos a interpolar), el error es:
<math>E_n(x) = \frac{f^{(n + 1)}(\xi)}{(n + 1)!}W_{n+1}(x)</math>
Y como estamos interpolando 2 puntos, y <math>|f''| < M \in (x_0, x_1) \Longrightarrow E(x) = \frac{f^{(n + 1)}(\xi)}{(n + 1)!}W_{n+1}(x) <= \frac{M}{2}(x - x_0) (x - x_1) </math>


==Ejercicio 3==
<math>\Longleftrightarrow \lambda = -1</math>.
'''Una tabla de una variable se dice bien condicionada para la interpolación lineal si el error debido a la interpolación no excede al error de redondeo de la tabla. Se desea construir una tabla de seis cifras para la función log(x) en (1, 10), de tal manera que la tabla esté bien condicionada para interpolación lineal. Determinar el tamaño del paso más grande posible.<BR>'''
Hay que averiguar cual es la distancia maxima que se puede dejar entre dos puntos para que el error de interpolar entre ellos sea menor a <math>10^{-6}</math>.<BR>
El error de interpolar al polinomio linealmente (con dos puntos) es de:
<math> E(x) = \frac{f^{(n + 1)}(\xi)}{(n + 1)!}W_{n+1}(x) = \frac{f^{(2)}(\xi)}{2}(x - a)(x - b) </math><BR>
<math> log'(x) = \frac{1}{x}</math><BR>
<math> log''(x) = -\frac{1}{x^2}</math><BR>
Entonces el error es de: <math> -\frac{1}{2 * \xi^2}(x - a)(x - b) </math><BR>
<math> |-\frac{1}{2 * \xi^2}(x - a)(x - b)| \leq |\frac{1}{2 * a^2}(x - a)(x - b)| </math> Buscamos el valor absoluto maximo entre a y b de esa funcion.: <BR>
<math> (x - a) (x - b) = x^2 - (a+b)x + a . b </math><BR>
Derivamos para buscar el maximo o minimo:
<math> 2x - (a+b) = 0 \Longleftrightarrow x = \frac{a+b}{2} </math><BR>
Entonces reemplazamos la funcion por el valor maximo que toma en el intervalo, pero usando h = (b - a) / 2.
<math> (a + b) / 2 = a + \frac{a + b - 2a}{2} = a + \frac{b - a}{2} = a + \frac{h}{2}</math><BR>
<math> |\frac{1}{2 * a^2}(a + \frac{h}{2} - a)(a + \frac{h}{2} - b)|</math><BR>
<math> = |\frac{1}{2 * a^2}(\frac{h}{2})(\frac{h}{2} - h)|</math><BR>
<math> = |\frac{1}{2 * a^2}(\frac{h}{2})\frac{-h}{2}|</math><BR>
<math> = |\frac{1}{2 * a^2}\frac{-h^2}{4}|</math><BR>
<math> = |\frac{1}{2 * a^2} \frac{-h^2}{4}|</math><BR>
<math> = \frac{h^2}{8 a^2} \leq 10^-6</math><BR>
Remplazamos a por 1 que es cuando esto se hace mas grande.
<math> \Longleftrightarrow \frac{h^2}{8}| \leq 10^-6</math><BR>
<math> \Longleftrightarrow h^2 | \leq 8 . 10^-6</math><BR>
<math> \Longleftrightarrow h | \leq \sqrt(8 . 10^-6) </math><BR>
<math> \Longleftrightarrow \frac{9}{n} | \leq \sqrt(8 . 10^-6) </math><BR>
<math> \Longleftrightarrow \frac{9}{\sqrt(8 . 10^-6)} | \leq n </math><BR>
<math> \Longleftrightarrow \frac{9}{\sqrt(8 . 10^-6)} | \leq n </math><BR>
<math> \Longleftrightarrow \frac{9}{2\sqrt(2)10^-3} | \leq n </math><BR>
<math> \Longleftrightarrow 3200 | \leq n </math><BR>


==Ejercicio 19==
Entonces el punto más cercano es <math>t = (2, 1, 0) + (-1) (1, 1, -1) = (1, 0, 1)</math>
'''Dada la función <math> f(x) </math> y los puntos <math> x_0 < x_1</math>:'''
====Ejercicio 19.a====
'''Hallar el polinomio que interpola los puntos <math>(x_0, f(x_0)), (x_1, f(x_1))</math>.'''
Si el polinomio interpola 2 puntos, entonces tiene que ser de grado 1, por lo que es una recta.<BR>
<math>p(x) = f(x_0) + (x - x_0) ((f(x_1) - f(x_0)) / (x_1 - x_0))</math><BR>


====Ejercicio 19.b====
==Ejercicio 2==
'''Dar una expresión para aproximar <math>\int_{x_0}^{x_1} {f(x) dx}</math>utilizando el polinomio interpolador.'''<BR>
'''Sean <math>a, b \in \mathbb{R}^n</math> fijos. ¿Qué número real t hace que <math>|| a-t*b\||_2</math> sea mínimo'''<br>
como <math>p(x) = f(x_0) + (x - x_0) ((f(x_1) - f(x_0)) / (x_1 - x_0))</math> es parecido a la funcion, podemos suponer que la integral de el mismo, es parecido a la integral de la funcion:<BR>
Minimizar <math>|| a-t*b||</math> es lo mismo que minimizar <math>|| a-t*b||^2</math> pues la raíz es monótona y creciente. Llamemos a esta funcion <math>f(t)</math> y minimizemosla: <br>
<math>\int_{x_0}^{x_1} {p(x)} = \int_{x_0}^{x_1} {f(x_0) + (x - x_0) ((f(x_1) - f(x_0)) / (x_1 - x_0))}</math><BR>
<math>f(t) = ||a - t * b|| ^ 2 = \sum_{i = 0}^{n} (a_i - t b_i)^2 </math><br>
<math>= [f(x_0) x + 1/2 (x - x_0)^2 ((f(x_1) - f(x_0)) / (x_1 - x_0))] Entre[x_0 a x_1]</math><BR>
Para hallar el minimo de esta funcion, la derivamos y buscamos donde es igual a 0.
<math>= [f(x_0) (x_1 - x_0) + ((f(x_1) - f(x_0)) / 2 (x_1 - x_0))]</math><BR>
<math> f'(x) = \left(\sum_{i = 0}^{n} (a_i - t b_i)^2\right)' </math><br>
<math>= ((b - a) / 2) (f(a) + f(b))</math><BR>
<math> = \sum_{i = 0}^{n} -2 b_i (a_i - t b_i) </math><br>
<math> = \sum_{i = 0}^{n} -2 b_i a_i - t -2 b_i^2 = 0</math><br>
<math> \Longleftrightarrow \sum_{i = 0}^{n} -2 b_i a_i - \sum_{i = 0}^{n} t -2 b_i^2 = 0</math><br>
<math> \Longleftrightarrow \sum_{i = 0}^{n} -2 b_i a_i = \sum_{i = 0}^{n} t -2 b_i^2 </math><br>
<math> \Longleftrightarrow \sum_{i = 0}^{n} b_i a_i =  t \sum_{i = 0}^{n} b_i^2 </math><br>
<math> \Longleftrightarrow \frac{\sum_{i = 0}^{n} b_i a_i}{\sum_{i = 0}^{n} b_i^2} =  t </math><br>


====Ejercicio 19.c====
Para poder afirmar que es mínimo, en realidad falta calcular <math>f''(\frac{\sum_{i = 0}^{n} b_i a_i}{\sum_{i = 0}^{n} b_i^2})</math> y ver que es mayor a 0, pero 0 ganas...
Sabiendo que <math>|f''| < M Vx <- (x_0, x_1)</math>, indicar el error cometido en la aprox_imación.
No tengo ni idea como se deduce. Pero el resultado es que el error es:
<math>((x_1 - x_0)^3 / 12) f''(xx)</math> con xx un punto intermedio.
entonces como <math>|f''| < M Vx <- (x_0, x_1)</math>, el error es menor o igual a M.


==Ejercicio 20==
==Ejercicio 3==
'''La función f(x) está definida en el intervalo [0, 1] como:<BR>
'''Sea <math>A \in \mathbb{R}^{nxm}</math>. Se define el espacio columna de A como el subespacio de <math>\mathbb{R}^n</math> generado por las columnas de A y el espacio fila de A como el subespacio de <math>\mathbb{R}^n</math> generado por las filas de A.'''
<math>
====Ejercicio 3. a====
  f(x)=
'''Probar que el espacio columna de A es <math>Im(A)</math>.'''<BR>
  \begin{cases}
<math>v \in Im(A) \Longleftrightarrow \exists w / Aw = x</math>.
    x, & si \ 0 <= x <= \frac{1}{2}
<math>\Longleftrightarrow x_i = \sum_{j = 1}^{n}A_{ij} wj</math>.
    \\ 1 - x, & si \ \frac{1}{2} <= x <= 1
<math>\Longleftrightarrow x = \sum_{j = 1}^{n}wj A_{*j}</math>.
  \end{cases}
<math>\Longleftrightarrow x \in espacio \ columnas \ de \ A</math>.
</math>
Calcular <math>\int_{0}^{1}{ f(x)dx }</math>mediante las siguientes aprox_imaciones:'''<BR>
====Ejercicio 20.a====
'''Regla de los Trapecios en [0, 1].'''<BR>
En general:<BR>
<math>\int_{a}^{b}{ f(x) dx}</math> \cong T(f, a, b) = f(a) + (x - a) ((f(b) - f(a)) / (b - a))<BR>
En nuestro caso:<BR>
<math> = f(0) + (1 - 0) ((f(1) - f(0)) / (1 - 0))</math><BR>
<math> = 0 + 1 (0 - 0) / 1</math><BR>
<math> = 1</math><BR>
====Ejercicio 20.b====
'''Regla de los Trapecios, primero en el [0, 1/2] y luego en [1/2, 1].'''<BR>
En nuestro caso entre 0 y 1/2:<BR>
<math>= f(0) + (1/2 - 0) ((f(1/2) - f(0)) / (1/2 - 0))</math><BR>
<math>= 0 + (1/2) (1/2 - 0) / (1/2 - 0)</math><BR>
<math>= 1/2</math><BR>
 
En nuestro caso entre 1/2 y 1:<BR>
<math>= f(1/2) + (1 - 1/2) ((f(1) - f(1/2)) / (1/2 - 1))</math><BR>
<math>= 1/2 + (1/2) (0 - 1/2) / (1/2)</math><BR>
<math>= 1/2 - 1/2</math><BR>
<math>= 0</math><BR>
 
Uniendo los dos nos queda un total de 1/2.
 
====Ejercicio 20.c====
'''Regla de Simpson en el [0, 1].'''<BR>
En general:<BR>
<math>\int_a^b {f(x) dx} \cong Simpson(f, a, b)</math><BR>
<math>= (b - a)/6 (f(a) + 4 f((a + b) /2) + f(b))</math><BR>
En nuestro caso entre 0 y 1:<BR>
<math>= (1 - 0)/6 (f(0) + 4 f((0 + 1) /2) + f(1))</math><BR>
<math>= 1/6 (0 + 4 f(1/2) + 0)</math><BR>
<math>= 1/6 (4 1/2)</math><BR>
<math>= 1/3</math><BR>
 
====Ejercicio 20.d====
'''¿Cumple f(x) las condiciones del Teorema del error?'''<BR>
La funcion no es C^2, y menos C^4, por lo que no las cumple toda entera... Aunque si la partimos en los dos pedazos en donde esta partida, si los cumple.
 
==Ejercicio 21==
'''Verificar que la siguiente fórmula es exacta para polinomios de grado <= 4: <BR>'''
'''<math>\int_{0}^{1}{ f(x)dx}</math> \cong 1/90 [7 f(0) + 32 f(/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)]<BR>'''
'''(Sug.: tomar f(x) = 1, f(x) = x, etc.).'''<BR>
 
Como <math>\int_{0}^{1}{ f(x) dx}</math> y lo que aparece del otro lado son dos transformaciones lineales, con mostrar que la igualdad es cierta para una base de los polinomios, esto implica que es cierta para cualquier polinomio.
Tomamos la base de los polinomios monicos: {1, x, x^2, x^3, x^4} y vamos a probarlo para cada uno de ellos.<BR>
 
Para <math>1(x)</math>:
<math> \int_{0}^{1}{ 1 } = 1 </math><BR>
<math> 1/90 [7 f(0) + 32 f(1/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)]</math><BR>
<math> = 1/90 [7 + 32 + 12 + 32 + 7]</math><BR>
<math> = 1/90 90 = 1.</math><BR>
 
 
Para <math>x(x)</math>:
<math> \int_{0}^{1}{ f(x)dx } \cong 1/90 [7 f(0) + 32 f(1/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)]</math><BR>
<math> \int_{0}^{1}{ x dx } = 1/2</math><BR>
<math> 1/90 [7 f(0) + 32 f(1/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)]</math><BR>
<math> = 1/90 [7 0 + 32 1/4 + 12 1/2 + 32 3/4 + 7 1]</math><BR>
<math> = 1/90 [8 + 6 + 24 + 7]</math><BR>
<math> = 1/90 45 = 1/2</math><BR>
 
Para <math>x^2(x)</math>:
<math> \int_{0}^{1}{ f(x)dx } \cong 1/90 7 f(0) + 32 f(1/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)</math><BR>
<math> \int_{0}^{1}{ x^2 dx }</math> = 1/3<BR>
<math> 1/90 [7 (0)^2 + 32 (1/4)^2 + 12 (1/2)^2 + 32 (3/4)^2 + 7 (1)^2]</math><BR>
<math> = 1/90 [7 0 + 32 1/16 + 12 1/4 + 32 9/16 + 7 1]</math><BR>
<math> = 1/90 [2 + 3 + 18 + 7]</math><BR>
<math> = 1/90 30 = 1/3</math><BR>
 
Para x^3(x):
<math>\int_{0}^{1}{ f(x)dx }</math> \cong <math>1/90 [7 f(0) + 32 f(1/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)]</math><BR>
<math>\int_{0}^{1}{ x^3 dx } = 1/4</math><BR>
1/90 [7 (0)^3 + 32 (1/4)^3 + 12 (1/2)^3 + 32 (3/4)^3 + 7 (1)^3]</math><BR>
<math> = 1/90 [7 0 + 32 1/64 + 12 1/8 + 32 27/64 + 7 1]</math><BR>
<math> = 1/90 [1/2 + 3/2 + 27/2 + 7]</math><BR>
<math> = 1/90 45/2 = 1/4</math><BR>
 
Para x^4(x):
<math> \int_{0}^{1}{ f(x)dx }</math> \cong 1/90 [7 f(0) + 32 f(1/4) + 12 f(1/2) + 32 f(3/4) + 7 f(1)]<BR>
<math> \int_{0}^{1}{ x^4 dx }</math> = 1/5<BR>
<math> 1/90 [7 (0)^4 + 32 (1/4)^4 + 12 (1/2)^4 + 32 (3/4)^4 + 7 (1)^4]</math><BR>
<math> = 1/90 [7 0 + 32 1/256 + 12 1/16 + 32 81/256 + 7 1]</math><BR>
<math> = 1/90 [1/8 + 3/4 + 81/8 + 7]</math><BR>
<math> = 1/90 18 = 1/5</math><BR>
 
'''Utilizando lo anterior, encontrar una aproximación para <math>\int_{a}^{b}{ f(x)dx}</math> .'''<BR>
No tengo ni idea que espera que hagamos acá... Quizas usar la formula de polinomios del 0 al 1 para cualquier a-b, pero me parece cualquiera...
 
==Ejercicio 22==
'''Encontrar una expresión de la forma<BR>'''
<math>\int_0^{2 \pi} {f(x) dx} = A1 f(0) + A2 f(pi)</math><BR>
'''que sea exacta para cualquier funcion del tipo f(x) = a + b cos x.<BR>'''
'''(Sug.: tomar primero f = a y luego f = b cos x).'''<P>
Como la integral de la suma es la suma de las integrales (si la misma converge), entonces podemos probar para f = a, y luego para f = b cos x y si andan para las dos, luego andara tambien para la suma.<BR>
 
Para f = a:<BR>
<math> \int_0^{2 \pi} { a dx } = A1 a + A2 a</math><BR>
<math> <=> 2 pi a = (A1 + A2) a </math><BR>
<math> <=> (2 pi - (A1 + A2)) a = 0</math><BR>
<math> <=> a = 0 </math> o <math> 2 \pi </math> es igual a: (A1 + A2)) y como tiene que valer para todo a, luego debe ser la segunda, entonces: <BR>
<math> A1 + A2 = 2 pi<BR>
 
Para f = b cos x:<BR>
<math> \int_0^{2 pi} b \cos x dx = A1 b cos 0 + A2 b \cos \pi</math><BR>
<math> <=> b Integral[0 a 2 pi] cos x dx = A1 b 1 + A2 b (-1)</math><BR>
<math> <=> b (sen 2 pi - sen 0) = A1 b - A2 b</math><BR>
<math> <=> 0 = A1 b - A2 b</math><BR>
<math> <=> como tiene que valer para todo b, en particular vale para b != 0, entonces:<BR>
<math><=> 0 = A1 - A2 </math><BR>
<math><=> A1 = A2 </math><BR>
 
Uniendo las dos cosas queda que A1 = A2 = pi.
 
==Ejercicio 23==
'''Deducir la fórmula de Newton-Cotes para <math>\int_{0}^{1}{f(x) dx}</math> usando como nodos a los puntos 0, 1/2, 1.'''<BR>
Vamos a buscar primero el polinomio interpolador de estos puntos.<BR>
<math> g_0(x) = \frac{(x - \frac{1}{2}) (x - 1)}{(0 - \frac{1}{2}) (0 - 1)} </math><BR>
<math> g_0(x) = 2 (x - \frac{1}{2}) (x - 1) </math><BR>
<math> g_0(x) = (2x - 1) (x - 1) </math><BR>
<math> g_0(x) = 2x^2 - 3x + 1 </math><BR>
 
<math> g_\frac{1}{2}(x) = \frac{(x - 0) (x - 1)}{(\frac{1}{2} - 0) (\frac{1}{2} - 1)} </math><BR>
<math> g_\frac{1}{2}(x) = -4 (x - 0) (x - 1) </math><BR>
<math> g_\frac{1}{2}(x) = -4x (x - 1) </math><BR>
<math> g_\frac{1}{2}(x) = -4x^2 + 4x </math><BR>
 
<math> g_1(x) = \frac{(x - 0) (x - \frac{1}{2})}{(1 - 0) (1 - \frac{1}{2})} </math><BR>
<math> g_1(x) = 2 (x - 0) (x - \frac{1}{2}) </math><BR>
<math> g_1(x) = x (2x - 1) </math><BR>
<math> g_1(x) = 2x^2 - x </math><BR>
 
<math> g(x) = f(0) g_0(x) + f(\frac{1}{2}) g_\frac{1}{2}(x) + f(1) g_1(x) </math><BR>
<math> g(x) = (2x^2 - 3x + 1) f(0) + (-4x^2 + 4x) f(\frac{1}{2}) + (2x^2 - x) f(1) </math><BR>


Ahora calculamos <math>\int_{0}^{1}{g(x) dx}</math> para aprox_imar <math>\int_{0}^{1}{f(x) dx}</math>.<BR>
====Ejercicio 3. d====
<math>\int_{0}^{1}{g(x) dx} = \int_{0}^{1}{\left( (2x^2 - 3x + 1) f(0) + (-4x^2 + 4x) f(\frac{1}{2}) + (2x^2 - x) f(1) \right) dx}</math><BR>
'''Probar que el espacio fila de A es <math>Nu(A)^{\bot}</math>.'''<BR>
<math> = {\left( (\frac{2}{3}x^3 - \frac{3}{2}x^2 + x) f(0) + (\frac{-4}{3}x^3 + 2x^2) f(\frac{1}{2}) + (\frac{2}{3}x^3 - \frac{1}{2}x^2) f(1) \right)}|_0^1</math><BR>
La idea es que alguien pertenece a <math>Nu(a)</math> solamente si dicho vector da 0 contra todas las filas de <math>A</math>. Por lo tanto es ortogonal a una base del espacio filas de <math>A</math>, por lo que pertenece a <math>Nu(A)^{\bot}</math>. La vuelta es si pertenece a <math>Nu(A)^{\bot}</math>, entonces va a dar 0 contra todas las filas de A.
<math> = \left( (\frac{2}{3} - \frac{3}{2} + 1) f(0) + (\frac{-4}{3} + 2) f(\frac{1}{2}) + (\frac{2}{3} - \frac{1}{2}) f(1) \right)</math><BR>
====Ejercicio 3. c====
'''Probar que <math>Im(A)^{\bot} = Nu(A^t)</math>.'''<BR>
<math>Im(A)</math> es el espacio columna de A. Que es el espacio fila de <math>A^t</math>. Y el espacio fila de una matriz es ortogonal a su nucleo por lo que probamos antes<math>\Box</math>.


NOTA: Si alguien sabe como poner el "evaluar desde 0 a 1" por favor cambielo.
==Ejercicio 4==
'''Sean u y v vectores ortogonales en <math>\mathbb{R}</math> entonces <math> \| u + v \|_2^2  = \| u \|_2^2 + \| u \|_2^2 </math> (Teorema de Pitágoras).'''<BR>
<math> \| u + v \| _2^2 = (u + v) \times (u + v)</math><BR>
<math>= u \times (u + v) + v \times (u + v) </math><BR>
<math>= (u \times u) + (u \times v) + (v \times u) + (v \times v) </math>.<BR>
Como u y v son ortogonales, entonces <math>(v \times u) = 0</math> y luego: <math> \| u + v \| _2^2 = (u \times u) +  (v \times v) = \| u \| _2 + \| u \| _2</math><BR>


<math> = \left( \frac{1}{2} f(0) + 10 f(\frac{1}{2}) + \frac{1}{2} f(1) \right)</math><BR>
==Ejercicio 5==
'''Demostrar que si P es una proyección ortogonal sobre el subespacio <math>S \in \mathbb{R}^n</math>, entonces para todo <math> x \in \mathbb{R}^n, (I - P)x \in S^{\bot}</math>.'''<BR>
NOTA: Si alguien me dice que es una proyección ortogonal (la definicion de una), intento hacerlo...


NOTA2: Esto esta mal, por que deberia dar igual a Simpson... Si alguno se da cuenta del error avise!!!
Ver


RTA: Para el la aproximación con tres puntos como Lagrange es muy complicado se usa Taylor.
http://mathworld.wolfram.com/ProjectionMatrix.html


==Ejercicio 24==
o
'''Usando el ejercicio anterior, aprox_imar <math>\int_{0}^{1}{ sin(x) dx}</math> y calcular una cota para el error cometido.'''<BR>


==Ejercicio 25==
http://planetmath.org/encyclopedia/Projection.html
'''Indicar cuántos puntos se deben tomar en la aprox_imación de <math>\int_{0}^{1}{ exp(-x^2)dx}</math> por medio de la regla de los Trapecios Compuestos para que el error sea menor que 10^(-6). Idem con la regla de Simpson Compuesta.'''<BR>
Regla de los Trapecios Compuestos:<br>
El error viene dado por la funcion: <math> -(h^3) (f''(xx) / 12) </math> con <math> xx \in (a, b) </math>.<br>
Entonces debemos acotar el valor de la segunda derivada de nuestra funcion en el intervalo 0 a 1...<br>
<math> f(x) = exp(-x^2)</math><BR>
<math> f'(x) = -2 x exp(-x^2)</math><BR>
<math> f''(x) = (4 x^2 - 2) exp(-x^2)</math><BR>
<math>  entre 0 y 1 varia entre 0 y -1.</math><BR>
<math> x \in [0, 1] \Longrightarrow -x^2 \in [0; -1]</math><BR>
<math> x \in [0, 1] \Longrightarrow |exp(-x^2)| \in [\frac{1}{e}; 1]</math><BR>
<math> |(4 x^2 - 2)| entre 0 y 1 tiene como valor max_imo al 2.</math><BR>
Entonces el error es de: <math>((b - a) (h^2) / 12) 2 = (h^2 /6) = (1/n^2) / 6</math>
<br>
Si quiero <math>10^(-6) >= (1/n^2) / 6</math>, luego<BR>
<math> <=> 6 10^(-6) >= (1/n^2)</math><BR>
<math> <=> \sqrt(6 10^(-6)) >= (1/n)</math><BR>
<math> <=> \sqrt(6 10^(-6)) >= (1/n)</math><BR>
<math> <=> n >= 1 / \sqrt(6 10^(-6))</math><BR>
<math> <=> n >= 409</math><BR>


Regla de los Simpson xD:<br>
== Ejercicio 9 ==
El error viene dado por la funcion: <math>(h^4)/180 (b - a) (f^(4))(xx) </math> con <math>xx \in (a, b)</math>.<br>
'''Supongamos que Ax = y. Probar que un vector <math>\hat x \in \mathbb{R}^m</math> satisface <math>A\hat x = y</math> si y sólo si <math>x - \hat x \in Nu(A)</math>.Demostar que el problema de cuadrados mínimos tiene solución única si y sólo si Nu(A) = {0}.'''
<math> f''(x) = (4 x^2 - 2) exp(-x^2)</math><BR>
<math> f'''(x) = 12x e^-x^2-8x^3 e^-x^2</math><BR>
<math> f''''(x) = 16 x^4 e^(-x^2) - 48 x^2 e^(-x^2) + 12 e^(-x^2)</math><BR>
<math> |16 x^4 e^(-x^2) - 48 x^2 e^(-x^2) + 12 e^(-x^2)|</math><BR>
<math> <= |16 x^4 1 - 48 x^2 1 + 12 1|</math><BR>
<math> <= |16 x^4 - 48 x^2 + 12|</math><BR>
<math> <= |16| |x^4| + 48 |x^2| + |12|</math><BR>
<math> <= 16 + 48 + 12 = 76</math><BR>
Luego:
<math> (h^4)/180 (b - a) 76 = 76/180 (h^4) debe ser menor a 10^(-6).</math><BR>
<math> 10^(-6) >= 76/180 (1/n^4)</math><BR>
<math> <=> 10^(-6) >= 76/180 (1/n^4)</math><BR>
<math> <=> 180/76 10^(-6) >= (1/n^4)</math><BR>
<math> <=> (180/76 10^(-6))^(1/4) >= 1/n</math><BR>
<math> <=> n >= (180/76 10^(-6))^(1/4)</math><BR>
<math> <=> n >= (180/76 10^(-6))^(1/4)</math><BR>
<math> <=> n >= 26</math><BR>


==Ejercicio 26==
Ida) Sea Ax = b con solución unica. Supongamos que <math>Nu(A) \neq \lbrace 0 \rbrace</math>. Sea <math>z \neq 0, z \in Nu(A)</math>, entonces <math>Az = 0 \Leftrightarrow Ax + Az = b \Leftrightarrow A(x+z) = b \Leftrightarrow x+z \neq x</math> es otra solución del sistema. '''Absurdo!'''
'''Contamos con 2n nodos igualmente espaciados, <math>x_0, x_1, . . . , x_{2n}</math>. Se calcula en la forma usual, la regla de los Trapecios Compuesta pero solamente sobre los nodos impares. Basándose en esto, se pide hallar una expresión para la regla de los Trapecios Compuesta en los 2n nodos.'''<BR>
NOTA: No estoy seguro de que quiere decir el enunciado... Interpreto que quiere que demos la formula de los Trapecios Compuesta para los 2n nodos suponiendo que ya tenemos cuanto vale la regla tomando solo los nodos impares.<BR>
En general:<BR>
<math>T(f, a, b, n) = h/2 (f(a) + 2 \sum_{j = 1}^{n-1} f(a + ((b - a) j) / n) + f(b))</math><BR>
O de otra forma:<BR>
<math>T(f, x_0, x_n, n) = h/2 (f(x_0) + 2 \sum_{i = 1}^{n-1} f(x_i) + f(x_n))</math><P>


En nuestro caso particular:<BR>
Vuelta) Sea Nu(a) = {0}. Supongamos que existen y e x, <math>y \neq x</math>, soluciones del sistema Ax=b. Entonces <math>Ay - Az = b - b = 0 \Leftrightarrow A(y-z) = 0</math>. Pero<math> y-z \neq 0</math> y Nu(a) = {0}. '''Absurdo!'''
<math>T(f, x_0, x_{2n}, n) = h/2 (f(x_0) + 2 \sum_{i = 1}^{2n-1} f(x_i) + f(x_{2n}))</math>
<P>En los nodos impares:<BR>
<math>T(f, x_0, x_{2n}, 2n) = h/2 (f(x_1) + 2 \sum_{i = 1}^{n-2} f(x(2i)+1) + f(x_{2n}-1))</math><BR>
<math>T(f, x_0, x_{2n}, n):</math><BR>
<math> = h/2 (f(x_0) + 2 \sum_{i = 1}^{2n-1} f(x_i) + f(x_{2n}))</math><BR>
<math> = h/2 (f(x_0) + 2 \sum_{i = 1}^{n-1} f(x2i) + 2 \sum_{i = 0}^{n-1}<BR> f(x(2i)+1) + f(x_{2n}))</math><BR>
<math> = h/2 (f(x_0) + 2 \sum_{i = 1}^{n-1} f(x2i) + f(x_1) + f(x_1) + f(x_{2n}-1)</math><BR>
<math> + f(x_{2n}-1) + 2 \sum_{i = 1}^{n-2} f(x(2i)+1) + f(x_{2n}))</math><BR>
<math> = h/2 (f(x_0) + 2 \sum_{i = 1}^{n-1} f(x2i) + f(x_1) + f(x_{2n}-1) + f(x_{2n})</math><BR>
<math> + f(x_1) + 2 \sum_{i = 1}^{n-2} f(x(2i)+1) + f(x_{2n}-1))</math><BR>
<math> = h/2 (f(x_0) + 2 \sum_{i = 1}^{n-1} f(x2i) + f(x_1) + f(x_{2n}-1) + f(x_{2n})) + TrapeciosImpares(f, x_0, x_{2n}, n)</math><BR>


==Ejercicio de una guía vieja==
==Ejercicio viejo==
'''Supongamos que hemos aplicado una fórmula de Newton Cotes de n puntos para aproximar una integral. ¿Cuál es la mínima cantidad de puntos que debemos agregar para que la fórmula de Newton Cotes correspondiente, produzca un incremento en la precisión?'''<BR>
La función <math> f(x) = f(x_1, x_2, ..., x_n) = \| A x - b \| </math>es una función diferenciable de n variables, que tiene un mínimo (absoluto) sólo si <math>\nabla f = (\frac{\partial f}{\partial x_1}, ..., \frac{\partial f}{\partial x_m})^t = 0</math>. Calcular <math>\nabla f</math> y demostrar que <math>\nabla f(x) = 0 \Longleftrightarrow si \ A^tAx = A^tb</math> (ecuaciones normales).<BR>
Si n es impar debemos agregar dos puntos. Si n es par debemos agregar un solo punto. Esto se debe a que el error para Newton Cotes cualquier n, esta basado en la derivada el siguiente numero par mayor o igual a el.
NOTA: Por favor, si alguien sabe hacer este ejercicio, subalo...


[[Category:Prácticas]]
[[Category:Prácticas]]

Revisión del 20:26 27 jun 2015

Plantilla:Back

Ejercicio 1

¿Cuál es el punto del plano x + y − z = 0 más cercano al punto (2, 1, 0)?
. El vector normal al plano es (1, 1, -1).
Entonces buscamos un que pertenezca a S. Como (1, 1, -1) es la normal del plano se debe cumplir que el producto interno entre éste y t sea 0. Entonces t está en S

.

Entonces el punto más cercano es

Ejercicio 2

Sean fijos. ¿Qué número real t hace que sea mínimo
Minimizar es lo mismo que minimizar pues la raíz es monótona y creciente. Llamemos a esta funcion y minimizemosla:

Para hallar el minimo de esta funcion, la derivamos y buscamos donde es igual a 0.






Para poder afirmar que es mínimo, en realidad falta calcular y ver que es mayor a 0, pero 0 ganas...

Ejercicio 3

Sea . Se define el espacio columna de A como el subespacio de generado por las columnas de A y el espacio fila de A como el subespacio de generado por las filas de A.

Ejercicio 3. a

Probar que el espacio columna de A es .
. . . .

Ejercicio 3. d

Probar que el espacio fila de A es .
La idea es que alguien pertenece a solamente si dicho vector da 0 contra todas las filas de . Por lo tanto es ortogonal a una base del espacio filas de , por lo que pertenece a . La vuelta es si pertenece a , entonces va a dar 0 contra todas las filas de A.

Ejercicio 3. c

Probar que .
es el espacio columna de A. Que es el espacio fila de . Y el espacio fila de una matriz es ortogonal a su nucleo por lo que probamos antes.

Ejercicio 4

Sean u y v vectores ortogonales en entonces (Teorema de Pitágoras).


.
Como u y v son ortogonales, entonces y luego:

Ejercicio 5

Demostrar que si P es una proyección ortogonal sobre el subespacio , entonces para todo .
NOTA: Si alguien me dice que es una proyección ortogonal (la definicion de una), intento hacerlo...

Ver

http://mathworld.wolfram.com/ProjectionMatrix.html

o

http://planetmath.org/encyclopedia/Projection.html

Ejercicio 9

Supongamos que Ax = y. Probar que un vector satisface si y sólo si .Demostar que el problema de cuadrados mínimos tiene solución única si y sólo si Nu(A) = {0}.

Ida) Sea Ax = b con solución unica. Supongamos que . Sea , entonces es otra solución del sistema. Absurdo!

Vuelta) Sea Nu(a) = {0}. Supongamos que existen y e x, , soluciones del sistema Ax=b. Entonces . Pero y Nu(a) = {0}. Absurdo!

Ejercicio viejo

La función es una función diferenciable de n variables, que tiene un mínimo (absoluto) sólo si . Calcular y demostrar que (ecuaciones normales).
NOTA: Por favor, si alguien sabe hacer este ejercicio, subalo...