Ejercicios MANF

Angel
Alvarez
Rodrguez
24 de abril de 2015

1.

Ejercicio 1.
Veamos cuales son los puntos fijos de la funcion
f (x) = x + 2 x2

Estos son los que cumplen f () = . Es decir + 2 2 = = . Para que el metodo de punto
fijo sea convergente se debe cumplir las condiciones dadas por el teorema de convergencia global. Por un lado
f (<)C< y por otro lado f debe ser contractiva en < de constante k [0, 1). Para que se cumpla esto u
ltimo
|f 0 ()| k < 1, esto implica que |1 2| < 1 < 1, y en el otro punto fijo, se tiene |1 + 2| < 1 > 1,
1
en conclusi
on (1, 0)U (0, 1). Ademas como f 00 () = 2 la convergencia es de orden 1 salvo para =
2
en donde se cumple que f 0 () = 0 y la convergencia es cuadratica.
La funci
on F (x) que tenga como ceros los puntos fijos de f (x) se puede construir a partir de F (x) = f (x)x,
entonces F (x) = 2 x2 que efectivamente tiene como ceros x = . Si ahora se utiliza el metodo de Newton,
F (x)
x2 2
podemos construir la funci
on de iteraci
on de Newton asociada como f (x) = x 0
= x
. Si se
F (x)
2x
1
toma por ejemplo = , usando el teorema de convergencia local del metodo de Newton, a saber, F () = 0 y
2
1
0
F () 6= 0, entonces la sucesi
on de iteraci
on del punto fijo converge a , ademas si se cumple que f 00 ( = ) 6= 0,
2
la convergencia es exactamente cuadr
atica. En este caso se tiene que F 0 (x) = 2x que es distinto de cero para
2
cualquier valor de dentro del intervalo estudiado, por otro lado f 00 (x) = 3 que tambien es distinto para
x
cualquier valor de que se tome, luego la convergencia es cuadratica para todos los valores de en el intervalo
estudiado.

2.

Ejercicio 2.
Para linealizar el problema podemos despejar el termino exponencial para tomar logaritmos despues
yx =
Aex
log(A) x

1 Aex

1 yx

log(1 yx),

si ahora definimos c1 = log(A) y c2 = , y ademas hacemos los cambios de variable, X = x2 y Y = log(1 yx)
tenemos que
Y = c1 + c2 X.
De esta forma ya hemos linealizado el problema, podemos entonces usar Matlab para ajustar los valores de c1
y c2 , lo hacemos mediante el programa amc.m. Para ello se ejecuta [p,c]=amc(x,y,1) para que el ajuste sea a un
polinomio de orden 1, previamente hemos metido los datos de x e y dados en la tabla. Se obtenido:
c1

0,101155492860692 A = ec1 = 1,106448673257656

c2

0,032934743801323 = c2 = 0,032934743801323.

La curva por la que ajustamos, es entonces

y = g(x) =

2
1
(1 1,106448673257656e0,032934743801323x ).
x

La suma de las desviaciones cuadr

aticas medias se calcula como la suma de 2 = [yi g(xi ]2 . Para la aproximaci
on sin linealizar se calculan g(x) con las constantes dadas y a continuacion el error se calcula como
sum(y ynolineal )2 , se obtiene para este caso 7,0007 104 , mientras que para la aproximacion linealizada se
calculan g(x) = c1 + c2 x con las constantes que se obtuvieron antes, se ejecuta sum(y ylineal )2 , se obtiene
5,5227 104 . Se puede observar entonces que la aproximacion linealizada ajusta mejor los datos.