UNIVERSIDAD DE SANTIAGO DE CHILE

T opicos I. 1. Introducci on

Profesor : Mar a Ang elica Vega U. El prop osito de estos m odulos es entregar los conceptos te oricos necesarios y las aplicaciones en forma dirigida, de modo que el estudiante pueda participar en forma activa, en el proceso ense nanza - aprendizaje, elaborando su propio material de estudio. El logro deseable es que el estudiante aprenda a aprender.

1.1.

Error.

En el an alisis de un algoritmo, es necesario considerar el error en la aproximaci on obtenida a la soluci on del problema. Este error puede producirse por varios factores, en el ejemplo 1.1 por redondeo de la aritm etica y t ermino del proceso innito. Estos errores son parte inevitable del proceso de soluci on y no deben confundirse con los errores cometidos por el usuario, como falla en el algoritmo o error en la programaci on. Para cada algoritmo podemos conocer una cota de error, esto es una cota sobre el error en la soluci on calculada. Una cota que no depende de la soluci on y puede ser calculada previamente, se llama cota de error a priori. Cuando una cota no puede ser calculada hasta despu es de la completaci on de la parte principal de los c alculos es llamada una cota a posteriori. La cota de error es m as grande que el error, por tal raz on debemos desarrollar m etodos alternativos de estimaci on de error para algunos problemas. Las cotas de error y estimativos son a menudo calculables y nos dan informaci on tanto del comportamiento asint otico del error como del mejoramiento de las aproximaciones. Existen dos formas de medir o cuanticar la magnitud de un error. Denici on 1.1 . Sea x una aproximaci on del valor exacto x. Un indicador natural es la distancia entre el valor exacto y el aproximado. Denimos, El error absoluto como la distancia, EA (x ) = |x x | Observamos que el error absoluto no permite comparar la precisi on entre aproximaciones de diferentes ordenes de magnitudes. 4

El error relativo como, ER (x ) = EA (x ) |x x | = |x| |x|

Este error es m as signicativo para comparar aproximaciones. El error porcentual es el error relativo multiplicado por 100, EP (x ) = 100 ER (x ) Estos conceptos de error tienen s olo un valor formal,puesto que no se conoce el valor exacto x. En la pr actica, se determina una cota o estimativo del error. Otro concepto importante es el de intervalo precisi on, diremos que [a, b] es un intervalo precisi on de x, que denotaremos por I (x), si P (x [a, b]) = 1 es decir, la probabilidad que x est e en el intervalo de precisi on es la cierta. Relaci on entre error absoluto e intervalo de precisi on Dada una cota del error absoluto de x , es posible determinar el intervalo de precisi on de x. Sea una cota del error absoluto, EA (x ) |x x | x x x +

es decir, x [x , x + ] , luego I (x) = [x , x + ]. Inversamente, dado I (x) = [a, b] un intervalo de precisi on de x, es posible determinar una cota del error absoluto de cualquier aproximaci on x en [a, b]. Sea x [a, b] |x x | m ax (x a, b x ) = de donde, EA (x ) . Si x =
a+b 2

ba 2 .

Observamos que el error absoluto no es signicativo, a menos que tengamos alg un conocimiento de la magnitud de x. A menudo se usa el error relativo en t ermino de porcentajes. Otro punto importante de considerar al seleccionar un algoritmo es la eciencia, que se mide de acuerdo al n umero de operaciones aritm eticas b asicas requeridas para dar una exactitud en el resultado.

1.2.

D gitos signicativos.

El uso de la aritm etica de las computadoras lleva al concepto de d gitos signicativos. El d gito principal o m as signicativo de un n umero real x = 0, es el d gito no nulo m as a la izquierda de su expresi on decimal. Todos los d gitos, incluyendo los ceros a la derecha del d gito signicativo principal, son signicativos y el u ltimo de la serie es el menos signicativo. Sin embargo, los ceros a la izquierda del d gito signicativo principal no son signicativos. Por ejemplo, si x = 0.0670 el d gito signicativo principal es 6 y el d gito menos signicativo es el cuarto de izquierda a derecha cero. Denici on 1.2 Diremos que x aproxima a x con d gitos signicativos (o cifras) ssi es el entero m as grande no negativo tal que: |x x | < 5 10 |x| o |x x | < 5 10 |x|. (1)

ii) i) Diremos que x aproxima a x con d gitos signicativos (o cifras) ssi es el entero m as grande no negativo tal que: |x x | < 0.5 10 donde es el exponente de la potencia de 10 que resulta al transformar x a la notaci on cient ca normalizada. Ejemplo 1.1 Para que x aproxime a 1000 con cuatro cifras signicativas, debe satisfacer : |x 1000| < 5 104 . |1000| Es decir, 999.5 < x < 1000.5 Ejemplo 1.2 Si x = 5.98 la notaci on normalizada de x = 0.598 101 , es decir, = 1. ii) i) Si x = 0.5 y x = 4.9, determine el n umero de d gitos signicativos de la aproximaci on. Ejemplo 1.3 Aproxime con 4 d gitos signicativos de precisi on el cero de la funci on f (x) = etodo de Newton.Raphson. x cos(x) que se encuentra en el intervalo [0, pi 2 ], usando m sol. Gracamos en el intervalo [0, pi 2] (2)

Figura 1: f (x) = x cos(x) x [0, 2]

Algoritmo de Newton-Raphson: Dada una aproximaci on inicial x0 , generamos una sucesi on {xn )} , tal que x se determina por: n n=1 xk+1 = xk (f (xk ) . f (xk ) (3)

Observando el gr aco podemos seleccionar x0 = 0.7854, presentamos los resultados de cada iteraci on en la siguiente tabla n 0 1 2 3 xn 0.7854 0.7395361684 0.7390851781 0.7390851332 |xn+1 xn | < 5 104 |xn+1 | 0.06201702305 > 0.0005 0.0006102007094 > 0.0005 0.0000006075078226 < 0.0005 |xn+1 xn | < 0.5 104 0.0458638 > 0.00005 0.00045099033 > 0.00005 0.0000000449 < 0.00005

Luego la aproximaci on requerida es x3 = 0.7390851 Actividades Libres 1.1 1. 2. Use el m etodo de Newton para aproximar con precisi on 104 las ra ces de x 0.8 0.2 sin (x) = 0 en [0, 2 ]. Aproxime con precisi on 105 las ra ces de x x e + 2 + 2cos(x) 6 = 0. 7

1.3.

Polinomios de Taylor

Teorema 1.1 Sean i) f C n [a, b] y f (n+1) existe en [a, b). ii) x0 [a, b] entonces para toda x [a, b] existe (x) entre x0 y x tal que : f (x) = Pn (x) + Rn (x) donde: Pn (x) = f (x0 ) + f (x0 )(x x0 ) + f (x0 ) +f ( n)(x0 ) y Rn (x) (x x0 )n n! (x x0 )(n+1) (n + 1)! (x x0 )2 (x x0 )3 + f (x0 ) + 2! 3!

= f (n+1) ( (x))

Pn (x) se llama el polinomio de Taylor de grado n para f alrededor de x0 y Rn (x) se llama el residuo o error de truncamiento asociado con Pn (x). La serie innita que se obtiene al tomar el l mite de Pn (x), cuando n se denomina serie de Taylor para f alrededor de x0 . El t ermino de error de truncamiento se reere generalmente al error involucrado al usar sumas nitas o truncadas para aproximar la suma de una serie innita. 1.3.1. F ormula de Euler

Un m etodo num erico para de resolver el Problema de valor inicial : P.V.I. y = f (x, y ) y (x0 ) = y0 .

es el m etodo de Euler. Si escribimos la serie de Taylor, con respecto a alg un punto xi de la soluci on y (x), entonces tenemos: y (x) = yi + yi (x xi ) + yi (x xi )2 (x xi )3 + yi + 2! 3!

Entonces, podemos aproximar la soluci on en xi+1 por: yi+1 = yi + yi h + yi 8 h2 h3 + yi + 2! 3!

donde, h = xi+1 xi . Es claro que mientras m as t erminos se consideren en el desarrollo de Taylor mejor ser a la aproximaci on. Si consideramos dos t erminos del desarrollo, obtenemos: yi+1 = yi + yi h yi+1 = yi + f (xi , yi )h i = 0, 1, 2, (4)

Obs ervese que (197) es el m etodo de Euler, con un error de orden O(h2 ), esto signica que los t erminos no considerados contienen potencias de h con exponente mayor o igual que 2. Error de local del m etodo de Euler. Consideramos: yi+1 = yi + hf (xi , yi ) y suponemos y (x) en serie de Taylor con segunda derivada continua en un intervalo que contiene a xi h2 (5) y (xi+1 ) = y (xi ) + y (xi )h + y ( ) 2! donde (xi , xi+1 ). Restando ambas ecuaciones : y (xi+1 ) yi+1 = y (xi ) yi + h[f (xi , y (xi )) f (xi , yi )] + suponiendo yi = y (xi ), obtenemos la f ormula para el error local: ei+1 = y (xi+1 ) yi+1 = (h2 ) y ( ). 2 (6) (h2 ) y ( ) 2

Como generalmente no se conoce el valor de , aunque teoricamente exista, no se puede calcular este error , pero es posible determinar un estimativo, acot ando esta expresi on por el m aximo que alcanza la segunda derivada en el intervalo, es decir |ei+1 | M con M=
x(xi ,xi+1 )

h2 2!

(7)

m ax

|y (x)|

1 Observemos que el m aximo M no depende de h, luego si se reduce h en un factor de 2 , la cota 1 1 1 derror se reduce en 4 y una reducci on de h en un factor de 10 , la cota derror se reduce en 100 .

Actividades 1.1 Para el problema de valor inicial siguiente y = 0.2xy , y (1) = 1

Use el m etodo de Euler para obtener una aproximaci on a y (1.5) usando h = 0.1 y h = 0.05. Resuelva esta ecuaci on anal ticamente usando alguno de los m etodos ya estudiados y elabore una tabla que incluya en los puntos seleccionados (Use h = 0.1 ) el valor exacto, el valor aproximado y el error relativo para cada aproximaci on .