Omar David Sandoval Sida I.P.

N Escuela Superior de Computo

Propagación de Errores

El uso finito de número en cifras para la representación de punto flotante introduce errores. La
propagación de errores analiza las operaciones aritméticas y las mas generales que son la
evaluación de funciones.

x,y Valores Exactos

x,y Valores Aproximados

Ex, Ey Errores Absolutos

εrx, εry Errores relativos

s=x+y Valor Exacto

s=x+y Valor Aproximado

1) Suma

Ea= l s-sl = l (x+y) – (x+y) l = l x+y – x- yl = l(x- x)+(y-y)

Ea= Ex + Ey  Error Absoluto de la suma

Er= Es/s = (Ex+Ey)/ (x+y) Error Relativo

2) Resta

Er exacto=x-y

Er aproximado=x - y

Ea=l Ex Eyl Error Absoluto de la resta

Er = (Ex – Ey)/(x-y)  Error Relativo

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

3) Multiplicación

M= x * y Valor Exacto

M=x*y Valor Aproximado

Em = lm – m l = lxy – xy l = l (x+Ex)(y+Ey)- xy l = l xEy+yEx l

Considerando que Ex y Ey son valores pequeños entonces el producto de ellos es

más pequeño y se puede despreciar

Em= xEy + yEx Error absoluto de la multiplicación

Er=Em/m= (xEy+yEx)/xy = Ey/y + Ex/x Error relativo

4) División

d= x / y d= x/ y

E = l d – d l = l (x/y) – x/y l = l ((x+Ex)/(y+Ey)) – x / y l

= l (yEx-xEy)/ y2 l = l (Ex/y) – (xEy/y2)l Error absoluto de la división

Er= Ed/d = ((Ex/y) – (xEy/y2))/ (x/y) Error relativo

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Propagación de Errores en función con 1 variable

Considerando x como una aproximación de x. Por lo tanto se desearía evaluar el

efecto de la discrepancia entre x y x de una función. Esto es:

Usando la serie de Taylor

Desarrollando hasta el segundo termino de la serie de Taylor se tiene:

f(x) = f(x) + f’(x) (x - x)

Representa Representa una

una estimación estimación al
al error en la error en
función
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Propagación del Error para funciones con varias variables

La serie de Taylor para n variables independientes ,…., ,

teniendo errores ,..,

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Método de Newton – Raphson

Encuentra una raíz cuando se conoce una estimación inicial X0 o utiliza rectas
tangentes que se evalúan analíticamente.

La intersección de las rectas tangentes con el eje x se denota como X1 y se considera

como una aproximación de la raíz. Se repite el mecanismo utilizando el valor mas
actualizado como una estimación para la siguiente iteración.

La fórmula para el método es:

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Método de la Secante

Este método es similar al de Newton. La principal diferencia con el método de Newton

es que f ’ se aproxima utilizando 2 valores de iteración consecutiva de función.

Las aproximaciones sucesivas para la raíz en el método de la secante están dadas por

Método de la Secante Modificado

En lugar de usar 2 valores iníciales para aproximar la raíz, un método alternativo

considera un cambio fraccionario, a la variable independiente para estimar f´(x)

Donde es el cambio fraccionario

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Raíces Múltiples

Una raíz múltiple corresponde a un punto donde la función es tangencial al eje x. Por
ejemplo, una raíz doble resulta de:

Una raíz triple corresponde al caso en que un valor de x hace que tres términos en una
ecuación sean iguales a cero, como en:

En general la multiplicidad de raíces impar cruza al eje de las X mientras que la

multiplicidad par no la cruza.

Ralston y Rabinowitz proponen un pequeño cambio a la formula de Newton-Raphson

Donde m es la multiplicidad

Otra alternativa también sugerida por ellos, consiste en hacer un cambio de variable
U(x)

Esta ecuación se sustituye en la ecuación de Newton-Raphson

Simplificando tenemos:
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Teorema Fundamental del Algebra

Establece que para cualquier polinomio de grado n con coeficientes reales o

complejos, tienen exactamente n raíces (contando las raíces múltiples)

Para hallar las raíces de un polinomio f(x) de grado n de la forma

Se normaliza el polinomio dividiendo entre an

Se puede presentar los siguientes casos

1) Polinomio de grado 2

2) Polinomios de grado superior (n ) : Método de Horner

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Método de Horner

Al ir calculando cada raíz, se puede ir simplificando el polinomio al eliminar las

raíces que se han determinado. A este procedimiento de quitar raíces se
conoce como deflación y está basada en el siguiente teorema.

Teorema:

Si calculamos un polinomio en el valor tal que sea la raíz, entonces los

coeficientes de la tabla sintética, corresponden a los de un polinomio de grado
n-1, el cual tiene todas las raíces del polinomio original exceptuando la raíz en
la que se evaluó.
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Polinomio de interpolación de LaGrange

Este polinomio es simplemente una reformulación del polinomio de Newton que evita
el cálculo de las diferencias divididas y se presenta como:

Donde

Para el caso lineal n=1

Para el caso de 2° grado, n=2

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Método de Neville

Dada una tabla de valores(x,y) se desea estimar el valor en el punto que no se encuentra en
la tabla y se emplea el siguiente procedimiento:

1) Se ordena la tabla de menor a mayor respecto a la cercanía con el punto de

interpolación, (se renombra la columna “y” por “Pi0” y la columna “X” por Xi),la
cercanía se calcula de la siguiente manera

2) Se calcula el resto de las columnas Pij hasta que solo exista un valor y se emplea la
siguiente fórmula:

3) El valor de la última columna corresponde al valor buscado por interpolación.

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Mínimos Cuadrados

Cuando los datos tienen errores, la interpolación polinomial es mala práctica utilizarla y nos
dará resultados nada relevantes para predecir valores intermedios. Para dejar a un lado dicha
subjetividad se debe encontrar algún criterio para establecer una base para el ajuste. Una
forma de hacerlo es obtener una curva que minimice la discrepancia entre los puntos y la
curva. Una técnica para lograr tal objetivo, llamada regresión por mínimos cuadrados.

Para el caso general:

Resolviendo por mínimos cuadrados

.
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Coeficiente de correlación o criterio de ajuste

Se emplea para determinar si la suposición inicial del tipo de polinomio elegido es el mas
adecuado.

Resulta más adecuado entre menor a uno sea este factor.

La formula es:

Donde:

Yi =Valor medido o experimental

Yi´= Valor calculado por mínimos cuadrados

n = número de datos

m=numero de parámetros de la relación

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Regla del Trapecio de Aplicación Múltiple

Una forma para mejorar la precisión de la regla del trapecio consiste en dividir el intervalo de
integración de a-b en varios segmentos y aplicar el método o la regla del trapecio a cada uno
de ellos. Las áreas de los segmentos se suman para obtener la integral en la trayectoria.

La integral completa

Sustituyendo la regla del trapecio en cada integral se obtiene y factorizando tenemos:

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Regla de Simpson

Además de aplicar la regla del trapecio con una segmentación más fina, otra forma de obtener
una estimación más exacta de la integral consiste en usar polinomios de grado superior.

Las formulas que resultan de tomar las integrales bajo esos polinomios se conocen como
reglas de Simpson.

-Regla de Simpson 1/3

Resulta cuando un polinomio de interpolación de 2° grado se sustituye en

Se asigna a=X0, b= X2 y f2(x) se representa como un polinomio de interpolación de LaGrange de

2° grado

La Integral:

Después de la integración y manipulaciones algebraicas se obtiene la siguiente fórmula:

Sustituyendo

El error estimado
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Regla de Simpson 1/3 de aplicación Múltiple

Así como la regla del trapecio, la regla de Simpson se mejora al dividir el intervalo de
integración en varios segmentos de tamaños iguales.

La integral total se representa como:

Sustituyendo la regla de Simpson 1-3 en cada integral tenemos:

Al agrupar términos tenemos:

El error estimado viene dado por:

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Regla de Simpson 1/8

De manera similar a la obtención de la regla del trapecio y simspon 1/3, es posible ajustar un
polinomio de LaGrange de 3er grado a 4 puntos e integrando

Para obtener:

Donde

Y tenemos la formula de Simpson 3/8

El error estimado viene dado por:

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

Ecuaciones Diferenciales Ordinarias

-Taylor

Una ecuación diferencial ordinaria es aquella en la que solo aparecen derivadas con respecto a
una sola variable y se clasifican en problemas con condiciones iníciales.

Y´(x)=f(x,y) ----------- (1)

Y(X0)=Y0

La relación entre x y y se obtiene al encontrar los coeficientes de la serie de Taylor en el que se

desarrolla y con relación a X en el punto x=X0

Haciendo h=X-X0

El primer termino se conoce a partir de la condición inicial. El segundo termino se obtiene al

sustituir x y y en la ecuación (1). Las derivadas de 2º orden y superior se obtienen al derivar
sucesivamente a (1)
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método de Euler

Se obtiene al considerar sobre los 2 primeros términos de la serie de Taylor, por lo que se elige
h lo suficientemente pequeño para reducir el error.
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método de Euler-Gauss

Es el mismo algoritmo analítico, que el empleado en el método de Euler. Este método es más
estable y consta de un paso predictor y un paso corrector.

El predictor estima la solución para el nuevo punto y el corrector mejora su precisión.

Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método de Runge-Kutta de orden 2

Los métodos de Runge-Kutta logran la exactitud del procedimiento de la serie de Taylor sin
necesitar el cálculo de las derivadas de orden superior. La formula generalizada es:

Donde es una función de incremento

La versión de segundo orden de la ecuación generalizada es:

Donde:

El problema es encontrar los valores de a,b, . Esto se puede lograr igualando la ecuación de
la versión de segundo orden con la expansión de la serie de Taylor hasta 2º término.

Las ecuaciones obtenidas son:

a+b=1

Se debe de dar un variable arbitrario para conseguir el valor de las otras variables.
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método de Heun

Supone b=1/2 , a=1/2, que al sustituirse en la ecuación de segundo orden de la

formula generalizada se obtiene:

Donde:
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método del Punto Medio

Supone b=1, a=0, , que al sustituirse en 2 se convierte en:

Donde:
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método de Ralston

Suponen b=2/3 con el cual se obtienen un mínimo de error para algoritmos RK de orden 2,
a=1/3 ,

Donde
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método Runge-Kutta orden 4

Los métodos de Runge-Kutta de orden 4 son los mas utilizados se obtienen de forma similar a
los de orden 2.

Resulta de mayor al tener que comparar términos hasta obteniendo un conjunto de 11

ecuaciones y 13 incógnitas. El algoritmo es el siguiente:

Donde:
Omar David Sandoval Sida I.P.N Escuela Superior de Computo

-Método de Runge-Kutta-Fehlberg

Uno de los métodos más populares el cual hace uso del método de cuarto y quinto orden de
Runge-Kutta. Se requieren de 6 evaluaciones en la función y su algoritmo es el siguiente:

Donde: