Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap1 PDF
Cap1 PDF
Aritm
etica de computadora
y convergencia
1.1
Aritm
etica de computadora
{z
Se conservan Se desestiman
Ya sea que usemos AT (k) o AR(k) notamos que x es una aproximacion de x. Debemos entonces buscar un mecanismos que
nos permitar determinar si se trata de una \buena" o \mala" aproximacion.
Denici
on: 1.1 Sea x una aproximacion de x, denimos el error
absoluto de aproximar x usando x como
EA(x; x ) = jx x j
Ademas denimos el error relativo de aproximar x usando x como
jx x j
ER(x; x ) =
jxj
Debemos advertir que esta denicion es independiente del mecanismo que se halla usado para obtener x . De hecho convendremos
(en este texto) en usar toda la precision de nuestras calculadoras
para estimar EA(x; x ) o ER(x; x ), sin importar que se este empleando AT (k) o AR(k).
x x
< 5 10t :
3:5 x
3:5
o equivalentemente
< 5 105 ;
10
x y = [x =y ]
11
El uso reiterado de las operaciones, induce un nuevo error conocido como error de propagacion. Dado que cada vez que efectuamos
una operacion aritmetica debemos hacer redondeo o truncamiento,
es de esperar que conforme se incremente la cantidad de operaciones
aritmeticas en un calculo, se aumente el error de propagacion, produciendo una diferencia signicativa (que podemos medir mediante
el error absoluto o relativo) entre el valor real (exacto) y el arrojado
por la computadora.
Una situacion en la cual el error de propagacion adquiere atencion especial es la resta de cantidades muy similares. Veamos un
calculo en que se da este caso.
Ejemplo 1.6 Sea x = 0:123456 y y = 0:123457. Si usamos AR(3)
tenemos que
x y = [0:123 0:123] = 0:
12
x1 =
=
=
= 99:85
2a
2
2
Observe que EA(x1 ; x1 ) = 0:139999 y por otro lado tenemos que
ER(x1 ; x1 ) = 0:0014001 .
La segunda raz involucra la resta de cantidades muy semejantes:
p
b +
100 + 99:97
0:03
=
=
= 0:015
x2 =
2a
2
2
Observe que EA(x2 ; x2 ) = 0:004999 y ER(x2 ; x2 ) = 0:49985.
Para mejorar la aproximacion de x2 sin aumentar la precision,
podemos echar a mano a una equivalencia algebraica de la formula
cuadratica general:
p
p
p
b + b2 4ac
b + b2 4ac b b2 4ac
p
=
x2 =
2a
2a
b b2 4ac
Utilizando la tercera formula notable obtenemos:
x2 =
b2 (b2 4ac)
2c
=
p
p
b + b2 4ac
2a b b2 4ac
13
2 1
2
=
= 0:01:
100 + 99:97
199:9
14
1:99 + 3 = 4:99
9:93 + 3 = 12:9
25:6 + 1 = 26:6
Convergencia de algoritmos
Los metodos de analisis numericos son generalmente un conjunto de algoritmos que en forma iterativa proporcionan una solucion
aproximada a un problema especco. De hecho en muchos casos
el metodo numerico se reduce a evaluar en forma sucesiva una recurrencia, del tipo, por ejemplo wn+1 = F (wn ). Cada una de estas
evaluaciones genera un error que normalmente crece conforme aumenta el valor de n.
Denici
on: 1.3 Sea En el error que se comete tras n iteraciones.
Decimos que error En es de tipo lineal si En = c E0 n, en donde
E0 se reere al error inicial. Dicho de otra forma, En es lineal si
tiene la forma En = kn, en donde k = cE0 .
Por otro lado decimos que En es tipo exponencial si En = cn E0 ,
o bien En = kcn , con k = E0 .
15
Rapidez de convergencia
Muchos de los algoritmos que estudiaremos en este libro proporcionan una sucesion (algunas veces recurrente, otras no), que al
16
Escribimos entonces n = + O (n ).
Normalmente fn g es una sucesion de la que podamos apreciar con facilidad su convergencia a 0, es decir es una sucesi
on que
nos permite \diagnosticar" con que rapidez fn g se acerca a .
1
Tpicamente escogeremos fn g de la forma n = p con p > 0.
n
Esta escogencia se justica en el hecho de que no es difcil analizar
el comportamiento de sucesiones de la forma:
n =
1
;
n
n =
1
;
n2
n =
1
;
n3
sen n
sen n
jn j =
0 = 2
2
n
n
17
n2 + 1
=
n2
1
.
n2
1
;
n2
g(x) = x2 ;
g(x) = x3 ;
18
sen x
jf (x) Lj =
1 :
x
Si usamos un desarrollo de Taylor alrededor de 0 para sen x,
obtenemos
1
sen x = x sen x2 ; con entre 0 y x
2
sen x
x
1
De esta forma
1 = jx sen j . Si tomamos
x
2
2
1
entonces g(x) = x y C = , concluimos que f (x) = 1 + O (x).
2
x2
+ cos x. Notemos primero que
2
lim f(x) = 1. Para hallar la rapidez de convergencia de f
x!0
debemos mayorizar la expresion
x2
+ cos x 1
x2
1
Si usamos Taylor, tenemos que
+ cos x = 1 + x4 cos
2
24
con entre 0 y x. Por lo tanto:
x2
+ cos x 1
x4
:
24
1
, concluimos que
24