Titulación: Ingeniero Geólogo Ultima actualización: 03/10/2008

Asignatura: Análisis Numérico

Autor: César Menéndez

Preliminares

Planificación: 1 Teoría+0.5 Prácticas+1.5 Lab.Inf.

Materiales: MATLAB
Conocimientos previos: Tmas. básicos de Cálculo y Álgebra

1
 Análisis Numérico Preliminares por César Menéndez Fernández

Descripción

 Descripción z Repaso de conceptos de análisis

 Objetivos – Convergencia
 Temario – Continuidad
 Bibliografía
– Derivabilidad
z Se introducen definiciones y consecuencias
del trabajo con matemática finita, esto es, las
asociadas a las limitaciones de almacena-
miento de los ordenadores
z Se define el concepto de algoritmo y
estabilidad

2
 Análisis Numérico Preliminares por César Menéndez Fernández

Objetivos

 Descripción z Recordar conceptos de análisis anteriores.

z Entender el concepto de algoritmo y la medida de su
 Objetivos eficiencia.
 Temario z Comprender la importancia de las técnicas iterativas y su
estabilidad.
 Bibliografía z Apreciar el significado de la velocidad de convergencia.
z Aprender a utilizar los diagramas de flujo y pseudocódigos.
z Entender la diferencia entre error de truncamiento y de
redondeo.
z Entender el concepto de cifras significativas.
z Conocer la diferencia entre exactitud y precisión.
z Apreciar la utilidad del error relativo y de las cotas de error.
z Aprender a relacionar el error relativo con las cifras
significativas.
z Saber diferenciar el condicionamiento de un problema del
condicionamiento de un algoritmo.

3
 Análisis Numérico Preliminares por César Menéndez Fernández

Convergencia

 Descripción
Definición: limn→∞ xn = L si ∀ε > 0∃N ( ε ) /n > N ( ε ) ⇒ xn − L < ε
Sea x{ } ∞
una sucesión infinita de números reales o complejos. Se dice que la
n n =1
 Objetivos sucesión converge al número L cuando para cualquier número real ε>0, existe un
entero positivo N(ε) tal que cuando n> N(ε) se tiene que |L-xn|< ε.
Temario
Repaso de Análisis
Convergencia
Continuidad
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
Matemática Finita
Algoritmos

 Bibliografía

4
 Análisis Numérico Preliminares por César Menéndez Fernández

Límites y continuidad

Definición: lim f ( x ) = L si ∀ε > 0∃δ / x - a < δ ⇒ f ( x ) − L < ε

 Descripción x →a
Sea f(x) una función definida en un conjunto X de números reales. Se dice que f(x)
 Objetivos tiene como límite a L en el punto a∈X cuando para cualquier número real ε>0, existe
otro número real δ tal que siempre que x∈X y |x-a|< δ se tiene que |f(x)-L|< ε.
Temario
Repaso de Análisis
Convergencia
Continuidad
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
Matemática Finita
Algoritmos

 Bibliografía
Definición:
Sea f(x) una función definida en un conjunto X de números reales. Se dice que f es
continua en a∈X si lim f ( x ) = f ( a )
x →a
La función f es continua en X cuando lo es en cada punto de X.

5
 Análisis Numérico Preliminares por César Menéndez Fernández

Diferenciabilidad

Definición:
 Descripción
Si f es una función definida en un intervalo X abierto que contiene al punto a, se dice
 Objetivos que f es diferenciable en a si existe el valor
f ( x) − f (a)
Temario f ′ ( a ) = lim
x →a x−a
Repaso de Análisis La función f es diferenciable en X cuando lo es en cada punto de X.
Convergencia Se denota por Cn(X) al conjunto de funciones que tienen n derivadas continuas en X
Continuidad
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
Matemática Finita
Algoritmos

 Bibliografía

6
 Análisis Numérico Preliminares por César Menéndez Fernández

Teoremas Continuidad

Teorema del valor intermedio:

 Descripción Sea f(x)∈C([a, b]) y K un valor cualquiera entre f(a) y f(b), entonces existe un punto
c∈[a,b] en que la función toma el valor dado, f(c)=K.
 Objetivos Teorema de Bolzano
Sea f(x) una función continua en [a, b] con valores de signos opuestos en los extremos,
Temario entonces existe un punto c en [a,b] en que la función se anula.
Repaso de Análisis Teorema del Valor Extremo
Convergencia Sea f(x) una función continua en [a, b], entonces alcanza su máximo M y su mínimo m
en [a,b], esto es, existen en el intervalo dos puntos c y d tales que f(c)=M y f(d)=m de
Continuidad forma que para todo valor x∈[a,b] se tiene f(d)≤f(x)≤.f(c)
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
Matemática Finita
Algoritmos

 Bibliografía

7
 Análisis Numérico Preliminares por César Menéndez Fernández

Teoremas Continuidad y Diferenciabilidad

Teorema del valor medio:

 Descripción Sea f(x)∈C[a, b] y f(x)∈ C1(a, b) entonces existe un punto c en (a,b) cuya pendiente
coincide con la de la recta que une los extremos, esto es f (b ) − f (a )
 Objetivos f ′(c ) =
b−a
Teorema del valor medio:generalizado (Cauchy)
Temario Sean f(x),g(x)∈C[a, b] y f(x),g(x)∈ C1(a, b) entonces existe al menos un punto c en (a,b)
Repaso de Análisis tel que f ′( c ) f (b) − f ( a )
Convergencia =
Continuidad g′( c ) g (b) − g ( a )
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
Matemática Finita
Algoritmos

 Bibliografía

8
 Análisis Numérico Preliminares por César Menéndez Fernández

Teoremas Diferenciabilidad
Teorema de Rolle
Sea f(x)∈C[a, b] y f(x)∈ C1(a, b) tal que se anula en sus extremos, entonces existe un
 Descripción punto c en (a,b) que anula su derivada.f´(c)=0
Teorema de Rolle Generalizado
 Objetivos Sea f(x)∈Cn-1 a, b] y f(x)∈ Cn(a, b) tal que se anula en (n+1) puntos distintos, entonces
existe un punto c en (a,b) que anula su derivada.n-sima f(n) (c)=0
Temario
Repaso de Análisis
Convergencia
Continuidad
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
Matemática Finita
Algoritmos

 Bibliografía

9
 Análisis Numérico Preliminares por César Menéndez Fernández

Teoremas Integrabilidad

Teorema del valor medio para integrales

 Descripción Sean f(x), g(x)∈ C[a, b] donde g(x) es integrable y no cambia de signo en [a,b],
entonces existe un punto c en (a,b) tal que
 Objetivos
f ( x ) ⋅ g ( x )dx = f (c )∫ g ( x )dx
b b

Temario ∫a a
Repaso de Análisis
Convergencia
Continuidad
Diferenciabilidad
Tmas Continuidad
Tmas Derivación f ( x ) = x − cos ( x )
Tmas Integración
Tmas Desarrollos g ( x) = 2
45
x3 + 907 x 2 − 90
47
x+2
Matemática Finita
∫ f ( x ) ⋅ g ( x ) dx = 18.8623
5

Algoritmos −5

∫ g ( x ) dx = 26.4815
5
 Bibliografía −5

18.8623
= 0.7123 = f (1.1347 )
26.4815

10
 Análisis Numérico Preliminares por César Menéndez Fernández

Teoremas de desarrollo en serie

Teorema del Taylor para funciones de una variable

 Descripción
Sea f(x)∈ C(n+1)[a, b] y un punto c∈(a,b), entonces para cualquier punto x∈ (a,b) existe
 Objetivos un valor ξx ∈(c,x) tal que f ( x ) = Pn ( x ) + Rn ( x ) donde
f ′(c) f ′′ ( c ) f (n) ( c ) ( x − c)
k
n
Pn ( x ) = f ( c ) + ( x − c) + ( x − c) + + ( x − c ) = ∑ f (k ) ( c )
2 n

Temario 1! 2! n! k =0 k!
Repaso de Análisis f ( n +1) (ξ x )
Rn +1 ( x ) = ( x − c)
n +1
Convergencia
Continuidad n + 1!
Diferenciabilidad
Teorema del Taylor para funciones de varias
Tmas Continuidad
Sea f(x,y)∈ C(n+1)D=[a1, b1]x[a2,b2] y un punto (c,d)∈D, entonces para cualquier punto
Tmas Derivación
Tmas Integración
(
(x,y)∈ D existe un par valor (ξx,ξy ) ∈[c,x]x[d,y] tales que f x, y = Pn x, y + Rn x, y ) ( ) ( )
donde
Tmas Desarrollos ⎧ ∂f
Pn ( x, y ) = f ( c, d ) + ⎨ ( c, d )
( x − c ) + ∂f c, d ( y − d ) ⎫ +
Matemática Finita ( ) ⎬
Algoritmos ⎩ ∂x 1! ∂y 1! ⎭
⎧⎪ ∂ 2 f ( x − c) ( x − c )( y − d ) ∂ 2 f ( y − d ) ⎫⎪
2 2
∂2 f
 Bibliografía + ⎨ 2 ( c, d ) +2 ( c, d ) + 2 ( c, d ) ⎬+
⎪⎩ ∂ x 2! ∂x∂ y 2! ∂ y 2! ⎪⎭
n
⎧ ∂ ∂⎫
+ ⎨( x − c ) + ( y − d ) ⎬ f ( c, d )
⎩ ∂x ∂y ⎭
n +1
⎧ ∂ ∂⎫
Rn ( x, y ) = ⎨( x − c ) + ( y − d ) ⎬ f (ξ x , ξ y )
11 ⎩ ∂x ∂y ⎭
 Análisis Numérico Preliminares por César Menéndez Fernández

Ejemplo: desarrollo cos(x) en x=2

 Descripción
 Objetivos
Temario
Repaso de Análisis
Convergencia
Continuidad
Diferenciabilidad
Tmas Continuidad
Tmas Derivación
Tmas Integración
Tmas Desarrollos
f ( n +1) (ξ x )
Rn ( x ) = ( x − c)
Matemática Finita n +1

Algoritmos n + 1!

 Bibliografía
T1 ( x ) → ξ x = 2.3062
T2 ( x ) → ξ x = 2.2717
T3 ( x ) → ξ x = 2.1897
T4 ( x ) → ξ x = 2.1805

12
 Análisis Numérico Preliminares por César Menéndez Fernández

Códigos numéricos y representación

 Descripción z Notación posicional: 777 = 7×102 + 7×101+ 7

z Códigos enteros y reales (base 10)
 Objetivos
123.45 = 1×102 + 2×101+ 3×100 + 4×10-1+ 5×10-2
Temario – Forma normalizada de un número real
Repaso de Análisis X=m×be con b0≤m<b-1
Matemática Finita
Definiciones
123.45 = 1.2345×102= 12345×10-2= 0.12345×103
Representación z Hay errores en la representación de los valores en el
Errores ordenador debido a la limitación de almacenamiento
Algoritmos
– Truncamiento: Se almacenan N decimales y se pierde el
 Bibliografía resto
– Redondeo: Se suma media unidad al decimal N y se
trunca

4 digitos Truncamiento Redondeo

1’41421256… 0’1414×101 0’1414×101

2’645751311… 0’2645×101 0’2646×101

13
 Análisis Numérico Preliminares por César Menéndez Fernández

Exactitud y precisión

 Descripción z Se denomina exactitud de un proceso, método, fórmula o

cálculo a la bondad con que el resultado obtenido representa
 Objetivos el valor real que queríamos calcular.
b−a⎧ ⎛b + a⎞ ⎫
f ( x )dx ≈ ⎨ f (a ) + 4 ⋅ ⎟ + f (b )⎬
b
Temario ∫a 6 ⎩
f⎜
⎝ 2 ⎠ ⎭
exacta para P2(x)
Repaso de Análisis
Matemática Finita z Un número x aproxima a r con n dígitos significativos
Definiciones (cifras) si n es el natural más grande tal que
Representación
Errores x−r
Algoritmos
< 5 ⋅ 10− n
r
 Bibliografía
2 (1’414213562…) ≈ 1’41421256.
2 − 1'41421256 −7
Aproxima con 6 dígitos
= 7' × 10 ⇒
2
z Se denomina precisión de una representación a la exactitud
que se obtendría si todas las cifras calculadas fueran
significativas
z Cálculo de 2 =1’41421256
z Precisión de 9 cifras..
14
 Análisis Numérico Preliminares por César Menéndez Fernández

Representación Decimal (I)

 Descripción z Punto fijo:

– Los dígitos de almacenamiento se reparten para la parte
 Objetivos entera y la parte decimal
– Ejemplo: 8 dígitos con 3 decimales
Temario z fl(123.456)=00123456
Repaso de Análisis z fl(12345.6)=12345600
Matemática Finita
z fl(1.23456)=00001235
Definiciones
Representación z Punto flotante:
Errores – Se representa de forma normalizada, repartiéndose los
Algoritmos dígitos para la mantisa y el exponente
 Bibliografía – Ejemplo: 8 dígitos con 2 de exponente
z fl(123.456)=03123456
z fl(12345.6)=05123456
z fl(1.23456)=01123456
– Normalmente se hace un cambio de escala en el
exponente para incluir exponentes negativos,
convirtiendo el [0,99] en [-49,50] (restando 99/2)
– Binaria 32 bits: IEEE 754

15
 Análisis Numérico Preliminares por César Menéndez Fernández

Representación Decimal (II)

 Descripción z Características de la representación

 Objetivos elegida
Temario – Rango de representación:
Repaso de Análisis z Punto fijo con 8 dígitos y 3 decimales
Matemática Finita
Definiciones [0.001,99999.999]
Representación
Errores
z Punto flotante con 8 dígitos y 2 de exponente
Algoritmos 0.1×10-44,0.999999×1045
 Bibliografía – Precisión: 1-8 (PF) ó 6 (PF)
– Cifras significativas:
z Punto fijo con 8 dígitos y 3 decimales
Depende del valor: desde 1 hasta 8
z Punto flotante con 8 dígitos y 2 de exponente
6 cifras

16
 Análisis Numérico Preliminares por César Menéndez Fernández

Errores

z Error absoluto: diferencia entre el valor real y el valor

 Descripción calculado.
 Objetivos z Error relativo: cociente entre el error absoluto y el valor real.
Habitualmente ambos se toman en valor absoluto
Temario
Repaso de Análisis x−x
Matemática Finita Ex = x − x ex =
Definiciones x
Representación z Error absoluto (relativo) de representación del valor x es
Errores el error absoluto (relativo) entre el valor real x y su
Algoritmos representación float(x) o fl(x) (¿cifras significativas?)
– Trabajando con 4 decimales fl(1/3)=0.3333
 Bibliografía
1 1 −4 x − x 13 10−4
Ex = − 0.3333 = 10 ex = = = 10−4
3 3 x 1
3
z Se denomina unidad de redondeo de un ordenador al
menor número positivo en punto flotante δ tal que
float(1+δ)>1.
– Trabajando con 4 decimales y
z Redondeo: float(1.0005)=1.001 float(1.0004)=1.000
z Truncamiento: float(1.001)=1.001 float(1.0009)=1.000

17
 Análisis Numérico Preliminares por César Menéndez Fernández

Error de representación

 Descripción z El error relativo de representación con k dígitos de un

valor no nulo x en base b viene acotado b1-k o ½b1-k
 Objetivos para por las aproximaciones por truncamiento o por
Temario redondeo respectivamente
Repaso de Análisis
Matemática Finita
Códigos numéricos
Definiciones Valor Aprox. Error Relativo
Representación
Representación
Errores
Errores Tr. 1’414212… 0’1414×101 0’212…×10-3 0’151…×10-3
Algoritmos
Tr. 2’645751… 0’2645×101 0’751…×10-3 0’283…×10-3
 Bibliografía
Rd. 1’414212… 0’1414×101 0’212…×10-3 0’151…×10-3
Rd. 2’645751… 0’2646×101 -0’246…×10-3 -0’939…×10-4

18
 Análisis Numérico Preliminares por César Menéndez Fernández

Error de operaciones (I)

 Descripción z Operaciones elementales (suma, resta, multip., división)

 Objetivos x = fl ( x ) = x − α = x (1 − ex ) y = fl ( y ) = y − β = y (1 − e y )
x y − fl ( x y ) = x y − x • y = ( x y − x y ) + ( x y − x • y )
Temario
Repaso de Análisis = Error Propagado + fl ( x y )
Matemática Finita
Definiciones Operación Suma Resta Multip. División
Representación
Errores Absoluto α −β xy
Algoritmos α +β α −β yα + xβ − αβ
y−β
 Bibliografía Relativo ex − e y
x y x y
ex + ey ex − ey ex + ey + ex ey
x+ y x+ y x− y x− y 1 − ey

z Funciones elementales
y = f ( x ) = f ( x0 , x1 , x2 , xn )
fl ( y ) = y + E y = fl ( f ( x0 + E0 , x1 + E1 , x2 + E2 , xn + E n ) )
n
∂f n
∂f xk
Ey ≤ ∑ Ek ey ≤ ∑ ek
19 k =0 ∂xk k =0 ∂xk y
 Análisis Numérico Preliminares por César Menéndez Fernández

Error de operaciones (II)

 Descripción z Ejemplo de resta

x =π y = 227 x − y = −1.2645…i10 −3
 Objetivos
fl ( x ) = 3.1416 fl ( y ) = 3.1429 fl ( x − y ) = −0.0013
Temario E x ≤ 7.35i10 −6 E y ≤ 4.29i10 −5 E x − y ≤ 3.55i10 −5
Repaso de Análisis
Matemática Finita
ex ≤ 2.34i10 −6 e y ≤ 1.36i10 −5 ex − y ≤ 2.8i10 −2
Definiciones
Representación
z Ejemplo de cociente
Errores x= 22
7 y = 3000
1
x ÷ y = 9.4286i103
Algoritmos fl ( x ) = 3.1429 fl ( y ) = 3.3333i10−4 fl ( x ÷ y ) = 9.4300i103
 Bibliografía Ex ≤ 1.4286i10−4 E y ≤ 3.3333i10−8 Ex − y ≤ 1.4286
ex ≤ 4.5455i10−5 ey ≤ 1.0i10−4 ex − y ≤ 1.5152i10−4

z Ejemplo de función
⎧∂ y 1 1 1 −y
⎪ ∂ x = x ln ( a ) Εy ≤
x ln ( a )
Εx +
a ln ( a )
Εa
⎪
y = log a ( x ) ⇒ ⎨ →
⎪ ∂ y − y ex e
= ey ≤ + a
⎪⎩ ∂ a a ln ( a )
20 ln x ln a
 Análisis Numérico Preliminares por César Menéndez Fernández

Fuentes de error en el modelado matemático

 Descripción z Problema físico: trayectoria de un proyectil

d 2r (t ) dr ( t )
 Objetivos m = −mgk − b
dt 2 GRAVEDAD
dt
Temario ROZAMIENTO
– Modelado matemático con hipótesis y simplificaciones
Repaso de Análisis
Matemática Finita
z Efectos atmosféricos (lluvia, contaminación, vientos)
Definiciones z Se desprecia el giro terrestre (fuerzas de Coriolis)
Representación z Se considera que el rozamiento sólo depende del aire.
Errores – Errores debido al desconocimiento de los datos físicos
Algoritmos (inexactitudes de las medidas o imposibilidad).
 Bibliografía – Errores del Método de Resolución:
z Algoritmo de predicción-corrección para ecuaciones
diferenciales con el error provocado al aproximar la
derivada por la secante
– Errores de Implementación en el ordenador
z Equivocaciones (errores de programación, cambios
inadvertidos de signos, etc.)
z Errores debidos a la aritmética del ordenador (errores de
representación, etc.).

21
 Análisis Numérico Preliminares por César Menéndez Fernández

Algoritmos

 Descripción z Algoritmo: Procedimiento que describe sin ninguna

ambigüedad una sucesión de pasos a realizar en un
 Objetivos orden específico
Temario No numéricos: Listas Alfabéticas
Repaso de Análisis
Clasificación Numéricos: Finitos Álgebra
Matemática Finita
Algoritmos Euclides (m.c.d.) Infinitos Análisis
Condicionamiento
Estabilidad
z Algoritmo Numérico: Conjunto de instrucciones para
 Bibliografía efectuar operaciones matemáticas con números que
conducen al valor o valores solución de un problema
dado.

22
 Análisis Numérico Preliminares por César Menéndez Fernández

Algoritmos: ejemplo

 Descripción z Algoritmos Infinitos: sucesión infinita pero numerable

∞
de operaciones 1
= (−x) ∑
k

 Objetivos 1+ x k =0

Temario z Sucesión de aproximaciones a la solución

n
an = ∑ ( − x )
k
Repaso de Análisis
Matemática Finita k =0
Algoritmos – Convergencia
Condicionamiento
z Condiciones: |x|<1
Estabilidad
(−x)
n +1
n
Velocidad bn = ∑ ( − x ) +
k
 Bibliografía z
k =0 x +1
∞
1
Acotación del error En = − an ≤ ∑ ( − x )
k
z
1+ x k = n +1
z Eficiencia: número de operaciones n
Pn ( x ) = an x n + an −1 x n −1 + a2 x 2 + a1 x + a0 = ∑ ak x k
k =0

⎧ P = a0 ⎧ P = an
⎨ ⎨
⎩ P = P + ak x , k = 1, n ⎩ P = P ⋅ x + ak , k = n − 1,
k
0
– Alg.1: n+ nx n-1 potencias
23 – Alg.2: n+ nx 0 potencias
 Análisis Numérico Preliminares por César Menéndez Fernández

Condicionamiento

z El condicionamiento de un problema mide la

 Descripción sensibilidad de la solución a cambios pequeños en los
 Objetivos parámetros del problema.
– Problema bien condicionado: pequeñas variaciones de
Temario los datos dan lugar a pequeñas variaciones en los
Repaso de Análisis resultados.
Matemática Finita
Algoritmos – Resolución numérica requiere problemas bien
Condicionamiento condicionadas, ya que la representación de los datos y la
Estabilidad aritmética del el ordenador perturban los datos.
 Bibliografía z Obtener las raíces del siguiente polinomio al añadirle 1
milésima al término de grado 9
10 10
P10 ( x ) = ∏ ( x − k ) = ∑ ak x k = x10 − 55 x 9 + 1320 x8 + + 3628800
k =1 k =0

P10 ( x ) = P10 ( x ) − 0.001x 9 = x10 − 55.001x 9 + 1320 x8 + + 3628800

Raíces: {1.,1.9999, 3.0019, 3.9476, 5.1376 ± 0.59304i, 7.2317 ±
1.5827i, 10.155 ±1.14887i}
∂P −3 ∂ P Εa x9
ΕP ≈ Ε a = x ⋅10 ⇒ eP ≈
9
= 10−3
9

24 ∂ a9 9
∂ a9 P P10 ( x )
 Análisis Numérico Preliminares por César Menéndez Fernández

Estabilidad numérica

z Un algoritmo es estable cuando un error inicial se propaga

 Descripción decreciendo o creciendo linealmente con las iteraciones. Es
inestable cuando el crecimiento es exponencial.
 Objetivos ⎧ ⎧ En = C ⋅ E0
⎪ Estable ⎨
Temario E0 → ⎨ ⎩ C <1
Repaso de Análisis ⎪ Inestable En = C n ⋅ E0
Matemática Finita ⎩
Algoritmos – Problema mal condicionado: inestable para cualquier algoritmo.
Condicionamiento – Problema bien condicionado: estable o inestable dependiendo del
algoritmo

{3}
Estabilidad

 Bibliografía z Ejemplo: calcular {pn } = 1 n usando aritmética con 5 cifras

– Nota: 1 3 = 0,33333 + ε con ε = 1 3 10−5

⎧ a0 = 1
– Algoritmo I: ⎪⎨a = a
⎪⎩ n n −1
1
3

( 3)
n
− 0,33333n = ( 0,33333 + ε ) − 0,33333n ≈ n ( 0,33333)
n −1
Εn = 1 ε
n

lim Ε n = 0 ⇒ Estable
n →∞

25
 Análisis Numérico Preliminares por César Menéndez Fernández

Estabilidad numérica
⎧⎪ b0 = 1; b1 = 1
3
 Descripción
– Algoritmo II: ⎨
( )
⎪⎩bn = 10 3 bn −1 − bn − 2
 Objetivos ⎛ bn ⎞ ⎛ 10 3 −1⎞ ⎛ bn −1 ⎞ ⎛ bn ⎞ ⎛ 10 3 −1⎞ ⎛ b1 ⎞
n

Temario
⎜ ⎟=⎜ ⎟ ⎜ ⎟→⎜ ⎟=⎜ ⎟ ⎜b ⎟
⎝ n −1 ⎠ ⎝
b 1 0 ⎠ ⎝ n − 2 ⎠ ⎝ n −1 ⎠ ⎝
b b 1 0 ⎠ ⎝ 0⎠
Repaso de Análisis
Matemática Finita z Autovalores λ1 = 1 3 λ2 = 3
( )
Algoritmos
n
Condicionamiento z Solución
bn = α 1 + β3n
Estabilidad 3
 Bibliografía
⎪ 0 3
( )
⎧b = 1 = α 1 0 + β(3)0
⎧α = 1 + 0,125 × 10−5
→⎨
⎨
1 1
( )
⎪⎩b1 = 0,33333 = α 3 + β(3) ⎩β = −0,125 × 10
1 −5

Ε n = 0,125 × 10 −5
{( 1
3)
n
+ 3n }
lim Ε n = ∞ ⇒ Inestable
n →∞

26
 Análisis Numérico Preliminares por César Menéndez Fernández

Bibliografía Comentada

 Descripción z Chapra, S.C. & Canale, R.P.

– Realiza, de forma simple y sucinta, el desarrollo de
 Objetivos programas y su aplicación en el Análisis Numérico. En
 Temario este entorno, tras mostrar con ejemplos el uso de los
diagramas de flujo. En el capítulo tercero se dedica al
 Bibliografía estudio del error, matizando sus diferentes fuentes.
z Burden, R.L. & Faires, J.D.
– Comienza con una revisión de conceptos y teoremas del
Algebra y el Análisis. A continuación estudia la
representación numérica, sobre todo en punto flotante,
desarrollando varios ejemplos clarificadores en binario.
Asimismo hace un estudio del error que desemboca en el
concepto de estabilidad de un algoritmo. Finalmente
oferta interesantes ejercicios para verificar la
comprensión alcanzada.

27