Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoria de Errores, Taylor, Convergencia de Sucesiones PDF
Teoria de Errores, Taylor, Convergencia de Sucesiones PDF
CONTRERAS TITO
MÉTODOS NUMÉRICOS
Profesor: Vladimiro Contreras Tito
INTRODUCCIÓN
El análisis numérico trata de diseñar métodos para aproximar de una manera eficiente las
soluciones de problemas expresados matemáticamente.
FUENTES DE ERROR
Como se trabaja con datos experimentales surgen las siguientes fuentes de error:
a) Las que surgen de los datos iniciales, debido a la imperfección de las mediciones.
b) La naturaleza infinita de los números reales y la posibilidad de trabajarlos solo en forma
finita, ya sea por la capacidad de la calculadora o computadora.
c) Todo proceso numérico debe ser un proceso finito, a pesar de que se usa concepto
matemático infinito como el concepto de límite o de una serie infinita como el concepto de
límite o de una serie infinitivo. Luego este proceso infinito se corta o se trunca lo que da
lugar a un error conocido como error de truncamiento o error del método.
Cifras significativas
El concepto de cifras significativas o dígitos significativos se ha desarrollado para designar
formalmente la confiabilidad de un valor numérico. Las cifras significativas de un número
son aquellas que pueden utilizarse en forma confiable. Se trata del número de dígitos que se
ofrecen con certeza, más uno estimado.
1
METODOS NUMÉRICOS V.CONTRERAS TITO
menor de división en el instrumento de medición. Así la lectura del velocímetro consistirá de las
3 cifras significativas: 48,5.
Ejemplo
1. Los números:
1234,45 tiene 6 cifras significativas
1002,5 tiene 5 cifras significativas
0,000456 tiene 3 cifras significativas
300,00 tiene 5 cifras significativas
NOTA: Es mucho más fácil contar y encontrar las cifras significativas si el número está escrita
en notación científica.
EXACTITUD Y PRECISIÓN
La exactitud, se refiere a qué tan cercano está el valor calculado medido del valor verdadero.
La precisión se refiere a qué tan cercano se encuentran unos de otros, diversos valores
calculados o medidos.
La inexactitud (o sesgo) se define como una desviación sistemática del valor verdadero.
La imprecisión (o incertidumbre) se refiere a la magnitud en la dispersión.
El conocer el error relativo nos permite indicar la medida de cercanía dentro de la misma
presentación de la cantidad aproximada, usando la idea de los dígitos significativos o cifras
exactas.
Ejemplos
Hallemos los errores absoluto y relativo en los siguientes casos:
1. Sean x = 3,141592 y x* = 3,14 el valor aproximado, entonces
2
METODOS NUMÉRICOS V.CONTRERAS TITO
ΔX =| X - X* |= 0,001592
Δx 0,001592
εx = = = 0,000507
|x| 3,141592
No hay mucha diferencia entre x y x ; cualquiera de los dos se puede usar para
determinar la precisión de x*.
En la representación de punto flotante se prefiere trabajar con el error relativo ya que este
está directamente relacionado con la mantisa.
3
METODOS NUMÉRICOS V.CONTRERAS TITO
Nota: Cuando se manejan cantidades “muy grandes” o “muy pequeñas” el error absoluto
puede ser engañoso, mientras que el error relativo es más significativo en esos casos.
ERROR DE REDONDEO
NÚMEROS BINARIOS
Forma desarrollada de 1563 en la base 10 (decimal) es: 1563 = 1 x 103 + 5 x 102 + 6 x 10 + 3
y en la base 2 es: 1563 = 110000110112
FRACCIONES BINARIAS
Un número decimal R 0, d1d2 d3 ... se puede expresar en la base binaria como sigue:
R d1 21 d2 22 d3 23 ...
Para hallar los valores de d i procederemos de la siguiente manera: Multiplicando a R por 2 se
1 2
tiene 2R d1 d2 2 d3 2 ...
La parte entera de 2R es d1 , esto es, ent (2R) d1 y su parte fraccionaria es
d2 2 d3 2 ... . esto es, frac(2R) F1 d2 21 d3 22 ... . En forma similar
1 2
obtenemos:
d k ent (2 Fk 1 )
Fk frac(2 Fk 1 )
Ejemplo
Represente (0,7)10 en la base binaria.
Solución
R = 0,7 = d1x2-1 + d2x2-2 + ...
2R = d1 + d2x2-1 + d3x2-2 + ...
2R = 1,4 d1 = ent (1,4) = 1 F1 = frac (1,4) = 0,4
2F1 = 0,8 d2 = ent (0,8) = 0 F2 = frac (0,8) = 0,8
2F2 = 1,6 d3 = ent (1,6) = 1 F3 = frac (1,6) = 0,6
2F3 = 1,2 d4 = ent (1,2) = 1 F4 = frac (1,2) = 0,2
2F4 = 0,4 d5 = ent (0,4) = 0 F5 = frac (0,4) = 0,4
4
METODOS NUMÉRICOS V.CONTRERAS TITO
(0,7)10 = 0,10110011001100…
REPRESENTACION ENTERA
Ahora que se ha revisado como los números de base 10 se representa en forma binaria, es
fácil concebir cómo los enteros se representan en la computadora. El método más sencillo se
denomina “método de magnitud con signo” y empieza el 1er. bit de una palabra para indicar el
signo con un 0 para positivo y un 1 para el negativo. Los bits sobrantes se usan para guardar
el número. Por ejemplo, el valor entero –173 puede guardarse en la memoria de una
computadora de 16 bits como se muestra:
(173)10 = (10101101)2
1 0 0 0 0 0 0 0 1 0 1 0 1 1 0 1
Signo Número
RANGO DE ENTEROS
Solución
De los 16 bits, se tiene el 1er. bit para el signo. Los 15 bits restantes pueden contener los
números binarios de 0 a 111111111111111.
El límite superior se convierte en un entero decimal, así:
1 x 214 + 1 x 213 + ... + 1x 2 + 1 = 32767 (215 – 1 = 32767)
así en una computadora de 16 bits una palabra puede guardar en memoria un entero decimal
en el rango de –32767 a 32767. Además debido a que el cero está ya definido como
0000000000000000, seria redundante usar el número 1000000000000000 para definir “menos
cero”. Por lo tanto es usualmente empleado para representar un número negativo adicional.
Por lo tanto el rango es:
–32768 a 32767.
Por ejemplo, el número 156,78 se representa como 0,15678 x 103 en un sistema de base 10 de
punto flotante.
3
El número de punto flotante de x se representa por fl(x). así fl(156,78) = 0,15678 x 10 .
5
METODOS NUMÉRICOS V.CONTRERAS TITO
En general para hallar fl(x) para una aritmética de t dígitos se siguen los siguientes pasos:
1. Si x no está en el conjunto de números que se pueden representar en una máquina dada
1
(esto es un conjunto finito), se le representa en la forma: a 10 en donde | a | 10
b
y la
representación decimal de | a | está dada por:
| a | 0, 1 2 ...t t 1... tal que 0 i 9 , i 2,3,... , 1 0
2. Se elige a fl(x) como:
0, 1 2 ... t si t 1 4
a*
0, 1 2 ... t 10 si t 1 5
t
Ejemplo
Determine un conjunto hipotético de números con punto flotante para una máquina que guarda
información usando palabras de 7 bits. Emplee el 1er. bit para el signo del número, los
siguientes 3 para el signo y la magnitud del exponente y los últimos tres para la magnitud de la
mantisa.
Solución
El número positivo más pequeño posible se representa como:
21 2° 2-1 2-2 2-3
0 1 1 1 1 0 0
6
METODOS NUMÉRICOS V.CONTRERAS TITO
Observación: Aunque es posible tomar una mantisa más pequeña (por ejemplo, 000, 001, 010,
011) se emplea el valor 100 debido al límite impuesto por la normalización.
1
Sabemos que: m 1......( )
2
el mínimo m es:
(0,5)10= (0,100)2
Los siguientes números más grandes se desarrollan incrementando la mantisa como sigue:
0111101 = (1 x 2-1 + 0 x 2-2 + 1 x 2-3) x 2-3 = (0,078125)10
-1 -2 -3 -3
0111110 = (1 x 2 + 1 x 2 + 0 x 2 ) x 2 = (0,093750)10
-1 -2 -3 -3
0111111 = (1 x 2 + 1 x 2 + 1 x 2 ) x 2 = (0,109375)10
notemos que las equivalencias de base 10 se esparcen de manera uniforme en un intervalo de
0,015625.
El número máximo es:
0011111 = (1 x 2-1 + 1 x 2-2 + 1x 2-3) x 23 = (7)10
Observación
El número (0,08320)10 en la base 2 está representado por 0111101, en efecto:
0, 08320 0,16640 0,33280 0, 66560 0,33120 0, 66240 0,32480
2 2 2 2 2 2 2
0,16640 0,33280 0, 66560 1,33120 0, 66240 1,32480 0, 64960
¿Qué ocurrirá si pusiéramos a un computador con una mantisa de 4 cifras, como la que
1 1 1
acabamos de describir, que realiza la operación ?
10 5 6
1 1
Primero sumemos
10 5
1
0,1 0,1101 x 23 0, 01101x 2 2
10
1
0, 2 0,1101 x 22 0,1101x 2 2
5
3
0,3 1, 00111x 22
10
2
El computador debe decir como almacenar 1,001112 x 2 supongamos que se redondea
1
como 0,1010 x 2
3
0,3 0,1010 x 21 0,1010 x 2 1
10
1
0,1667 0,1011 x 22 0, 01011x 2 1
6
7
0,11111x 21
15
7
METODOS NUMÉRICOS V.CONTRERAS TITO
1
El computador debe decidir como almacenar 0,11111 x 2 supongamos que se redondea
7
como 0,1000 x 2 . Luego
0
0,1000 2 x 20
15
El error en el cálculo efectuado por el computador es :
7
0,1000 2 0, 466667 0,50000 0, 033333
15
100%
el porcentaje 0, 033333 x 7,14%
7 /15
Si t = 8 dígitos con
8
METODOS NUMÉRICOS V.CONTRERAS TITO
Solución:
Aquí los i son iguales a cero:
r1 r2 r1 r2 r1 r2
Ejemplo
Sea la función f x x 1 x . Trabajando con seis cifras significativas
calcule f (100) .
Solución
Note que 100 10 y 101 10,0499 con seis cifras significativa
Ahora calculemos f 100 101 100 0, 499000 x10 . El valor exacto a
1
9
METODOS NUMÉRICOS V.CONTRERAS TITO
1
f ( x)
x 1 x
Podemos ahora calcular f (100) mediante
1 1
0, 498756 x101
10, 0000 10.0499 20, 0499
que es correcto a seis cifras significativas.
Ejemplo
1 2 123 1
Halle las raíces de la ecuación x x 0
3 4 6
Trabajando con una aritmética de t = 4 dígitos.
Sabemos que sus raíces exactas son:
x1 92, 24457963 , x2 5, 42037285 x103
Solución
1 2 123 1
x x 0 0,3333x 2 0,3075 x102 x 0,1667 0
3 4 6
b b 2 4ac
x
2a
x2* 0 , este resultado se aproxima al x2 (raíz exacta). Esto ocurre, pues b b2 4ac .
Una forma de evitar el problema de restar estos dos números casi iguales, consiste en
racionalizar el numerador:
b b2 4ac b b2 4ac 2c
x2 .
2a b b 4ac b b 2 4ac
2
2 0,1667 0,3334
x2 0,5421 x102
0,3075 x10 0,3075 x10
2 2
0, 615 x10 2
ERROR DE TRUNCAMIENTO
10
METODOS NUMÉRICOS V.CONTRERAS TITO
2! 3! 4!
x 4 x 6 x8
por los 5 primeros términos 1 x
2
2! 3! 4!
Ejemplo
1/ 2
e x dx 0,544987104184 P . Determine la precisión de la aproximación
2
Sabiendo que
0
f x ex
2
obtenida al reemplazar el integrado por serie de Taylor truncada
x 4 x 6 x8
P8 x 1 x 2 .
2! 3! 4!
Solución
1/ 2 x 4 x 6 x8
dx 0,544986720817 P *
2
1 x
0
2! 3! 4!
P P*
7, 033193944 x 107 5 x10 k k 6
P
FÓRMULA DE TAYLOR
Teorema
Supongamos que la (n +1) – ésima deriva de la función f existe en algún intervalo que
contiene a los puntos a y b . Entonces
f n a f
n 1
f b f a f ' a b a .... b a z b a ................(*)
n 1
n
n! n 1!
Para algún z entre a y b .
11
METODOS NUMÉRICOS V.CONTRERAS TITO
f x
n
f
k
a f
n 1
z x a n1
x a
k
k 0 k! n 1!
donde z es algún número entre a y x .
n
f k a
Así el término Pn x x a es llamado el POLINOMIO DE TAYLOR de
k
k 0 k!
grado n para la función f x alrededor del punto a y al término
Rn x
z x a n1 se llama residuo de grado n (ó error de truncamiento)
f n 1
n 1!
asociado con Pn x . Cuando n , Rn x 0 es decir, lim Rn x 0 para algún valor
n
particular fijo de x . Luego la función
n
f
k
a
f x lim Pn x Rn x lim Pn x lim x a
k
n n n k!
k 0
f x
f
k
a
x a
k
k 0 k!
Ejemplo
Solución
f ( x) 1 x f (0) 1
1/ 2
1
1 x
1/ 2
f ' ( x) f ' (0) 1/ 2
2
1
f ' ' ( x) 1 x
3 / 2
f ' ' (0) 1/ 4
4
3
f ' ' ' ( x) 1 x
5 / 2
f '''
(0) 1/ 4
8
15
f IV ( x) 1 x
7 / 2
16
f ' ' (0) 2 f ' ' ' (0) 3
P3 x f 0 f ' 0 x x x
2! 3!
12
METODOS NUMÉRICOS V.CONTRERAS TITO
1 1 1 3 1
P3 x 1 x . x 2 . x3
2 4 2! 8 3!
1 1 1
P3 x 1 x x 2 x3
2 8 16
es el polinomio de Taylor de 3er grado alrededor de a = 0.
1 1 1
1,1 f 0,1 p 0,1 1 0,1 0,1 0,1 1, 0488125
2 3
b).
2 8 16
La cota del error es:
15
1 z
7 / 2
R3 0,1
f
4
2
0,1 16 0,1
4 4
4! 4!
15 15
0,1 zmax 1 z 0,1 1
7/ 2
4 4
3,90625 x106
Podemos ahora graficar los polinomios de: grados uno p1 ( x) (p1), grado dos p2 ( x) (p2) y
grado tres p3 ( x) (p3) y la función f en el mismo sistema de coordenadas con las siguientes
instrucciones en MATLAB:
x=linspace(-1,2,200);
» p1=1+0.5.*x;
» p2=p1-x.^2./8;
» p3=p2+x.^3./16;
» f=(1+x).^(0.5);
» plot(x,p1,'r',x,p2,'g',x,p3,'b',x,f,'c')
» xlabel('X');ylabel('Y');
» title('funcion f(x)=sqrt(x+1) con sus polinomios de Taylor de grado uno,dos y tres')
» text(1.1,1.6,'p1');
» text(1.8,1.5,'p2');
» text(1.2,1.6,'p3');
» text(1.7,1.6,'f');
13
METODOS NUMÉRICOS V.CONTRERAS TITO
1.8
1.6 p1 p3 f
p2
1.4
1.2
1
Y
0.8
0.6
0.4
0.2
0
-1 -0.5 0 0.5 1 1.5 2
X
CONVERGENCIA DE SUCESIONES
Definición Una sucesión n n1 de números converge a si, y solo si para cualquier 0,
existe un N tal que n siempre que n N
Una sucesión n n1 converge a si y solo si lim n .
n
Ejemplo
1
1. Se tiene que la sucesión converge a 0
n n 1
n 1/n
1 1
2 ½
3 1/3
4 ¼
1
Observemos que cuando n crece , se aproxima a cero (aproximación lenta).
n
1
2. Sea la sucesión 2
n n1
n 1/n2
1 1
2 ¼
3 1/9
4 1/16
14
METODOS NUMÉRICOS V.CONTRERAS TITO
1
Notemos que la sucesión 2
converge a 0 más rápidamente que la sucesión
n n1
1
n n 1
Para analizar este tipo de problemas; es decir medir cuán rápido converge la sucesión,
lo hacemos por comparación con otras sucesiones.
Así, diremos que una sucesión n n1 , tiene rapidez de convergencia del orden
de n n1 donde n es otra sucesión que converge a cero tal que
n
n 0 n 1 si se satisface: k
n
Ejemplo
cos n 1
Sean xn n y rn n 2 dos sucesiones. Entonces la
n n
2
n n
sucesión xn n converge a cero con orden de aproximación o rn . Esto se deduce
inmediatamente de la relación:
cos n
n2
cos n 1 n
1
n2
Ejemplo
sen 1/ n
Sea la sucesión n n haciendo uso de la fórmula de Taylor en a 0
1/ n n
para n 2 . Halle la rapidez de convergencia de la sucesión n n .
Solución
Sabemos que la sucesión n n converge a 1 en efecto:
1
sen
Lim n 1
n 1
n
f '' a f ''' z
f ( x) f (a) f ' a x a x a x a
2 3
2! 3!
Como a=0 se tiene
f '''
z x3
senx x x3 x cos z con z 0, x
3! 3!
15
METODOS NUMÉRICOS V.CONTRERAS TITO
senx
cos z 1 cos z cos z
senx x x
max
x3 3! 1 3! z 0, x 3!
2
x
1
6
n 1 1 1
Si definimos x 1/ n , entonces donde n 2 . Por lo tanto concluimos
n 6 n
1
diciendo que n n tiene rapidez de convergencia equivalente a la de n n 2 .
n n
Simbólicamente
1
n 1 o( )
n2
16
METODOS NUMÉRICOS V.CONTRERAS TITO
EJERCICIOS PROPUESTOS
1. Convierta los siguientes números dados en decimal, a binario
a). 985,34 b). 888.222 c). –0.9389 d). 0.375
2. Dados los siguientes números de máquina en una palabra de 16 bits(de los 16 bits el
primero representa el signo del número, los siguientes 7 para el signo y la magnitud del
exponente y los 8 restantes para la magnitud de la mantisa).
0 1 0 0 0 0 1 0 1 1 0 0 1 1 0 0
1 0 0 0 1 0 1 1 0 0 0 1 0 1 0 0
0 0 0 1 1 0 0 0 1 0 0 0 1 1 1 0
¿Qué decimales representa?.
6. Sea la sucesión:
tan(1/ n)
n , n 1
1/ n
Haciendo uso de la serie de Taylor de (5), halle la rapidez de convergencia de la sucesión
n .
n
n
1 cos 1
7. Sea la sucesión:
1n , n 1
17