Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SD Sda Sdsdsa D PDF
SD Sda Sdsdsa D PDF
1 Introduccón
En este curso desarrollaremos métodos numéricos para resolver problemas que surgen en diversas
áreas.
La mayoria de los métodos son sencillos en su descripción y aplicación, pero antes es importante
entender el concepto de error, pues generalmente obtenemos aproximaciones de la solución ver-
dadera.
No es raro que a veces los resultados finales al resolver numericamente un problema esten distantes
de lo que se esperaba obtener, aunque se hallan realizado correctamente todas las fases para la
resolución del problema.
Algunas causas de estos errores pueden ser
• Errores en los datos de entrada (dados imprecisos obtenidos de experimentos)
• Error de truncamento (se cambia una serie infinita por una finita)
Estudiaremos los errores que surgen de la representación de números en el computador y lo errores
resultantes de las operaciones numéricas efectuadas.
2 Algunas Definiciones
Antes de analizar los errores asociados con los métodos numéricos es útil repasar algunos conceptos
básicos referentes a la representación aproximada de los números.
• Cifras Significativas
Cuando se emplea un número para relizar un cálculo debe haber seguridad de que se pueda
usar con confianza. Las cifras significativas son las cifras que, empiezan con la cifra distinta
de cero del extremo izquierdo y termina con la cifra correcta del extremo derecho incluyendo
los ceros finales que son exactos.
– Exactitud a n cifras decimales significa que pueden confiar en n dı́gitos a la derecha del
lugar decimal.
– Exactitud a n dı́gitos significativos significa que puede confiar en un total de n dı́gitos
que sean importantes empezando con el dı́gito que sea distinto de cero del extremo
izquierdo.
• Notación cientı́fica
Es una forma de representar un número utilizando potencias en base diez (o base dos). Esta
notación se emplea para expresar fácilmente números muy grandes o muy pequeños.
Los números se escriben como un producto
m × be
• Exactitud y precisión
Los errores de cálculos y medidas se pueden caracterizar con respecto a su exactitud y presición
– La exactitud se refiere a que tan cercano está el valor calculado o medido del valor
verdadero.
– La precisión se refiere a que tan cercanos se encuentran, unos de otros, diversos valores
calculados o medidos
3 Errores de Truncamiento 2
• Definiciones de error
Los errores numéricos surgen del uso de proximaciones para representar operaciones y canti-
dades matemáticas exactas.
Ea = |p − p∗ |
|p − p∗ |
Er =
|p|
siempre que p 6= 0.
– Error porcentual (Ep ): error relativo multiplicado por 100%
|p − p∗ |
Ep = × 100%
|p|
siempre que p 6= 0.
3 Errores de Truncamiento
Son errores provenientes de la utilización de procesos que deberian ser infinitos o muy grandes para
la determinación de un valor y que, por razones practicas son truncados. Estos procesos infinitos se
utilizan bastante en la evaluación de funciones matemáticas, tales como exponenciación, logaritmos,
funciones trigonométricas e otras. Esta terminologı́a se originó en la sustitución de una función por
uno de sus polinomios de Taylor. Por ejemplo
2 x4 x6 x8
ex = 1 + x2 + + + + ···
2! 3! 4!
Podriamos usar los cinco primeros términos a la hora de calcular la integral numericamente.
1/2
x4 x6 x8
Z Z
x2 2
e dx = 1+x + + + dx = 0, 544986720817
0 2! 3! 4!
4 Errores de redondeo - Representación de números en la computadora 3
Cuando se usa una calculadora o una computadora digital para realizar cálculos numéricos, se
debe considerar un error inevitable, el llamado error de redondeo. Este error se origina porque
la aritmética realizada en una máquina involucra números con sólo un número finito de dı́gitos, y
muchos cálculos se realizan con representaciones aproximadas de los números verdaderos.
La computadora recibe, normalmente, información en decimal, que es transformada a binario
por un programa interno. Posteriormente efectúa las operaciones pertinentes, pasa el resultado a
decimal e informa al usuario de este resultado.
(a) de la cifra en si
Cada posición por tanto tiene un peso especı́fico. La cifra 3 del lado izquierdo cuya posición es 2
es la más significativa y tiene peso 102 . La cifra 3 del lado derecho cuya posición es -2 es la menos
significativa y tiene peso 10−2 .
El sistema binario
En el sistema binario b es 2 y se necesita tan solo un alfabeto de dos elementos para representar
cualquier número {0, 1} los elementos de este alfabeto se denominan cifras binarias o bits.
4.1.1 Conversiones
Las conversiones permiten abtener las cifras correspondientes a una misma cantidad en distintas
bases. En informática la conversión más usada es la de decimal a binario y viceversa.
• De base 2 a base 10
Para transformar un número en base 2 a decimal, basta tomar en cuenta la descomposición
polinómica.
Ejemplo:
1111001.1011112 = 1 × 26 + 1 × 25 + 1 × 24 + 1 × 23 + 0 × 22 + 0 × 21 + 1 × 20 + 1 × 2−1 +
0 × 2−2 + 1 × 2−3 + 1 × 2−4 + 1 × 2−5 + 1 × 2−6
• De base 10 a base 2
a) La parte entera del número se obtiene dividiendo la parte entera decimal por la base b en
los cocientes obtenidos (divisiones sucesivas).
b) La parte fraccionaria del número en base b se obtiene multiplicando por b sucesivamente.
El número fraccionario en base b se forma de la parte entera de los productos obtenidos.
Ejemplo:
13.875 = 1101.1112
217.732 = 11011001.10111 . . .2
5 Aritmética en punto flotante 4
−(2n−1 − 1) ≤ A ≤ (2n−1 − 1)
3. El campo mantisa se codifica como el equivalente binario directo del número decimal dado.
Ejemplo
Si se usan 32 bits para la representación pueden dividirse del modo siguiente: 1 bit para el signo,
7 bits para el exponente y 24 bits para la mantisa:
Hay limitaciones para representar números en una computadora digital pues sólo se cuenta con un
múmero finito de bits para cualquiera arquitectura. Sea r un número real cualquiera, tiene una
representación
r = ±(.d1 d2 d3 . . . dk dk+1 . . .) × be
donde:
• 0 ≤ dj ≤ (b − 1) j = 2, . . . y d1 6= 0
• e el exponente
f l(r) = ±(.d1 d2 d3 . . . dk ) × be
donde:
Truncamiento Se cortan los dı́gitos dk+1 , dk+2 , . . . para obtener f l(r) = ±(.d1 d2 . . . dk ) × 10e
Redondeo (En base 10) Se forma la suma d1 d2 . . . dk .dk+1 1 + 0.5 (donde el punto que esta entre
dk y dk+1 es el punto decimal). Luego f l(r) = ±(.d1 d2 . . . δk ) × 10e que es la parte entera de
la suma anterior.
• El número 235.98 = 0.23598 × 103 será representado en la máquina por 0.235 × 103 si usamos
truncamiento y por 0.236 × 103 si usamos redondeo.
• El número 0.345 × 10−7 no puede ser representado en esta máquina pues el exponente es
menor que -5. Esta situación se conoce como “underflow”.
• El número 0.987 × 108 no puede ser representado en esta máquina pues el exponente es mayor
que 5. Esta situación se conoce como “overflow”.
El error que resulta al reemplazar eun número real x por su número de punto flotante se denomina
error de redondeo. Este error esta acotado por
( 1−t
b |x| cuando se hace truncamiento
|x − f l(x)| ≤ 1 1−t
b |x| cuando se hace redondeo
2
Ejemplos
Dados x = 0, 937 × 104 y y = 0.1272 × 102 .
Calculemos la suma y el producto en punto flotante a cuatro cifras significativas.
6 Efectos numéricos 6
Podemos verificar que las operaciones en punto flotante no verifican las reglas aritméticas normales
6 Efectos numéricos
Además de los errores causados por las operaciones aritméticas tenemos ciertos efectos numéricos
que contribuyen a que el resultado final sea errado.
• Propagación del error El cancelamiento ocurre también cuando una suma parcial es muy
grande comparada con el resultado final. perdida de cifras significativas
Efectos
2. Mal condicionamiento se refiere que pequeõs cambios en los datos de entrada provocan
grandes variaciones en la solución.