Revisión de Conceptos Básicos

I Normas: Normas vectoriales. Productos interiores.

I Errores: Errores computacionales. Propagación de errores.

Cálculo Numérico 521230 1 / 17 DIM-Univesidad de Concepción

Normas vectoriales

I La manera usual de expresar el tamaño de un vector es mediante una

norma.
I Definición. Sea V un espacio vectorial. Se llama norma sobre V a
cualquier función
k · k : V −→ R
v 7−→ kvk
que satisfaga:
1. kvk ≥ 0 ∀v ∈ V (positividad),
2. kvk = 0 ⇐⇒ v=0 (no degeneración),
3. kkvk = |k| kvk ∀v ∈ V, ∀k ∈ R (homogeneidad),
4. kv + wk ≤ kvk + kwk ∀v, w ∈ V (desigualdad triangular).
I A un espacio vectorial V provisto de una norma k · k se le llama espacio
vectorial normado y se le denota (V, k · k).

Cálculo Numérico 521230 2 / 17 DIM-Univesidad de Concepción

Normas vectoriales (cont.)

I Ejemplos. Dados V = Rn (espacio de vectores columna de n compo-

 
x1
 . n
nentes reales) y x =  ..  ∈ R , se definen las siguientes normas:


xn
n
!1
X 2
I Norma euclideana: kxk2 := |xi |2 .
i=1

I Norma infinito: kxk∞ := max |xi |.

1≤i≤n
n
X
I Norma uno: kxk1 := |xi |.
i=1
I Por comodidad de notación, muchas veces escribiremos un vector
columna como x = (x1 · · · xn )t ∈ Rn .

Cálculo Numérico 521230 3 / 17 DIM-Univesidad de Concepción

Distancia entre vectores. Equivalencia de normas

I Toda norma sobre un espacio vectorial V induce una distancia:

dist(v, w) := kv − wk, v, w ∈ V.
I Una sucesión {v n }n∈N ⊂ V converge a v ∈ V si dist(v n , v) → 0:

vn → v ⇐⇒ kv n − vk → 0.
I Dos normas k · k∗ y k · k• sobre un espacio vectorial V son equivalentes
si existen constantes positivas C1 y C2 tales que

C1 kvk∗ ≤ kvk• ≤ C2 kvk∗ ∀v ∈ V.

I Teorema. Todas las normas sobre un espacio de dimensión finita son
equivalentes.
I Corolario. Si k · k∗ y k · k• son dos normas cualesquiera en un espacio
de dimensión finita, entonces

kv n − vk∗ → 0 ⇐⇒ kv n − vk• → 0.

Cálculo Numérico 521230 4 / 17 DIM-Univesidad de Concepción

Producto interior

I Sea V un espacio vectorial real. Se llama producto interior sobre V

a cualquier función

h·, ·i : V × V −→ R
(v, w) 7−→ hv, wi

que satisfaga:
1. hv, vi ≥ 0 ∀v ∈ V (positividad),
2. hv, vi = 0 ⇐⇒ v=0 (no degeneración),
3. hv, wi = hw, vi ∀v, w ∈ V (simetrı́a),
4. hv, k1 w1 + k2 w2 i = k1 hv, w1 i + k2 hv, w2 i
∀v, w1 , w2 ∈ V, ∀k1 , k2 ∈ R (linealidad).

Cálculo Numérico 521230 5 / 17 DIM-Univesidad de Concepción

Producto interior (cont.)

I Ejemplo. El producto escalar en Rn :

n
X
hx, yi := xt y = xi yi , x = (x1 · · · xn )t , y = (y1 · · · yn )t ∈ Rn .
i=1

I Todo producto interior sobre un espacio vectorial V induce una norma:

p
kvk := hv, vi, v ∈ V.

En particular, el producto escalar en Rn induce la norma euclideana:

√
xt x = kxk2 , x ∈ Rn .
I Teorema. Desigualdad de Schwarz:

|hv, wi| ≤ kvk kwk ∀v, w ∈ V.

I Definición. Dos vectores v y w son ortogonales cuando hv, wi = 0:

v⊥w ⇐⇒ hv, wi = 0.

Cálculo Numérico 521230 6 / 17 DIM-Univesidad de Concepción

Representación de números reales en el computador

I Lo describiremos, por sencillez, en el sistema decimal, aunque los com-

putadores representan los números en sistema binario:

783.375 −→ +.783375 × 103

0.00843215 −→ +.843215 × 10−2
−1.23456 −→ −.123456 × 101
−0.999999 −→ −.999999 × 100

Cálculo Numérico 521230 7 / 17 DIM-Univesidad de Concepción

Almacenamiento de números reales en computador

I En el computador se almacenan el signo, la mantisa y el exponente (con

su signo) del número real.

_.
+ x 10 l dígitos
k dígitos exponente
signo mantisa (con signo)

signo exponente mantisa

I La cantidad de dı́gitos k que se utilizan para almacenar la mantisa es
fija. Por lo tanto sólo pueden almacenarse a lo sumo k dı́gitos de mantisa
de un número real.
I La cantidad de dı́gitos l que se utilizan para almacenar el exponente
también es fija. Por lo tanto hay un exponente positivo máximo y otro
exponente negativo mı́nimo que pueden llegar a representarse.

Cálculo Numérico 521230 8 / 17 DIM-Univesidad de Concepción

Overflow

I Si se intenta almacenar un número cuyo exponente positivo es mayor

que el máximo representable en el sistema, se produce un error fatal:
overflow. Por lo tanto existe un máximo número positivo que puede
representarse.
I En octave/matlab el máximo número representable es aproximada-
mente 10308 .
Si se intenta representar un número mayor, el computador devuelve Inf
(infinito) como una indicación de que se produjo un overflow:

>> a=2^1023
a =
8.988465674311580e+307
>> b=2^1024
b =
Inf

Cálculo Numérico 521230 9 / 17 DIM-Univesidad de Concepción

Underflow

I Si se intenta almacenar un número cuyo exponente negativo es menor

que el mı́nimo representable se produce un error leve: underflow. Por
lo tanto existe un mı́nimo número positivo que puede representarse. Si
se representa un número positivo menor que ese mı́nimo, el computador
almacena 0:
I En octave/matlab el mı́nimo número positivo representable es aprox-
imadamente 10−323 :

>> c=2^-1074
c =
4.940656458412465e-324

>> d=2^-1075
d =
0

Cálculo Numérico 521230 10 / 17 DIM-Univesidad de Concepción

Error de redondeo

I Si se intenta almacenar un número con más dı́gitos de mantisa que la can-

tidad máxima k que permite el sistema, sólo se almacenan los primeros
k dı́gitos.
Por ello, al representar un número real en un sistema de punto flotante,
en general se comete un pequeño error de redondeo.
I En octave/matlab se almacenan entre 15 y 16 dı́gitos decimales de
mantisa:

>> e=123456789.0123456789
e =
1.234567890123457e+08

>> f=pi

f =
3.14159265358979

Cálculo Numérico 521230 11 / 17 DIM-Univesidad de Concepción

Operaciones en punto flotante

I El computador calcula cada una de las cuatro operaciones matemáticas

fundamentales, suma (+), resta (−), producto (∗) y cociente (/), de
manera tal que el resultado que se obtiene tiene correctos el máximo
número k de dı́gitos representables.
I Por ello, en cada operación matemática también se comete un pequeño
error de redondeo:

>> g=1.0000000001*1.0000000001
g =
1.00000000020000

>> h=1+10^-17
h =
1

Cálculo Numérico 521230 12 / 17 DIM-Univesidad de Concepción

Constante de precisión

I Como se ve en el ejemplo anterior, si se calcula en punto flotante 1 + ε,

con ε suficientemente pequeño, debido al error de redondeo el resultado
que se obtiene es 1.
I La constante de precisión (o unidad de redondeo) del computador
se define como el mı́nimo número ε > 0 tal que, en punto flotante,

1 + ε 6= 1.
I Se demuestra que el error relativo que comete el computador al rep-
resentar un número real o al hacer una operación elemental en punto
flotante es menor o igual que la contante de precisión.

Cálculo Numérico 521230 13 / 17 DIM-Univesidad de Concepción

Constante de precisión (cont.)

I En octave/matlab la constante de precisión se llama eps y es aproxi-

madamente 10−16 :

>> eps
ans =
2.220446049250313e-16

>> p=(1+eps)-1
p =
2.220446049250313e-16

>> q=(1+eps/2)-1
q =
0

Cálculo Numérico 521230 14 / 17 DIM-Univesidad de Concepción

Propagación de errores

I Las integrales
Z 1
In := xn ex−1 dx, n = 1, 2, . . .
0

se relacionan mediante la expresión

In = 1 − nIn−1 , n = 2, 3, . . .

que se obtiene fácilmente por integración por partes.

I Esta expresión permite calcular esas integrales recursivamente a partir
del valor de I1 , que se calcula exactamente también por partes:
Z 1 1 Z 1
xex−1 dx = xex−1  − ex−1 dx = e−1 = 0.36787944...

I1 =
0 0 0

I Si se parte del valor aproximado Iˆ1 ≈ 0.367879 (correctamente re-

dondeado a 6 dı́gitos) se obtiene:

Iˆ2 = 0.264242, ··· Iˆ9 = −0.06848 < 0 !!!

Cálculo Numérico 521230 15 / 17 DIM-Univesidad de Concepción

Propagación de errores (cont.)

I Dado que la expresión In = 1 − nIn−1 es exacta para números reales, el

error en Iˆ9 se debe necesariamente a la propagación del error en Iˆ1 .
I Para estudiar esta propagación sea:

 = I1 − Iˆ1 = e−1 − 0.367879 ≈ 0.44 × 10−6 .

Entonces:

Iˆ1 = I1 − ,
Iˆ2 = 1 − 2Iˆ1 = 1 − 2(I1 − ) = I2 + (−2)(−),
Iˆ3 = 1 − 3Iˆ2 = 1 − 3[I2 + (−2)(−)] = I3 + (−3)(−2)(−),
..
.
Iˆ9 = 1 − 9Iˆ8 = I9 + (−9) · · · (−3)(−2)(−) = I9 − 9!.

Por lo tanto,

I9 − Iˆ9 = 9! ≈ 362 880 × 0.44 × 10−6 ≈ 0.16 e Iˆ9 = −0.06848 !

Cálculo Numérico 521230 16 / 17 DIM-Univesidad de Concepción

Propagación de errores (cont.)

I Un algoritmo como el anterior, donde el error crece en cada paso, se dice

que es inestable.
Este tipo de algoritmos debe evitarse pues propaga de manera
catastrófica los errores en los datos, como se ve en el ejemplo.
I La relación anterior puede reformularse para obtener el siguiente algo-
ritmo: 
 IN : dato,
1 − In

 In−1 := , n = N, N − 1, . . . , 3, 2.

n
I Un análisis semejante al anterior permite demostrar que, en el paso n-
ésimo de este algoritmo, el error del paso anterior se divide por n. En
consecuencia este algoritmo no sólo no amplifica los errores, sino que los
reduce.
I Un algoritmo como éste, que no amplifica los errores, se dice que es
estable.
I Por ejemplo, si se toma N = 20 e Iˆ20 = 0, verifique que mediante este
algoritmo se obtiene Iˆ9 = 0.091 612 292 990, con error menor que 10−12 .

Cálculo Numérico 521230 17 / 17 DIM-Univesidad de Concepción