Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 1
Tema 1
FUNDAMENTOS
DE LA
TEORÍA DE
ERRORES
Departamento de Matemática Aplicada
Facultad de Ingeniería
Universidad Central de Venezuela
Cálculo Numérico José Luis Quintero 1
Puntos a tratar
1. Los métodos numéricos
2. Fuentes básicas de errores
3. Definiciones importantes
4. Estimación de la propagación de errores
5. Error de una suma
6. Error de una diferencia
7. Sumatorias y series elementales
8. Algoritmo de Horner
9. Evaluación de funciones analíticas
10. Condicionamiento
Cálculo Numérico José Luis Quintero 2
Métodos numéricos
−t
Si ∆x ≤ 0.5 × 10 , se dice que xɶ tiene t
decimales correctos. También se dice
que xɶ está correctamente redondeado
a t decimales.
y = f(x1 ,..., xn )
n
n ∑ ∂f
∂xi ∆xi
∆y ≈ ∑i=1
∂f
∂xi ∆xi , δy ≈ i=1
f(x1 ,..., xn )
n n
n ∑ ∏x j
∆xi n
∏ ∑δ
i =1 j=1,j≠i
y= xi = x1 × ... × xn ; δy ≈ n
= xi
i =1
∏i =1
xi i =1
m xm−1 ∆x
y = x ; δy ≈ m
m
= mδx
x
Cálculo Numérico José Luis Quintero 19
Puntos a tratar
1. Los métodos numéricos
2. Fuentes básicas de errores
3. Definiciones importantes
4. Estimación de la propagación de errores
5. Error de una suma
6. Error de una diferencia
7. Sumatorias y series elementales
8. Algoritmo de Horner
9. Evaluación de funciones analíticas
10. Condicionamiento
Cálculo Numérico José Luis Quintero 20
Error de una suma
Ejemplo.
x1 = 2.10, x2 = 3.05, s = 5.15
xɶ 1 = 2.00, xɶ 2 = 3.00, sɶ = 5.00
∆x1 = 0.10, ∆x2 = 0.05, ∆s = 0.15
∆s = 0.15 = ∆x1 + ∆x2
Ejemplo.
∑i=1
i=
2 ∑
i=1
i =
2
2
n(n + 1)
n
∑i=1
i =
3
2
n
n
∑i=1
i =
4
30
(n + 1)(6n3 + 9n2 + n − 1)
P(k)(ξ) (k = 0,1,...,n)
Evaluación directa:
n adiciones
n(n+1)
2
multiplicaciones
n(n+3)
2
operaciones
Algoritmo de Horner:
n adiciones
n multiplicaciones
2n operaciones
Evaluación directa:
n(n + 1)(n + 5)
6
Algoritmo de Horner:
n(3n + 1)
2
Diferencia:
n(n − 1)(n − 2)
6
x=linspace(0,10,300);
y=x.*(x+1).*(x+5)/6;
z=x.*(3*x+1)/2;
plot(x,y,'r.',x,z,'g.'), grid on
xlabel('Grado del polinomio')
ylabel ('Número de operaciones')
legend('Evaluación tradicional','Algoritmo de Horner')
300
Evaluación tradicional
Algoritmo de Horner
Número de operaciones 250
200
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
Grado del polinomio
100
80
Número de operaciones
60
40
20
-20
0 1 2 3 4 5 6 7 8 9 10
Grado del polinomio
inicio
leer (n,(ai : 0 ≤ i ≤ n), ξ)
desde k = 0 hasta (n − 1) hacer
desde j = (n − 1) hasta k hacer
aj ← aj + ξaj+1
fin_desde
dj ← aj ∗ factorial(j)
fin_desde
dn ← an ∗ factorial(n)
escribir (di : 0 ≤ i ≤ n)
fin
Cálculo Numérico José Luis Quintero 35
Puntos a tratar
1. Los métodos numéricos
2. Fuentes básicas de errores
3. Definiciones importantes
4. Estimación de la propagación de errores
5. Error de una suma
6. Error de una diferencia
7. Sumatorias y series elementales
8. Algoritmo de Horner
9. Evaluación de funciones analíticas
10. Condicionamiento
Cálculo Numérico José Luis Quintero 36
Evaluación de funciones reales analíticas
EJEMPLO.
SOLUCIÓN.
500
g(500) =
501 + 500
500 500
≈ =
22.3830 + 22.3607 44.7437
= 11.1748
La respuesta
g(500) = 11.1748
tiene un error absoluto menor.
Cálculo Numérico José Luis Quintero 40
Ejercicio computacional
Considere la función
1 − cos(x)
f(x) =
x2
1. Obtenga su gráfica.
2. Verifique que f(x → 0) = 12 , analítica y
gráficamente.
3. Verifique las siguientes expresiones
equivalentes para f(x):
sen2(x) 2sen2( 2x )
f(x) = 2 y f(x) =
x (1 + cos(x)) x2
∑
2i 2 4 6 8
x x x x x
cos(x) = (−1)i =1− + − + − ...
(2i)! 2! 4! 6! 8!
i=0
clc
x=1/2;
for i=1:10
term=0.5;
sum=0;
n=0;
while (abs(term)+sum)>sum
sum=sum+term;
n=n+1;
term=term*(-1)*x*x/((2*n+1)*(2*n+2));
end
fun=(1-cos(x))/(x.*x);
fun2=((sin(x))^2/(1+cos(x)))/(x.*x);
fun3=2*(sin(x/2))^2/(x.*x);
fprintf(' n=%1.0f',n)
fprintf(' i=%1.0f',i)
fprintf(' taylor=%1.28f ',sum)
fprintf(' funcion=%1.28f ',fun)
fprintf(' funcion2=%1.28f ',fun2)
fprintf(' funcion3=%1.28f\n',fun3)
x=x.^2;
end
ERimagenes = K.ERpreimagenes
f(x + h) − f(x) xf '(x) h
≈
f(x) f(x) x
x=linspace(-1,1,3000);
y=exp(x);
z=abs(x);
plot(x,y,'r.',x,z,'g.'), grid on
xlabel('Preimagenes')
ylabel ('Imagenes')
legend('Condición absoluta','Condición relativa')
title('Funciones de condicionamiento para y = exp(x)')
2
Imagenes
1.5
0.5
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Preimagenes
A 1
= max
1≤ j≤n
∑ aij
i =1
n
A ∞
= max
1≤ i ≤ n
∑ aij
j=1
n n
A e
= ∑∑a
i =1 j=1
2
ij