Métodos Numéricos Aplicados I

Máster en Ingeniería Matemática y Computación

Tema 2:
Preliminares de Cálculo Numérico

⇢ Dr. Abdelmalik Moujahid

Universidad Internacional de La Rioja

Contenido

1. Introducción
2. Definición de errores
3. Errores de redondeo
4. Errores de truncamiento

2 2
Objetivos

Saber reconocer los errores inherentes del

cálculo numérico
Saber estimar dichos errores y, si es posible,
reducirlos

3 3
1-Introducción

Fuentes de los errores numéricos

 Adoptar una aproximación de la solución de un

problema.

 Limitaciones físicas de las máquinas o ordenadores.

 Operaciones numéricas (adicición de números con

distintas magnitudes o resta de números muy
cercanos)

4 4
1-Introducción

Teorema de Taylor

Sea 𝑓(𝑥) una función 𝐶 𝑛+1 en el intervalo [𝑎, 𝑏] para 𝑛 ≥ 0, y sea 𝑥, 𝑥0 ∈

[𝑎, 𝑏]. Entonces:
𝑓 𝑥 = 𝑝𝑛 𝑥 + 𝑅𝑛 𝑥
Para
𝑛 𝑥−𝑥0 𝑘 𝑘
𝑝𝑛 𝑥 = σ𝑘=0 𝑓 𝑥0
𝑘!

1 𝑥
𝑅𝑛 𝑥 = ‫׬‬ 𝑥 − 𝑡 𝑛𝑓 𝑛+1 𝑡 𝑑𝑡,
𝑛! 𝑥0
Además ∃𝜂𝑥 entre 𝑥0 y 𝑥 tal que
𝑥 − 𝑥0 𝑛+1 𝑛+1
𝑅𝑛 𝑥 = 𝑓 (𝜂𝑥 )
𝑛+1 !
5 5
Introducción

Noción de Aproximación

Generalmente, la aproximación 𝐴መ depende de un parámetro que denotamos

por ℎ que tiende hacia 0, o de un entero 𝑛 que tiende hacia infinito:

𝐥𝐢𝐦 𝑨𝒉 = 𝑨 𝑨𝒉 ≈ 𝑨
𝒉→𝟎

𝒍𝒊𝒎 𝑨𝒉 = 𝑨 𝑨𝒏 ≈ 𝑨
𝒏→∞

6 6
1-Introducción

Orden convergencia (“Big O”)

Supongamos que tenemos un valor 𝑦 y una familia de valores {𝑦ℎ } que
aproximan 𝑦, es decir,
𝒚 ≈ 𝒚𝒉 ,
para valores pequeños de ℎ.

Si ∃𝐶 > 0 tal que 𝑦 − 𝑦ℎ ≤ 𝐶𝛽(ℎ), entonces se dice que

𝒚 = 𝒚𝒉 + 𝑶(𝜷 𝒉 ), cuando 𝒉 → 𝟎

7 7
1-Introducción

Orden de convergencia (“Big O”)

 Ejemplo:

∞ 𝒏
𝑨 = න 𝒆−𝟐𝒙 𝒅𝒙, 𝑨𝒏 = න 𝒆−𝟐𝒙 𝒅𝒙
𝟎 𝟎

1 1 1
Es fácil verificar que 𝐴 = , 𝐴𝑛 = − 𝑒 −2𝑛 , entonces
2 2 2

𝑨 = 𝑨𝒏 + 𝑶 𝒆−𝟐𝒏

8 8
1-Introducción

Orden de convergencia de un algoritmo

 Sea 𝐴 una cantidad que queremos calcular, y sea 𝑨𝒏 la n-essima

aproximación de A.

 Si 𝜖𝑛 = |𝐴 − 𝐴𝑛 | es el error absoluto de la n-essima aproximación,

entonces para 𝑛 grande, tenemos la siguiente relación:

|𝜖𝑛+1 | = 𝑘 𝜖𝑛 𝑝 , 𝑝 ≥ 1, 𝑘>0

p es el orden de convergencia del algoritmo.

 Valores grandes de 𝑝 indican una convergencia rápida.

9 9
2-Definición de errores

Sea 𝐴 una cantidad que queremos calcular, y sea 𝑨𝒉 una aproximación de dicha
cantidad, entonces el error es la diferencia
𝒆𝒓𝒓𝒐𝒓 = 𝐴 − 𝐴ℎ ;
El error absoluto es el valor absoluto del error:
𝒆𝒓𝒓𝒐𝒓 𝒂𝒃𝒔𝒐𝒍𝒖𝒕𝒐 = |𝐴 − 𝐴ℎ |;
El error relativo es el error normalizado por el valor absoluto del valor exacto:

𝐴 − 𝐴ℎ
𝒆𝒓𝒓𝒐𝒓 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 = .
|A|
Se asume que 𝐴 ≠ 0

10 10
2-Definición de errores: Ejemplo

 Aproximar el número: 𝒙 = 𝒆−𝟏𝟔 = 𝟎. 𝟏𝟏𝟐𝟓𝟑𝟓𝟏𝟕𝟒𝟕 × 𝟏𝟎−𝟔

Sea 𝒚 = 𝟎, una aproximación de 𝒙. El error absoluto es

𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = 𝑥 − 𝑦 < 1.2 × 10−7

Es un error muy pequeño, sin embargo, está claro que 𝑦 = 0 no es una buena
aproximación.

 Aproximar el número 𝒛 = 𝒆𝟏𝟔 = 𝟎. 𝟖𝟖𝟖𝟔𝟏𝟏𝟎𝟓𝟐𝟏 × 𝟏𝟎𝟕

Sea 𝒘 = 𝟎. 𝟖𝟖𝟖𝟔𝟏𝟏𝟎𝟓𝟏𝟕 × 𝟏𝟎𝟕 , una aproximación de 𝒙. El error absoluto es

𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 = 𝑧 − 𝑤 = 4 × 10−3

es un error lejos de ser pequeño teniendo en cuenta que 𝑤 comparte 9 cifras correctas
con 𝑧.

11 11
2-Definición de errores: Ejemplo

 Si ahora calculamos los errores relativos, tenemos:

𝑥−𝑦
𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 = =1
|𝑥|

indicando que la aproximación 𝑦 no tiene ninguna cifra correcta

𝑧−𝑤
𝑒𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 = = 0.0000000003947588962
|𝑧|

Indicando que entorno a 9 cifras son correctas.

 El error relativo devuelve el número de dígitos correctos en una

aproximación.

12 12
3-Errores de redondeo

 Tienen su origen en las limitaciones que tienen

las máquinas en representar de forma exacta

algunos números. Por ejemplo,

 Mantisa (f): limitaciones en la

precisión

 Representar números con precisión finita (con  Exponente (e): limitaciones

en el rango de valores que
podemos representar
un número finito de bits).

 Son proporcionales a la magnitud.

13 13
3-Errores de redondeo

 Dados los siguientes números

1 2
− 100
𝑎= 𝑒 = 0.9999000049998
1 2 13 cifras significativas
−
𝑏= 𝑒 1000 = 0.9999990000005

 Su diferencia (𝑏 − 𝑎)
𝑏 − 𝑎 = 0.0000989950006 9 cifras significativas

14 14
3-Errores de redondeo

 Machine épsilon (𝝐):

𝝐 𝝐
 Consideremos los siguientes números: 𝒂 = 𝟏, 𝒃 = , 𝒄 =
𝟐 𝟐

 Si queremos sumar estos números, nos damos cuenta que las siguientes
sumas no son equivalentes:

𝜖 𝜖
𝑎+𝑏 +𝑐 = 1+ + =1
2 2

𝑎+ 𝑏+𝑐 =1+𝜖 >1

15 15
3-Errores de redondeo

 Considerar la siguiente función:

sin 1 + ℎ − sin 1
𝑓 ℎ =
ℎ

Para ℎ muy pequeno, 𝑓 ℎ ≈ 𝑠𝑖𝑛′ 1 = cos 1 = 0.5403.

 Veamos qué ocurre cuando implementemos esto en Matlab 

16 16
4-Errores de truncamiento

 Los errores de truncación tienen su origen en la aplicación de una

aproximación de un método matemático exacto.

 Truncamiento en las series de Taylor

 Aproximación de la derivada usando los métodos de diferencias

finitas

17 17
4-Errores de truncamiento

18 18
Matlab

19
www.unir.net