MÉTODOS

NUMÉRICOS

Docente:
Richard J.
Cubas Becerra MÉTODOS NUMÉRICOS
—Sesión No 01—

Docente: Richard Javier Cubas Becerra

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Facultad de Ingenierı́a de Sistemas e Informática
Escuela de Ingenierı́a de Sistemas

Ciclo de Verano 2024-0

1/40
 MÉTODOS
NUMÉRICOS

Docente:
CONTENIDO
Richard J.
Cubas Becerra
• Conceptos preliminares
• Almacenamiento de un número en el computador
• Teorı́a de errores
• Orden de convergencia

2/40
 MÉTODOS
NUMÉRICOS

Docente:
¿Qué son los métodos numéricos?
Richard J.
Cubas Becerra
Los métodos numéricos son un conjunto de técnicas matemáticas
y algoritmos que se utilizan para resolver problemas matemáticos
y cientı́ficos mediante el empleo de cálculos numéricos en lugar
de soluciones analı́ticas.

Solución = métodos numéricos (algoritmos) + lenguaje de

programación (programas)

Los métodos numéricos no llegan a una solución exacta en al-

gunos casos, pero sı́ llegan a una solución lo suficientemente
aceptable para tomarla como correcta. Para llegar a esa solución
se requiere, a veces, que se hagan muchos cálculos para cum-
plir una condición de diseño dada, aquı́ otra vez se observa la
necesidad de cálculos y si incorporamos la tecnologı́a, entonces
tenemos una herramienta poderosa que ayuda al ingeniero a rea-
lizar su trabajo.

3/40
 MÉTODOS
NUMÉRICOS

Docente:
Richard J.
Cubas Becerra

Conceptos preliminares

4/40
 MÉTODOS
NUMÉRICOS

Docente:
Sistemas de numeración
Richard J.
Cubas Becerra
Los sistemas de numeración constan de un conjunto de sı́mbolos
disponibles en el sistema (dı́gitos y letras), y las reglas que se
aplican para construir cantidades grandes.
Definición 1
Los sı́mbolos o dı́gitos pueden ser 1, 2, 3, 4, 5, etc. y letras A,
B, C, D.
La representación de una cantidad en un sistema de numeración
cualquiera se construye con la siguiente fórmula:

d × bp

Donde d es cada dı́gito de la cantidad, b es la base numérica y p

es la posición que guarda el dı́gito dentro de la cantidad, siendo
0 la primera posición de derecha a izquierda.

5/40
 MÉTODOS
NUMÉRICOS

Docente:
Sistema decimal
Richard J.
Cubas Becerra
En un Sistema decimal la base es 10 y los dı́gitos válidos en
una cantidad son {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
Entonces la cantidad 328 en base 10 representa la cantidad

3 ∗ 102 + 2 ∗ 101 + 8 ∗ 100

3 ∗ 100 + 2 ∗ 10 + 8 ∗ 1
300 + 20 + 8
328

El sistema decimal es el que usamos para representar cantida-

des y hacer cálculos. Fue adoptado por nosotros por la sencilla
razón que tenemos 10 dedos y es práctico usarlos para contar.
En esa época ya usábamos zapatos, de otra manera usarı́amos
el sistema 20.

6/40
 MÉTODOS
NUMÉRICOS

Docente:
Sistema binario
Richard J.
Cubas Becerra
En un sistema binario la base es 2 y los dı́gitos válidos en una
cantidad son {0, 1}. Esto quiere decir que sólo se pueden usar
los dı́gitos 0 y 1 , no es posible usar otros dı́gitos como 2, 3, 4,
etc.
La posición de los dı́gitos se aplica de igual manera en el siste-
ma binario, es decir que los dı́gitos se multiplican por la base
elevada a la posición.
Ejemplo 1. la cantidad 1101 en base 2 representa la canti-
dad
1 ∗ 23 + 1 ∗ 22 + 0 ∗ 21 + 1 ∗ 20
1∗8+1∗4+0∗2+1∗1
8+4+0+1
13

7/40
 MÉTODOS
NUMÉRICOS

Docente:
Sistema octal
Richard J.
Cubas Becerra
En un sistema octal la base es 8 y los dı́gitos válidos en una
cantidad son {0, 1, 2, 3, 4, 5, 6, 7}. Esto quiere decir que sólo se
pueden usar los dı́gitos 0 al 7 , no es posible usar otros dı́gitos
como 8 o 9 .
La posición de los dı́gitos se aplica de igual manera que en los
sistemas anteriores, es decir, que los dı́gitos se multiplican por
la base elevada a la posición.
Ejemplo 2. La cantidad 32 en base 8 representa la cantidad

3 ∗ 81 + 2 ∗ 80
3∗8+2∗1
24 + 2
26

8/40
 MÉTODOS
NUMÉRICOS

Docente:
Números fraccionarios en el
Richard J.
Cubas Becerra sistema decimal
Como sabemos, el sistema decimal tiene la base 10 y los dı́gi-
tos son {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}. Sólo que la posición después
del punto inicia con -1, luego sigue -2, etc. La cantidad 0.537
en base 10 representa la cantidad

5 ∗ 10−1 + 3 ∗ 10−2 + 7 ∗ 10−3

5 ∗ 0,1 + 3 ∗ 0,01 + 7 ∗ 0,001
0,5 + 0,03 + 0,007
0,537

9/40
 MÉTODOS
NUMÉRICOS

Docente:
Números fraccionarios en el
Richard J.
Cubas Becerra sistema binario
En el sistema binario también se representan cantidades con
fracción y la posición de igual forma es negativa, se debe re-
cordar que la base es 2.
Ejemplo 3. La cantidad 0.011 en base 2 representa la canti-
dad
0 ∗ 2−1 + 1 ∗ 2−2 + 1 ∗ 2−3
0 ∗ 0,5 + 1 ∗ 0,25 + 1 ∗ 0,125
0 + 0,25 + 0,125
0,375

10/40
 MÉTODOS
NUMÉRICOS

Docente:
Números fraccionarios en el
Richard J.
Cubas Becerra sistema octal
En el sistema octal (base 8), la posición de los dı́gitos se aplica
de igual manera, es decir, los dı́gitos se multiplican por la base
elevada a la posición negativa.
Por ejemplo, la cantidad 0.732 en base 8 representa la canti-
dad
7 ∗ 8−1 + 3 ∗ 8−2 + 2 ∗ 8−3
7 ∗ 0,125 + 3 ∗ 0,015625 + 2 ∗ 0,001953125
0,875 + 0,046875 + 0,00390625
0,92578125

11/40
 MÉTODOS
NUMÉRICOS

Docente:
Cambio de sistema para enteros
Richard J.
Cubas Becerra
De acuerdo con la ecuación d × bp convierte una cantidad de
cualquier base a la base 10 . Para hacer el proceso contrario
entonces se debe dividir entre la base a la que se requiere con-
vertir. Esta división debe ser una división entera.
Ejemplo 4. Para convertir el número 26 que está en base 10
a base 2, se toma la cantidad 26 y se hacen divisiones ente-
ras entre la base a la que se quiere convertir, en este caso 2.
Hasta que el resultado sea 0 . Los dı́gitos de la columna del
residuo son la cantidad convertida.

La cantidad en binario es 11010. 12/40

 MÉTODOS
NUMÉRICOS
Ejemplo 5. Convertir decimal a octal. Convertir el número
Docente:
Richard J. 26 que está en base 10 a base 8. Se toma la cantidad 26 y
Cubas Becerra
se hacen divisiones enteras entre la base 8 . Hasta que el
resultado sea 0.

La cantidad en octal es 32.

13/40
 MÉTODOS
NUMÉRICOS

Docente:
Cambio de sistema para fracciones
Richard J.
Cubas Becerra
De acuerdo con la ecuación d × b−p convierte una cantidad de
cualquier base a la base 10. Multiplicar por b−p realmente es
dividirlo entre la base. Para hacer el proceso contrario entonces
se debe multiplicar por la base.
Para hacer la conversión se toma la parte fraccionaria y se
multiplica por la base, del resultado se vuelve a tomar sólo la
parte fraccionaria y se multiplica por la base, se repite el mis-
mo procedimiento hasta que la parte fraccionaria es 0 . Los
dı́gitos que quedan en la parte entera de cada multiplicación
son los dı́gitos de la cantidad en la nueva base.

14/40
 MÉTODOS
NUMÉRICOS Ejemplo 6. Convertir el número 0.1875 que está en base 10a
Docente:
Richard J. base 2. Se toma la parte fraccionaria 0.1875 y se multiplica
Cubas Becerra
por 2 (base a la que se quiere convertir), del resultado sólo
se toma la parte fraccionaria y se multiplica por 2 . Se re-
pite el mismo procedimiento hasta que la parte fraccionaria
sea 0 . Los dı́gitos de la parte entera son la cantidad conver-
tida.

La cantidad en binario es 0.00110 15/40

 MÉTODOS
NUMÉRICOS

Docente:
Cómo se almacenan los números
Richard J.
Cubas Becerra en la memoria de la computadora
Como sabemos, las computadoras trabajan con el sistema numéri-
co binario. Por lo tanto, los números tendrán que ser convertidos
a ese sistema para poder ser almacenados y procesados por una
computadora.
El almacenamiento se hace sobre una localidad de memoria lla-
mada word, la palabra de una computadora puede ser de 16,32 o
64 bits 2 . Para una palabra de 16 bits se entiende que cuenta con
16 espacios para almacenar los dı́gitos binarios de la cantidad.
En el bit 0 se almacena el signo de la cantidad ( 0 = Positivo, 1
= Negativo).
De tal manera que si queremos saber cómo se almacena el núme-
ro decimal 26 en una memoria de 16 bits, primero se convierte
a binario 11010 (cuadro: 1.1), luego se coloca en las posiciones
adecuadas.

16/40
 MÉTODOS
NUMÉRICOS
De tal manera que si queremos saber cómo se almacena el
Docente:
número decimal 26 en una memoria de 16 bits, primero se con-
Richard J. vierte a binario 11010, luego se coloca en las posiciones ade-
Cubas Becerra
cuadas.
Bit 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0

En el Bit 0 se almacena 0 indicando que la cantidad es positi-

va, los dı́gitos se alinean a la izquierda llenando el resto de los
espacios con 0 .
Como es de esperarse, la cantidad más grande entera positiva
que se puede almacenar en una palabra (word) de 16 bits es
0111111111111111 que corresponde al número 32767 .

17/40
 MÉTODOS
NUMÉRICOS

Docente:
Notación cientı́fica
Richard J.
Cubas Becerra
En ciencias e ingenierı́a, se manejan cantidades muy grandes
o pequeñas, para representarlas se utiliza la notación cientı́fica
que se compone de la mantisa y la caracterı́stica.

mantisa × 10caracterı́stica

Definición 2
• Mantisa: La mantisa es la cantidad numérica expresada con
el formato 9.999 indicando los dı́gitos más significativos y
1 ≤ mantisa < 10(forma normal).
• Caracterı́stica: La caracterı́stica es la cantidad de posicio-
nes que se desplaza el punto para que la mantisa quede
expresada como se requiere.

18/40
 MÉTODOS
NUMÉRICOS
Ejemplo 7. El número de Avogadro es una constante funda-
Docente:
Richard J. mental en quı́mica y fı́sicay su valor aproximado es 6,022 ×
Cubas Becerra
1023 moléculas. Para el número de Avogadro la mantisa es
el número 6.022 y la caracterı́stica es 23. Ambas cantidades
se separan por la letra e o E. Entonces el número de Avoga-
dro expresado en notación cientı́fica es:

Número de Avogadro = 6.022e23

Para los números muy pequeños, como la carga del electrón,

la caracterı́stica es negativa, ya que el punto se desplaza a
la izquierda.

Carga del electrón = −1,60e − 19

Como el punto se puede desplazar a la derecha o izquierda,

a estos números también se les llama de coma flotante.

19/40
 MÉTODOS
NUMÉRICOS

Docente:
Formas subnormales
Richard J.
Cubas Becerra
El formato de la mantisa 9.99 está en la forma normal, aunque
la mantisa también podrı́a expresarse como 99.9 ó 0.999 , esto
cambiarı́a el valor de la caracterı́stica aumentando o disminuyen-
do en 1. Estas otras formas se llaman formas subnormales.
Ejemplo 8. El número 123 se puede expresar de distintas
maneras usando la notación cientı́fica.
• 0.123e3 Forma Subnormal
• 1.23e2 Forma Normal
• 12.3e1 Forma Subnormal
• 123e0 Forma Subnormal
• 1230e-1 Forma Subnormal
La primera forma subnormal 0,123e3 es la que utilizan las compu-
tadoras para almacenar los números de coma flotante. Claro que
primero se convierten al sistema binario, tanto la mantisa como
la caracterı́stica y entonces se almacena en la palabra (word) de
16, 32 o 64 bits. 20/40
 MÉTODOS
NUMÉRICOS

Docente:
Almacenamiento de un número
Richard J.
Cubas Becerra
Supongamos que queremos almacenar una palabra de 16 bits,
esta palabra se divide en dos partes para poder almacenar los
números de coma flotante, la primera parte es para almacenar
la caracterı́stica (primeros 7 dı́gitos) y la segunda parte para
almacenar la mantisa (dı́gitos restantes). El signo de la mantisa
se indica en el bit 0 , el signo de la caracterı́stica en el bit 1 .

Ejercicio 1. Almacenar el número - 125.32.

21/40
 MÉTODOS
NUMÉRICOS
Solución. Pasos a seguir:
Docente:
Richard J. 1 Primero convertimos la parte entera 125 a binario 1111101
Cubas Becerra
2 Luego se convierte la parte fraccionaria 0.32 .

0,010100011110101

3 Se juntan ambos números y se expresa en la forma sub-

normal. La caracterı́stica también se convierte a binario
para poder almacenarla en la memoria:

−0,1111101010100011110101 × 2111

Se almacena en la palabra (word) de 16 bits usando los es-

pacios para la caracterı́stica y la mantisa.

22/40
 MÉTODOS
NUMÉRICOS En el ejemplo se observa que no es posible almacenar todos los
Docente: dı́gitos en la palabra de 16 bits
Richard J.
Cubas Becerra
0,11111010 10100011110101 . . .

Para una computadora que tenga un sistema operativo de 32 o

64 bits, la mantisa es más grande para tratar de almacenar los
más dı́gitos posibles y permitiendo mayor precisión.

Se observa un error de redondeo al no ser capaz de almacenar

el valor exacto de la resta.

23/40
 MÉTODOS
NUMÉRICOS

Docente:
Richard J.
Cubas Becerra

Teorı́a de Errores

24/40
 MÉTODOS
NUMÉRICOS

Docente:
Errores
Richard J.
Cubas Becerra
En el cálculo numérico, es esencial considerar que las soluciones
obtenidas por computadora no son matemáticamente exactas.
La precisión de tales soluciones puede disminuir debido a varios
factores, algunos de los cuales son intrı́nsecamente sutiles.
Definición 3
Un error se define simplemente como la diferencia entre el
valor obtenido y el valor correcto.

E = Valor Verdadero - Valor Aproximado

Los errores que son importantes para nuestro curso son:

• Error de redondeo: Los errores de redondeo se generan
cuando se eliminan dı́gitos de una cantidad
• Error de truncamiento: Los errores de truncamiento se ge-
neran cuando se eliminan términos de una expresión, como
por ejemplo la serie de Taylor que puede tener un número25/40
 MÉTODOS
NUMÉRICOS

Docente:
Error absoluto y relativo
Richard J.
Cubas Becerra
Definición 4
Supongamos que x es una aproximación a x.
• El error absoluto de la aproximación esta definida como

EA =| Valor Verdadero - Valor Aproximado |= |x − x|.

• El error relativo cuando x ̸= 0 esta definida como

EA |x − x|
ER = = .
| Valor Verdadero | |x|
• El error porcentual cuando x ̸= 0 esta definida

|x − x|
ERP = ER × 100 = × 100.
|x|

26/40
 MÉTODOS
NUMÉRICOS
Ejemplo 9. Supóngase que usted tiene una cuenta en el ban-
Docente:
Richard J. co y de acuerdo con sus cargos y abonos usted deberı́a tener
Cubas Becerra
$1 000 000, pero el banco le reporta un saldo de $999 990,
entonces:

EA = |1 000 000 − 999 990| = 10

|1 000 000 − 999 990|
ER = = 0,00001
|1 000 000|
|1 000 000 − 999 990|
ERP = ∗ 100 = 0,001 %
1 000 000|

¿Que pasarı́a con el error porcentual si en lugar de

$1 000 000 y $999 990 se hubiera tenido $100 y $90,
respectivamente?

27/40
 MÉTODOS
NUMÉRICOS Ejemplo 10. Suponga que tiene el siguiente algoritmo de
Docente:
Richard J.
cálculo
Cubas Becerra a = 0,2145
b = 0,2144
c = 0,1000e5
x = (a − b)c
Con estos valores se obtiene x = 1, el cual consideramos
como correcto. Sin embargo, supóngase que a fue calculada
con un valor de 0.2146 (error absoluto 0.0001 , error relativo
de 0.00046 y ERP = 0,046 %). Usando este valor de a vuel-
va a efectuar el mismo algoritmo
a = 0,2146
b = 0,2144
c = 0,1000e5
x = (a − b)c
Se obtiene como respuesta x = 2. Un error del 0,046 % de
pronto provoca un error del 100 %. 28/40
 MÉTODOS
NUMÉRICOS

Docente:
Series de Taylor
Richard J.
Cubas Becerra Muchos métodos numéricos utilizan aproximaciones a las solu-
ciones, estas aproximaciones se hacen con polinomios de distin-
tos grados para que sean analı́ticos en un rango más amplio. La
construcción del polinomio se basa en la serie de potencias de
Newton
f (x) = C0 +C1 (x − x0 )+C2 (x − x0 )2 +C3 (x − x0 )3 +C4 (x − x0 )4 +. . .

Donde las Ci son constantes a determinar, x0 es un punto inicial

y x es el punto donde se desea evaluar la función.

Si f es de clase C ∞ , para determinar las Ci , hacemos x = x0 y

vamos buscando evaluando en las derivadas de todas las ordenes
de la función y obtenemos:
n
X f (i) (x)
f (x) = (x − x0 )i .
i!
i=0

29/40
 MÉTODOS
NUMÉRICOS

Docente:
Series de Taylor
Richard J.
Cubas Becerra
La fórmula anterior por extensión es

Cuando x0 = 0, la serie de Taylor se conoce como serie de

MacLaurin.

30/40
 MÉTODOS
NUMÉRICOS

Docente:
Error de truncamiento
Richard J.
Cubas Becerra
La noción de error de truncamiento se refiere normalmente a
los errores que se producen cuando una expresión matemática
complicada se reemplaza por una fórmula más simple. Esta ter-
minologı́a se originó en la sustitución de una función por uno de
sus polinomios de Taylor. Por ejemplo, podrı́amos reemplazar la
serie de Taylor

2 x4 x6 x8 x2n
ex = 1 + x2 + + + + ··· + + ···
2! 3! 4! n!
x4 x6 x8
por los cinco primeros términos 1 + x2 + 2! + 3! + 4! a la hora
de calcular una integral numéricamente.

31/40
 MÉTODOS R 1/2 2
NUMÉRICOS Ejemplo 11. Sabiendo que 0 ex dx = 0,544987104184 = p,
Docente:
Richard J.
vamos a determinar la precisión de la aproximación obteni-
2
Cubas Becerra da al reemplazar el integrando f (x) = ex por la serie de
4 6 8
Taylor truncada P8 (x) = 1 + x2 + x2! + x3! + x4! . Integrando
término a término este polinomio, obtenemos
1/2 x=1
x4 x6 x8 x3 x5 x7 x9
Z   
1 + x2 + + + dx = x+ + + +
0 2! 3! 4! 3 5(2!) 7(3!) 9(4!) x=0
1 1 1 1 1
= + + + +
2 24 320 5376 110592
2109491
= = 0,544986720817 = p.
3870720

Puesto que 10−5 /2 > |p − p|/|p| = 7,03442 × 10−7 >

10−6 /2, la aproximación p coincide con el valor exacto p =
0,544987104184 en cinco cifras significativas.

32/40
 MÉTODOS
NUMÉRICOS
Definición 5
Docente:
Richard J. • Serie Truncada de Taylor: La Serie Truncada de Taylor
Cubas Becerra
se compone de los primeros n términos de la serie que se
consideran para hacer la aproximación a la función.
• Residuo de la Serie Truncada de Taylor: El residuo de
la Serie Truncada de Taylor son los últimos términos de la
serie a partir de la cual se trunca.

Ejercicio 2. Obtener la serie truncada de MacLaurin de sex-

to orden de
f (x) = cos(x)

Ejercicio 3. Obtener la serie truncada de Taylor de f (x) =

ln(x) de cuarto orden con x0 = 1.

33/40
 MÉTODOS
NUMÉRICOS En series de Taylor, hay un indicio del error que se comete,
Docente: pues se entenderá dicho error como proveniente de los térmi-
Richard J.
Cubas Becerra nos que no se tuvieron en cuenta. En dicho caso, el error es-
tarı́a dado por:
f (n+1) (c) f (n+2) (c)
Rn (x) = (x − c)n+1 + (x − c)n+2 + · · ·
(n + 1)! (n + 2)!
Usando el teorema del valor medio, es posible reescribir la ex-
presión anterior como
f (n+1) (ξ)
Rn (x) = (x − c)n+1 ,
(n + 1)!
donde ξ se encuentra entre x y c. Esta fórmula se conoce co-
mo error de truncamiento, o término de error en forma de La-
grange. Se debe considerar que, aunque se garantiza la exis-
tencia de ξ, no se tiene, en general, una forma explı́cita de en-
contrar dicho valor. Con los elementos anteriores, la serie de
Taylor se suele escribir como
f (x) = Pn (x) + Rn (x).
34/40
 MÉTODOS
NUMÉRICOS
Observación. En otras situaciones o contextos, es también
Docente:
Richard J. conveniente trabajar con la forma integral del error de trun-
Cubas Becerra
camiento o término de error, dada por
x
f (n+1) (t)
Z
Rn (x) = (x − t)n dt
c n!

Ejercicio 4. Calcular la serie de Taylor de f (x) = sinx alre-

dedor de c = 0, el polinomio de orden dos, orden tres, y los
correspondientes errores de truncamiento.

35/40
 MÉTODOS
NUMÉRICOS

Docente:
Orden de Convergencia
Richard J.
Cubas Becerra
Cuando se utiliza un método iterativo, es útil conocer la ve-
locidad de convergencia, constituyendo lo anterior un criterio
para determinar la eficiencia de un procedimiento en la solu-
ción de un problema particular. Para entender este concepto y
desarrollarlo en algunos casos especiales, es necesario presentar
algunas definiciones.
Definición 6
Sea {pn }∞
n=0 una sucesión convergente, p el lı́mite de la sucesión,
pn ̸= p para todo n ∈ N. Si existen λ y α números reales
positivos tales que

|pn+1 − p|
lı́m =λ
n→∞ |pn − p|α

entonces se dice que {pn }∞

n=0 es una sucesión que converge a p
con orden α y constante de error asintótico λ.
36/40
 MÉTODOS 1 ∞
NUMÉRICOS Ejemplo 12. La sucesión n n=0 converge a cero con orden
Docente:
Richard J. uno.
Cubas Becerra

Solución. Para comprobar que la sucesión pn = n1 converge a

0 con orden uno es necesario demostrar que el lı́mite
|pn+1 − p|
lı́m
n→∞ |p − p|1
n

existe y es un número real positivo. En este caso,

1
|pn+1 − p| n+1 −0 n
lı́m = lı́m = lı́m =1
n→∞ |p − p|1 n→∞ 1
−0
1 n→∞ n + 1
n n
1 ∞
y por tanto la convergencia de n n=0 es de orden uno.

Observación. Note que entr más alto sea el orden de un

método, deberı́a presentarse una convergencia más rápida.
37/40
 MÉTODOS
NUMÉRICOS

Docente:
Notación O
Richard J.
Cubas Becerra
La notación O es usada ampliamente para describir el compor-
tamiento asintótico de funciones o sucesiones. En el contexto
de los métodos numéricos, se usa para describir términos de
error. La notación O también es usada en el contexto de las
ciencias de la computación para clasificar algoritmos de acuer-
do a su complejidad. A continuación, se tiene la definición for-
mal.
Definición 7
Sean f (x) y g(x) funciones reales. Decimos que f (x) = O(g(x))
cuando x → ∞ si existe un x0 y una constante M tal que

|f (x)| ≤ M g(x) para x ≥ x0 .

Decimos que |f | se encuentra dominada asintóticamente por arri-

ba mediante la función g.

38/40
 MÉTODOS
Ejemplo 13. e
x − 1 − x = O x2 o equivalentemente ex =


NUMÉRICOS

Docente:
Richard J. 1 + x + O x2
Cubas Becerra

Solución. Para comprobar que ex − 1 − x = O x2 , se usa

2
la expansión en serie de Taylor ex = 1 + x + eξ x2 donde
ξ se encuentra entre 0 y x. En dicho caso, |ex − 1 − x| =
eξ 2 ξ
2 x , y dado que x → 0, se puede asumir que e ≤ 1 y por
x 1 2
tanto |e − 1 − x| ≤ 2 x para x suficientemente pequeño, de
donde se sigue el resultado.

Ejercicio 5. Usando argumentos similares al anterior, se tie-

ne que sin x = x + O x3 , hecho que se usa frecuentemente

en la solución al problema del péndulo simple.

39/40
 MÉTODOS
NUMÉRICOS

Docente:
Richard J.
Cubas Becerra

¡MUCHAS GRACIAS
POR SU ATENCIÓN!

40/40