Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Análisis Numérico L2 1
R.W. Hamming
1. Errores
Tener presente que existen dos tipos de errores que casi siempre se manifiestan en los
cálculos mediante las computadoras:
a1 , a2 , a3 , . . .
Serie
a1 + a2 + a3 + . . .
F13.1 Análisis Numérico L2 2
| ai − b |<
N
X
SN = ai
i=1
se dice la serie ∞
P
i ai converge si la secuencia P
de las sumas parciales SN tiende a cierto
número b cuando N → ∞. Entonces se escribe ∞ i=0 ai = b
Ejemplos de series mas comunes
∞
x x2 x3 X xk
e =1+x+ + + ... = (1)
2! 3! k!
k=o
∞
x3 x5 X x2k+1
sin(x) = x − + − ... = (−1)k (2)
3! 5! (2k + 1)!
k=o
∞
x2 x3 X xk
ln(1 + x) = x − + − ... = (−1)k−1 , (−1 < x ≤ 1) (3)
2 3 k
k=1
h 0 h2 hm (m)
f (x) = f (a) + f (a) + f 00 (a) + . . . + f (a) + . . . (4)
1 2! m!
donde h = x − a
En la practica es obligado truncar la serie luego de cierto término, es decir
h 0 h2 hN (N )
f (x) = f (a) + f (a) + f 00 (a) + . . . + f (a) + 0(hN +1 ) (5)
1 2! N!
F13.1 Análisis Numérico L2 3
hN +1
0(hN +1 ) = f (N +1) (a + ξh) , 0≤ξ≤1 (6)
(N + 1)!
Ejemplo
Consideremos la expansión de Taylor
x2 xn
ex = 1 + x + + ... + + ..
2! n!
Si esta formula se usa para calcular f = e0,1 obtenemos:
(0,1)2 (0,1)3
f = 1 + 0,1 + + + .. (7)
2! 3!
Si truncamos la serie a 5 terminos
(0,1)2 (0,1)3 (0,1)4
f ≈ 1 + 0,1 + + + = f ∗ = 1,10517083
2! 3! 4!
El error de truncación ET
(0,1)5 (0,1)6
ET = f ∗ − f = − − − ...
5! 6!
En este caso concreto es facil de estimar el error de truncación
(0,1)5 0,1 (0,1)2 (0,1)3
|ET | = 1+ + + + ..
5! 6 6×7 6×7×8
(0,1)5 (0,1)2 (0,1)3
= ≤ 1 + 0, 1 + + + ..
5! 1×2 1×2×3
(0,1)5 0,1 0,00001
= ≤ e ≈ × 1,10517083 ≈ 10−7
5! 120
* Números
- Enteros (1,-7,0,26)
- Reales/Punto flotante(4/5, 3.14,-25.63)
* Letras
- Caracteres (g,#,/);simbolos tipográficos
- Lógicos (TRUE,FALSE)
Ejemplo
(628,7932)10 = (100111010,1100101)2
Las computadoras digitales representan a los puntos flotantes como valores discretos,
No como valores continuos.
Debido a la naturaleza finita de las maquinas, el número con punto flotante no siem-
pre pueden ser representados exactamente. En la figura 1 se presenta esquemática-
mente la representacion de los números con punto flotante
El formato para los números reales difiere del software y hardware. En el formato
normalizado y notación cientı́, el número real con coma flotante se representa
En base 10
x = ±.d1 d2 d3 d4 . . . × 10n
donde d1 6= 0 Análogamente en base 2
± ± .d1 d2 d3 d4 . . . × 2n
donde d1 siempre es 1.
Eligiendo adecuadamente n se hace que d1 6= 0
Calcular
a+b×c
M=
b−c
F13.1 Análisis Numérico L2 6
usando punto flotante con mantisa de 3 dı́gitos; identificar el error de redondeo en cada
etapa de cálculo y el efecto total del error de redondeo.
La representación de los números con precisión de 3 dı́gitos::
|q − q ∗ | = 2−p−1
El error relativo
x − f l(x)
| | ≤ 2−p−1 = δ
x
En consecuencia se tiene que
para la máquina que usa p dı́gitos binarios para la representación de la mantisa. El número
= 2−p−1 que encierra el error relativo en la conversión de los número relaes en números
de máquina, se llama unidad de error de redondeo para cierta computadora. Tambien
se le conoce como el de la máquina. El epsilon de la maquina
El epsilon de la máquina - intervalo entre 1 y el siguiente mayor número mayor positivo
tal que 1.0+ =1.0
Significa, la representación en la computadora: xc = x(1 + x ) donde x es el valor real
o actual
En cualquier operación, por ejemplo multiplicación de 2 números
b c
a = b − c
a a
Estrategias de minimización de errores
F13.1 Análisis Numérico L2 7
Agrupamiento
Desarrollo de Taylor