ACT No 4

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA 100401 METODOS NUMERICOS Act No 4. .
Leccin Evaluativa Unidad No 1
Lectura No 1: Definicin Bsicas Dgitos Significativos: Son aquellos nmeros diferentes de cero, en una cifra o guarismo, leyendo de izquierda a derecha; empiezan con el primer dgito diferente de cero y terminan con el tamao que permitan las celdas que guardan la mantisa. Exactitud: Se refiere a la cercana de un nmero o de una medida al valor verdadero que se supone representa. Precisin: Se refiere al nmero de cifras significativas que representan una cantidad, a esto se refiere cuando se habla de doble precisin, dependiendo de la mquina que estemos utilizando. Errores Inherentes o Heredados: Son errores en los valores numricos con que se va a operar, pueden deberse a dos causas: sistemticos o accidentales. Errores Sistemticos: Debidos a la imprecisin de los aparatos de medicin. Errores Accidentales: Debidos a la apreciacin del observador y otras causas. Errores de Truncamiento: Se debe a la interrupcin de un proceso matemtico antes de su terminacin. Sucede cuando se toman slo algunos trminos de una serie infinita o cuando se toma slo un nmero finito de intervalos. Un caso adicional de error de truncamiento ocurre cuando una calculadora poco sofisticada slo toma en cuenta los dgitos que caben en la pantalla y no analiza el primer dgito perdido. Error de Redondeo: Se ocasiona debido a las limitaciones propias de la mquina para representar cantidades que requieren un gran nmero de dgitos. Dependiendo de cmo se redondea puede ser de dos formas. Error de Redondeo Inferior:
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA 100401 METODOS NUMERICOS Act No 4. . Leccin Evaluativa Unidad No 1
Se desprecian los dgitos que no pueden conservarse dentro de la localizacin de memoria correspondiente (pensando de una manera estricta, este caso puede considerarse como un error de truncamiento). Error de Redondeo Superior: Este caso tiene dos alternativas, segn el signo del nmero en particular. a) Para nmeros positivos, el ltimo que puede conservarse en la localizacin de memoria se incrementa en una unidad si el primer dgito despreciado es > 5. b) Para nmeros negativos, el ltimo dgito que puede conservarse en la localizacin de memoria se reduce en una unidad si el primer dgito despreciado es < 5.
Lectura No 2: Error absoluto, error relativo y cifras significativas.
Sea p el valor exacto de una cantidad y sea p* su valor aproximado. Se define error absoluto como:
error absoluto mide la diferencia entre el valor exacto de una cantidad y su valor aproximado. De esta manera se puede afirmar que alguien ha medido la longitud de un campo de futbol o la longitud de un bolgrafo con un error de un centmetro. Sin embargo, dicho error no tiene la misma importancia en ambos casos. Para cuantificar la importancia del error respecto del valor exacto de una cierta cantidad p se introduce el concepto de error relativo, que se define como:
Se puede notar que el error relativo no est definido para p=0. La ecuacin anterior muestra que el error relativo es una cantidad adimensional, que habitualmente se expresa en porcentaje (%). Lo importante a resaltar es que generalmente no se conoce el valor exacto de la cantidad p. En consecuencia, tampoco se puede conocer ni el error absoluto ni el error relativo cometido, por tanto hay que conformarse con el clculo de una cota del error.
Ya conocido la definicin cuantitativa del error relativo, se puede plantear cual es la cota de error de redondeo cometido al almacenar un nmero. Como se es conocido, los nmeros reales se almacenan en coma flotante. Por ejemplo, los nmeros 23,487 se guardan como 0,23487x102.
El ultimo numero escrito simblicamente se puede representar por
mx10b
Donde 0 < m < 1y representa la mantisa y b es un numero entero que indica el exponente. Por ejemplo si tenemos un nmero t de digitas destinados a la representacin de la mantisa (se supone que t no incluye la posicin del signo). Por consiguiente, si una persona realiza unos clculos trabajando en base diez, coma flotante y utilizando cinco dgitos para la mantisa (t=5), puede representar los siguientes nmeros: 0,23754x102, 0,10000x105, 0,19875x10-3, etc.
Lectura No 3: MTODO DE LA BISECCIN El mtodo de biseccin se basa en el siguiente teorema de Clculo: Teorema del Valor Intermedio Sea f(x) continua en un intervalo [a,b] y supongamos que f(a)<f(b). Entonces para cada z tal que f(a) < z < f(b), existe un x0 (a,b) tal que f(x) = z. La misma conclusin se obtiene para el caso que f(a)>f(b). Bsicamente el Teorema del Valor Intermedio nos dice que toda funcin continua en un intervalo cerrado, una vez que alcanz ciertos valores en los extremos del intervalo, entonces debe alcanzar todos los valores intermedios. En particular, si f(a) y f(b) tienen signos opuestos, entonces un valor intermedio es precisamente z=0, y por lo tanto, el Teorema del Valor Intermedio nos asegura que debe existir x0(a,b) tal que f(x0)=0, es decir, debe haber por lo menos una raz de f(x) en el intervalo (a,b).
El mtodo de biseccin sigue los siguientes pasos: Sea f(x) continua, i) i) Encontrar valores inciales xa, xb opuestos, es decir, f(xa) . f(xb) < 0 ii) ii) La primera aproximacin a la raz se toma igual al punto medio entre xa y xb : tales que f(xa) y f(xb) tienen signos
iii) iii) Evaluar f(xr) . Forzosamente debemos caer en uno de los siguientes casos: f(xa) . f(xr) < 0 En este caso, tenemos que f(xa) y f(xr) tienen signos opuestos, y por lo tanto la raz se encuentra en el intervalo [xa , xr] . f(xa) . f(xr) > 0 En este caso, tenemos que f(xa) y f(xr) tienen el mismo signo, y de aqu que f(xr) y f(xb) tienen signos opuestos. Por lo tanto, la raz se encuentra en el intervalo [xr , xb] . f(xa) . f(xr) = 0 En este caso se tiene que. f(xr) = 0 y por lo tanto ya localizamos la raz. El proceso se vuelve a repetir con el nuevo intervalo, hasta que: |Ea|<|Es| Es decir,
Ejemplo Aproximar la raz de f(x) = e-x ln x hasta que |Ea|< 1% Solucin
Sabemos por lo visto en el ejemplo 1 de la seccin anterior, que la nica raz de f(x) se localiza en el intervalo [1; 1,5]. As que este intervalo es nuestro punto de partida; sin embargo, para poder aplicar el mtodo de biseccin debemos checar que f(1) y f(1,5) tengan signos opuestos. En efecto, tenemos que f(1) = e-1 ln 1 = e-1 > 0 mientras que f(1,5) = e-1 ln (1,5) = - 0,18233 < 0 Cabe mencionar que la funcin f(x) s es continua en el intervalo [1; 1,5]. As pues, tenemos todos los requisitos satisfechos para poder aplicar el mtodo de biseccin. Comenzamos: i) Calculamos el punto medio (que es de hecho nuestra primera aproximacin a la raz):
ii) Evaluamos f(1,25) = e-1,25 ln ( 1,25) = 0,0636 > 0 iii) Para identificar mejor en que nuevo intervalo se encuentra la raz, hacemos la siguiente tabla:
Por lo tanto, vemos que la raz se encuentra en el intervalo [1,25; 1,5]. En este punto, vemos que todava no podemos calcular ningn error aproximado, puesto que solamente tenemos la primera aproximacin. As, repetimos el proceso con el nuevo intervalo [1,25; 1,5] . Calculamos el punto medio (que es nuestra segunda aproximacin a la raz):
Aqu podemos calcular el primer error aproximado, puesto que contamos ya con la aproximacin actual y la aproximacin previa:
Puesto que no se ha logrado el objetivo, continuamos con el proceso. Evaluamos f(1,375) = e-1,375 ln (1,375) = -0,06561 < 0, y hacemos la tabla:
As, vemos que la raz se encuentra en el intervalo [1,25; 1,375] . Calculamos el punto medio,
Y calculamos el nuevo error aproximado:
El proceso debe seguirse hasta cumplir el objetivo. Resumimos los resultados que se obtienen en la siguiente tabla: Aprox. a la raz 1.25 1.375 1.3125 1.28125 9.09% 4.76% 2.43% Error aprox.
1.296875 1.3046875
1.20% 0.59%
As, obtenemos como aproximacin a la raz
Lectura No 4: Mtodo de Newton Raphson Este mtodo, el cual es un mtodo iterativo, es uno de los ms usados y efectivos. A diferencia de los mtodos anteriores, el mtodo de Newton-Raphson no trabaja sobre un intervalo sino que basa su frmula en un proceso iterativo. Supongamos que tenemos la aproximacin xia la raz xr de f(x),
Trazamos la recta tangente a la curva en el punto (xi, f(xi)); sta cruza al eje x en un punto xi+1 que ser nuestra siguiente aproximacin a la raz xr. Para calcular el punto xi+1, calculamos primero la ecuacin de la recta tangente. Sabemos que tiene pendiente m = f (xi) Y por lo tanto la ecuacin de la recta tangente es: y f (xi) = f (xi) (x xi) Hacemos y=0:
-f (xi) = f (xi) (x xi) Y despejamos x:
Que es la frmula iterativa de Newton-Raphson para calcular la siguiente aproximacin: , Note que el mtodo de Newton-Raphson no trabaja con intervalos donde nos asegure que encontraremos la raz, y de hecho no tenemos ninguna garanta de que nos aproximaremos a dicha raz. Desde luego, existen ejemplos donde este mtodo no converge a la raz, en cuyo caso se dice que el mtodo diverge. Sin embargo, en los casos donde si converge a la raz lo hace con una rapidez impresionante, por lo cual es uno de los mtodos preferidos por excelencia. Tambin observe que en el caso de que f (xi)=0, el mtodo no se puede aplicar. De hecho, vemos geomtricamente que esto significa que la recta tangente es horizontal y por lo tanto no intercepta al eje x en ningn punto, a menos que coincida con ste, en cuyo caso xi mismo es una raz de f(xi). Ejemplo1 Usar el mtodo de Newton-Raphson, para aproximar la raz de f(x)= e-x-ln x, comenzando con x0=1 y hasta que < 1%. a Solucin En este caso, tenemos que
De aqu tenemos que:
Comenzamos con x0 = 1 y obtenemos:
En este caso, el error aproximado es,
Continuamos el proceso hasta reducir el error aproximado hasta donde se pidi. Resumimos los resultados en la siguiente tabla: Aprox. a la raz 1 1.268941421 1.309108403 1.309799389 21.19% 3.06% 0.052% Error aprox.
De lo cual concluimos que , la cual es correcta en todos sus dgitos. La misma idea puede aplicarse para crear algoritmos que aproximen races nsimas de nmeros reales positivos. Observe que cuando el mtodo de Newton-Raphson converge a la raz, lo hace de una forma muy rpida y de hecho, observamos que el error aproximado disminuye a pasos agigantados en cada paso del proceso. Aunque no es nuestro objetivo establecer formalmente las cotas para los errores en cada uno de los mtodos que hemos estudiado, cabe mencionar que si existen estas cotas que miden con mayor precisin la rapidez lentitud del mtodo en estudio
Lectura No 5: MTODO DE ITERACIN DEL PUNTO FIJO Este mtodo se aplica para resolver ecuaciones de la forma x= g(x) Si la ecuacin es f(x) = 0, entonces puede despejarse x bien sumar x en ambos lados de la ecuacin para ponerla en la forma adecuada. Ejemplos: 1) La ecuacin cos x - x = 0 se puede transformar en cos x = x. 2) La ecuacin tan x e-x = 0 se puede transformar en x - tan x e-x = x.
Dada la aproximacin xi, la siguiente iteracin se calcula con la frmula: xi+1 = g(xi) Supongamos que la raz verdadera es xr, es decir, xr = g(xr) Restando las ltimas ecuaciones obtenemos: xr - xi+1 = g(xr) - g(xi) Por el Teorema del Valor Medio para derivadas, sabemos que si g(x) es continua en [a, b] y diferenciable en (a, b) entonces existe ?(a, b) tal que En nuestro caso, existe en el intervalo determinado por xi y xr tal que:
De aqu tenemos que:
g(xr) g(xi) = g () . ( xr xi) O bien, xr xi+1 = g () . ( xr xi) Tomando valor absoluto en ambos lados, |xr xi+1 |=|g() ||xr xi |
Observe que el trmino |xr xi+1| es precisamente el error absoluto en la (i +1)sima iteracin, mientras que el trmino |xr xi |corresponde al error absoluto en la i- sima iteracin. Por lo tanto, solamente si |g () |< 1, entonces se disminuir el error en la siguiente iteracin. En caso contrario, el error ir en aumento. En resumen, el mtodo de iteracin del punto fijo converge a la raz si |g(x)|<1 para x en un intervalo [a, b] que contiene a la raz y donde g(x) es continua y diferenciable, pero diverge si |g(x)| >1 en dicho intervalo.
10
Analicemos nuestros ejemplos anteriores: En el ejemplo 1, g(x) = cos x y claramente se cumple la condicin de que |g (x)|<1 . Por lo tanto el mtodo s converge a la raz. En el ejemplo 2, g(x)=x+tanxe-x y en este caso, |g(x)|=|1+sec2x + e-x| > 1. Por lo tanto, el mtodo no converge a la raz. Para aclarar el uso de la frmula veamos dos ejemplos: Ejemplo Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = cosx - x, comenzando con x0=0 y hasta que |a|< 1%. Solucin Como ya aclaramos anteriormente, el mtodo s converge a la raz. Aplicando la frmula iterativa tenemos, x1 = g(x0) = cos 0 = 1 Con un error aproximado de 100% Aplicando nuevamente la frmula iterativa tenemos, x2 = g(x1) = cos 1 = 0,540302305 Y un error aproximado de 85,08%. Intuimos que el error aproximado se ir reduciendo muy lentamente. En efecto, se necesitan hasta 13 iteraciones para lograr reducir el error aproximado menor al 1%. El resultado final que se obtiene es: x13 = 0,7414250866 Con un error aproximado igual al 0,78%. Ejemplo Usar el mtodo de iteracin del punto fijo para aproximar la raz de f(x) = x2 5x ex, comenzando con x0 = 0 y hasta que |a|< 1%. Solucin Si despejamos la x del trmino lineal, vemos que la ecuacin equivale a
de donde,
11
En este caso, tenemos que
. Un vistazo a la grfica,
nos convence que |g(x)|<1, para x[-1; 1], lo que es suficiente para deducir que el mtodo s converge a la raz buscada. Aplicando la frmula iterativa, tenemos: x1 = g(x0) = -0,2 Con un error aproximado del 100%. Aplicando nuevamente la frmula iterativa, tenemos: x2 = g(x1) = -0,1557461506 Con un error aproximado igual al 28.41%. En este ejemplo, el mtodo solo necesita de 5 iteraciones para reducir el error menor al 1%. Resumimos los resultados en la siguiente tabla: Aprox. a la raz Error aprox.
0 -0.2 100% -0.1557461506 28.41% -0.1663039075 6.34% -0.163826372 1.51% -0.164410064 0.35% De donde vemos que la aproximacin buscada es:
12
x5 = -0,164410064
13

ACT No 4

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ACT No 4

Transféré par

Droits d'auteur :

Formats disponibles

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA 100401 METODOS NUMERICOS Act No 4. .

Leccin Evaluativa Unidad No 1

Lectura No 2: Error absoluto, error relativo y cifras significativas.

El ultimo numero escrito simblicamente se puede representar por

Ejemplo Aproximar la raz de f(x) = e-x ln x hasta que |Ea|< 1% Solucin

Y calculamos el nuevo error aproximado:

As, obtenemos como aproximacin a la raz

-f (xi) = f (xi) (x xi) Y despejamos x:

De aqu tenemos que:

Comenzamos con x0 = 1 y obtenemos:

En este caso, el error aproximado es,

De aqu tenemos que:

En este caso, tenemos que

Vous aimerez peut-être aussi