Error en Cálculo Numerico

Clculo Numrico
BAIN 053
Campus Patagonia 2015
Luis Gomez
luis.gomez@uach.cl
Universidad Austral, Campus Patagonia
Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)
1 / 67
1 Causas principales de errores en los mtodos numricos
2 Clase 2
3 clase 3 Error de redondeo
4 clase 4
5 clase 5
2 / 67
Causas principales de errores en los mtodos numricos

Introduccin
Los errores nmericos surgen del uso de aproximaciones para representar

operaciones y cantidades metemticamente exactas
Las dos Causas principales de errores son:
Error de truncamiento: est asociada a las aproximaciones de la frmula
matemtica
Error de redondeo: se asocian con el limitado nmero de dgitos con el
que se representa en la computadora
3 / 67

Introduccin
parte 2
Las soluciones numricas (T n (x )) son aproximaciones de las soluciones

exactas (f (x ))
Generalmente las aproximaciones son realizadas por medio de polinomios
(suma o resta de trminos o monmios) (de grado n)
Es muy importante conocer la precisin (1/) con que el polinomio que
aproxima la funcin verdadera
f (x ) = T n (x ) +
4 / 67

Series de Taylor
Definicion
Una serie de Taylor o polinomio de Taylor es una representacin de una

funcin como una suma infinita de trminos.
T [f (x ), xa ] =
(i)
X
f (xa )
i=0
i!
(x xa )i
Estos trminos se calculan a partir de las derivadas de la funcin para un

determinado valor de la variable, lo que involucra un punto especfico
sobre la funcin.
5 / 67

Series de Taylor
Solucin numrica, aproximacin
Como ya digimos, el desarrollo de Taylor es una serie infinita de potencias

que representa una funcin en un cierto intervalo.
Sin embargo, en la practica una serie infinita no es posible por los que se
realiza una aproximacin a n trminos.
Tn [f (x ), xa ] =
n
X
f (i) (xa )
i=0
i!
(x xa )i
Con algunos trminos del polinomio es posible tener una aproximacin de

la funcin verdadera denominada serie de Taylor truncada (Tn ).
6 / 67

Error de truncamiento
La diferencia entre la solucin numrica con la serie de Taylor y la solucin
exacta corresponde al error de truncamiento
Si la serie de Taylor se trunca despus del termino de orden N, nos queda:
0
Tn [f (x ), xa ] = f (xa ) + (x xa )f (xa ) +
(x xa )2 00
f (xa )+
2
(x xa )3 000
(x xa )4 0000
f (xa ) +
f (xa ) + ...+
6
24
(x xa )n N
f (xa ) + 0((x xa )n+1 )
n!
El error del mtodo numrico se origina en el truncamiento
7 / 67

Desarrollo de Taylor para funciones unidimencionales
Se dice que una funcin es analtica en x = xa sf (x ) se puede

representar por medio de una serie de potencias en trminos de
h = x xa dentro de un radio de convergencia.
La condicin para que sea analtica es que todas sus derivadas sean
continuas
Un punto singular es aquel donde f (x ) no es analtica (ejemplo

tan(/2))
Cuando el valor de xa es igual a 0 denominamos a este polinomio

como de MacLaurin
8 / 67

Ejercicio
1. Calcular el polinomio de Taylor de grado 5 que se ajusta a la funcin

seno en el punto /2.
2. estimar el error que se comete entre el valor real, con un polinomio de
grado 2 y uno de grado 5.
3. De la funcin seno calcular el polinomio de grado 6 centrado en 0.
4. grafique en excel la funcin seno y los polinomios de grado 0, 1, 2, 3,
4, 5 en torno 0 y y centrado en /2
5. Analice y discuta los resultados de su grfica
9 / 67

Ayuda
y = sen(x ) y 0 = cos(x )
(1)
y = cos(x ) y 0 = sen(x )
(2)
10 / 67
Clase 2
Clase 2
Repaso
Los errores de truncamiento son aquellos que resultan al usar una

aproximacin en lugar de un procedimiento matemtico exacto.
En esencia, la serie de Taylor proporciona un medio para predecir el

valor de una funcin en un punto en trminos del valor de la funcin y
sus derivadas en otro punto.
En particular, el teorema establece que cualquier funcin suave puede

aproximarse por un polinomio
11 / 67
Clase 2
Clase 2
Repaso
Proposition
f (xi+1 ) = f (xi ) + hf 0 (xi ) +
h2 00
h3
hn
f (xi ) + f 000 (xi ) + ... + f n (xi ) + Rn
2!
3!
n!
En donde h = xi+1 xi , Rn =
f (n+1) () n+1
(n+1)! h
y es un valor entre xi y x(i+1)
12 / 67
Clase 2
Clase 2
Repaso
Proposition
f (xi+1 ) = f (xi ) + hf 0 (xi ) +
h2 00
h3
hn
f (xi ) + f 000 (xi ) + ... + f n (xi ) + Rn
2!
3!
n!
En donde h = xi+1 xi , Rn =
f (n+1) () n+1
(n+1)! h
y es un valor entre xi y x(i+1)
13 / 67
Clase 2
Clase 2
Ejercicio
A partir de la funcin:
f (x ) = 0.1x 4 0.14x 3 0.5x 2 0.25x + 1.2
y asumiendo que xi = 0 y h = 1, estime el valor de Tn [(f (x ), 1]:
1. Para n de orden 0,1,2,3 y 4
2. grafique cada una de la soluciones en el rango de h, inclusive f (x )
3. Estime el error para cada uno de los casos
4. Anlice y discuta sus resultados
14 / 67
Clase 2
Hay que tener presente que cada uno de los trminos adicionales
contribuye, aunque sea con poco, al mejoramiento de la aproximacin.
Sin embargo, muchas veces con unos pocos trminos obtentendremos

una solucin suficientemente buena para trminos prcticos.
El valor de es que nos debe orientar, sim embargo no se conoce con

exactitud, pero savemos que esta entre el rango de xi y xi + 1
15 / 67
Clase 2
Figure: Ejemplo grfico de la aproximacin f(x) y sus aproximaciones por el

terorema de Taylor
16 / 67
Clase 2
Clase 2
Error o residuo
Esta ecuacin nos es til para poder evaluar el error provocado por el
truncamentiento, ya que controla el trmino h de la ecuacin
Rn =
f (n+1) () n+1
h
(n + 1)!
(3)
De aqui se deduce que el error de truccamiento de orden h(n+1) es

proporcional al incremento de h elevado a la n + 1 Por lo que esta
ecuacin puede expresarse como
Rn = O(hn+1 )
(4)
17 / 67
Clase 2
Clase 2
Error o residuo
Rn = O(hn+1 )
(5)
Lo que quiere decir que si el error es O(h) y el incremento h se reduce

la la mitad el error tambien se reduce a la mitad
En cambio si el error es O(h2 ) y el incremento se reduce a la mitad,

entonces el error se reduira a la cuarta parte.
18 / 67
Clase 2
Clase 2
Error o residuo
Proposition
En general, pero no siempre, el error de truncamiento diminuye agregando
trminos a serie de Taylor.
19 / 67
Clase 2
Clase 2
Uso de Taylor en clculo de error en truncamiento
Por ejemplo tenemos la funcin que explica el movimiento de un cuerpo
como :
v (ti+1 ) = v (t) + v 0 (ti )(ti+1 ti ) +
v 00 (ti )
(ti+1 t) + ... + Rn
2!
(6)
y queremos estimar la aceleracin que es v(t), por lo que truncaremos el

trmino en la primera derivada:
v (ti+1 ) = v (t) + v 0 (ti )(ti+1 ti ) + Rn
(7)
20 / 67
Clase 2
Clase 2
Uso de Taylor en clculo de error en truncamiento
Por lo que nos queda que :

v 0 (ti ) =
v (ti+1 ) v (ti )
Rn
(ti+1 ti )
(ti+1 ti )
(8)
en donde el primer trmino lo podemos asociar a la aproximacin de

primer orden y el segundo al error
21 / 67
clase 3 Error de redondeo

Definicin del Error de redondeo
Los errores de redondeo se deben a la capacidad finita de nuestra

tecnologa de representar nmeros
en cambio el error de truncamiento representa la diferencia entre la

formula exacta y la aproximacin obtenida por el mtodo numrico
22 / 67

Cifras signicativas
Esta dada por los lmite mnimo de medicin del instrumento, entregando
un grado de certeza y replicabilidad de la medicin o evaluacin.
Figure: Ejemplo de cifras significativas en un voltmetro
23 / 67

Implicancias de la Cifras signicativas
Las cifras signicativas nos permiten:

I
dar confianza a nuestros resultados
estimar el error de redondeo
24 / 67

Ejercicio:
Evalue
f (x ) = x 3 6.1x 2 + 3.2x + 1.5
(9)
1. en x = 4.71 con una aritmtica de 3 cifras significativas, exactas, con

truncamiento y con redondeo
2. estime el error porcentual
3. evale el error aplicando el mtodo de la anidada
f (x ) = ((x 6.1)x + 3.2)x + 1.5
(10)
25 / 67

NUMEROS EN LAS COMPUTADORAS
El nmero limitado de dgitos de la calculadora o computador puede

provocar errores de redondeo
los problemas de error por redondeo se pueden minimizar por medio

de prcticas de programacin adecuadas.
26 / 67

Base de los nmeros
La base del sistema numrico decimal es 10. Sin embargo, las

computadoras no usan el sistema decimal en los clculos ni en la
memoria, sino que usan el binario.
En lenguaje de mquina se usan en particular el octal y el

hexadecimal. Estos sistemas son parientes cercanos del binario y
pueden traducirse con facilidad al o del binario.
El hexadecimal tambin proporciona un uso ms eficiente del espacio

de la memoria para los nmeros reales
27 / 67

Base de los nmeros
La base de un sistema numrico tambin recibe el nombre de raz.
Para, el sistema decimal sta es 10; para el sistema octal es 8 y 2

para el binario. La raz del sistema hexadecimal es 16.
28 / 67

Base de los nmeros
El valor decimal de un nmero en base r, por ejemplo,

(abcdefg.hijk)r
(11)
ar 6 + br 5 + cr 4 + dr 3 + er 2 + fr 1 + gr 0 + hr 1 + ir 2 + jr 3 + kr 4 (12)
29 / 67

Rango de constantes numricas
Las constantes numricas que generalmente se usan en un programa se

clasifican en tres categoras:
1. enteros
2. nmeros reales y
3. nmeros complejos.
30 / 67

Representacin entera
El mtodo ms sencillo para representar los enteros en la computadora se
denomina mtodo de magnitud con signo y emplea el primer bit de una
palabra para indicar el signo: con un 0 para positivo y un 1 para el
negativo.
Los bits sobrantes se usan para guardar el nmero.
Por ejemplo:
-10101101 (-173 en decimal)
Figure: Ejemplo de cifras significativas en un voltmetro

31 / 67

Ejercicio
Si posee una computadora de 16 bits.

1. determine el rango de enteros de base 10 que se pueden representar.
2. calcula la diferencia con uno de 32 bits
32 / 67
clase 4
clase 4
Representacin del punto-flotante
Las cantidades fraccionarias generalmente se representan en la
computadora usando la forma de punto flotante. Con este mtodo, el
nmero se expresa como una parte fraccionaria, llamada mantisa (m) o
significando, y una parte entera, denominada exponente o caracterstica
(e), esto es,
m b e
(13)
donde:
m: es la mantisa,
b: es la base del sistema numrico que se va a utilizar
e: es el exponente.
33 / 67
clase 4
Figure: Ejemplo de como se guarda un numero punto flotante en una palabra
34 / 67
clase 4
clase 4
Ejercicio
a) Como representara el numero 1458.63 en un sistema de base 10 con

punto flotante y cinco numero de decimales?
35 / 67
clase 4
clase 4
Ejercicio
1. Como representara el numero 1458.63 en un sistema de base 10 con

punto flotante y cinco numero de decimales?
2. como se guardara el nmero 0,0245888?
36 / 67
clase 4
clase 4
normalizacin
Para evitar ceros a la derecha del nmero punto flotante se ocupa un

procedimiento denominado normalizacin el que consiste en elevar el
exponente negativo cuantos ceros existan a la derecha del numero antes
del punto. por ejemplo: 0, 0245888 100 normalizado queda: 0.24588 101
37 / 67
clase 4
clase 4
normalizacin
Sin embargo la consecuencia de la normalizacin es que el valor absoluto

de m queda limitado a:
1
m<1
(14)
b
donde b es la base. Por ejemplo para un sistema de base 10 m estar entre
0.1 y 1.
38 / 67
clase 4
clase 4
representacin de punto flotante
La representacin de punto flotante permite que tanto

fracciones como nmeros muy grandes se expresen en la
computadora
Sin embargo dentro de las desventajas esta que los punto
flotante requieren ms espacio y ms tiempo de procesado
que los nmeros enteros
representa un nmero finito introduciendo una error de
redondeo
39 / 67
clase 5
clase 5
Ejercicio
Determine un conjunto hipottico de nmeros con punto flotante para

una mquina que guarda informacin usando palabras de 7 bits en
binario. Emplee el primer bit para el signo del nmero, los siguientes
tres para el signo y la magnitud del exponente, y los ltimos tres para
la magnitud de la mantisa
calcule el valor mnimo a representar, en decimal, a travs del lmite

de la mantisa
estime el rango que es posible escribir en base 10
40 / 67
clase 5
Determine un conjunto hipottico de nmeros con punto flotante para

una mquina que guarda informacin usando palabras de 7 bits en
binario. Emplee el primer bit para el signo del nmero, los siguientes
tres para el signo y la magnitud del exponente, y los ltimos tres para
la magnitud de la mantisa
calcule el valor mnimo a representar, en decimal, a travs del lmite

de la mantisa
estime el rango que es posible escribir en base 10
41 / 67
clase 5
clase 5
Caractersticas
como en el caso de los enteros, hay nmeros grandes positivos y

negativos que no pueden representar
emplear nmeros fuera del rango aceptable dar como resultado el

llamado error de desbordamiento (overflow)
el agujero underflow entre el cero y el primer nmero positivo en la

figura. Se debe a la normalizacin de la ecuacin
41 / 67
clase 5
clase 5
Aproximaciones y errores de redondeo
Figure: Ejemplo de aproximaciones y errores de redondeo de nmeros slo

positivos
42 / 67
clase 5
clase 5
nmero finito de cantidades
Existe slo un nmero finito de cantidades que puede representarse

dentro de un rango
los nmeros racionales que no concuerdan exactamente con uno de

los valores en el conjunto tampoco pueden ser representados en forma
precisa (ejemplo: el nmero )
los errores ocasionados por la aproximacin se les conoce como

errores de cuantificacin
43 / 67
clase 5
clase 5
Aproximacin Real
La aproximacin real se realiza mediante dos formas:

I
cortando
redondeando
por ejemplo:
= 3.14159265358...
(15)
Guardado en un sistema de base 10 con 7 cifras significativas

I
explique como se guardaria en la maquina?
estime la magnitud del error de redondeo y corte
44 / 67
clase 5
clase 5
redondeando
consecuencia, el redondeo produce un error absoluto menor que el de

corte
45 / 67
clase 5
clase 5
Ejercicio
Calcule el error de redondeo y el de corte con el nmero

(=3.14159265358) con una precisin de 4 cifras significativas
46 / 67
clase 5
clase 5
psilon de la maquina
El psilon de la mquina es el intervalo entre 1 y el siguiente nmero
mayor que 1 distinguible. Representa la exactitud relativa de la aritmtica
del computador.
1+>1
(16)
numricamente se puede calcular como
= b 1t
(17)
donde b es la base y t es el nmero de dgitos significativos en la mantisa.

La existencia del psilon de la mquina es una consecuencia de la precisin
finita de la aritmtica en coma flotante.
47 / 67
clase 5
clase 5
x
Debido a que el punto flotante conserva el nmero de dgitos significativo,
x aumenta conforme x crecen en magnitud para el caso de corte
|x |

|x |
(18)

|x |
|x |
2
(19)
para el caso de redondeo
Estos valores corresponden a los lmite de los errores, es decir los casos
extremos. Tambin nos entregan las diferencias mnimas en las que
podemos evaluar nuestros clculos.
48 / 67
clase 5
clase 5
Ejercicio
Para una palabra de 7 bits en donde se emplea el primer bit para el signo
del nmero, los siguientes tres para el signo y exponente y los ltimos para
para la magnitud de la mantisa.
I
calcule el psilon de la mquina
grafique el crecimiento de x con x, en el caso de la aproximacin

por corte y redondeo
explique que significan esas curvas y como afectan a sus clculos de

derivada.
49 / 67
clase 5
clase 5
Ejercicio
Desarrolle un cdigo que le permita estimar el psilon de la mquina con la

que usted est trabajando
50 / 67
clase 5
clase 5
Precisin extendida
Los errores de redondeo, llegan a ser importantes en contextos tales como

pruebas de convergencia. El nmero de dgitos significativos que tiene la
mayora de las computadoras permite que muchos clculos de ingeniera se
realicen con una precisin ms que aceptable
I
Por ejemplo, las computadoras que usan el formato IEEE permiten 24

bits para ser usados por la mantisa
lo cual se traduce en cerca de siete cifras significativas de precisin 1

en dgitos de base 10 con un rango aproximado de 1038 a 1039
51 / 67
clase 5
clase 5
Precisin extendida
Se debe reconocer que an hay casos donde el error de redondeo resulta
crtico:
I
La ms comn de estas especificaciones es la doble precisin, en la

cual se duplica el nmero de palabras utilizado para guardar nmeros
de punto flotante. Esto proporciona de 15 a 16 dgitos decimales de
precisin y un rango aproximado de 10308 a10308 .
Esto reduce el error de redondeo.
Sin embargo, el precio que se paga por tales medidas consiste en

mayores requerimientos de memoria y de tiempo de ejecucin.
por lo tanto la precisin extendida no debe utilizarse en forma

generalizada
52 / 67
clase 5
clase 5
Software
Excel: Utiliza doble precisin

MATLAB o Octave: precisin extendida a decisin
C++, : real simple 32 bits (double), real doble 64 bits (15 digitos
decimales ) (long double)
53 / 67
clase 5
clase 5
Operaciones aritmticas comunes
Las manipulaciones aritmticas que se usan, pueden dar como resultado

errores de redondeo. por ejemplo el nmero con punto flotante
suma: cuando sumamos dos nmeros con puntos flotantes, el
nmero de mantisa y el exponente se modifican de tal
manera que los exponentes sean los mismos
resta: se realiza de igual forma, solamente que el exponente es
negativo, sin embargo los resultados deben normalizarse
54 / 67
clase 5
clase 5
Ejemplo de suma
si tenemos una maquina con cuatro dgitos de mantisa y un exponente de

un dgito. y aplicaremos corte sumar 0.1557 101 + 0.4381 101
1. igualamos el exponente menor al mayor
0.4381 101 0.004381 101
0.1557
101
2. sumamos los dos nmeros 0.004381 101
0.160081 101
3. se eliminan los datos que estn por sobre el tamao de la mantisa
55 / 67
clase 5
clase 5
Ejemplo de resta
La resta se realiza en forma idntica a la suma
1. Resta 36.41 menos 26.86 Esto es:
0.3641
0.2686
0.0955
102
102
102
2. y luego se normaliza
0.0955 102 = 0.9550 101 = 9.550
notar que el cero a la derecha ya no es relevante, es decir hemos perdido
precisin
56 / 67
clase 5
clase 5
Ejercicio
Estimar la precisin perdida con punto flotante en la resta entre 764.2 y

764.1
57 / 67
clase 5
clase 5
Multiplicacin
En el caso de la multiplicacin los exponentes se suman y la mantisa se
multiplica. Por ejemplo la multiplicacin entre 1366.3 0.06423
1. Se normalizan los valores y se multiplica
0.1363 103 0.6423 101 = 0.08754549 102
2. luego el resultado es normalizado
0.08754549 102 0.8754549 101
3. por ultimo se corta el resultado al nmero de cifras significativas
iniciales 0.8754 101
Para la divisin se realiza algo similar pero las mantisas se dividen y los
exponentes se restan
58 / 67
clase 5
clase 5
Ejercicio
Calcular mediante el mtodo de punto flotante la divisin entre 5754.3 y

0.568891 y estimar el error porcentual
59 / 67
clase 5
clase 5
Nmero grande de clculos interdependientes
Mediante un algoritmo investigue el error cometido al sumar 100 000 veces

0.00001 con precisin simple y doble. Si puede calcule los tiempos de
ejecucin
60 / 67
clase 5
clase 5
Suma de un nmero grande y uno pequeo
que sucede si quiere sumar un nmero pequeo como 0.0010 con un

numero grande 4000
notar que pareciera que la suma nunca ocurri.
Esto normalmente ocurre con grandes series en donde el trmino inicial es

comparativamente mayor a los siguientes. Despus de sumar los primeros
trminos los restantes ya no se reflejan en el resultado.
61 / 67
clase 5
clase 5
Cancelacin por resta
Se refiere al redondeo inducido cuando se restan dos nmeros de punto
flotante casi iguales Un caso comn es en la determinacin de races de
una ecuacin cuadrtica o parbola utilizando la frmula cuadrtica
b b 2 4ac
2a
En el caso de b 2 4ac la diferencia en el numerador puede ser muy
pequea, en tales casos es mejor ocupar precisin doble o la frmula
alternativa que se describe a continuacin:
2c
b b 2 4ac
Lo que minimiza la cancelacin por resta
62 / 67
clase 5
clase 5
Ejercicio
Calcule el valor de las races de una ecuacin cuadrtica con a = 1 b=

3000.001 y c =3. Compare el valor calculado con las races verdaderas
x1 = 0.001yx2 = 3000
63 / 67
clase 5
clase 5
Dispersin
Observamos dispersin cuando los trminos individuales en una sumatoria

son mas grandes que la sumatoria misma, un ejemplo de eso son las series
con signos alternados. Por ejemplo
y =1+x +
x2 x3
+
+ ...
2!
3!
(20)
evaluada en un nmero negativo, por ejemplo -10
64 / 67
clase 5
clase 5
Productos Internos
Una opcin muy comn en clculo numrico es la de sumatoria de

productos internos, las que son propensas a errores por redondeo
n
X
xi yi = x1 y1 + x2 y2 + . . . + xn yn
(21)
i=1
una opcin para evitar dichos errores es el uso de la precisin extendida
65 / 67
clase 5
clase 5
Bonus: Clculo de decimal a binario
calculo de 100 decimal a binario
valor
100
50
25
12
6
3
1
resultado
50
25
12
6
3
1
1
residuo
0
0
1
0
0
1
1
resultado:
(100)10 = (1100100)2
(22)
66 / 67
clase 5
clase 5
Bonus: Clculo de decimal a binario
calculo de 0.3125 decimal a binario

0.3125
0.625
0.25
0.5
2
2
2
2
=
=
=
=
0.625
1.25
0.5
1
0
1
0
1
resultado:
(0.3125)10 = (0.0101)2
(23)
67 / 67

Error en Cálculo Numerico

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

Error en Cálculo Numerico

Transféré par

Droits d'auteur :

Formats disponibles

Clculo Numrico

Campus Patagonia 2015

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

1 Causas principales de errores en los mtodos numricos

3 clase 3 Error de redondeo

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Los errores nmericos surgen del uso de aproximaciones para representar

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Las soluciones numricas (T n (x )) son aproximaciones de las soluciones

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Una serie de Taylor o polinomio de Taylor es una representacin de una

Estos trminos se calculan a partir de las derivadas de la funcin para un

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Como ya digimos, el desarrollo de Taylor es una serie infinita de potencias

Con algunos trminos del polinomio es posible tener una aproximacin de

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Se dice que una funcin es analtica en x = xa sf (x ) se puede

Un punto singular es aquel donde f (x ) no es analtica (ejemplo

Cuando el valor de xa es igual a 0 denominamos a este polinomio

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

1. Calcular el polinomio de Taylor de grado 5 que se ajusta a la funcin

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Causas principales de errores en los mtodos numricos

Causas principales de errores en los mtodos numricos

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Los errores de truncamiento son aquellos que resultan al usar una

En esencia, la serie de Taylor proporciona un medio para predecir el

En particular, el teorema establece que cualquier funcin suave puede

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

y es un valor entre xi y x(i+1)

Campus Patagonia 2015

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

y es un valor entre xi y x(i+1)

Campus Patagonia 2015

Luis Gomez luis.gomez@uach.cl ( Universidad Austral, Campus Patagonia)

Campus Patagonia 2015