01 Formulario v3

Universidad Técnica Federico Santa María
Departamento de Matemática
Laboratorio de Computación para las Aplicaciones de la Matemática en Ingeniería
Laboratorio Mat 270 - Análisis Numérico

PRIMERA SESIÓN
Introducción y Arimética Flotante

Semana del Lunes 26 de Marzo al 30 de Marzo del 2018
Coordinador Académico del Laboratorio : Profesor Jaime Figueroa Nieto (jaime.gueroa@usm.cl)

Ayudante Coordinador y de Software : Hernán Caviedes (hernan.caviedes@alumnos.usm.cl)
Sitio web : http://lab.mat.utfsm.cl
Atención Alumnos : Vía e-mail a los ayudantes de sala y ayudante coordinador.
24 de marzo de 2018
1
Departamento de Matemáticas U.T.F.S.M Análisis Numerico Mat-270
Índice
1. Evaluación Laboratorio 3
2. Comandos Básicos 3
2.1. Utilización de ayuda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Operaciones Básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.1. Operaciones +, -, *, / y b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.2. Operaciones .*, ./ y b. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.3. Sentencias de Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.4. Funciones en MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.5. Denición de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.6. Grácos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.7. Solución de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.8. Derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.9. Integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3. Calculos numéricos 12
3.1. Como introducir números . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2. Presición y exactitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Presición aumentada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4. Números de máquina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.5. Arimética de punto otante y errores de redondeo . . . . . . . . . . . . . . . . . . . . 14
3.6. Propagación de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.7. Problemas bien condicionados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7.1. Incidencia de los factores de condicionamiento en el error . . . . . . . . . . . 16
3.7.2. Buen Condicionamiento en una variable . . . . . . . . . . . . . . . . . . . . . 17
3.7.3. Raíces de un polinomio de grado elevado . . . . . . . . . . . . . . . . . . . . . 18
3.7.4. Buen condicionamiento en varias variables . . . . . . . . . . . . . . . . . . . . 19
Primer semestre 2018 - MATLAB 2

1. Evaluación Laboratorio
La nota nal del laboratorio NL se obtendrá según la siguiente fórmula:
N L = 0,1 ∗ N otaAsistencia + 0,4 ∗ N otaP reinf ormes + 0,5 ∗ N otaControles

Esta nota valdrá por la nota de tareas, esto es 40 % de la nota nal siempre y cuando el promedio
de certamenes sea mayor o igual a 55.
2. Comandos Básicos
2.1. Utilización de ayuda

Puede ver la ayuda de Matlab en el menú Help, entre las alternativas que allí encuentra le
podemos sugerir:
MATLAB Help
Demos
También puede ingresar el comando help en la línea de comandos de Matlab, como se muestra a
continuación:
clear
format long
help
El resultado es una lista de categorías de ayuda, las cuales se pueden elegir mediante el mismo
comando help, seguido del nombre de la coategoría. Por ejemplo:
help elmat
Esta vez, el resultado es la lista de comandos de esa categoría. Para ver la ayuda de un comando
especíco, se ingresa, por ejemplo:
help ones
Por supuesto que si usted conoce el nombre del comando del cual desea ver la ayuda, puede
ingresar directamente el comando help, seguido del nombre del comando en cuestión.
La versión actual de MATLAB instalada en el laboratorio, permite clickear en el nombre de la fun-
ción que aparece en pantalla. Esto despliega la ayuda de la función automáticamente.
2.2. Operaciones Básicas

2.2.1. Operaciones +, -, *, / y b
Las operaciones básicas son consideradas como operaciones matriciales. Existen varias formas de
introducir una matriz al software, mostraremos las más importantes:

Ejemplo 1: Denimos las las y las separamos ";"
clear
B=[1 3 5;2 4 6;3 6 7]
Ejemplo 2: Le damos un rango de numeros para la la.
clear
a=[2:7;3:8;4:9]
Ahora que sabe como ingresar de forma básica una matriz al programa, proceda a realizar las
operaciones tipicas:
NOTA: En algunos casos existe recursividad de ejemplos, por ende ud. debe ir revisando los ejemplos
de forma ordenada, sino el software le informará que existe un error de variable no denida.
Por ejemplo, para la resta (o suma):
clear
a=[2.4 5.4 5.3]
b=[1.6 4.6 8.7]
c=a-b
Una excepción es sumar (o restar) un escalar a un vector o matriz, en cuyo caso simplemente se
suma el escalar a cada elemento del vector o matriz.
A=[1:3;2:4;3:5]
A+4
NOTA: Al intentar realizar una suma o resta de vectores o matrices de distinto tamaño se
recibirá un mensaje de error, por ejemplo:
La multiplicación normal es interpretada como multiplicación matricial:
A=[1:3;2:4;3:5]
b=[1;2;3]
A*b
También se recibirá un error si se intenta multiplicar matrices de tamaño inapropiado.
La división es interpretada como la multiplicación matricial entre una matriz y la inversa de la otra:
B=[4 7 2; 78 23 8; 67 1 6];
A/B
La operacion "^çorresponde a la potencia y también es entendida matricialmente, por ejemplo:

A^2
Hemos multiplicado matricialmente la matriz A por si misma.

2.2.2. Operaciones .*, ./ y .b

Estas operaciones se utilizan .elemento a elemento", es decir, cada elemento de una matriz o
vector es multiplicado por su correspondiente en la otra matriz.
Un ejemplo de ".*.es:
a=[1 4 7 2];
b=[1 3 2 2.5];
c=b.*a
La división es realizada de la misma forma que la multiplicación.
Para el caso del la potencia, el comando es entendido como .elevar cada elemento de la matriz o
vector al valor indicado".
Por ejemplo:
a.^2
2.2.3. Sentencias de Control

Las sentencias de control se utilizan para decidir si un comando debe ejecutarse o no. O bien
para repetir una serie de comandos tantas veces como sea necesario.
Sentencia If
La sentencia If sirve para decidir si realizar una acción o no, dependiendo de la veracidad de una
condición.
La sintaxis es la siguiente:
if condicion1,
comandos...
elseif condicion2
comandos...
else
comandos...
end
Un ejemplo del uso de If es el siguiente:

clear
a=2;
if a > 2,
b=1;
elseif a <= 2,
b=0;
else
b=-1;
end
b

Sentencia While
While realiza un conjunto de operaciones hasta que cierta condición sea falsa.
while condicion,
comandos...
end
Ejemplo de While: Fijarse que se dene un contador antes de la sentencia while
i=0
while i<=10,
i=i+1
end
Sentencia For
La sentencia For incrementa una variable desde un valor inicial hasta uno nal. En cada incremento
de la variable, se realiza un grupo de comandos.
for i=a:b:c,
comandos
end
Donde a es el valor inicial, c el nal, y b es la cantidad en que será incrementado i en cada repetición.
Ejemplo de For:
for i=1:2:10,
a(i)= i^2
end
2.2.4. Funciones en MATLAB

Existen muchisimas funciones implementadas en MATLAB. Un ejemplo es la funcion Seno:
clear
sin(2*pi/2)
Observese que la constante pi se encuentra denida en MATLAB:
pi
Funciones de uso común

A continuación se muestran algunas de las funciones incluidas en MATLAB.
zeros Matriz de ceros

ones Matriz de unos
eye Matriz identidad
rand Matriz aleatoria con distribución uniforme
randn Matriz aleatoria con distribución normal (gaussiana)
linspace Vector espaciado linealmente
logspace Vector espaciado en forma logarítmica
hilb Matriz de Hilbert
magic Matriz cuya suma de elementos en las columnas, las y diagonal es igual
Tabla 2.2.1: Funciones para generación de matrices
sin Seno
cos Coseno
tan Tangente
asin Arco Seno
acos Arco Coseno
atan Arco Tangente
log Logaritmo natural
log10 Logaritmo en base 10
exp Exponencial
sinh Seno Hiperbólico
cosh Coseno Hiperbólico
tanh Tangente Hiperbólica
sqrt Raíz cuadrada
Tabla 2.2.2: Funciones matemáticas
inv Inversa de una matriz

det Determinante
eig Valores propios y vectores propios
norm Norma
rank Rango
orth Ortogonalización
inline Denición de una función algebraica
Tabla 2.2.3: Funciones para la manipulación de matrices
Si la función recibe más de un argumento, deben ingresarse separados por comas, por ejemplo:
r=rand(4,3)
Para obtener ayuda sobre el uso de alguna funcion puede utilizarse el comando "help":
help rand

2.2.5. Denición de funciones

Existen varias formas de denir funciones en MATLAB.
Primera Forma
clear
f=inline('x.^2.*sin(x.^3)')
Evaluemos la función en algunos puntos:

a=f(1)
f([1 1.5 2.3])
De esta forma se resalta la variable que se usa (en este caso x), se presta bien para evaluar y
gracar.
Segunda Forma
syms x
g=x^2*sin(x)
En esta forma la variable usada queda implícita (simbólica) y se presta muy bien para derivar,
integrar, gracar pero no para evaluar.
Existe una tercera forma de denir funciones. Se utiliza cuando las funciones son denidas por
tramos, o para funciones que emplean uno o más comandos de MATLAB para obtener un resultado.
Esto se realiza almacenando el código de la función en un archivo.
function y=h(x)
if((x>=1)&(x<=2)),
y=x^2;
elseif((x>2)&(x<=3)),
y=x+1;
end
Las siguientes líneas crean esta función y la guardan en el directorio de trabajo.

cd d:
for conta=1:2
func='functiony=h(x)\n\nif ((x>=1)&(x<=2)),\n\ty=x^2;\nelseif ((x>2)&(x<=3)),\n\ty=x+1;\nend';
a='h.m';
if (~exist(a,'file')),
fid=fopen(a,'w');
func = strrep(func,'%','%%');
fprintf(fid,func);
fclose(fid);
disp('La funcion ha sido creada');
end
end

Para llamar a la función, simplemente se escribe su nombre y se le da un argumento:
h(2.5)
Su ayudante lo instruirá respecto a la creación de funciones.
2.2.6. Grácos
Es fundamental tanto para hacerse una idea de un problema como para contar con cálculos
aproximados (por observación).
Si la funcion esta denida a traves de:
clear
f=inline('x.^3.*sin(x.^2)','x')
y se quiere tener un gráco de ella en el intervalo [0,10] entonces conviene hacer:

figure(1); %abre una ventana de grafico
fplot(f,[0 10]); %grafica la función en el intervalo especificado
grid on; %muestra la malla del grafico
En cambio si la función esta denida simbólicamente:

syms x;
g = x^3*sin(x)
Se hace:
figure(1);
ezplot(g,[0 5]);
grid on;
También se puede gracar numéricamente. Esto es, evaluar la función en varios puntos seguidos
y gracar dichos puntos. Esto también es útil si no se cuenta con una expresión analítica de
lo que se quiere gracar. En este caso se utilza el comando plot:
x=0:0.001:5;
y=x.^2.*sin(x.^3);
figure(1);
plot(x,y);
grid on;
El comando plot permite gracar múltiples funciones en un solo graco:

y2=x.^2.*sin(x);
y3=x;
figure(1);
plot(x,y,x,y2,x,y3);
grid on;

Existen varias opciones para gracar. La ayuda del comando plot explica estas opciones:
help plot
Por ejemplo, un gráco en color rojo y con línea segmentada:
figure(1);
plot(x,y,'r--');
grid on;
También puede añadir los nombres de los ejes y un título al dibujo
figure(1);
plot(x,y,'r--');
grid on;
xlabel('X'); %añade etiqueta al eje horizontal
ylabel('Y'); %añade etiqueta al eje vertical
title('Grafico número uno');
2.2.7. Solución de ecuaciones

Este tema también es fundamental puesto que es frecuente tener que resolver una ecuación
complicada. Respecto de ecuaciones polinomiales, en la actualidad cualquier software da todas las
soluciones posibles. Pero para otro tipo de ecuaciones la situación es relativa. Si es posible, antes de
resolver una ecuación es bueno realizar un trazado de la función que la dene.
Ejemplo:
El siguiente ejemplo involucra funciones senoidales

clear
f=inline('sin(3*x) + cos(2*x)');
figure(1);
fplot(f,[0 2*pi]);
grid on;
El dibujo nos muestra que en el intervalo es posible encontrar dos soluciones para la ecuación: ,
una cerca de y otra cerca de .¾Cómo encontrarlas?
Una alternativa es usar el comando Solve, pero es probable que no sea útil, por cuanto se trata de
una ecuación trigonométrica y eso sea difícil aún para el computador. La alternativa directa, donde
se usa la información salida del gráco, esto es usando el hecho que una raíz esté cerca de 1 y otra
cerca de 2.5:
g=inline('sin(3*x) + cos(2*x)-0.5');
fzero(g,1)
NOTA: Fijese en el comando fzero!!! ¾Qué nos entrega?

2.2.8. Derivación
El comando para derivar opera sobre variables denidas simbólicamente:
clear
syms x z;
g=sin(x^3)
El comando para derivar es di(f), donde f es la función a derivar, denida simbólicamente.
Veamos qué sucede al utilizarlo con g:

diff(g,4)
Para la derivada n-ésima, se utiliza di(f,n).
diff(2*z^3*x^2,x,2)
diff(2*z^3*x^2,z,2)
2.2.9. Integración
Para integrar una expresión, se utiliza el comando int().
Para obtener la antiderivada de f con respecto a la variable x: int(f,x)
Para obtener la integral denidade f desde a hasta b con respecto a la variable x: int(f,x,a,b)
Ejemplos:
clear
syms x y;
int(1/x)
Note que no fue necesario pasar la variable independiente como segundo argumento. Si la función
tiene un solo argumento, MATLAB efectúa la integración con respecto a esa variable.
Si hay más de una variable en la función, debe especicarse la variable de integración.
También puede efectuarse la integral de varias funciones al mismo tiempo.
int([1/x x^3/3 cos(x)*sin(y)])
int([1/x x^3/3 cos(x)*sin(y)],x,pi,4.5*pi)
Considere el siguiente ejemplo:
int(sin(x)/x,x,pi/4,pi/2)
Utilicemos el método de integración numérica quadl incluído en Matlab:
f=inline('sin(x)./x');
quadl(f,pi/4,pi/2)
¾Que hizo el comando quadl?
help quadl

3. Calculos numéricos
3.1. Como introducir números

Números aproximados con 200 decimales de precision:
digits(200);
vpa(pi)
vpa(0.5*pi)
Problema: √
Experimentar con e o con 2 en vez de π
3.2. Presición y exactitud

Primero veamos lo que nos dice el help en línea de Matlab:
http://www.mathworks.com/access/helpdesk/help/toolbox/daq/c1_int15.html
RESUMEN:
Presición : Es el número de dígitos signicativos y se relaciona con el error relativo.
Exactitud : Es el número de dígitos a la derecha del punto decimal en el número y se relaciona con el
error absoluto.
Necesidad de Precisión extra
No se presenta ningún problema en realizar el siguiente cálculo por que el software aumenta la
precisión usando los comandos digits y vpa y puede mostrar los 30 dígitos que se piden.
clear
digits(30);
vpa(sin(10^40))
Pero hay inconveniente con lo siguiente:
digits(30);
vpa(sin(10^400))
El software no es capaz de obtener el resultado, necesita más precisión.
3.3. Presición aumentada

La cantidad de dígitos, usando el Symbolic Math Toolbox de MATLAB, se puede aumentar hasta
524280. Estos se pueden aumentar hasta un millón. Sin embargo, acorde con ello los datos deben
ingresarse con esa precisión. El software descuenta la precisión a medida que la va perdiendo.
Veamos las grácas:

clear
x = 0:(2*pi/10000):(2*pi);
y = sin(10^10+x);
figure(1);
plot(x,y);
grid on
clear
x = 0:(2*pi/10000):(2*pi);
y = sin(10^15+x);
figure(1);
plot(x,y);
grid on
clear
x = 0:(2*pi/10000):(2*pi);
y = sin(10^16+x);
figure(1);
plot(x,y);
grid on
x = 0:(2*pi/70):(2*pi);
y = sin(10^16+x);
plot(x,y,'b.')
grid on
Podemos concluir que al calcular y = sin(10k + x) para k grande, el argumento de la función

sin() es muy grande para la precisión de la máquina, con lo cual se pierde precisión en el resultado.
3.4. Números de máquina

Es conocido el siguiente test para averiguar el numero de máquina que se esta usando. El dato
n es el número de maquina máximo probable. Para cuando encuentra el número de máquina el test
aborta.
function nmaq(n)
a=1;
for k=1:n
if (1+0.5*10^(-k)) <= 1,
disp(sprintf('El EPS en uso es %d',k));
a=0;
break;
end

end
if a,
disp(sprintf('El EPS en uso es al menos %d',k));
end
Si ingresamos n=20 como máximo número de máquina probable:

nmaq(20)
3.5. Arimética de punto otante y errores de redondeo

Denición. CERO DE UNA FUNCIÓN
Sea f : x ∈ D ⊂ < → <
Se dirá que x = s es un çero de f "si: f (s) = 0
Ejemplo:
1. El conjunto de ceros de f (x) = ex+2 − 1 es E = {−2}
2. El conjunto de ceros de la función f (x) = sin(x) es E = {k · π; k ∈ Z}
Teorema
Sea f (x) una función real continua denida para x ∈ [a, b] .
Sea > 0 una medida del error absoluto y sea x = z ∈ [a, b].
Si el producto f (z − ) · f (z + ) < 0 entonces existe cero x = s de f de modo que:
|z − s| <
OBS.
Del teorema resulta que Z es una aproximación de s con error absoluto a lo menos de . Este
teorema es importante para probar la precisión.
Denición.
Si s = ±0.a1 a2 . . . · 10b se dirá que Z es un aproximación de s con a lo menos m dígitos signicativos
si:
|z − s| < 0,5 · 10b−m
Ejemplo
La función que da la longitud del arco y = x(x + 1) entre ( 1 , 1 ) y ( t , t2 ):
Z tp
f (t) = 1 + (1 + 2x)2 dx, t ∈ [1, 2]
1
Una solución aproximada de la ecuación f (t) = 2, es t = 1,543106501046570011. Determinar el

número de dígitos signicativos que tiene esa aproximación.

Nota. La idea no consiste en idear un algoritmo que calcule otra aproximación para compararla.
Se supone simplemente que no se dispone de otra y lo que importa es establecer la precisión.
Solución
Comprobemos primero que se trata efectivamente de una aproximación:
clear
z=1.543106501046570011;
digits(40);
syms x t
a=vpa(eval(int(sqrt(1+2*x)^2,1,z)))
Efectivamente es una aproximación de la ecuación:

Ahora veamos si al menos el segundo decimal es signicativo, para ello, hacemos z = 1.54 y pertur-
bamos el tercer decimal.
clear
z=1.54;
digits(40);
syms x t
a=eval(int(sqrt(1+(1+2*x)^2),1,z));
w=1.54-0.005;
q=1.54+0.005;
t=eval(int(sqrt(1+(1+2*x)^2),1,w)-2)*eval(int(sqrt(1+(1+2*x)^2),1,q)-2)
Los signos opuestos indican que sí lo es.
Trate Ud. de vericar si al menos el quinto dígito es signicativo. ¾Cómo lo haría?, ¾Se podrá pro-
gramar Matlab para que arroje la cantidad de cifras signicativas que tiene una aproximación?.
Se sabe que la aproximación tiene 12 DS.
Problema
√
Una aproximación del único cero de f (x) = 3 − ex−1 , es z = 1.54930614443405487 Calcule la
precisión de dicha aproximación usando para ello el teorema descrito.
Nota: La idea no consiste en idear un algoritmo que calcule otra aproximación para compararla. Se
supone simplemente que no se dispone de nada más y lo que importa es establecer la precisión.
3.6. Propagación de errores

Ejemplo
Conveniencia de lograr una forma anidada de modo de evaluar correctamente polinomios.
En el libro de Burden aparece el siguiente polinomio:
f (x) = x3 − 6,1x2 + 3,2x + 1,5

y piden evaluar en x = 4.71 con la aritmética de 3 dígitos, esto es, redondeando todas las operaciones
a 3 dígitos.
Solución:
Matlab, es capaz de desarrollar este problema con solo ingresar el comando digits y vpa, el
primero le dirá al software con cuantos dígitos debe trabajar, y el segundo nos entregara todas los
cálculos de variables bajo las condiciones dadas por digits.
Primero, ingresemos la función de forma que podamos evaluarla en los puntos que sea necesario:
clear
syms x
f=inline('x^3-6.1*x^2+3.2*x+1.5','x')
digits(3);
vpa(f(4.71))
Burden señala que si hacemos x = 4,71, x3 = 105, veamos si es asi:
syms x
digits(20);
a=inline('x^3','x');
vpa(a(4.71))
ceil(a(4.71))
Vemos que el software nos entrega un valor que esta redondeado pero al entero más próximo
y que se encuentra por sobre el valor original, ahora esa es una función de Matlab, por lo que se
provocan diferencias al trabajar con números redondeados.
Evaluemos f (x) en 4.71, primero veamos lo que da el software. Después se hace con 3 D.S
f(4.71)
digits(3);
vpa(f(4.71))
Vemos que matlab nos entrega el mismo valor, solo que redondeado a 3 D.S, por lo que no
existe problema al trabajar con los comandos precisos, así evitamos los errores, que principalmente
se deben a una mala programación del usuario.
Ejercicio
Considere el polinomio siguiente:
q = 1 − 8x + 28x2 − 56x3 + 70x4 − 56x5 + 28x6 − 8x7 + x8
Evalue el polinomio con la aritmética de 3 D.S. en x = 1.01
3.7. Problemas bien condicionados.

3.7.1. Incidencia de los factores de condicionamiento en el error
Denición.

Un problema z = f (x1 , . . . , xn ) se dice bien condicionado si pequeños errores en los datos tiene por
efecto pequeños errores en el resultado.
Denición.
NÚMEROS DE CONDICIONAMIENTO.
Suponga que z = f (x1 , . . . , xn ) en que f es continuamente diferenciable
Se llaman números de condicionamiento de f con respecto a xi para i = 1, . . . , n
xi ∂z
ci = para i == 1, . . . , n (3.7.1)
z ∂xi
Observación. Un problema se dirá bien condicionado si los números de condicionamiento son, en
valor absoluto, pequeños del orden de 1
Se tiene en este caso que la relación entre los errores relativos es aproximadamente:
ez ' c1 ex1 + . . . + cn exn
Observación. Un problema se dirá bien condicionado si los números de condicionamiento son acota-
dos.
3.7.2. Buen Condicionamiento en una variable

Ejemplo.
Consideremos la derivada de la función f (x) = 1
3−x2
, esto es:
4x
y=
(3 − 2x2 )2
Calcular el valor de y en x=1.22 con aritmética de 3 dígitos. Estudiar el tamaño del factor de con-
dicionamiento en x= 1.22 y explicar lo que pasa.
Análisis:
Haremos los cálculos con el software que usa aritmética hasta 50 dígitos, en forma simultánea
con la aritmética de 3 dígitos para ver la diferencia. Usaremos un comando que nos redondeará a 3
dígitos.
Calculemos al numerador y denominador separadamente:
clear
digits(50);
z=1.22;
n=vpa(4*z)
d=vpa((3-2*z^2)^2)
clear
digits(3)
z=1.22;
n=vpa(4*z)
d=vpa((3-2*z^2)^2)

Calculemos ahora el valor de la función

syms x
digits(50)
y=inline('4*x/(3-2*x^2)^2','x')
vpa(y(1.22))
t=n/d
Evidentemente existe una diferencia, pero ¾Cómo se explica?. Veamos el factor de condiciona-
miento de un problema de una sola variable.
clear
syms x
f=4*x/(3-2*x^2)^2
d=diff(f,1)
fc=(x/f)*d
Evaluamos el factor de condicionamiento en el punto x = 1.22

clear
syms x
f=inline('1/4*(3-2*x^2)^2*(4/(3-2*x^2)^2+32*x^2/(3-2*x^2)^3)','x')
f(1.22)
Y resulta que es enorme. Eso explica que el error relativo del resultado es aproximadamente
EPS*factor:
er=5*10^-3*f(1.22)
Lo cual explica la diferencia entre los valores calculados. Si se utilizara en cambio la aritmética
de 6 dígitos, teóricamente el error disminuiria al 0.2 % lográndose un decimal por lo menos.
er1=5*10^-6*f(1.22)
Con la aritmética de 8 dígitos disminuye el error al 0.002

er2=5*10^-8*f(1.22)
3.7.3. Raíces de un polinomio de grado elevado

Ejemplo.
No es simple lograr raíces de la ecuación polinomial de grado 10:
3628800˘10628640x+12753576x2 ˘8409500x3 +3416930x4 ˘902055x5 +157773x6 ˘18150x7 +1320x8 ˘55x9 +x1 0 = 0
Análisis:
Consideremos el siguiente polinomio de grado 10. Por construcción sus diez raices son reales, y
son los 10 primeros números naturales.

clear
syms x
f=solve('3628800-10628640*x+12753576*x^2-8409500*x^3+3416930*x^4
-902055*x^5+157773*x^6-18150*x^7+1320*x^8-55*x^9+x^10=0')
Obtengamos la aproximación de una raiz, usando fzero.
clear
syms x
digits(3)
f=inline('3628800-10628640*x+12753576*x^2-8409500*x^3+3416930*x^4
-902055*x^5+157773*x^6-18150*x^7+1320*x^8-55*x^9+x^10')
vpa(fzero(f,4.2))
Pero ahora modiquemos en una centésima el coeciente de x9 :
syms x
digits(10);
q=vpa(solve('3628800-10628640*x+12753576*x^2-8409500*x^3
+3416930*x^4-902055*x^5+157773*x^6-18150*x^7+1320*x^8
-55.01*x^9+x^10=0'))
Vemos que obtuvimos 6 raíces complejas. Eso revela un comportamiento inusual.
Ejercicio:
Calcular el factor de condicionamiento del polinomio con respecto a x para explicar el fenómeno.
Una gráca de este factor ilustra todo.
3.7.4. Buen condicionamiento en varias variables

Ejemplo.
√
Consideremos el problema de evaluar a·sin b para las medidas instrumentales de a y b. Las medidas
se aproximan a = 5 y b = 3,1 ¾será correcto esto?.
Análisis.
Los factores o números de condicionamiento para este caso son respectivamente:
dy
ca = ay da = 12 , lo cual dice que no hay problema con a.
sin(a) = b cot(b), lo cual dice que habrá problemas con b cerca de 0 y de π .

= b cos(b)
b dy
cb = y db
Veamos que signica eso en la práctica. Si usted evalua para a = 5, b = 2 no debería haber problemas.
Para verlo comparemos con el valor para b = 2.01 y estimemos el error relativo
clear
format long
f=inline('a.^2.*sin(b)','a','b');
y0=f(5,2);
y1=f(5,2.01);
ErrorRelativo=abs(y0-y1)/y0

Por lo que se tiene tal error relativo al equivocarse en una centésima en la medida de b. Pero
veamos que pasa si se equivoca en una centésima cuando b = 2.6.
y0=f(5,2.6);
y1=f(5,2.61);
Ahora nos deberá quedar claro que es peligroso equivocarse una centésima si b = 3.1. Eso es en
concreto lo que decía el análisis del factor de condicionamiento respecto de b.
y0=f(5,3.1);
y1=f(5,3.11);
Concluyamos trazando la curva del error relativo por variaciones de una centésima de b en el
intervalo [2, 3,12], cona = 5.
errorrel=inline('abs(5.^2.*sin(b)-5.^2.*sin(b+0.01))/(5.^2.*sin(b))')
figure(1);fplot(errorrel,[2 3.12]);grid on
Tracemos en paralelo la curva del factor de condicionamiento.

figure(1);fplot('b.*cot(b)', [2 3.12]);grid on
Ejercicio.
1) Obtener los factores de condicionamiento de las fórmulas para las raíces de la ecuación ax2 +
bx + c = 0 en el caso a = 1 , b = -26 , c = 1
2) Obtener los factores de condicionamiento para el determinante de una matriz cuadrada de orden
2.
Ejercicio ( Tarea 1 Ej. 2 2o. Sem. 2004)
Una medida de la Eciencia Lateral en la captación de aguas lluvias urbanas de alta pendiente,
como por ejemplo calle Cumming en Valparaíso, queda determinado por la siguiente ley:
q
2a 5i a2 5i
q= +
L−B (L − B)2
donde:
L: Ancho de escurrimiento del ujo de agua.
0 ≤ a ≤ 0,5corresponde al largo del sumidero.
B ≤ L: Ancho del sumidero.
0,02 ≤ s ≤ 0,06: Pendiente transversal de la calle.
0 ≤ 0,3: Pendiente longitudinal de la calle.
Suponiendo que s = 0,04 e i = 0,15 establezca los factores de condicionamiento de q = q(a, B, L)

con respecto a cada una de las variables.

01 Formulario v3

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

01 Formulario v3

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Técnica Federico Santa María

Laboratorio Mat 270 - Análisis Numérico

Introducción y Arimética Flotante

Coordinador Académico del Laboratorio : Profesor Jaime Figueroa Nieto (jaime.gueroa@usm.cl)

Primer semestre 2018 - MATLAB 2

La nota nal del laboratorio NL se obtendrá según la siguiente fórmula:

N L = 0,1 ∗ N otaAsistencia + 0,4 ∗ N otaP reinf ormes + 0,5 ∗ N otaControles

2.1. Utilización de ayuda

2.2. Operaciones Básicas

Primer semestre 2018 - MATLAB 3

Ejemplo 1: Denimos las las y las separamos ";"

La operacion "^çorresponde a la potencia y también es entendida matricialmente, por ejemplo:

Primer semestre 2018 - MATLAB 4

2.2.2. Operaciones .*, ./ y .b

2.2.3. Sentencias de Control

Un ejemplo del uso de If es el siguiente:

Primer semestre 2018 - MATLAB 5

2.2.4. Funciones en MATLAB

Primer semestre 2018 - MATLAB 6

A continuación se muestran algunas de las funciones incluidas en MATLAB.

zeros Matriz de ceros

inv Inversa de una matriz

Primer semestre 2018 - MATLAB 7

2.2.5. Denición de funciones

Evaluemos la función en algunos puntos:

Las siguientes líneas crean esta función y la guardan en el directorio de trabajo.

Primer semestre 2018 - MATLAB 8

Para llamar a la función, simplemente se escribe su nombre y se le da un argumento:

Su ayudante lo instruirá respecto a la creación de funciones.

y se quiere tener un gráco de ella en el intervalo [0,10] entonces conviene hacer:

En cambio si la función esta denida simbólicamente:

El comando plot permite gracar múltiples funciones en un solo graco:

Primer semestre 2018 - MATLAB 9

2.2.7. Solución de ecuaciones

El siguiente ejemplo involucra funciones senoidales

Primer semestre 2018 - MATLAB 10

El comando para derivar es di(f), donde f es la función a derivar, denida simbólicamente.

Veamos qué sucede al utilizarlo con g:

Primer semestre 2018 - MATLAB 11

3.1. Como introducir números

3.2. Presición y exactitud

3.3. Presición aumentada

Veamos las grácas:

Primer semestre 2018 - MATLAB 12

Podemos concluir que al calcular y = sin(10k + x) para k grande, el argumento de la función

3.4. Números de máquina

Primer semestre 2018 - MATLAB 13

Si ingresamos n=20 como máximo número de máquina probable:

3.5. Arimética de punto otante y errores de redondeo

Una solución aproximada de la ecuación f (t) = 2, es t = 1,543106501046570011. Determinar el

Primer semestre 2018 - MATLAB 14

Efectivamente es una aproximación de la ecuación:

Se sabe que la aproximación tiene 12 DS.

3.6. Propagación de errores

Primer semestre 2018 - MATLAB 15

Evalue el polinomio con la aritmética de 3 D.S. en x = 1.01

3.7. Problemas bien condicionados.

Primer semestre 2018 - MATLAB 16

3.7.2. Buen Condicionamiento en una variable

Primer semestre 2018 - MATLAB 17

Calculemos ahora el valor de la función

Evaluamos el factor de condicionamiento en el punto x = 1.22

Con la aritmética de 8 dígitos disminuye el error al 0.002

Coordinador Académico del Laboratorio : Profesor Jaime Figueroa Nieto (jaime.gueroa@usm.cl)

La nota nal del laboratorio NL se obtendrá según la siguiente fórmula:

Ejemplo 1: Denimos las las y las separamos ";"

2.2.5. Denición de funciones

y se quiere tener un gráco de ella en el intervalo [0,10] entonces conviene hacer:

En cambio si la función esta denida simbólicamente:

El comando plot permite gracar múltiples funciones en un solo graco:

El comando para derivar es di(f), donde f es la función a derivar, denida simbólicamente.

Veamos las grácas:

3.5. Arimética de punto otante y errores de redondeo