Unidad I

ANÁLISIS NUMÉRICO
José Miguel Gómez Guzmán
Ciencias Básicas y Ambientales

Instituto Tecnológico de Santo Domingo
15 de agosto de 2020
Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 1 / 40

Conceptos Fundamentales de los Métodos Numéricos
Introducción

Introducción
Definición
Análisis Numérico
Es el diseño, uso y análisis de algoritmos, los cuales son conjuntos de instrucciones
cuyo fin es calcular o aproximar alguna cantidad o función.

Introducción
Definición
Análisis Numérico
El análisis numérico consiste en procedimientos que resuelven problemas y realizan
cálculos puramente aritméticos. Pero hay que tomar en cuenta las características
especiales y limitaciones de los instrumentos de cálculo (como las computadoras) que
nos ayudan en la ejecución de las instrucciones del algoritmo.

Introducción
Definición
Análisis Numérico
Un especialista de análisis numérico se interesa en la creación y comprensión de

buenos métodos que resuelvan problemas numéricamente. Una característica
importante del estudio de los métodos es su variación.

Introducción
Definición
Análisis Numérico

Una buena razón para estudiar el análisis numérico es mejorar nuestra
comprensión de los conceptos de las matemáticas (puras) observando como
algunos de ello deben modificarse necesariamente en las matemáticas
computacionales.

Introducción
Definición
Análisis Numérico

Una buena razón para estudiar el análisis numérico es mejorar nuestra
comprensión de los conceptos de las matemáticas (puras) observando como
algunos de ello deben modificarse necesariamente en las matemáticas
computacionales.
Después de todo, el análisis numérico es importante porque es necesario en la
solución de muchos problemas del mundo real.
Métodos Numéricos

Métodos Numéricos
Definición
Son técnicas de análisis las cuales es posible formular problemas de tal manera que
se pueden resolver utilizando operaciones aritméticas.
Las técnicas más utilizadas son usadas para resolver:

Ajuste de Curvas
Sistema de Ecuaciones Lineales
Ecuaciones no lineales
Integración
Ecuaciones Diferenciales (ordinarias y parciales)

Conceptos Fundamentales de los Métodos Numéricos Historia de los Métodos Numéricos
Historia de los Métodos Numéricos

Conceptos Fundamentales de los Métodos Numéricos Aproximaciones y Errores de Redondeo
Errores de Redondeo
Los errores de redondeo se deben a que la computadora tan sólo representa cantidades
con un número finito de dígitos:
Ejemplo
4.125 se redondea a 4.13

Errores de Redondeo
Ejemplo
√
Los números tales como π, e o 7 no pueden exspresarse con un número fijo de cifras
significativas.

Errores de Redondeo
Ejemplo
√
significativas.
Por lo tanto, no pueden ser representados exactamente por la computadora.

Errores de Redondeo
Ejemplo
√
significativas.
Además, debido a que las computadoras usan una representación en base 2, no pueden
representar exactamente algunos números en base 10.

Errores de Redondeo
Ejemplo
√
significativas.
Además, debido a que las computadoras usan una representación en base 2, no pueden
representar exactamente algunos números en base 10.
Esta discrepancia por la omisión de cifras significativas se llama error de redondeo.

Conceptos Fundamentales de los Métodos Numéricos Cifras Significativas
Cifras Significativas
Definición

Definición
El concepto de cifras o dígitos significativos se ha desarrollado para designar
formalmente la confiabilidad de un valor numérico.

Definición
Las cifras significativas de un número son aquellas que pueden utilizarse en forma
confiable. Se trata del número de dígitos que se ofrecen con certeza, más uno
estimado. Es decir, El número de cifras significativas es aquel que puede ser usado
para que ese valor sea confiable.

Definición
Las cifras significativas de un número son aquellas que pueden utilizarse en forma
confiable. Se trata del número de dígitos que se ofrecen con certeza, más uno
estimado. Es decir, El número de cifras significativas es aquel que puede ser usado
para que ese valor sea confiable.
La figura muestra un velocímetro y un odómetro (contador de kilometraje) de un au-

tomóvil. Con un simple vistazo al velocímetro se observa que el vehículo viaja a una
velocidad comprendida entre 48 y 49 km/h. Como la aguja está más allá de la mitad
entre las marcas del indicador, es posible asegurar que el automóvil viaja aproximada-
mente a 49 km/h. Tenemos confianza en este resultado, ya que dos o más individuos
que hicieran esta lectura llegarían a la misma conclusión.
El velocímetro y el odómetro de un automóvil ejemplifican el concepto de cifras

significativas.
Ejemplo
El velocímetro y el odómetro de la figura muestran lecturas de hasta tres y siete cifras
significativas, respectivamente.


significativas.
Ejemplo
significativas, respectivamente.Para el velocímetro, los dos dígitos seguros son 48.


significativas.
Ejemplo
significativas, respectivamente.Para el velocímetro, los dos dígitos seguros son 48.Por
convención al dígito estimado se le da el valor de la mitad de la escala menor de
división en el instrumento de medición. Así, la lectura del velocímetro consistirá de
las tres cifras significativas:
48.5.


significativas.
Ejemplo
significativas, respectivamente.Para el velocímetro, los dos dígitos seguros son 48.Por
convención al dígito estimado se le da el valor de la mitad de la escala menor de
división en el instrumento de medición. Así, la lectura del velocímetro consistirá de
las tres cifras significativas:
48.5.
En forma similar, el odómetro dará una lectura con siete cifras significativas,
87324.45.

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio

de los métodos numéricos.


1 Como los métodos numéricos dan resultados aproximados. Por lo tanto, se deben
desarrollar criterios para especificar qué tan confiables son dichos resultados.


Una manera de hacerlo es en términos de cifras significativas.


Una manera de hacerlo es en términos de cifras significativas.
Por ejemplo, es posible afirmar que la aproximación es aceptable siempre y
cuando sea correcta con cuatro cifras significativas.
2 Aunque ciertas cantidades tales como π, e, o 7 representan cantidades
específicas, no se pueden expresar exactamente con un número finito de dígitos.
Por ejemplo,
π = 3.141592653589793238462643...
hasta el infinito. Como las computadoras retienen sólo un número finito de cifras
significativas, tales números jamás se podrán representar con exactitud. A la
omisión del resto de cifras significativas se le conoce como error de redondeo.

Conceptos Fundamentales de los Métodos Numéricos Exactitud y Precisión
Exactitud y Precisión

Los errores en cálculos y medidas se pueden caracterizar con respecto a su exactitud y

su precisión.
Definición
La exactitud se refiere a qué tan cercano está el valor calculado o medido del
valor verdadero es decir, Que tan cercano está el valor calculado al valor real


su precisión.
Definición
La precisión se refiere a qué tan cercanos se encuentran, unos de otros, diversos
valores calculados o medidos, es decir, que tan cercano está un valor individual
medido o calculado con respecto a los otros.


su precisión.
Definición
La inexactitud (conocida también como sesgo) se define como una
desviación(alejamiento) sistemática del valor verdadero.


su precisión.
Definición
La inexactitud (conocida también como sesgo) se define como una
desviación(alejamiento) sistemática del valor verdadero.
La imprecisión (también llamada incertidumbre), por otro lado, se refiere a la
magnitud en la dispersión, es decir, magnitud del alejamiento.

Ejemplo
Un ejemplo de puntería ilustra los conceptos de exactitud y precisión. a) Inexacto e
impreciso; b) exacto e impreciso; c) inexacto y preciso; d) exacto y preciso.

Ejemplo
Un ejemplo de puntería ilustra los conceptos de exactitud y precisión. a) Inexacto e
impreciso; b) exacto e impreciso; c) inexacto y preciso; d) exacto y preciso.
Los agujeros en cada blanco de la figura se consideran como las predicciones con una
técnica numérica; mientras que el centro del blanco representa la verdad.
Los disparos en la figura c están más juntos que los de la figura a, los dos casos son
igualmente inexactos, ya que ambos se centran en la esquina superior izquierda del
blanco.
Por consiguiente, aunque las figuras b y d son igualmente exactas (esto es, igualmente
centradas respecto al blanco), la última es más precisa, pues los disparos están agrupa-
dos en forma más compacta.
Definiciones de Error

Los métodos numéricos deben ser lo suficientemente exactos o sin sesgo para satisfacer
los requisitos de un problema particular. También deben ser suficientemente precisos
para ser adecuados en el diseño.

Usaremos el término error para representar tanto la inexactitud como la imprecisión
en las predicciones. Con dichos conceptos como antecedentes, ahora analizaremos los
factores que contribuyen al error en los cálculos numéricos.

Usaremos el término error para representar tanto la inexactitud como la imprecisión
en las predicciones. Con dichos conceptos como antecedentes, ahora analizaremos los
factores que contribuyen al error en los cálculos numéricos.
Los errores numéricos surgen del uso de aproximaciones para representar operaciones
y cantidades matemáticas exactas. Éstas incluyen los errores de truncamiento que
resultan del empleo de aproximaciones como un procedimiento matemático exacto, y
los errores de redondeo que se producen cuando se usan números que tienen un límite
de cifras significativas para representar números exactos.

error numérico
Para ambos tipos de errores, la relación entre el resultado exacto, o verdadero, y el
aproximado está dada por

error numérico
Valor verdadero = Valor aproximado + error (1)

error numérico
Reordenando la ecuación (1) se encuentra que el error numérico es igual a la diferencia

entre el valor verdadero y el valor aproximado, es decir

error numérico

Et = valor verdadero − valor aproximado (2)
donde Et se usa para denotar el valor exacto del error. El subíndice t indica que se
trata del error “verdadero” (true). Una desventaja en esta definición es que no toma en
consideración el orden de la magnitud del valor que se estima.

error numérico

Por ejemplo, un error de un centímetro es mucho más significativo si se está midiendo
un remache en lugar de un puente. Una manera de tomar en cuenta las magnitudes de
las cantidades que se evalúan consiste en normalizar el error respecto al valor verdade-
ro, es decir

error numérico

Por ejemplo, un error de un centímetro es mucho más significativo si se está midiendo
un remache en lugar de un puente. Una manera de tomar en cuenta las magnitudes de
las cantidades que se evalúan consiste en normalizar el error respecto al valor verdade-
ro, es decir
error verdadero
Error relativo fraccional verdadero = (3)
valor verdadero
error relativo
El error relativo también se puede multiplicar por 100 % para expresarlo como
error verdadero
et = 100 % (4)
valor verdadero

error relativo
error verdadero
et = 100 % (4)
valor verdadero
donde et denota el error relativo porcentual verdadero.

error relativo
error verdadero
et = 100 % (4)
valor verdadero
Ejemplo
Suponga que se tiene que medir la longitud de un puente y la de un remache, y se
obtiene 9999 y 9cm, respectivamente. Si los valores verdaderos son 10000 y 10cm ,
calcule a) el error verdadero y b) el error relativo porcentual verdadero en cada caso.

error relativo
error verdadero
et = 100 % (4)
valor verdadero
Ejemplo
Solución
a) El error en la medición del puente es [ecuación (2)]

error relativo
error verdadero
et = 100 % (4)
valor verdadero
Ejemplo
Solución
Et = 10000 − 9999 = 1cm

error relativo
error verdadero
et = 100 % (4)
valor verdadero
Ejemplo
Solución
Et = 10000 − 9999 = 1cm
y en la del remache es de

error relativo
error verdadero
et = 100 % (4)
valor verdadero
Ejemplo
Solución
Et = 10000 − 9999 = 1cm
y en la del remache es de
Et = 10 − 9 = 1cm
Solución
b) El error relativo porcentual para el puente es [ecuación (4)]

Solución
1
et = 100 % = 0.01 %
10000

Solución
1
et = 100 % = 0.01 %
10000
y para el remache es de

Solución
1
et = 100 % = 0.01 %
10000
1
et = 100 % = 10 %
10

Solución
1
et = 100 % = 0.01 %
10000
1
et = 100 % = 10 %
10
Por lo tanto, aunque ambas medidas tienen un error de 1 cm, el error relativo porcentual
del remache es mucho mayor. Se concluye entonces que se ha hecho un buen trabajo
en la medición del puente; mientras que la estimación para el remache dejó mucho que
desear.


En los métodos numéricos, el valor verdadero sólo se conocerá cuando se tengan fun-
ciones que se resuelvan analíticamente. Éste comúnmente será el caso cuando se estu-
die el comportamiento teórico de una técnica específica para sistemas simples.

Sin embargo, en muchas aplicaciones reales, no se conoce a priori la respuesta verda-
dera. Entonces en dichos casos, una alternativa es normalizar el error, usando la mejor
estimación posible al valor verdadero; es decir, para la aproximación misma, como en

error aproximado
ea = 100 % (5)
valor aproximado
donde el subíndice a significa que el error está normalizado a un valor aproximado.
Observe también que en aplicaciones reales la ecuación (2) no se puede usar para
calcular el término del error de la ecuación (5).

error aproximado
ea = 100 % (5)
valor aproximado
donde el subíndice a significa que el error está normalizado a un valor aproximado.
Observe también que en aplicaciones reales la ecuación (2) no se puede usar para
calcular el término del error de la ecuación (5).
Uno de los retos que enfrentan los métodos numéricos es el de determinar estimaciones
del error en ausencia del conocimiento de los valores verdaderos.


Por ejemplo, ciertos métodos numéricos usan un método iterativo para calcular los
resultados. En tales métodos se hace una aproximación considerando la aproximación
anterior. Este proceso se efectúa varias veces, o de forma iterativa, para calcular en
forma sucesiva, esperando cada vez mejores aproximaciones.

En tales casos, el error a menudo se calcula como la diferencia entre la aproximación
previa y la actual. Por lo tanto, el error relativo porcentual está dado por

En tales casos, el error a menudo se calcula como la diferencia entre la aproximación
previa y la actual. Por lo tanto, el error relativo porcentual está dado por
aproximación actual − aproximación anterior

ea = 100 % (6)
aproximación actual
Los signos de las ecuaciones ya mencionada pueden ser positivos o negativos.
Si la aproximación es mayor que el valor verdadero (o la aproximación previa es mayor
que la aproximación actual), el error es negativo; si la aproximación es menor que el
valor verdadero, el error es positivo.
También en las ecuaciones (4) a (6), el denominador puede ser menor a cero, lo cual
también llevaría a un error negativo.

A menudo, cuando se realizan cálculos, no importa mucho el signo del error, sino más
bien que su valor absoluto porcentual sea menor que una tolerancia porcentual prefijada
es. Por lo tanto, es útil emplear el valor absoluto de las ecuaciones (2) a (6). En tales
casos, los cálculos se repiten hasta que
|ea | < es (7)
Si se cumple la relación anterior, entonces se considera que el resultado obtenido está

dentro del nivel aceptable fijado previamente es .

A menudo, cuando se realizan cálculos, no importa mucho el signo del error, sino más
bien que su valor absoluto porcentual sea menor que una tolerancia porcentual prefijada
es. Por lo tanto, es útil emplear el valor absoluto de las ecuaciones (2) a (6). En tales
casos, los cálculos se repiten hasta que
|ea | < es (7)
Si se cumple la relación anterior, entonces se considera que el resultado obtenido está

dentro del nivel aceptable fijado previamente es .
Es conveniente también relacionar estos errores con el número de cifras significativas
en la aproximación. Es posible demostrar (Scarborough, 1966) que si el siguiente cri-
terio se cumple, se tendrá la seguridad que el resultado es correcto en al menos n cifras
significativas.
es = (0.5 × 102−n )100 % (8)

Estimación del error con métodos iterativos
Ejemplo

Ejemplo
En matemáticas con frecuencia las funciones se representan mediante series infinitas.
Por ejemplo, la función exponencial se calcula usando
x2 x3 xn
ex = 1 + x + + + ··· + ··· (9)
2! 3! n!

Ejemplo
x2 x3 xn
ex = 1 + x + + + ··· + ··· (9)
2! 3! n!
Empezando con el primer término ex = 1 y agregando término por término, estime el
valor de e0.5 .

Ejemplo
x2 x3 xn
ex = 1 + x + + + ··· + ··· (9)
2! 3! n!
valor de e0.5 .
Después de agregar cada término, calcule los errores: relativo porcentual verdadero
y normalizado a un valor aproximado usando las ecuaciones (4) y (5),
respectivamente. Observe que el valor verdadero es e0.5 = 1.648721. . . Agregue
términos hasta que el valor absoluto del error aproximado ea sea menor que un
criterio de error preestablecido es con tres cifras significativas.

Ejemplo
x2 x3 xn
ex = 1 + x + + + ··· + ··· (9)
2! 3! n!
valor de e0.5 .
Después de agregar cada término, calcule los errores: relativo porcentual verdadero
y normalizado a un valor aproximado usando las ecuaciones (4) y (5),
respectivamente. Observe que el valor verdadero es e0.5 = 1.648721. . . Agregue
términos hasta que el valor absoluto del error aproximado ea sea menor que un
criterio de error preestablecido es con tres cifras significativas.
Así cuanto más términos se le agreguen a la serie, la aproximación será cada vez más
una mejor estimación del valor verdadero de ex . La ecuación (9) se conoce como ex-
pansión en series de Maclaurin.

Solución
En primer lugar la ecuación (8) se emplea para determinar el criterio de error que
asegura que un resultado sea correcto en al menos tres cifras significativas:

Solución
es = (0.5 × 102−3 ) % = 0.05 %
Por lo tanto, se agregarán términos a la serie hasta que ea sea menor que este valor.
La primera estimación es igual a la ecuación (9) con un solo término. Entonces, la
primera estimación es igual a 1. La segunda estimación se obtiene agregando el
segundo término, así:

Solución
es = (0.5 × 102−3 ) % = 0.05 %
ex = 1 + x

Solución
es = (0.5 × 102−3 ) % = 0.05 %
ex = 1 + x
y para x = 0.5,
e0.5 = 1 + 0.5 = 1.5

Solución
es = (0.5 × 102−3 ) % = 0.05 %
ex = 1 + x
y para x = 0.5,
e0.5 = 1 + 0.5 = 1.5
Esto representa el error relativo porcentual verdadero de [ecuación (4)]

Solución
es = (0.5 × 102−3 ) % = 0.05 %
ex = 1 + x
y para x = 0.5,
e0.5 = 1 + 0.5 = 1.5
Esto representa el error relativo porcentual verdadero de [ecuación (4)]

1.648721 − 1.5
et = 100 % = 9.2 %
1.648721
Solución
La ecuación (5) se utiliza para determinar una estimación aproximada del error, dada
por:

Solución
La ecuación (5) se utiliza para determinar una estimación aproximada del error, dada
por:
1.5 − 1
ea = 100 % = 33.33 %
1.5
Como ea no es menor que el valor requerido es, se deben continuar los cálculos
2
agregando otro término, x2! , repitiendo el cálculo del error. El proceso continúa hasta
que ea < es . Todos los cálculos se resumen de la siguiente manera

Conceptos Fundamentales de los Métodos Numéricos Errores de truncamiento y serie de Taylor
Errores de Truncamiento
Definición
Los errores de truncamiento representan la diferencia entre una formulación
matemática exacta de un problema y su aproximación obtenida por un método
numérico.

Errores de Truncamiento
Definición
Los errores de truncamiento representan la diferencia entre una formulación
matemática exacta de un problema y su aproximación obtenida por un método
numérico.
Este se debe a la interrupción de un proceso matemático antes de su terminación.
Sucede cuando se toman sólo algunos términos de una serie infinita o cuando se toma
sólo un número finito de intervalos.
Un caso adicional de error de truncamiento ocurre cuando una calculadora poco
sofisticada sólo toma en cuenta los dígitos que caben en la pantalla y no analiza el
primer dígito perdido. En resumen,
Error real = error de truncamiento + error de redondeo (10)

Serie de Taylor

Serie de Taylor
La serie de Taylor nos permite manipular funciones complejas como las logar ítmicas,
exponenciales y trigonométricas, aproximando el valor de una función en un entorno
de un punto a, en términos del valor de la función y sus derivadas en dicho punto.
Definición
Llamaremos Polinomio de Taylor de grado n de una función f suficientemente
derivable en el punto a, y lo denotaremos por Tn,a [f ] al polinomio:
f 0 (a) f 00 (a) f (n) (a)

Tn,a [f ](x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n (11)
1! 2! n!
Nota
Se puede escribir la fórmula (11) más compacta de la siguiente forma:
n
X f (i) (a)
Tn,a [f ](x) = (x − a)i (12)
i!
i=0

Teorema
Sea “f ” una función suficientemente derivable en un punto a, se puede construir el
polinomio de Taylor, Tn,a [f ]], de tal forma que Tn,a [f ](k) (a) = f (k) (a), siendo
k = 1, 2, ·n., es decir, este polinomio tiene la propiedad de que él y sus derivadas
hasta del orden n coinciden con la función “f ” y sus derivadas hasta orden n en el
punto a.

Teorema
punto a.
De manera similar se puede escribir la expansión de la serie de Taylor para aproximar

funciones y así obtener el error de truncamiento, producido al analizar prematuramente
el desarrollo de la misma, el cual se puede expresar como el residuo Rn (x) y viene dado
por:
f 0 (xi ) f 00 (xi ) f (n) (xi )
Tn,a [f ](xi+1 ) = f (xi )+ (xi+1 −xi )+ (xi+1 −xi )2 +· · ·+ (xi+1 −xi )n +Rn (13)
1! 2! n!

Teorema
punto a.
De manera similar se puede escribir la expansión de la serie de Taylor para aproximar

funciones y así obtener el error de truncamiento, producido al analizar prematuramente
el desarrollo de la misma, el cual se puede expresar como el residuo Rn (x) y viene dado
por:
f 0 (xi ) f 00 (xi ) f (n) (xi )
Tn,a [f ](xi+1 ) = f (xi )+ (xi+1 −xi )+ (xi+1 −xi )2 +· · ·+ (xi+1 −xi )n +Rn (13)
1! 2! n!
donde Rn (x) en la fórmula (13) viene dado por :
(x − a)n+1
Rn (x) = f n+1 (ξ) (14)
(n + 1)!

Donde el subíndice n indica que éste es el residuo de la aproximación de n-ésimo

orden y ξ es un valor de x que se encuentra en algún punto entre xi y xi+l .

Donde el subíndice n indica que éste es el residuo de la aproximación de n-ésimo

orden y ξ es un valor de x que se encuentra en algún punto entre xi y xi+l . Con
frecuencia es conveniente simpilificar la serie de Taylor definiendo un tamaño de paso
o incremento h = xi+1 − xi y epresando la ecuación (13) como:
f 0 (xi ) f 00 (xi ) 2 f (n) (xi ) n

Tn,a [f ](xi+1 ) = f (xi ) + h+ h + ··· + h + Rn (15)
1! 2! n!

Ejemplo I
Ejemplo

Ejemplo I
Ejemplo
Calcular el polinomio de Taylor de grado 4 que se ajusta a la función

f (x) = ex − sen(x) en el punto a = 0 y estimar el valor en la misma función cuando
x = 1.

Ejemplo I
Ejemplo

x = 1.
Solución
El ejercicio pide encontrar la Serie de Taylor de grado 4, para ello es necesario
obtener hasta la cuarta derivada y determinar el valor de las mismas en a = 0:

Ejemplo I
Ejemplo

x = 1.
Solución
Cuadro: Derivada de la función y Evaluación para a = 0
Función Valor en a = 0
f (x) = ex − sen(x) f (0) = e0 − sen(0) = 1 − 0 = 1
f 0 (x) = ex − cos(x) f 0 (0) = e0 − cos(0) = 1 − 1 = 0
f 00 (x) = ex + sen(x) f 00 (0) = e0 + sen(0) = 1 − 0 = 1
f 000 (x) = ex + cos(x) f 000 (0) = e0 + cos(0) = 1 + 1 = 2
f iv (x) = ex − sen(x) f (0) = e0 − sen(0) = 1 − 0 = 1
Solución
Reemplazamos los valores del cuadro 1 , en la fórmula (12):
f 00 (0) 2 f 000 (0) 3 f iv (0) 4

T4,0 [ex − sen(x)](x) = f (0) + f 0 (0)(x) + (x ) + x + x
2! 3! 4!

Solución
f 00 (0) 2 f 000 (0) 3 f iv (0) 4

T4,0 [ex − sen(x)](x) = f (0) + f 0 (0)(x) + (x ) + x + x
2! 3! 4!
1 2 1
= 1 + 0(x) + (x2 ) + (x3 ) + (x4 )
2 6 24

Solución
f 00 (0) 2 f 000 (0) 3 f iv (0) 4

T4,0 [ex − sen(x)](x) = f (0) + f 0 (0)(x) + (x ) + x + x
2! 3! 4!
1 2 1
= 1 + 0(x) + (x2 ) + (x3 ) + (x4 )
2 6 24
x2 x3 x4
= 1+ + + .
2 3 24

Solución
f 00 (0) 2 f 000 (0) 3 f iv (0) 4

T4,0 [ex − sen(x)](x) = f (0) + f 0 (0)(x) + (x ) + x + x
2! 3! 4!
1 2 1
= 1 + 0(x) + (x2 ) + (x3 ) + (x4 )
2 6 24
x2 x3 x4
= 1+ + + .
2 3 24
Por lo que en un entorno de 0 se puede aproximar f (x) por T4,0 [ex −sen(x)](x), ejemplo
en x = 1 el valor seria muy próximo.
f (1) = 1.876810843651149
y
T4,0 [ex − sen(x)](1) = 1.875
ver figura en Matlab

Ejemplo

Ejemplo
Tomando en cuenta el ejemplo anterio (6) Calcular el polinomio de Taylor de grado 4

en el punto a = 1 y estimar el valor en la misma función cuando x = 1.

Ejemplo

Solución

Ejemplo

Solución
Cuadro: Derivada de la función y Evaluación para a = 1
Función Valor en a = 1
f (x) = ex − sen(x) f (1) = e1 − sen(1) = 1.87681
f 0 (x) = ex − cos(x) f 0 (1) = e1 − cos(1) = 2.17798
f 00 (x) = ex + sen(x) f 00 (1) = e1 + sen(1) = 3.55975
f 000 (x) = ex + cos(x) f 000 (1) = e1 + cos(1) = 3.25858
f iv (x) = ex − sen(x) f iv (1) = e1 − sen(1) = 1.87681

Solución
T4,0 [ex − sen(x)](x)
f 00 (1) f 000 (1) f iv (1)

= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2! 3! 4!

Solución
T4,0 [ex − sen(x)](x)
f 00 (1) f 000 (1) f iv (1)

= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2! 3! 4!
f 00 (1) f 000 (1) f iv (1)
= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2 6 24

Solución
T4,0 [ex − sen(x)](x)
f 00 (1) f 000 (1) f iv (1)

= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2! 3! 4!
f 00 (1) f 000 (1) f iv (1)
= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2 6 24
= 1.01381 − 0.06582x + 0.619788x2 + 0.23095x3 + 0.0782x4

Solución
T4,0 [ex − sen(x)](x)
f 00 (1) f 000 (1) f iv (1)

= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2! 3! 4!
f 00 (1) f 000 (1) f iv (1)
= f (1) + f 0 (1)(x − 1) + (x − 1)2 + (x − 1)3 + (x − 1)4
2 6 24
= 1.01381 − 0.06582x + 0.619788x2 + 0.23095x3 + 0.0782x4
Por lo que en un entorno de 1 se puede aproximar f (x) por T4,0 [ex −sen(x)](x), ejemplo
en x = 1 el valor seria muy próximo.
f (1) = 1.876810843651149
y
T4,0 [ex − sen(x)](1) = 1.87681
ver figura en Matlab
Ejemplo II

Ejemplo II
Ejemplo
Use expansiones de la serie de Taylor de los órdenes cero hasta cuatro para aproximar
la función
f (x) = −0.1x4 − 0.15x3 − 0.5x2 − 0.25x + 1.2
desde xi = 0 con h = 1. Esto es, predecir el valor de la función en xi+1 = 1.

Ejemplo II
Ejemplo
Use expansiones de la serie de Taylor de los órdenes cero hasta cuatro para aproximar
la función
f (x) = −0.1x4 − 0.15x3 − 0.5x2 − 0.25x + 1.2
desde xi = 0 con h = 1. Esto es, predecir el valor de la función en xi+1 = 1.
Figura: Aproximación de f (x) = −0.1x4 − 0.15x3 − 0.5x2 − 0.25x + 1.2 en x = 1 mediante

expansiones de la serie de Taylor de órdenes cero, primero y segundo.

n=0

n=0
Solución
Como se observó en el figura 1 es una función conocidad por lo que se puede
calacular su valor real, la función empieza en f (0) = 1.2 y hace una curva hacia abajo
hasta f (1) = 0.2. Por lo tanto, el valor verdadero que se trata de predecir es 0.2.

n=0
Solución
La aproximación de la serie de Taylor con n = 0 es

n=0
Solución
f (xi + 1) ≈ 1.2

n=0
Solución
f (xi + 1) ≈ 1.2
Como se muestra en la figura 1, la aproximación de orden cero es una constante.

Usando esta formulación resulta un error de truncamiento
Et = 0.2 − 1.2 = −1.0
para un x = 1

n=1
Solución
Para n = 1, se debe determinar y evaluar la primera derivada en x = 0:

n=1
Solución
f 0 (0) = −0.4(0)3 − 0.45(0)2 − 1.0(0) − 0.25 = −0.25

n=1
Solución
f 0 (0) = −0.4(0)3 − 0.45(0)2 − 1.0(0) − 0.25 = −0.25
La aproximación de primer orden es:
f (xi++1 ) = 1.2 − 0.25h
f (1) = 0.95.
el error de truncamiento se reduce a
Et = 0.2 − 0.95 = −0.75

Solución
Para n = 2, se evalúa la segunda derivada en x = 0:

Solución
f 00 (0) = −1.2(0.0)2 − 0.9(0.0) − 1.0 = −1.0

Solución
f 00 (0) = −1.2(0.0)2 − 0.9(0.0) − 1.0 = −1.0
Entonces, de acuerdo con la ecuación (15)
f (xi++1 ) = 1.2 − 0.25h − 0.5h2
f (1) = 0.45.

Solución
f 00 (0) = −1.2(0.0)2 − 0.9(0.0) − 1.0 = −1.0
f (xi++1 ) = 1.2 − 0.25h − 0.5h2
f (1) = 0.45.
Et = 0.2 − 0.45 = −0.25

Solución
f 00 (0) = −1.2(0.0)2 − 0.9(0.0) − 1.0 = −1.0
f (xi++1 ) = 1.2 − 0.25h − 0.5h2
f (1) = 0.45.
Et = 0.2 − 0.45 = −0.25
Los términos adicionales mejoran aún más la aproximación. En efecto, la inclusión de

la tercera y de la cuarta derivadas da como resultado exactamente la misma ecuación
del principio:
f (x) = 1.2 − 0.25h − 0.5h2 − 0.15h3 − 0.1h4

Ejemplo III
Ejemplo
Utilice expansiones de la serie de Taylor con n desde 0 hasta 6 para aproximar
π π
f (x) = cosx en xi+1 = con base en el valor de f (x) y sus derivadas en xi = . Lo
3 4
π π π
que significa que h = − = .
3 4 12

Ejemplo III
Ejemplo
π π
3 4
π π π
3 4 12
Solución
En la función original se puede determinar el valor exacto de f ( π3 ) = 0.5.

Ejemplo III
Ejemplo
π π
3 4
π π π
3 4 12
Solución
La aproximación de orden cero es
π π
f ( ) ≈ cos ≈ 0.707106781
3 4

Ejemplo III
Ejemplo
π π
3 4
π π π
3 4 12
Solución
π π
f ( ) ≈ cos ≈ 0.707106781
3 4
Que representa un error relativo porcentual de:
0.5 − 0.707106781
et = 100 % =
0.5

Ejemplo III
Ejemplo
π π
3 4
π π π
3 4 12
Solución
π π
f ( ) ≈ cos ≈ 0.707106781
3 4
Que representa un error relativo porcentual de:
0.5 − 0.707106781
et = 100 % = − 41.4 %
0.5


Solución
Para la aproximación de primer orden (n = 1), se agrega el término de la primera
derivada donde f 0 (x) = −senx :

Solución
π π π π
f ( ) ≈ cos − sen ≈
3 4 4 12

Solución
π π π π
f ( ) ≈ cos − sen ≈ 0.521986659
3 4 4 12

Solución
π π π π
f ( ) ≈ cos − sen ≈ 0.521986659
3 4 4 12
El representa un error relativo porcentual de:
0.5 − 0.521986659
et = 100 % =
0.5

Solución
π π π π
f ( ) ≈ cos − sen ≈ 0.521986659
3 4 4 12
El representa un error relativo porcentual de:
0.5 − 0.521986659
et = 100 % = − 4.4 %
0.5

Práctica de Aula
2 3 n
1 Evalúe e−0.5 con el uso de e−x = 1 − x + x2! − x3! + · · · + · · · xn! . Tomando 3
cifras significativas. Calcule los errores relativos Verdadero y aproximado.
2 4 6 8
2 Estime el valor de cosx = 1 − x2! + x4! − x6! + x8! . Para x = 0.3π. Tomando 3
cifras significativas. Calcule los errores relativos Verdadero y aproximado.
3 Calcular el polinomio de Taylor de grado 4 que se ajusta a la función
f (x) = sen(x) + cos(x) en el punto x = 0.
4 Calcular el polinomio de Taylor de grado 5 que se ajusta a la función
f (x) = ln(x + 1) en el punto x = 0.
5 Emplee la expansión de la serie de Taylor de cero hasta tercer orden para
predecir f (2) si
f (x) = 25x3 − 6x2 + 7x − 88
usando como punto base xi = 1. error de truncamiento.

Error de truncamiento el polinomio de Taylor

El término error de truncamiento en el polinomio de Taylor se refiere al error implicado
al utilizar la suma truncada, o finita, para aproximar la suma de una serie infinita.


El resto enésimo se define como la diferencia entre entre la función y su polinomio de
Taylor de grado n


Taylor de grado n
Rn (x) = f (x) − Tn,a [f ](x) (16)


Taylor de grado n
Rn (x) = f (x) − Tn,a [f ](x) (16)
Así en el Ejemplo I
f (1) = 1.876810843651149
y
T4,0 [ex − sen(x)](1) = 1.875
luego por 16
Rn (x) = 1.876810843651149 − 1.875 =


Taylor de grado n
Rn (x) = f (x) − Tn,a [f ](x) (16)
Así en el Ejemplo I
f (1) = 1.876810843651149
y
T4,0 [ex − sen(x)](1) = 1.875
luego por 16
Rn (x) = 1.876810843651149 − 1.875 = 0.001810843651149
∴ Rn (x) ≈ 0.181 %
Expresión del resto de Lagrange

Dicha expresión fue prensentada en (14) que se expresa:
(x − a)n+1
Rn (x) = f n+1 (ξ)
(n + 1)!
Recordar que el subíndice n indica que éste es el residuo de la aproximación de n-ésimo



(x − a)n+1
Rn (x) = f n+1 (ξ)
(n + 1)!

Recordar la Función
f (x) = ex − sen(x)
del Ejemplo I, donde se calculo una cuarta derivada .


(x − a)n+1
Rn (x) = f n+1 (ξ)
(n + 1)!

Ahora calcularemos la 5ta para expresar el teorema de resto.


(x − a)n+1
Rn (x) = f n+1 (ξ)
(n + 1)!

f (v) = ex − cos(x)


(x − a)n+1
Rn (x) = f n+1 (ξ)
(n + 1)!

f (v) = ex − cos(x)
x5 ξ(x)
∴ e − cos(ξ(x)
Rn (x) =
120
Donde ξ(x) es algún número (por lo general desconocido) entre 0 y x.
Probar para ξ(x) = 0.5
Ejemplo
Si f (x) = cos(x) y xi = 0. Determine el segundo polinomio de Taylor para f
alrededor de xi ;

Ejemplo
alrededor de xi ;
Solución
El teorema de Taylor puede aplicarse a cualquiera n ≥ 0

Ejemplo
alrededor de xi ;
Solución
El teorema de Taylor puede aplicarse a cualquiera n ≥ 0Además,
f 0 (x) = −sen(x), f 00 (x) = −cos(x), f 000 (x) = sen(x)

Ejemplo
alrededor de xi ;
Solución
Por lo tanto

Ejemplo
alrededor de xi ;
Solución
Por lo tanto
f (0) = 1, f 0 (0) = 0, f 00 (0) = −1

Ejemplo
alrededor de xi ;
Solución
Por lo tanto
f (0) = 1, f 0 (0) = 0, f 00 (0) = −1
Para n = 2 y xi = 0, obtenemos

Ejemplo
alrededor de xi ;
Solución
Por lo tanto
f (0) = 1, f 0 (0) = 0, f 00 (0) = −1
f 00 (0) 2 f 000 (ξ(x)) 3

cos(x) = f (0) + f 0 (0)(x) + x + x
2! 3!

Ejemplo
alrededor de xi ;
Solución
Por lo tanto
f (0) = 1, f 0 (0) = 0, f 00 (0) = −1
f 00 (0) 2 f 000 (ξ(x)) 3

cos(x) = f (0) + f 0 (0)(x) + x + x
2! 3!
1 1
= 1 − x2 + x3 senξ(x).
2 6

Solución
Donde ξ(x) es algún número (por lo general desconocido) entre 0 y x.
Figura: Aproximación de f (x) = cos mediante expansiones de la serie de Taylor de orden 2.

MUCHAS GRACIAS
POR SU ATENCIÓN
Regresar

Unidad I

Cargado por

Copyright:

Formatos disponibles

Unidad I

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad I

Cargado por

Copyright:

Formatos disponibles

ANÁLISIS NUMÉRICO

José Miguel Gómez Guzmán

Ciencias Básicas y Ambientales

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 1 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 2 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 2 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 2 / 40

Un especialista de análisis numérico se interesa en la creación y comprensión de

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 2 / 40

Un especialista de análisis numérico se interesa en la creación y comprensión de

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 2 / 40

Un especialista de análisis numérico se interesa en la creación y comprensión de

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 3 / 40

Las técnicas más utilizadas son usadas para resolver:

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 3 / 40

Historia de los Métodos Numéricos

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 4 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 5 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 5 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 5 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 5 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 5 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 6 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 6 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 6 / 40

La figura muestra un velocímetro y un odómetro (contador de kilometraje) de un au-

El velocímetro y el odómetro de un automóvil ejemplifican el concepto de cifras

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 7 / 40

El velocímetro y el odómetro de un automóvil ejemplifican el concepto de cifras

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 7 / 40

El velocímetro y el odómetro de un automóvil ejemplifican el concepto de cifras

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 7 / 40

El velocímetro y el odómetro de un automóvil ejemplifican el concepto de cifras

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 8 / 40

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 8 / 40

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 8 / 40

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 8 / 40

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 8 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 9 / 40

Los errores en cálculos y medidas se pueden caracterizar con respecto a su exactitud y

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 9 / 40

Los errores en cálculos y medidas se pueden caracterizar con respecto a su exactitud y

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 9 / 40

Los errores en cálculos y medidas se pueden caracterizar con respecto a su exactitud y

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 9 / 40

Los errores en cálculos y medidas se pueden caracterizar con respecto a su exactitud y

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 9 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 10 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 11 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 11 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 11 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 11 / 40

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 12 / 40

Valor verdadero = Valor aproximado + error (1)

Gómez Guzmán ANÁLISIS NUMÉRICO 15 de agosto de 2020 12 / 40

Valor verdadero = Valor aproximado + error (1)