Análisis y Métodos Numéricos:
Errores y Serie de Taylor
Deisy Chaves
[Link]@[Link]
Modelo Matemático
● Un modelo matemático se define generalmente como una ecuación que
expresa las relaciones existentes entre las características/variables
esenciales de un sistema
vd = f( vi, params, ie)
● Donde:
○ vd = variable dependiente
○ vi = variable independiente
○ params = parámetros
○ ie = influencias externas
Modelo Matemático
● La solución de un modelo matemático puede ser:
○ Analítica que satisface la exactitud de la ecuación
○ Numérica que reformula el problema matemático para resolverlo
mediante operaciones aritméticas
Modelo Matemático: Ecuaciones de Navier-Stokes
Exactitud y Precisión
● La solución dada por un métodos numéricos deben ser lo
suficientemente exacta y precisa
EXACTITUD se refiere a la aproximación de un número o de una
medida al valor verdadero que se supone representa
PRESICION se refiere a el número de cifras significativas usadas para
representar una cantidad
Exactitud y Precisión
[Link]
Error
● Los errores surgen del uso de aproximaciones para representar
operaciones y cantidades matemáticas exactas
Valor Verdadero = Valor Aproximado + Error Absoluto
𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 = ?
𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 Re 𝑙𝑙 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 =?
Error
● Los errores surgen del uso de aproximaciones para representar
operaciones y cantidades matemáticas exactas
Valor Verdadero = Valor Aproximado + Error Absoluto
Error Absoluto = Valor Verdadero − Valor Aproximado
𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴
𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 Re 𝑙𝑙 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = × 100%
𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉
Error
● Ejemplo:
La longitud de un puente peatonal es de 10m y al realizar su medición
se obtuvo 9.99 m. Por otra parte,
la longitud de un tornillo es de 10 cm y al realizar la medición se
obtuvo 9 cm.
Calcule el error absoluto en cada caso y el error relativo asociado
Error
● Ejemplo:
La longitud de un puente peatonal es de 10m y al realizar su medición
se obtuvo 9.99 m. Por otra parte,
la longitud de un tornillo es de 10 cm y al realizar la medición se
obtuvo 9 cm.
Calcule el error absoluto en cada caso y el error relativo asociado
Error Absoluto Puente = 10m-9.99m = 0.01m = 1cm
Error Absoluto Tornillo =10cm -9cm = 1cm
Error Relativo Puente = (1/1000)*100% = 0.1%
Error Relativo Tornillo = (1/10)*100% = 10%
Error con Métodos Iterativos
● Los métodos iterativos son aquellos que encuentran la solución mediante una
serie de aproximaciones hasta cumplir un criterio de convergencia o de
parada.
Solucioni − Solucioni −1
Error Aproximado = × 100%
Solucioni
Error con Métodos Iterativos
● El criterio de parada consiste en encontrar un error de aproximación
dentro de un rango o nivel de tolerancia para el error, tol
Error Aproximado < tol
● Para calcular tol, se puede usar el criterio
( )
tol = 0.5 × 10 2− n %
donde n es la cantidad de cifras significativas correctas deseadas en la
aproximación
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que se
representan los números en una computadora
● Truncamiento: debido a las aproximaciones utilizadas en la formula
matemática del modelo.
Las soluciones numéricas son en su mayoría aproximaciones de las
soluciones exactas, las series de Taylor es el medio mas importante
usado para obtener modelos numéricos
● Otros: error humano, errores de formulación del modelo
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que se
representan los números en una computadora
● Aproxime los siguientes números a 4 dígitos:
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que se
representan los números en una computadora
● Aproxime los siguientes números a 4 dígitos:
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que se
representan los números en una computadora
● Ejemplo: Suponga que un ordenador sólo almacenara cuatro cifras
decimales. Entonces almacenaría 1/3 como 0,3333 y 2/3 como
0,6667, donde el ordenador ha "redondeado" el último dígito de 2/3
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que
se representan los números en una computadora
● Truncamiento: debido a las aproximaciones utilizadas en la
formula matemática del modelo.
● Trunque los siguientes números a 5 dígitos:
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que
se representan los números en una computadora
● Truncamiento: debido a las aproximaciones utilizadas en la
formula matemática del modelo.
● Trunque los siguientes números a 5 dígitos:
Sistema Binario
● El sistema binario, o base 2, es el mas apropiado para representar
números en un computador, pues utiliza solo DOS dígitos: 0 y 1
● Convertir el número decimal (69)10 a formato binario
Conversión de Decimal a Binario
● El sistema binario, o base 2, es el mas apropiado para representar números
en un computador, pues utiliza solo DOS dígitos: 0 y 1
● Convertir el número decimal (69)10 a formato binario
69/2=34 Residuo=1
34/2=17 Residuo=0
17/2=8 Residuo=1
8/2=4 Residuo=0 (1000101)2
4/2=2 Residuo=0
2/2=1 Residuo=0
1/2=0 Residuo=1
Conversión de Binario a Decimal
● Convertir el numero binario (1000101)2 al formato decimal
Conversión de Binario a Decimal
● Convertir el numero binario (1000101)2 al formato decimal
1x26 + 0x25 + 0x24 + 0x23 + 1x22 + 0x21 + 1x20
64 +4 + 1
(69)10
Conversión de Binario a Decimal
● Convertir el numero binario (1000101)2 al formato decimal
1x26 + 0x25 + 0x24 + 0x23 + 1x22 + 0x21 + 1x20
64 +4 + 1
(69)10
● ¿Cuántos bits son necesarios para representar el número binario
(1000101)2
Representación de Números Reales
● Los computadores representan los números reales, de una forma muy similar
a como lo hacen las calculadoras científicas, llamada, representación en
punto flotante.
● Generalmente, se usa el estándar establecido por el IEEE (Institute of
Electrical and Electronics Engineers)
Representación de Números Reales
● Un numero en punto flotante tiene 3 componentes:
(− 1)Signo × Mantisa × Base Exponente
Signo Exponente (con signo) Mantisa(numero positivo)
● El signo determina si el numero es positivo o negativo, y corresponde a un
único bit al inicio de la representación
● La mantisa como el exponente pueden codificarse de distintas maneras. La
cantidad de bits que se utilizan para cada uno determina el rango de
números reales que se podrá representar
Representación de Números Reales
● Cuando se usa 2 como la base de la representación, que es lo mas
común, el numero representado puede interpretarse como:
(− 1)Signo × ( 1 + Mantisa ) ×2 Exponente
La Mantisa, corresponde a la parte fraccionaria
● Por ejemplo, si el bit de signo es un uno, el exponente es 2 y la
mantisa es 1.625, el numero representado es:
Representación de Números Reales
● Cuando se usa 2 como la base de la representación, que es lo mas
común, el numero representado puede interpretarse como:
(− 1)Signo × ( 1 + Mantisa ) ×2 Exponente
La Mantisa, corresponde a la parte fraccionaria
● Por ejemplo, si el bit de signo es un uno, el exponente es 2 y la
mantisa es 1.625, el numero representado es:
(− 1)× 1.625 ×2 2 = −6.5
Representación de Números Reales
● Épsilon de la Maquina: El épsilon de la máquina es el número x positivo más
pequeño tal que 1 + x puede representarse de manera precisa en la máquina.
En el sistema binario, el épsilon de la maquina es igual a 2-n donde n es la
longitud de la mantisa sin tomar en cuenta el dígito del punto flotante
● Desbordamiento (overflow): Se representa como NaN. Ejemplo:
[Link]
● Subdesbordamiento (underflow): Se redondea el valor a cero
Cero, Infinito y NaN
● El estándar IEEE hay
○ Dos formas de cero +0 y -0
○ Dos formas de infinito +∞ y -∞
○ NaN (Not a Number) se asigna a operaciones indeterminadas, como 0/0
Aritmética con Redondeo
● El estándar IEEE-754 exige que el resultado de las operaciones sea el
mismo que se obtendrá si se realizan con precisión absoluta y después se
redondean
● Hay 4 modos de redondeo:
1. redondeo a cero (truncamiento)
2. redondeo al entero más cercano, llamado brevemente redondeo
3. redondeo a más infinito (techo)
4. redondeo a menos infinito (piso)
Causas Principales de Errores
en los Métodos Numéricos
● Redondeo: asociado con el número limitado de dígitos con que se
representan los números en una computadora
● Truncamiento: debido a las aproximaciones utilizadas en la formula
matemática del modelo.
Las soluciones numéricas son en su mayoría aproximaciones de las
soluciones exactas, las series de Taylor es el medio mas
importante usado para obtener modelos numéricos
● Otros: error humano, errores de formulación del modelo
Series de Taylor
● Gran parte de los métodos numéricos se basan en la aproximación de
funciones por medio de polinomios
● Por tanto, el error estará asociado con la precisión con la que el
polinomio aproxima la función verdadera
● La serie de Taylor es una serie infinita de potencias que representa de
manera exacta a una función dentro de un cierto radio alrededor de un
punto dado
Series de Taylor
• Serie de Taylor Truncada: Si ignoramos todos los términos de la serie de
Taylor, excepto unos pocos, se puede obtener un polinomio que se
aproxima a la función verdadera
• El error del método numérico se origina en el truncamiento y se conoce
como error de truncamiento
Series de Taylor
● La aplicación del teorema de Taylor permite aproximar una función con un
polinomio y estimar el error
● Una serie de Taylor es una serie de potencias dada por:
h2 h3
f ( x) = f (a ) + hf ′(a ) + f ′′(a ) + f ′′′(a ) + ...
2! 3!
● La serie de Taylor es única. Es decir, no existe otra serie de potencias en
h=x-a para representar f(x)
Series de Taylor
● Una serie de Taylor se expresa generalmente por un numero
finito de términos
h2 hn n
f ( x) = f (a ) + hf ′(a ) + f ′′(a ) + ... + f (a ) + Rn ( x)
2! n!
donde
x
( x − t ) n +1 n +1
Rn ( x ) = ∫ f (t )dt
a ( n + 1)!
Series de Taylor
x
( x − t ) n n +1
Rn ( x) = ∫ f (t )dt
a
n!
● Bajo las condiciones del Teorema de Taylor, el residuo puede
expresarse como
f n +1 (ξ x ) n +1
Rn ( x) = h
(n + 1)!
● Donde ξx es un punto en el intervalo a y x que depende de x
Series de Taylor
Ejemplo:
Desarrolle la serie de Taylor de exp(-x) alrededor de a=1
Series de Taylor
Ejemplo:
Desarrolle la serie de Taylor de exp(-x) alrededor de a=1
h2 h3
exp(− x) = exp(−1) − h exp(−1) + exp(−1) − exp(−1)
2! 3!
h4 h5
+ exp(−1) − exp(−1) + ....
4! 5!
Serie de MacLaurin
● El desarrollo de Taylor de una función alrededor de a=0 se conoce
como serie de MacLaurin, la serie de MacLaurin de exp(-x) esta dada
por:
h 2 h3 h 4 h5
exp(− x) = 1 − h + − + − + ....
2! 3! 4! 5!
Serie de Taylor Truncada
● En las aplicaciones reales, es imposible incluir un numero infinito de
términos de un desarrollo de Taylor
● Si la serie de Taylor se trunca después de un termino de orden n, se
expresa como
h2 h n −1
f ( x) = f (a) + hf ′(a) +
2!
f ′′(a ) + ... +
(n − 1)!
( )
f ( n −1) (a ) + O h n
( )n
donde O h representa el error debido al truncamiento de los
términos n+1 y superiores
Serie de Taylor Truncada
● El error global se representa como
n f n ( a + ξ x h) n
O(h ) = Rn −1 ( x) = h
n!
● Puesto que ξ no se puede calcular con exactitud, frecuentemente se
supone ξ = 0, entonces
n
h
( )
O h n ≅ f n (a) ;
n!
ξ =0
que es el termino dominante de los términos truncados
Serie de Taylor Truncada
● Si n=1 la serie de Taylor truncada esta dada por
f ( x) = f (a ) + R1 ( x)
● Siguiendo el ejemplo, el desarrollo de la serie de Taylor de la función
exp(-x) al rededor de a=1, truncada en n=1, esta dada por
exp(− x) = exp(−1) + R1 ( x)
● El error esta dado por
h1
( )
1 1
O h ≅ f (a) ;
1!
ξ =0
( x − 1)
O(h1 ) ≅ − exp(−1)
1!
Serie de Taylor Truncada
● Si n=1 la serie de Taylor truncada esta dada por
f ( x) = f (a ) + R1 ( x)
● Siguiendo el ejemplo, el desarrollo de la serie de Taylor de la función
exp(-x) al rededor de a=1, truncada en n=1, esta dada por
exp(− x) = exp(−1) + R1 ( x)
● El error esta dado por
h1
( )
1 1
O h ≅ f (a) ;
1!
ξ =0
( x − 1)
O(h1 ) ≅ − exp(−1)
1!
Lecturas complementarias
● Numerical Analysis Mathematics of Scientific Computing
Capítulos: 1.1,2.1 y 2.2
● Computational Problems for Physics
Capítulo: 1
