Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Tema 1: Aproximación numérica y errores M. I. Luis Ángel Santamaŕıa Padilla Facultad de Ingenieŕıa, UNAM 1 Introdución a los métodos numéricos 2 Conceptos básicos 3 Errores y medidas de error 4 Condicionamiento del problema, estabilidad y convergencia del método 5 Aproximación de fuciones por medio de polinomios Introdución a los métodos numéricos Objetivo tema 1 El estudiante describirá los diferentes tipos de errores que se presentan y las limitaciones de exactitud cuando se utiliza equipo de cómputo. Aplicará el concepto de polinomios de Taylor para aproximar funciones y medirá el error de aproximación. Introdución a los métodos numéricos Rama de las matemáticas y ciencias de la computación. Crea, analiza e implementa algoritmos para resolver problemas matemáticos numéricamente Estos métodos proveen técnicas sistemáticas para resolver problemas matemáticos numéricamente Herramienta poderosa para resolver problemas. Permite manejar Sistemas grandes de ecuaciones No linealidades Geometŕıas complicadas Algunos problemas en que se aplican Ráıces de ecuaciones Sistemas de ecuaciones algebraicas lineales Optimización Ajuste de curvas (regresiones, interpolaciones) Derivadas e integrales Ecuaciones diferenciales ordinarias y parciales Conceptos básicos Aproximación numérica y error Aproximación numérica Es el resultado obtenido a partir de un método numérico Error Diferencia entre dos valores, uno considerado ideal o nominal y algún otro medido, calculado u observado. Exactitud Que tan cercano es un valor medido o calculado a el valor real Precisión Que tan cercanos son los valores medidos o calculados entre śı Exactitud P re c is ió n Errores y medidas de error Errores Errores de medición Instrumentos de medición Procesamiento de datos Error por redondeo. Aproximación de un valor numérico con un valor con menos digitos, considerando una cantidad de cifras significativas 27.1345→ 27.13 27.8793→ 27.88 27.354→ 27.35 Error por truncamiento. Aparece como resultado de aproximar un conjunto infinito de valores con un conjunto finito (series) Medidas de error Sea xT el valor real y xc la aproximación calculada o medida Error absoluto Ea = |xT − xc| (1) Error relativo Er = ∣∣∣∣xT − xcxT ∣∣∣∣ (2) Porcentaje de error relativo Ep = Er × 100% (3) Condicionamiento del problema, estabilidad y convergencia del método Nociones básicas Condicionamiento del problema Buen condicionamiento implica que cambios pequeños en la entrada produce cambios pequeños en la salida Mal condicionamiento implica que cambios pequeños en la entrada produce cambios grandes en la salida Estabilidad de un algoritmo Un algoritmo estable posee errores de redondeamiento acotados Es estable si con pequeos cambios en la entrada hay cambios pequeños en la salida, en caso contrario es inestable El algoritmo es estable si está bien condicionado e inestable si está mal condicionado. Convergencia El método llega a un valor dado con una velocidad determinada Aproximación de fuciones por medio de polinomios Teorema de Taylor Si la función f y sus primeras n+ 1 derivadas son continuas en un intervalo que contiene xi y xi+1, entonces el valor de la función en xi+1 está dado por f(xi+1) = f(xi) + f ′(xi)(xi+1 − xi) + f ′′(xi) 2! (xi+1 − xi)2 + f ′′′(xi) 3! (xi+1 − xi)3 + . . . + f (n)(xi) n! (xi+1 − xi)n +Rn (4) Rn = ∫ ∞ 0 (x− t)n n! f (n+1)(t)dt Es conveniente simplificar la serie de Taylor definiendo un tamaño de paso h = xi+1 − xi f(xi+1) = f(xi) + f ′(xi)h+ f ′′(xi) 2! h2 + f ′′′(xi) 3! h3 + . . .+ f (n)(xi) n! hn +Rn (5) Aproximación de fuciones por medio de polinomios Aproximación de fuciones por medio de polinomios Aproximación de orden cero. f(xi+1) ' f(xi) Para una función constante se tiene una aproximación perfecta. Aproximación de primer orden f(xi+1) ' f(xi) + f ′(xi)h Posee la forma de una ĺınea recta y puede predecir el incremento o decremento de la función entre xi y xi+1 Aproximación de segundo orden f(xi+1) 'f(xi) + f ′(xi)h+ f ′′(xi) 2! h2 Captura un poco de la curvatura de la función Orden cero Primer orden Segundo orden Real Aproximación de fuciones por medio de polinomios Ejemplo 1 Utilizar aproximaciones de la serie de Taylor desde orden cero a cuatro para aproximar la función f(x) = −0.1x4 − 0.15x3 − 0.5x2 − 0.25x+ 1.2 donde xi = 0 con h = 1. Esto es, se debe predecir el valor de la función en xi+1 = 1 Solución Se conoce la función, podemos calcular f(0) = 1.2, f(1) = 0.2 = f(xi+1)T Aproximación de orden cero f(xi+1) = f(xi) = 1.2 f(xi+1) = f(1) ' 1.2 Error absoluto Ea = |f(xi+1)T − f(xi+1)| Ea = |0.2− 1.2| = 1 Aproximación de primer orden Se requiere f ′(xi) f ′(x) = −0.4x3 − 0.45x2 − 1.0x− 0.25 f ′(xi) = f ′(0) = −0.25 Se sustituyen los términos para realizar la aproximación. f(xi+1) = f(xi) + f ′(xi)h = 1.2− 0.25h f(xi+1) = f(1) ' 1.2− 0.25(1) f(1) = 0.95 Error absoluto Ea = |f(xi+1)T − f(xi+1)| Ea = |0.2− 0.95| = 0.75 Aproximación de fuciones por medio de polinomios Ejemplo 1 (continuación) Aproximación de segundo orden Se requiere f ′′(xi) f ′′(x) = −1.2x2 − 0.9x− 1.0 f ′′(xi) = f ′(0) = −1.0 Se sustituyen los términos para realizar la aproximación. f(xi+1) = f(xi) + f ′(xi)h+ f ′′(xi) 2! h2 = 1.2− 0.25h− 0.5h2 f(xi+1) = f(1) ' 1.2− 0.25(1)− 0.5(1)2 f(1) = 0.45 Error absoluto Ea = |f(xi+1)T − f(xi+1)| Ea = |0.2− 0.45| = 0.25 Aproximación de tercer orden Se requiere f ′′′(xi) f ′′′(x) = −2.4x− 0.9 f ′′′(xi) = f ′(0) = −0.9 Se sustituyen los términos para realizar la aproximación. f(xi+1) = f(xi) + f ′(xi)h+ f ′′(xi) 2! h2 + f ′′′(xi) 3! h3 = 1.2− 0.25h− 0.5h2 − 0.15h3 f(xi+1) = f(1) ' 1.2− 0.25(1)− 0.5(1)2 − 0.15(1)3 f(1) = 0.3 Error absoluto Ea = |f(xi+1)T − f(xi+1)| Ea = |0.2− 0.3| = 0.1 Aproximación de fuciones por medio de polinomios Ejemplo 1 (continuación) Aproximación de cuarto orden Se requiere f ′′′′(xi) f ′′′′(x) = −2.4 f ′′′′(xi) = f ′(0) = −2.4 Se sustituyen los términos para realizar la aproximación. f(xi+1) = f(xi) + f ′(xi)h+ f ′′(xi) 2! h2 + f ′′′(xi) 3! h3 + f ′′′′(xi) 4! h4 = 1.2− 0.25h− 0.5h2 − 0.15h3 − 0.1h4 f(xi+1) = f(1) ' 1.2− 0.25(1)− 0.5(1)2 − 0.15(1)3 − 0.1(1)4 f(1) = 0.2 Error absoluto Ea = |f(xi+1)T − f(xi+1)| Ea = |0.2− 0.2| = 0 0 0.2 0.4 0.6 0.8 1 1.2 1.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 De este ejemplo: La expansión en series de Taylor de orden n será exacta para un polinomio de orden n Para otras funciones diferenciables y continuas (senoidales, exponenciales), un número finito de términos no brindará un estimado exacto Aproximación de fuciones por medio de polinomios Ejemplo 2 Utilizar la serie de Taylor para aproximar f(x) = cos(x) en xi+1 = π 3 , partiendo del valor xi = π 4 ⇒ h = π3 − π 4 = π 12 Solución: Sabemos que f(π3 ) = cos( π 3 ) = 0.5 = f(xi+1)T Aproximación de orden cero f(xi+1) = f(xi) f(xi+1) = f( π 4 ) ' 0.7071 Error absoluto Ep = ∣∣∣∣f(xi+1)T − f(xi+1)f(xi+1)T ∣∣∣∣× 100 Ep = ∣∣∣∣0.5− 0.70710.5 ∣∣∣∣× 100 = 41.4% Aproximación de primer orden f ′(x) = − sin(x) Se sustituyen los términos para realizar la aproximación. f(xi+1) = f(xi) + f ′(xi)h f(xi+1) = cos( π 4 )− sin(π 4 )( π 12 ) ' 0.5220 Error absoluto Ep = ∣∣∣∣f(xi+1)T − f(xi+1)f(xi+1)T ∣∣∣∣× 100 Ep = ∣∣∣∣0.5− 0.52200.5 ∣∣∣∣× 100 = 4.4% Aproximación de fuciones por medio de polinomios Ejemplo 2 cont... Aproximación de segundo orden f ′′(x) = − cos(x) Se sustituyen los términos para realizar la aproximación. f(xi+1) = f(xi) + f ′(xi)h+ f ′′(xi) 2! h2 f(xi+1) = cos( π 4 )− sin(π 4 )( π 12 )− cos(π4 ) 2 ( π 12 )2 ' 0.4978 Error absoluto Ep = ∣∣∣∣f(xi+1)T − f(xi+1)f(xi+1)T ∣∣∣∣× 100 Ep = ∣∣∣∣0.5− 0.49780.5 ∣∣∣∣× 100 = 0.44% 0.8 0.9 1 1.1 1.2 1.3 0.45 0.5 0.55 0.6 0.65 0.7 0.75 Introdución a los métodos numéricos Conceptos básicos Errores y medidas de error Condicionamiento delproblema, estabilidad y convergencia del método Aproximación de fuciones por medio de polinomios
Compartir