Errores de Redondeo y Aritmética de Computadora

REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
³ANTONIO JOSÉ DE SUCRE´
BARQUISIMETO ± ESTADO LARA
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V
V

V
María Gil 20.046.589
Yennifer Troconis 19.263.419
Elia Guere 17.611.133
Rosimar Hernández 20.543.304
Prof. Liliana Lina V V

El cálculo numérico es la rama de la matemática que se encarga de diseñar

algoritmo para a través de números y reglas matemáticas simples, simules procesos
matemáticos más complejos aplicadas a procesos del mundo real.
El cálculo numérico se puede definir como la disciplina ocupada de describir,

analizar y crear algoritmos numéricos que nos permiten resolver problemas
matemáticos, en los que estén involucradas cantidades numéricas, con una presión
determinada. Estudia el error que existe entre el valor real y el encontrado
utilizando un computador que en su estructura solo puede trabajar en cantidades
finitas.
En el contexto de cálculo numérico, un algoritmo en un procedimiento que

nos permite llevar a una solución aproximada de un problema mediante un número
finito de pasos que pueden ejecutarse de manera lógica.
En general, estos métodos se aplican cuando se necesitan un valor numérico

como solución un problema matemático, y los procedimientos ³exactos o analíticos´
así como las manipulaciones algebraicas, teoría de ecuaciones diferenciales,
métodos de integración, etc son incapaces de dar una respuesta. Debido a ello, son
procedimientos de uso frecuente por físicos e ingenieros cuyo desarrollo se ha
favorecido por la necesidad de estos de obtener soluciones
Para la aplicación de este tema se proporcionará un recorrido por la del

computador, convergencia, interacción del punto fijo y por último el método para la
resolución de ecuaciones y la interpolación polinominal.
V
VV VV

VV V
El error de redondeo es resultado directo de las limitaciones de los

computadores: la aritmética de la máquina sólo comprende valores con un número
finito de dígitos; así que cuando se combinan valores a través de una operación
aritmética los errores son automáticos.
Los números se almacenan en la computadora como una secuencia de dígitos

binarios o bits (unos o ceros), pero para analizar los efectos de los errores de
redondeo, se supone que los números se representan en la forma normalizada
decimal de punto flotante
La secuencia de dígitos
Se conoce como la mantisa y el índice n como el exponente.
El manejo finito que hace el computador de los números implica que existe un
número máximo, digamos k, de dígitos por medio del cual puede representarse un
valor; esto es, la mantisa sólo debe contener k dígitos. Cualquier número real puede
escribirse en la forma:
La forma de punto flotante mencionada anteriormente, y denotada por fl(x), se

obtiene finalizando la mantisa de x después de k dígitos. Hay dos formas de hacerlo.
a) VV
Los dígitos se cortan de la mantisa para dar:
V !! V
Si , entonces el dígito se mantiene sin cambio, truncando luego para

dar finalmente:
Si , entonces el dígito se aumenta en 1 y luego se trunca el número

x.
También hay restricciones respecto al tamaño del exponente; n debe satisfacer la

desigualdad
donde M y m son enteros positivos que pueden variar según la máquina en que se
trabaje.
Si n llega a ser mayor que M, entonces se dice que el número se ha

desbordado (overflow); es decir, es demasiado grande para representarlo en la
máquina. Por otro lado, si n es menor que - m, entonces se dice que se ha producido
un vaciamiento (underflow); en este caso algunos computadores reajustan el valor
del número a cero y continúan el cálculo, y otros dan un mensaje de error.
" #$VV
Escriba los siguientes números en expresión punto flotante usando redondeo y

truncamiento en el 5to dígito:
(a)VX = 0,2606483
Sol:
Usando Truncamiento:
Fi (x)= 0,26064 x 100
Usando Redondeo:
Fi (x)= - 0,26064 x 100- 100-5
= - 0,26064 x 100-0,0000,1
= - 0,26065
(b)V34,972603«
Soluc.
La expresión normalizada es:
0,34972603 x 102
Usando truncamiento:
F1(x) = 0,34972 x 102

Usando redondeo:
F1(x) = 0,34972 x 102 x 102+102-5
= 34,972 + 0,001
= 34,973 = 0,34973x 102
El error que resulta al reemplazar un número cualquiera x por su forma de

punto flotante fl(x) se conoce como error de redondeo independientemente de si se
aplica corte o redondeo).
Durante un cálculo, la acumulación de errores de redondeo puede

descomponer por completo el resultado, de modo que es esencial poder identificar
las operaciones tendientes a producir grandes errores de redondeo. Pueden
utilizarse dos medidas para cuantificar estos errores.
es una aproximación a x, entonces se define el error absoluto como
, y el error relativo como : x0
" #$VV
Escriba la expresión punto flotante por redondeo a 5 dígitos y calcule los errores
absolutos y relativos para x = 0,3459216 x 106
Solución:
F1 (x) = 0,34592x106
Ahora veamos:
Error Absoluto = 1X ± F1(x)1
= 10,3459216x106-0,34592x106
= 0,16 x 101
È ÈÈ
Error Relativo:
ÈÈ
È
È È
È
=
È
È È
= 0,46253x10-5
Se dice que los números x y coinciden hasta s dígitos (cifras) significativos si s es el

mayor número entero no negativo para el cual
-k
" #$VV
Suponga q x = s determine los posibles valores de F1 (x) que aproximen a x con 3

dígitos significativos.
Solución:
Sabemos que
ȁ‫ ݔ‬െ ‫כ ݔ‬ȁ
൏ ͷ‫Ͳͳݔ‬௞
ȁ‫ ݔ‬ȁ
ȁͷ െ ݂ͳͷȁ
൏ ͷ‫Ͳͳݔ‬
ȁͷ ȁ
ͷ െ ݂ͳͷ
െͷ‫ Ͳͳݔ‬൏ ൏ ͷ‫Ͳͳݔ‬
ͷ
ͷ െ ݂ͳͷ
െͲͲͲͷ ൏ ൏ ͲͲͲͷ
ͷ
െͲͲʹͷ ൏ ͷ െ ݂ͳ‫ ݔ‬൏ ͲͲʹͷ
െͷͲʹͷ ൏ െ݂ͳ‫ ݔ‬൏ Ͷͷ
െͷͲʹͷ ൏ ݂ͳ‫ ݔ‬൏ Ͷͷ
ܽ‫݁ݑݍ݅ݏ‬ǣ
F1(x) ¼ (4,975; 5,025)
Además de dar una representación inexacta de los números, la aritmética

realizada en la computadora no es exacta, supondremos una aritmética de k dígitos.
Las operaciones de suma, resta, multiplicación y división en el sistema del punto
flotante (F), se denota por +, -, x y ÷ respectivamente. Estas operaciones están
definidas por:
x (+) y = fl(fl(x) + fl(y))
x (-) y = fl(fl(x) - fl(y))
x (x) y = fl(fl(x) . fl(y))
x (÷) y = fl(fl(x)÷fl(y))
Esta aritmética idealizada corresponde a efectuar la aritmética exacta en la

representación del punto flotante de x e y, y luego a la conversión del resultado
exacto a su representación de punto flotante.
" #$VV
Suponga que x = 3,14153265«. Y y = 2,718321109 se relacionan con una

aritmética de 6 dígitos por redondeo. Determine el resultado de las operaciones
entre x y y.
$%:
X = 0,314153265 x 101
F1 (x) = 0,314153 x 101
Y = 0,271832109 x 101
F1 (Y) = 0,271832 x 101
x + y = `ͳሾ`ͳ‫ͳ` ݔ‬
`ͳሾͲͳͶͳͷ‫Ͳͳݔ‬È Ͳʹͳͺʹ‫Ͳͳݔ‬È
`ͳሾͷͺͷͺͷ
Ͳͷͺͷͺͷ‫Ͳͳݔ‬È
Ǧ `ͳሾ`ͳ‫ͳ` ݔ‬
`ͳሾͲͳͶͳͷ‫Ͳͳݔ‬È െ Ͳʹͳͺʹ‫Ͳͳݔ‬È
`ͳሾͲͶʹʹͳ
ͲͶʹʹͳͲ‫ Ͳͳݔ‬

ሺሻ `ͳሾ`ͳሺ‫ݔ‬ሻǤ `ͳሺሻ
`ͳሾͲͳͶͳͷ‫Ͳͳݔ‬È Ǥ Ͳʹͳͺʹ‫Ͳͳݔ‬È
`ͳሾͺͷͺͺ
Ͳͺͷͺ‫Ͳͳݔ‬È
ൊ `ͳሾ`ͳሺ‫ݔ‬ሻ ൊ `ͳሺሻ `ͳሺሻ ് Ͳ
`ͳሾͲͳͶͳͷ‫Ͳͳݔ‬È ൊ Ͳʹͳͺʹ‫Ͳͳݔ‬È
`ͳሾͳͳͷͷͺͺͲʹ
Ͳͳͳͷͷ‫Ͳͳݔ‬È
" :
V V !V & V 'V (V VV )V (V *V )V V $+V !! V ! V V ,V #V $V
-$$V.V!! V / V'V)V)V#$ V$V V$V! V
/$ V$+!V$V-$$V##!VV
# %V $!V V$V V $/V
'V01 V)VV V V V
'V0' V)VV V V V
V V
$%VV
x = 0, >>>>>>>>>>
F1 (x) = 0, >>>>> x 100
y = 0,8571428575
F1 (y) = 0, 85714x 100
Luego:
x + y = `ͳሾ`ͳ‫ͳ` ݔ‬
`ͳሾͲ ‫Ͳ Ͳͳݔ‬ͺͷͳͶ‫ Ͳͳݔ‬
`ͳሾͲͺʹͷ
ͲͺʹͷͳͲͲ
Error Absoluto:
= ȁ‫ ݔ‬െ ‫כ ݔ‬ȁ
= 10,9682539682-0,96825x100
= 3,9682 x 10 -6
= 0,39682 x 10-5
Error Relativo:
ȁ‫ ݔ‬െ ‫כ ݔ‬ȁ

ȁ‫ ݔ‬ȁ
ȁͲͺʹͷͺʹ െ Ͳͺʹͷ‫ Ͳͳݔ‬ȁ
Ó
ȁͲͺʹͷͺʹȁ
Ó ͶͲͺ‫ Ͳͳݔ‬
Ó ͲͶͲͺ‫
Ͳͳݔ‬
ሺሻ Ó`ͳሾ`ͳሺ‫ݔ‬ሻǤ `ͳሺሻ
Ó`ͳሾͲ ‫ Ͳͳݔ‬Ǥ ͲͺͷͳͶ‫ Ͳͳݔ‬
Ó`ͳሾͲͲͷʹͺʹͷͶ
ÓͲͲͷʹ‫Ͳͳݔ‬È
Error Absoluto: = ȁሺ‫ ݔ‬ሺ‫ ݔ‬ሻሻ െ ሺ‫ݔ‬ሺ‫ݔ‬ሻሻ ‫כ‬ȁ
= ȁͲͲͷʹͺͲͷʹʹ െ Ͳͷʹ‫Ͳͳݔ‬È ȁ
= ͲͳͲͷʹ‫ Ͳͳݔ‬
= Ͳ ͲͳͲͷʹ‫
Ͳͳݔ‬
Error Relativo:
ȁሺ‫ݔ‬ሻሺ‫ݔ‬ሻሻ െ ሺ‫ݔ‬ሺ‫ݔ‬ሻሻ ‫כ‬ȁ

Ó
ȁሺ‫ݔ‬ሺ‫ ݔ‬ሻȁ
ȁͲͷʹͺͲͷʹʹ െ Ͳͷʹ‫Ͳͳݔ‬È ȁ
Ó
ȁͲͷʹͺͲͷʹʹȁ
Ó ͳͳͶͺ ‫
Ͳͳݔ‬
Ó Ͳ ͷͲͲ‫ Ͳͳݔ‬
Ahora:
# %V $!V V$V V $/V
'V01 V)V ͲͺʹͷͳͲͲ = 0,39682 x 10-5 Ó ͲͶͲͺ‫

Ͳͳݔ‬
V V V
'V0' V)V ͲͲͷʹ‫Ͳͳݔ‬È = Ͳ ͲͳͲͷʹ‫

Ͳͳݔ‬ Ó Ͳ ͷͲͲ‫ Ͳͳݔ‬
V V V
2 V $ VVV! VV,V! $ V#V$$V$V3 V! VV
X2 + 0,40.2x100x+0,8x104= 0
$%:
Utilizando la formula estándar para las raíces de una ecuación cuadrática
ax2+bx+c = 0
luego
b2-4ac = 0,1602 ± 0,0003
= 0,1599
Así, nos da como raíces:
ͳ
‫ ݔ‬Ó ቀെͲͶͲͲʹ േ ඥͲͳͷ
ʹ
ͳ
‫ ݔ‬Ó െͲͶͲͲʹ േ Ͳ
ʹ
ͲͲͲͲ
݂ͳ‫ݔ‬È Ó Ó ͲͲͲͲʹ
ʹ
ͲͺͲͲͳ
݂ͳ‫ ݔ‬Ó Ó ͲͶͲͲͲ
ʹ
Que es el resultado exacto redondeado a dicha precisión.

4
VV 5 4
V
V
Un algoritmo es un procedimiento que describe, sin ambigüedades, una serie finita

de pasos a realizar en un orden específico. El objeto el algoritmo es poner en
práctica un procedimiento para resolver un problema o aproximarse a una solución
del problema.
Usaremos un seudocódigo para describir los algoritmos. Este seudocódigo especifica

la forma de la entrada por proporcionar y la forma de la salida deseada. No con
lodos los procedimientos numéricos se obtienen una salida satisfactoria para una
entrada elegida de manera arbitraria. Como consecuencia, el algoritmo se
incorpora una técnica para detenerlo, independiente de la técnica numérica, para
evitar ciclos infinitos.
En los algoritmos se usan dos símbolos de puntuación:
Un punto (.) indica el fin de un paso,
el punto y coma (;) separa las tareas dentro de un paso.
Las sangrías se usan para indicar que los grupos de enunciados deben considerarse
como una sola entidad.
Las técnicas de formación de ciclos en los algoritmos son controladas por un conta-
dor, como por ejemplo,
Para i = 1, 2,...,n
Establezca xi = ai + i * h
o por una condición, como
Mientras í < N ejecute Pasos 3-6.
Para permitir una ejecución condicional, usamos las construcciones estándar
Si ... entonces
o
Si ... entonces
otras construcciones
Los pasos en los algoritmos siguen las reglas de la construcción estructurada de

programas han organizado de modo que haya pocas dificultades para traducir el
seudocódigo a cualquier lenguaje de programación adecuado para las aplicaciones
científicas.
A los algoritmos se les añaden comentarios escritos en cursivas y tiendo de parénte-

sis para distinguirlos de los enunciados de los algoritmos.
EJEMPLO 1 Un algoritmo para calcular

ࡺ
ä ǥ ࡺ V
࢏ୀ
Donde N y los números x1, x2, . . .,xN están dados, se describe como sigue:
ENTRADA N, x1, x2.....xn
௜ୀÈ ‫ݔ‬௜
SALIDA SUMA =ே
Poso 1 Establezca SUMA =0. (Inicializa el acumulador.)
Paso 2 Para i = 1,2,..., N haga
fijar SUMA = SUMA + xi (Agrega el siguiente término.)
Poso 3 SALIDA (SUMA);
PARAR.
El N-ésimo polinomio de Taylor para f(x) = In x desarrollado en torno a x0 = 1 es
È
PN (x) = ே
௜ୀÈ ‫ ݔ‬െ ͳ௜
௜
y el valor de In 1,5 con ocho cifras decimales es 0,40546511. Suponga que querernos
calcular el valor mínimo de N necesario para que
ȁ݈݊ ͳͷ െ ܲே ͳͷȁ < 10-5
sin usar el término del residuo en el polinomio de Taylor. En los cursos de cálculo
aprendimos que si ௡ୀÈ ܽ௡ es una serie alternante con límite A cuyos términos
disminuyen en magnitud, entonces A y la N-ésima suma parcial AN = ௡ୀÈ ܽ௡
difieren por menos que la magnitud del (N + l)-ésimo ténnino; es decir,
ȁ‫ ܣ‬െ ‫ܣ‬È ȁ ൑ ȁܽேାÈ ȁ
El siguiente algoritmo usa esta cota.
ENTRADA valor x, tolerancia TOL, número máximo de iteraciones M.
SALIDA grado N del polinomio o un mensaje de error.
Paso 1 Establezca N = 1;
y = x-1;
SUMA = 0;
POTENCIA = y;
TÉRMINO = y;
SIGNO = -1. (Se usa para ejecutar la alternancia de signos.)
Paso 2 Mientras N M realice los Pasos 3-5.
Paso 3 Fijar SIGNO = -SIGNO. (Alterna los signos.)
SUMA = SUMA + SIGNO * TÉRMINO; (Acumula los términos.)
POTENCIA = POTENCIA * y;
TÉRMINO = POTENCIA(N + 1). (Calcula el siguiente término.)
Paso 4 Si หܶÉܴ‫ܱܰܫܯ‬ห < TOL entonces (Verifica Ia precisión.)
SALIDA (N);
PARAR. (El procedimiento tuvo éxito.)
Paso 5 Fijar N = N + 1. (Prepara la siguiente iteración.)

Paso 6 SALIDA(E1 método falló); (El procedimiento no tuvo éxito.)
PARAR.
La entrada de nuestro problema es x= 1,5, TOL=10-5 y tal vez M = 15. lista elección
de M proporciona una cola superior para el número de cálculos que estamos
dispuestos a realizar, reconociendo la posibilidad de que falle el algoritmo si se
excede esta cola. El hecho de que la salida sea el valor de N o el mensaje de error
depende de la precisión del dispositivo utilizado para realizar los cálculos.
Nos interesa elegir métodos que produzcan resultados precisos (según las
circunstancias) para una amplia variedad de problemas. Uno de los criterios que siempre
tratarernos de imponer sobre un algoritmo es que los cambios pequeños en los datos
iniciales produzcan otros correspondientes en los resultados finales. Un algoritmo que
satisfaga esta propiedad es estable; en caso contrario, inestable. Algunos algoritmos sólo
son estables para ciertas elecciones de datos iniciales; a estos se les llama condicionalmente
estables. Caracterizaremos las propiedades de estabilidad de los algoritmos siempre que sea
posible.
Para continuar nuestro análisis del crecimiento de los errores de redondeo y su

relación con la estabilidad de un algoritmo, suponga que se introduce un error de magnitud
E0 > 0 en cierta etapa de los cálculos y que se denota por En la magnitud del error después
de n operaciones sucesivas. Los dos casos que surgen con más frecuencia en la práctica se
definen como sigue.
Suponga que E0 > 0 denota un error inicial y En representa la magnitud de un error

después de n operaciones sucesivas. Si En § CnE0, donde C es una constante independiente de
n, entonces se dice que el crecimiento del error es lineal. Si En § CnE0 para alguna C > 1
entonces el crecimiento del error se denomina exponencial.
Normalmente es inevitable el crecimiento lineal del error y, cuando C y E() son

pequeños, por lo general son aceptables los resultados. Por otro lado, hay que evitar el
crecimiento exponencial del error, pues el término Cn crece incluso para valores de n rela-
tivamente pequeños. Esto conduce a imprecisiones inaceptables, sin importar el tamaño de
E0. En consecuencia, un algoritmo que exhibe un crecimiento lineal del error es estable, pero
no así un algoritmo con crecimiento exponencial del error. (Véase la figura 1.13
Ejemplo 3 La ecuación recursiva
È
ܲ௡ Ó ܲ௡È െ ܲ௡ para n=2, 3 . . .

Tiene la solución
ͳ ௡
ܲ௡ Ó È ௡

Pata cualquier constantes c1 y c2 pues
ͳͲ ͳͲ ͳ ௡È ͳ ௡
ܲ௡È െ ܲ௡ Ó È ௡È ! െ È ௡ !

ͳ ௡ ͳͲ ͳ ͳͲ
Ó È " ‫ כ‬െ ͳ൨ ௡ " ‫ כ‬െ ͳ൨

ͳ ௡ ͳ ௡
ͳ ௡
Ó È Ó È ௡ Ó ܲ௡

È È ௡
Si p0 = 1 y p1 = -, tenemos c1 = 1 y c2 = 0, de modo que pn = ቀ para toda n.

Suponga que usa una aritmética de redondeo a cinco cifras para calcular los
términos de la sucesión dada por esta ecuación. Entonces p0 = 1.0000 y p1 =
0.33333, lo cual requiere modificar las constantes a c1 = 1.0000 y c2 = -0.12500 X
10-5. Así que la sucesión #௡ ௡ୀ generada esta dada por
È ௡
pn = 1.0000 ቀ െ ͲͳʹͷͲͲ‫
Ͳͳݔ‬௡ ( - ] - 0.12500 X 10-5 (3)", y el error de

redondeo,
#௡ െ #$௡ Ó ͲͳʹͷͲͲ‫
Ͳͳݔ‬௡
crece en forma exponencial con n. Esto se refleja en las imprecisiones extremas

después de los primeros términos, como se muestra en la tabla 1.5 Por otro lado, la
ecuación de recurrencia.
#௡ Ó ʹ#௡È െ #௡ para n= 2, 3, . . .
Tabla 1.5
Tiene la solución pn = c1 + c2n para las constantes c1 y c2 porque
ܲ௡È െ #௡ Ó ʹ൫È ݊ െ ͳ% െ È ݊ െ ʹ
Ó È ʹ െ ͳ ʹ݊ െ ʹ െ ݊ ʹ Ó È ௡ Ó #௡
È
Si p0 = 1 y #È Ó , las constantes en esta ecuación se convierten en c1 = I y c2 = െ ,

de modo que pH = 1 - |n, Con una aritmética de redondeo a cinco cifras se obtiene pf)
= 1.0000 y p1 = 0.33333. En consecuencia, las constantes con redondeo a cinco
cifras son c1 = 1.0000 y c2 = -0.66667. Así,
#$௡ Ó ͳǤͲͲͲͲ െ Ͳ݊ = 1.0000 -0.66667n,

y el error por redondeo es

#௡ െ #$௡ Ó ቀͲ െ n

que crece linealmente con n. Esto se refleja en la estabilidad que aparece en la tabla
1.6
Los efectos del error por redondeo se pueden reducir mediante una aritmética
de orden superior, como la opción de precisión doble o múltiple en la mayor parte de
las computadoras. El uso de la aritmética de doble precisión presenta las desventajas
de más tiempo de cómputo y no se elimina el crecimiento del error por redondeo,
sino solamente se pospone hasta realizar otros cálculos.
Un método para estimar el error de redondeo consiste en usar aritmética de

intervalos (es decir, conservar los valores máximo y mínimo en cada paso), de modo
que, al final, obtenemos un intervalo que contiene al valor real. Desafortunadamente,
se necesitaría un intervalo muy pequeño para una ejecución razonable.
Puesto que se usa frecuencia las técnicas iterativas relacionadas con

sucesiones, esta sección concluye con un breve análisis de cierta terminología usada
usadas para describir la rapidez a la que ocurre la convergencia cuando se empica
una técnica numérica En general, quisiéramos que la técnica convergiese lo más
rápido posible. Se usa la siguiente definición para comparar las razones de
convergencia de varios métodos
௡ ሽ௡ୀÈ

Suponga que w es una sucesión cuyo valor de convergencia es cero y
que w௡ ሽ௡ୀÈ converge a un número Į. Si existe una constante positiva k tal que
ȁߙ௡ െ ߙ ȁ ൑ ݇ȁ ௡ȁ para n grande,
entonces decimos que w௡ ሽ௡ୀÈ converge a ߙ con rapidez de convergencia ܱ ௡ .
Esta expresión se lee ³O mayúscula de ௡ ". Se indica escribiendo ௡ Ó ߙ ܱ ௡
Aunque la definición permite comparar w௡ ሽ௡ୀÈ con una sucesión arbitraria
௡ ሽ௡ୀÈ ,

w en casi todas las situaciones usamos
ͳ
௡ Ó
݊௡
para algún número p > 0. Por lo general, se tiene interés en el mayor valor de p tal
que ௡ Ó &ͳȀ݊௣
Suponga que, para n '1,
݊ͳ ݊
௡ Ó

௡Ó
݊ ݊
Aunque ݈݅݉௡՜ ߙ௡ Ó Ͳ y ݈݅݉௡՜ ߙො௡ Ó Ͳ, la sucesión wߙො௡ ሽ converge en este límite

mucho más rápido que la sucesión wߙ௡ ሽ, usando la aritmética de redondeo a cinco
cifras, como se muestra en la tabla 1.7.
Ó ௡ Ó (݁݉&‫݁ݑݍݏ‬

Si ௡ ௡ ௡మ
݊ͳ ݊݊ ͳ
ȁ ߙ௡ െ Ͳ ȁ Ó
൑
Óʹ‫ כ‬Óʹ ௡
݊ ݊ ݊
݊ ݊ ݊ ͳ
ȁߙො௡ െ Ͳȁ Ó
൑
Ó Ͷ ‫ כ‬Ó Ͷ ௡
݊ ݊ ݊
de modo que
ͳ ͳ
ߙ௡ Ó Ͳ ܱ ߙො௡ Ó Ͳ ܱ
݊ ݊
La rapidez de convergencia de ߙ௡ a cero es similar a la convergencia de

{l//n} a cero, en tanto que wߙ௡ ሽ converge a cero con una rapidez similar a la de la
sucesión {1/n2}, la cual converge más rápido.
También usamos la notación "O mayúscula" para describir la rapidez de convergen-

cia de funciones.
EJEMPLO 5 El tercer polinomio de Taylor de
ͳ ͳ
&‫ ݄ ݏ‬Ó ͳ െ ݄ ݄ &‫݄ߝ ݏ‬
ʹ ʹͶ
para algún número ߝ (h) entre cero y h. En consecuencia,
ͳ ͳ
&‫ ݄ ݄ ݏ‬Ó ݄ &‫݄ߝ ݏ‬
ʹ ʹͶ
De este resultado se deduce que
ͳ
&‫ ݄ ݄ ݏ‬Ó ͳ ܱ݄
ʹ
È È È
pues )&‫ ݄ ݄ ݏ‬െ ͳ) Ó ) &‫ ݄ )݄ߝ ݏ‬൑ ݄ . Esto implica que, cuando h

È
՜0, &‫ ݄ ݄ ݏ‬converge a su límite, 1, casi tan rápido como h4 converge a 0.

V V

VVV6
7V
V
Un punto fijo de una función g es un número para el cual g (p) = p.
Dado un problema de buscar una raíz f(p)=0, podemos definir una función g
con un punto fijo en p de diversas formas; por ejemplo g(x) = x ± f(x) o como g (x) =
x+4f(x); pero si la función g tiene un punto fijo en p. entonces la función definida por
f(x) = x-g(x) tiene un cero (0) en p.
A continuación se mostraran las condiciones que se deben cumplir para

verificar la existencia y unidad del punto fijo.
VV VVV
V
a)V Si gìcሾܽ *݃‫ ݔ‬ì ሾܽ * #ܽ‫&ݐܽݎ‬+ܽ‫ ݔ‬ì ሾܽ *entonces g tiene un punto
fijo en ሾܽ *
b)V Si g (x) existe en (a,b) y existe una constante positiva k<1 con ሾ݃Ʋ,<k,
para toda xì ܽ *
Entonces el punto fijo en (a,b) es único (ver figura 1.1).
y=x
b
p=g p y-g(x)
a
a p b
" #$VV
La función g(y) = y2-2, para -2< y <3, tiene puntos fijos en x = -1 y en x = 2 ya que:
G (-1) ) (-1)2 ± 2 = -1 y g(2) = 22-2=2
Gráficamente se observa lo siguiente:

VVVVVV)V
-4
-3 y=x
V V
-2
V V
-1
V V
3V'V 'V
-4 -3 -2 -1 0 1 2 3 4
1
2
X=y2-2
3
3V)V
%V0 VV V V
V V0 V(VVVV0 V(VV VV !-VV#V,"V VV ' VV
Supongamos que no es así, entonces deberá ser cierto que g(a)> y que g (b) <b.
la función h(x) = g (x)-x es continuo en ሾܽ * y tenemos:
݄ܽ Ó ݃ܽ െ ܽ Ͳ݄* Ó ݃* െ * ൏ Ͳ
El teorema del valor intermedio establece que existe una p߳ (a,b) para la cual h(p)
=0. Ese número p es un punto fijo de g.
0 = h(p) = g (p) ± p implica que g (p) = p
V #V! -V& VȁࢍƲ ȁ ൑ ࢑ ൏V)V& V#VV&VV#V,"V V0 V$V
& V #8& V V 9V $V V ! V /$V !V ' V V 9 V V " #$V
V#V)V&V)V#VV V0 V$V& VV
V
ࢍ-ࢍ.

V(V:0; V#V$VV
ȁ- െ .ȁ Ó ȁࢍ- െ ࢍ.ȁ Ó ȁࢍìȁȁ- െ .ȁ ൑ ࢑ȁ- െ .ȁ ൏ ȁ- െ .ȁV
La cual es una contradicción que se debe solo a la suposición pq. por tanto p=q y el
punto fijo en (a,b) es único.
5 V " #$VV
En ocasiones se observa que ȁ݃Ʋ‫ݔ‬ȁ ൑ ͳ en (a,b), y no puede utilizarse el teorema 1.1

para determinar unidad sin embargo, si g es decreciente y se puede observar que el
punto fijo ha de ser único debemos utilizar la técnica de interacción de punto fijo o
interacción funcional para obtener una solución.
Para aproximar el punto fijo de una función, escogemos una aproximación inicial po y
generamos la sucesión w#݊ሽ݊ Ó Ͳhaciendo Pn=g(Pn-1).
Para cada n> 1. Si la secuencia converge en p y si g es continúa entonces:

P= lim pn = lim g (pn-1) = g (lim pn-1) = g (p), y obtener la solución:
)VV
6VV 2VV y=x
02V V
V y = g(x)
(VV0#2 V
V
V
02V2 V
V 2(VV0#V V
V V 0<VV V 0VVV V
V V(VV0#< V
V V
V
'V
<V
V
Geométricamente el método transforma la ecuación f (x)= 0 en una ecuación

equivalente de punto fijo x = g(x), tomando una estimación inicial P0 del punto fijo p
de g y se pi+1 = g (pi), con i = 1, 2, 3 ««..
Al tener la función y = g(x) interceptada con la recta y = x obtenemos el punto fijo p
6VV V
)V
V V
)V(V'V
)V(V0' V
V(V0# V
'V
a p Po b
$V ! V V 6"V Para obtener una solución a p=g(p) dada una
aproximación inicial Po:
Para obtener una solución a p=g(p) dada una aproximación inicial Po.
Entrada: Aproximación inicial xo; Tolerancia TOL; Numero máximo de iteraciones

No.
Salida: Solución aproximada p o mensaje de fracaso.
Paso 1. Tome i =1
Paso 2. Mientras iNo haga Pasos 3-6
Paso 3. Tome p=g(xo). (Calcule pi)
Paso 4. Si p-po < ȉȅL entonces
Salida (p); (Procedimiento terminado satisfactoriamente). Parar
Paso 5. Tome i=i+1
Paso 6. Tome po=p (redefina po)
Paso 7. ('El método fracasó después de No iteraciones No=', No);(Procedimiento

terminado sin éxito)
" #$:
La ecuación x3 + 4x2 ± 10 = 0 tiene una raíz única en ሾͳʹ. Hay muchas formas para
convertirla en la forma x = g(x) mediante un simple manejo algebraico. Por ejemplo
para obtener la función que se describe en (c) podemos manejar la ecuación
x3 + 4x2 ± 10 = 0
ͳ
Ͷ‫ ݔ‬Ó ͳͲ െ ‫ ݔ‬ ܽ‫ ݔ݅ݏ‬Ó ͳͲ െ ‫ ݔ‬
Ͷ
ͳ
‫ ݔ‬Ó േ ͳͲ െ ‫ ݔ‬ÈȀ
ʹ
Para obtener una solución positiva elegimos g3 (x) como se muestra aquí. No es
importante derivar las funciones que se indican, pero debemos verificar que el punto
fijo de cada una sea realmente una solución de la ecuación original
x3 + 4x2 ± 10 = 0
a)V X = g1 (x) = x ± x3 ± 4x2 + 10
È ÈȀ
b)V ‫ ݔ‬Ó ݃ ‫ ݔ‬Ó ቀ െ Ͷ‫ݔ‬

È
c)V ‫ ݔ‬Ó ݃ ‫ ݔ‬Ó ͳͲ െ ‫ ݔ‬ÈȀ

È ÈȀ
d)V ‫ ݔ‬Ó ݃ ‫ ݔ‬Ó ቀ
ା
/ ା మ È
e)V ‫ ݔ‬Ó ݃
‫ ݔ‬Ó ‫ ݔ‬െ
మ ା଼
Con P0 = 1.5 la tabla 2.2 proporciona los resultados del método de interacción
de punto fijo para las cinco opciones de g.
La raíz real es 1.365230013, según se señaló en el ejemplo 1-. Al comprara los

resultados del algoritmo de bisección que vienen en el ejemplo observamos que
se obtuvieron excelentes resultados con las opciones (c), (d) y (e) ya que el
método de bisección requiere 27 interacciones para garantizar la exactitud.
Conviene señalar que la opción (a) ocasiona divergencia y que (b) se torna
indefinida porque contiene la raíz cuadrada de un número negativo.
Aun cuando las funciones de este ejemplo son problemas de punto fijo para el
mismo problema de búsqueda de raíz difieren ampliamente como métodos para
aproximar solución a este tipo de problemas. Su propósito es ilustrar la pregunta
que es preciso contestar.
¿Cómo podemos encontrar de punto fijo capaz de producir una sucesión que
convenga confiable y rápidamente en una solución en un problema de búsqueda
de raíz?
V 0 V 0 V 0 V 0! V 0 V
0 1.5 1.5 1.5 1.5 1.5

1 -0.875 0,8165 1.286953768 1.348399725 1.373333333
2 6.732 2.9969 1.402540804 1.367376372 1.365262015
1/2
3 -469.7 (-8.65) 1.345458374 1.364957015 1.365230014
8
4 1.03x10 1.375170253 1.365264748 1.365230013
5 1.360094193 1.365225594
6 1.367784968 1.365230576
7 1.363887004 1.365229942
8 1.365916734 1.36523022
9 1.364878217 1.365230012
10 1.365410062 1.36530014
15 1.365226680 1.365230013
20 1.365230236
25 1.365230006
30 1.365230013
= V
VV
V
)VV
V
e2
y = g(x)
y=x
VVVVVVVV'VV
1 Po 3
Ejemplo V *VAplique el método de punto fijo para determinar una aproximación de
-4
p con una exactitud 10 .
$%V
En primer, lugar determinemos la función g(x) que: vamos a utilizar para aplicar la
iteración de punto fijo
Partiendo de que x = p, tenemos '. '
x2 = 3= x2 -3 = 0 .y f(x)=x2-3
Así, g(x) = x ² f(x), esto es g(x) ² x ² (x2 ² 3).
Como no tenemos la aproximación inicial po, apliquemos el método de bisección

para encontrarlo. La función f(x) = x2 - 3 tiene tominio todo R. Supongamos que la
raíz está n el intervalo [0,2]. En los extremos del intervalo tenemos que f(0) = -3 y
f(2) ² 1, tienen signos distintos, así que debe existir al menos una raíz de f en [0,2].
ʹെͲ
#& Ó Óͳ
ʹ
Evaluemos g en p0, al resultado lo llamaos p\ y aplicamos la tolerancia.
g(1) =3 y |3-1| = 2>10-4
Tomando a pi = 3,
g(3) = -3 y |3 + 3| - 6 > 10-4
Nótese que lo que se está obteniendo es una divergencia pues el error aumenta. ¿Por
qué sucede esto? Pues porque g(x) ì [O, 2] p. m toda ì [O, 2] g(0) = 3 Entonces
debemos conseguir otra junción auxiliar.
ͳ
‫ ݔ‬Ó p ՜ ‫ ݔ‬Ó ՜ ‫ ݔ‬Ó ‫ Ͳ ് ݔ‬՜ ‫ ݔ‬െ Ó Ͳ ՜ ‫ ݔ‬െ Ó Ͳ
‫ݔ‬ ‫ݔ‬ ʹ ‫ݔ‬
ͳ
՜ ݂ ‫ ݔ‬Ó ‫ ݔ‬െ
ʹ ‫ݔ‬
È
Por tanto g(x) = ‫ ݔ‬െ ቀ‫ ݔ‬െ

La función f tiene dominio R - wͲሽ. Supongamos que la raíz está en el intervalo

È
ሾͳʹǤ ݂ͳ Ó െͳ݂ ʹ Ó , como tienen signos distintos podemos aplicar bisección

para conseguir a po.
ʹͳ
ܲ& Ó Ó Ó ͳͷ
ʹ ʹ
Realicemos las interaciones necesarias:
݃ͳͷ Ó ͳͷȁͳͷ െ ͳͷȁ Ó ʹͷ‫Ͳͳݔ‬È ͳͲ
Sea P1= 1,75
݃ͳͷ Ó ͳʹͳȁͳʹͳ െ ͳͷȁ Ó ͳ‫ Ͳͳ Ͳͳݔ‬
Tomemos ahora p2 = 1,7321
݃ͳʹͳ Ó ͳʹͲȁͳͳʹͲ െ ͳʹͳȁ Ó ͳ‫ Ͳͳݔ‬Ó ܶ&݈
Sea P3= 1,7320
݃ͳʹͲ Ó ͳʹͲȁͳʹͲ െ ͳʹͲȁ Ó Ͳ ൏ ͳͲ
En conclusión la solución es p= 1,7320

V

VV4 4VV
En el campo de los matemáticos se presentan diversos problemas donde se

involucran uno o más funciones que al momento de resolver no tienen una solución a
través de métodos exactos el análisis numérico Hene, entre sus aplicaciones dar
solución numérica dichos problemas.
Entre las técnicas elementales para definir funciones involucradas en estos

problemas consiste en utilizar la interpolación polinomica.
Dados los datos:
x x0 x1 xn
y y0 y1 yn
Podría utilizarse para obtener una estimación razonable para la solución de

problema una predicción de este tipo puede obtenerse por medio de una función que
corresponda a los datos, este proceso se denomina interpolación.
El problema general de la interpolación de funciones consiste a parir del

conocimiento del valor de una función y eventualmente de sus derivadas en un
conjunto finito de puntos aproximar el valor de la función fuera de ese conjunto
finitos de puntos.
,%VV
Dados n+1puntos correspondientes a los datos:
x x0 x1 xn
y y0 y1 yn
Los cuales representan gráficamente como puntos en el plano, si existe una
función f definida en el intervalo I ሾ‫݊ݔ &ݔ‬, tal que yi = f (xi) para i = 0, 1,2,«,n
entonces a f se le llama función de interpolación de los datos para aproximar valores
dentro de I.
Funciones como las trigonométricas, exponenciales, logarítmicas,

polinómicas, combinaciones de estas, etc., pueden interpolar los mismos datos.
La interpolación va a depender de la característica de los datos, así como

también de los valores que se esperen.
Existen varios tipos de interpolación entre las cuales están:
ãV Interpolación trigonométrica
ãV Interpolación multivariable
ãV Interpolación de Taylor
ãV Interpolación por polinomios de Lagrange
El conjunto de funciones de la forma:
Pn(x) = anxn+an-1xn-1+ a1x+ao; son conocidos como polinomios donde n es un

estero no negativo y ao,« an«.. son constantes reales. Son de gran importancia
debido a que aproximan de manera uniforme a las funciones continuas.
Un polinomio de interpolación es una función polinomica que así como interpola

datos, es de menor grado posible.
Lea una función cualquiera, definida y continua en ሾܽ *, debe existir un
polinomio que este tan propicio a la función como se quiera.
V#'%V! V> VV
Suponga f esta definida y es continua en ሾܽ * para cada ߳ Ͳ, existe un polinomio

p (x)con la propiedad de que:
ȁ݂ ‫ ݔ‬െ #‫ݔ‬ȁ ൏ì ‫ ݔ‬ì ሾܽ *
V y
V Y=f(x)+ì
V Y=p(x)
Y=f(x)
V
Y=f(x)-ì
V
V
x
V
a b
V
Cuando la información para aproximar es restringida es de gran utilidad hacer uso

de los polinomios interpolantes de Lagrange
Consideramos como problema determinar un polinomio de grado 1 que pase por los
puntos (xo,yo) y (x1, y1)diferentes es el mismo que el de aproximar una función para
la cual f(xo) = yo y f(x1) = y1 a través de un polinomio de primer grado (p(x) o lj (x).
‫ݔ‬െ‫ ͳݔ‬ 001

Sea p(x) = 0 & Ó
1 െ‫ ͳݔ‬ ‫ ͳݔ‬01
Las funciones:
‫ ݔ‬െ ‫ ͳݔ‬ 2 െ 2
‫ ݔ &ܮ‬Ó ݈݅‫ ݔ‬Ó
2 െ ‫ ͳ ݔ‬ ‫ ͳݔ‬െ 2
V
Se define entonces:
P (x) = L0 (x) f (x0) + Li (x) f (x1)
Así; cuando x = x0 y x = x1 respectivamente
P (x0) = 1.y0 + o.y1 = y0 = f (x0)
P (x1) = 0.y0 + 1.y1 = y = f (x0)
Donde el polinomio lineal que pasa por (x0, fx0)y (x1, fx1) viene dado por L0 (x) y L1(x)
cuando:
X = x0, L0 (x0) = 1 y L1 (x0)= 0
X = x1, L0 (x1) = 1 y L1 (x10)= 1
V y
V
f(x)
V
y1 = f(x1)
V
V
y0 = f(x0)
P(x)
V
V x
X0 X1
V
V $+V! V?VV#$V! V!VV$V-VV& V# V

#V$V1VV#V0'<V0,0'< 0'VV,0'V V0',0'
V
V
V Y
V
F
V
P
V X
X0 X1 X2 Xn
V
En general para cada k = 0, 1, 2,«.,n, tenemos una función Ln,k(x) con la propiedad
de que Ln,k (xi) = 0
Cuando ik y Ln,k (kn) = 1
Para satisfacer que Ln, k (xi) = 0 para cada ik, en el numerador de Lk se requiere
del termino.
(x-x0) (x-x1) «. (x-xk-1) (x ± xk+1)« (x ± xn)
Y para que Ln, k (Kk) = 1, el denominador debe ser igual a
(x-x0) (x-x1) «. (x-xk-1) (x-xk+1)«« (x-kn) cuando x = xk
Por lo tanto:
‫ ݔ‬െ ‫ &ݔ‬ǥ ǥ ‫ ݔ‬െ ‫ݔ‬௞È ǥ ǥ ‫ ݔ‬െ ‫݊ݔ‬

‫ ݔ݇ ݊ܮ‬Ó
‫ݔ‬௞ െ ‫ ݔ‬ǥ Ǥ Ǥ ‫ݔ‬௞ െ ‫ݔ‬௞È ǥ Ǥ Ǥ ‫ݔ‬௞ െ ݇௡
௡
‫ ݔ‬െ ‫݅ݔ‬
Ó
‫ ݇ݔ‬െ ‫݅ݔ‬
Y ௜ୀ௢
V
1
X
V
X0 X1 Xk-1 Xk Xk+1 Xn-1 Xn
V
V
Si xo, x1, «..xn son (n+1) números diferentes y f una función cuyos valores
están dados en esos puntos, entonces existe un único polinomio p de grado a lo más n
con la propiedad,
F(xk) = p(xk) para cada k 0,1,2«.,n
Y, p (x) = f (xo) Ln, 0 (x) +«. F (xn) Ln, n (x)
Ó ä ݂‫ݔ݇ ݊ܮ݇ݔ‬
௞ୀ
Donde:
‫ ݔ‬െ ‫ &ݔ‬ǥ ǥ ‫ ݔ‬െ ‫ݔ‬௞È ǥ ǥ ‫ ݔ‬െ ‫݊ݔ‬

‫ ݔ݇ ݊ܮ‬Ó
‫ݔ‬௞ െ ‫ ݔ‬ǥ Ǥ Ǥ ‫ݔ‬௞ െ ‫ݔ‬௞È ǥ Ǥ Ǥ ‫ݔ‬௞ െ ݇௡
௡
‫ ݔ‬െ ‫݅ݔ‬
Ó
‫ ݇ݔ‬െ ‫݅ݔ‬
௜ୀ௢
" #$VV
!V$V V!V$$V $V#$V! V$ VV
V <V VV 2V V
f(xi) 1 -1 3 -2
x -2 0 2 4
$%VV
Se debe calcular primero los coeficientes polinómicos , L0,L1,L2 y L3
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ ‫ݔ‬െͲ ‫ݔ‬െʹ ‫ݔ‬െͶ
‫ ݔ ܮ‬Ó Ó " Ǥ Ǥ ൨ Ǥ ͳ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ ʹ െͶ െ
െ‫ ݔ‬െ ‫ ݔ‬െ ͺ
‫ ݔ ܮ‬Ó
Ͷͺ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ ‫ݔ ʹ ݔ‬Ǥ ʹ ‫ݔ‬Ǥ Ͷ

‫ܮ‬È ‫ ݔ‬Ó Ó " Ǥ Ǥ ൨ Ǥ ͳ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ ʹ െʹ െͶ
‫ ݔ‬െ Ͷ‫ ݔ‬െ Ͷ‫ͳ ݔ‬

‫ ݔ ܮ‬Ó
ͳ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ ‫ݔ ʹݔ‬െͲ ‫ݔ‬െͶ

‫ ݔ ܮ‬Ó Ó " Ǥ Ǥ ൨ Ǥ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ Ͷ ʹ െʹ
‫ ݔ‬െ ‫ ݔ‬െ ʹͶ‫ݔ‬

‫ ݔ ܮ‬Ó
ͳ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ ‫ݔ ʹݔ‬െͲ ‫ݔ‬െʹ

‫ ݔ ܮ‬Ó Ó " Ǥ Ǥ ൨ Ǥ െʹ
‫ ݔ‬െ ‫ݔ‬È ‫ ݔ‬െ ‫ ݔ ݔ‬െ ‫ ݔ‬ Ͷ ʹ
െ‫ ݔ‬Ͷ‫ݔ‬
‫ ݔ ܮ‬Ó
ʹͶ
VV

െ૟
3
െ
െ ૟
െ૟ െ

÷ Ó െ െ െ
3
V
૟ ૟
4
÷ Ó 03'1*'23 '3'1'21'3V*3'1*'212'3'3' V
3
4
÷ Ó (V0*'1V*'21V*'3V* V
3
÷ ÓV< '32'2V@V2'V12V
Por medio del polinomio interpolante de Lagange, hallar el valor aproximado de la

funcion f(x) en el punto x= 3.5, si f(x) es una función discreta representada por la
siguiente tabla de valores:
'V VV V *V
f(x) 1.5709 1.5727 1.5751
V
૟
V , V#$%VV<'V(V ૟
V
V V
૟
V'V(V ૟
V
V
ðVVVVVVVVV VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
V

2'V(V
V
V V
Los coeficientes evaluados en x = 3,5 son
L0 (3.5) = 0.08333 L1 (3.5) = 1.04167 L2 (3.5) = -0.12500
Luego
El polinomio interpolante de lagrange es:
V
ðVVVVVVVVV VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
V
Así el valor del polinomio interpolante en x = 3.5 vale 1.57225, este valor es una
aproximación a f(3.5).
V V
Numéricamente el calculo de Pn(x) a través de los polinomios base necesita de la
evaluación de n+1polinomios de grado n. Además si se quiere añadir un nuevo
punto de interpolación , debemos cambiar todos los polinomios base de lagrange.
Un método más directo para el cálculo

VV
Después de haber elaborado este trabajo que es de gran importancia para

ampliar nuestros conocimientos como futuros ingenieros y atendiendo a los objetivos
de cálculos numéricos se concluye:
Con errores y redondeo y aritmética de computadoras estudiamos el error

que existe entre el valor real y el valor encontrado de una determinada cantidad
finita mediante el uso del computador.
Por su parte en algoritmos y convergencias se observó que a través de un

número finito de paso ejecutados de forma lógica se puede calcular o aproximar
alguna cantidad o función.
También se estudió el método de punto fijo el cual se inicia con una

aproximación inicial generando una sucesión de aproximación que converge a la
solución de f(x)=0, es decir, donde la gráfica de la función corta el eje de las
abscisas a lo que es igual donde se encuentran las raíces de dicha función. Un punto
fijo es aquel que evaluado en la función da el mismo.
En cuanto a la interpolación polinomial existen diversos tipos de funciones

que pueden interpolar los mismos datos de modo que a la hora de elegir el tipo de
interpolación a usar se deberá conocer la naturaleza de los datos y los valores
intermedios que se esperan.
Es de mencionar que el uso de los métodos antes mencionados se puede dar
solución numérica a problemas matemáticas que no pueden ser resueltos a través de
métodos exactos (como los noto en cálculos anteriores).
Esperando así que este trabajo sea de gran utilidad para aquellos que desean
conocer a cerca de este tema.

Errores de Redondeo y Aritmética de Computadora

Cargado por

Copyright:

Formatos disponibles

Errores de Redondeo y Aritmética de Computadora

Cargado por

Información del documento

Título original

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

Errores de Redondeo y Aritmética de Computadora

Cargado por

Copyright:

Formatos disponibles

REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR

El cálculo numérico es la rama de la matemática que se encarga de diseñar

El cálculo numérico se puede definir como la disciplina ocupada de describir,

En el contexto de cálculo numérico, un algoritmo en un procedimiento que

En general, estos métodos se aplican cuando se necesitan un valor numérico

Para la aplicación de este tema se proporcionará un recorrido por la del

El error de redondeo es resultado directo de las limitaciones de los

Los números se almacenan en la computadora como una secuencia de dígitos

Se conoce como la mantisa y el índice n como el exponente.

La forma de punto flotante mencionada anteriormente, y denotada por fl(x), se

Los dígitos se cortan de la mantisa para dar:

Si , entonces el dígito se mantiene sin cambio, truncando luego para

Si , entonces el dígito se aumenta en 1 y luego se trunca el número

También hay restricciones respecto al tamaño del exponente; n debe satisfacer la

Si n llega a ser mayor que M, entonces se dice que el número se ha

Escriba los siguientes números en expresión punto flotante usando redondeo y

Fi (x)= 0,26064 x 100

Fi (x)= - 0,26064 x 100- 100-5

La expresión normalizada es:

F1(x) = 0,34972 x 102

F1(x) = 0,34972 x 102 x 102+102-5

= 34,973 = 0,34973x 102

El error que resulta al reemplazar un número cualquiera x por su forma de

Durante un cálculo, la acumulación de errores de redondeo puede

es una aproximación a x, entonces se define el error absoluto como

, y el error relativo como : x0

Error Absoluto = 1X ± F1(x)1

Se dice que los números x y coinciden hasta s dígitos (cifras) significativos si s es el

Suponga q x = s determine los posibles valores de F1 (x) que aproximen a x con 3

െͲͲʹͷ ൏ ͷ െ ݂ͳ‫  ݔ‬൏ ͲͲʹͷ

െͷͲʹͷ ൏ െ݂ͳ‫  ݔ‬൏ Ͷͷ

െͷͲʹͷ ൏ ݂ͳ‫ ݔ‬൏ Ͷͷ

F1(x) ¼ (4,975; 5,025)

Además de dar una representación inexacta de los números, la aritmética

x (+) y = fl(fl(x) + fl(y))

x (-) y = fl(fl(x) - fl(y))

x (x) y = fl(fl(x) . fl(y))

Esta aritmética idealizada corresponde a efectuar la aritmética exacta en la

Suponga que x = 3,14153265«. Y y = 2,718321109 se relacionan con una

F1 (x) = 0,314153 x 101

F1 (Y) = 0,271832 x 101

Ǧ `ͳሾ`ͳ‫ͳ`  ݔ‬

ൊ `ͳሾ`ͳሺ‫ݔ‬ሻ ൊ `ͳሺሻ `ͳሺሻ ് Ͳ

# % V $ !V V$ V V $ /V

F1 (x) = 0, >>>>> x 100

F1 (y) = 0, 85714x 100

`ͳሾͲ  ‫Ͳ  Ͳͳݔ‬ͺͷͳͶ‫ Ͳͳݔ‬

= ȁ‫   ݔ‬െ ‫כ   ݔ‬ȁ

ȁ‫   ݔ‬െ ‫כ   ݔ‬ȁ

ሺሻ Ó`ͳሾ`ͳሺ‫ݔ‬ሻǤ `ͳሺሻ

Ó`ͳሾͲ  ‫ Ͳͳݔ‬Ǥ ͲͺͷͳͶ‫ Ͳͳݔ‬

Error Absoluto: = ȁሺ‫  ݔ‬ሺ‫ ݔ‬ሻሻ െ ሺ‫ݔ‬ሺ‫ݔ‬ሻሻ ‫כ‬ȁ

ȁሺ‫ݔ‬ሻሺ‫ݔ‬ሻሻ െ ሺ‫ݔ‬ሺ‫ݔ‬ሻሻ ‫כ‬ȁ

# % V $ !V V$ V V $ /V

'V01 V)V ͲͺʹͷͳͲͲ = 0,39682 x 10-5 Ó ͲͶͲͺ‫

'V0' V)V ͲͲͷʹ‫Ͳͳݔ‬È = Ͳ  ͲͳͲͷʹ‫

2 V $ V V V! V V,V! $ V#V$$V$V3 V! VV

Utilizando la formula estándar para las raíces de una ecuación cuadrática

, y el error relativo como : x0

െͲͲʹͷ ൏ ͷ െ ݂ͳ‫ ݔ‬൏ ͲͲʹͷ

െͷͲʹͷ ൏ െ݂ͳ‫ ݔ‬൏ Ͷͷ

െͷͲʹͷ ൏ ݂ͳ‫ ݔ‬൏ Ͷͷ

Ǧ `ͳሾ`ͳ‫ͳ` ݔ‬

ൊ `ͳሾ`ͳሺ‫ݔ‬ሻ ൊ `ͳሺሻ `ͳሺሻ ് Ͳ

# %V $!V V$V V $/V

`ͳሾͲ ‫Ͳ Ͳͳݔ‬ͺͷͳͶ‫ Ͳͳݔ‬

= ȁ‫ ݔ‬െ ‫כ ݔ‬ȁ

ȁ‫ ݔ‬െ ‫כ ݔ‬ȁ

ሺሻ Ó`ͳሾ`ͳሺ‫ݔ‬ሻǤ `ͳሺሻ

Ó`ͳሾͲ ‫ Ͳͳݔ‬Ǥ ͲͺͷͳͶ‫ Ͳͳݔ‬

Error Absoluto: = ȁሺ‫ ݔ‬ሺ‫ ݔ‬ሻሻ െ ሺ‫ݔ‬ሺ‫ݔ‬ሻሻ ‫כ‬ȁ

ȁሺ‫ݔ‬ሻሺ‫ݔ‬ሻሻ െ ሺ‫ݔ‬ሺ‫ݔ‬ሻሻ ‫כ‬ȁ

# %V $!V V$V V $/V

'V01 V)V ͲͺʹͷͳͲͲ = 0,39682 x 10-5 Ó ͲͶͲͺ‫

'V0' V)V ͲͲͷʹ‫Ͳͳݔ‬È = Ͳ ͲͳͲͷʹ‫

2 V $ VVV! VV,V! $ V#V$$V$V3 V! VV

Paso 2 Mientras N M realice los Pasos 3-5.

ܲ௡È െ #௡ Ó ʹ൫È ݊ െ ͳ% െ È ݊ െ ʹ

#$௡ Ó ͳǤͲͲͲͲ െ Ͳ݊ = 1.0000 -0.66667n,

entonces decimos que w௡ ሽ௡ୀÈ converge a ߙ con rapidez de convergencia ܱ ௡ .

Esta expresión se lee ³O mayúscula de ௡ ". Se indica escribiendo ௡ Ó ߙ ܱ ௡

Aunque ݈݅݉௡՜ ߙ௡ Ó Ͳ y ݈݅݉௡՜ ߙො௡ Ó Ͳ, la sucesión wߙො௡ ሽ converge en este límite

V V0 V(VVVV0 V(VV VV !-VV#V,"V VV ' VV

la función h(x) = g (x)-x es continuo en ሾܽ * y tenemos:

݄ܽ Ó ݃ܽ െ ܽ Ͳ݄ Ó ݃ െ * ൏ Ͳ

ȁ- െ .ȁ Ó ȁࢍ- െ ࢍ.ȁ Ó ȁࢍìȁȁ- െ .ȁ ൑ ࢑ȁ- െ .ȁ ൏ ȁ- െ .ȁV

En ocasiones se observa que ȁ݃Ʋ‫ݔ‬ȁ ൑ ͳ en (a,b), y no puede utilizarse el teorema 1.1

Paso 2. Mientras iNo haga Pasos 3-6