Avance UNIDAD I Errores

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 17

UNIDAD I: ERROR NUMERICO

METODOS NUMERICOS
La mayor parte de las matemáticas estudiadas hasta ahora se han dedicado a desarrollar
métodos que nos proporcionen la solución exacta de un problema.
Desgraciadamente, en la gran mayoría de los casos que se presentan en la práctica, estos
métodos no son de aplicación. Ello puede deberse a que el método para calcular la solución
exacta sea muy complicado, a que no se conozca un método adecuado, o incluso a que no
exista un método que nos permita, mediante cálculos elementales, encontrar la solución.
En estos casos es necesario recurrir a métodos numéricos, denominados así porque,
usualmente, consisten en realizar una sucesión más o menos larga de operaciones
numéricas (normalmente mediante la ayuda de un ordenador), al cabo de las cuales
encontramos un valor numérico que, si bien no es la solución exacta del problema, se le
parece mucho, es decir, aproxima la solución buscada con una precisión razonablemente
buena.
DEFINICION.-
un método numérico es un procedimiento mediante el cual se obtiene casi siempre de
manera aproximada, la solución de ciertos problemas realizando cálculos puramente
aritméticos y lógicos (operaciones aritméticas elementales, cálculo de funciones, consulta
de una tabla de valores, cálculo preposicional, etc.). Un tal procedimiento consiste de una
lista finita de instrucciones precisas que especifican una secuencia de operaciones
algebraicas y lógicas (algoritmo), que producen o bien una aproximación de la solución del
problema (solución numérica) o bien un mensaje. La eficiencia en el cálculo de dicha
aproximación depende, en parte, de la facilidad de implementación del algoritmo y de las
características especiales y limitaciones de los instrumentos de cálculo (los computadores).
En general, al emplear estos instrumentos de cálculo se introducen errores llamados de
redondeo.
El objetivo principal del análisis numérico es encontrar soluciones “aproximadas” a
problemas complejos utilizando sólo las operaciones más simples de la aritmética. Se
requiere de una secuencia de operaciones algebraicas y lógicas que producen la
aproximación al problema matemático.

EXACTITUD Y PRECISION
En Ingeniería, se denomina:
Exactitud a la capacidad de un instrumento de medir un valor cercano con respecto al de
la magnitud real
De acuerdo con la definición de aproximación numérica, la exactitud se aplica en los
métodos numéricos en cuanto a la capacidad del método de generar un resultado muy
cercano al valor real.
Precisión es la capacidad de generar resultados similares. La precisión se logra cuando
un instrumento tiene la potestad de repetir mediciones exactas cuando estas se realizan
consecutivamente.
Sesgo o Inexactitud. Se define como un alejamiento o desviación sistemática del valor
verdadero
Imprecisión o Incertidumbre. Se refiere a la magnitud en la dispersión o esparcimiento
de los resultados
Lo que se espera de un método numérico es que a través de iteraciones generen
aproximados cada vez más exactos, es decir, con el menor sesgo posible y precisos con
poca incertidumbre.
Dado lo anterior, los métodos numéricos deberán tener como cualidades la exactitud y la
precisión.
Una analogía para entender mejor lo que es exactitud y precisión vendría representado en
la figura siguiente:
DEFINICION DE ERROR NUMERICO
Una actividad frecuente del profesional de la Ingeniería consiste en trabajar con modelos
matemáticos representativos de un fenómeno físico. Estos modelos son abstracciones
matemáticas que distan mucho de representar exactamente al fenómeno bajo estudio
debido principalmente a las carencias y dificultades que aun posee el humano de la
comprensión total de la naturaleza.
Como consecuencia de esto existen diferencias entre los resultados obtenidos
experimentalmente y los emanados propiamente del modelo matemático. A las diferencias
cuantitativas entre los dos modelos se les denomina Errores.
Los métodos numéricos obtienen una aproximación a una solución analítica, esta solución
presenta cierta diferencia o error ya que los métodos numéricos son solo una aproximación,
se presenta una aproximación al error
Clasificación de los errores
Error de Truncamiento.
El truncamiento se provoca ante la imposibilidad de manipular, por parte de un instrumento
de cómputo, una cantidad infinita de términos o cifras. Los términos o cifras omitidas (que
son infinitas en número) introducen un error de truncamiento en los resultados calculados
e =2,718281828459045235360287471352662497757247093699959574966967627724076630353…

Error por Redondeo.


El redondeo se produce por el mismo motivo que el truncamiento pero, a diferencia de este,
las cifras omitidas sı son consideradas en la cifra resultante. Esta consideración se hace
aplicando el siguiente esquema al dígito menos significativo (dms) de la cifra a redondear
de acuerdo al siguiente esquema:
1. Si el dms es mayor a 5, se incrementa en una unidad la cifra anterior.
2. Si el dms es menor a 5, la cifra anterior no se modifica.
3. Si el dms es igual a 5, deberá observarse a la cifra anterior; si´ esta es par no sufre
modificación, pero por el contrario, si es impar, deberá incrementarse en una unidad.
Una computadora solo presenta cantidades con un número finito de dígitos

CUANTIFICACION DE ERRORES
Error Absoluto. El error absoluto es la diferencia absoluta entre un valor real y un valor
aproximado o calculado. Esta dado por la siguiente fórmula:
𝐸𝑎 = 𝐸𝑎𝑏𝑠 = |𝑝 − 𝑝̂ |
𝐸𝑎 = 𝐸𝑎𝑏𝑠 = |𝑝 − 𝑝̂ | × 𝟏𝟎𝟎% … error absoluto porcentual

Donde:
𝑝: es el valor real
𝑝̂ : es el valor aproximado
El error absoluto recibe este nombre ya que posee las mismas dimensiones que la
variable bajo estudio
Error relativo. Corresponde a la expresión en porcentaje de un error absoluto; en
consecuencia, este error es adimensional.
𝐸 |𝒑−𝒑
̂|
𝑬𝒓 = |𝒑|𝑎 = |𝒑|
, supuesto 𝑝 ≠ 0
|𝒑−𝒑
̂|
𝑬𝒓 = |𝒑|
× 𝟏𝟎𝟎% error relativo porcentual

Debido a las unidades de medición utilizadas, el manejo y la percepción del error absoluto
suele ser engañoso o difícil de comprender rápidamente. Sin embargo, el manejo de
porcentajes (o valores relativos) resulta más natural y sencillo de comprender. Sin embargo,
el uso de estos dos tipos de errores esta sujeto siempre al objetivo de las actividades
desarrolladas.
Por ejemplo cuando se manejan cantidades “muy grandes” o “muy pequeñas”, el error
absoluto puede ser engañoso, mientras que el error relativo es mas significativo en esos
casos.

CÁLCULO DEL ERROR APROXIMADO


La expresiones que definen a los errores absoluto y relativo requieren del conocimiento de
la variable VReal que representa un valor ideal que no posee error alguno. El error
aproximado surge ya que es muy difícil o imposible conocer dicho valor real o verdadero.
Algunos métodos utilizan un método iterativo para calcular los resultados, aquí se considera
la aproximación anterior. Esto se repite varias veces esperando mejores aproximaciones
los resultados se obtienen a partir de procesos iterativos que se mejoran los inicialmente
obtenidos, debe partirse del supuesto que el ultimo valor obtenido posee un nivel menor
de error que el valor previo. Esto se repite varias veces esperando una buena aproximación
conocido como tolerancia
Dado lo anterior, los errores absoluto y relativo se calcularan de la siguiente forma:
𝐸𝑎 = 𝐸𝑎𝑏𝑠 = |𝑝𝑖 − 𝑝𝑖−1 |
Donde:
𝑝𝑖 : es el valor aproximado actual o valor de la última iteración 𝑖
𝑝𝑖−1 : es el valor anterior a 𝑝𝑖

|𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑟 = |𝑝𝑖 |
, supuesto 𝑝𝑖 ≠ 0
|𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑟 = |𝑝𝑖 |
× 100%

Donde:
𝑝𝑖 : es el valor aproximado actual o valor de la última iteración 𝑖
𝑝𝑖−1 : es el valor anterior a 𝑝𝑖

Evaluación del Error Aproximado


Es importante establecer que en la realización de cálculos no es trascendente conocer el
signo algebraico de los errores (errores relativos), lo importante es conocer su magnitud.
Esta debe ser siempre menor que una cantidad de error permitida para considerar valido el
cálculo. En la práctica de la Ingeniería, a esta cantidad de error permitida se le conoce como
tolerancia.
En este sentido lo que importa del Error relativo es su magnitud, esta se compara con el
error que se espera (error de tolerancia) según la cantidad de cifras significativas.
Definición: se dice que el numero 𝑝̂ se aproxima a 𝑝 con “n” cifras significativas si “n” es
el entero mas grande no negativo, para el cual se cumpla:
|𝒑−𝒑
̂|
|𝒑|
𝟏𝟎𝟎% < (𝟎. 𝟓 × 𝟏𝟎𝟐−𝒏 )%

𝑬𝒓 % < (𝟎. 𝟓 × 𝟏𝟎𝟐−𝒏 )%


si este criterio se cumple el valor calculado (aproximado) 𝑝̂ es correcto en al menos “n”
cifras significativas al valor real 𝑝.
Definición (buena aproximación): el valor 𝑝̂ es una buena aproximación a 𝑝 con “n” cifras
significativas si cumple la siguiente condición:
𝑬𝒓 % < 𝒕𝒐𝒍
donde
𝑻𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎𝟐−𝒏 )%
n= numero de cifras significativas que se considera
Las tolerancias suelen expresarse en forma de porcentajes (errores relativos) y casi
siempre están enfocadas hacia el número de cifras significativas que deben utilizarse en la
aproximación. Se puede demostrar que si el siguiente criterio se cumple, puede tenerse la
seguridad de que el resultado aproximado calculado es correcto en al menos n cifras
significativas con respecto al valor real.
Ejemplo
La función exponencial se calcula expresando como una expansión en series de Laurent.

𝑥
𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥𝑛
𝑒 = 1+𝑥 + + + + + +⋯+ +⋯
2! 3! 4! 5! 6! 𝑛!
Cuanto más términos se le agreguen ala serie, se lograra cada vez mas una mejor
estimación del valor verdadero de 𝑒 𝑥
Si 𝑝 = 𝑒 0.5 = 1.64872127 … es el valor verdadero
Agregar términos a la serie de Laurent hasta que el 𝑬𝒓 % < 𝒕𝒐𝒍 en al menos n=3 cifras
significativas al valor real.
𝑻𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎𝟐−𝒏 )%
𝑻𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎𝟐−𝟑 )%=0.05%
Para los errores relativos aproximados porcentuales se procede asi:
❖ Tomando 1 termino
𝑒𝑥 ≈ 1 = 𝒑
̂

❖ Tomando 2 terminos
𝑒 𝑥 ≈ 1 + 𝑥 ⇒ 1 + 0.5 = 1.5 = 𝒑
̂
|𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑟 = |𝑝𝑖 |
× 100%

|1.5−𝟏|
𝑬𝒓 = |1.5|
× 𝟏𝟎𝟎% = 𝟑𝟑. 𝟑%

Como 𝐸𝑟 % ≮ 𝑡𝑜𝑙 entonces 𝑝̂ = 1.5 no es una buena aproximación de 𝑝 = 𝑒 0.5 =


1.64872127 …

❖ Tomando 3 términos

𝑥
𝑥2 (0.5)2
𝑒 ≈1+𝑥+ ⇒ 1 + 0.5 + ̂
= 1.625 = 𝒑
2! 2!
|𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑟 = |𝑝𝑖 |
× 100%

|1.625−1.5|
𝑬𝒓 = |1.625|
× 𝟏𝟎𝟎% = 𝟕. 𝟔𝟗%

Como 𝐸𝑟 % ≮ 𝑡𝑜𝑙 entonces 𝑝̂ = 1.625 no es una buena aproximación de 𝑝 = 𝑒 0.5 =


1.64872127 …

❖ Tomando 4 términos
𝑥2 𝑥3 (0.5)2 (0.5)3
❖ 𝑒𝑥 ≈ 1 + 𝑥 + + ⇒ 1 + 0.5 + + ̂
= 1.645833333 = 𝒑
2! 3! 2! 3!
|𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑟 = |𝑝𝑖 |
× 100%

|1.645833333−1.625|
𝑬𝒓 = |1.645833333|
× 𝟏𝟎𝟎% = 𝟏. 𝟐𝟔𝟓𝟖𝟐𝟐𝟕𝟔𝟓%

Como 𝐸𝑟 % ≮ 𝑡𝑜𝑙 entonces 𝑝̂ = 1.645833333 no es una buena aproximación de 𝑝 = 𝑒 0.5 =


1.64872127 …
Era% con
valores
terminos f(x) suma f(x) aproximados Er% verdadero
1 1 1 39.34693403 p= 1.64872127
2 0.5 1.5 33.33333333 9.020401043
3 0.125 1.625 7.692307692 1.438767797
4 0.020833333 1.645833333 1.265822785 0.175162256
5 0.002604167 1.6484375 0.157977883 0.017211563
6 0.000260417 1.648697917 0.015795293 0.001416494

❖ Tomando 5 términos
𝑥2 𝑥3 𝑥4 (0.5)2 (0.5)3 (0.5)4
❖ 𝑒𝑥 ≈ 1 + 𝑥 + + + ⇒ 1 + 0.5 + + + ̂
= 1.6484375 = 𝒑
2! 3! 4! 2! 3! 4!
|𝑝𝑖 −𝑝𝑖−1 |
𝐸𝑟 = |𝑝𝑖 |
× 100%

|1.6484375−1.645833333|
𝑬𝒓 = |1.6484375|
× 𝟏𝟎𝟎% = 𝟎. 𝟏𝟓𝟕𝟗𝟕𝟕𝟖𝟖𝟑%

Como 𝐸𝑟 % ≮ 𝑡𝑜𝑙 entonces 𝑝̂ = 1.6484375 no es una buena aproximación de 𝑝 = 𝑒 0.5 =


1.64872127 …
❖ Tomando 6 términos
𝑥2 𝑥3 𝑥4 𝑥5 (0.5)2 (0.5)3 (0.5)4 (0.5)5
❖ 𝑒𝑥 ≈ 1 + 𝑥 + + + + ⇒ 1 + 0.5 + + + + =
2! 3! 4! 5! 2! 3! 4! 5!
̂
1.648697917 = 𝒑
|1.648697917−1.6484375|
𝑬𝒓 = |1.648697917|
× 𝟏𝟎𝟎% = 𝟎. 𝟎𝟏𝟓𝟕𝟗𝟓𝟐𝟗𝟑%

Como 𝐸𝑟 % < 𝑡𝑜𝑙 = 0.05% entonces 𝑝̂ = 𝟏. 𝟔𝟒𝟖𝟔𝟗𝟕𝟗𝟏𝟕 es una buena aproximación de


𝑝 = 𝑒 0.5 = 1.64872127 … en al menos n=3 cifras significativas

Para los errores relativos porcentuales verdaderos se procede así:


Si 𝑝 = 𝑒 0.5 = 1.64872127 … es el valor verdadero
❖ Tomando 1 termino
𝑒𝑥 ≈ 1 = 𝒑
̂
|𝒑−𝒑
̂|
𝑬𝒓 = |𝒑|
× 𝟏𝟎𝟎%

|1.648721−𝟏|
𝑬𝒓 = |1.648721|
× 𝟏𝟎𝟎% = 𝟑𝟗. 𝟑𝟒𝟔𝟗𝟐𝟒𝟎𝟕%

❖ Tomando 2 terminos
𝑒 𝑥 ≈ 1 + 𝑥 ⇒ 1 + 0.5 = 1.5 = 𝒑
̂
|𝒑−𝒑
̂|
𝑬𝒓 = |𝒑|
× 𝟏𝟎𝟎%

|1.648721−𝟏.𝟓|
𝑬𝒓 = |1.648721|
× 𝟏𝟎𝟎% = 𝟗. 𝟎𝟐𝟎𝟒𝟎𝟏𝟎𝟒𝟑%

❖ Tomando 3 términos

𝑥
𝑥2 (0.5)2
𝑒 ≈1+𝑥+ ⇒ 1 + 0.5 + ̂
= 1.625 = 𝒑
2! 2!
|𝒑−𝒑
̂|
𝑬𝒓 = |𝒑|
× 𝟏𝟎𝟎%

|1.648721−𝟏.𝟔𝟐𝟓|
𝑬𝒓 = |1.648721|
× 𝟏𝟎𝟎% = 𝟏. 𝟒𝟑𝟖𝟕𝟔𝟕𝟕𝟗𝟕%

Ejemplo 2
1
Sea 𝑦 = 𝑝 = ∫0 𝑒 𝑥 𝑑𝑥 =1.7182818284590500 el valor real
1
Calcule la integral 𝑦 = 𝑝 = ∫0 𝑒 𝑥 𝑑𝑥 empleando aproximación por expansión de Maclaurin
𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥𝑛
para Series de Taylor 𝑒𝑥 = 1 + 𝑥 + + + + + + ⋯+ + ⋯ agregando
2! 3! 4! 5! 6! 2!
términos hasta que 𝐸𝑟 % < 𝑡𝑜𝑙, con al menos tres n=4 cifras significativas.
Solución:
t𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎2-4 )%=0.005%
𝐸𝑟% < 𝑡𝑜𝑙=0.005%

❖ Tomando 1 termino
1
.𝑒 𝑥 ≈ 1 ⇒ p̂ = ∫0 1𝑑𝑥 = 1

❖ Tomando 2 términos
1
. 𝑒 𝑥 ≈ 1 + 𝑥 ⇒ p̂ = ∫0 1 + 𝑥 𝑑𝑥 = 1.5
|1.5−1|
.𝐸𝑟 = |1.5|
. 100% = 33.333333%

❖ Tomando 3 términos
𝑥2 1 𝑥2 5
.𝑒 𝑥 ≈ 1 + 𝑥 + ⇒ p̂ = ∫0 1 + 𝑥 + 𝑑𝑥 = 3 = 1. 6̂
2! 2!
̂−1.5|
|1.6
.𝐸𝑟 = ̂|
|1.6
. 100% = 10%

❖ Tomando 4 términos
𝑥2 𝑥3 1 𝑥2 𝑥3
. 𝑒𝑥 ≈ 1 + 𝑥 + + ⇒ p̂ = ∫0 1 + 𝑥 + + 𝑑𝑥 = 1.7083̂
2! 3! 2! 3!

|1.7083̂−1.6̂|
.𝐸𝑟 = ̂|
|1.7083
. 100% = 2.439%

❖ Tomando 5 términos
𝑥2 𝑥3 𝑥4 1 𝑥2 𝑥3 𝑥4
. 𝑒𝑥 ≈ 1 + 𝑥 + + + ⇒ p̂ = ∫0 1 + 𝑥 + + + 𝑑𝑥 = 1.716̂
2! 3! 4! 2! 3! 4!
̂−1.7083
|1.716 ̂|
.𝐸𝑟 = ̂|
|1.716
. 100% =0.4854%

❖ Tomando 6 términos
𝑥2 𝑥3 𝑥4 𝑥5 1 𝑥2 𝑥3 𝑥4 𝑥5
. 𝑒𝑥 ≈ 1 + 𝑥 + + + + ⇒ p̂ = ∫0 1 + 𝑥 + + + + 𝑑𝑥 = 1.71805̂
2! 3! 4! 5! 2! 3! 4! 5!

|1.71805̂−1.716
̂|
. 𝐸𝑟 = ̂|
|1.71805
. 100% =0.08084%

❖ Tomando 7 términos
𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 1 𝑥2 𝑥3 𝑥4 𝑥5
. 𝑒𝑥 ≈ 1 + 𝑥 + + + + + ⇒ p̂ = ∫0 1 + 𝑥 + + + + +
2! 3! 4! 5! 6! 2! 3! 4! 5!
𝑥6
𝑑𝑥 = 1.718253968
6!

̂|
|1.718253968−1.71805
. 𝐸𝑟 = |1.718253968|
. 100% =0.011547%

❖ Tomando 8 términos
𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
. 𝑒𝑥 ≈ 1 + 𝑥 + + + + + + ⇒ p̂ = ∫0 1 + 𝑥 + + + + + + 𝑑𝑥 =
2! 3! 4! 5! 6! 7! 2! 3! 4! 5! 6! 7!
1.71827877
|1.71827877−1.718253968|
. 𝐸𝑟 = . 100% = 0.00144%
1.71827877
.0.00144% < 0.005%
Como 𝐸𝑟% < 𝑡𝑜𝑙 = 0.005% entonces 𝑝̂= 1.718278877es una buena aproximación de
2
𝑝 = ∫0 𝑒 𝑥 𝑑𝑥 =1.7182818284590500 en al menos n=4 cifras significativas
SERIES DE POTENCIAS:
Una expresión de la forma

𝑐0 + 𝑐1 (𝑥 − 𝑎) + 𝑐2 (𝑥 − 𝑎) + 𝑐3 (𝑥 − 𝑎) + ⋯ + 𝑐𝑛 (𝑥 − 𝑎) + ⋯ = ∑ 𝑐𝑛 (𝑥 − 𝑎)𝑛
2 3 𝑛

𝑛=0

Recibe el nombre de serie de potencias centrada en 𝑎

Una serie de potencias puede ser interpretada como una función 𝑓: ℝ ⟶ ℝ/ y = f(x)

𝑓(𝑥) = ∑ 𝑐𝑛 (𝑥 − 𝑎)𝑛
𝑛=0

𝑐𝑖 : son las constantes ∀ 𝑖 = 0,1,2,3, … , 𝑛, …

𝑎: centro de la serie

Series de Taylor

Si la serie de potencias

𝑓(𝑥) = 𝑐0 + 𝑐1 (𝑥 − 𝑎) + 𝑐2 (𝑥 − 𝑎)2 + 𝑐3 (𝑥 − 𝑎)3 + 𝑐4 (𝑥 − 𝑎)4 + ⋯ + 𝑐𝑛 (𝑥 − 𝑎)𝑛 + ⋯ ∞ (1)

Es continua y con derivadas continuas hasta el orden “n” en todo su dominio, entonces se

tiene:

𝑓(𝑥) = 𝑐0 + 𝑐1 (𝑥 − 𝑎) + 𝑐2 (𝑥 − 𝑎)2 + 𝑐3 (𝑥 − 𝑎)3 + 𝑐4 (𝑥 − 𝑎)4 + ⋯ + 𝑐𝑛 (𝑥 − 𝑎)𝑛 + ⋯ ∞

𝑓(𝑎) = 𝑐0 + 𝑐1 (𝑎 − 𝑎) + 𝑐2 (𝑎 − 𝑎)2 + 𝑐3 (𝑎 − 𝑎)3 + 𝑐4 (𝑎 − 𝑎)4 + ⋯ + 𝑐𝑛 (𝑎 − 𝑎)𝑛 + ⋯ ∞


𝑐0 = 𝑓(𝑎)
Derivando (1)
𝑓 ′ (𝑥) = 𝑐1 + 2𝑐2 (𝑥 − 𝑎) + 3𝑐3 (𝑥 − 𝑎)2 + 4𝑐4 (𝑥 − 𝑎)3 + ⋯ + 𝑛𝑐𝑛 (𝑥 − 𝑎)𝑛−1 + ⋯ ∞

𝑓 ′ (𝑎) = 𝑐1 + 2𝑐2 (𝑎 − 𝑎) + 3𝑐3 (𝑎 − 𝑎)2 + 4𝑐4 (𝑎 − 𝑎)3 + ⋯ + 𝑛𝑐𝑛 (𝑎 − 𝑎)𝑛−1 + ⋯ ∞

𝑓 ′ (𝑎)
𝑐1 = 𝑓 ′ (𝑎) =
1!
𝑓 ′′ (𝑥) = 2𝑐2 + 6𝑐3 (𝑥 − 𝑎) + +12𝑐4 (𝑥 − 𝑎)2 + ⋯ + 𝑛(𝑛 − 1)𝑐𝑛 (𝑥 − 𝑎)𝑛−2 + ⋯ ∞

𝑓 ′′ (𝑎) = 2𝑐2 + 6𝑐3 (𝑎 − 𝑎) + +12𝑐4 (𝑎 − 𝑎)2 + ⋯ + 𝑛(𝑛 − 1)𝑐𝑛 (𝑎 − 𝑎)𝑛−2 + ⋯ ∞


𝑓 ′′ (𝑎) = 2𝑐2
𝑓 ′′ (𝑎) 𝑓 ′′ (𝑎)
𝑐2 = =
2 2!

𝑓 ′′ ′(𝑥) = 6𝑐3 + +24𝑐4 (𝑥 − 𝑎) + ⋯ + 𝑛(𝑛 − 1)(𝑛 − 2)𝑐𝑛 (𝑥 − 𝑎)𝑛−3 + ⋯ ∞

𝑓 ′′ ′(𝑎) = 6𝑐3 + +24𝑐4 (𝑎 − 𝑎) + ⋯ + 𝑛(𝑛 − 1)(𝑛 − 2)𝑐𝑛 (𝑎 − 𝑎)𝑛−3 + ⋯ ∞

𝑓 ′′ ′(𝑎) = 6𝑐3
𝑓 ′′ ′(𝑎) 𝑓 ′′ ′(𝑎)
𝑐3 = =
6 3!
Y asi sucesivamente
𝑓 (𝑛) (𝑎)
𝑐𝑛 =
𝑛!
Reemplazando estos valores en la serie de potencias (1) se tiene:
𝑓 ′ (𝑎) 𝑓 ′′ (𝑎) 𝑓 ′′′ (𝑎) 𝑓 (4) (𝑎)
𝑓(𝑥) = 𝑓(𝑎) + (𝑥 − 𝑎) + (𝑥 − 𝑎)2 + (𝑥 − 𝑎)3 + (𝑥 − 𝑎)4 + ⋯ +
1! 2! 3! 4!
𝑓 (𝑛) (𝑎)
(𝑥 − 𝑎)𝑛 + ⋯ + ∞
𝑛!

esta ultima expresión es la llamada serie de Taylor


Si en la serie de Taylor el valor de 𝑎 = 0, se tiene:
𝒇′ (𝟎) 𝒇′′ (𝟎) 𝒇′′′ (𝟎) 𝒇(𝟒) (𝟎) 𝒇(𝒏) (𝟎)
𝒇(𝒙) = 𝒇(𝟎) + 𝒙+ 𝒙𝟐 + 𝒙𝟑 + 𝒙𝟒 + ⋯ + 𝒙𝒏 + ⋯ + ∞ (2)
𝟏! 𝟐! 𝟑! 𝟒! 𝒏!

Llamada serie de Maclaurin


Ejercicios
1. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = 𝑠𝑒𝑛𝑥
Solución:
𝒇′ (𝟎) 𝒇′′ (𝟎) 𝒇′′′ (𝟎) 𝒇(𝟒) (𝟎) 𝒇(𝒏) (𝟎)
𝒇(𝒙) = 𝒇(𝟎) + 𝒙+ 𝒙𝟐 + 𝒙𝟑 + 𝒙𝟒 + ⋯ + 𝒙𝒏 + ⋯ + ∞
𝟏! 𝟐! 𝟑! 𝟒! 𝒏!

𝑓(𝑥) = 𝑠𝑒𝑛𝑥
𝒇(𝟎) = 𝒔𝒆𝒏𝟎 = 𝟎
𝒇′ (𝒙) = 𝒄𝒐𝒔𝒙 ⇒ 𝒇′ (𝟎) = 𝒄𝒐𝒔𝟎 = 𝟏
𝒇′′ (𝒙) = −𝒔𝒆𝒏𝒙 ⇒ 𝒇′′ (𝟎) = −𝒔𝒆𝒏𝟎 = 𝟎
𝒇′′′ (𝒙) = −𝒄𝒐𝒔𝒙 ⇒ 𝒇′′′ (𝟎) = −𝒄𝒐𝒔𝟎 = −𝟏
𝒇(𝟒) (𝒙) = 𝒔𝒆𝒏𝒙 ⇒ 𝒇(𝟒) (𝟎) = 𝒔𝒆𝒏𝟎 = 𝟎

𝒇(𝟓) (𝒙) = 𝒄𝒐𝒔𝒙 ⇒ 𝒇(𝟓) (𝟎) = 𝒄𝒐𝒔𝟎 = 𝟏

𝒇(𝟔) (𝒙) = −𝒔𝒆𝒏𝒙 ⇒ 𝒇(𝟔) (𝟎) = −𝒔𝒆𝒏𝟎 = 𝟎

𝒇(𝟕) (𝒙) = −𝒄𝒐𝒔𝒙 ⇒ 𝒇(𝟕) (𝟎) = −𝒄𝒐𝒔𝟎 = −𝟏


Reemplazando estos valores calculados en la serie (2)
𝟏 𝟏 𝟏 𝟏
𝒇(𝒙) = 𝑠𝑒𝑛𝑥 = 𝟏! 𝒙 − 𝟑! 𝒙𝟑 + 𝟓! 𝒙𝟓 − 𝟕! 𝒙𝟕 + ⋯ + ∞

𝒙𝟑 𝒙𝟓 𝒙𝟕 𝒙𝟗 𝒙𝟏𝟏
𝒇(𝒙) = 𝒔𝒆𝒏𝒙 = 𝒙 − + − + − + ⋯+ ∞
𝟑! 𝟓! 𝟕! 𝟗! 𝟏𝟏!
2. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = 𝑐𝑜𝑠𝑥
Solución:
𝑓(𝑥) = 𝑐𝑜𝑠𝑥
𝒇(𝟎) = 𝒄𝒐𝒔𝟎 = 𝟏
𝒇′ (𝒙) = −𝒔𝒆𝒏𝒙 ⇒ 𝒇′ (𝟎) = −𝒔𝒆𝒏𝟎 = 𝟎
𝒇′′ (𝒙) = −𝒄𝒐𝒔𝒙 ⇒ 𝒇′′ (𝟎) = −𝒄𝒐𝒔𝟎 = −𝟏
𝒇′′′ (𝒙) = 𝒔𝒆𝒏𝒙 ⇒ 𝒇′′′ (𝟎) = 𝒔𝒆𝒏𝟎 = 𝟎
𝒇(𝟒) (𝒙) = 𝒄𝒐𝒔𝒙 ⇒ 𝒇(𝟒) (𝟎) = 𝒄𝒐𝒔𝟎 = 𝟏

𝒇(𝟓) (𝒙) = −𝒔𝒆𝒏𝒙 ⇒ 𝒇(𝟓) (𝟎) = −𝒔𝒆𝒏𝟎 = 𝟎

𝒇(𝟔) (𝒙) = −𝒄𝒐𝒔𝒙 ⇒ 𝒇(𝟔) (𝟎) = −𝒄𝒐𝒔𝟎 = −𝟏

Reemplazando estos valores calculados en la serie (2)

𝒇′ (𝟎) 𝒇′′ (𝟎) 𝟐 𝒇′′′ (𝟎) 𝟑 𝒇(𝟒) (𝟎) 𝟒 𝒇(𝒏) (𝟎) 𝒏


𝒇(𝒙) = 𝒇(𝟎) + 𝒙+ 𝒙 + 𝒙 + 𝒙 + ⋯+ 𝒙 + ⋯+ ∞
𝟏! 𝟐! 𝟑! 𝟒! 𝒏!
𝟏 𝟏 𝟏
𝒇(𝒙) = 𝟏 − 𝟐! 𝒙𝟐 + 𝟒! 𝒙𝟒 − 𝟔! 𝒙𝟔 + ⋯ + ∞

𝒙𝟐 𝒙𝟒 𝒙𝟔 𝒙𝟖 𝒙𝟏𝟎
𝒇(𝒙) = 𝒄𝒐𝒔𝒙 = 𝟏 − + − + − +⋯+∞
𝟐! 𝟒! 𝟔! 𝟖! 𝟏𝟎!

3. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = 𝑒 𝑥


Solución:
𝑓(𝑥) = 𝑒 𝑥
𝒇(𝟎) = 𝑒 0 = 𝟏
𝒇′ (𝒙) = 𝒆𝒙 ⇒ 𝒇′ (𝟎) = 𝒆𝟎 = 𝟏
𝒇′′ (𝒙) = 𝒆𝒙 ⇒ 𝒇′′ (𝟎) = 𝒆𝟎 = 𝟏
𝒇′′′ (𝒙) = 𝒆𝒙 ⇒ 𝒇′′′ (𝟎) = 𝒆𝟎 = 𝟏
𝒇(𝟒) (𝒙) = 𝒆𝒙 ⇒ 𝒇(𝟒) (𝟎) = 𝒆𝟎 = 𝟏

𝒇(𝟓) (𝒙) = 𝒆𝒙 ⇒ 𝒇(𝟓) (𝟎) = 𝒆𝟎 = 𝟏

𝒇(𝟔) (𝒙) = 𝒆𝒙 ⇒ 𝒇(𝟔) (𝟎) = 𝒆𝟎 = 𝟏


Reemplazando estos valores calculados en la serie (2)

𝒇′ (𝟎) 𝒇′′ (𝟎) 𝟐 𝒇′′′ (𝟎) 𝟑 𝒇(𝟒) (𝟎) 𝟒 𝒇(𝒏) (𝟎) 𝒏


𝒇(𝒙) = 𝒇(𝟎) + 𝒙+ 𝒙 + 𝒙 + 𝒙 + ⋯+ 𝒙 + ⋯+ ∞
𝟏! 𝟐! 𝟑! 𝟒! 𝒏!
𝟏 𝟏 𝟏 𝟏 𝟏
𝒇(𝒙) = 𝒆𝒙 = 𝟏 + 𝒙 + 𝒙𝟐 + 𝒙𝟑 + 𝒙𝟒 + ⋯ + 𝒙𝒏 + ⋯ + ∞
𝟏! 𝟐! 𝟑! 𝟒! 𝒏!

𝒙
𝒙 𝒙 𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙𝟔 𝒙𝒏
𝒇(𝒙) = 𝒆 = 𝟏 + + + + + + + ⋯ + + ⋯+ ∞
𝟏! 𝟐! 𝟑! 𝟒! 𝟓! 𝟔! 𝒏!

1
4. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = 2−𝑥

Solución:
𝟏
𝒇(𝒙) = = (𝟐 − 𝒙)−𝟏
𝟐−𝒙
1 1
𝒇(𝟎) = =
2−0 2
𝟏 𝟏 1
𝒇′ (𝒙) = 𝟐
= (𝟐 − 𝒙)−𝟐 ⇒ 𝒇′ (𝟎) = 𝟐
=
(𝟐 − 𝒙) (𝟐 − 𝟎) 4
𝟐 𝟐 1
𝒇′′ (𝒙) = = 𝟐 (𝟐 − 𝒙) −𝟑
⇒ 𝒇′′ (𝟎)
= =
(𝟐 − 𝒙)𝟑 (𝟐 − 𝟎)𝟑 4
𝟔 𝟔 3
𝒇′′′ (𝒙) = 𝟒
= 𝟔(𝟐 − 𝒙)−𝟒 ⇒ 𝒇′′′ (𝟎) = 𝟒
=
(𝟐 − 𝒙) (𝟐 − 𝟎) 8
𝟐𝟒 𝟐𝟒 3
𝒇(𝟒) (𝒙) = 𝟓
= 𝟐𝟒(𝟐 − 𝒙)−𝟓 ⇒ 𝒇(𝟒) (𝟎) = 𝟓
=
(𝟐 − 𝒙) (𝟐 − 𝟎) 4
𝟏𝟐𝟎 (𝟓) 𝟏𝟐𝟎 15
𝒇(𝟓) (𝒙) = = 𝟏𝟐𝟎(𝟐 − 𝒙) −𝟔
⇒ 𝒇 (𝟎) = =
(𝟐 − 𝒙)𝟔 (𝟐 − 𝟎)𝟔 8
Reemplazando estos valores calculados en la serie (2)

𝒇′ (𝟎) 𝒇′′ (𝟎) 𝟐 𝒇′′′ (𝟎) 𝟑 𝒇(𝟒) (𝟎) 𝟒 𝒇(𝒏) (𝟎) 𝒏


𝒇(𝒙) = 𝒇(𝟎) + 𝒙+ 𝒙 + 𝒙 + 𝒙 + ⋯+ 𝒙 + ⋯+ ∞
𝟏! 𝟐! 𝟑! 𝟒! 𝒏!
𝟏 1 1 1 𝒙𝟐 3 𝒙𝟑 3 𝒙𝟒 15 𝒙𝟓
𝒇(𝒙) = 𝟐−𝒙 = 2 + 4 𝒙 + 4 𝟐! + 8 𝟑! + 4 𝟒! + + ⋯+ ∞
8 𝟓!

5. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = 𝑡𝑎𝑛𝑥


Solución:
𝒇(𝒙) = 𝒕𝒂𝒏𝒙
𝒇(𝟎) = 𝒕𝒂𝒏𝟎 = 𝟎
𝒇′ (𝒙) = (𝒔𝒆𝒄𝒙)𝟐 ⇒ 𝒇′ (𝟎) = (𝒔𝒆𝒄𝟎)𝟐 = 𝟏
𝒇′′ (𝒙) = 𝟐𝒔𝒆𝒄𝒙. 𝒔𝒆𝒄𝒙. 𝒕𝒂𝒏𝒙 = 𝟐(𝒔𝒆𝒄𝒙)𝟐 𝒕𝒂𝒏𝒙 ⇒ 𝒇′′ (𝟎) = 𝟐(𝒔𝒆𝒄𝟎)𝟐 𝒕𝒂𝒏𝟎 = 𝟎
𝒇′′′ (𝒙) = 𝟒(𝒔𝒆𝒄𝒙)𝟐 (𝒕𝒂𝒏𝒙)𝟐 + 𝟐(𝒔𝒆𝒄𝒙)𝟒 ⇒ 𝒇′′′ (𝟎) = 𝟒(𝒔𝒆𝒄𝟎)𝟐 (𝒕𝒂𝒏𝟎)𝟐 + 𝟐(𝒔𝒆𝒄𝟎)𝟒 = 𝟐
𝒇(𝟒) (𝒙) = 𝟖(𝒔𝒆𝒄𝒙)𝟐 (𝒕𝒂𝒏𝒙)𝟑 + 𝟏𝟔(𝒔𝒆𝒄𝒙)𝟒 𝒕𝒂𝒏𝒙
⇒ 𝒇(𝟒) (𝟎) = 𝟖(𝒔𝒆𝒄𝟎)𝟐 (𝒕𝒂𝒏𝟎)𝟑 + 𝟏𝟔(𝒔𝒆𝒄𝟎)𝟒 𝒕𝒂𝒏𝟎 = 𝟎
𝒇(𝟓) (𝒙) = 𝟏𝟔(𝒔𝒆𝒄𝒙)𝟐 𝒕𝒂𝒏𝒙 + 𝟖𝟖(𝒕𝒂𝒏𝒙)𝟐 (𝒔𝒆𝒄𝒙)𝟒 + 𝟏𝟔(𝒔𝒆𝒄𝒙)𝟔

⇒ 𝒇(𝟓) (𝟎) = 𝟏𝟔(𝒔𝒆𝒄𝟎)𝟐 𝒕𝒂𝒏𝟎 + 𝟖𝟖(𝒕𝒂𝒏𝟎)𝟐 (𝒔𝒆𝒄𝟎)𝟒 + 𝟏𝟔(𝒔𝒆𝒄𝟎)𝟔 = 𝟏𝟔


Reemplazando estos valores calculados en la serie (2)

𝒇′ (𝟎) 𝒇′′ (𝟎) 𝟐 𝒇′′′ (𝟎) 𝟑 𝒇(𝟒) (𝟎) 𝟒 𝒇(𝟓) (𝟎) 𝟓 𝒇(𝒏) (𝟎) 𝒏
𝒇(𝒙) = 𝒇(𝟎) + 𝒙+ 𝒙 + 𝒙 + 𝒙 + 𝒙 + ⋯+ 𝒙 +⋯
𝟏! 𝟐! 𝟑! 𝟒! 𝟓! 𝒏!
+∞
𝟏 𝟐 𝟏𝟔 𝟐𝟕𝟐
𝒇(𝒙) = 𝑇𝑎𝑛𝑥 = 𝟏! 𝒙 + 𝟑! 𝒙𝟑 + 𝒙𝟓 + 𝒙𝟕 + ⋯ + ∞
𝟓! 𝟕!

𝟐 𝟑 𝟏𝟔 𝟓 𝟐𝟕𝟐 𝟕
𝒇(𝒙) = 𝑇𝑎𝑛𝑥 = 𝒙 + 𝒙 + 𝒙 + 𝒙 + ⋯+ ∞
𝟑! 𝟓! 𝟕!

7. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = senh(x)


Solución:
𝒆𝒙 −𝒆−𝒙 𝟏
𝐬𝐞𝐧𝐡(𝐱)= = 𝟐 (𝒆𝒙 − 𝒆−𝒙 )
𝟐

𝟏 𝒙 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙 𝟓
= [(𝟏 + + + + + + ⋯ ) − (𝟏 − + − + − + ⋯ )]
𝟐 𝟏! 𝟐! 𝟑! 𝟒! 𝟓! 𝟏! 𝟐! 𝟑! 𝟒! 𝟓!

𝟏 𝟐𝒙 𝟐𝒙𝟑 𝟐𝒙𝟓
[( + + + ⋯ )]
𝟐 𝟏! 𝟑! 𝟓!

𝒙 𝒙𝟑 𝒙𝟓 𝒙𝟕
𝐬𝐞𝐧𝐡(𝐱) = + + + +⋯
𝟏! 𝟑! 𝟓! 𝟕!

8. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = cosh(x)


Solución:
𝒆𝒙 +𝒆−𝒙 𝟏
c𝐨𝐬𝐡(𝐱)= = 𝟐 (𝒆𝒙 + 𝒆−𝒙 )
𝟐

𝟏 𝒙 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝟓 𝒙 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙 𝟓
= [(𝟏 + + + + + + ⋯ ) + (𝟏 − + − + − + ⋯ )]
𝟐 𝟏! 𝟐! 𝟑! 𝟒! 𝟓! 𝟏! 𝟐! 𝟑! 𝟒! 𝟓!

𝟏 𝟐𝒙𝟐 𝟐𝒙𝟒 𝟐𝒙𝟔


[(𝟐 + + + + ⋯ )]
𝟐 𝟐! 𝟒! 𝟔!

𝒙𝟐 𝒙𝟒 𝒙𝟔 𝒙𝟖
𝐜𝐨𝐬𝐡(𝐱) = 𝟏 + + + + + ⋯
𝟐! 𝟒! 𝟔! 𝟖!
9. Encontrar la serie de Maclaurin de la función 𝒚 = 𝑓(𝑥) = ln (1 + 𝑥)
𝜋
10. determinar la serie de Taylor centrada 𝑎 = para la función 𝒚 = 𝑓(𝑥) = cosx
4
Ejercicio1:
1/2 𝟐
Sabiendo que ∫0 𝒆𝒙 𝒅𝒙 = 0.544987104184 = 𝑝. Determinar la precisión de la
𝒙𝟐
aproximación obtenida al reemplazar el integrando 𝑓(𝑥) = 𝒆 por la serie de Taylor
truncada

𝒙𝟐
𝒙𝟒 𝒙𝟔 𝒙𝟖
𝒆 ≈ 𝑷𝟖 (𝒙) = 𝟏 + 𝒙𝟐 + + +
𝟐! 𝟑! 𝟒!
Solución:
Integrando termino a termino este polinomio, obtenemos:
1/2 1/2
𝒙𝟒 𝒙𝟔 𝒙𝟖
𝟐
𝑝̂ = ∫ 𝑷𝟖 (𝒙)𝒅𝒙 = ∫ (𝟏 + 𝒙 + + + ) 𝒅𝒙
0 0 𝟐! 𝟑! 𝟒!
1/2
𝒙𝟑 𝒙𝟓 𝒙𝟕 𝒙𝟗
= [𝒙 + + + + ]
𝟑 𝟏𝟎 𝟒𝟐 𝟐𝟏𝟔 𝟎

𝟏 𝟏 𝟏 𝟏 𝟏 𝟐𝟏𝟎𝟗𝟒𝟗𝟏
= + + + + =
𝟐 𝟐𝟒 𝟑𝟐𝟎 𝟓𝟑𝟕𝟔 𝟏𝟏𝟎𝟓𝟗𝟐 𝟑𝟖𝟕𝟎𝟕𝟐𝟎
𝑝̂ = 𝟎. 𝟓𝟒𝟒𝟗𝟖𝟔𝟕𝟐𝟎𝟖𝟏𝟕
Luego
|𝒑−𝒑
̂|
𝑬𝒓 = |𝒑|
𝟏𝟎𝟎%

| 0.544987104184−𝟎𝟓𝟒𝟒𝟗𝟖𝟔𝟕𝟐𝟎𝟖𝟏𝟕|
𝑬𝒓 = | 0.544987104184|
𝟏𝟎𝟎% = 𝟕. 𝟎𝟑𝟒𝟒𝟐𝟑𝟑𝟑 × 𝟏𝟎−𝟓 % = 𝟎. 𝟎𝟎𝟎𝟎𝟕𝟎𝟑𝟒𝟒𝟐𝟑𝟑𝟑%

𝑻𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎𝟐−𝒏 )%

𝑻𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎𝟐−𝟓 )% = 𝟓 × 10−4 % = 0.0005%

𝑻𝒐𝒍 = (𝟎. 𝟓 × 𝟏𝟎𝟐−𝟔 )% = 𝟓 × 10−5 % = 0.00005%


Se observa que
(𝟎. 𝟓 × 𝟏𝟎𝟐−𝟔 ) < 𝐸𝑟 % < (𝟎. 𝟓 × 𝟏𝟎𝟐−𝟓 ) = 0.0005%

Esto quiere decir que la aproximación de 𝑝̂ = 𝟎𝟓𝟒𝟒𝟗𝟖𝟔𝟕𝟐𝟎𝟖𝟏𝟕 coincide con el valor exacto
𝑝 = 0.544987104184 en al menos n=5 cifras significativas
𝟐 𝒙𝟒 𝒙𝟔 𝒙𝟖
A continuación, se observan las graficas de 𝑓(𝑥) = 𝒆𝒙 , 𝑷𝟖 (𝒙) = 𝟏 + 𝒙𝟐 + 𝟐! + + y el
𝟑! 𝟖!
área limitada por las curvas para 0 ≤ 𝑥 ≤ 1/2
Tarea: Use la Serie de Taylor, expansión Maclaurin, para estimar 𝒚 = 𝒇(𝒙) = 𝒆𝒙
a) Cuando x=1, con tres cifras significativas
b) Cuando x=1.5 ,con tres cifras significativas

También podría gustarte