Академический Документы
Профессиональный Документы
Культура Документы
1. Introducción
La ciencia y la tecnología describen los fenómenos reales
mediante modelos matemáticos. El estudio de estos
modelos permite un conocimiento más profundo del
fenómeno, así como de su evolución futura. La matemática
aplicada es la rama de las matemáticas que se dedica a
buscar y aplicar las herramientas más adecuadas a los
problemas basados en estos modelos.
Desafortunadamente, no siempre es posible aplicar
métodos analíticos clásicos por diferentes razones:
1.
Equivocaciones en la realización de las operaciones
(errores de bulto). Esta fuente de error es bien
conocida por cualquiera que haya realizado cálculos
manualmente o empleando una calculadora. El empleo
de computadores ha reducido enormemente la
probabilidad de que este tipo de errores se produzcan.
Sin embargo, no es despreciable la probabilidad de
que el programador cometa uno de estos errores
(calculando correctamente el resultado erróneo). Más
aún, la presencia de bugs no detectados en el
compilador o en el software del sistema no es inusual.
Cuando no resulta posible verificar que la solución
calculada es razonablemente correcta, la probabilidad
de que se haya cometido un error de bulto no puede
ser ignorada. Sin embargo, no es esta la fuente de
error que más nos va a preocupar.
2.
El error causado por resolver el problema no como se
ha formulado, sino mediante algún tipo de
aproximación. Generalmente está causado por la
sustitución de un infinito (sumatorio o integración) o
un infinitesimal (diferenciación) por una aproximación
finita. Algunos ejemplos son:
Error absoluto
de x:
(1
)
Error relativo
de x:
(2
)
o bien:
(5
)
De acuerdo con este formalismo, tenemos que un numero se representará del siguiente
modo:
(6
=
)
(7
=
)
x(4)=35.4785
x(3)=35.478
=
y no la siguiente:
x(3)=35.479
(9
)
Solución:
x(4)=35.4784
=
x(3)=35.478
=
2.3 Propagación de errores
Cuando se resuelve un problema matemático por métodos
numéricos y aunque las operaciones se lleven a cabo
exactamente, obtenemos una aproximación numérica del
resultado exacto. Es importante tratar de conocer el efecto
que sobre el resultado final del problema tiene cada una de
las operaciones realizadas.
y :
(1
=
0)
(1
=
1)
(1
=
2)
(1
=
3)
(1
4)
(1
6)
2.
Supongamos una barra de hierro de longitud l y
sección rectangular fija por uno de sus extremos.
Si sobre el extremo libre aplicamos una fuerza F
perpendicular a la barra, la flexión s que ésta
experimenta viene dada por la expresión:
en donde E es una constante que depende sólo del
material denominada módulo de Young. Conociendo
que una fuerza de 140 Kp aplicada sobre una barra de
125 cm de longitud y sección cuadrada de 2.5 cm
produce una flexión de 1.71 mm, calcular el módulo de
Young y el intervalo de error. Suponer que los datos
vienen afectados por un error máximo correspondiente
al de aproximar por truncamiento las cifras dadas.
3. Aritmética de computadores
Los computadores no almacenan los números con precisión
infinita sino de forma aproximada empleando un número
fijo de bits (apócope del término inglés Binary Digit) o bytes
(grupos de ocho bits). Prácticamente todos los
computadores permiten al programador elegir entre varias
representaciones o 'tipos de datos'. Los diferentes tipos de
datos pueden diferir en el número de bits empleados, pero
también (lo que es más importante) en cómo el número
representado es almacenado: en formato fijo (también
denominado 'entero') o en punto flotante2 (denominado
'real').
1.
La solución no esté fuera del rango del número entero
más grande o más pequeño que se puede representar
(generalmente con signo). En estos casos se dice que
se comete un error de desbordamiento por exceso o
por defecto (en inglés: Overflow y Underflow) y es
necesario recurrir a técnicas de escalado para llevar a
cabo las operaciones.
2.
La división se interpreta que da lugar a un número
entero, despreciando cualquier resto.
(1
8)
Mantisa (número 23
real |q|): bits
En la mayoría de los cálculos en punto flotante las
mantisas se normalizan, es decir, se toman de forma que el
bit más significativo (el primer bit) sea siempre '1'. Por lo
tanto, la mantisa q cumple siempre la ecuación (19).
(2
0)
x - x' =
x'' - x =
|fl(x) - x| =
Multiplicación.
La operación de multiplicar dos números expresados
en punto flotante implica sumar los exponentes y
multiplicar las mantisas. Si la mantisa resultante no
está normalizada, se recurre a renormalizar el
resultado ajustando adecuadamente el exponente.
Después, es necesario redondear la mantisa a p bits.
Para analizar el error de esta operación supongamos
dos números:
Tenemos entonces que el producto será:
xy = qx qy 2fx + fy
Adición y sustracción.
La operación de suma o resta se realiza del siguiente
modo: se toma la mantisa del operando de menor
magnitud (supongamos que es y) y se desplaza fx - fy
posiciones a la derecha. La mantisa resultante es
sumada (o restada) y el resultado se normaliza y
después se redondea. Es decir:
El análisis del error cometido en esta operación es más
complejo que los estudiados hasta ahora, por lo que
no lo vamos a ver en detalle. Sin embargo, el resultado
final indica que la cota máxima del error cometido en
la adición y la sustracción viene dado por:
ax2 + bx + c = 0
que son:
(2
3)
(2
4)
ax2 + bx + c = 0
siendo:
(2
7)
4. Cálculo de raíces de
ecuaciones
El objeto del cálculo de las raíces de una ecuación es
determinar los valores de x para los que se cumple:
f(x) = 0 (2
8)
3x3 + 3x2 - x - 1 = 0
y3 + 3y2 -3y -9 = 0
Figure: Interpretación
geométrica del método de las
aproximaciones sucesivas.
[scale=0.9]eps/as-1
(3
0 = f(r) = f(x+h) = f(x) + hf'(x) + O(h2)
0)
en donde h=r-x. Si x está próximo a r (es decir hes
pequeña), es razonable ignorar el término O(h2):
(3
0 = f(x) + hf'(x)
1)
(3
2)
Figure: Interpretación
geométrica del método de
Newton.
[scale=0.9]eps/new-1
(3
y - f(x0) = f'(x0)(x-x0)
3)
(3
4)
(3
5)
Figure: Representación
geométrica del método de la
secante.
[scale=0.9]eps/secante
Figure: Representación
geométrica del método de la
falsa posición.
[scale=0.9]eps/falpos
(3
xn+1 = F(xn)
7)
(3
8)
para todos los puntos x e y en el dominio de F.
converge.
6. Resolución de sistemas de
ecuaciones lineales
El objetivo de este apartado es examinar los aspectos
numéricos que se presentan al resolver sistemas de
ecuaciones lineales de la forma:
(4
2)
(4
Ax=b
4)
(4
5)
(4
6)
(4
8)
(4
9)
6.1.2 La factorización LU
Supongamos que A se puede factorizar como el producto de
una matriz triangular inferior L con una matriz triangular
superior U:
(5
A = LU
1)
(5
LUx=b
2)
(5
Lz=b
3)
Ux = z
en donde nos hemos valido del hecho de que lis=0 para s >i
y usj=0 para s>j.
(5
5)
(5
6)
(5
7)
A = LU = UTLT
(5
8)
En el primer paso, multiplicamos la primera ecuación por
(5
9)
(6
0)
El último paso consiste en multiplicar la tercera ecuación
(6
1)
6.1.5 Pivoteo
Sin embargo, los algoritmos de Gauss y Gauss-Jordan que
acabamos de describir pueden dar lugar a resultados
erróneos fácilmente. Por ejemplo, analicemos el siguiente
sistema de ecuaciones, en el que es un número muy
pequeño pero distinto de cero:
y la solución es:
(6
Qx = (Q-A)x+b
2)
1.
2.
La diferencia relativa del mayor elemento en valor
(6
Ix(k) = (I-A)x(k-1)+b = x(k-1)+r(k-1)
4)
y cumple que
IA = A
(6
Qx(k) = (Q-A)x(k-1) + b
5)
(6
6)
x x0 x1 x2 xn
y y0 y1 y2 yn
El objetivo es encontrar una función continua lo más sencilla posible
tal que
(6
f(xi) = yi
7)
1.
Los polinomios de interpolación de Lagrange.
2.
Las funciones de interpolación splines. Estas funciones son
especialmente importantes debido a su idoneidad en los
cálculos realizados con ordenador.
(6
8)
x 5 -7 -6 0
- - -
y1
23 54 954
Construya las funciones cardinales para el conjunto de
nodos dado y el polinomio de interpolación de Lagrange
correspondiente.
Las funciones cardinales, empleando la expresión (69),
resultan ser:
(i)
Si-1(ti) = yi = Si(ti)
(7
0)
en donde:
hi = ti+1-ti
ui =
bi =
(7
=
1)
(7
2)
en donde
Ai =
Bi =
(7
Ci =
3)
x Si(x)
8. Integración numérica
Dada una función f definida sobre un intervalo [a,b],
estamos interesados en calcular
(7
4)
(7
5)
La integral (74) se puede escribir entonces como:
en donde
por lo que:
(7
7)
en donde
h = (b-a)/n
Aplicando la regla de Simpson (77) en cada uno de los subintervalos se
obtiene la expresión final:
(7
8)