Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword or section
Like this
28Activity
P. 1
Apuntes de Analisis Numerico

Apuntes de Analisis Numerico

Ratings: (0)|Views: 3,072 |Likes:
Published by Francisco Peregué

More info:

Published by: Francisco Peregué on Jun 01, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/09/2014

pdf

text

original

 
ANÁLISIS NUMÉRICO
Miguel Alemán Flores, Luis Álvarez León y Javier Sánchez Pérez
Departamento de Informática y SistemasUniversidad de Las PalmasCampus de Ta
ra35017 Las Palmas, EspañaEmail: {maleman,lalvarez,jsanchez}@dis.ulpgc.es
Contenidos1 INTRODUCCIÓN 22 ARITMÉTICAS DE PRECISIÓN FINITAY FUENTES DE ERRORES NUMÉRICOS 2
2.1 Aritméticas de precisión
nita . . . . . . . . 22.2
Práctica
1 (Aritméticas
nitas, 2 horas) . 52.3 Fuentes de errores numéricos . . . . . . . . 7
3 CÁLCULO DE LOS CEROS DE UNA FUN-CIÓN 8
3.1 Método de la bisección . . . . . . . . . . . . 83.2 Método de la Regula-falsi (regla de lo falso) 83.3 Método de Newton-Raphson . . . . . . . . . 83.4 El método de la Secante . . . . . . . . . . . 83.5 Método de Müller . . . . . . . . . . . . . . . 93.6
Práctica
2 (Método de ller, 4 horas) . . 93.7 lculo de las raíces de un polinomio . . . . 103.7.1 Algoritmo de Horner para evaluarun polinomio en un punto . . . . . . 10
4 INTERPOLACIÓN DE FUNCIONES I 14
4.1 Interpolación por polinomios de Lagrange . 144.2 Error de interpolación de Lagrange y poli-nomios de Chebychev . . . . . . . . . . . . 154.3 Método de diferencias de Newton para elcálculo del polinomio interpolador de La-grange . . . . . . . . . . . . . . . . . . . . . 154.4 Implementación de funciones elementales . . 184.4.1 Aproximación de la exponencial
e
x
. 184.5
Práctica
3 (Aproximación de
e
x
,
2 horas) . 184.5.1 Aproximación de funcionestrigonométricas . . . . . . . . . . . . 184.5.2 Aproximación de la función
ln(
x
)
. . 19
5 ANÁLISIS NURICO MATRICIAL I 19
5.1 Método de Gauss . . . . . . . . . . . . . . . 195.2 Estimación del error de un método para re-solver sistemas . . . . . . . . . . . . . . . . 215.3 Método de Cholesky . . . . . . . . . . . . . 215.4
Práctica
4 (Método de Cholesky, 6 horas) 225.5 Método de Crout para matrices tridiagonales 225.6 Subrutinas en Fortran
77
para la lectura yescritura en disco de vectores y matrices . . 23
6 DIFERENCIACIÓN E INTEGRACIÓNNUMÉRICA 24
6.1 Diferenciacn Numérica . . . . . . . . . . . 246.2 Diferenciación numérica en dimensiones su-periores . . . . . . . . . . . . . . . . . . . . 256.2.1 Discretización del Laplaciano . . . . 266.2.2 Discretización del gradiente . . . . . 266.3 Integracn Numérica . . . . . . . . . . . . . 276.3.1 Métodos de Cuadratura de Gauss . . 276.3.2 Fórmulas de Integración NuméricaCompuestas . . . . . . . . . . . . . . 286.4
Práctica
5 (Implementación Método de In-tegracn de Simpson, 2 horas) . . . . . . . 296.5 Integración numérica en dimensiones supe-riores . . . . . . . . . . . . . . . . . . . . . . 29
7 ANÁLISIS NURICO MATRICIAL II 31
7.1 Normas de vectores y matrices . . . . . . . 317.2 Condicionamiento de una matriz . . . . . . 337.3 lculo de autovalores y autovectores . . . 337.3.1 Método de Jacobi . . . . . . . . . . 347.4
Práctica
6 (Método de Jacobi para el cál-culo de autovalores y autovectores 6 horas) 367.4.1 Método de la potencia . . . . . . . . 367.4.2 todo de la potencia inversa . . . . 377.5 todos iterativos de resolución de sis-temas lineales . . . . . . . . . . . . . . . . . 387.5.1 Método de Jacobi . . . . . . . . . . 397.5.2 todo de Gauss-Seidel . . . . . . . 397.5.3 Método de relajacn . . . . . . . . . 407.5.4 Convergencia de los métodos iterativos 417.6
Práctica
7 (todo de relajación, 2 horas) 427.7 Método de Newton-Raphson para sistemasde ecuaciones no lineales . . . . . . . . . . . 42
8 INTERPOLACIÓN DE FUNCIONES II 43
8.1 Interpolacn de Hermite . . . . . . . . . . . 438.2 Interpolacn por splines bicos . . . . . . 438.3 La interpolación a través de la función senocardinal . . . . . . . . . . . . . . . . . . . . 468.4 La interpolacn a través de polinomiostrigonométricos . . . . . . . . . . . . . . . . 468.5 Aproximación por nimos cuadrados . . . 47
9 BIBLIOGRAFÍA BÁSICA 48
1
 
10 APÉNDICE A: Resumen de los comandosde UNIX 4911 APÉNDICE B: Resumen del procesador detexto
vi
4912 APÉNDICE C: Algunos fallos comunes enFortran 49INTRODUCCIÓN
El presente documento es un texto de referencia básico so-bre los contenidos de la disciplina de Análisis Numéricoen el contexto curricular de una Ingeniería Informática.Aunque el texto cubre los contenidos mínimos necesarios,resultará de gran interés para los alumnos complementarla información aquí suministrada con los textos de referen-cia básicos mencionados en la bibliografía. Muchas de lasdemostraciones de los resultados presentados se encuen-tran en este texto. En los casos en que las demostracionesno se incluyen, se suministra el libro y la página dondese encuentra tal demostración, para que el alumno intere-sado pueda estudiarla por su cuenta. En general, todos lostemas presentados aparecen bien desarrollados en los librosde texto clásicos mencionados en la bibliografía. La únicaexcepción es el tema de aritméticas de precisión
nita, quese ha desarrollado en este texto con algo más de detalle ycon un enfoque algo más moderno que en los libros clási-cos, por considerar que, en el contexto de una IngenieríaInformática, este tema es de especial relevancia.El lenguaje de programación que se utilizará es el For-tran. Se ha elegido este lenguaje por ser la plataformadonde se han desarrollado habitualmente los grandes pro-gramas de cálculo numérico y por estar especialmenteorientado al cálculo cientí 
co. En el texto se va intro-duciendo este lenguaje de programación a través de pro-gramas ejemplo. Estos programas ejemplo se encuentran adisposición de los alumnos en el directorio de la asignatura
/users/asignaturas/ii-an 
de la máquina
serdis.dis.ulpgc.es 
.También se encuentra a disposición de los alumnos el
chero
an.h
, donde se encuentran todas las subrutinasde
nidas en estos programas ejemplo.En el texto se proponen unas prácticas de laboratoriopara realizar a lo largo de la asignatura. Para estable-cer el orden de impartición de los contenidos presentes eneste documento se ha utilizado, como criterio preferente,la coordinación entre el programa de prácticas y el pro-grama teórico de la asignatura, de tal forma que, con undesarrollo normal de la docencia, los contenidos teóricossean presentados con antelación al desarrollo de las prác-ticas, comenzando las prácticas de laboratorio a partir dela segunda semana de clase.Para el buen seguimiento de la asignatura, resulta degran interés tener cierta soltura en el manejo de los con-ceptos elementales del Análisis Matemático, el Álgebra,y la programación de Algoritmos. La materia expuestaen esta documentación está programada para ser impar-tida en un cuatrimestre a razón de
3
horas/semana en elaula y
2
horas/semana en el laboratorio informático, loque hace un total de, aproximadamente,
45
horas en aula(
3
créditos teóricos) y
30
horas de laboratorio (
2
créditosprácticos). Dado el escaso tiempo disponible, se han elim-inado algunos temas clásicos de un curso completo anualde Análisis Numérico como son las ecuaciones diferencialesordinarias y las ecuaciones en derivadas parciales. Nor-malmente, dichos temas se verán en detalle en asignaturasposteriores. Además, en lugar de presentar de forma ex-haustiva todos los métodos numéricos que se pueden en-contrar en los libros de Análisis Numérico clásicos, se haoptado por reducir los contenidos e impartir una selecciónde los métodos numéricos más representativos.
ARITMÉTICAS DE PRECISIÓN FINITA YFUENTES DE ERRORES NUMÉRICOSAritméticas de precisión
nita
Un número entero
z
se representa en el ordenador a travésde un número
 jo de bits (
16
bits habitualmente), dondeuno de los bits se utiliza para determinar el signo y losrestantes para expresar el valor absoluto del número, detal manera que la secuencia de bits
a
1
a
2
a
3
......a
n
donde
a
i
= 0
o
a
i
= 1
, representa el valor absoluto delnúmero
|
z
|
=
a
n
+
a
n
1
2 +
a
n
2
2
2
+
...
+
a
1
2
n
1
Así, utilizando
16
bits, el mayor número entero quepodemos representar es
1 + 2 + 2
2
+
.....
+ 2
14
= 2
15
1 = 32767
Es decir, los número enteros que podemos expresarcon una aritmética de
16
bits van desde
32767
hasta
32767
.
Para representar un número real
y
en el ordenadornos basaremos en el siguiente resultado:
Teorema 1
Un número real positivo
y
se puede expresar como
y
= 2
e
X
n
=1
a
n
2
n
donde 
e
es un número entero,
a
1
= 1
,
y para 
n >
1
,
a
n
= 0
o
a
n
= 1
.
Demostración
. Dado un número real positivo
y
, existeun entero
e
tal que
2
e
1
y <
2
e
,
y por tanto
2
1
y
2
e
<
1
.
Por otro lado, si de
nimos las sucesiones
n
y
a
n
de la siguiente forma:
1
= 2
1
,
a
n
= 1
y para
n >
1
a
n
= 0
si
n
1
+
12
n
> y
2
e
a
n
= 1
si
n
1
+
12
n
y
2
e
n
=
n
X
k
=1
a
k
2
k
entonces es claro que
|
n
y
2
e
|
12
n
, y por tanto
n
y
2
e
lo que concluye la demostración del teorema.
2
 
Ejemplo 1
Consideremos 
y
= 10
.
125
,
podemos expresar este número como
10
.
125 = 2
4
(12+12
3
+12
7
)
Es decir,
e
= 4
, a
1
=
a
3
=
a
7
= 1
, y el resto de los 
a
n
es 
0
.
En este caso, el número de elementos 
a
n
distintos de 
0
es un número
fi 
nito, en general no ocurre así.
Evidentemente, cualquier número que tenga unnúmero
nito de elementos
a
n
distintos de
0
es un númeroracional y, por tanto, los números irracionales se represen-tarán siempre con un número in
nito de elementos
a
n
nonulos. Sin embargo, como muestra el siguiente problema,existen otros muchos números además de los irracionales,que no se pueden representar con un número
nito de ele-mentos
a
n
no nulos.
Problema 1
(2 puntos)
Demostrar que al representar el número real 
0
.
1
como
0
.
1 = 2
e
X
n
=1
a
n
2
n
el número de elementos no nulos 
a
n
es in 
 fi 
nito.
Problema 2
(2 puntos)
Representar el número
0
.
0703125
como
0
.
0703125 = 2
e
X
n
=1
a
n
2
n
Para de
nir una aritmética de precisión
nita denúmero reales, lo que se hace habitualmente es discretizarla fórmula de representación anterior, tomando un número
nito de valores posibles
a
i
y un número
nito de valorespara el exponente
e
. Como puede observarse, cada valor
a
i
viene representado por un bit. Además, puesto que elvalor
a
1
es siempre igual a
1
,
no es necesario almacenar suvalor en memoria al guardar un número real.Por tanto, en una aritmética de precisión
nita, losnúmeros reales distintos de cero se representan como
e
y
=
±
2
et
X
n
=1
a
n
2
n
donde
e
varía entre dos valores limites
e
min
e
e
max
. Alvalor
t
se le llama precisión de la aritmética. A la secuencia
a
1
a
2
a
3
......a
t
,
(donde
a
i
{
0
,
1
}
) se le denomina mantisa.Hay que hacer notar aquí que, dado que hemos impuestosiempre que
a
1
= 1
,
el número
0
debemos añadirlo a laaritmética, ya que
0
no se puede representar de la formaanterior.
Problema 3
(1 punto)
Calcular los valores positivos mínimo y máximo que puede tomar un número real en una aritmética de precisión 
fi 
nita en función de 
t, e
min
ye
max
.
Problema 4
(2 puntos)
Calcular todos los números reales que se pueden construir tomando
5
bits de la forma siguiente:
1
bit para el signo,
2
bits para la mantisa (es decir 
t
= 3
, puesto que 
a
1
= 1
y sólo se almacenan 
a
2
a
3
)
2
bits para el exponente 
e
, tomando como rangode 
e
=
1
,
0
,
1
,
2
.
Representar dichos números sobre una recta.
Es importante resaltar que los números reales en unaaritmética de precisión
nita no están equiespaciados, esdecir, los números están más cercanos entre sí cerca de
0
,y más alejados al alejarnos de
0
.
En 1985, la sociedad I.E.E.E. presentó una serie deespeci
caciones estándares para la de
nición de una arit-mética de precisión
nita para los números reales. En estetrabajo, se codi
ca un número real en simple precisión uti-lizando
32
bits de memoria, de los cuales
23
bits se utilizanpara la mantisa (es decir
t
= 24
puesto que
a
1
= 1
no sealmacena),
1
bit se utiliza para el signo y
8
bits se utilizanpara el exponente
e,
lo cual da un rango de
2
8
= 256
val-ores posibles para el exponente
e
. En este caso, se toma
e
min
=
125
y
e
max
= 128
.
Como puede observarse, elnúmero total de exponentes posibles es
254
, dos menosque los
256
posibles, ello se hace así, porque se reservandos casos para tratar las denominadas excepciones, comose verá más adelante.Por tanto, el valor ximo que puede tomar unnúmero real en esta aritmética es
e
y
max
= 2
12824
X
n
=1
12
n
= 3
.
4
×
10
38
y el valor mínimo positivo es
e
y
min
= 2
125
12= 1
.
18
×
10
38
Además, el mero de combinaciones posibles quepuede tener la mantisa es
2
24
1
.
68
×
10
7
.
Es decir,la aritmética tiene una precisión de
7
dígitos decimales.Esta representación equivale a normalizar el número bina-rio colocando la coma detrás del primer
1
, representar enla mantisa la parte fraccionaria, puesto que la parte enteraes un
1
implícito, y el exponente en exceso
127
, es decir,sumando esta cantidad al exponente resultante de la nor-malización, de forma que el rango que va desde
1
hasta
254
representa los exponentes que van desde
126
hasta
127
(se reservan los valores
0
y
255
para las excepciones).También se de
ne en este trabajo de I.E.E.E. un es-tándar para una aritmética en doble precisión. En estecaso, se utilizan
64
bits para almacenar un número real,de los cuales
52
bits se utilizan para la mantisa
(
t
= 53)
,
1 bit para el signo y
11
bits para el exponente, lo que dalugar a
2
11
= 2048
posibilidades de elección de exponente
e
. En este caso, se toma
e
min
=
1021
y
e
max
= 1024
.Por tanto, el valor ximo que puede tomar unnúmero real en esta aritmética es
e
y
max
= 2
102453
X
n
=1
12
n
= 1
.
78
×
10
308
3

Activity (28)

You've already reviewed this. Edit your review.
Carlos Huamán liked this
ButanoWill liked this
1 thousand reads
1 hundred reads
Luis Siguenza liked this
Jesus Markez liked this
gerardo_ortiz_19 liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->