Clase Fundamentos 2017 PDF

Universidad Politcnica de MadridEscuela Tcnica Superior de Ingenieros Industriales
Grado en Ingeniera en Tecnologas Industriales. Curso 2016-2017-3

Matemticas de EspecialidadIngeniera Elctrica
Fundamentos
de la
Ingeniera Matemtica y sus Algoritmos
Jos Luis de la Fuente OConnor

jldelafuente@etsii.upm.es
joseluis.delafuente@upm.es
Clase_fundamentos_2017.pdf
1/117
2/117
ndice

Introduccin y conceptos bsicos
Representacin de un nmero en formato estndar IEEE
Aritmtica en un ordenador
Evaluacin de errores
Clculo numrico con matrices
Producto de una matriz por un vector
Producto de dos matrices
Normas

Vectoriales
Matriciales
3/117
Introduccin

En nuestro quehacer diario, consciente e inconscientemente, realizamos muchas

operaciones numricas que confiamos ciegamente a los algoritmos numricos,
ordenadores y mquinas a nuestro alcance.
Como ingenieros1, en importante que conozcamos qu hacen y cmo esos

algoritmos, o qu procedimientos formales siguen, pues son la fuente de muchas
posibles mejoras, as como de problemas prcticos de interpretacin y precisin
de los resultados.
Calculemos, por ejemplo, el valor de un polinomio,

p.x/ D 2x 4 C 3x 3
en el punto x D 1=2.
Pues somos esencialmente los que los producimos.
3x 2 C 5x
1;
4/117
Supongamos que toda la informacin y los datos que se necesitan para hacer
esta operacin estn adecuadamente guardados en el ordenador.
Cules deberan ser?
De acuerdo con nuestros conocimientos de este momento, la primera forma que

se nos puede ocurrir para evaluar el polinomio en el punto dado procedera ms
o menos as:

p 21 D 2 12 21 12 12 C 3 12 12 12 3 21 12 C 5 21 1 D 54 .
El nmero total de multiplicaciones que realizamos es 10; el de sumas/restas, 4.
5/117
Una segunda forma podra consistir en hacer lo siguiente

1 2
1
1
2 D 2 D 14 ! y guardarlo
2

1 2
1 3
1
D

! y guardarlo
2
2
2

1 4
1 3
1

D
! y guardarlo
2
2
2
y luego
1
2
D2

1 4
2
C3

1 3
2
3

1 2
2
C 5 21
1 D 45 .
El nmero total de multiplicaciones en este caso es 3, para las potencias de 12 ,

ms 4 despus. Las sumas y restas son las mismas.
Es evidente que si esto hay que hacerlo muchas veces, el ahorro en tiempo de
esta segunda forma de proceder puede ser muy significativo, no?
6/117
Se puede hacer mejor an? Consideremos el polinomio reescrito as:

p.x/ D
D
D
D

1 C x 5 3x C 3x 2 C 2x 3

2
1Cx 5Cx
3 C 3x C 2x

1Cx 5Cx
3 C x 3 C 2x

1Cx 5Cx
y evalumoslo de dentro hacia afuera
1
2

3Cx 3Cx2
1
2
2; ms 3 D 4
1
2
4; ms
3D
. 1/; ms 5 D
1
2
92 ; ms
9
2
1 D 45 :
7/117
Esta forma de actuar se conoce como regla de Horner, o multiplicacin

anidada, por William George Horner, Inglaterra, 1786-1837.
Necesita 4 multiplicaciones y 4 sumas. Si el polinomio es de grado d , se

necesitarn d multiplicaciones y d sumas.
8/117
Lo que acabamos de exponer es el paradigma de una de las cuestiones bsicas

que vamos a destacar recurrentemente en este curso:

Los ordenadores son muy rpidos haciendo cosas muy sencillas.
Con ellos, las cosas muy sencillas, sobre todo las que se repiten
indefinidamente, hay que hacerlas de forma ptima: ingeniera.
La mejor forma de hacer ciertas cosas y clculos no siempre es la ms obvia.

La mayora de las ideas fundamentales de la ciencia son
esencialmente sencillas y, por regla general, pueden ser
expresadas en un lenguaje comprensible para todos
Albert Einstein. 1879-1955.
En igualdad de condiciones la solucin ms sencilla es
probablemente la correcta
Guillermo de Ockham. 1285-1347.
Para terminar con estas consideraciones previas, cualquier polinomio como

c1 C c2x C c3x 2 C c4x 3 C c5x 4
se puede escribir as

c1 C x c2 C x c3 C x c4 C x.c5/
;
e incluso as
c1 C .x

r1/ c2 C .x

r2/ c3 C .x
r3/ c4 C .x

r4/.c5/
;
donde r1, r2, r3 y r4 son los que se conocen como puntos de base.
Este cdigo de Matlab

hace todo el trabajo.
function y=Horner(d,c,x,b)
% Con regla de Horner se evala el polinomio de grado d,
%
definido en el vector c, en el punto x (puede ser vector).
%
Entrada: c(d+1), coeficientes del polinomio: c1, c2,...;
%
x, punto (vector) en el que se evala el polinomio;
%
b, puntos base, si es el caso.
%
Salida: y, valor del polinomio en x
%
if nargin<4, b=zeros(d,1); end
y=c(d+1);
for i=d:-1:1
y = y.*(x-b(i))+c(i);
end
end
9/117
10/117
function y=Horner(d,c,x,b)
% Con regla de Horner se evala el polinomio de grado d,
%
definido en el vector c, en el punto x (puede ser vector).
%
Entrada: c(d+1), coeficientes del polinomio: c1, c2,...;
%
x, punto (vector) en el que se evala el polinomio;
%
b, puntos base, si es el caso.
%
Salida: y, valor del polinomio en x
%
if nargin<4, b=zeros(d,1); end
y=c(d+1);
for i=d:-1:1
y = y.*(x-b(i))+c(i);
end
end
Hagmoslo funcionar de varias maneras en el escritorio de Matlab:

>> Horner(4,[-1 5 -3 3 2],1/2)
ans =
1.250000000000000
>> Horner(4,[-1 5 -3 3 2],1/2,[0 0 0 0])
ans =
1.250000000000000
>> Horner(4,[-1 5 -3 3 2],[-2 -1 0 1 2])
ans =
-15
-10
-1
6
53
11/117
Algunos conceptos bsicos

Nonlinear optimization: motivation, past and perspectives
History
(300 2BC)
Al-Khwarizmi
Un Euclid
algoritmo
es un conjunto
ordenado(783-850)
y finito de operaciones y reglas que
permite hallar la solucin de un problema, o realizar una actividad relativamente
compleja.

lgebra
Al-Khwarizmi (783-850)
'H:LNLSHGLDODHQFLFORSHGLDOLEUH
De Muhammad ibn Musa al-Khwarizmi, sabio persa considerado April

uno2009
de(OlgebraGHOiUDEHalabr
UHL
los30padres
)
/ 323 del lgebra (
que escribi entre los aos 800 y 825 la obra Quitab Al Jabr Al Mugabala,
donde se recoga el sistema de
PDWHPiWLFDTXHHVWXGLDODFRPELQDFLyQ
numeracin indio y el concepto de cero.
D FLHUWDV UHJODV 2ULJLQDOPHQWH HVRV
Philippe Toint (Namur)
12/117
La velocidad de los algoritmos para realizar operaciones numricas y sus

prestaciones y precisin dependen en gran medida de la exactitud con la que se
pueden representar los nmeros, datos y las operaciones en la mquina donde se
han de ejecutar.
Para disear algoritmos y codificarlos en un lenguaje que interprete la mquina

es aconsejable conocer cmo opera la aritmtica de esa mquina y los
parmetros esenciales de su sistema de numeracin.
Los ordenadores y calculadoras guardan informacin numrica y alfanumrica

que se les suministran mediante una aproximacin numrica, o cdigo, de los
mismos.
En general, lo hacen empaquetndolos en grupos de bits unidad bsica,

denominados bytes (grupos de 8 bits).
13/117
Los ordenadores tienen varias formas estndar de representar un dato numrico:

Formato entero sin decimales (integer) o

Formato de coma o punto flotante (real): nuestro formato
decimal3.
Adems del integer y el real, se gestionan otros tipos de datos:

char/string Para almacenar o manipular caracteres alfanumricos
logical Para designar variables o valores que slo admiten el 1 o el 0 o el
verdadero o falso
single/double Para almacenar variables o datos numricos en precisin
sencilla 4 bytes o doble 8 bytes. Lo habitual en Matlab es double
complex Para almacenar variables complejas, cuando no se quiere guardar la
parte real y la imaginaria por separado.
3
De origen indo-arbigo entre los siglos IV y VI, transmitido a Europa gracias a la Escuela de Kerala, India.
14/117
La representacin de un nmero entero en un ordenador en formato entero es

exacta, siempre y cuando su valor est comprendido dentro de los lmites que
admite la mquina.
En formato real slo es posible representar un conjunto finito de nmeros, F , de

la recta real (F R), formado por elementos de la forma

dp
d1 d2
C 2 C C p e
f D
D 0; d1d2 dp e
donde: es la base de numeracin, 0 di 1; i D 1; : : : ; p ;
p el nmero de dgitos significativos, o longitud de mantisa (precisin);
e el exponente, L (underflow) e U (overflow).
La ristra de dgitos d1, d2, : : :, dp se denomina mantisa.
15/117
Mquina
Precisin
Simple
IEEE st. 754-1985 normali. Doble
Extendida
Simple
Doble
IBM mainframe
Extendida
Simple
Cray (superordenador)
Doble
Calculadoras HP
2
2
2
16
16
16
2
2
10
p
24
53
64
6
14
28
48
96
12
L
U
126
127
1022 1023
16381 16384
64
63
64
63
64
63
8192 8191
16383 16384
499
499
Parmetros de los sistemas de numeracin de varias mquinas
16/117
Normalizacin

Un sistema de numeracin se dice normalizado si el primer dgito de la mantisa

es siempre distinto de cero al representar cualquier nmero que no es cero.
Ventajas: I. En binario el primer dgito es siempre 1, por lo que no es necesario
guardarlo. Cualquier nmero sera 1;bbb : : : bb 2p .
II. Una nica representacin de un nmero.
III. No se malgastan dgitos (ceros) a la izquierda del primero no

cero.

En un sistema normalizado un nmero distinto de cero f est acotado de la

siguiente manera:
L jf j U C1.1 p /:
17/117
El conjunto F de nmeros de una mquina representables exactamente no es

evidentemente infinito: tiene un nmero de elementos fijo igual a
2.
1/ p 1.U
L C 1/ C 1
2: dos opciones de signo.
: posibles valores por cada uno de los p

mantisa, incluyendo el cero.
1: posibles valores del dgito ms significativo de la mantisa.

1 dgitos restantes de la
L C 1 valores posibles del exponente.
Estos elementos no estn igualmente espaciados sobre la recta real sino en

potencias sucesivas de .

Si el nmero que se quiere representar es uno de estos elementos, se guardara

en su exactitud; si no, una aproximacin.
18/117
Ejemplo Si se trabaja en una mquina normalizada en la que D 2, p D 2

(realmente habra 3 dgitos) , L D 1 y U D 1, los 25 elementos del conjunto
F de esa mquina son los representados por muescas en azul en la recta de la
figura Ms ejemplos aqu.
3;5
2;5
1;5
0;5
0;5
1;5
El nmero ms grande positivo representable es

.1;11/2 21 D 2 1 C 1=2 C 1=22
2;5
D 2 .1 C 0;5 C 0;25/ D 3;510I
el ms pequeo en valor absoluto,

.1;00/2 2
D 0;510:
3;5
Desnormalizacin
19/117
Desnormalizacin
La normalizacin produce un vaco de nmeros en torno al 0. La

La normalizacin produce un vaco de nmeros en torno al 0.
desnormalizacin,
que permite
hayacuando
ceros
en los primeros
dgitos
de la
La desnormalizacin
facilitaque
rellenarlo
el exponente
del nmero sea
el
mnimo,
permitiendocuando
que haya ceros
en los dgitos ms
de lael mnimo.
mantisa, facilita
rellenarlo
el exponente
del significativos
nmero sea
mantisa.
3;5
1;5
0;5
0;5
1;5
2;5
3;5
En de
el sistema
de juguete
anterior,elel vaco
vaco central
se podra
rellenar con
En el sistema
juguete
anterior,
central
se podra
rellenar con
elementos cuya mantisa no empieza por 1. Se podran aadir 3 ms a cada lado
elementos cuya
mantisa no empieza por 1.
del cero, siendo el ms pequeo positivo representable el
.0;01/2 2
2;5
D .0;125/10.
Se podran aadir
3 ms a cada lado del cero, siendo el ms pequeo positivo
La desnormalizacin ampla el rango de nmeros representables, aunque la
representable el .0;01/2 2 1 D .0;125/10.
19/133
La desnormalizacin ampla el rango de nmeros representables, aunque la

precisin de esos de ms es menor que la general al tener menos dgitos no cero.
d
10
20/117
Sistema binario de numeracin

Es el sistema de numeracin universal, con el que trabajan casi todas las

mquinas de clculo electrnicas y ordenadores a nuestra disposicin.
En este sistema, cualquier nmero se expresa
b2b1b0;b 1b 2
donde cada dgito binario, o bit, es 0 1.
En el sistema decimal, de base 10, el equivalente a ese nmero cualquiera sera

el resultado de
b222 C b121 C b020 C b 12
C b 22
:
El nmero 4 en base 10 sera en binario 1002 y 3=410 sera 0;112.
21/117
Para convertir cualquier nmero del sistema decimal al binario habra que hacer
lo siguiente:
Parte entera Se divide por 2 sucesivamente y se guardan los restos, 0 1,
de cada divisin.
Esos restos se ordenan desde el primero al ltimo y se disponen de derecha a
izquierda. El conjunto de dgitos obtenido es la representacin en binario.
Por ejemplo, con 53;7 hacemos
53 2 D 26 r
26 2 D 13 r
13 2 D 6 r
62D 3r
32D 1r
12D 0r
1
0
1
0
1
1:
El nmero 5310 es en binario 1101012.

Comprobando 1101012 D 25 C 24 C 22 C 20 D 32 C 16 C 4 C 1 D 5310.
22/117
Parte fraccionaria Se hace el proceso inverso: se multiplica la parte

fraccionaria por 2 y se guardan las partes enteras.
Al final se disponen los enteros obtenidos, sucesivamente, a la derecha de la
coma. Con 53;7:
0;7 2 D 0;4 C 1
0;4 2 D 0;8 C 0
0;8 2 D 0;6 C 1
0;6 2 D 0;2 C 1
0;2 2 D 0;4 C 0
0;4 2 D 0;8 C 0
:::
Se ve que el proceso llega un momento que se repite indefinidamente cada
cuatro pasos. Es decir,
0;7 D 0;101102:
En resumen, el nmero 53;710 es en binario 110101;101102.
23/117
Para convertir cualquier nmero de binario a decimal:

Parte entera Se suman las sucesivas potencias de 2. Por ejemplo,
101012 D 1 24 C 0 23 C 1 22 C 0 21 C 1 20 D 2110.
Parte fraccionaria Si es finita, se procede de forma similar, por ejemplo

1
1
1
1 1
1
11
0;10112 D C 3 C 4 D C C
:
D
2 2
2
2 8 16
16 10
Si es infinita, lo ms fcil es usar el desplazamiento por potencias de 2.
Por ejemplo, si se quiere convertir a base 10 el nmero x D 0;10112,
primero se multiplica por 24, lo que desplaza la coma cuatro posiciones a la
derecha; luego se resta el original:
24 x D 1011;1011
x D 0000;1011:
24/117
Restando
24

1 x D 10112 D 1110:
Luego se despeja x, quedando que x D 11=1510:

Otro ejemplo: x D 0;10101.
Primero se multiplica por 22: y D 22 x D 10;101. La parte entera es 2 y

con la parte fraccionaria, z D 0;101, se procede como antes:
23 z D 101;101
z D 000;101:
De aqu, restando, 7z D 5, por lo que la parte fraccionaria es z D 5=7.

El resultado 22 x D y D 2 C 5=7, por lo que x D 2 2y D 19=2810.
25/117
Formatos habituales para presentar al usuario la informacin que un ordenador

guarda de un nmero en binario:
Decimal Binario Octal (base 8) Hexadecimal (base 16)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
0
1
10
11
100
101
110
111
1000
1001
1010
1011
1100
1101
1110
1111
10000
10001
0
1
2
3
4
5
6
7
10
11
12
13
14
15
16
17
20
21
0
1
2
3
4
5
6
7
8
9
A
B
C
D
E
F
10
11
26/117
Por ejemplo,
>> format hex
>> 1
ans =
3ff0000000000000
>> 9.4
ans =
4022cccccccccccd
>> 1/0
ans =
7ff0000000000000
>> 0/0
ans =
fff8000000000000
27/117
Formato binario estndar de aritmtica en

coma flotante de IEEE
Precisin doble palabra de 64 bits y normalizado
63 62
52 51
Exponente
es el bit de signo: 0 para nmeros positivos; 1 los negativos.
El exponente (11 bits) no tiene bit de signo: cualquier exponente4 es

0 Exp 2047. Para que sea siempre positivo tiene un sesgo, el nmero
1023 D 210 1.
Cualquier dato numrico: . 1/S 2.Exp

4
2047 D 211
Mantisa
1023/
1;M ant i sa:
28/117
Si Exp D 2047 y M 0, el valor es NaN ("Not a number").
Si Exp D 2047 y M D 0, el valor es -Inf si S D 1; Inf, si S D 0.
Si Exp D 1 y M D 0, el valor es el ms pequeo representable: 2
Si Exp D 0 y M 0, valores desnormalizados, el valor es

. 1/S 2 1022 0;M ant i sa.
Si Exp D 0, M D 0 y S D 1, el valor es -0.
Si Exp D 0, M D 0 y S D 0, el valor es 0.
1022
29/117
En el caso de 1 D C1; 0000000000000000000000000000000000000000000000000000

codificacin interna es
20 ,
su
0 01111111111 0000000000000000000000000000000000000000000000000000
una vez se aade 1023 al exponente. Entonces 0011111111112 D 3FF16.

El siguiente nmero mayor que 1 con este formato estndar es

C1; 0000000000000000000000000000000000000000000000000001 20;
o 1 C 2 52. Interno 0 01111001011 0000000000000000000000000000000000000000000000000000
El exponente es 0011110010112 D 3CB16 D 97110. Es decir, 2971 1023 D 2 52.
Definicin Se denomina epsilon de una mquina, maq
K , a la distancia entre 1 y el
nmero ms pequeo mayor que uno del sistema de numeracin de esa mquina. Si es el
52
IEEE estndar de precisin doble, maq
:
K D2
30/117
>> format hex; 1

ans =
3ff0000000000000
>> 9.4
ans =
4022cccccccccccd
>> 1/0, 0/0
ans =
7ff0000000000000
ans =
fff8000000000000
>> eps
ans =
3cb0000000000000
Volviendo a lo anterior,
El nmero 9;4 D 1001;0110 se guarda as:

0 10000000010 0010 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101 D 4022C C C C C C C C C C CD.
La mantisa se ha troceado en grupos de 4 bits para hacerlos corresponder con el

formato hexadecimal. El exponente es 1023 C 3 D 1026 D .10000000010/2.
Aadiendo el bit de signo, los doce primeros bits, en hexadecimal, resultan
40216.
Al ajustar el nmero, se pierde algo, no?
31/117
Los otros resultados corroboran la representacin interna de 1=0 D 1 y

0=0 D NaN.
Juguemos un poco ms con estos conceptos mediante Matlab

>> 1+2^-52
ans =
1.000000000000000
>> 1+2^-53==1
ans =
1
>> 1+2^-52==1
ans =
0
>> 2^-53
ans =
1.110223024625157e-016
>> ans*2
ans =
2.220446049250313e-016
>> eps
ans =
2.220446049250313e-016
32/117
Para calcular el epsilon de una mquina se puede utilizar epsilon.m, un script

de Matlab, como el que sigue.
function eps=epsilon
eps=1;
while 1+eps~=1
eps=eps/2;
end
eps=eps*2;
end
Los resultados son:
>> eps1=epsilon
eps1 =
2.220446049250313e-016
>> eps
% El de Matlab
eps =
2.220446049250313e-016
33/117
Precisin sencilla palabra de 32 bits y normalizado

31 30
S
23 22
Exponente
Valores tpicos
Mantisa
Exp
Valor
11111111
00000100000000000000000
NaN
11111111
00100010001001010101010
NaN
11111111
00000000000000000000000
10000001
10100000000000000000000
10000000
00000000000000000000000
00000001
00000000000000000000000
00000000
10000000000000000000000
00000000
00000000000000000000001
00000000
00000000000000000000000
1
C1 2129 127 1;101 D 6; 5
C1 2128 127 1;0 D 2
C1 21 127 1;0 D 2 126
C1 2 126 0;1 D 2 127
C1 2 126 2 23 D 2 149
00000000
00000000000000000000000
10000001
10100000000000000000000
11111111
00000000000000000000000
-0
1 2129
1
127
1;101 D
6; 5
IEEE precisin simple VS precisin doble

Precisin simple
dgitos significativos (p)
24 bits
longitud del exponente
8 bits
bits de informacin
32
emax
127
emi n
-126
valor ms grande normalizado 2127 1038
valor ms pequeo normalizado 2 126 10 38
maqui
21 24 10 7
K
na
Precisin doble
53 bits
11 bits
64
1023
-1022
21023 10308
2 1022 10 308
21 53 10 16
Precisin simple Precisin doble

Exp D 0
0
M D0
M 0 desnormalizados
0 < Exp < 255 0 < Exp < 2047 Exp D 255.s/ 2047.d/
potencias de 2
1
nmeros ordinarios
NaN
34/117
35/117
Los nmeros positivos ms grande y ms pequeo que Matlab puede

representar en precisin doble son:
fmi n
fmax
D2
D .1
fmi ndesnor: D 2
1022
D 2;225073858507201 10
53
1022 52
308
/ 21024 D 1;7976931348623157 10308

D 4;940656458412465 10
324
Variable Precision Arithmetic

>> digits(35)
>> vpa((1-2^(-53))*2^1024)
ans =
1.7976931348623157081452742373170436*10^308
>> (1-2^(-53))*2^1024
ans =
Inf
>> 2^(-1022)
ans =
2.225073858507201e-308
36/117
Comprobamos utilizando realmax y realmin de Matlab.

>> realmin
ans =
2.225073858507201e-308
>> realmax
ans =
1.797693134862316e+308
>> realmax*2
ans =
Inf
>> realmin/2
ans =
1.112536929253601e-308
>> realmin/(2^52)
ans =
4.940656458412465e-324
>> ans/2
ans =
0
>> vpa(2^(-1028))
ans =
3.4766779039175021610784886208318814*10^(-310)
37/117
Codificacin o representacin de un nmero

Para ver cmo codifica el estndar IEEE un nmero, volvamos a

9;4 D .1001;0110/2.
En principio, en precisin doble, este nmero se ve as

C1; 0010110011001100110011001100110011001100110011001100 110 : : : 23;
con los primeros 52 bits de la mantisa encuadrados o encajados en el
compartimento reservado por la mquina para l.
38/117
Ahora bien, cmo se encaja adecuadamente una ristra infinita de decimales

binarios en el sistema de numeracin de IEEE?

Truncndola o cortndola? Es decir, abandonando o ignorando los que no

caben en esa caja.
Redondendola? En otras palabras, haciendo algo ms inteligente para que

se pierda la menor cantidad de informacin de ese nmero.
El modelo general de cmo un ordenador representa en coma flotante

(formato decimal) un nmero lo definen
el conjunto G D fx 2 R W m jxj M g [ f0g y la aplicacin f l./ W G ! F
tales que
f l.x/ D
el elemento c 2 F ms prximo a x , si se redondea;

el c 2 F ms cercano a x que satisfaga jcj jxj, si se trunca.
39/117
El redondeo y truncamiento en una mquina ficticia que trabajase con D 10 y

con p D k sera:

Truncando, el nmero
x D C0;d1d2d3 : : : dk dkC1dkC2 : : : 10n

perdera los dgitos dkC1; : : : quedando C0;d1d2d3 : : : dk 10n.

Redondeando, se aadira 5 10n .kC1/ al nmero en cuestin y luego se

truncara.
Ejemplo Si p D 3 en una mquina, el nmero 0;3246 se representara con
0;324 truncando y con 0;325 redondeando.
El error de redondeo interno de una mquina es debido a ese truncamiento o

redondeo.
40/117
La tcnica o regla de redondeo al ms cercano de IEEE consiste en sumar

un 1 al bit nmero 52 si el 53 es 1, o no hacer nada redondear por lo bajo en
el 52 si el 53 es 0.
Excepcin: Si los bits que siguen al 52 son 10000 : : : (a medio camino entre el
valor superior e inferior) se redondea de tal manera que el 52 sea siempre 0.
Con este criterio el nmero 9;4 quedara as:

C1; 0010110011001100110011001100110011001100110011001101 23:
Se ha desechado la ristra 0;1100 2 52 23 D 0;0110 2
y se ha sumado 2 52 23 D 2 49 al redondear.
51
23 D 0;4 2
48
41/117
En resumen
f l.9;4/ D 9;4 C 2
D 9;4 C 1
49
0;4 2
49
0;8 2
D 9;4 C 0;2 2
49
48
Cometindose as un error de redondeo al guardarlo de 0;2 2

guardarlo! codificarlo, o almacenarlo, dentro de la mquina.
49
. Slo por
Definicin El error absoluto de la representacin x del nmero x en un ordenador

es jx
x j.
El error absoluto de la representacin de un nmero x en un ordenador en su

sistema de coma, o punto, flotante es jx f l.x/j.
42/117
Definicin El error relativo de la representacin x del nmero x en un ordenador

es
jx
El error relativo de redondeo del sistema de numeracin IEEE, f l.x/, est

acotado de la siguiente manera
jx
x j
.
jxj
x j 1
maq
K :
jxj
2
El redondeo afecta a la representacin de todos los resultados de las operaciones

pues f l.x/ D x.1 C /, jj < 21 maq
K .
43/117
ndice

Introduccin y Conceptos bsicos
Normas

Vectoriales
Matriciales
44/117

Proceso para sumar los nmeros 3 y 14:

310 = 1;100 21 D 1;100 21024
1410 = 1;110 23 D 1;110 21026
Alineamiento
310 = 0;011 21026
1410 = 1;110 21026
Suma
1023
1023
1023
1023
0;011
1;110
10;001 ) 10;001 21026 1023
D 1;0001 21027 1023 D 100012 D 1710
45/117
OJO! con los casos extremos de exponentes muy alejados.

>> x=2^30
x =
1.073741824000000e+009
>> 2^-22
ans =
2.384185791015625e-07
>> x+2^-22==x
ans =
0
>> x+2^-23==x
ans =
1
>> 2^-23
ans =
1.192092895507813e-07
46/117
El sistema de numeracin, F , de un ordenador tiene definidas entre sus

elementos las operaciones aritmticas habituales. Dada la finitud de F son
operaciones aritmticas de precisin finita.
Si 2 designa cualquiera de las cuatro operaciones aritmticas elementales C,

y , y ja2bj 2 G antes definido, el resultado de cualquier cmputo o
clculo en ordenador con ellas dar como resultado f l.a2b/.
Cualquier operacin aritmtica en ordenador cumple que

f l.a2b/ D .a2b/.1 C /
donde jj < 21 maq
K .
47/117
Si las operaciones aritmticas elementales en una mquina se representan por

, , y , el resultado de aplicarlas ser siempre:
a b D f l.f l.a/ C f l.b//I
a b D f l.f l.a/ f l.b//I
a b D f l.f l.a/ f l.b// y
a b D f l.f l.a/ f l.b//:
El error relativo de cualquiera de estas operaciones es

ja2b
f l.a2b/j 1
maq
K :
ja2bj
2
48/117
Ejemplo En una mquina D 10, p D 3 y la representacin se hace

mediante truncamiento.

La operacin aritmtica .10
C 1/
f lf l.10
1 dar como resultado

C 1/
1 D 0:
El error relativo es 1 (el 100 %). Por el contrario,

f l10
C f l.1
1/ D 10 3;
resultado exacto.
La aritmtica de coma flotante, por consiguiente, no es asociativa:

.1 C =2/ C =2 D 1, pero 1 C .=2 C =2/ > 1.
Ojo! Tampoco es distributiva: .a C b/ c a c C b c.
49/117
Con Matlab (comentarios bienvenidos!)

f l.x/ D 1 si 1 < x 1 C M .
f l.x/ D 1 C 2m si 1 C m < x < 1 C 2m.

>> e = 1 - 3*(4/3 - 1)
e =
2.2204e-016
>> a = 0.0;
for i = 1:10
a = a + 0.1;
end
a == 1
ans =
0
50/117
>> b = 1e-16 + 1 - 1e-16;

c = 1e-16 - 1e-16 + 1;
b == c
ans =
0
>> (2^53 + 1) - 2^53

ans =
0
>> 1+2^53-2^53
ans =
0
>> 1+(2^53-2^53)
ans =
1
>> sin(pi)
ans =
1.2246e-016
>>
51/117
Recordemos el nmero 9; 4:
>> format long

>> x=9.4
x =
9.400000000000000
>> y=x-9
y =
0.400000000000000
>> z=y-0.4
z =
3.330669073875470e-016
>> 3*2^-53
ans =
3.330669073875470e-016
El error en la codificacin de 3;4 era 0;2 2 49. Cuando se le resta 9 el error

sigue siendo el mismo pues la representacin de este nmero es exacta. El
nmero 0;4 tiene un error de representacin de f l.0;4/ D 0;4 C 0;1 2 52, lo
que hace que el error final sea

49
52
52 4
0;2 2
0;1 2
D 0;1 2
2
1 D 3 2 53:
52/117
Ejemplo Supongamos que se quiere operar con los nmeros x D

en una mquina con D 10 y p D 5 que usa truncamiento.
La representacin en esa mquina de esos nmeros ser
1
3
eyD
f l.x/ D 0,33333 100 y f l.y/ D 0,71428 100:

Los resultados de diversas operaciones y sus errores son:

Operacin
Resultado
xy
y x
xy
yx
0,10476 101
0,38095 100
0,23809 100
0,21428 101
Valor Real Error Absoluto Error Relativo

22=21
8=21
5=21
15=7
0,190 10
0,238 10
0,524 10
0,571 10
4
5
5
4
0,182 10
0,625 10
0,220 10
0,267 10
4
5
4
4
5
7
Como el error mximo relativo es 0;267 10 4, la aritmtica de ese ordenador

para estos clculos produce errores satisfactorios.
Usemos u D 0;714251, v D 98765;9 y w D 0;111111 10 4.
53/117
La representacin en la mquina de estos nmeros ser
f l.u/ D 0,71425 100; f l.v/ D 0,98765 105 y f l.w/ D 0,11111 10 4:

Como muestra la tabla, y u produce un error absoluto pequeo pero un

error relativo bastante grande:
Operacin
Resultado
Valor Real Error Absoluto Error Relativo
y u
0,30000 10 4 0,34714 10 4
.y u/ w 0,27000 101 0,31243 101
.y u/ v 0,29629 101 0,34285 101
uv
0,98765 105 0,98766 105
0,471 10 5
0,424
0,465
0,161 101
0,136
0,136
0,136
0,163 10
La divisin posterior por w y multiplicacin por v amplifica el error absoluto

sin modificar el error relativo.
Por el contrario, la adicin del nmero grande v y el pequeo u produce un

error absoluto grande pero no un gran error relativo.
54/117
Evaluacin de diversos errores

Un algoritmo perfectamente diseado se puede utilizar en problemas mal

condicionados, en los cuales los errores tienden a crecer de una forma
incontrolada segn se llevan a cabo operaciones aritmticas.
La condicin de un problema es directamente proporcional a la sensibilidad de

los resultados a pequeas variaciones en los datos. Si la condicin es muy
grande, deben esperarse dificultades aunque los datos iniciales sean exactos,
pues los errores numricos tendern a amplificarse.
Tambin se pueden dar algoritmos inestables, que no tienen en cuenta esas

consideraciones a escala de operaciones individuales, u otras como vemos a
continuacin.
55/117
Error de cancelacin o prdida de relevancia

que debera dar 1.
Analicemos esta operacin,
El error de cancelacin, o de prdida de relevancia o significancia, se refiere a la

prdida de dgitos que conlleva la representacin final de ciertas operaciones
resta esencialmente entre nmeros de magnitud similar, o muy grandes y
muy pequeos, que dan un resultado con un nmero de dgitos representable
muy pequeo.
>> x=1.e-15; ((1+x)-1)/x

ans =
1.110223024625157e+000
56/117
Como sabemos, para llevar a cabo sumas y multiplicaciones, los nmeros son
primeramente convertidos a un formato de exponente comn. Si el
desplazamiento que ello conlleva en uno de los dos supera los dgitos
significativos que la mquina permite, se puede perder toda la informacin de
ese nmero, o introducir nueva errnea en el resultado final.
>> format long
>> a=0.483525656234498
a =
0.483525656234498
>> b=0.483525534699123
b =
0.483525534699123
>> a-b
ans =
1.215353749861592e-007
57/117
En el ejemplo de Matlab anterior, veamos qu pasa.

>> format long
>> x=1.e-15;
>> x
x =
1.000000000000000e-015
>> 1+x
ans =
1.000000000000001e+000
>> (1+x)-1
ans =
1.110223024625157e-015
>> 1+x
ans =
1.000000000000001e+000
>> ans-1
ans =
1.110223024625157e-015
>> ans/x
ans =
1.110223024625157e+000
58/117
Ejemplo Considrese la funcin f .x/ D .1 cos x/=x 2.

Si x D 1;2 10 5, el valor de cos x, redondeado a diez5 dgitos significativos, es
c D 0;9999999999
por lo que
1
La representacin interna de 1
c D 0;0000000001:
c slo posee un dgito real.
>> vpa(1-cos(0.000012),10)
ans =
.1e-9
>> vpa(1-cos(0.000012),30)
ans =
.71999999999136000000e-10
El valor con treinta dgitos es 0,999999999928000000000863999999.
59/117
El valor de la funcin es entonces

1
c
x2
10 10
D
1;44 10
10
D 0;6944 : : :
el cual es errneo pues 0 f .x/ < 1=2 para todo x 0.

>> vpa(1-cos(0.000012),10)/vpa(0.000012^2,10)
ans =
.69444444444444444444444444444444
>> vpa(1-cos(0.000012),50)/vpa(0.000012*0.000012,50)
ans =
.49999999999400000000002880000000
>>
60/117
Para evitar el error de cancelacin de este caso, como cos x D 1

es fcil ver que

1 sen.x=2/ 2
:
f .x/ D
2
x=2

2 sen2.x=2/,
Calculando f .x/ mediante esta frmula y aproximando sen.x=2/ con 10

dgitos significativos, el resultado es f .x/ D 0;5, el cual se aproxima al
valor exacto en 10 dgitos.
>> vpa(sin(0.000012/2)^2,10)/vpa((0.000012/2)^2,10)/2
ans =
.50000000000000000000000000000000
En general, no es buena prctica dar por buenos nmeros de magnitud muy

pequea resultado de una diferencia de nmeros mucho ms grandes.
Effect of rounding error on algorithms

61/117
Example:
two en
expressions
Representacin
el entorno for
de 0the
desame function:

sin2 x 2
1 x/
cos2 x
1 sen.x=2/
.1 cos
y , g.x/ g(x)
D =
:
f .x/ fD(x) = 2
2
2
x
x
x
2
x=2
1.001
f
g
0.999
0.01
0.01
results of cos x and sin x were rounded to 10 decimal digits; other

calculations are exact
62/117
Casustica de errores en algoritmos

Truncamiento de series

Un ejemplo clsico de algoritmo numrico es el del clculo de e x . La expresin

del desarrollo en serie de e x es:
x2 x3
e D1CxC
C
C
2
3
x
Si se desea calcular e 5,5 mediante esta expresin en una mquina con D 10

y p D 5, los resultados que se obtienen son los siguientes:
e 5,5 D C1,0000 5,5000 C 15,125 27,730 C 38,129
41,942 C 38,446 30,208 C 20,768 12,692
C 6,9803 3,4902 C 1,5997
D C0,0026363:
63/117
La suma de trminos se trunca despus de 25, pues los siguientes no aportan

dgitos significativos a la precisin del resultado.
El valor real de e 5,5 es 0,00408677. Como se puede comprobar, la diferencia

con 0,0026363 es muy importante: absoluta y relativamente.
El problema con esta forma de calcular e 5,5 surge de la suma y resta de

valores relativamente prximos en magnitud, con la consiguiente prdida de
dgitos significativos por cancelacin.
Una alternativa mejor es obtener el desarrollo en serie de e 5;5 y luego calcular el
recproco. La respuesta sera:
e
5;5
1
e 5;5
1
D 0;0040865:
1 C 5;5 C 15;125 C
64/117
A continuacin se lista un programa en Matlab para el clculo de e x por

desarrollo en serie. Su objetivo es analizar los errores que se cometen y cundo
ocurren.
function ssum = expSeriesPlot(x,tol)
% Suma de n trminos de la serie exp**x
% Datos: x
= exponente del nmero e
%
tol = (opcional) tolerancia de la suma. Por defecto: tol = 5e-9
%
La suma termina cuando T_k/S_k < tol, donde T_k es el
%
trmino k-esimo y S_k la suma acumulada (con ese trmino).
if nargin < 2, tol=5e-9; end
term = 1; ssum = term; Eabs(1)=abs(ssum-exp(x)); k=1;
% Inicializar
fprintf(Aproximacin en serie de exp(%f)\n\n,x);
% Cabecera salida
fprintf( k
trmino k
suma
Error abs. serie\n);
fprintf(%3d %11.3e %11.3e %16.3e\n,1,x,ssum,Eabs(1));
while abs(term/ssum)>tol
% Bucle principal
k=k+1;
term = term*x/(k-1);
% Siguiente trmino de la serie
ssum = ssum + term;
Eabs(k) = abs(ssum-exp(x));
fprintf(%3d %11.3e %11.3e %16.3e\n,k,term,ssum,Eabs(k));
end
semilogy(1:k,Eabs,-); xlabel(Nmero de trminos); ylabel(Error absoluto);
fprintf(\nError de truncamiento despus de %d trminos: %11.3e\n\n,k,Eabs(k));
end
65/117
Los resultados numricos del clculo de e
10
se listan a continuacin.
>> expSeriesPlot(-10,5e-12)
Aproximacin en serie de exp(-10.000000)
k
1
2
3
.
.
47
48
49
50
51
52
53
trmino k
-1.000e+001
-1.000e+001
5.000e+001
suma
1.000e+000
-9.000e+000
4.100e+001
1.817e-012
-3.867e-013
8.055e-014
-1.644e-014
3.288e-015
-6.447e-016
1.240e-016
4.540e-005
4.540e-005
4.540e-005
4.540e-005
4.540e-005
4.540e-005
4.540e-005
Error abs. serie

1.000e+000
9.000e+000
4.100e+001
1.803e-013
2.063e-013
1.258e-013
1.422e-013
1.389e-013
1.396e-013
1.394e-013
Error de truncamiento despus de 53 trminos:

ans =
4.5400e-005
1.394e-013
66/117
El grfico del error absoluto respecto del nmero de trminos considerado en la

serie es el que sigue.
4
10
10
10
10
Error absoluto
10
10
10
10
10
12
10
14
10
10
20
30
Numero de terminos
40
50
60
Para k < 48 el error que se comete al evaluar la serie con la frmula lo

determina el truncamiento de la misma. A partir de k > 48 es el error de
redondeo interno el que evita que se pueda mejorar el resultado.
67/117
Este ejemplo pone de manifiesto la interdependencia entre los errores de

redondeo internos de la mquina y los errores debidos al truncamiento de series
en los algoritmos.
68/117
Solucin de una ecuacin cuadrtica

Desde el punto de vista terico, resolver la ecuacin cuadrtica

ax 2 C bx C c D 0 es un problema trivial. Desde el punto de vista numrico con
precisin finita, no tanto.
Como es sabido, si a, b y c son nmeros reales y a 0, las dos soluciones de la

ecuacin, x1 y x2, estn dadas por las expresiones
p
b C b 2 4ac
x1 D
(1)
2a
y
p
b
b 2 4ac
x2 D
:
(2)
2a
69/117
Veamos lo que ocurre al aplicar directamente estas frmulas en una mquina en

la que D 10, p D 8, L D 50 y U D 50.
Si a D 1, b D
105 y c D 1, las races autnticas de la ecuacin son

x1 D 99999;999990
y
x2 D 0;000010000000001:

Si se usan las expresiones (1) y (2) en la mquina apuntada, el resultado es

x1 D 100000;00
y
x2 D 0;0:
70/117
Al calcular x1 y x2 ha habido un error de cancelacin catastrfico, pues

f l.. 105/2
4/ D 1010:
La forma de evitarlo consiste en usar el signo de b para determinar cul de las

expresiones (1) o (2) producira menor error de cancelacin, y usarla para
calcular la raz de mayor valor absoluto, a partir de la frmula

p
2
4ac
b C signo.b/ b
:
x1 D
2a
Como ax 2 C bx C c D a.x x1/.x x2/, lo que implica que ax1x2 D c, la

otra raz se podra calcular usando la expresin
x2 D
c
:
ax1
71/117
Aplicando este criterio en el ejemplo apuntado se obtendran las races

x1 D 100000;00 y x2 D 0;00001: ambas buenas soluciones.
Mdulos interactivos en esta direccin.
72/117
Aproximacin de la derivada

De la definicin de derivada de una funcin f W R ! R en un punto x

f .x C h/
h!0
h
f 0.x/ D lKm
f .x/
se puede deducir la aproximacin por diferencias finitas

f 0.x/
f .x C h/
h
f .x/
73/117
Por el desarrollo en serie Taylor,6

f .x C h/ D f .x/ C f 0.x/h C f 00. /h2=2;
para algn 2 x; x C h. Es decir,
f 0.x/ D .f .x C h/
f .x// = h C f 00. /h=2:
Esta expresin nos dice que el error de la aproximacin por diferencias finitas,
resultado del truncamiento de esa frmula a partir del tercer trmino, estar
acotado pues por M h=2, donde M acota jf 00.t /j en un t cerca de x.
Suponiendo por otro lado que el error interno del clculo de la funcin es , el
error de redondeo interno de evaluar la derivada por la frmula de diferencias
finitas estar acotado por 2= h.
6
Formulado en 1715 por Brook Taylor, Reino Unido, 1685-1731.
74/117
El error total del clculo en la derivada est acotado en consecuencia por la

suma de los dos posibles componentes de error,
M h 2
C :
2
h
El primer trmino decrece, y el segundo se incrementa, al decrecer h
Haciendo la derivada de esta suma con respecto a h igual a cero, se obtiene que
la misma se minimiza cuando
p
h 2 =M :
75/117
Para la funcin f .x/ D sen.x/, en x D 1, tomando M D 1, el error total de la

aproximacin por diferencias finitas se representa en la figura. Su mnimo es
p
10 8 .
2
10
10
10
10
total error
6
10
error
10
10
10
12
10
14
truncation error
10
rounding error
16
10
18
10
16
10
14
10
12
10
10
10
10
step size
10
10
10
10
76/117
El error de truncamiento en la aproximacin por diferencias finitas puede

reducirse usando la frmula centrada:
f 0.x/
f .x C h/
f .x
2h
h/
En trminos generales, los errores de redondeo tienden a prevalecer en los

clculos algebraicos de los algoritmos que llegan a una solucin en un nmero
de pasos finito, mientras que los de truncamiento sobresalen en los que se
utilizan derivadas, integrales, y no linealidades en general, que suele ser el caso
de los algoritmos de procesos infinitos o cuasi infinitos.
77/117
Otra suma de infinitos sumandos

Como es sabido
1
X
kD1
2
D
D 1;64493406684822640606569166266 : : :
6
Supongamos que no se conoce el resultado o que se desea calcularlo con un

ordenador.
Parece lgico codificar un bucle en k mediante el cual se sumen los trminos de

la serie hasta que el resultado no se vea alterado por la incorporacin de nuevos
dgitos.
En un ordenador personal, utilizando precisin sencilla, el valor que se obtiene a

partir de k D 4096 es 1;64472532.
78/117
El truncamiento que llevara a cabo este algoritmo hara que el resultado slo se
aproximase al exacto en cuatro dgitos, cuando lo esperable, de acuerdo con el
sistema de numeracin de la mquina, seran 6 dgitos mnimo. Qu pasa?
La respuesta est en la forma en que se efecta la suma: primero los nmeros

mayores y despus los ms pequeos.
En efecto, para k D 4096, se lleva a cabo la siguiente operacin: s C 4096 2.

El trmino 4096 2 D 2 24 y s 1;6.
Como ya hemos visto, la precisin sencilla utiliza una mantisa de 24 bits por lo
que 4096 2, frente a s 1;6, se sale de la ventana de valores que admite la
palabra de ordenador que ha de representar el resultado. Igual ocurrira con los
trminos sucesivos.
Una forma de remediar esto consiste en acumular primero la suma de los

trminos ms pequeos y luego la de los grandes, lo que requiere anticipar
cuntos trminos se necesitan.
function Suma_de_serie_1(j)
% Se simula suma 1/k^2 con infinitos sumandos
suma=0; i=j;
while i~=0
suma=suma+1/i/i;
i=i-1;
end
fprintf( Suma = %21.17f\n,suma);
end
Si se utilizan 1010, el valor que se obtiene con este cdigo de Matlab es

>> tic, Suma_de_serie_1(10000000000), toc
Suma =
1.64493406674822640
Elapsed time is 73.001613 seconds.
>>
es decir, el exacto con 10 dgitos significativos.
79/117
80/117
Analicemos esta variante del problema.

function suma = Suma_de_serie_3(i,j)
%
suma=i*0;
for i1=i:j, suma=suma+1/i1/i1; end
end
>> i=vpa(1,30)
i =
1.0
>> tic, Suma_de_serie_3(i,200000), toc
ans =
1.6449290668607264156390818334169
Elapsed time is 282.695168 seconds.
>>
81/117
Polinomio de Wilkinson
Toma el nombre de James Hardy Wilkinson, del National Physical Laboratory,

Reino Unido, 1919-1986. Tiene esta forma
w.x/ D .x
1/.x
2/ .x
20/:
82/117
Si se expande
w.x/Dx 20 210x 19 C 20615x 18 1256850x 17 C 53327946x 16 1672280820x 15 C
C40171771630x 14 756111184500x 13 C 11310276995381x 12
135585182899530x 11 C 1307535010540395x 10 10142299865511450x 9 C
C63030812099294896x 8 311333643161390640x 7 C
C1206647803780373360x 6 3599979517947607200x 5 C
C8037811822645051776x 4 12870931245150988800x 3 C
C13803759753640704000x 2 8752948036761600000xC
C2432902008176640000:
>> n = 20;
>> syms x
>> P20 = prod(x-(1:n))
P20 =
(x - 1)*(x - 2)*(x - 3)*(x - 4)*(x - 5)*(x - 6)*(x - 7)*(x - 8)*(x - 9)*(x - 10)*(x - 11)*
(x - 12)*(x - 13)*(x - 14)*(x - 15)*(x - 16)*(x - 17)*(x - 18)*(x - 19)*(x - 20)
>> P = expand(P20)
P =
x^20 - 210*x^19 + 20615*x^18 - 1256850*x^17 + 53327946*x^16 - 1672280820*x^15 +
40171771630*x^14 - 756111184500*x^13 + 11310276995381*x^12 - 135585182899530*x^11 +
1307535010540395*x^10 - 10142299865511450*x^9 + 63030812099294896*x^8 311333643161390640*x^7 + 1206647803780373360*x^6 - 3599979517947607200*x^5 +
8037811822645051776*x^4 - 12870931245150988800*x^3 + 13803759753640704000*x^2 8752948036761600000*x + 2432902008176640000
83/117
Veamos qu pasa.
function y=wilkpoly(x)
% Evalua en x el polinomio de Wilkinson
y=x^(20)-210*x^(19)+20615*x^(18)-1256850*x^(17)...
+53327946*x^(16)-1672280820*x^(15)+40171771630*x^(14)...
-756111184500*x^(13)+11310276995381*x^(12)...
-135585182899530*x^(11)+1307535010540395*x^(10);
y=y-10142299865511450*x^9+63030812099294896*x^8;
y=y-311333643161390640*x^7+1206647803780373360*x^6;
y=y-3599979517947607200*x^5+8037811822645051776*x^4;
y=y-12870931245150988800*x^3+ 13803759753640704000*x^2;
y=y-8752948036761600000*x+2432902008176640000;
end
>> fzero(@wilkpoly,16)
ans =
16.014680305804578
%
%
>> Z = sort(solve(P))
Z =
[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20]
Sorprendente?
84/117
ndice

Normas

Vectoriales
Matriciales
85/117

Las operaciones de clculo numrico con vectores y matrices:

productos de vectores por matrices y de dos matrices,
el clculo de normas de vectores y matrices,
la evaluacin del condicionamiento de sistemas de ecuaciones lineales,
son fundamentales en los mtodos y algoritmos que estudiamos y analizamos en

este curso.
Conocer cmo se llevan a cabo en un ordenador y optimizarlas es muy til
86/117

Comencemos por y D Ax, donde A 2 R mn y x 2 R n.

Cada coeficiente del vector y se obtiene mediate esta frmula:
n
i
yi D
aij xj :
j D1
Esta operacin se puede interpretar como:

Combinar linealmente los vectores columna de A;
Una serie de productos interiores de los vectores fila de A por x.
87/117
En forma de algoritmo, esta operacin se estructurara as:

Producto y D Ax
Hacer y D 0
for i D 1 to m
for j D 1 to n
y.i / D y.i / C a.i; j /x.j /
end
end
Para ser factible, las dimensiones deben cumplir que

m n
n 1 D
m 1 :
88/117
En la zona de trabajo o pizarra de Matlab se hara as:

>> y=A*x
Programando el algoritmo anterior con las instrucciones que permite Matlab

se obtendra algo as:
[m n]=size(A);
y=zeros(m,1);
for i=1:m
for j=1:n
y(i)=y(i)+A(i,j)*x(j);
end
end
En este script (o guin) a seguir, el bucle con el ndice j materializa el

producto interior de la fila i de A por el vector x.
89/117
Tambin se podra hacer algo un poco ms sofisticado como lo que sigue.

function y = MatVecF(A,x)
[m n] = size(A);
y = zeros(m,1);
for i=1:m
y(i) = A(i,:)*x;
end
end
ste sera el algoritmo programado en su versin por filas: una sucesin de

productos interiores: los vectores fila de A, A(i,:), por el vector x.
90/117
El algoritmo por columnas materializa que la operacin Ax es equivalente a

efectuar una combinacin lineal de los vectores columna de A. Por ejemplo,
3
2 3
2
12
17C28
7
y D Ax D 43 45
D 43 7 C 4 85
8
57C68
56
2 3
2 3 2 3
1
2
23
D 7 435 C 8 445 D 4535 :
83
5
6
Codificado para Matlab:
function y = MatVecC(A,x)
[m n] = size(A);
y = zeros(m,1);
for j=1:n
y = y + A(:,j)*x(j);
end
end
91/117
La operacin Ax conlleva realizar O.mn/ multiplicaciones e igual nmero de

sumas/restas.
El que consuma ms o menos tiempo de ordenador depender de cmo se realiza

la operacin y la forma de almacenar en la memoria del ordenador la matriz A.

Si la matriz se guarda por columnas (lo habitual por defecto), la operacin

en su forma por columnas requerir menos tiempo que la versin por filas,
pues los coeficientes a los que se accede estn contiguos en la memoria y se
pueden conseguir de una sola vez: una ristra de ellos: row, o rengln.
92/117
Para realizar la operacin y T D x T A, en vez de y D Ax, los programas

anteriores se convertiran en los que siguen.
function y=VecMatF(x,A)
[m n] = size(A);
y = zeros(1,n);
for j=1:m
y = y+x(j)*A(j,:);
end
end
function y=VecMatC(x,A)
[m n] = size(A);
y = zeros(1,n);
for j=1:n
y(j) = y(j)+x*A(:,j);
end
end
93/117

Si A 2 R mr y B 2 R rn son dos matrices, su producto, C 2 R mn D AB,

se calcula mediante esta frmula:
r
i
cij D
aik bkj ;
kD1
para todo 1 i m y 1 j n. El algoritmo es el que sigue.

Producto C D AB
Hacer C D 0
for j D 1 to n
for i D 1 to m
for k D 1 to r
c.i; j / D c.i; j / C a.i; k/ b.k; j /
end
end
end
(i)
a(i)

94/117
is a row vector, b(j) is a column vector.
Cada coeficiente cij , es el resultado de un producto interior:

i
i
j
j
cij
r
a'(i )
function C = MatMatInt(A,B)
[m r] = size(A);
[r n] = size(B);
C = zeros(m,n);
for j=1:n
for i=1:m
C(i,j) = A(i,:)*B(:,j);
end
end
end
b( j )
cij
The inner product view of the matrixmatrix product is easier to

En
useMatlab:
for hand calculations.
AB = C

c(j) = Ab(j)
95/117
c(j) and
column
Ahora
bien,bcada
columna
j devectors.
la matriz C es el resultado de multiplicar la
(j) are
matriz A por el vector columna j -simo de B.
i
j
=
r
A
function C = MatMatVec(A,B)
[m r] = size(A);
[r n] = size(B);
C = zeros(m,n);
for j=1:n
C(:,j) = A*B(:,j);
end
end
b( j )
c( j )
TheMatlab:
column view of the matrixmatrix product AB = C is
En
helpful because it shows the relationship between the columns of

A and the columns of C .
Por ltimo, la matriz C tambin se puede ver como el resultado de sumar r

matrices de rango uno, cada una resultado del producto exterior de dos vectores.
96/117
Recordemos que el producto exterior de u y v es
Segn esto,
3
3
2
u1
u1 v1 u1 v2 u1 vn
6 u2 7
6 u v u v u2 vn 7
7 v1 v2 vn D 6 2: 1 2: 2 :
7
uvT D 6
:
4 :: 5
4 ::
::
: : ::: 5 :
um
um v1 um v2 um vn
2
r
i
C D AB D
A.W; k/B.k; W/:

kD1
En Matlab:
function C = MatMatExte(A,B)
[m r] = size(A);
[r n] = size(B);
C = zeros(m,n);
for k=1:r
C = C + A(:,k)*B(k,:);
end
end
97/117
Todos estos mtodos realizan O.mnr/ multiplicaciones e igual nmero de

sumas/restas.
El procedimiento ms adecuado para programarlo en ordenador depender de

cmo se almacenan en l las matrices.
El ms eficaz suele ser el que denominbamos MatMatVec. Luego lo veremos

con un ejemplo.
Frmula de Strassen para multiplicar matrices
Desarrollada en 1969 por Volker Strassen, Alemania, 1936-. Se usa para

multiplicar dos matrices A y B cuadradas de dimensin 2p .
Se basa en una reordenacin inteligente de los clculos convencionales.
Si A y B son bloques 2 2, el producto es

C11 C12
A11 A12 B11 B12
D
C21 C22
A21 A22 B21 B22

A11B11 C A12B21 A11B12 C A12B22
D
:
A21B11 C A22B21 A21B12 C A22B22
Esta operacin necesita 8 multiplicaciones y 4 sumas en su forma tradicional.
98/117
99/117
Strassen reagrupa las operaciones de tal manera que slo se necesiten 7

multiplicaciones y 18 sumas. Haciendo
P1
P2
P3
P4
P5
P6
P7
D .A11 C A22/.B11 C B22/

D .A21 C A22/B11
D A11.B12 B22/
D A22.B21 B11/
D .A11 C A12/B22
D .A21 A11/.B11 C B12/
D .A12 A22/.B21 C B22/
C11 D P 1 C P 4
C12 D P 3 C P 5
C21 D P 2 C P 4
C22 D P 1 C P 3
P5 C P7
P 2 C P 6:
y luego
100/117
Generalizando, si las 7 multiplicaciones son de matrices m m, como las

submatrices son m=2 m=2, se requieren

7 3
7 2
9 2
m multiplicaciones C
m .m 2/ C m sumas:
8
8
2

La operacin natural requerira m3 multiplicaciones y m2.m
1/ sumas.
Para un dimensin m suficientemente grande el procedimiento de Strassen

reduce las operaciones por un factor de alrededor de 7/8.
101/117
Si se aplica recursivamente la idea y se van dividiendo las submatrices en cuatro

bloques, cada unos de estos en otros cuatro y as sucesivamente, el
procedimiento mejorar sustancialmente el nmero total de operaciones que hay
que efectuar.
El orden de las matrices de menor tamao al que se puede aplicar esta idea es
nmi n D 16, pues con bloques ms reducidos el nmero de operaciones que se
realiza es mayor que el ordinario.
102/117
En Matlab, para matrices n n, con n D 2p .

function C = strass(A,B)
% Calcula C=AxB mediante la frmula de Strassen
%
A,B matrices n x n; n potencia de 2.
%
n = length(A);
if n-2^(log2(n))~=0, error(n no es pot. de 2); end
if n <= 16
C = A*B;
else
m = n/2; u = 1:m; v = m+1:n;
P1 = strass(A(u,u)+A(v,v),B(u,u)+B(v,v));
P2 = strass(A(v,u)+A(v,v),B(u,u));
P3 = strass(A(u,u),B(u,v)-B(v,v));
P4 = strass(A(v,v),B(v,u)-B(u,u));
P5 = strass(A(u,u)+A(u,v),B(v,v));
P6 = strass(A(v,u)-A(u,u),B(u,u) + B(u,v));
P7 = strass(A(u,v)-A(v,v),B(v,u)+B(v,v));
C = [P1+P4-P5+P7 P3+P5; P2+P4 P1+P3-P2+P6];
end
end
103/117
Ejemplo Para tiempos de clculo, ejecutamos el programa TiemposAxB:

>> TiemposAxB(256)
Error en Int: 7.105427e-014
Error en Exte: 1.705303e-013
Error en Vec: 1.705303e-013
Error en Strass: 7.531753e-013
Tiempos: Int: 0.374; Exte: 0.827; Vec: 0.016; Strass: 0.109; Matlab: 0.000
>> TiemposAxB(512)
>> TiemposAxB(1024)
>> TiemposAxB(2048)
>> TiemposAxB(4096)
Al doblar el tamao, los tiempos se multiplican por 23.
104/117
ndice

Normas

Vectoriales
Matriciales
105/117
Normas
Vectoriales

Si en un espacio vectorial E sobre el cuerpo K (R o C ) se define una norma

vectorial como una aplicacin k k W E ! R que verifica
1) kvk D 0 H) v D 0
2) kvk D jjkvk para
x 0 H) kxk > 0;
2 K y v 2 E;
3) ku C vk kuk C kvk 8u; v 2 E;

se dice que E es un espacio vectorial normado.
del tringulo. Es una generalizacin del hecho de que un lado de u

la suma de los otros dos: ver figura. Una variante de esta regla
es
106/117
ku
vk kuk
kvk:
La condicin ku C vk kuk C kvk se conoce como regla del tringulo.

v
uCv
u
Figura 3.1: Representacin grfica de la regla d
Es una generalizacin del hecho de que la longitud de un lado de un tringulo

espacio
Kn , para 1 p < 1, se tiene la familia
no puede ser mayor que la suma de En
lasel de
los vectorial
otros dos.

kxkp D jx1 j C C jxn j
Una variante til es esta:

ku
1=
denominadas normas p de Hlder. Casos particulares lo constitu

p D 2:
vk kuk
kvk:
kxk1 D
kxk2 D
n
X
i D1
jxi j
p
jx1 j2 C C jxn j2
En el espacio vectorial Kn, para 1 p < 1, se tiene la familia de normas

1=p
kxkp D jx1jp C C jxnjp
;
107/117
denominadas normas p de Hlder, o normas lp . Su formulacin se debe a Otto

Hlder, Alemania, 1859-1937.
Casos particulares muy utilizados corresponden a p D 1, p D 2 y p D 1:

kxk1 D
n
X
i D1
jxi j
kxk1 D mK
ax
jx j
q 1i n i
kxk2 D
jx1j2 C C jxnj2
(norma eucldea en R n)
Cumplen, cualquiera que sea x 2 Kn, que kxk1 kxk2 kxk1 nkxk1.
Si el conjunto fx 2 R 2 W kxk 1g es el crculo unidad en R 2, sus formas

2
las normas
p son
estas:unidad en
i el para
conjunto
fx 2 Rvectoriales
W kxk 1,1g2,es1la ybola
cerrada
R2, su forma para las normas vectoriales 1, 2, 1, y p son estas.

x11 D
=
kxk
x22 D
=
kxk
2
i
2

i=1
|xijx
| ij
iD1
D1
q
2 2
|x11|j22+C|xjx
2 | 2=
jx
j
q
DxT xx T x
D1
x1
max
kxk
D1i2
mKax|xjx
=
i| i j D 1
1i2
xpp D
= jx
|x11|j
kxk
D1
a
1/p
p 1=p
+C|xjx
p
< p)
< 1/
2 | 2 j , (1 ;.1
pp
28/63
108/117
109/117
En el espacio C 0; 1 de funciones continuas del intervalo 0; 1 en C , son

normas
#1=p
"Z
1
jf .t /jp dt
kf kp D
0
kf k1 D mKax jf .t /j :
t20;1
En un espacio vectorial normado se define la distancia entre dos elementos u y

v mediante
d.u; v/ D ku vk :

Esta definicin convierte a cualquier espacio vectorial normado en un

espacio mtrico.
110/117
En un espacio eucldeo n-dimensional, expresado R n o En (espacio de Hilbert

de dimensin finita), el ngulo entre dos vectores cualesquiera x e y es

T
x y
;
D arc cos
kxkkyk
donde
xT y
D
;
kxkkyk
1 1:
Si los vectores son ortogonales: x T y D 0;
Vectores alineados:
Vectores opuestos:
Si forman un ngulo agudo:
x T y > 0;
ngulo obtuso:
x T y < 0;
D =2;
x T y D kxkkyk;
xT y D
kxkkyk;
D 0.
D 0;
D ;
D1
< =2;
> 0.
> =2;
< 0.
D
1.
Normas matriciales

111/117
Se define sobre R mn como una aplicacin k k W R mn ! R que cumple:

1) kAk D 0 H) A D 0
2) kAk D jj kAk
3) kA C Bk kAk C kBk
4) kABk kAk kBk
Existen normas sobre el espacio R mn que no son normas matriciales pues no
cumplen la propiedad 4. As, si se define
kAk D mKax jaij j ;
1i;j n
h i
se satisfacen 1), 2) y 3); sin embargo, tomando A D B D 11 11 , es fcil ver

que kABk D 2 2 D 2 > kAk kBk D 1, por lo que no se cumple 4).
22
112/117
Definicin Una norma matricial k k sobre R mn se dice consistente con una
norma vectorial k k0 sobre R n cuando para cada matriz A y cada vector x se cumple que
kAxk0 kAk kxk0 :
Se demuestra que para toda norma matricial es posible construir una norma
vectorial consistente. Recprocamente, a toda norma vectorial sobre R n se le
puede asociar una norma matricial consistente.
Una norma matricial es una norma vectorial compatible con el producto.
113/117
Una norma matricial consistente con una cierta norma vectorial k k se

construye mediante la definicin
kAk D
kAxk
:
sup
kxk
0x 2Rn
Esta norma matricial se dice inducida por la norma vectorial.
La norma matricial inducida por la norma eucldea de R n es la norma

espectral, norma eucldea o norma 2:
kAk2 D
sup
0x 2Rn
x T A T Ax
xT x
1=2 q
D max .A T A/ D max .A/
donde designa un valor propio de A y un valor singular.
114/117
Las normas matriciales inducidas ms generales son

kAk1 D mKax
1j n
kAk1 D mKax
1i m
m
X
iD1
n
X
j D1
jaij j (columnas) y
jaij j (filas) :
Si k k es la norma inducida por una cierta norma vectorial y k k0 es una norma

matricial cualquiera consistente con esa norma vectorial, se cumple, para toda
matriz A, que kAk kAk0.
115/117
Un ejemplo importante de norma matricial es la norma de Frobenius, por

Ferdinand Georg Frobenius, Alemania 1849-1917.
Se define como
kAk2F
1i;j n

aij2 D traza A H A ;
donde la traza de una matriz A de orden n es

La norma de Frobenius cumple que
Pn
i D1 ai i .
kABkF kAkF kBkF :

La norma espectral y la norma de Frobenius cumplen que

kAk2 kAkF :
Ejemplo El efecto que produce aplicar la transformacin lineal basada en la

matriz

12
AD
02
al crculo unidad, con las normas k k1, k k2 y k k1 en R 2, es este.
[2, 2]T
[0, 1]T
A1 = 4
[1, 0]T
norma11
norma
[1, 0]T
A2 2,9208
norma22
norma
A = 3
norma1
norma
La aplicacin transforma el vector e 1 D 1; 0T en s mismo y

e 2 D 0; 1T en 2; 2T .
La aplicacin transforma el vector e 1 D

a
1
0
en s mismo; e 2 D
0
39/63
en
2
2
116/117
117/117
Tomando la norma 1, el vector

unitario que ms seamplifica al aplicarle la

transformacin es 01 (o 01 ), que pasa a ser 22 . Su factor de amplificacin,
en trminos de la norma 1, es 4.
Tomando la norma 2, el vector unitario que ms se amplifica es el que se

representa en la figura con una recta discontinua. El factor de amplificacin es
2;9208.
Para la norma 1, igualmente, el vector unitarioque

ms se amplifica es el que

se representa
tambin con la recta discontinua: 11 , que pasa a transformarse
3
en 2 . El factor de amplificacin correspondiente es en este caso 3 ya que

1 D1
1
1

3 D 3:
2
1

Clase Fundamentos 2017 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Clase Fundamentos 2017 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Universidad Politcnica de MadridEscuela Tcnica Superior de Ingenieros Industriales

Grado en Ingeniera en Tecnologas Industriales. Curso 2016-2017-3

Ingeniera Matemtica y sus Algoritmos

Jos Luis de la Fuente OConnor

Introduccin y conceptos bsicos

Representacin de un nmero en formato estndar IEEE

Clculo numrico con matrices

Producto de una matriz por un vector

Producto de dos matrices

En nuestro quehacer diario, consciente e inconscientemente, realizamos muchas

Como ingenieros1, en importante que conozcamos qu hacen y cmo esos

Calculemos, por ejemplo, el valor de un polinomio,

Pues somos esencialmente los que los producimos.

De acuerdo con nuestros conocimientos de este momento, la primera forma que

El nmero total de multiplicaciones que realizamos es 10; el de sumas/restas, 4.

Una segunda forma podra consistir en hacer lo siguiente

El nmero total de multiplicaciones en este caso es 3, para las potencias de 12 ,

Se puede hacer mejor an? Consideremos el polinomio reescrito as:

y evalumoslo de dentro hacia afuera

Esta forma de actuar se conoce como regla de Horner, o multiplicacin

Necesita 4 multiplicaciones y 4 sumas. Si el polinomio es de grado d , se

Lo que acabamos de exponer es el paradigma de una de las cuestiones bsicas

Los ordenadores son muy rpidos haciendo cosas muy sencillas.

La mejor forma de hacer ciertas cosas y clculos no siempre es la ms obvia.

Para terminar con estas consideraciones previas, cualquier polinomio como

Este cdigo de Matlab

Hagmoslo funcionar de varias maneras en el escritorio de Matlab:

Algunos conceptos bsicos

De Muhammad ibn Musa al-Khwarizmi, sabio persa considerado April

Philippe Toint (Namur)

La velocidad de los algoritmos para realizar operaciones numricas y sus

Para disear algoritmos y codificarlos en un lenguaje que interprete la mquina

Los ordenadores y calculadoras guardan informacin numrica y alfanumrica

En general, lo hacen empaquetndolos en grupos de bits unidad bsica,

Los ordenadores tienen varias formas estndar de representar un dato numrico:

Formato entero sin decimales (integer) o

Adems del integer y el real, se gestionan otros tipos de datos:

La representacin de un nmero entero en un ordenador en formato entero es

En formato real slo es posible representar un conjunto finito de nmeros, F , de

La ristra de dgitos d1, d2, : : :, dp se denomina mantisa.

Parmetros de los sistemas de numeracin de varias mquinas

Un sistema de numeracin se dice normalizado si el primer dgito de la mantisa

III. No se malgastan dgitos (ceros) a la izquierda del primero no

En un sistema normalizado un nmero distinto de cero f est acotado de la

El conjunto F de nmeros de una mquina representables exactamente no es

2: dos opciones de signo.

: posibles valores por cada uno de los p

1: posibles valores del dgito ms significativo de la mantisa.

L C 1 valores posibles del exponente.

Estos elementos no estn igualmente espaciados sobre la recta real sino en

Si el nmero que se quiere representar es uno de estos elementos, se guardara

Ejemplo Si se trabaja en una mquina normalizada en la que D 2, p D 2

El nmero ms grande positivo representable es

D 2 .1 C 0;5 C 0;25/ D 3;510I

el ms pequeo en valor absoluto,

La normalizacin produce un vaco de nmeros en torno al 0. La

La desnormalizacin ampla el rango de nmeros representables, aunque la

Sistema binario de numeracin

Es el sistema de numeracin universal, con el que trabajan casi todas las

En este sistema, cualquier nmero se expresa

donde cada dgito binario, o bit, es 0 1.

En el sistema decimal, de base 10, el equivalente a ese nmero cualquiera sera

El nmero 4 en base 10 sera en binario 1002 y 3=410 sera 0;112.