Departamento de Cómputo Científico y Estadística

Calculo Numérico – CO5211

Informe del Laboratorio # 1
Miguel González S.
10-10315
Se anexa junto a este documento los programas y funciones que permitieron llegar a las
siguientes conclusiones.
Pregunta 1.
Para la función 𝑠𝑒𝑛(𝑥) 𝑐𝑜𝑛 𝑥 = 1 se tiene la siguiente grafica del error:

Podemos observar en las gráficas, que la escala logarítmica es la que nos aporta mayor
información dado que nos muestra en que rango de puntos (elección del h) donde el error es
mínimo y cuando vuelve a crecer (error por división de un número muy pequeño).
El error relativo y el h mínimo donde ocurre son:
𝐸𝑟𝑟𝑜𝑟𝑠𝑖𝑛(1) = 1.009639865978956 ∗ 10−9
1
ℎ𝑚𝑖𝑛 = 27 = 7.450580596923828 ∗ 10−9
2
Para la función 𝑐𝑜𝑠(𝑥) 𝑐𝑜𝑛 𝑥 = 5 se tiene la siguiente grafica del error:

El error relativo y el h mínimo donde ocurre son:

𝐸𝑟𝑟𝑜𝑟𝑐𝑜𝑠(5) = 2.382632977498187 ∗ 10−10
1
ℎ𝑚𝑖𝑛 = 26 = 1.490116119384766 ∗ 10−8
2

Para la función 𝑒 𝑥 𝑐𝑜𝑛 𝑥 = 1 se tiene la siguiente grafica del error:

El error relativo y el h mínimo donde ocurre son:
𝐸𝑟𝑟𝑜𝑟𝑒 5 = 2.523125485976247 ∗ 10−9
1
ℎ𝑚𝑖𝑛 = 26 = 1.490116119384766 ∗ 10−8
2

Para la función 𝐿𝑜𝑔(𝑥)𝑐𝑜𝑛 𝑥 = 𝑒 , 𝑥 = 10 se tienen las siguientes gráficas del error:

Los errores relativos y los h mínimos donde ocurren son:
𝐸𝑟𝑟𝑜𝑟log(𝑒) = 4.618835531874169 ∗ 10−9
1
ℎ𝑚𝑖𝑛 = 25 = 2.980232238769531 ∗ 10−8
2

𝐸𝑟𝑟𝑜𝑟log(10) = 2.235174184628264 ∗ 10−8

1
ℎ𝑚𝑖𝑛 = 22 = 2.384185791015625 ∗ 10−7
2

1
Para la función 𝑓(𝑥) = 𝑥 𝑐𝑜𝑛 𝑥 = 5 se tienen las siguientes gráficas del error:

El error relativo y el h mínimo donde ocurre son:

𝐸𝑟𝑟𝑜𝑟 l = 9.313225537987968 ∗ 10−10
5
1
ℎ𝑚𝑖𝑛 = = 2.980232238769531 ∗ 10−8
225

En ninguno de los casos podemos decir que la expresión ℎ𝑚𝑖𝑛 ≈ √𝜀 ∗ |𝑥| ya que no son
aproximados. Pero en las funciones 𝑐𝑜𝑠(5), 𝑒 1 𝑦 𝑙𝑜𝑔(𝑒) la expresión √𝜀 es igual (en
número de máquina) a nuestro ℎ_𝑚𝑖𝑛 por lo que si se podría usar en estos casos.
 1
Se logra ver que no se necesita un número tan pequeño como 250 para logra obtener una
mejor aproximación, ya que si el número es muy pequeño obtendremos errores, también
que existen algunos casos donde podemos tomar nuestro h para calcular la derivada como
la raíz cuadrada del épsilon de la máquina.

Pregunta 2.
Gráfica de la función 𝑐𝑜𝑠(𝑥) junto con las dos aproximaciones:
Aproximaciones numéricas para 𝑐𝑜𝑠(2)
𝐸𝑟𝑟𝑜𝑟cos(2) = 1.333931832615754 ∗ 10−16 Aproximación por Taylor tradicional

𝐸𝑟𝑟𝑜𝑟cos(2) = 4.001795497847262 ∗ 10−16 Aproximación por Taylor recursiva

Aproximaciones numéricas para 𝑐𝑜𝑠(8)

𝐸𝑟𝑟𝑜𝑟cos(8) = 7.611321029109157 ∗ 10−14 Aproximación por Taylor tradicional

𝐸𝑟𝑟𝑜𝑟cos(8) = 1.426884243051040 ∗ 10−13 Aproximación por Taylor recursiva

Aproximaciones numéricas para 𝑐𝑜𝑠(16)

𝐸𝑟𝑟𝑜𝑟cos(16) = 1.271017433483726 ∗ 10−10 Aproximación por Taylor tradicional

𝐸𝑟𝑟𝑜𝑟cos(16) = 3.119328894326482 ∗ 10−11 Aproximación por Taylor recursiva

Dado que nuestro polinomio de Taylor está centrado en cero mientras mas cercano este el valor de x del
origen más preciso será nuestra aproximación. Es por esto que si x es grande es mejor usar la forma recursiva
ya que generara menos error por cancelación y redondeo.

𝑥
Modificando las funciones para aproximar mediante el cambio de 𝑐𝑜𝑠(𝑥) → 𝑐𝑜𝑠(𝑥 − ⌊ ⌋ ∗ 2𝜋) obtenemos:
2𝜋

Aproximaciones numéricas para 𝑐𝑜𝑠(2)

𝐸𝑟𝑟𝑜𝑟cos(2−⌊ 2 ⌋∗2𝜋) = 2.067773526975683 Aproximación por Taylor tradicional
2𝜋

𝐸𝑟𝑟𝑜𝑟cos(2−⌊ 2 ⌋∗2𝜋) = 2.067773525585611 Aproximación por Taylor recursiva

2𝜋

Aproximaciones numéricas para 𝑐𝑜𝑠(8)

𝐸𝑟𝑟𝑜𝑟cos(8) = 7.611321029109157 ∗ 10−14 Aproximación por Taylor tradicional

𝐸𝑟𝑟𝑜𝑟cos(8) = 1.426884243051040 ∗ 10−13 Aproximación por Taylor recursiva

Aproximaciones numéricas para 𝑐𝑜𝑠(16)

𝐸𝑟𝑟𝑜𝑟cos(16) = 1.271017433483726 ∗ 10−10 Aproximación por Taylor tradicional

𝐸𝑟𝑟𝑜𝑟cos(16) = 3.119328894326482 ∗ 10−11 Aproximación por Taylor recursiva

Observamos que salvo en cos(2), se obtienen exactamente los mismos resultados. Obtenemos una
2
discrepancia en 2 debido a que al realizar parte entera de se obtiene cero y al realizar la resta ocurre el error
2𝜋
ya que obtenemos un cociente que nos da un valor que no debería. Dado que uno de los resultados empeora y
los otros quedan igual podemos decir que hacer este cambio empeora los resultados.