UNIVERSIDAD DEL VALLE

Facultad de Ingeniería

Escuela de Ingeniería de Sistemas y Computación

Programa: Ingeniería de Sistemas y Computación - 3743

Taller 2 Análisis y Métodos Numéricos

Autores:
Cortés Cortés David Santiago - 1745133
Orozco Hurtado Alejandro - 1744439
Edwin Alfonso Montero - 1044668

Profesora:
Maria Patricia Trujillo Uribe

Noviembre de 2019
Preguntas
Problems 2.1:

1, 2, 3, 8, 10, 11, 21, 22

Problems 2.2:

1, 2, 3, 4, 8, 15, 16

Computer Problems 2.2:

1, 3, 5, 6

Problems 2.3:

4, 5

Respuestas

2.1 Punto flotante y errores de redondeo.

2.1.1 La unidad de redondeo para el marc-32 en el caso de truncamiento se

establece, según la fórmula 3 introducida en el libro página 39, se establece así:
|𝑥 − 𝑥̂| < 10 −𝑛

̂ <2
para base 10, para base 2: |𝑥 − 𝑥| −𝑛

Siendo n la posición desde donde se trunca el número decimal, es decir se

descartan todos los números de la posición 𝑛 + 1 en adelante, por lo tanto, para el
marc-32

̂ <2
|𝑥 − 𝑥| −23

ya que el marc-32 utiliza 23 bits para la mantisa. Por último la unidad de error es
entonces 2 −23 .

𝑚
2.1.2. Siendo (1. 𝑎1 𝑎2 . . . 𝑎23 )𝑥2 el número binario normalizado de 1/10

Su representación binaria es: 𝑥 = (0.0001100110011. . . )2

Siendo 𝑥− el número truncado a 24 bits después del punto decimal y 𝑥+ el número
redondeado una unidad hacia arriba:

𝑥− = (0.000110011001100110011001)2
𝑥+ = (0.000110011001100110011010)2
Cada uno con 24 bits después del punto fraccionario. Para determinar cuál de los
dos está más cerca al valor real de 1/10se restan de la siguiente forma:
 −24 1 −24
𝑥 − 𝑥− = (0.00011. . . ) ∗ 2 = 10 ∗ 2
1 −24
9 −24
𝑥+ − 𝑥 = (1 − )∗2 = ∗2
10 10

Por tanto 𝑥− es el número más cercano a 𝑥, 𝑓𝑙(𝑥) = 𝑥−

Luego el error absoluto es:
1 −24
|𝑓𝑙(𝑥) − 𝑥|=10 ∗ 2
Error relativo:
−24
|𝑓𝑙(𝑥) − 𝑥| / |𝑥| = 2

2.1.3.
a.Siendo (1. 𝑎1 𝑎2 𝑎3 . . . 𝑎24 ) × 2 𝑚 el número ⅗ en su representación binaria
redondeada, ¿Cuál es el error relativo de redondeo?

Primero convertiremos 3/5 a binario, como es decimal agregamos un cero y un

punto primero:

3/5 = 0.6

0.6 * 2 = 1.2 ➝1

0.2 * 2 = 0.4 ➝0

0.4 * 2 = 0.8 ➝0

0.8 * 2 = 1.6 ➝1

0.6 * 2 = 1.2 ➝1

Vemos que el patrón se repetirá infinitamente, entonces tenemos:

x = (3/5)10 = (0.100110011001100110011001…..)2

Obteniendo x- por chopping y x+ por rounding up (El problema indica que solo se
tiene 24 bits después del punto):

x- = (0.100110011001100110011001)2
x+ = (0.100110011001100110011010)2

Para determinar cuál está más cercano a x para decidir cual debemos tomar como
fl(x), hacemos:

x - x- = (0.1001….)2 * 2-24 = 3/5 * 2-24

x+ - x = (x+ - x- ) - (x - x- ) = 2-24 - 3/5 * 2-24 = 2/5 * 2-24

Haciendo la comparación nos damos cuenta que el valor más cercano a x entre x+ y
x- es x+ por lo cual hacemos fl(x) = x+

El error de redondeo relativo es:

|fl(x) - x| / |x| = |2/5 * 2-24| / 3/5 = 1/3 * 2-23

b. responda a para el número 2/7

Ya que 2/7 es un número decimal periódico infinito, para realizar la conversión de

real a binario normalizado single-precision se utilizó la representación
0.285714285714285714 del mismo para calcular su representación en número
binario:

0.285714285714285714*2=0.5714285714…
0.5714285714*2=1.14285714286
0.14285714286*2=0.28571428571
...
De tal forma:
(2/7)10 = (0.0100100100100100100100100. . . )2

Lo anterior se puede verificar con la siguiente función en Python:

Donde los 8 bits después del primer bit hacen referencia el exponente del número
(01111101)2 = (125)10 luego 𝑒 − 127 = 125 − 127 = 2
𝑥− = 0.010010010010010010010010 = (1.00100100100100100100100) × 2 −2
𝑥+ = 0.010010010010010010010011 = (1.00100100100100100100110) × 2 −2

Para determinar cuál de los dos números se encuentra más cercano a 2/7 hacemos
lo mismo del literal anterior.

−24 −24
𝑥 − 𝑥− = (0.0111110. . . )2 × 2 = (2/7) × 2
 −24 −24
𝑥+ − 𝑥 = (1 − 2/3) × 2 = (1/3) × 2

Se puede observar que 𝑥− es el número más próximo al valor real de 2/7. Hacemos
𝑓𝑙(𝑥) = 𝑥−

El error relativo del cálculo es:

−24
|𝑓𝑙(𝑥) − 𝑥| / |𝑥| = (14/14) ∗ 2 =2-24

2.1.8. Does each machine number in the Marc-32 have a unique normalized
representation?

Ya que el marc-32 sigue las directrices del IEEE-754 para una palabra de 32 bits
con precisión simple y asumiendo que no se hacen redondeos i.e ningún número
excede seis puestos decimales, entonces hay:
2 1 distintas opciones para el signo del número (0 ó 1)
2 8 distintas combinaciones para el exponente del número
2 23 combinaciones posibles para la mantisa del número.

Es decir habrían alrededor de 2 1 ∗ 2 8 ∗ 2 23

=2 32
distintas combinaciones
posibles, i.e: 2 32 representaciones únicas.

Sin embargo como se expresa en el libro, un número que se salga del rango del
Marc-32 será redondeado hacia arriba o truncado a partir del bit 24, lo que podría
ocasionar que dos números reales distintos tengan la misma representación
normalizada en el Marc-32.

2.1.10. Dado 𝑥 = 2 3 + 2 −19 + 2 −22encontrar 𝑥− y 𝑥+ Determinar los errores

absoluto y relativo y verificar que este último no excede 2 −24
Almacenar 𝑥requiere una mantisa de 21 bits, dado que se asume que el bit más
significativo es 1 y no requiere almacenamiento. ..

x = 2^(3) + 2^(-19)+2^(-22)=(1000.0011011011….0000)₂

Tomando la derecha
x’=(1000.0011011011….0000)₂
x-x’=8.00000214577 x 2^(-24)
Tomando la Izquierda
x’’ = (1000.00110110...0001)₂
x-x’=(x’’-x’)-(x-x’)
x-x’’=2^(-24) - 8.00000214577 x 2^(-24) = 7.00000214577 x 2^(-24)
Redondeo = 7.00000214577 x 2^(-24)
Error Absoluto
| A(x)-x / |x|| = 7.00000214577 x 2^(-24) / 8.00000214577 x 2^(-24) =
0.8750000x2^(-24) como q < 1 —> 0.8750000x2^(-24)<2^(-24)

2.1.11. Encontrar el número de máquina más cercano por la derecha a 1/9 en

una computadora que utiliza 43 bits para la mantisa.

1/9 = (0.111)10
Asumiendo que tenemos una máquina hipotética con una palabra de 52 bits (43 bits
para la mantisa, 8 para el exponente y un bit para el signo del número) .
Para calcular su representación binaria hacemos:
0. 1 ∗ 2 = 0. 2
0. 2 ∗ 2 = 0. 4
0. 4 ∗ 2 = 0. 8
0. 8 ∗ 2 = 1. 7
0. 7 ∗ 2 = 1. 5
0. 5 ∗ 2 = 1. 1
0. 1 ∗ 2 = 0. 2
0. 2 ∗ 2 = 0. 4
𝑥 = (0.00111000111000111. . . ) = (1.11000111000. . . ) × 2 −3
Las representaciones en número máquina con 43 bits después del punto decimal
serían entonces:

𝑥− = (0.001110001110001110. . .111)
𝑥+ = (0.001110001110001110. . .1000)

2.1.21 ℎ𝑖𝑝1: 𝑓𝑙(𝑥 ⊙ 𝑦) ≠ 𝑓𝑙(𝑓𝑙(𝑥) ⊙ 𝑓𝑙(𝑦)),⊙ = ∗, +, −,÷

Haciendo uso de una máquina decimal hipotética que hace sus cálculos con
números de hasta cinco dígitos:
Ejemplo 1:
Podemos utilizar los siguientes números reales en base 10
𝑥 = 0.37214 78693 → 𝑓𝑙(𝑥) = 0.37215
𝑦 = 0.37202 30572 → 𝑓𝑙(𝑦) = 0.37202
𝑥 − 𝑦 = 0.00012 48121
𝑓𝑙(𝑥) − 𝑓𝑙(𝑦) = 0.00013
 Luego
𝑓𝑙(𝑥 − 𝑦) = 0.00012 y por último
𝑓𝑙(𝑓𝑙(𝑥) − 𝑓𝑙(𝑦)) = 0.00013

𝑓𝑙(𝑥 − 𝑦) ≠ 𝑓𝑙( 𝑓𝑙(𝑥) − 𝑓𝑙(𝑦) )

De tal forma que ℎ𝑖𝑝1es verdadera para este ejemplo.

Ejemplo 2:
Utilizando los siguientes números reales en base 10.
𝑥 = 54382. 73285
𝑦 = 98593. 43284
De tal manera que:
𝑓𝑙(𝑥) = 54383 y 𝑓𝑙(𝑦) = 98593
Entonces hacemos las siguientes operaciones:
𝑥/𝑦 = 0.55159 58952, 𝑓𝑙(𝑥/𝑦) = 0.55160
Por otra parte:
𝑓𝑙(𝑥) / 𝑓𝑙(𝑦) = 0.55159 08837
𝑓𝑙( 𝑓𝑙(𝑥) / 𝑓𝑙(𝑦)) = 0.55159

𝑓𝑙(𝑥 / 𝑦) ≠ 𝑓𝑙( 𝑓𝑙(𝑥) / 𝑓𝑙(𝑦) )

Nuevamente ℎ𝑖𝑝1es verdadera para este caso en particular.
Ejemplo 3:
𝑥 = 0.16524 24582, 𝑦 = 0.16588 14982
𝑥 − 𝑦 = −0.00063904 = −0.63904 × 10 −3
𝑓𝑙(𝑥 − 𝑦) = −0.63904 × 10 −3
Luego:
𝑓𝑙(𝑥) = 0.16524, 𝑓𝑙(𝑦) = 0.16588
𝑓𝑙( 𝑓𝑙(𝑥) − 𝑓𝑙(𝑦) ) = −0.00064 = −0.64 × 10 −3

𝑓𝑙(𝑥 − 𝑦) ≠ 𝑓𝑙( 𝑓𝑙(𝑥) − 𝑓𝑙(𝑦) )

Por lo general la hipótesis se cumple si ambos números 𝑥e 𝑦 están o muy lejos el

uno del otro o muy cerca, dependiendo del tipo de operación. De lo que se pudo
observar, en el caso de ser una resta, hay considerable pérdida de significancia si
𝑥 ≈ 𝑦, para la división si ambos números se encuentran lo suficientemente alejados.

2.1.22
2.2.1 Usando el término de error en el Teorema de Taylor, demuestre que se
requieren al menos siete turnos en la serie del Ejemplo 2 para que el error no
exceda 10-9

Resolviendo la serie de Taylor para la función del ejemplo 2(f(x) = x - sin x para |x| ≤
1.9) en 0 tenemos:

y = x - sin x = x - (x - x3/3! + x5/5! - x7/7! + ...) = x3/3! - x5/5! + x7/7! - …

= x3/3! - x5/5! + x7/7! - ….. ± x2n+1 / (2n + 1)! ∓ Rn(x)

Resolviendo Rn(x) tenemos que:

Rn(x) = (x2n+3 / (2n + 3)!)[(sin t)(2n + 3)]t=੬

Como |(sin t)(2n + 3)| ≤ 1 entonces:

|Rn(x)| ≤ x2n+3 / (2n + 3)!

Y para x=1.9

|Rn(x)| ≤ 1.92n+3 / (2n + 3)!

Pasamos a demostrar hace n=8

n=1 Error=2.06342 * 10-1

n=2 Error=1.77356 * 10-2

n=3 Error=8.89241 * 10-4

n=4 Error=2.91833 * 10-5

n=5 Error=6.75331 * 10-7

n=6 Error=1.16093 * 10-8

n=7 Error=1.54079 * 10-10

n=8 Error=1.62639 * 10-12

Podemos ver que la primeras vez que cae bajo 10-9 es cuando n=7
2.2.2

Dado que se necesita evaluar la función 𝑦 = 𝑥 − 𝑠𝑖𝑛(𝑥)en 𝑥 = 1/2se hace entonces:

𝑥 = 0.5
𝑠𝑖𝑛(𝑥) = 0.47942 55386 = 0.47943
𝑥 − 𝑠𝑖𝑛(𝑥) = 0.02057
En el cálculo se pierde un bit de significancia.

2.2.3 ¿Cuántos Bits de precisión se pierden en la resta (1-cos x) cuando x=¼ ?

Hacemos x=1, y= cos (1/4) → 1-(y/x)≈ 0.031, 2𝑏 =0.031, b= (ln(0.031)/ln(2))=-5.001
2^(6) ≤1-(y/x) ≈2^(-5.001)≤2^(-5)
por el teorema 1 de pérdida de precisión donde q=6 y p=5
como máximo se pierden 6 y al menos 5 bits significativos

2.2.4 (Continuación) Para la función del problema anterior, encuentre una serie
de Taylor adecuada que pueda calcularse con precisión.

Como ya sabemos la serie de Taylor de cos x, podemos reemplazar:

y = 1 - cos x = 1 - (1 - x2/2! + x4/4! - x6/6! + ...) = x2/2! - x4/4! + x6/6! - …

Si x está cerca a 0, podemos usar una función truncada:

y ← (x2/2)*(1 - (x2/12)*(1 - (x2/30)*(1 - x2/56)))

2.2.8 Hay una pérdida de significancia al resolver una ecuación por medio de
la fórmula cuadrática √𝑏 2 − 4𝑎𝑐 cuando 4𝑎𝑐 es pequeño en relación a
𝑏 2 , 4𝑎𝑐 ≈ |𝑏| .
Para resolver este problema se puede multiplicar la ecuación por el conjugado de la
raíz, el cual sería:
−𝑏 ∓ √𝑏 2 − 4𝑎𝑐
Para obtener la nueva fórmula:
2𝑐 / (−𝑏 ∓ √𝑏 2 − 4𝑎𝑐) , 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝐶𝑖𝑡𝑎𝑟𝑑𝑎𝑢𝑞
 Sin embargo, en la anterior expresión sigue existiendo una resta de dos cantidades
que pueden ser casi iguales. En efecto para valores en que 4𝑎𝑐 ≈ |𝑏|la fórmula de
Citardauq calcula correctamente la raíz, para otros casos funciona mejor la fórmula
cuadrática.

Un segundo método podría ser calcular una de las raíces con alta precisión,
nombrandola 𝑥1 y calcular la segunda teniendo en cuenta que el producto de las
raíces de 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 = 0 es 𝑐/𝑎, es decir 𝑥1 𝑥2 = 𝑐/𝑎 ≡ 𝑥2 = (𝑐/𝑎) ∗ 𝑥 −1
2.2.15 Considere la función f(x)=𝑥 − 1 (1-cos(x))
a. para que f sea continua en x=0 se debe cumplir que 𝑙𝑖𝑚 f(x) = f(x) 𝑙𝑖𝑚 𝑥 − 1 (1-
𝑥→0 𝑥→0
cos(x)) =0, para una definición correcta es x=0 tal que f(x)=0
b. ¿Cerca de qué puntos hay una pérdida de importancia si se usa la fórmula
dada? cerca del 0 porque para la resta 1- cosx son cantidades muy pequeñas
de diferencia.
c. ¿Cómo podemos sortear la dificultad en la parte b? Encuentre un método que
no use la serie Taylor.
se puede transformarla en:
1−𝑐𝑜𝑠𝑥 1−𝑐𝑜𝑠𝑥 1+𝑐𝑜𝑠𝑥 1−𝑐𝑜𝑠 ² 𝑥 𝑠𝑒𝑛²𝑥
= = =
𝑥 𝑥 1+𝑐𝑜𝑠𝑥 𝑥(1+𝑐𝑜𝑠𝑥) 1+𝑐𝑜𝑠𝑥
d. Si la nueva fórmula que proporcionó en parte с involucra la cancelación
sustractiva en algún otro punto, describa cómo evitar esa dificultad.
Se puede restringir los dominios de las funciones
𝑠𝑒𝑛²𝑥 𝜋 𝜋
para R𝜖 (-2<x<2) cancela valores de x cercanos a 𝜋
1+𝑐𝑜𝑠𝑥
𝜋 𝜋
para 𝑥 − 1 (1-cos(x) )en R𝜖 (2<x<3 2 ) cos(x ) No se aproxima a 1.

2.2.16 Sea f (x) = -е-2х + ех . cual de estas fórmulas х, Зх, Зх(1 - х/2), 2 - Зх, o
ех(1 - е -3х ) para f es más preciso para valores pequeños de х?

El mas preciso seria ех(1 - е -3х ), ya que si realizamos la multiplicación nos da:
ех -е-2х que es la misma f(x)
También lo podemos comprobar computando:
Computer Problems 2.2.1

Código fuente -> https://pastebin.com/ZAXNA5uS

Ejecución
Los resultados producidos por 𝑔(𝑥)son más confiables, ya que aunque
matemáticamente ambas funciones son equivalentes, desde el punto de vista del
análisis numérico𝑓(𝑥)presenta problemas cuando se escogen valores de x muy
pequeños. Esto se debe a que ambos términos que la conforman √𝑥 2 + 1 y 1
cada vez se acercan más el uno del otro y el resultado de la función tiende entonces
a cero. Lo que en efecto se evidenció en la ejecución del programa para
escogencias de 𝑥 menores o iguales a 8 −11. 𝑔(𝑥)mitiga este efecto eliminando la
sustracción al multiplicar por el conjugado.

2.2.33. Using your computer, print the values of the functions f(x) = х8 - 8х7 +
28.х6 - 56х5 + 70х4 - 56х3 + 28х2 - Sx + 1 g(x) = (((((((х - 8)х + 28)х -56)х + 70)х -
56)х + 28)х -8)х + 1 h(x) = (х - 1 )8 at 101 equally spaced points covering the
interval [0.99, 1.01]. Calculate each function in а straightforward way without
rearranging or factoring. Observe that the three functions are identical.
Account for the fact that the printed values are not all positive as they should
Ье. If а plotter is availaЬ!e, plot these functions near 1.0 using а magnified
scale for the function values to see the variations involved. (See Rice [1992, р.
43 1.)
Computer Problems 2.2.5 Escribe y prueba un subprograma para f (x) = х-2(1 -
cos x) . Evita loss of significance en resta para todo x y encargate del
problema en x=0.

Para evitar loss of significance por resta, convertiremos f(x) en una serie de Taylor,
entonces f(x) quedará como:

........

Computer Problems 2.2.6

Código fuente -> https://pastebin.com/YDn0TVVK

Código fuente usando la función sort() https://pastebin.com/C8V5vxpq

Código fuente usando las funciones inner_product() y reverse()

https://pastebin.com/k5iKbbR5
No hubo diferencia cuando se usó el ordenamiento de c++ o el propio y hubo una
ligera diferencia en los cálculos de precisión simple cuando se usó
inner_product() que calcula el producto punto de un vector, sin embargo para los
cálculos en doble precisión no hubo diferencia. Valor correcto: 1.006571 × 10 −9 La
razón de los resultados negativos para los procedimientos con precisión simple
probablemente se deben a que los números que conforman cada vector no pueden
ser representados precisamente en c++ con el tipo de dato float. Por otra parte el
resultado más cercano fue el calculado con doble precisión recorriendo ambos
arreglos desde la posición inicial a la final.

Computer Problems 2.2.8

a.𝑥 = 55 05001, 𝑦 = 294911
𝑥/𝑦 (𝑒𝑛 𝑒𝑙 𝑝𝑒𝑛𝑡𝑖𝑢𝑚 𝐼) = 18.66600 09290 9
𝑥/𝑦 (𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙) = 18.66665 09290 9

Error absoluto:
|18.66665 09290 9 − 18.66600 09290 9| = 0.00065 10438 78

Asumiendo 5 puestos decimales para el chip del procesador:

𝑓𝑙(𝑥/𝑦) = 18.66600

Error relativo:
−5
(|18.66665 09290 9 − 18.66600|) / 18.66665 09290 9 = 0.34871 × 10

b.𝑥 = 4.99999 9, 𝑦 = 14.99999 9

𝑥/𝑦 (𝑒𝑛 𝑒𝑙 𝑝𝑒𝑛𝑡𝑖𝑢𝑚 𝐼) = 0.33332 9
𝑥/𝑦 (𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙) = 0.33333 32889

Error absoluto:
−5
|0.33333 32889 − 0.33332 9| = 0.42888 × 10

Asumiendo 5 puestos decimales para el chip del procesador:

𝑓𝑙(𝑥/𝑦) = 0.33333
 Error relativo:
−5
(|0.3333332889 − 0.33333|) / 0.3333332889 = 0.3 × 10

c. 𝑥 = 41 95835, 𝑦 = 31 45727
𝑥/𝑦 (𝑒𝑛 𝑒𝑙 𝑝𝑒𝑛𝑡𝑖𝑢𝑚 𝐼) = 1.33382
𝑥/𝑦 (𝑣𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙) = 1.33382 04491

Error absoluto:
|1.33382 − 1.3338204491| = 0.4491 × 10 −6
Error relativo:
𝑓𝑙(𝑥/𝑦) = 1.33382
−6
1.3338204491 − 𝑓𝑙(𝑥/𝑦) / 1.3338204491 = 0.36701 × 10

2.3.4. El número de condición de la función f = 𝑥 𝑎 es independiente de x ¿Cuál es

número de la condición?
𝑥𝑓′(𝑥) 𝑥 𝑎 𝑥 𝑎−1
usamos entonces =a
𝑓(𝑥) 𝑥 𝑎

2.3.5.¿Cuáles son los condition number de las siguientes funciones? ¿Dónde

son grandes?

Usaremos la siguiente fórmula para hallar el condition number k(x):

a. (x - 1)α

Condition number:

|x*(α*(x - 1)α-1) / (x - 1)α| ➝k(x) =|(α*x) / (x - 1)|

Donde es grande(mal condicionado):

En x➝∞, k(x) ➝1 así que está bien condicionado cuando x➝∞

En x➝1, k(x) ➝∞ así que está mal condicionado cuando x➝1

b. ln x
 Condition number:

|(x/x*ln x| ➝ k(x) =1 / |ln x|

Donde es grande(mal condicionado):

En x➝∞, k(x) ➝0 así que está bien condicionado cuando x➝ ∞

En x➝1, k(x) ➝∞ así que está mal condicionado cuando x➝1

c. sin x

Condition number:

|(x*cosx)/senx| ➝ k(x) =|x*cot x|

Donde es grande(mal condicionado):

En x➝0, k(x) ➝0 así que está bien condicionado cuando x➝0

En x➝2π, k(x) ➝∞(o diverge) así que está mal condicionado cuando x➝2π

d. ex

Condition number:

|(x*ex)/ex| ➝k(x) =|x|

Donde es grande(mal condicionado):

En x➝0, k(x) ➝0 así que está bien condicionado cuando x➝0

En x➝∞, k(x) ➝∞ así que está mal condicionado cuando x➝∞

e. x-1ex

Condition number:

|x*((ex/x) - (ex/x2))*(x/ex)| ➝k(x) =|x - 1|

Donde es grande(mal condicionado):

En x➝1, k(x) ➝0 así que está bien condicionado cuando x➝0

En x➝∞, k(x) ➝∞ así que está mal condicionado cuando x➝∞

f. cos-1 x

Condition number:
|(x)/-(√(1-x2) * arccos x)| ➝ k(x) =|x| / √(1-x2) * arccos x

Donde es grande(mal condicionado):

En x➝0, k(x) ➝0 así que está bien condicionado cuando x➝0

En x➝1, k(x) ➝∞(o diverge) así que está mal condicionado cuando x➝1