1

UNIDAD 1. REPRESENTACIN DE DATOS EXPERIMENTALES

1



Importancia de la representacin grfica

La presentacin y anlisis de los resultados experimentales debe considerarse como
parte integral de los experimentos. Es realmente til que los datos obtenidos se
presenten en un grfico, donde quede concentrada la informacin para su apreciacin y
anlisis. En la mayora de los casos un grfico es ms til que una tabla de valores,
especialmente en los casos en que:

Los experimentos se llevan a cabo midiendo una variable Y en funcin de otra X
que se vara independientemente y se quiere interpretar o determinar la
relacin funcional entre ellas. Por ejemplo: medicin del perodo de un pndulo
en funcin de su longitud; medicin de la cada de potencial en un alambre en
funcin de la corriente aplicada; etc.

Interesa estudiar si dos variables mantienen una correlacin (causal o no) y cul
es el grado de vinculacin o grado de independencia. Por ejemplo: estudio de la
relacin entre el peso y la altura de personas; relacin de consumo de gas
natural y la temperatura; relacin entre la velocidad mxima que alcanza un
velero y su extensin desde proa a popa; etc.

Se trata de que la informacin que se quiere representar quede expuesta de una
manera lo suficientemente clara y explcita como para que la representacin grfica
hable por s sola. Lo importante es que un grfico debe servir para un posterior
tratamiento de los datos, que lleve a inferir las leyes subyacentes en ellos y ahondar
as en las posibles implicaciones y generalizaciones de los resultados obtenidos en los
experimentos.

O bien, en casi todas las reas se tiene que con frecuencia los datos de una
experiencia se presentan en una tabla de valores.
A cada valor de x (variable independiente) le corresponde un valor y (variable
dependiente), entendiendo por variable independiente a la que se le atribuye un valor
arbitrario y por variable dependiente a aquella cuyo valor depende de la
independiente, los valores x e y de la tabla se pueden representar en un GRAFICO el
cual permitir de una forma visual estudiar una relacin funcional (ecuacin)para las
variables que se estn usando.

1
Material preparado por Ing Helena Ospino para el curso de Calculo Numrico de Ingeniera de Sistema de
la UNEFA Mrida.
2


INSTRUCCIONES PARA LA CONFECCION DE UN GRAFICO

Todo grfico debe llevar un ttulo que indique el fenmeno que representa para
que sirva de gua a quien haga uso de l.
Se debe elegir un sistema de coordenadas adecuado, a menudo se usa el sistema
de coordenadas ortogonal.
Sobre los ejes se indican las magnitudes fsicas que ellos representan con sus
respectivas unidades. Se debe usar las escalas adecuadas para representar las
medidas.
Generalmente en el eje de las abscisas se representa la variable independiente y
en el eje de las ordenadas la variable dependiente.
Para la confeccin del grfico puede usarse papel milimetrado, logartmico o
semi-logartmico dependiendo de las relaciones entre las variables.
Al seleccionar la escala en la representacin grfica se recomienda:
Que los puntos no queden muy juntos y esto se logra ampliando la o
las escalas.
No deben unirse los puntos experimentales por medio de segmentos
rectos como lo muestra el grfico N1, sino que debe construirse
mediante una curva suave y continua o si as se vislumbra puede ser
una lnea recta como lo muestra el grfico N2 (ambos grficos
estn incompletos).



3
Un grfico debe construirse sobre la base de una eleccin adecuada tanto de las
variables como de las escalas de los ejes. Dado que los experimentos estn pensados
para estudiar metodolgicamente numerosos problemas de las ciencias, en este
captulo daremos las bases que nos ayuden a efectuar una adecuada representacin
grfica de datos experimentales y presentan algunos mtodos numricos de utilidad
para el tratamiento general de los datos.

Eleccin de las variables

De una manera muy general, cuando estudiamos la fenomenologa de un sistema
cualquiera, tratamos de obtener las variaciones o respuestas del sistema ante ciertas
perturbaciones que podemos aplicarle de manera controlada. La Fig. 1 representa
esquemticamente un sistema bajo estudio.


Figura 1 Representacin de un sistema al que se estudia las respuestas Yi cuando se
vara el conjunto de variables Xi.


Hemos llamado Xi a las "variables de entrada o independientes", o sea aquellas que
podemos controlar y variar. Ante los cambios de Xi, el sistema revela sus
caractersticas o comportamientos a travs de los cambios que sufren las variables Yi,
que pueden llamarse las "variables de salida o dependientes". Si deseamos estudiar un
sistema, es conveniente, siempre que sea posible, aislar lo ms posible las variables en
estudio.

Para ello es conveniente disear el experimento de modo tal que solo un parmetro
relevante vare por vez, manteniendo los restantes parmetros constantes. De este
modo podremos concentrarnos en la respuesta de una de las variables de salida ante
las variaciones de solamente una de las variables de entrada. Siempre que esto sea
posible, esto es muy conveniente para simplificar el anlisis.

Afortunadamente esta es una situacin muy comn en los experimentos, aunque no
siempre posible. En sistemas de mayor complejidad, en los que no podemos aislar los
parmetros que varan de a uno
por vez, el tipo de anlisis que mostraremos puede generalizarse para tratar esos
casos.
4

RELACION ENTRE LAS MAGNITUDES MEDIDAS:

Uno de los principales objetivos de representar grficamente el comportamiento de
magnitudes medidas en forma experimental es encontrar un MODELO LINEAL (
ecuacin de una recta) que permita determinar los parmetros caractersticos del
sistema o mecanismo en estudio.

Si la relacin funcional o dependencia entre ambas magnitudes fsicas NO ES
LINEAL, se debe estudiar y aplicar un cambio de variables apropiado que permita
encontrar una relacin funcional entre tales magnitudes, de tal forma de obtener un
modelo lineal representativo.

RELACION FUNCIONAL LINEAL

Cuando la relacin funcional entre dos variables medidas experimentalmente tiende a
ser una lnea recta, generalizamos diciendo que nuestro grfico es una lnea recta y en
consecuencia le podemos asociar una expresin del tipo:
y(x) = m x +b

donde m es la pendiente de la recta y b es el coeficiente de posicin o corte con el eje
de las ordenadas. Para determinar el valor de estos parmetros, se pueden aplicar los
siguientes mtodos:

Mtodo grafico
Mtodo de promedios
Mtodo de mnimos cuadrados.

MTODO GRAFICO:

Tomamos dos puntos de fcil lectura de la recta trazada (t1,x1), (t2,x2) y calculemos
su pendiente m. Para el valor de b leemos donde la recta trazada corta al eje de las
abscisas (se despeja b de la ecuacin de la recta).

Ejemplo:
Se tiene un bloque que desliza por una superficie horizontal prcticamente sin roce.
Mediante un programa computacional se obtiene la siguiente informacin, donde x (t)
indica la posicin y el tiempo transcurrido.

5
Se desea encontrar la relacin funcional que liga a las variables, es decir al
desplazamiento con el tiempo, esto implica conocer la ecuacin itinerario del mvil que
ha ocupado las siguientes posiciones en funcin del tiempo:

Para ello se han ubicado los puntos en el plano y se ha dibujado con una regla la mejor
recta estimada en el grfico.




As resulta b =3,6 (cm), de manera que la relacin funcional es:


Desde el punto de vista fsico la ecuacin anterior corresponde a la ecuacin itinerario de un
mvil, que entrega la posicin en funcin del tiempo. Aqu la pendiente m=7,4 corresponde a
la velocidad (componente) con la que se desplaza el mvil y nos dice que en t=0 el mvil
estaba en la posicin x= 3,6 m del origen del sistema hacia la derecha.


MTODO DE PROMEDIOS:

Entrega mejor resultado que el mtodo grfico, cuando se dispone de 6 o ms puntos de
moderada precisin. Este mtodo se basa en la suposicin de que la suma de los residuos (r)
es igual a cero:
r = 0
Se entiende por residuo la diferencia entre el valor experimental de y y el valor dado por la
expresin (mx + b):
r = y - (mx + b)
Para calcular m y b, se necesitan dos ecuaciones. Por lo tanto, para utilizar todas las medidas,
se dividen las n ecuaciones en dos grupos:

6
Del Grupo I, se obtiene una nueva ecuacin (1) y del grupo II se obtiene otra ecuacin
(2). Con (1) y (2), se forma un sistema que permite determinar m y b.

EJEMPLO:
1.- En el problema planteado y de la tabla de valores se tomaron los cuatro primeros y
los cinco ltimos para formar los dos grupos de manera que resulta un sistema de dos
ecuaciones
19,7 = 2,2m + b
45,7 = 5,7m + b

y de all se obtiene la relacin lineal: x (t) = 3,4 + 7,4t (cm)
y la sumatoria de los residuos es r=3

2.- Consideremos los siguientes datos obtenidos en un experimeto


Asi por el mtodo de promedios tenemos que la ecuacin de la recta es


puntos promedios
P1(x1,y1) P2(x2,y2) ecuaciones valores de pendiente y b
0.305675 1.21772 0.057=0.305*m+b m=0.1891
0.0575 0.23 0.23=1.217*m+b b=-0.0002
de c21 a
c24
de c28 a
c32 y=0.1891x-0.0002 ecuacion de la recta buscada







tiempo
(s)
distancia
(cm)
1 0.1239 0.023
2 0.244 0.046
3 0.3658 0.069
4 0.489 0.092
5 0.6133 0.115
6 0.7351 0.138
7 0.8573 0.161
8 0.9776 0.184
9 1.098 0.207
10 1.219 0.23
11 1.337 0.253
12 1.457 0.276
7
tiempo (s) distancia (cm) r=y-(mx+b)
1 0.1239 0.023 -0.00022949
2 0.244 0.046 5.96E-05
3 0.3658 0.069 2.722E-05
4 0.489 0.092 -0.0002699
5 0.6133 0.115 -0.00077503
6 0.7351 0.138 -0.00080741
7 0.8573 0.161 -0.00091543
8 0.9776 0.184 -0.00066416
9 1.098 0.207 -0.0004318
10 1.219 0.23 -0.0003129
11 1.337 0.253 0.0003733
12 1.457 0.276 0.0006813
r= -0.0032647

De manera que el ajuste es bueno pues la sumatoria de los residuos esta muy cerca de
cero.

METODO DE MINIMOS CUADRADOS

El tercer mtodo, el de los mnimos cuadrados es ms preciso pero, necesita muchos
ms datos que los comentados hasta ahora y se basa en consideraciones estadsticas
para obtener la pendiente m de la recta y el interfecto b de la recta con el eje de
las ordenadas. Este mtodo se basa en la siguiente definicin: la mejor curva de
ajuste de todas las curvas de aproximacin a una serie de datos puntuales es la que
hace mnima la suma de los cuadrados de las desviaciones Di de la curva
[Di = yi - ( m xi + b )].
Las expresiones para m y b se encuentran con las siguientes ecuaciones:


Donde n es el nmero de puntos.

Cabe hacer notar que las variables x e y son de carcter genrico en la expresin
matemtica, y que estas pasan a tomar otra designacin dependiendo de las variables
que se estn trabajando.
8
La forma de determinar que tan bueno fue el ajuste es mediante la formula

Donde r es el coeficiente de correlacin. Cuanto ms se aproxime a 1 mejor ser la
correlacin entre los datos experimentales y la relacin terica, la expresin para su
clculo


EJEMPLO
1.- Retomando el ejemplo1 dado en el mtodo anterior (el bloque que se desliza sobre
una superficie horizontal)
t(s) d(cm) t*d (x*y) t^2 (x^2) d^2 (y^2)
1.2 12.5 15 1.44 156.25 pendiente= 7.44179861
1.7 16.2 27.54 2.89 262.44 b= 3.56149462
2.5 22.1 55.25 6.25 488.41
3.3 28 92.4 10.89 784 r^2= 0.99955419
4.4 36.2 159.28 19.36 1310.44
4.9 39.9 195.51 24.01 1592.01
5.4 44.6 240.84 29.16 1989.16
6.2 49.5 306.9 38.44 2450.25
7.4 58.4 432.16 54.76 3410.56
37 307.4 1524.88 187.2 12443.52

2.- Retomemos el ejemplo 2 dado en el mtodo anterior

X Y xy x2 y2
tiempo (s)
distancia
(cm) t(s)*d(cm) t^2 d^2
1 0.1239 0.023 0.0028497 0.01535121 0.000529
2 0.244 0.046 0.011224 0.059536 0.002116
3 0.3658 0.069 0.0252402 0.13380964 0.004761
4 0.489 0.092 0.044988 0.239121 0.008464
5 0.6133 0.115 0.0705295 0.37613689 0.013225
6 0.7351 0.138 0.1014438 0.54037201 0.019044
7 0.8573 0.161 0.1380253 0.73496329 0.025921
8 0.9776 0.184 0.1798784 0.95570176 0.033856
9 1.098 0.207 0.227286 1.205604 0.042849
10 1.219 0.23 0.28037 1.485961 0.0529
11 1.337 0.253 0.338261 1.787569 0.064009
12 1.457 0.276 0.402132 2.122849 0.076176
9.517 1.794 1.8222279 9.6569748 0.34385
9
Pendiente= 0.21184139 ecuacion de la recta
b=
-
0.00069261 y = 0.212x - 0.0007

r^2= 0.99996698 =1

Ntese que el coeficiente de correlacin es igual a 1 lo que indica que el ajuste es el mejor.

RELACIN FUNCIONAL NO LINEAL

Y cmo se trabaja cuando la distribucin de puntos no es una lnea recta?
Con los datos experimentales se deben realizar ciertos cambios convenientes en las
variables de modo que convirtamos la curva obtenida en una recta. Este mtodo se
conoce con el nombre de METODO DE RECTIFICACION.

Es un mecanismo que consiste en hacer un nuevo grfico con una de las variables
modificadas matemticamente de tal manera que el nuevo grfico resulte una lnea
recta

Las relaciones funcionales no lineales que se presentan con ms frecuencia, son las del
tipo exponencial y potencial.

I.- Los grficos N1 y N2 son curvas cuya interseccin con el eje de las ordenadas es
de pendiente nula, la rectificacin se logra cambiando la variable x por la de x
n
con n
nmero real mayor que cero, como lo muestra el grfico N3.


II.- Para este grfico N4 y disminuye cuando x aumenta, la rectificacin se hace
con 1 / x
n


Podemos generalizar los casos a funciones exponenciales y funciones potenciales


10
Funcin potencial y = ax
b


Supongamos que medimos pares de valores (X,Y) y tenemos conocimiento que la
relacin funcional que los vincula es del tipo
Y = aX
b
(1)

donde a y b son constantes. Esta forma funcional potencial es muy comn en las
ciencias puesto que sirve como aproximacin del comportamiento en una gran variedad
de casos.

La constante b suele llamarse exponente de escala y define la escala de variacin de
Y segn vara X. Esto es, si X se multiplica por un factor f , Y cambiar
consecuentemente f
b
veces. El significado fsico de la constante a es el de
representar el valor que toma Y cuando X vale la unidad. La dimensin de a es tal que
da homogeneidad dimensional a la ecuacin.

Si representamos datos medidos de Y en funcin de X , relacionados por una expresin
como (1), lo que obtenemos en el caso b 1 es una curva. De nuestro anlisis
cualitativo del grfico observaremos una curva cncava hacia arriba si b > 1,
mientras que si b < 1, la curva se ver cncava hacia abajo. Lo que cualquiera de los
casos precedentes significa es que una variacin de la variable X a un dado ritmo, hace
que la variable Y cambie a un ritmo distinto: ms rpido si b > 1, ms lento si b < 1. Esta
observacin cualitativa (en trminos de ms rpido o ms lento, bien puede ser
buena en una gran variedad de casos de inters cuando estemos interesados en la
descripcin general (tendencia) de algn fenmeno.

En el caso ms general, supongamos que no conocemos a a ni a b , y que ambas
constantes deben encontrarse como resultado de la investigacin experimental.
Entonces, cmo procedemos?
Para facilitar la tarea de encontrar tanto el exponente de escala b como la constante
a, es conveniente representar log(Y) en funcin de log(X) . Esto queda claro si
transformamos nuestra ecuacin original ms general Y = aX
b
, sacndole el logaritmo a
ambos miembros

11
Comparando esta ltima expresin con un grfico de log(Y) en funcin de log(X)
podremos ver que la ecuacin representa una recta que tiene pendiente b y ordenada
al origen log(a).

En sntesis
Este tipo de representacin grfica es extremadamente til cuando se analizan
ecuaciones algebraicas, se estudian correlaciones, leyes de crecimiento, etc.
Si la funcin es potencial la relacin entre las variables es del tipo

Y = aX
b

Y el problema es determinar el valor de las constantes b,a. La ecuacin anterior,
aplicando logaritmo (puede ser logaritmo base e, o base 10) se puede transformar en:

Ln y = bLn x + Ln a
O
Log y = bLog x + Log a

De tal manera que en este caso la relacin lineal se obtiene haciendo el cambio de
variables anterior

EJEMPLO

Se desea investigar como depende la variable y de la variable x
Se grafica y en funcin de x, su aspecto es el de un sector de la
semi- parbola, por lo tanto la relacin parecer ser potencial



Aplicando logaritmo a las variables x e y se construye la nueva tabla


X Y
10 1.06
20 1.33
30 1.52
40 1.68
50 1.81
60 1.91
70 2.01
80 2.11
12
Se grafican los datos y como se esperaba los datos tienen
una distribucin lineal.


Para hallar la ecuacin se procede utilizando los mtodos anteriores de modo que por
mnimos cuadrados la ecuacin de la recta es:

m= 0.33058933
b=
-
0.30559372
r^2= 0.99987475





X = LogX Y = LogY XY X^2 Y^2
1 0.02530587 0.02530587 1 0.00064039
1.30103 0.12385164 0.1611347 1.69267905 0.01533923
1.47712125 0.18184359 0.26860503 2.1818872 0.03306709
1.60205999 0.22530928 0.36095899 2.56659622 0.05076427
1.69897 0.25767857 0.43778817 2.88649908 0.06639825
1.77815125 0.28103337 0.49971983 3.16182187 0.07897975
1.84509804 0.30319606 0.55942645 3.40438678 0.09192785
1.90308999 0.32428246 0.61713869 3.6217515 0.10515911
12.6055205 1.72250083 2.93007773 20.5156217 0.44227594


Haciendo la regresin lineal para encontrar la ecuacin potencial aX
b
partimos de la
ecuacin Log y = bLog x + Log a

Sustituyendo por nuestros valores de m y b se tiene que
Log y = 0.330Log x - 0.305

De modo que Log a = -0.305 as a =0.495

Por tanto la ecuacin potencial es y = 0.495X
0.330



Funciones Exponenciales: y = Ae
Bx


Del mismo modo en la funcin potencial, el aspecto grafico de dos variable nos puede indicar
si la relacin entre ella es de tipo exponencial, como por ejemplo:
X = LogX Y = LogY
1 0.02530587
1.30103 0.12385164
1.47712125 0.18184359
1.60205999 0.22530928
1.69897 0.25767857
1.77815125 0.28103337
1.84509804 0.30319606
1.90308999 0.32428246
13
y = Ae
Bx

El problema es obtener el valor experimental de las constantes A y B

En este caso la relacin lineal se obtiene haciendo el siguiente cambio de variables,
aplicando logaritmo neperiano en los dos lados de la ecuacin (aqu se prefiere usar
logaritmo base e) :
Ln y = Bx + Ln A
que al compararla con la ecuacin de la recta se observa que m = B y b = LnA.

EJEMPLO
Se desea investigar como depende la variable y de la variable x



Suponiendo que la grafica anterior es exponencial, la rectificamos aplicando logaritmo a la
variable y solamente


Verificar por el metodo de minimos cuadrados el ajuste (encontrar la ecuacion de la recta)

Haciendo la regresin lineal para encontrar la ecuacin potencial aX
b
partimos de la
ecuacin Ln y = Bx + Ln A

Sustituyendo por nuestros valores de m y b se tiene que
Ln y = -0.005x + 6.944

De modo que Ln A = 6.944 as A =1036.909

As, Ln y = -0.005x +Ln(1036.9)
Ln y Ln(1036.9) = -0.005x
X Y
12 930
41 815
93 632
147 487
204 370
264 265
373 147
509 76
773 17
x y=Ln Y
12 6.83518459
41 6.70318811
93 6.44888939
147 6.18826412
204 5.91350301
264 5.57972983
373 4.99043259
509 4.33073334
773 2.83321334
14
Ln(y/1036.9) = -0.005x

y/1036.9 = e
-0.005x


Por tanto la ecuacin exponencial es y = (1036.9)e
-0.005x


ERROR

CIFRAS SIGNIFICATIVAS
Cuando realizamos una medicin, por ejemplo el largo de una barra, existe la tendencia a
pensar que la exactitud con que se ha hecho la medicin queda indicada por el nmero de cifras
decimales con que se entregue el resultado y esto no es cierto.

Se entiende por cifras significativas al nmero de cifras que razonablemente se est seguro,
de acuerdo con el instrumento que se haya usado para hacer la medicin. La precisin de la
medida queda relacionada con el nmero de cifras con que se escribe el resultado de la
medicin.

Como ejemplo se entregan ciertos nmeros con sus respectivas cifras significativas:
5 1 cifra significativa
5,0 2 cifras significativas
21,3 3 cifras significativas
21,30 4 cifras significativas
0,032 2 cifras significativas
0,0240 3 cifras significativas
De acuerdo a estos ejemplos se puede decir que se consideran como cifra significativa los
dgitos necesarios para representar la precisin de la medida. No se consideran cifras
significativas los ceros que estn a la izquierda del primer dgito real distinto de cero.

El realizar una medicin implica que siempre estar sujeta a un grado de incerteza o de
error, situacin que es inherente al proceso mismo de medicin, ya que para poder realizarla se
usa de algn instrumento de medida el cual tiene una determinada precisin y por otra parte
esa medicin depender de la habilidad que posea cada uno de nosotros para realizarla.

ERROR ABSOLUTO
Al realizar una medicin designaremos por la letra a la medida de la magnitud y por a o
a a la imprecisin o error que llamaremos error absoluto , el resultado de esa medicin
lo podemos entregar en la siguiente forma: a a o a a
Esto significa que se ha realizado la medida de una cierta magnitud y se obtuvo el resultado
a, pero un examen del instrumento utilizado y del mtodo de la medicin nos lleva a la
conclusin de que la medida se encuentra comprendida entre los valores a - a y
a + a o bien a+ a y a - a
15

DICHO DE OTRA MANERA:
A causa de la presencia de los errores de medicin, slo es posible aseverar que el valor de esa
magnitud se encuentra en un cierto intervalo (A
1
, A
2
).
Una forma de representar esta situacin es tomar el valor medio del intervalo (A
1
,A
2
) como
valor ms probable; A = (A
1
+ A
2
)/2, y la mitad de ese intervalo como una medida del error
cometido en la medicin; A = (A
2
- A
1
)/2 . Entonces, el valor medido de la magnitud M se
designa como
M = A A ,
Donde A se denomina error absoluto de la medicin.

Ejemplo
L = 2.54 0.02 m significa que tenemos certeza de que la longitud medida se encuentra entre
2.52 y 2.56 m (esto es todo lo que podemos afirmar respecto a la magnitud medida).

ERROR RELATIVO ( )
Se define a la fraccin de incertidumbre en la medicin de a , es decir:
= (a)/a

ERROR PORCENTUAL
Es el error relativo multiplicado por 100%.

r
%= 100=100 (a/a)

En la prctica, ya sea el porcentaje de error o el error absoluto son informativos.
Por ejemplo en una parte de una mquina, la tolerancia es dada usualmente con un error
absoluto mientras que en componentes electrnicos la tolerancia se informa como error
porcentual.

PROPAGACIN DE ERRORES

Propagacin de Errores - Perdida de Cifras Significativas
An cuando los nmeros en cuestin se puedan representar en forma exacta en la
computadora, estos podran contener error, por ejemplo si son datos experimentales.
Queremos ver como estos errores en los datos se propagan al usar las operaciones
aritmticas usuales o ms general al evaluar funciones.

Denotamos por x
t
el valor real o exacto de una cierta cantidad y x
a
una aproximacin
de x
t
obtenida experimentalmente al truncar x
t
para representarlo en la
16
computadora. Definimos los errores absolutos y relativos respectivamente en x
a
como
aproximacin de x
t
por:
Error(x
a
) = x
t
- x
a
,
Rel(x
a
) = Error(x
a
)/x
t

.-Uno de los ejemplos ms comunes de la propagacin de errores es en el fenmeno
conocido como perdida de cifras significativas. Este tipo de situacin se da cuando
algn clculo numrico envuelve la resta de dos cantidades similares en el clculo de
un nmero por medio de una sumatoria donde el resultado es mucho menor que los
trminos de la sumatoria los cuales alternan en signo. Veamos algunos ejemplos:

EJEMPLO:
Considere el clculo de la funcin para "x" grande.
Suponemos que trabajamos con seis cifras significativas. Veamos el caso de calcular
f(100).
Note que correctos a seis cifras.
Ahora calculamos .
El valor exacto a seis cifras de f(100) es de modo que perdimos tres
cifras en el computo. Cal fu el problema?
Restamos cantidades similares! En este caso podemos evitar restar cantidades
similares si rescribimos f (x) (racionalizando) como:

Podemos ahora calcular f (100) mediante:

Que es correcto a seis cifras.

-Una situacin similar ocurre al usar la frmula cuadrtica.
En particular considere la ecuacin x
2
+bx+c/4=0 donde b>0 y c es mucho ms
pequeo que b. Entonces como el discriminante , vamos a tener cancelacin
de cifras al calcular la raz con el "+" en la frmula cuadrtica. Aqu nuevamente una
racionalizacin de la frmula problemtica resuelve el asunto. Si b<0, la raz
problemtica es la del "-".

.-Otro caso comn de cancelacin de cifras significativas ocurre en el clculo de un
nmero mediante una sumatoria donde los trminos de la sumatoria son mucho mayores
que el resultado y alternan en signo.

EJEMPLO
17
Considere el problema de evaluar el polinomio f(x) = x
7
-7x
6
+21x
5
-35x
4
+35x
3
-21x
2
+7x-
1.
El siguiente cdigo en MATLAB evala el polinomio en el intervalo [0.988,1.012] y lo
grafica:

x=linspace(0.988,1.012,100);
y=x.^7-7*x.^6+21*x.^5-35*x.^4+35*x.^3-21*x.^2+7*x-1;
plot(x,y)

Lo que debera ser una grfica suave de un polinomio aparece altamente oscilatoria y
de carcter aparentemente aleatorio. Esto se debe a la cancelacin severa de cifras
significativas en el clculo donde el resultado final es aproximadamente cero y se
toman sumas y diferencias de nmeros del tamao de .

El polinomio de este ejemplo corresponde a la forma expandida de (x-1)
7
donde
graficamos cerca de x=1. Si calculamos con la frmula sin expandir no ocurre el
problema de cancelacin de cifras pero claro lo importante aqu es ilustrar el
fenmeno.

Propagacin de Errores en las Funciones Aritmticas
Vamos a considerar ahora los efectos en la propagacin de errores en las funciones
aritmticas de la computadora. Esto es consideramos ambas fuentes de error: el uso
de un nmero finito de cifras en los clculos y como la funcin en si propaga los
errores en los datos.

Cuando una magnitud fsica se deduce de otras medidas realizadas en forma directa, decimos
que se est haciendo una medida indirecta. Por ejemplo el clculo de la rapidez con que se
desplaza una partcula se calcula mediante la expresin v = d/ t, aqu para el clculo de la
distancia (d) y del tiempo (t) se hacen en forma directa con cierto error y cmo se conoce el
error en el clculo de la rapidez?
Para obtener dicho error se aplican ciertas reglas que describen a continuacin.

Sean a y b los valores de las magnitudes medidas, siendo a y b sus respectivos errores
absolutos, entonces se tiene que para la :
18

1.- SUMA: (a a) + (b b) = (a+b) ( a + b)
2.- RESTA (a a) - (b b) = (a-b) ( a + b)
3.- MULTIPLICACION )
b
b
a
a
( * ) b * a ( ) b * a ( ) b b ( * ) a a (

+ ++ +

= == =
4.- DIVISION )
b
b
a
a
(
b
a
) b b (
) a a (
+ ++ +

= == =


*
b
a

5.- POTENCIAS Y RAICES ( a a)
n
= a
n
a
n
* [
a
a * n
]
Observacin: Para 1,2 El error propagado es ms significativo (menos estable); Para 3,4
El error propagado en menos significativo (ms estable).
OTRA NANERA DE EXPRESARLO ES
Considere el caso de una medicin indirecta, donde el valor deseado de la magnitud no se obtiene
directamente a partir de algn instrumento, sino que se evala a travs de una frmula o expresin
analtica. Por ejemplo, el volumen de un cilindro se expresa por la relacin

Donde D es el dimetro del cilindro y h su altura. Si el dimetro se midi con un error absoluto D y
la altura con un error h, qu valor habr que asignar al valor de V calculado?

Para calcular V, consideremos los errores D y h como si fueran incrementos diferenciales dD y
dh de la funcin volumen V = V(D,h). Cunto vara V cuando D y h varan en un dD y un dh
respectivamente? La respuesta la da el clculo diferencial. El volumen V vara en un diferencial dV
que viene dado por

En este caso particular, al calcular las derivadas parciales se obtiene
Donde se introduce el valor absoluto de cada derivada para garantizar que, de todas las posibles
combinaciones de signos en 2DhD y Dh, se tome el mayor valor. Esto garantiza que el valor
calculado V
o
se encuentra efectivamente en el intervalo (V
o
+dV, V
o
-dV) . En este caso dV = V se
denomina error absoluto mximo. El resultado anterior se generaliza inmediatamente cuando hay
ms de dos variables involucradas en el clculo del error.

Un anlisis ms profundo del problema, que considera una funcin arbitraria F = F(x,y,z) y toma en
cuenta la probabilidad de que los errores por exceso de una magnitud puedan cancelar los errores
por defecto de otra, debido a la diferencia casual de signos, conduce al concepto de error absoluto
probable. El error absoluto probable siempre resulta ser algo menor que el error absoluto
mximo, y se calcula por la expresin