Está en la página 1de 97

INTRODUCCIÓN AL CÁLCULO

NUMERICO

INTRODUCCIÓN AL CÁLCULO NUMERICO Hugo R. Franco Paats .Hugo R. Franco Paats

Hugo R. Franco Paats

.Hugo R. Franco Paats

Cálculo Numérico

INDICE

Índice

CAPITULO I – ANÁLISIS DEL ERROR

Pág. 03

1.1-

Introducción

 

1.2-

Representación de números reales

1.3-

Errores de Redondeo y Truncamiento

1.4-

Errores Absolutos y Relativos 1.4.1- Error Absoluto 1.4.2- Error Relativo 1.4.3- Cifras Significativas

1.5-

Análisis del Error en Aritmética de Coma Flotante

1.6-

Análisis del Error en las Operaciones Aritméticas 1.6.1- Forma general

1.7-

Ejercicios propuestos

 

CAPITULO II – RESOLUCIÓN DE ECUACIONES NO LINEALES

Pág 14

2.1 – Introducción

 

2.2 – Fase 1: Aislamiento de raíces

 

2.2.1 – Uso de Tablas

 

2.2.2 – Método Grafico

2.3 – Fase 2: Refinamiento

 

2.3.1 – Diagrama de Flujo de un método iterativo

2.3.2 – Criterio de Parada

2.4 – Método de la bisección

 
 

2.4.1 – Algoritmo del método de la bisección

2.4.2 – Estimativa del número de iteraciones

2.4.3 – Comentarios sobre el método

2.5 – Método de la Falsa Posición

 

2.5.1 – Algoritmo

 

2.5.2 – Comentarios sobre el método

2.5.3 – Convergencia

 

2.6 – Método de la Falsa Posición Modificado

 

2.6.1

– Algoritmo

2.7 – Método Iterativo Lineal (MIL)

 

2.7.1 – Estudio para la convergencia

2.7.2 – Criterio de parada

2.7.3 – Algoritmo

 

2.8 – Metodo de Newton

 

2.8.1

– Algoritmo

2.9 – Método de al Secante

 
 

2.9.1

– Algoritmo

2.10 – Comparación de los métodos

2.11 – Ejercicios

 

CAPITULO III – INTERPOLACIÓN

Pág 31

3.1 – Introducción

3.2 – Interpolación polinomica

3.3 – Interpolación de Lagrange

3.4 – Formula de Newton

3.4.1 – Operador de diferencias divididas

3.4.2 – Tabla de diferencias divididas

3.5 – Análisis del Error en la interpolación

3.5.1 – Estimativa del Error

3.6 – Evaluación del grado del polinomio interpolador

3.7 – Fenómeno de Ruge

Cálculo Numérico

3.8 – Interpolación Segmentaria Spline

3.8.1 – Spline lineal

3.8.2 – Spline cuadratica

3.8.3 – Spline cúbica

3.9 – Ejercicios

Índice

CAPITULO IV -SISTEMAS DE ECUACIONES LINEALES

Pág 51

4.1 - Introducción

4.2 – Métodos directos

4.2.1 – Regla de Cramer

 

4.2.2 – Método de Eliminación de Gauss

4.2.2.1 – Algoritmo

4.2.2.2 – Algoritmo para el Método de E. de Gauss

4.2.3 – Método de Descomposición LU

4.2.3.1- Cálculo de los factores LU

4.3 – Métodos Iterativos

4.3.1 – Criterio de parada

 

4.3.2 – Método Iterativo de Gauss-Jacobi

4.3.3 – Criterio de Convergencia para los métodos Iterativos

4.3.4 – Método Iterativo de Gauss-Seidel

4.3.5 – Criterio de Convergencia para Gauss-Seidel

4.4 – Comparación de los métodos

4.5 – Ejercicios

CAPITULO V - AJUSTE DE CURVAS A DATOS DE MEDICIONES

Pág 67

5.1 – Introducción

5.2 – Caso Discreto

5.3 – Métodos de los mínimos cuadrados

 

5.4 – Caso contínuo

5.5 – Ejercicios

CAPITULO VI

- INTEGRACIÓN Y DERIVACIÓN NUMÉRICA

Pág 73

6.1 – Integración Numérica

6.2 – Regla del Trapecio

6.2.1 – Regla del Trapecio Repetida

 

6.2.2 – Cálculo del Error

6.3 – Regla de 1/3 de Simpson

6.3.1 – Regla de Simpson Repetida

6.3.2 – Análisis de Error

6.4 – Regla de 3/8 de Simpson

6.5 – Integración Numérica con límites infinitos o singularidades

6.6 – Aproximación a las derivadas

6.6.1 – Diferencias progresivas y Regresivas

6.6.2 – Diferencia Central

6.7 – Diferencias para las derivadas de orden superior

6.8 – Ejercicios

CAPITULO VII - ECUACIONES DIFERENCIALES

Pág 85

7.1 – Introducción

7.2 – Método de Euler

7.3 – Método de Euler Modificado

7.4 – Método de Runge-Kutta

7.5 - Ejercicios

Cálculo Numérico

1.1 - INTRODUCCIÓN

CAPITULO I – Análisis del Error

CAPITULO - I

ANÁLISIS DEL ERROR

El cálculo numérico es la rama de las matemáticas que se encarga de diseñar algoritmos para que, a través de números y reglas matemáticas simples, se pueda simular procesos matemáticos más complejos aplicados a procesos del mundo real.

Los métodos numéricos son técnicas mediante las cuales es posible formular problemas matemáticos de forma que puedan resolverse usando operaciones aritméticas simples. Hay muchos tipos de métodos numéricos, y comparten una característica común: invariablemente se deben realizar un buen número de tediosos cálculos aritméticos. Los métodos pueden manejar sistemas de ecuaciones grandes, la no linealidad de las ecuaciones y geometrías complicadas comunes en la ingeniería.

Los conocimientos de los conceptos básicos asociados al uso de programas (software) disponibles comercialmente, que aplican métodos numéricos, pueden ser herramientas muy poderosas que ayudan a la resolución de problemas complejos de ingeniería. Al mismo tiempo, es importante conocer y controlar los diferentes tipos de errores que son inseparables de los cálculos numéricos a gran escala, de manera a poder evaluar correctamente los resultados y por ende la solución al problema asociado.

El resultado del cálculo numérico es siempre una aproximación, aunque (en principio) los resultados pueden hacerse tan exactos como se quiera.

La resolución de tales problemas envuelve varias fases o etapas que pueden ser estructuradas:

Problema Recolección Real de datos Construcción del modelo matemático elección del Implementar en mét.
Problema
Recolección
Real
de datos
Construcción del
modelo matemático
elección del
Implementar en
mét. Numérico
computador
adecuado
análisis de
los resultados
reformular modelo
o elegir otro método

Cada etapa puede presentar una serie de errores asociados al proceso como:

Error en la recolección de datos

Errores de apreciación

Precisión de los equipos

Errores en la secuencia de operaciones

Uno de los principales errores se debe a la representación de los números reales dentro del computador. La representación de los números se realiza por medio de un número limitado de dígitos lo que produce una pérdida de precisión.

Cálculo Numérico

CAPITULO I – Análisis del Error

1.2 - REPRESENTACIÓN DE NÚMEROS REALES:

Los computadores representan los números en notación científica normalizada o aritmética de coma flotante (A.C.F). Un número está representado en notación científica normalizada cuando todos los dígitos del número están a la derecha de la coma decimal y este primer dígito es diferente de cero.

Ejemplo 1.1:

785,321 10

11

= 0,785321 10

14

Por lo tanto cualquier número real diferente de cero, puede representarse en notación científica normalizada o Aritmética de Coma Flotante, de la siguiente forma:

I

= ±m 10

e

;

donde m es un número comprendido entre 0 y 1 en el sistema decimal, denominado mantisa, y “e” es un

número positivo o negativo llamado exponente. Para la representación de un número en la base en aritmética de coma flotante de “ t ” dígitos para la mantisa, se realiza de la siguiente forma:

I = (0,

d d

1

2

d

3

d

)

t

e

es una fracción en la base , donde cada dígito está comprendido

por

impone para asegurar la representación única de cada número en coma flotante. El exponente “e” varía en el intervalo [M ; m], siendo esto valores determinados por la capacidad de la

máquina, y por lo general

longitud de la palabra que el computador puede representar. La representación de los números en un computador simple que utiliza 32 bits es la siguiente:

M = m . El número máximo de dígitos “ t ” de la mantisa está limitado por la

, o de normalización del número, se

. La condición

La mantisa ( 0,

d

j

1

,

d d

1

2

d

3

j = 2,3,

d

t

,t

)

y

0

d

1

π

0

d

1

π

0

32 bits

1

23

1

7

SM

Mantisa

SE

Exponente

SM = signo de la mantisa SE = signo del exponente

I

=

(

1)

SM

.(1,

m

22

m

21

m

0

).2

(

1)

SE

(

e

6

e

0

)

Observemos que el exponente se encuentra en el rango [-127, 127]. Entonces, esta máquina no puede

que

. La conversión del sistema decimal a binario para efectuar los cálculos en los computadores, acarrean una serie de errores asociados con el número limitado de dígitos con los que se representan los números (bits). Dado un número “N”, su representación en ACF de “ t ” dígitos está hecha por truncamiento o redondeo. Este número podrá ser representado en el sistema, si el exponente “e” estuviese dentro de los límites “m” y “M”.

manejar números con una magnitud mayor que (

(

0,100

)

.2

127

2

127

10

38

0,111

11

)

2

127

2

127

10

38

,

ni

menor

FORMATO IEEE-754 EN COMA FLOTANTE

Existen varios formatos para la representación de números en coma flotante en un computador, aunque el estándar, y por ello el utilizado en la mayoría de los computadores, es el formato ANSI/IEEE standard 754- 1985, que llamaremos IEEE-754 para abreviar. Se puede representar números en precisión simple (float), doble (double) y cuádruple (quadruple) que tienen 32, 64 y 128 bits de longitud, respectivamente. En la figura, se muestra este formato en coma flotante, sistema binario (base 2), en doble precisión o de 64bits.

sistema binario (base 2), en doble precisión o de 64bits. 1 64bits 11 52 ± Exponente

1

64bits

binario (base 2), en doble precisión o de 64bits. 1 64bits 11 52 ± Exponente Mantisa
binario (base 2), en doble precisión o de 64bits. 1 64bits 11 52 ± Exponente Mantisa

11

(base 2), en doble precisión o de 64bits. 1 64bits 11 52 ± Exponente Mantisa Como

52

±

Exponente

Mantisa

Como el primer dígito de la mantisa, que está normalizada, debe ser necesariamente igual a 1, se aprovecha este bit para almacenar en su lugar el signo de la mantisa. Este formato permite representar +0 y -0, lo que a veces puede ser ventajoso. Se utilizan los 11 dígitos siguientes para el exponente y su signo.

Este número entero se representa en exceso a 2 1 1023 , por lo que se puede representar

. El exponente máximo 1024

solamente los números enteros en el rango [

e

1

=

2

e

1

+

1;2

e

1

]

=

[ 1022;1024]

Cálculo Numérico

CAPITULO I – Análisis del Error

se reserva para representar los números excepcionales como ± • y NaN (Not a Number). Los primeros se representan cuando la mantisa es 0 y se producen cuando una operación aritmética genera un número más grande que el máximo representable, es decir, se produce un desbordamiento por exceso u overflow. NaN se genera en operaciones aritméticas de resultado no determinado, como 0/0, / , • ± • , etc.

1.2.1 - Exactitud y Precisión

La exactitud se refiere a que tan cercano está el valor calculado o medido del valor verdadero. La precisión se refiere a qué tan cercano está un valor individual medido o calculado respecto a los otros.

La inexactitud se define como un alejamiento sistemático de la verdad. La imprecisión, sobre el otro lado, se refiere a la magnitud del esparcimiento de los valores.

1.3 – ERRORES

La presencia de errores en el resultado de cualquier proceso numérico es inevitable, pueden haber errores en los datos, pero aún con los datos exactos el propio proceso de cálculo puede ser fuente de error. Por lo tanto, existen errores en:

Datos

Operaciones

Procedimientos

En este capítulo vamos a analizar los dos primeros.

1.3.1 – Errores de Redondeo y Truncamiento

Cuando un número “ x ” no tiene representación exacta en su base numérica o si la longitud de la palabra del computador es inferior a “ x ”, se realiza una aproximación al número por redondeo o truncamiento.

Truncamiento: en este caso, la máquina representa el número y se queda con los dígitos de precisión de la mantisa a la vez que descarta el resto. Redondeo: se utiliza el redondeo simétrico: si el primer dígito a descartar es mayor o igual a 5, entonces sumamos una unidad al dígito que está a la izquierda, si es menor que 5 se mantiene igual.

Ejemplo 1.2: representar los siguientes números en un sistema de ACF de 3 dígitos para -4 y M= 4, de los siguientes números:

Número

representación por trucamiento

por redondeo

= 10 , m =

1,25

238,15

27,1828

0,000007

7.185.221,82

Error numérico total

0,125 10 0,238 10

0,271 10

2

1

3

0,125 10 0,238 10

1

3

0,272 10

2

Error….exponente menor que –4 (anderflow)

Error

Error….exponente

mayor que

4 (overflow)

Error

El error numérico total se entiende como la suma de todos los errores de redondeo y truncamiento introducidos en el cálculo. Mientras más cálculos se tengan que realizar para obtener un resultado, el error de redondeo se irá incrementando. Pero por otro lado, el error de truncamiento se puede minimizar al incluir más términos en la ecuación, disminuir el paso o proseguir la iteración (o sea mayor número de cálculos, seguramente mayor error de redondeo). En la práctica debemos considerar que hoy por hoy los computadores tienen un manejo de cifras significativas mucho mayor que antes por lo que el error de redondeo se minimiza enormemente, aunque no se debe dejar olvidar su aporte al error total.

Cálculo Numérico

1.3.2 - Error Absoluto, Relativo y Porcentual

CAPITULO I – Análisis del Error

Error Absoluto: Definimos como error absoluto: a la diferencia entre el valor exacto de un número “ x ” y

su valor aproximado “ x ”. E = x x Ax
su valor aproximado “ x ”.
E
=
x
x
Ax

En general apenas el valor aproximado x es conocido, siendo que estamos en la búsqueda del valor exacto, por lo que es de interés conocer un “límite superior” o una “estimativa” para valor del error absoluto,

a la que denominamos “cota del error absoluto”

y que veremos mas adelante.

AX

Ejemplo 1.3: considerando los siguientes números aproximados x = 2.119,9 con error absoluto

E

Ax

< 0,1

y el número aproximado y = 5,3 con

E

Ax

< 0,1

¿Se puede concluir que los dos números tienen la misma precisión en la representación? Siendo que ambos tienen el mismo error absoluto no es posible determinar la precisión de cada representación.

Si el valor aproximado

decimos que la aproximación es por exceso. Si el valor aproximado x es menor que el valor exacto x el error absoluto será positivo y la aproximación será por defecto.

x , el error absoluto será negativo, entonces

x es mayor que el valor exacto

Error Relativo: El Error Relativo vamos a definirlo como el cociente entre el error absoluto del número y su valor aproximado:

E

Rx

E Ax

x

x

=

=

x x

del ejemplo anterior

E

por lo que vemos que

el

valor de

y .

Rx

E

<

Ax

0,1
0,1
2.199,9 < E Ay
2.199,9
<
E Ay

=

0,1
0,1

5,3

0,454567

10

4

y

E

Ay

0,02

, por lo que concluimos que el número x esta mejor representado que

El error absoluto no es más que la distancia entre el valor exacto y el valor aproximado, mientras que el error relativo mide el error entendido como una porción del valor exacto o del valor aproximado, para este caso, ya que nos encontramos en la búsqueda del valor exacto.

Ejemplo 1.4: encontrar el error absoluto y el error relativo al aproximar el número x = 3,141592

por x = 3,14

E

Ax

= 3,141592

3,14 = 0,001593

E

Rx

=

E Ax

0,001593

=

x 3,14

= 0,000507

Error Porcentual: El error porcentual no es otra cosa que el error relativo multiplicado por 100

E

% =

E

Rx

100%

. Del ejemplo anterior:

1.3.3 – Cotas del Error

E

Px

% = 0,05%

Cota del Error Absoluto: La cota de error es el error máximo que se puede cometer al realizar una medida o tomar una aproximación. Si el error cometido al tomar 2,718 es menor que una milésima entonces diremos que 0,001 es una cota de dicho error.

Cálculo Numérico

Se llama cota del error absoluto

absoluto:

E

Ax

Ax

AX

CAPITULO I – Análisis del Error

de un valor aproximado x a cualquier número no menor que el error

Cota del Error Relativo: Se llama cota del error relativo de un valor aproximado x cualquier número no

menor que el valor del error relativo

E

Rx

Rx

1.4 – ANÁLISIS DEL ERROR EN ARITMÉTICA DE COMA FLOTANTE

En un sistema que opera en ACF de “t” dígitos en base decimal, cualquier número puede ser representado

de la forma:

x

=

f

x

10

e

+

g

x

10

e

t

siendo que 0,1

f

x

< 1

y

0,1

g

x

< 1

Ejemplo 1.5: sea el número x = 234,56 y t = 4, el número x al ser representado por la forma anterior será equivalente a:

x =

0,2345

10

3

+

0,6

10

1

, siendo

f

x

= 0,2345

y

g

x

= 0,6

para este caso

Para realizar un análisis general de los errores absoluto y relativo en la representación de los números y

utilizando la aproximación por truncamiento, el número será aproximado eliminando el término

que representa los dígitos descartados justamente por el truncamiento.

,

g

x

10

e

t

Calculamos el error absoluto:

E

Ax

=

x

x

=

f

x

10

e

+

g

x

10

e

t

f

x

10

e

=

g

x

10

e

t

=

g

x

10

e

t

De las condiciones iniciales y dado que

podemos definir como cota del error absoluto por truncamiento

g

x

< 1

, el valor máximo del error absoluto será

AX

, siendo:

< 10

e

t

, por lo que

Ax

< 10

e

t

El error relativo será:

E

Rx

=

E

Ax

g

x

10

e

t

=

x

f

x

10

e

como el error es máximo cuando

f

x

= 0,1

y

g

x

< 1

, por lo que el máximo error

o cota del error relativo cuando la representación es por truncamiento, será:

Rx

<

10

1

t

Cuando se utiliza el redondeo simétrico

f

x

es modificado para llevar en consideración

g

x

tomando

como valor aproximado x analizamos los siguientes casos:

x =

f

x

f

x

Si

10

e

10

e

g

x

+

>

si g

10

e

t

x

< 1/ 2

Error absoluto es E

< 1/ 2

>

si g

x

Ax

=

x

1/ 2

x

=

f

x

10

e

+

g

x

10

e

t

f

x

10

e

=

g

x

10

e

t

=

g

x

10

e

t

Cálculo Numérico

CAPITULO I – Análisis del Error

Error relativos es

E

Rx

=

|

E

Ax

|

g

x

10

e

t

=

|

x

|

f

x

10

e

considerando que el error es máximo cuando

     

<

1

10

e

t

 

Ax

2

 
 

<

1

10

1

t

 

Rx

2

dado que

g

x

< 1/ 2

, la cota del error absoluto es

La cota del error relativo por redondeo es

f

x

= 0,1

y

Si

g

x

1/ 2

g

x

=

f

x

1/ 2

Error absoluto

como

10

e

+

g

x

10

e

la diferencia 1 e t 10 Ax < 2
la diferencia
1
e
t
10
Ax <
2

g

error absoluto:

El error relativo será:

t

x

(

1

f

x

10

e

+ 10

e

t

) = (

g

x

1) 10

e

t

será siempre 1/ 2 , por lo que tomamos como cota del

e t e t E g 1 10 g 1 10 x x Ax =
e
t
e
t
E
g
1
10
g
1
10
x
x
Ax
=
=
E Rx
e
e
t
e
x
f
10
+
10
f
10
x
x
Siendo que para que el error sea máximo
g
≥ 1/ 2
x
relativo será:
1
1
t
<
10
Rx
2

y

f

x

= 0,1

, tenemos que la cota del error

Por lo tanto, para cualquiera de los casos para el redondeo simétrico tenemos que las cotas del error absoluto y el relativo es:

1 e t < 10 Ax 2 1.4.1- Cifras Significativas
1
e
t
<
10
Ax
2
1.4.1- Cifras Significativas
1 1 t < 10 Rx 2
1
1
t
<
10
Rx
2

Se considera que las cifras significativas de un número a aquellas que tienen significado real o aportan alguna información. Las cifras no significativas aparecen como resultado de los cálculos y no tienen significado alguno. Las cifras significativas de un número vienen determinadas por su error. Son cifras significativas aquellas que ocupan una posición igual o superior al orden o posición del error.

Por ejemplo, consideremos una medida de longitud que arroja un valor de 2.345,6789 m con un error de 0,5 m. El error es por tanto del orden de décimas de metro. Es evidente que todas las cifras del número que ocupan una posición menor que las décimas no aportan ninguna información. En efecto, ¿qué sentido tiene dar el número con precisión de diezmilésimas si afirmamos que el error es de casi 1 metro? Las cifras significativas en el número serán por tanto las que ocupan la posición de las décimas, unidades, decenas, etc., pero no las centésimas, milésimas y diezmilésimas.

Por lo tanto podemos afirmar que:

Se dice que el número x aproxima a x con t decimales correctos si t es el entero no negativo más

grande para el cual

x

1 x < 2
1
x
<
2

10

t

.

Cálculo Numérico

CAPITULO I – Análisis del Error

Se dice que el número x aproxima a x con t dígitos o cifras significativas si t es el entero no

negativo más grande para el cual

x x 1 < x 2
x
x
1
<
x 2

10

1

t

=

5

10

t

.

En virtud de estas definiciones, el número de decimales correctos da una idea de la magnitud del error absoluto, mientras que el número de dígitos significativos da una idea de la magnitud del error relativo.

Ejemplo 1.6: Determinar el número de decimales correctos y cifras significativas del ejemplo 1.4

Si x = 3,141592 … aproximamos por x = 3,14 , entonces

E

Ax

=

0,159

10

2

<

1

2

10

2

;

por lo tanto, x es una aproximación a x con dos decimales correctos.

por

E Rx

=

0,000506749

<

5

10

3

,

lo tanto

t = 3 es el menor entero positivo que verifica la

desigualdad y el número de cifras significativas.

Reglas para contar correctamente el número de cifras significativas:

1)

Todos los dígitos a ambos lados del punto decimal son significativos, si no hay ceros.

23.742

5 cifras significativas

332

3 cifras significativas

1.4

2 cifras significativas

2)

Ceros usados para localizar un punto decimal no son significativos.

0.023

2 cifras significativas

0.23

2 cifras significativas

0.0000023

2 cifras significativas

3)

Ceros entre números son significativos.

2.003

4 cifras significativas

1.0008

5 cifras significativas

0.002034

4 cifras significativas

4)

Ceros a la derecha del último dígito que no es cero y a la derecha del punto decimal son significativos.

0.00000230

3 cifras significativas

0.043000

5 cifras significativas

1.00

3 cifras significativas

10.0

3 cifras significativas

Las reglas para definir el número de cifras significativas para multiplicación y división son diferentes que para suma y resta.

Para multiplicación y división el número de cifras significativas en el resultado final será igual al número de cifras significativas de la medición menos precisa.

Ejemplo 1.7: Calcular la energía cinética de un cuerpo con una masa de 5.0 g viajando a la velocidad de 1.15 cm/s. la energía cinética es obtenida de la fórmula E.C. = ½mv 2

en donde

m = masa del cuerpo

v = velocidad del objeto

La respuesta es E.C. = ½(5.0 g)(1.15 cm/s) 2 =3.3 g-cm 2 /s 2

¿Cuál número es el menos preciso?

Cálculo Numérico

CAPITULO I – Análisis del Error

½

no es un número medido, es parte de la fórmula y por lo tanto tiene un número infinito de dígitos significativos

5.0

tiene 2 cifras significativas

1.15

tiene 3 cifras significativas

El número menos preciso tiene dos cifras significativas, así que la respuesta debe tener dos cifras significativas.

En sumas y restas el último dígito que se conserva deberá corresponder a la primera incertidumbre en el lugar decimal.

Ejemplo 1.8: en la siguiente suma

320.0

4

80.2

20.0 20

20.0

440.2

60

Por lo tanto para la suma tenemos el hasta el primer dígito después de la coma

1.5 – ANÁLISIS DEL ERROR EN LAS OPERACIONES ARITMÉTICAS

Dada una secuencia de operaciones es importante tener la noción de cómo el error se propaga a lo largo de las operaciones. El error total en una operación esta compuesta por las diferentes partes de las operaciones y por el resultado de la operación. Ciertos errores como los motivados por truncamiento y redondeo, reciben también el nombre de errores generados. Al combinar un dato que ya posee un error generado con otros en las mismas condiciones, los errores se propagan. Entonces, error absoluto total será la suma de los errores generados y propagados.

El hecho de considerar los errores generados complica excesivamente el cálculo con errores. Por ello, la regla a tener en cuenta es que el error generado es despreciable siempre que sea cien veces más pequeño que el error propagado por hacer intervenir tal término.

1.5.1- Forma General

Considerando

Suma

x = x + E

Ax

e

y = y + E

Ay

, para la operación de:

x + y = x + y + E

Ax

+ E

Ay

; siendo

que

x + y = x + y

 

y el error absoluto de la operación

 

El error relativo

E

 

=

E

Ax

+

y

=

E

Ax

+

E

Ay

=

E

Ax

+

E

Ay

=

 

Rx

+

y

x

+

y

x

+

y

x

+

y

x

+

y

 

=

E

Ax

x

.

x

x = E

+ y

.

E

Ay

y

y

x

+

y

+

Rx

.

x

x + E

+ Ry

y

.

x

y

+

y

El error relativo de la suma es:

E

= E

.

x + E

.

y

 

Rx

+

y

Rx

x

+ Ry

y

x

+

y

Resta

 

x

y

= x + E

Ax

y

 

E

Ay

donde:

Valor aproximado de la diferencia

Cálculo Numérico x y = x y
Cálculo Numérico
x
y = x
y

CAPITULO I – Análisis del Error

y el Error absoluto de la diferencia es

E

Ax

y

= E

Ax

E

Ay

la diferencia de los

errores absolutos de x e y . El error Relativo de x

y será:

E

E

 

Ax

y

Ax

Ay

 

=

=

Rx

y

 

x

y

x

y

x

y

E

 

=

E

 

x

E

 

y

Rx

y

Rx

.

Ry

.

 

x

y

x

y

E

E

= E

Rx

Multiplicación

x.y = (x + E

Ax

(

). y + E

Ay

.

x

x

)

y

E

Ry

.

y

x

y

Valor aproximado del producto es igual al producto de los valores aproximados

error absoluto de x.y es

E

Ax y

.

=

x . E

x.E

Ay

+

y . E

y.E

Ax

El error Relativo

x.y = x.y
x.y = x.y

y

el

E

Rx y

.

=

E

Ax y

.

 

x E

.

Ay

+

y E

.

Ax

E

Ay

E

Ax

 

=

=

+

=

.

x y

 

.

x y

 

y

 

x

E

Rx

+

E

Ry

División

x

y

=

x

+ E

AX

x

+

E

AX

1

y

+ E

=

y

 

.

E

 

AY

 

1 +

AY

y


Representando .

1

1

+

E

AY

y


por la serie: 1

E AY

y

+

  AY

E

y

2

  

y

E

AY

3

+

Considerando los dos primeros términos de la serie son significativos, nos queda

 

x

x

+

E

AX

1

 

=

.

y

y

1 +

E

AY

 

y

x

E

x E

AX AY = + 2
AX
AY
=
+
2

.

x

y y

y y

  x + E  E  x E x E .  AX
 
x
+
E
E
x
E
x E
.
AX
AY
AX
AY
=
1
=
+
2
y
y
y
y
y
por lo que el valor aproximado del cociente es

0

E . E AX AY 2 y
E
.
E
AX
AY
2
y
x x ∏y = y
x
x ∏y =
y

y el error absoluto

E

Ax

/

y

=

y E

.

AX

x E

.

AY

2
2
     

y

 

E

Rx

/

y

=

y E

.

AX

x E

.

AY

y

E

AX

E

AY

. = 2
.
=
2

=

E

Rx

E

Ry

 

y

x

x

y

 

Cálculo Numérico

CAPITULO I – Análisis del Error

Ejemplo 1.9: Calcula los errores absoluto y relativo causado por el redondeo simétrico al efectuar, manejando únicamente tres dígitos para las mantisas, la operación x + y , si x = 765,4 e

y = 7,362 .

x =

y

0,765 10

= 0,736 10

3

1

;

;

E

Ax

E

Ay

= 0,4 10

10

=

0,2

Por tanto el error absoluto

E

Ax+ y

0

2

=

E

Ax

E

Rx

=

E

+

Ry

E

=

Ay

5,229

10

4

2,7174

= 0,4 + 0,002 = 0,402

10

4

;

x + y = 0,772 10

3

el error relativo:

E

Rx

+

y

=

E

Rx

.

x

x

+

y

de otra manera

+ E

Ry

.

y

x

+

y

=

5,229 10

4

0,765 10

3

0,772

10

3

E

Rx

+

y

=

E Ax

0,402

x

+

y

= 0,0005207253

0,772

10

3

=

+

2,7174 10

4

0,736

10

1

0.772

10

3

1.6 – EJERCICIOS

=

0,0005207493

1.1- Expresa las siguientes cantidades en sistema de A.C.F. de tres cifras significativas, por redondeo y truncamiento:

a) 74,24

b) 8.200,02

c) -1.863,55

c) 0,005

d) -13.485

e) 0,02475

1.1- Considerando las cantidades 28.294 y –13.485 y sus respectivas cantidades redondeadas a cuatro y tres cifras significativas, 28.290 y -13.500 encontrar las cotas de los errores absolutos y relativos de tales redondeos.

1.2-Si para

x =

17

64

= 0,265625

se toma como valores 0,26 ó 0,27, ¿qué error absoluto se comete en

cada caso? Calcula también las cotas del error absoluto para ambos resultados.

1.3-A una cinta métrica defectuosa le falta el primer centímetro. Después de medir la longitud con la misma, se obtiene 15 cm. Determina la verdadera longitud de la magnitud medida, el error absoluto de la medición, el relativo y el porcentual.

1.4-Un voltímetro marca las lecturas con un error de +0,05. Se toma una lectura de 60 V. Calcular los errores absolutos y relativos.

1.5-Deducir los dígitos correctos de la cantidad aproximada 48,361 que tiene un error relativo máximo del

1%.

1.6-Considerando la operación de suma de 1,015 + 0,3572 en el que ambos sumandos tienen todas sus cifras correctas. Calcula la cota del error absoluto y relativo de la operación

1.8.- Hallar las cifras correctas de la cantidad aproximada 52,135 que posee una cota de error relativo de

valor

0,1

10

4

1.9 - Probar con un ejemplo que, si una cantidad aproximada x tiene n cifras significativas correctas y la primera de ellas es d , una cota del error relativo viene dada por la expresión:

x

=

1

d

10

n

1

1.10- Dadas las cantidades redondeadas que se indican:

x

= 0,18234 10

0

;

y = 12,314

z = 0,00377 ,

aplicando la expresión de la cota del error absoluto en el redondeo simétrico para cantidades expresadas en coma flotante, calcula el límite máximo de dicho error.

Cálculo Numérico

1.11- Se miden dos longitudes, x

3.32

e

y

CAPITULO I – Análisis del Error

5.39. Calcula el valor de las siguientes operaciones,

manteniendo tres dígitos significativos en las sumas.

a) x + y

Determine las fuentes de error y magnitudes de los mismos y su incidencia en los resultados.

b) x +

0.1 y

c) x + 0.01 y

1.12- Evaluar

x = 4.71 usando aritmética de punto flotante con tres

dígitos. Comparar los resultados haciendo truncamiento y redondeo. Calcular el error relativo en cada caso considerando como valor exacto f (4.71) = 14.263899 .

f

(

x

)

= x

3

6.1

x

2

+

3.2

x +

1.5

en

1.13-

Determinar

las

cotas

del

error

absoluto

y

Relativo

en

los

resultados

de

las

operaciones

siguientes, donde x = 2.00, y = 3.00 y z = 4.00 han sido correctamente redondeados

a)

f

= 3x + y + z

1.14- Sea x = 0.045682138, y

b)

Ax

=

f

= x

0,5

10

y

z

c)

f

=

y

40

xsen

5 una cota de su error absoluto. Dar un intervalo donde se

encuentre el número exacto x . ¿Cuántos dígitos son significativos?

1.15- Si medimos la longitud L, de un pizarrón con una regla graduada hasta los centímetros y determinamos que mide 2.72 m., ¿cuál es una cota para el error absoluto de esta aproximación?

1.16- Sabemos que

decir,

17
17

= 4.1231056

Si tomamos como aproximación de

17
17

4.12, ¿cuál es el error máximo en esta aproximación?

17
17

el número 4.12, es

Cálculo Numérico

CAPITULO II – Resolución de ecuaciones no lineales

CAPITULO II

RESOLUCIÓN DE ECUACIONES NO LINEALES

2.1- INTRODUCCIÓN

Los métodos numéricos para resolución de ecuaciones no lineales suelen ser métodos iterativos que producen una sucesión de valores aproximados de la solución, que se espera, converja a la raíz de la ecuación (un número “ ” es raíz de una ecuación o cero de una función f (x) , sí f ( ) = 0 ). Estos métodos van calculando las sucesivas aproximaciones en base a los anteriores, a partir de una o varias aproximaciones iniciales.

f (x) x 1 2
f (x)
x
1
2

La idea central de los métodos iterativos es que partiendo de una aproximación inicial para la raíz, se van obteniendo nuevos valores mejorando la aproximación inicial hacia el valor de la raíz. Por lo que podemos separarlos en dos etapas o Fases:

FASE 1: Aislamiento: en esta fase se localizan o aíslan las raíces en un intervalo [a;b].

FASE 2: Refinamiento, que consiste en mejorar sucesivamente las aproximaciones de la fase 1, hasta obtener un valor lo suficientemente próximo a la raíz, dentro de la precisión prefijada.

2.2- FASE 1: AISLAMIENTO DE LAS RAICES

En esta fase se realiza un análisis teórico y gráfico de la función

f (x) . Es importante señalar que el suceso

de la fase 2, depende de la precisión de este análisis. Para el análisis teórico utilizamos frecuentemente el siguiente teorema:

2.2.1 – Teorema de Bolzano: Dada una función f (x) continua en el intervalo [a,b]. Si f (a). f (b) < 0 ,

entonces existe un punto x = , entre “a” y “b” que es cero de f (x) . Gráficamente:

f (b) a b x f (a)
f (b)
a
b
x
f (a)

Observación: bajo la hipótesis del teorema anterior, si

entonces, este contiene un único cero de

f (x)

f (x) existe y mantiene el signo en el intervalo [a,b]

Cálculo Numérico

CAPITULO II – Resolución de ecuaciones no lineales

Gráficamente f (b) a b f (a) f (x) > 0, x [a,b]
Gráficamente
f (b)
a
b
f (a)
f (x) > 0,
x
[a,b]
f (a) b a f (b) f (x) < 0, x [a,b]
f (a)
b
a
f (b)
f (x) < 0,
x
[a,b]

2.2.2 - Uso de tablas

Una de las formas de aislar las raíces de

los cambios de signos de f (x) y de la derivada en los intervalos en que f (x) cambia de signo.

f (x) , usando los conceptos anteriores, es tabular

f (x) , analizar

Ejemplo 2.1: Determina los intervalos que contienen a las raíces de a)

f

(

x

)

= x

3

b) f ( x ) = x 5 e
b)
f
(
x
) =
x
5
e

x , por medio de tablas y considerando apenas los cambios de signos.

9

x +

3

y

a) Para

f

(

x

)

= x

3

9

x +

3

la tabla será:

 

x

 

-100

 

-10

 

-5

-3

-1

0

1 2

3 4

5

f (x)

 

-

 

-

-

 

-

+

+

+

- -

+ +

+

Siendo que f (x) es continua x tenemos que los intervalos [ 5; 3];[0;1] y [2;3] la función cambió de signo, por lo que existe por lo menos un cero en estos intervalos

b) Para

f

(

x

) =

x
x

5

e

x tenemos:

x

0 1

2 3

4

f (x)

- -

+ +

+

Siendo que f (x) es continua x , existe un cero de f (x) en [1;2]. Para saber si este cero es único

en este intervalo analizamos el signo de f (x) .

f

(

x

) =

1 1/ 2

que es mayor que 0
2

x

e

+ 5

x

x > 0

Observación: si f (a). f (b) > 0 entonces podemos tener varias situaciones en [a,b].

Ejemplos:

f ( a ). f ( b ) > 0 entonces podemos tener varias situaciones en

Cálculo Numérico

2.2.3 - El método gráfico

CAPITULO II – Resolución de ecuaciones no lineales

El análisis gráfico es fundamental para obtener buenas aproximaciones de las raíces. Existen numerosos

f (x) . Esto puede hacerse de dos maneras a)

programas que auxilian en la obtención del gráfico de

haciendo directamente el gráfico f (x) de la manera tradicional y b) obteniendo dos funciones g(x) = h(x)

tales que

puntos sobre el eje x donde las curvas se interceptan.

f (x) = g(x) h(x) = 0 . Graficamos g(x) y h(x) en los mismos ejes cartesianos y localizamos lo

40 30 20 10 0 -10 -20 -30 -4 -3 -2 -1 0 1 2
40
30
20
10
0
-10
-20
-30
-4
-3
-2
-1
0
1
2
3
4
f
(
x
)
= x
3 9
x +
3

2.3- FASE II : REFINAMIENTO

8 6 4 2 0 -2 -4 -6 -8 -4 -3 -2 -1 0 1
8
6
4
2
0
-2
-4
-6
-8
-4
-3
-2
-1
0
1
2
3
4
h(x) = x y
g
(
x
)
=
(
x
3 +
3) /9

Un método iterativo consiste en una secuencia de instrucciones que son ejecutadas paso a paso, algunas de las cuales son repetidas por ciclos. La ejecución de un ciclo recibe el nombre de iteración. Cada iteración utiliza los resultados de las iteraciones anteriores y efectúa determinadas pruebas verificado el resultado al esperado.

Los métodos iterativos dan una aproximación para la solución, a diferencia de los métodos directos que dan la solución exacta.

2.3.1- Diagrama de flujo de un método iterativo

inicio Datos el valor Iniciales aproximado si Está suficientemente Cerca de la raíz Resultado Cálculos
inicio
Datos
el valor
Iniciales
aproximado
si
Está suficientemente
Cerca de la raíz
Resultado
Cálculos
?
Iniciales
K=1
no
K=K+1
Nueva
aproximación

Cálculo Numérico

2.3.2- Criterio de parada

CAPITULO II – Resolución de ecuaciones no lineales

Todos lo métodos iterativos efectúan un test del tipo: ¿está el valor calculado lo suficientemente próximo a la raíz exacta?. Para tal efecto se introduce el concepto de “raíz aproximada” y “tolerancia del error ”, que es la precisión con que se desea el resultado (cuanto menor se más próximo de estamos de la raíz exacta). Existen dos interpretaciones de la raíz aproximada que no siempre arrojan el mismo resultado:

1.- x < 2.- f (x) <
1.-
x
<
2.-
f
(x)
<

Como no conocemos el valor de la raíz exacta , no podemos calcular el punto 1 de esa manera, lo que hacemos es reducir el intervalo que contiene a la raíz a cada iteración, hasta conseguir un intervalo tal que

cumplimos con el

punto 1).

[a,b] y

b

a

<

; entonces

[a,b] se da que

x
x

x

<

de

esa manera

La condición óptima es que se satisfaga las dos condiciones, pero eso no siempre es posible como podemos ver gráficamente

f (x) f (a) < o f (b) < pero b a >> b a
f (x)
f (a)
<
o
f (b)
<
pero
b
a
>>
b
a
f (x) f (a) ó f (b) >> b a < a b
f (x)
f (a)
ó
f (b)
>>
b
a
<
a
b

2.4- MÉTODO DE LA BISECCIÓN (BISECTRIZ)

Dada una función f (x) continua en el intervalo [a,b] y tal que f (a). f (b) < 0 . Considerando que

posee una única raíz en [a,b], el método tiene como objetivo reducir la amplitud del intervalo hasta alcanzar

f (x)

la precisión requerida: b a < , usando para esto divisiones sucesivas del intervalo por
la precisión requerida:
b
a
<
, usando para esto divisiones sucesivas del intervalo por la mitad.
Gráficamente:
f (x)
a = a
= a
0
1
= a
x 1
2
= b
= b
b = b
x 0
0 x
1
2
x
2
los cálculos para evaluar la secuencia de puntos
,
x
,
x
,
x 0
es la siguiente:
1
2

Cálculo Numérico

x

x

x

0

1

2

=

=

=

b

0

+

a

0

b

1

2

+

a

1

b

2

2

+

a

2

2

f

f

f

f

(

(

(

f

f

f

f

f

(

(

(

(

(

(

a

b

x

0

0

0

a

b

x

1

1

1

)

)

)

a

b

x

2

2

2

)

)

)

)

)

)

<

>

>

0

0

0

<

>

<

0

0

0

<

>

>

0

0

0

CAPITULO II – Resolución de ecuaciones no lineales

b

1

b

2

a

1

=

[

a

0

=

x

0

a

[

2

=

x

1

=

b

1

,

x

,

a

0

b

1

x

1

0

]

b

3

a

[

3

=

a

2

=

x

2

x

,

a

2

2

]

]

b

0

b

1

b

2

a

0

a

>

1

a

>

2

<

Como el método utiliza la división sucesiva del intervalo, el criterio de parada para este método será cuando

b a < , tomando como valor aproximado de x = x k k k
b
a
<
, tomando como valor aproximado de
x = x
k
k
k .
Ejemplo 2.2- Dada la función f (x) = x log x 1, que posee un cero en [2, 3] con una precisión
<
10
1 , encuentra la raíz aproximada.
 f (2)
=
0,3979
<
0
{