Introducción y Teoría de Errores-MN FISI-UNMSM 2018-II

Métodos Numéricos
Introducción y Teoría de Errores
Profesor
John Ledgard Trujillo Trejo
Profesor de Tiempo Parcial
Lic. En Computación - UNMSM
Correo-e: alumnos.fisi@Gmail.com
Ciudad Universitaria, Lima, 14 de agosto de 2018

Universidad Nacional Mayor de San Marcos
Organización del Tema
1. Introducción
2. Teoría de Errores.
3. Error Absoluto.
4. Error Relativo
5. Cifras Significativas exactas.
6. Cifras Decimales Exactas.
14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 2

Motivación: Propagación de errores en la vida real







Concepto de error
 En ciencia y en ingeniería, el error esta asociado al concepto de

incerteza en la determinación del resultado de una medición.
 Usualmente el empleo del término error es equivalente a una equivocación.
 Lo que se procura en toda medición es conocer las cotas (o límites probabilísticos)
de esas incertezas.
 El valor 𝑋 es el mas representativo de la medición.

 El valor de ∆X se denomina la incerteza o error absoluto de la medición.

Concepto de error
 Los errores son de distintos tipos, y pueden estar relacionados con:

 El modelo físico/matemático usado
 Los datos. Recolección de datos.
 La aproximación matemática del modelo.
 Las operaciones realizadas al resolver problemas en un computador.
 En una situación real lo que se requiere en la mayoría de veces, no es

una respuesta exacta a un problema, sino más bien una respuesta
aproximada con una precisión prescrita.
 Las respuestas numéricas a problemas, contienen generalmente
errores que se originan en dos áreas:
 Aquellos inherentes en la formulación matemática de los problemas
 Aquellos en que se incurre en la determinación numérica de la solución4.

Concepto de error
 Existen dos causas principales de errores en los cálculos numéricos:

error de truncamiento y error de redondeo5.
 El error de truncamiento se debe a las aproximaciones utilizadas en la fórmula
matemática del modelo.

Concepto de error
 Los errores de redondeo se asocian con el número limitado de dígitos con que se
representan los números en una computadora. Para comprender la naturaleza de
estos errores, es necesario aprender las formas en que se almacenan los números y
como se lleva a cabo las sumas y restas dentro de una PC.

Tipos de errores
 Un método numérico constituye un método aproximado a la

resolución de un problema matemático (PM). Este a su vez puede
representar una modelización matemática de un problema físico o del
mundo real (PF).
 En la práctica la solución al PF que se conoce es la que proporciona el
método numérico, y en general difiere de la solución exacta, dada que
esta sujeta a cierto tipo de errores:
 Experimentales: se producen en la propia formulación del PF por valores inexactos

tomados en el trabajo de campo.

Tipos de errores
 De modelización: dependen de la afinidad a la realidad del modelo matemático

elegido.
 De discretización o truncamiento: inherentes a la propia naturaleza del método

numérico.
 De redondeo: consecuencia de las restricciones aritméticas de los humanos y los

ordenadores al trabajar con infinitos decimales

Tipos de errores
 Los errores pueden producirse de las siguientes formas:

 Error por corte: consiste en retener los k primeros términos e ignorar los términos
restantes de la representación decimal completa.
Por ejemplo, considere el valor de π = 3.141592654 la cual ha sido proporcionada
por una calculadora Casio fx-570s. Si consideramos 7 cifras significativas, el valor de
la aproximación será π′ = 3.141592 , este valor generara un error por corte de:
𝐸𝑐 = π − π′ = 0.000000654
 Error por redondeo: es el valor mas cercano al valor verdadero.
Por ejemplo, sea π = 3.141592654, entonces hago la suma:
π′ = 3.141592654 + 0.0000005 = 3.141593154
Y luego le aplico el corte a 7 cifras significativas, de esta manera π será aproximado
por:
π′ = 3.141593
Generando el error por redondeo:
𝐸𝑟 = π − π′ = 0.000000654

Tipos de errores
 Error por truncamiento: son aquellos que resultan al usar un esquema de

aproximación en lugar de un procedimiento matemático exacto.
Ejemplo: si aproximamos la derivada de x(t) en tj mediante la razón de cambio
respectiva tendremos:
𝑑𝑥 ∆𝑥 𝑥 𝑡𝑗+1 − 𝑥(𝑡𝑗 )
𝑡 ≈ =
𝑑𝑡 𝑗 ∆𝑡 𝑡𝑗+1 − 𝑡𝑗
Aquí se introdujo un error de truncamiento en la solución numérica, ya que esta
ecuación es una aproximación al valor verdadero de la derivada.

Tipos de errores
La noción de error de truncamiento se refiere normalmente a los errores que se

producen cuando una expresión matemática complicada se reemplaza por una fórmula
mas simple.
Esta terminología se originó en la sustitución de una función por uno de sus polinomios
de Taylor.
Por ejemplo, podríamos reemplazar la serie de Taylor
Por los cinco primeros términos
A la hora de calcular una integral numérica

Tipos de errores
Puesto que los valores de coinciden hasta la quinta cifra decimal diremos que el
error cometido al sustituir es menor que 10-5.

Tipos de errores
 La representación de los números reales en un ordenador está

limitada por el número de cifras de la mantisa, de manera que algunos
números no coinciden exactamente con su representación en la
máquina. Esto es lo que se conoce como error de redondeo.
 El número que se guarda en la memoria del ordenador puede haber
sufrido el redondeo de su última cifra, y como en el ordenador se
trabaja con una cantidad limitada de dígitos, los errores de redondeo
se introducen y propagan a través de operaciones sucesivas.
 El redondeo se puede hacer de dos formas distintas:
 Truncado: cuando no se modifica o altera el último dígito que no se descarta.
 Redondeo (simétrico): Si el primer dígito que se va a descartar es menor que 5 no
se modifica el anterior, mientras que si es mayor o igual que 5, el último dígito no
descartado aumenta en una unidad, si la cifra retenida es par se deja, y si es impar
se toma la cifra superior.

Tipos de errores
Por ejemplo, consideremos el número real:
La representación en coma flotante normalizada con redondeo a seis cifras significativas,

tiene los dos resultados siguientes:
En las aplicaciones de ingeniería, en general, se utiliza el redondeo simétrico ya que el

redondeo truncado supone una pérdida de información.

Cifras Significativas6
 Podemos definir el concepto de cifra significativa como aquella que

aporta información no ambigua ni superflua acerca de una
determinada medida experimental.
 En general estamos interesados en encontrar un concepto de significación física (por
tanto experimental, no exclusivamente numérica) de una determinada cifra
integrante de una expresión numérica.
 Dependerá de la medida concreta y vendrá determinada por su incertidumbre
experimental concreta.
6 http://www.escritoscientificos.es/trab21a40/cifrassignificativas/00cifras.htm

Cifras Significativas
 Las cifras significativas de un número son aquellas que tienen un

significado real y, por tanto, aportan alguna información.
 Toda medición experimental es inexacta y se debe expresar con sus cifras
significativas.
Supongamos que medimos la longitud de una mesa con una regla graduada en milímetros. El
resultado se puede expresar, por ejemplo como:
Longitud (L) = 85,2 cm
No es esta la única manera de expresar el resultado, pues también puede ser:
L = 0,852 m
L = 8,52 dm
L = 852 mm
Se exprese como se exprese el resultado tiene tres cifras significativas, que son los dígitos
considerados como ciertos en la medida. Cumplen con la definición pues tienen un significado
real y aportan información. Así, un resultado como
L = 0,8520 m
no tiene sentido ya que el instrumento que hemos utilizado para medir no es capaz de resolver
las diezmilésimas de metro.

 Son significativas la cifra afectada por la incertidumbre (último dígito) y las situadas
a su izquierda, que no sean ceros. Toda medición experimental es inexacta y se
debe expresar con sus cifras significativas.
 Las cifras significativas nos aportan una idea de la precisión de la medida.


 Pérdida de cifras significativas

 Consideremos los números , que son casi iguales
y están ambos expresados con una precisión de 11 cifras significativas.
Calculamos su diferencia y vemos que solo contiene cinco cifras
decimales. Este fenómeno se conoce como pérdida de cifras significativas o
cancelación.


Exactitud y Precisión

Error normalizado al valor verdadero

Error normalizado al valor verdadero


Error normalizado a un valor aproximado








Números reales: Representación
 El conjunto de los números reales R es conocido por todo el

mundo.
 La manera en la que los computadores tratan a los números reales es
quizás menos conocida.
 Las maquinas tienen recursos limitados.
 solamente se puede representar un subconjunto F de dimensión finita de R.
 Los números de este subconjunto se llaman números de punto flotante.
 F esta caracterizado por propiedades que son diferentes de las de R.

 La razón es que cualquier número real x es truncado, en principio, por la maquina
dando origen a un nuevo número (llamado numero de punto flotante), denotado
por fl(x), que no necesariamente coincide con el número original x.

 Consideremos el numero racional x = 1/7, cuya representación

decimal es
 Esta es una representación infinita, puesto que el numero de cifras decimales es
infinito.
 Para obtener su representación en el computador, introducimos después del
prompt (el símbolo >>) el cociente 1/7 y obtenemos
 es un numero con solo cuatro cifras decimales, siendo la última diferente de la

quinta cifra del numero original

 Si ahora considerásemos 1/3 encontraríamos
 la cuarta cifra decimal serıa exacta.
 Este comportamiento se debe al hecho de que los números reales son

redondeados por el computador.
 Esto significa, ante todo, que solo se devuelve un número fijo a priori de cifras
decimales.
 la última cifra decimal se incrementa en una unidad siempre y cuando la primera
cifra decimal despreciada sea mayor o igual que 5.
 La primera observación que debe hacerse es que usar sólo cuatro cifras decimales
para representar los números reales es cuestionable.
 la representación interna del numero se hace con 16 cifras decimales, y lo que
hemos visto es simplemente uno de los varios posibles formatos de salida de
OCTAVE.

 En realidad, un computador almacena, en general, un número real de la

forma siguiente
 donde s es 0 o 1.
 β (un entero positivo mayor o igual que 2) es la base adoptada por el computador
especifico que estemos manejando.
 m es un entero llamado mantisa cuya longitud t es el máximo numero de cifras
ai (con 0 ≤ ai ≤ β - 1) que se almacenan.
 e es un número entero llamado exponente.
 Los números cuyas formas se dan se llaman números de punto flotante, porque la
posición de su punto decimal no es fija.

 El conjunto F esta totalmente caracterizado por la base β, el numero de

cifras significativas t y el rango (L, U) (con L < 0 y U > 0) de variación del
índice e.
 se denota por F(β, t, L, U)
 En MATLAB tenemos F = F(2, 53, -1021, 1024) (en efecto, 53 cifras significativas en
base 2 corresponden a los 15 cifras significativas que muestra MATLAB en base 10
con el format long).
 como L y U son finitos, uno no puede representar números cuyo valor absoluto sea
arbitrariamente grande o arbitrariamente pequeño. .
 el numero real positivo más grande y el más pequeño de F vienen dados,
respectivamente, por
 En MATLAB estos valores pueden obtenerse mediante los comandos

 En OCTAVE los comandos realmin y realmax nos muestran
 Un numero positivo menor que xmin produce un mensaje de underflow y se trata

como un cero o de una manera especial.
 Un numero positivo mayor que xmax origina en cambio un mensaje de overflow y se
almacena en la variable Inf (que es la representación en el computador de +∞)

Números y su representación








Propagación de Errores












Bibliografía
1. Burden R. L. & Douglas J. F. Métodos Numéricos. Internacional Thompson Editores.
1998
2. Chapra S. C. & Canales R. P. Métodos Numéricos para Ingenieros. 1999
3. Kincaid D. & Cheney W. Análisis Numérico: Las matemáticas del cálculo científico.
Addison - Wesley Iberoamericana. 1994
4. Mathews J. H. & Fink K. D. Métodos Numéricos con MatLab. Prentice Hall Iberia
S.R.L. 1999
5. Moler C. B. Numerical Computing with MatLab. Society for Industrial and Applied
Mathematics SIAM. 2004
6. Cerquera Rojas, Jamil Armando. Teoría de Errores.
7. Avendaño Quiroz, Johnny Robert. Métodos numéricos
8. Enrique Comer Barragán. METODOS NUMERICOS: Una exploración basada en
Scheme.

Profesor
John Ledgard Trujillo Trejo
Profesor de Tiempo Parcial
Lic. En Computación - UNMSM
Correo-e: alumnos.fisi@Gmail.com

Introducción y Teoría de Errores-MN FISI-UNMSM 2018-II

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Introducción y Teoría de Errores-MN FISI-UNMSM 2018-II

Cargado por

Copyright:

Formatos disponibles

Métodos Numéricos

Introducción y Teoría de Errores

Profesor de Tiempo Parcial

Lic. En Computación - UNMSM

Ciudad Universitaria, Lima, 14 de agosto de 2018

Organización del Tema

5. Cifras Significativas exactas.

6. Cifras Decimales Exactas.

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 2

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 3

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 4

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 5

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 6

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 7

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 8

Motivación: Propagación de errores en la vida real

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 9

 En ciencia y en ingeniería, el error esta asociado al concepto de

 El valor 𝑋 es el mas representativo de la medición.

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 10

 Los errores son de distintos tipos, y pueden estar relacionados con:

 En una situación real lo que se requiere en la mayoría de veces, no es

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 11

 Existen dos causas principales de errores en los cálculos numéricos:

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 12

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 13

 Un método numérico constituye un método aproximado a la

 Experimentales: se producen en la propia formulación del PF por valores inexactos

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 14

 De modelización: dependen de la afinidad a la realidad del modelo matemático

 De discretización o truncamiento: inherentes a la propia naturaleza del método

 De redondeo: consecuencia de las restricciones aritméticas de los humanos y los

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 15

 Los errores pueden producirse de las siguientes formas:

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 16

 Error por truncamiento: son aquellos que resultan al usar un esquema de

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 17

La noción de error de truncamiento se refiere normalmente a los errores que se

Por los cinco primeros términos

A la hora de calcular una integral numérica

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 18

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 19

 La representación de los números reales en un ordenador está

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 20

Por ejemplo, consideremos el número real:

La representación en coma flotante normalizada con redondeo a seis cifras significativas,

En las aplicaciones de ingeniería, en general, se utiliza el redondeo simétrico ya que el

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 21

 Podemos definir el concepto de cifra significativa como aquella que

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 22

 Las cifras significativas de un número son aquellas que tienen un

Longitud (L) = 85,2 cm

No es esta la única manera de expresar el resultado, pues también puede ser:

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 23

 Las cifras significativas nos aportan una idea de la precisión de la medida.

14/08/2018 Métodos Numéricos: Teoría de Errores John Ledgard Trujillo Trejo | 24