Está en la página 1de 25

Universidad Nacional Agraria La Molina

Facultad de Ingeniería Agrícola


Departamento Académico de Recursos Hídricos

Análisis Numérico en Ingeniería


(Aplicaciones con MATLAB)

Fundamentos
Matemáticos y
Análisis de Error

Jesús Abel Mejía Marcacuzco, Ph.D.


Lima - Perú
Presentación

Gracias a su singular y fascinante capacidad, MATLAB ha cambiado el


concepto de programación para análisis numérico y matemático
porque posibilita la ejecución del cálculo numérico y simbólico de
forma rápida y precisa, acompañado de características gráficas y de
visualización avanzada apta para el trabajo científico y de ingeniería.

Por esta razón, el propósito de estas presentaciones es ofrecer una


introducción al análisis numérico y a la visualización gráfica en
MATLAB para estudiantes universitarios y profesionales en las áreas
de ciencias e ingeniería y surge de la experiencia, del autor, de haber
enseñado la asignatura de Métodos Numéricos en Ingeniería de
Recursos Hídricos, desde el año 2000 en la maestría y desde el año
2005 en el Programa de Doctorado de Recursos Hídricos de la
Universidad Nacional Agraria La Molina.

Jesús Abel Mejía Marcacuzco, Ph.D.


Profesor Principal FIA-UNALM
Análisis Numérico y su importancia en la Ingeniería
 Los métodos numéricos son técnicas y herramientas muy
poderosas para la solución de problemas matemáticos que
no tienen solución analítica.
 Son capaces de manejar sistemas de ecuaciones grandes,
no linealidades y geometrías complicadas, comunes en la
práctica de la ingeniería e imposibles de resolver
analíticamente.
 El uso de software disponible, depende del conocimiento de
la teoría básica y métodos numéricos en la que se basaron.
 Los métodos numéricos y la programación permite, a uno,
diseñar su propio programa y al aplicarlo brinda una
excelente demostración de cómo las computadoras pueden
servir al estudiante para su desarrollo profesional.
 Los métodos numéricos refuerza la comprensión de las
matemáticas, ya que una de sus funciones es convertir las
matemáticas superiores a operaciones algebraicas básicas.
Problemas Relacionados con Análisis Numérico
Raíces de ecuaciones: Muy útil en proyectos de ingeniería,
donde con frecuencia es imposible despejar de manera
analítica las variables de ecuaciones de diseño.
Sistemas de ecuaciones: Surgen de una variedad de
problemas y en todas las disciplinas de la ingeniería, en
particular, se originan a partir de modelos matemáticos de
sistemas grandes de elementos interrelacionados, como:
estructuras, circuitos eléctricos, redes de flujo; solución de
ecuaciones diferenciales, etc.
Ajuste de curvas: Pueden efectuarse mediante las técnicas
de regresión e interpolación. La primera determina una curva
que represente la tendencia general de los datos sin necesidad
de tocar los puntos individuales. En contraste, la interpolación
permite ajustar una curva mediante los puntos y usar esta
curva para predecir valores intermedios.
Integración: La integración numérica es la determinación del
área bajo la curva. Tiene muchas aplicaciones en ingeniería y
juegan un papel importante en la solución de las ecuaciones
diferenciales.
Ecuaciones diferenciales ordinarias: Tienen una gran
aplicación en la ingeniería; debido a que muchas leyes físicas
están expresadas en términos de la razón de cambio de una
cantidad más que en términos de su magnitud. Pueden
observarse dos tipos de problemas: problemas con valor inicial
y valores en la frontera.
Ecuaciones diferenciales parciales: Son usadas para
caracterizar sistemas de ingeniería, donde el comportamiento
de la cantidad física es expresada en términos de rapidez de
cambio con respecto a dos o más variables independientes. En
el curso se hará énfasis en el método de las diferencias finitas,
método de las características y volúmenes finitos.
Lenguajes de Programación y Software para Cálculo
Numérico
Desde que empezó la era de la computadora, se han
elaborado cientos de lenguajes de computación; determinar
cuál es el “mejor” lenguaje ha sido objeto de grandes debates.
A continuación describimos los principales lenguajes de
programación y software, utilizados en métodos numéricos:
Fortran: Traductor de Fórmulas, presentado comercialmente
por la IBM en 1957 y considerado hasta la fecha como un
lenguaje natural de computación para muchos ingenieros y
científicos. Tiene capacidad para trabajar con variables de
doble precisión y manejar funciones matemáticas especiales,
incluyendo variables complejas.
C: En términos generales es inferior al Fortran 90, tiene
acceso a bajos niveles de hardware y software. Muchas
universidades implementaron el C como primer lenguaje de
computadora para los estudiantes de ciencias e ingeniería.
Visual BASIC: creado originalmente, como BASIC, a
mediados de la década de los sesenta, como un lenguaje
instructivo para los estudiantes, evolucionando luego como
QUICK BASIC de Microsoft y en la actualidad, su principal
implementación es el Visual BASIC. Este lenguaje está
relacionado estrechamente con el sistema operativo de
Windows de Microsoft. Debido a su función de macrolenguaje
para la hoja de cálculo Excel, su utilidad está más que
reconocida.

Mathcad: Presentado en su primera versión en 1986. El


software permite al usuario realizar tareas de matemáticas,
obtener datos de primera mano y elaborar gráficas propias de
la ciencia y la ingeniería de manera interactiva. En virtud de
su facilidad de uso, creemos que el Mathcad es
particularmente útil como herramienta pedagógica.
Excel: Hoja de cálculo producida por Microsoft, cuyo tipo
especial de software matemático permite al usuario dar y
realizar cálculos en filas y columnas de datos. Tiene algunas
capacidades numéricas inherentes, incluida la solución de
ecuaciones, el ajuste de curvas y la optimización. Incluye el
Visual BASIC como un macro lenguaje que puede usarse
para implementar cálculos numéricos. Posee varias
herramientas de visualización (gráficas 3D) valiosas para el
análisis numérico.

MATLAB: Software producido por Mathworks, Inc., empresa


establecida por los analistas numéricos Cleve Moler y John
N. Little. Fue desarrollado en principio como un laboratorio
de matrices. La manipulación matemática de las matrices
está perfectamente realizada en un ambiente interactivo, de
uso fácil. Para ello MATLAB tiene, además, varias funciones
matemáticas, cálculos simbólicos y herramientas de
visualización.
Aproximaciones y Errores En Análisis Numérico

Aunque pueda parecer contradictorio, la mayor parte de las


técnicas desarrolladas en el curso tienen la característica de
poseer errores. En la práctica profesional los errores pueden
resultar costosos y en algunos casos catastróficos. Se
puede perder hasta la vida si una estructura llegara a fallar.

Uno de los dos errores más comunes son los errores de


redondeo que se deben a que la computadora sólo puede
representar cantidades con un número finito de dígitos. Otro
tipo de error son los errores de truncamiento que
representan la diferencia entre la formulación matemática
exacta de un problema y la aproximación dada por un
método numérico. Hay otros tipos de errores como errores
por equivocación, errores en la formulación de modelos y la
incertidumbre en la obtención de datos, entre otros.
Cifras Significativas

Cuado se emplea un número en un cálculo, debe haber


seguridad de que puede usarse con confianza. El concepto
de cifra o dígitos significativos se ha desarrollado para
designar formalmente la confiabilidad de un valor numérico.

Los ceros no siempre son cifras significativas, ya que pueden


usarse sólo para ubicar el punto decimal. Los números
0.00001845 y 0.001845 tienen cuatro cifras significativas. En
forma similar, cuando se incluye ceros en números muy
grandes, no es claro cuántos son significativos. Por ejemplo,
en el valor nominal, 45300 puede tener tres, cuatro o cinco
dígitos significativos, dependiendo si los ceros se conocen
con exactitud. La incertidumbre se puede desechar usando la
notación científica en donde 4.53104, 4.530104, 4.5300104
muestran que el número tiene tres, cuatro y cinco cifras
significativas.
El concepto de cifras significativas tiene dos implicaciones
importantes en el estudio de los métodos numéricos:

 Como los métodos numéricos obtienen resultados


aproximados, se debe desarrollar criterios para especificar
qué tan precisos son los resultados obtenidos. Una
manera de hacerlo es en términos de cifras significativas.
Por ejemplo, se puede decidir que la aproximación es
aceptable para cuatro cifras significativas.

 Algunas cantidades tales como:  y e no se pueden


expresar exactamente con un número de dígitos. Por
ejemplo,  = 3.141592653589793238462643..., y debido a
que las computadoras retienen solo un número finito de
cifras significativas, tales números jamás se podrán
representar con exactitud. A la omisión del resto de cifras
significativas se le conoce como error de redondeo.
Exactitud y Precisión
La exactitud se refiere a qué tan cercano están el valor
calculado o medido con el valor verdadero. La precisión se
refiere a qué tan cercano está un valor individual medido o
calculado con respecto a otros. La inexactitud (sesgo) se
define como un alejamiento sistemático de la verdad. La
imprecisión (incertidumbre), se refiere a la magnitud del
esparcimiento de los datos.
Los métodos numéricos
Aumenta la exactitud
deben ser lo suficientemente
exactos y lo suficientemente
Aumenta la precisión

precisos para el diseño en la


ingeniería. En el curso se
usa el término error para
representar la inexactitud y
la impresión de las
predicciones.
Definiciones de Error
Los errores numéricos surgen con el uso de aproximaciones
para representar las operaciones y cantidades matemáticas.
Pueden ser:
Errores de truncamiento: que resultan de representar
aproximadamente un procedimiento matemático exacto
Errores de redondeo: que se producen cuando los números
tienen un límite de cifras significativas que se usan para
representar números exactos.
Para los dos tipos de errores, la relación entre el resultado
exacto o verdadero y el aproximado está dada por:
Valor verdadero = aproximación + error
De aquí se encuentra que:
E = error = Valor verdadero - aproximación
Un defecto en esta definición es que no toma en
consideración el orden de magnitud del valor que se esta
probando. Por ejemplo un error de 1 centímetro es mucho
más significativo si se mide una ventana que un puente. Una
manera de medir las magnitudes de las cantidades que se
esta evaluando es normalizar el error respecto al valor
verdadero, como:
error verd adero E
Error relativo  e 100 %
valor verd adero valor verd adero

Ejemplo: La medición de la longitud de un puente se da


9999 cm. Si la medida verdadera es 10000 cm, calcular:
a) el error verdadero y b) el error relativo.
Solución: Error en la medición: E = 10000 – 9999 = 1 cm
1
El error relativo para el puente es: e 100  0.01 %
10000
Error de truncamiento
Los errores numéricos surgen con el uso de aproximaciones
para representar las operaciones y cantidades matemáticas.
Pueden ser:
Errores de truncamiento: que resultan de representar
aproximadamente un procedimiento matemático exacto
Errores de redondeo: que se producen cuando los números
tienen un límite de cifras significativas que se usan para
representar números exactos.
Para los dos tipos de errores, la relación entre el resultado
exacto o verdadero y el aproximado está dada por:
Valor verdadero = aproximación + error
De aquí se encuentra que:
E = error = Valor verdadero - aproximación
Errores de Redondeo

Los errores de redondeo se originan debido a que la


computadora puede guardar un número fijo de cifras
significativas durante el cálculo; además, porque las
computadoras usan una representación en base dos, y no
pueden representar ciertamente números exactos en base
diez. Esta discrepancia por la omisión de cifras
significativas es llamada error de redondeo.

Numéricamente los errores de redondeo se relacionan de


manera directa con la forma en que se guardan en la
memoria de la computadora. La unidad fundamental por la
cual se representa la información se llama palabra. Esto es
una entidad que consiste en una cadena de dígitos
binarios o bits. Los números son típicamente guardados en
uno o más conjuntos.
Errores de Truncamiento y la Serie de Taylor

El error de truncamiento se debe a las aproximaciones


utilizadas en la fórmula matemática del modelo. La serie
de Taylor es el medio más importante que se emplea para
obtener modelos numéricos y analizar los errores de
truncamiento.

Las soluciones numéricas son, en su mayoría,


aproximaciones de las soluciones exactas. Gran parte de
los métodos numéricos se basan en la aproximación de
funciones por medio de polinomios, aún cuando esto no
sea evidente. Se construyen algoritmos más avanzados
ligando los algoritmos básicos. Por lo tanto, cuando se
objeta el error de un método numérico, hay que investigar
la precisión con la que el polinomio aproxima la función
verdadera.
El desarrollo de Taylor, que es una serie infinita de
potencias, representa de manera exacta a una función
dentro de un cierto radio alrededor de un punto dado. Por
lo tanto, mediante la comparación del desarrollo polinomial
de la solución numérica con la serie de Taylor de la
solución exacta, particularmente al descubrir el orden en
donde aparece la discrepancia, es posible evaluar el error,
el cual se conoce como error de truncamiento.

También se usa la serie de Taylor para obtener métodos


numéricos. Si se ignoran todos los números de la serie de
Taylor, excepto algunos, se puede obtener un polinomio
que se aproxime a la función verdadera. A este polinomio
se le llama una serie de Taylor truncada y se usa como
punto de partida para obtener métodos numéricos. Sin
embargo, el error del método numérico se origina en el
truncamiento.
Se dice que una función f(x) es analítica o continua en
x = a, sí f(x) se puede representar por medio de una
serie de potencias en términos de h = x – a dentro de
un radio de convergencia, D>|x–a|>0. Una condición
necesaria para que una función sea analítica es que
todas sus derivadas sean continuas tanto en x = a,
como en alguna vecindad alrededor de ese punto.

Un punto en donde una función f(x) no es analítica


recibe el nombre de punto singular. Si f(x) es
diferenciable en todas partes en la vecindad de xo
excepto en xo, entonces xo es un punto singular. Por
ejemplo, tan(x) es analítica excepto en x = ±(n+1/2) ;
n = 0, 1, 2,..., los cuales son puntos singulares. Los
polinomios son analíticos en todas partes.
Si f es analítica alrededor de x = a, se puede representar
f(x) de manera exacta en la vecindad de x = a por medio de
su serie de Taylor, que es una serie de potencias dada por:
h2 h3 h4 h5 h m m 
f ( x)  f a   hf ' a   f ' ' a   f ' ' ' a   f ' ' ' ' a   f ' ' ' ' ' a .  ...  f a   ....
2! 3! 4! 5! m!

donde: h = x – a. Por ejemplo, los desarrollos de Taylor de,


e-x y sen(x), alrededor de x = 1 son, respectivamente:
x 1 h 2 1 h 3 1 h 4 1
1
e  e  he  e  e  e  ...
2! 3! 4!
h2 h3 h4
Sen( x)  sen(1)  h cos(1)  sen(1)  cos(1)  sen(1)  ...
2! 3! 4!

donde: h = x – 1. La serie de Taylor es única. Esto quiere


decir que no existe otra serie de potencias en h = x – a
para representar f(x).
El desarrollo de Taylor de una función alrededor de x = 0
recibe el nombre de serie de Maclaurin. A continuación se
presentan las siguientes series de Taylor:
2 3 4
x x x
ex  1 x     ... -∞<x<∞
2! 3! 4!
x3 x5 x7
sen( x)  x     ... -∞<x<∞
3! 5! 7!
x2 x4 x6
cos( x)  1     ... -∞<x<∞
2! 4! 6!
x2 x3 x4
ln( x  1)  x     ... -1 < x < 0  0 ≤ x ≤ 1
2 3 4
1
 1  x  x 2  x 3  ... -1<x<1
1 x
( x  1) 2 ( x  1) 3 ( x  1) 4
ln( x)  ( x  1)     ... 0<x≤2
2 3 4
Para cada caso, la serie converge en el intervalo dado.
Ejemplo 1: Calcular el valor de 2 3 4
x x x
ex para x = 0.5 y el error ex  1 x     ...
respectivo según la serie desde 2! 3! 4!
1 hasta el sexto término:

Solución:

ex = e0.5 = 1.64872127

N° Términos Suma Error


1 1 -39.3469
2 1.5 -9.0204
3 1.625 -1.43877
4 1.64583 -0.17516
5 1.64844 -0.0172116
6 1.6487 -0.00141312
Ejemplo 2: Para x = 1.1, calcular ln(x) en los primeros 5 términos de la serie
0.1 0.001 0.0001 0.00001
Solución: ln( 1.1)  0.1      0.0953103333 ...
2 3 4 5
Valor es correcto hasta el sexto decimal.

Ejemplo 3: Determinar la serie de Taylor de la función:

f(x) = 3x5 - 2x4 + 15x3 + 13x2 - 12x – 5; en x=2

Solución: Para determinar los coeficientes de la serie, se requiere los valores


numéricos de f (k) (2) para k = 0, 1, 2, 3, …..

f(x) = 3x5 - 2x4 + 15x3 + 13x2 - 12x – 5 f (2) = 207


f´(x) = 15x4 - 8x3 + 45x2 + 26x - 12 f ’(2) = 396
f´´(x) = 60x3 - 24x2 + 90x + 26 f ´´(2) = 590
f´´´(x) = 180x2 - 48x + 90 f ´´´(2) = 714
f iv(x) = 360x - 48 f iv (2) = 672
fv(x) = 360 f v (2) = 360
f(k)(x) = 0 para k ≥ 6
h2 h3 h4 iv h5 v hk k 
f ( x)  f a   hf ' a   f ' ' a   f ' ' ' a   f a   f a   ...  f a 
2! 3! 4! 5! m!

( x  2) 2 ( x  2) 3 ( x  2) 4 ( x  2) 5 ( x  2) 6
f ( x )  207  396( x  2)  590  714  672  360 0
2! 3! 4! 5! 6!

f(x)  207 + 396(x -2) + 295(x-2)2 + 119(x - 2)3 + 28(x - 2)4 + 3(x - 2)5

En las aplicaciones prácticas, hay que truncar la serie de


Taylor después de un término de cierto orden, ya que es
imposible incluir un número infinito de términos. Si la serie de
Taylor se trunca después del término de orden N, se expresa
como:

f a   Oh N 1 
h2 h3 h4 h5 hN N 
f ( x)  f a   hf ' a   f ' ' a   f ' ' ' a   f ' ' ' ' a   f ' ' ' ' ' a .  ... 
2! 3! 4! 5! N!
donde h = x - a y O(hN+1) representa el error provocado por
el truncamiento de los términos de orden N+1 y superiores.
El error global se puede expresar como:
N 1
h
O(h N 1 )  f ( N 1) (a  h) 0  1
( N  1)!
puesto que  no se puede calcular
N 1 ( N 1) h N 1
con exactitud, es frecuente O( h ) f (a)
aproximar el término de error ( N  1)!
haciendo  = 0
que es el término dominante de los f ( x)  f (a)  f ´(a)h,
términos truncados. Si N = 1, por
ejemplo, la serie de Taylor h  xa
truncada es

Si se incluye el efecto del error, f ( x)  f (a)  f ´(a)h  0(h 2 )


también se expresa como:
h2
O(h )  f ´´(a  h) ,
2
0  1
2