MECÁNICA COMPUTACIONAL

PARTE I

INTRODUCCIÓN A LOS MÉTODOS

NUMÉRICOS
 OBJETIVO PRINCIPAL

El objetivo de este curso es mostrar algunos métodos

numéricos que utilizan los softwares para la simulación
estructural.
 OBJETIVOS ESPECIFICOS

Conocer los principios básicos de métodos numéricos, el concepto de

iteración y criterio de convergencia. Dichos conocimientos permitirán al
estudiante comprender los mensajes emitidos por el software de simulación.
Entender que los métodos numéricos dados son la base para la formulación
del método de elementos finitos.
Resolver estructuras de celosías a través del método de elementos finitos y
comparar los resultados obtenidos con un software de simulación.
 CAPITULO I

FUNDAMENTOS DE LOS
MÉTODOS NUMÉRICOS

Mecánica Computacional
 Definición método
numérico

Un método numérico es un procedimiento del cual se obtiene de manera

“aproximada” una solución para ciertos problemas mediante cálculos
puramente aritméticos y lógicos.

En problemas de ingeniería siempre se debe elegir los modelos físicos y

matemáticos para la solución.
 Exactitud y precisión

• Exactitud: se refiere a que tan cercano está el valor calculado o

medido del valor verdadero.

• Precisión: se refiere a qué tan cercano está un valor individual

medido o calculado respecto a los otros.
Exactitud y precisión
 Cifras Significativas

 
Con las técnicas numéricas se obtiene una aproximación a la solución exacta
pero hay cierta discrepancia o “error”

• Cifras significativas: Las cifras significativas de un número son aquellas

que tienen un significado real y, por tanto, aportan alguna información.

Si se dice que 4,7 tiene dos cifras significativas, mientras que 4,07 tiene
tres. Algunos números se deben expresar como potencias, por ejemplo 5000
será con una cifra significativa.
 Principales errores en
computación

• Error por truncamiento

• Error por redondeo
• Error absoluto
• Error relativo
• Error porcentual
• Errores inherentes al modelo
• Errores en los datos
 Errores por truncamiento

Son aquellos que resultan al usar una aproximación en lugar de un procedimiento

matemático exacto. Para tener un conocimiento de las características de estos
errores se regresa a la formulación matemática usada ampliamente en los métodos
numéricos para expresar funciones en forma polinomial.
Ejemplo: Representación de las series infinitas.
 

  3 5 7 ∞ 2𝑖 −1
𝑥 𝑥 𝑥 𝑖− 1 ∙ 𝑥
sin ( 𝑥 )=𝑥 − + + +… ∑ (−1)
3 ! 5! 7 ! 𝑖=1 ( 2 𝑖− 1 ) !
 Errores por redondeo

 
Ocurren al representar una cifra por un número finito de dígitos
decimales, es decir, se debe a la eliminación de cifras para tener una
aproximación:

• Simétrico : Aumenta con la secuencia de operaciones.

Ejemplo:
 Errores por redondeo

 • Normalmente se utiliza base 10:

Ejemplo:
• En los computadores se usa base 2 (digital, binaria,
Ejemplo:

Representación
Donde:
-
-
-
 Representación binaria

Ejemplo:
 Representación binaria

 
Ejemplo computador:
Por razones prácticas, sólo puede manejarse una cantidad finita de bits para cada número
en una computadora, y esta cantidad o longitud varía de una máquina a otra.
 Error absoluto

Es la diferencia entre el valor de la medida y el valor exacto o teórico. Puede

ser positivo o negativo, depende si la medida superior es real o inferior, la resta
será positiva o negativa.

 Error absoluto=|Valor de la medida − Valor teorico|

Ejemplo: Después de tomar un número determinado de medidas de un

elemento que idealmente debería medir 1 m se determina que el elemento mide
en promedio 1.010 m con un error de ± 0.006
 Error relativo

  el cociente (la división) entre el error absoluto y el valor exacto. Si se

Es
multiplica por 100 se obtiene el tanto por ciento (%) de error. Al igual que el
error absoluto puede ser positivo o negativo (según lo sea el error absoluto)
porque puede ser por exceso o por defecto.
 ERRORES INHERENTES

  presentan de acuerdo a los datos que se ingresen puesto que por ser
Se
experimentales, por los datos de medida existe la necesidad de aproximarlos.

Ejemplo:

No es posible deshacerse de ellos, es necesario realizar unas simplificaciones

de los modelos físicos y matemáticos.
 Errores en los datos

• Existen también los errores debido a la conceptualización, es decir, a la

toma de datos que se introducen en el proceso.

• Cuando no hay certeza en los parámetros de entrada.

 Propagación del error

Los procesos computacionales se basan en procedimientos secuenciales que

realizan una serie finita de pasos para realizar un conjunto de operaciones
determinadas.

 
 Propagación del error

Para una serie de aproximaciones, el error absoluto se puede expresar de la

siguiente manera:

  | Aproximaci ó n actual − Aproximaci ó n anterior|

Ea r =
Aproximaci ó n actual
 
x 100
 Métodos numéricamente
inestables

Se parte de observar los errores que surgen de los algoritmos, quienes

representan un conjunto de operaciones aritméticas. Los errores se propagan a
través del algoritmo numérico.

• Algoritmo estable: cuando en el proceso de propagación los errores no

crecen, o crecen pero están bajo control.

• Algoritmo inestable: cuando los algoritmos aumentan considerablemente y

sin control.
 Algoritmo estable

En muchas ocasiones se requiere que el error absoluto no supere una

tolerancia establecida (Es). Los cálculos se repiten hasta que se cumpla la
siguiente expresión:

|a|< 𝑠
 
 Algoritmo estable

Se puede relacionar el error Es con el número de cifras significativas de la

siguiente manera:

 S = ( 0,5 × 102 −n ) %

 Resumen de ecuaciones

Error
  Absoluto → E a=|Valor obtenido − Valor te ó rico|=| Aproximaci ó n actual − Aproximaci ó n anterior|

  |Valor obtenido − Valor te ó rico| | Aproximaci ó n actual − Aproximaci ó n anterior |

Error Absoluto Relativo → Ea r = =
Valor te ó rico Aproximaci ó n actual

2 −n

  S =( 0,5 × 10 )%
Gracias por su atención