UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA MECANICA

Curso: Métodos Numéricos

Profesor: Ing. Robert Castro Salguero
Tema: Introduccion a los Metodos Numericos
y Teoria de Errores
Objetivo
 Al finalizar el curso el alumno deberá:
 Resolver la formulación matemática de los
problemas de ingeniería, calculando con
precisión requerida los valores de las variables
del problema, mediante la implementación de
los Métodos Numéricos usando software
adecuado.
Solucion de Problemas de Ingeniería

 Formulacion del Problema

 Modelamiento Matematico del Problema
 Solucion del Modelo Matematico
 Analisis de resultados
 Implementacion
Formulacion del Problema
Modelamiento Matematico
Solucion del Modelo Matematico
Analisis de Resultados
Implementacion
Teoria de Errores
Fuentes de Error
Error del modelo o error del
problema
 En los fenómenos de la naturaleza muchas
veces efectuamos ciertas hipótesis, es decir
aceptamos determinadas condiciones que
nos dará una situación aproximada del
fenómeno estudiado, de esta manera
podemos plantear el comportamiento de
dicho fenómeno por medio de un modelo
matemático.
Error del método

 Cuando un problema planteado en forma

precisa no puede resolverse en forma exacta
o es muy difícil de hallar la solución, se
fórmula una aproximación del modelo, que
ofrezca prácticamente los mismo resultados
(método).
Error residual

 Son los originados por las series infinitas, al

considerar solo una parte finita.
 Por ejemplo:
 para cierto valor n.
 e= 2+1/2!+1/3!+1/4!+ … + 1/n!
Error inicial

 Son los originados por los parámetros cuyos

valores son conocidos aproximadamente:
 Ejemplo: La constante de Planck
Errores de redondeo

 Originados por la representación finita de los

números, es el caso de las computadoras
(notación de punto flotante).
 Por ejemplo: se redondea en un número
finito de dígitos.
 Ej- 2/3 se puede redondear a 0.667
Errores sistemático
 Son aquellos, que sin variar las condiciones
del ensayo entran de igual modo en cada
resultado de las mediciones, pueden ser
originados por:
 Defecto del instrumento
 Las condiciones del ambiente
 La metodología de la medición
 Precisión limitada del instrumento
 Las particularidades del experimentador
Error Casual o Accidental
(fortuito)

 Son los que están vinculados con los factores

que sufren pequeñas variaciones (aleatorias)
durante el experimento:
Estabilidad del Problema

 Significa que pequeños cambios en los datos

producen pequeños cambios en la solución
exacta del problema inicial. De los problemas
que no verifican esta propiedad, se dicen que
están mal condicionados.
Propagación del error de
las funciones
  Al resolver un problema utilizando métodos numéricos, en
general el error será consecuencia de un cúmulo de errores
ocurridos en pasos sucesivos, se debe estudiar la mecánica
de “propagación” de los mismos a lo largo del cálculo.
 Un mito común es que las computadoras modernas trabajan
con tal grado de precisión que los usuarios no necesitan
contemplar la posibilidad de resultados inexactos. Esto se ve
reforzado cuando vemos en la pantalla los resultados con
gran cantidad de cifras. Sin embargo, veremos a lo largo del
curso que la falta de cuidado en cálculos aparentemente
directos y triviales puede conducir a resultados catastróficos.
Propagación de Errores

 Funciones de una variable:

y  f  x
dy
y  x
dx

 Funciones de varias variables

y  f  x1 , x2 ,  , xn 
n
y
y    xi
i 1 xi
Propagación de Errores
 Determinar el error permisible de cada
variable a fin de que error de la función no
exceda un cierto valor:
 Principio de igual efecto: Cada una de las
variable aportan al error total en una misma
cantidad.
 y*
x *

i
y
n
xi
Problema
 Hallar el error absoluto y relativo que se
comete al elevar a la cuarta el número x=2
cuyo error absoluto es 0.1.
 Solución
 y  4 2   0.1
3

x2
 x  0.1  y  3.2

yx 4 y  2 4  16  Aproximado 
dy Y  y   y  16  3.2  Exacto 
y  x
dx Y  12.8,19.2  Rango
 y  4 x 3 x  3.2 
  100%  20%
 16 
Problema

 Una corriente pasa a través de una resistencia

de 20 Ohmios cuyo valor tiene una precisión
de 5%, la corriente es de 2 Amperios y fue
medida con una aproximacion de ±0.1
Amperio.
 A) Hallar el valor aproximado del voltaje
(e=i*r).
 B) Hallar el error absoluto y relativo
 Solución
r  20
i2  e   20 0.1   2 1
 i  0.1 e  4
 r  5% 20  1 e  i * r  (2)( 20)  40 (aproximado )
e  i*r E  40  4  exacto 
e e 4
e  i   r e   0.1  10%
i r 40
 e  r i  i  r
Problema

 Se tiene un rectángulo cuyos lados han sido

medidos aproximadamente en: l=3 metros y
h=2 metros.
 Se desea obtener el área del rectángulo con
un error no mayor al 5%. ¿Qué errores en la
medida de l y h son permisibles?
Solución
 Aplicaremos el principio de igual efecto, es
decir, suponemos que cada variable
contribuye al error en una misma proporcion:
l 3 *

a 0.3
l 
*
h2   0.075
2h 2 2 
a  l *h  6
a
*
0.3
 a  5% 6   0.3  h 
*
*
  0.05
2l 2 3
 a  l * h   h * l
Problema
 La reactancia de un condensador de un
sistema receptor de señales está dado por:
1
Xc 
 Donde: 2 f C
 Xc=Reactancia Capacitiva (Ohmios)
 f=frecuencia (Hz)
 C=Capacitancia (Faradio)
 ¿Cuáles son límites de variación de la
reactancia para: f=400±1 Hz
 C=10-7±10% Faradios
Aritmética del Computador

 Sea el sistema de punto Flotante definido por

F(B, t, L, U), donde:
 B es la base del sistema
 t es la mantisa
 L es el menor exponente permitido
 U es el mayor exponente permitido
 Donde: X=±0.d1d2d3…dtxβE d1≠0
Aritmética del Computador(cont)

Por ejemplo sea el sistema hipotético

F(10, 3, -3, 3):
Se desea realizar la operación: X*Y
X=2/30
Y=5/9
Cuyo valor exacto es:
X*Y=10/270=0.037037037…..
Aritmética del Computador(cont)

Sin embargo en nuestro sistema

hipotético el resultado se obtiene:
fl(fl(X)*fl(Y))
X=2/30=0.0666666….
fl(X)=0.667x10-1
Y=5/9=0.55555….
fl(Y)=0.556x100
Aritmética del Computador(cont)

fl(X)*fl(Y)
0.667x10-1* 0.556x100
0.370852x10-1
fl(fl(X)*fl(Y))=0.371x10-1
Error=10-4
Aritmética del Computador(cont)

Overflow: Si en los cálculos se genera un

resultado mayor que el numero mas
grande que se puede almacenar
estamos ante un desbordamiento de
rango denominado Overflow.
Ejm.- Z=1234567.222≈0.123x107
fl(Z)=>Overflow
Excede el máximo exponente
permitido!!!
Aritmética del Computador(cont)

Underflow: Si en los cálculos se genera

un resultado inferior al menor valor
positivo que se pueda almacenar se
producirá un desbordamiento
denominado Underflow. En este caso
tomará valor Cero.
Ejm.- Z=1/700000≈0.143x10-5
fl(Z)=0 => Underflow
Aritmética del Computador(cont)

La precisión de la maquina (epsilon)

según la IEEE se define como la
distancia de 1 al siguiente numero que
tenga almacenamiento exacto.
Ejm.- Para el sistema hipotético anterior,
el numero 1 será:
Uno=0.100x101
Uno+eps=0.101x101
Eps=10-2
Aritmética del Computador(cont)

Puesto que la cantidad de números a

almacenar es una cantidad finita, la
mayoría de números reales tendrán
que ser aproximados a aquellos que
tienen una representación exacta en el
sistema de punto flotante empleado.
Esto origina las perdidas de precisión
por redondeo.
Aritmética del Computador(cont)
Estándar IEEE-754 para representación de
Punto Flotante
  Este estándar se desarrolló para facilitar la
portabilidad de los programas de un
procesadora otro y para alentar el
desarrollo de programas numéricos
sofisticados. Este estándar ha sido
ampliamente adoptado y se utiliza
prácticamente en todos los procesadores y
coprocesadores aritméticos actuales.
Aritmética del Computador(cont)

 El estándar del IEEE define el formato para

precisión simple de 32 bits y para precisión
doble de 64 bits.
 Hasta la década de los 90 cada
computador utilizaba su propio formato en
punto flotante, en 1985 se introduce el
estándar IEEE-754 con la finalidad de
uniformizarlos.
Aritmética del Computador(cont)
Aritmética del Computador(cont)
Aritmética del Computador(cont)
Aritmética del Computador(cont)
Almacenamiento del Cero en
Simple Precisión
 Todos los bits del exponente y de la mantisa
son ceros
 Hay 2 posibilidades:

0 00000000 00000000000000000000000
= +0

1 00000000 00000000000000000000000
= -0
Almacenamiento de los
Numeros No Normalizados o
Sub-Normales en simple
precision
 Todos los bits del Exponente son ceros y la
mantisa es diferente de cero:
 1 00000000 0010001000o000000000000
 X=(-1)1*0. 0010001000o000000000000*2-126
 X=(-1)*(0*2-1+ 0*2-2+1*2-3+ 0*2-4+ 0*2-5+
 +0*2-6+ 1*2-7+……..)*2-126=- 1.5612*10-39
Almacenamiento de los
Numeros No Normalizados o
Sub-Normales en simple
precision (Ejercicio)
 Cual el menor sub-normal positivo

 Cual el mayor sub-normal positivo

Almacenamiento del Número
Infinito en simple precisión
(Inf):
 Se representa con todos los bits del
exponente igual a 1 y la mantisa con todos los
bits iguales a 0.
 0 11111111 00000000000000000000000
 = +Infinito
 1 11111111 00000000000000000000000
 = -Infinito
Almacenamiento del Número No
validos en simple precisión
(NaN):
 Se representa con todos los bits del
exponente igual a 1 y la mantisa no nula.

 0 11111111 10000100000000000000000
 1 11111111 00100010001001010101010
Almacenamiento de los
Numeros Normalizados en
simple precision

 Los bits del Exponente no pueden ser todos

ceros y tampoco todos pueden ser unos:
 Cualquier otra combinacion de bits del
exponente es validad para un numero
normalizado
 Almacenamiento de los
Números Normalizados en
simple precisión
 Conversion de binario a decimal
 s e1e2…e8 m1m2m3………….m23
 1 11000000 0010001000o000000000000
 X=(-1)s*1. m1m2m3……m23 *2(e1e2…e8 -127)
 X=(-1)1*1. 0010001000o000000000000*211000000-127
 X=(-1)1*(1+0*2-1+ 0*2-2+1*2-3+ 0*2-4+ 0*2-5+
 +0*2-6+ 1*2-7+……..)*211000000-127
 X=-(1+2-3+2-7)*2128+64-127=4.1793e+19
 Almacenamiento de los
Números Normalizados en
simple precisión
 Conversion de decimal a binario (binario exacto)
 Convertir a binario: 347.625 = 101011011.101
 Normalizar el numero :
 101011011.101=1.01011011101x28
 Mantisa: 01011011101000000000000
 Calculamos el exponente con exceso 127
 8 + 127 = 13510 = 100001112
 El numero: o 10000111 1011011101000000000000
 Almacenamiento de los
Números Normalizados en
simple precisión
 Conversion de decimal a binario (binario inexacto)
 Convertir a binario:
 0.7 = 0.101100110011001100110011
 Normalizar el numero:
 =1.01100110011001100110011x2-1
 Mantisa: 01100110011001100110011
 Almacenamiento de los
Números Normalizados en
simple precisión
 Conversion de decimal a binario (binario inexacto)
 Calculamos el exponente con exceso 127
 -1 + 127 = 12610 = 011111102
 El número: o 01111110 01100110011001100110011
 Como se almacena el Numero realmente?
 X=(-1)0*1. 01100110011001100110011 *201111110-127
 X= 0.699999988079071
Almacenamiento de los
Numeros Normalizados en
simple precision(Ejercicios)
 Cual el menor normalizado positivo
 Cual el mayor normalizado negativo
 Representar el 1
 Representar el numero que esta despues del 1
 Representar el numero: -425.625
 Representar el numero: 18.1