Métodos

Numéricos
E.F.P. Ingeniería de
Minas

Ing. Darwin Ortega Cáceres

Capitulo I
Introducción

Ing. Darwin Ortega Cáceres

Introducción

¿Qué es un método numérico?

Un método numérico es un procedimiento mediante el cual se obtiene, casi

siempre de manera aproximada, la solución de ciertos problemas realizando
cálculos puramente aritméticos y lógicos (operaciones aritméticas elementales,
cálculo de funciones, consulta de una tabla de valores, cálculo preposicional,
etc.). Un procedimiento consiste de una lista finita de instrucciones precisas
que especifican una secuencia de operaciones algebraicas y lógicas (algoritmo),
que producen o bien una aproximación de la solución del problema (solución
numérica) o bien un mensaje. La eficiencia en el cálculo de dicha aproximación
depende, en parte, de la facilidad de implementación del algoritmo y de las
características especiales y limitaciones de los instrumentos de cálculo (los
computadores). En general, al emplear estos instrumentos de cálculo se
introducen errores llamados de redondeo.
Introducción

¿Qué es un método numérico?

Los métodos numéricos son herramientas muy poderosas para a solución de

problemas. Pueden manejar sistemas de ecuaciones grandes, no linealidades y
geometrías complicadas, comunes en la ingeniería. También es posible que se
utilice software disponible comercialmente, que contenga métodos numéricos.

El uso inteligente de estos programas depende del conocimiento de la teoría

básica de estos métodos; además hay muchos problemas que no pueden
plantearse al emplear programas hechos, conociendo bien los métodos
numéricos se puede diseñar programas propios y así no comprar software
costoso. Al mismo tiempo se aprende a conocer y controlar los errores de
aproximación que son inseparables de los cálculos numéricos a gran escala.
 Capitulo I
Teoría de Errores

Ing. Darwin Ortega Cáceres

1. TEORÍA DEL ERROR

Los métodos numéricos deben ser lo suficientemente exactos o sin sesgo para
satisfacer los requisitos de un problema particular de ingeniería. También
deben ser lo suficientemente preciso para ser adecuados al diseño de la
ingeniería.
 
En este curso se usara el término error para representar tanto la inexactitud
como la imprecisión en los cálculos numéricos en las imprecisiones. Con dichos
conceptos como antecedentes, ahora analizaremos los factores que
contribuyen al error.
2. Tipos de errores

2.1. EXPERIMENTALES: Proviene de los datos o equivocaciones aritméticas en

el cálculo manual.

2.2. DE TRUNCAMIENTO (CORTE): Representa la diferencia entre una

formulación matemática exacta de un problema y la aproximación dada por un
método numérico.

2.3. REDONDEO: Se debe a que una máquina sólo puede representar

cantidades con un número finito de dígitos.
2. Tipos de errores

Existen dos maneras de representarlos:

I. Punto fijo: Los números se representan con un número fijo de cifras

decimales. Ej. 62.358, 0.013.

II. Punto flotante: Basada en la Notación Científica, Los números se

representan con un número fijo de dígitos significativos.

Ej. 976.000.000.000.000
seria: 9,76 x 10¹⁴
2. Tipos de errores

Dígito Significativo:
El número de cifras significativas de una medida es el número de dígitos
fiables que dicha medida contiene.
El resultado de un cálculo no puede
ser más exacto que la cantidad
menos exacta que interviene en el
• Los ceros a la izquierda no son significativos mismo
indican la colocación del punto decimal;
así, 0.000345 tiene TRES dígitos significativas.

• Los ceros a la derecha y después del punto

decimal si son significativos; como
ejemplo, 3.4120 tiene CINCO dígitos significativas.

• En números enteros terminados en ceros,

éstos pueden ser significativos o no; debe
distinguirse si sólo sirven para localizar el
punto decimal o son parte de la medida.
2. Tipos de errores

Dígito Significativo:

De un número “C”; es cualquier dígito dado de este, excepto posiblemente

aquellos ceros a la izquierda del primer dígito diferente de cero y que solo
sirven para fijar la posición del punto decimal (entonces cualquier otro cero es
un dígito significativo de C)

Ej. 1360, 1.360; 0.001360; tiene cuatro dígitos significativos.

2. Tipos de errores

2.4. EXACTITUD:
Se refiere a cuán cerca del valor real se encuentra el valor medido. En términos
estadísticos, la exactitud está relacionada con el sesgo de una estimación.
Cuanto menor es el sesgo más exacta es una estimación. Cuando se expresa la
exactitud de un resultado, se expresa mediante el error absoluto que es la
diferencia entre el valor experimental y el valor verdadero.

2.5. PRECISIÓN
se refiere a la dispersión del conjunto de valores obtenidos de mediciones
repetidas de una magnitud. Cuanto menor es la dispersión mayor la precisión.
Una medida común de la variabilidad es la desviación estándar de las
mediciones y la precisión se puede estimar como una función de ella.
2. Tipos de errores
2. Tipos de errores

2.6. ERROR ABSOLUTO

 
Se da cuando se aproxima el valor real con un valor aproximado
~ Donde:
 a a a  Valor exacto
a~  Valor aproximado
 
2.7. ERROR RELATIVO PORCENTUAL
 
Suele ser un mejor indicador de la precisión, es más independiente de la escala
usada, y esto es una propiedad más que deseable.

 a~  a ErrorAbsol uto
Er    *100
a a Valor Verdadero
2. Tipos de errores

Ejm 1)
Se logro medir la longitud de una galería y la de un refugio, y se obtiene 9999 y
9 m respectivamente. <si los valores son 10000 y 10m, calcule el error absoluto
y error relativo porcentual.

El error absoluto:
~
en la medición de la galería es:  a  a a  10000  9999  1m

~
para el refugio es:  a  a  a  10  9  1m
2. Tipos de errores

Ejm 1)
Se logro medir la longitud de una galería y la de un refugio, y se obtiene 9999 y
9 m respectivamente. <si los valores son 10000 y 10m, calcule el error absoluto
y error relativo porcentual.

El error relativo porcentual en la medición de la galería es

~
a  a 10000  9999
en la medición de la galería es:  r   * 100 %  0.01 %
a 10000

~
a a 10  9
para el refugio es:  r   * 100 %  10 %
a 10
2. Tipos de errores

Aquí observamos que el error absoluto es el mismo en las dos mediciones y si

no se tiene la magnitud de la cantidad que se esta midiendo no podríamos dar
ninguna conclusión; pero al conocer esta magnitud podemos observar que en
la medición del refugio se genero un error muy grande.

En las mediciones científicas es usualmente el error relativo el que resulta

relevante. La información acerca del error absoluto suele ser poco útil si no se
conoce la magnitud de la cantidad que se esta midiendo; por esta razón es
importante el error normalizado que se define como sigue:
2. Tipos de errores

2.8. ERROR NORMALIZADO PORCENTUAL

En situaciones reales a veces es difícil contar con el valor verdadero, para dichos
casos, una alternativa es normalizar el error, usando la mejor estimación
posible al valor verdadero; es decir. Para la aproximación misma.
Error Aproximado Aprox . Actual  Aprox . Pr evia
Ea  * 100  * 100
Valor Verdadero Aprox . Actual

Corrección:   a~  a   
Valor verdadero: a  a~ Aproximación
 + Corrección

Cota de error para a es un número:   a~  a es

 decir:   
2. Tipos de errores

2.8. ERROR NORMALIZADO PORCENTUAL

A menudo cuando se realizan cálculos, no importa mucho el signo del error sino
mas bien que su valor absoluto porcentual sea menor que una tolerancia
porcentual prefijada.
2. Tipos de errores

2.9. TOLERANCIA

 
   0.5 * 10 2  n % Donde n es el número de cifras significativas
Es
En el momento en que se realizan las aproximaciones y se cumpla que:

a  s si se conoce el valor real

n  s si no se conoce el valor real

Se garantizan “ n “ cifras significativas.

3. Propagación DE ERRORES

3.1. Introducción.

Cuando se mide una cantidad, ya directa, ya indirectamente, la medida que se

obtiene no coincide necesariamente con el valor exacto de tal medida, ya que
el resultado obtenido estará afectado por multitud de factores. Algo en
apariencia tan sencillo como cronometrar el periodo del péndulo sufrirá errores
debidos a la precisión del cronometro, los reflejos del cronometrador, las
corrientes de aire, el numero de medidas efectuadas... errores que se
propagaran a cualquier cantidad derivada de esta que queramos determinar,
como por ejemplo velocidad o aceleración. Se hace necesario, pues, estimar el
error cometido al efectuar una medida o serie de medidas.
3. Propagación DE ERRORES

3.1. Introducción.

Al resolver un problema utilizando métodos numéricos, el error que se genera

será consecuencia de un cumulo de errores ocurridos en pasos sucesivos, se
debe estudiar la mecánica de ”propagación” de los mismos a lo largo del
calculo.
3. Propagación DE ERRORES

3.2. Propagación de errores en sumas y diferencias

Datos iníciales: x ±δx y ±δy

Sea su suma q = x + y y su diferencia q = x − y

¿Cuál es la incertidumbre, δq?

El error absoluto de la suma y de la diferencia de dos o mas magnitudes es la

suma de los errores absolutos de dichas magnitudes:

q = x ± y ⇒ δ q ≈δ x +δ
3. Propagación DE ERRORES

3.2. Propagación de errores en sumas y diferencias

Ejemplo:
En un experimento se introducen dos l´ıquidos en un matraz y se quiere hallar la
masa total del lıquido. Se conocen:
M1 = Masa del matraz 1 + contenido = 540 ± 10g
m1 = Masa del matraz 1 = 72 ± 1g
M2 = Masa del matraz 2 + contenido = 940 ± 20g
m2 = Masa del matraz 2 = 97 ± 1g
La masa de líquido será:
3. Propagación DE ERRORES

3.2. Propagación de errores en sumas y diferencias

Ejemplo:
En un experimento se introducen dos l´ıquidos en un matraz y se quiere hallar la
masa total del lıquido. Se conocen:

La masa de líquido será:

M = (M1 − m1) + (M2 − m2) = 1311g

Su error:
M = δM1 + δm1 + δM2 + δm2 = 32g

El resultado se expresara:
M = 1311 ± 32g
3. Propagación DE ERRORES

3.3. Propagación de errores en productos

Sea su producto q = xy

¿Cuál es la incertidumbre, δq?

El error relativo del producto es igual a la suma de los errores relativos:

3. Propagación DE ERRORES

3.4. Propagación de errores en cocientes

Sea su cociente

¿Cuál es la incertidumbre, δq?

El error relativo del cociente es la suma de los errores relativos:

3. Propagación DE ERRORES

3.4. Propagación de errores en cocientes

Ejemplo:
Para medir la altura de un árbol, L, se mide la longitud de su sombra, L1, la
altura de un objeto de referencia, L2, y la longitud de su sombra, L3.
Solución:
Por semejanza de triángulos tenemos:

Realizadas las medidas resultan:

L1 = 200 ± 2 cm, L2 = 100.0 ± 0.4 cm, L3 = 10.3 ± 0.2 cm

Por tanto
3. Propagación DE ERRORES

3.4. Propagación de errores en cocientes

Ejemplo:
Para medir la altura de un árbol, L, se mide la longitud de su sombra, L1, la
altura de un objeto de referencia, L2, y la longitud de su sombra, L3.
Solución:
Su error será:

L = 2000 ± 68cm
3. Propagación DE ERRORES

3.5. Error del producto por una constante

Datos iníciales: x ±δx Sea q = Ax
¿Cuál es la incertidumbre, δq?

Aplicando la regla del producto

El error absoluto del producto de una constante por una magnitud es igual al
producto de la constante por el error absoluto de la magnitud
3. Propagación DE ERRORES

3.6. Error de una potencia

Datos iníciales: x ±δx Sea q = xn = x ⋅ xn⋅ x
¿Cuál es la incertidumbre, δq?

Aplicando la regla del producto

El error relativo de una potencia es el producto de la potencia por el error

relativo de la magnitud.
3. Propagación DE ERRORES

3.7. Error en funciones de una variable

Datos iniciales: x ±δx Sea q = f (x) una función cualquiera
¿Cuál es la incertidumbre, δq?

Gráficamente
3. Propagación DE ERRORES

3.7. Error en funciones de una variable

Datos iniciales: x ±δx Sea q = f (x) una función cualquiera
¿Cuál es la incertidumbre, δq?

Analíticamente:

Si x se mide con un error δx y se utiliza para calcular q = f (x) , el error

absoluto de q viene dado por :
3. Propagación DE ERRORES

3.8. Error en funciones de varias variables

Las reglas para el cálculo de errores que hemos visto se pueden deducir de una
fórmula más general que nos permite resolver casos más complicados.

Sean las medidas x, y con errores δx,δy usadas para calcular:

q = f (x, y)

Mediante un desarrollo en serie para el caso de varias variables:

3. Propagación DE ERRORES

3.8. Error en funciones de varias variables

Con lo que:

Ejemplos:
3. Propagación DE ERRORES

3.9. Errores independientes y aleatorios

Las reglas anteriores suponen una sobreestimación del error, puesto que
siempre nos situamos en el caso más desfavorable.

Ejemplo: error de la suma

Dados x ±δx , y ±δy el error de la suma q = x + y viene dado por δz ≈δx +δy
3. Propagación DE ERRORES

3.9. Errores independientes y aleatorios

Sin embargo:

El máximo valor posible de q, q ±δq se alcanza cuando nos equivocamos

simultáneamente δx en x y δy en y , lo que es altamente improbable si las
medidas son aleatorias e independientes.

Una sobreestimación (o subestimación ) de x no viene necesariamente

acompañada de una sobreestimación (o subestimación) de y .
3. Propagación DE ERRORES

3.9. Errores independientes y aleatorios

Si las medidas son independientes

-La hipótesis pesimista es exagerada.

-Los errores se cancelan parcialmente.

- Los errores se propagan cuadráticamente

3. Propagación DE ERRORES

4. Fórmula general para la propagación de errores

4.1. Medidas independientes

Sean las medidas de x, y, … ,w con errores δx, δy, … ,δw

usadas para calcular :
q =f (x, y, …,w)

Si los errores son independientes y aleatorios, entonces el error de z es la suma

en cuadratura
3. Propagación DE ERRORES

4. Fórmula general para la propagación de errores

4.1. Medidas independientes

Ejemplos: