ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Análisis del error/10 Feb 09/Cat. Ing.

Angélica Granados Sánchez/Alm. Mario Merino Márquez/07360703

2.1 Aproximaciones
2.1.1 Cifras significativas

Son los dígitos de números que consideramos no nulos. Las cifras significativas
son aquellas que se ofrecen con certeza más uno estimado.

Las cifras significativas de un número son aquellas que pueden utilizarse en

forma confiable. Existen 2 criterios importantes para las cifras significativas:

1) Son confiables solo si se especifica el numero de cifras significativas

2) Se produce un error de redondeo cuando se omite cierto número de
cifras en un valor determinado.

Ejemplo: 5.111111
π=3.141592653
π=3.1416 error de redondeo

Norma Ejemplo
Son significativos todos los dígitos distintos 8723 tiene cuatro cifras
de cero. significativas
Los ceros situados entre dos cifras 105 tiene tres cifras
significativas son significativos. significativas
Los ceros a la izquierda de la primera cifra 0,005 tiene una cifra
significativa no lo son. significativa
Para números mayores que 1, los ceros a la 8,00 tiene tres cifras
derecha de la coma son significativos. significativas
Para números sin coma decimal, los ceros
posteriores a la última cifra distinta de cero 7 · 102 tiene una cifra
pueden o no considerarse significativos. Así, significativa
para el número 70 podríamos considerar una 7,0 · 102 tiene dos cifras
o dos cifras significativas. Esta ambigüedad significativas
se evita utilizando la notación científica.

2.1.2 Exactitud y Precisión

Exactitud: es que tan cercano estamos de la realidad de valor calculado o

medido.

Precisión: que tan cercanos se encuentran unos de otros diversos valores

calculados o medidos

Inexactitud (sesbo): Desviación sistemática del valor verdadero

Imprecisión (Incertidumbre) : Magnitud de la dispersión

Error: Es algo que es inexacto e impreciso

2.2 Errores

Error: Es la diferencia entre el valor exacto (real) de la variable x menos el

valor calculado o medido (aproximación)X

ET = x – X

Valor Verdadero = valor medido + error x = X + ET

Error = Valor Verdadero – valor medido

Los errores surgen al utilizar redondeo aproximaciones

Error fraccional verdadero=erro verdadero / valor verdadero

Error Relativo Fraccional verdadero= Єt =(Error verdadero/valor

verdadero)x100

Suponga que se tiene que medir la longitud de un puente y la de un remache.

Si los valores verdaderos fueron 10000cm y 10 cm respectivamente. Calcule:

a) El error verdadero
b) El error relativo porcentual

Medición puente 9999cm

Remache 9cm

Puente Єt = 10000 cm -9999cm=1cm

Remache Єt= 10cm - 9 cm = 1 cm

Puente Єt =Єt/Vv x100%=1cm/10000cm x100%=0.01%

Remache Єt=Єt/Vv x 100% = 1cm/10cm x 100% = 10%

Ea = (error aproximado / valor aproximado) * 100

Método Iterativo: Consiste en hacer una aproximación considerando la

aproximación anterior. Se efectúa varias veces esperando mejores
aproximaciones.

Error iterativo porcentual

Ea = ((aproximación actual – aproximación anterior) / aproximación actual) *

100
Es (prefijado) |Ea| < Es

Es = (0.5*102-n)% Donde: n=cifras significativas

Ejemplo:

Calcule el valor de e0.5 utilizando la expansión en series de Mc Claudin

ex = 1 + x + x^2/2! + x^3/3! + …..+ x^n/n!

Calcule los errores relativos porcentuales verdaderos y el normalizado

Es=(0.5 x 102-3) = 0.05%

Valor verdadero e0.5 = 1.648721

Términos Resultado Et (%) Ea (%)

1 1 39.3469 100
2 1.5 9.02 33.33
3 1.625 1.44 7.69
4 1.646 0.165 1.27
5 1.648 0.044 0.121
6 1.6487 0.0013 0.0004
ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Matlab 6.5/11 Feb 09/Cat. Ing. Angélica
Granados Sánchez/Alm. Mario Merino Márquez/07360703

Matlab 6.5

Características:

Son cálculos predefinidos de vectores y matrices como:

– Aritmética de vectores y matrices

– Inversión de matrices y análisis de valores y vectores propios
– Aritmética compleja y operaciones con polinomios
– Cálculos estadísticos
– Despliegue de gráficos
– Diseño de sistemas de control
– Modelos de proceso de ajuste a partir del análisis de datos

>>a
>>a=1
>>A=a
>>a=[1 2 3 4]
a=1234
>>b=[1;2;3;4]
b=1
2
3
4
Transpuesta b=[1 2 3 4 5]’
b=1
2
3
4
5
Matriz 3x3 c=[1 2 3; 4 5 6; 7 8 9]
c=1 2 3
456
789
>> Who  nos muestra las variables que hemos ocupado
>>Whos  nos muestra que clase de variables hay
>>pi = 3.1416

Números Complejos

i = sqrt(-1) i = 0 + 1.0000i
>>2 + 4i = 2.0000 + 4.0000i

Operaciones Matemáticas

r= 2+pi = 6.2832
y=pi/4 = 0.7854
z=y^2.45 = 0.5533
utilizando x predefinida (x=2 + 4i)
3*x = 6 + 12i
1/x = 0.1 – 0.2i
a*A = [30 36 42]
A*b = 32
77
122
A*a = Marca error porque las dimensiones de la matriz deben coincidir.

Predefinidas.

log(A) logaritmo
sqrtm(A)  raíz para matrices

Vector columna de 0 a 100 con espacios de 5

t=[0:5:100] = 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

length(t)=21  nos muestra el número de elementos

El punto, que precede al exponencial (.^) significa que la operación será

llevada a cabo elemento por elemento a eso se le llama Operaciones de
Arreglos

y=t.^0.34-log10(t)+1./t

Gráficos

plot(t,y)
title(‘Grafica de y contra t’)
X label (
Y label (
grid  cuadricula

Polinomios

>>c=[1 1 1 1]
>>r=roots(c)  raíces del polinomio c=x3+x2+x+1

Polinomio 2x2-0.4x-1
>>d=[2 -0.4 -1]
Multiplicación de 2 polinomios con la función convulsión
>>cd=conv(c,d)
Division de 2 polinomios con la función deconvulcion
>>[q,r]=deconv (c,d)
En q se guarda el cociente
En r el resultado

Ejercicio

Calcular las raíces de 3x2+6x+18

>>f=[3 6 18]
>>r=roots(f)
r 1= -1 + 2.3607i
r2= -1 – 2.3607i
ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Errores de Redondeo/17 Feb 09/Cat.
Ing. Angélica Granados Sánchez/Alm. Mario Merino Márquez/07360703

Errores de Redondeo
¿Cómo surge el sistema decimal? Debido a que tenemos 10 dedos

¿Cuál es su base? Base 10

¿Cómo se representa? Con números del 0 al 9

¿Cuántos sistemas numéricos conocemos? Decimal, octal, hexadecimal, binario

¿Por qué los equipos de cálculo redondean? Porque no alcanza la memoria

¿Por qué se usa binario en las computadoras? Debido a que las primeras
computadoras se hicieron a base de interruptores 0 o 1

8 6 4 0 9

9
0 0 9e0
4 0 0 0e1
6 0 0 0
4e2
8 0 0 0 0
6e3

8e4

Símbolos para Base 2: 0,1

1 0
)2
0
0x20 = 0
1 0
1x21 = +2
 2)10

111011)2 = 59)10

¿Cómo se representa un número negativo en binario? 0 para positivos y 1 para

negativos en el bit de la izquierda

¿Cuantos números podemos representar con?:

7 dígitos binarios: 128 del -64 a 63

8 dígitos binarios: 256 del -128 a 127

16 dígitos binarios: 65536 del -32768 a 32767

ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Funciones para casos Especificos/18
Feb 09/Cat. Ing. Angélica Granados Sánchez/Alm. Mario Merino Márquez/07360703

1.- Iniciamos la práctica creando un nuevo Mfile. Para esto en la ventana

principal de MATLAB damos click en File  New  Mfile

2.- Después escribimos el programa para obtener las raíces de la ecuación

cuadrática general.

-b ± 2b2+4ac2a

“Ecuación de la forma  ax2 + bx + c = 0”

a=input(‘valor a= ‘);

b=input(‘valor b= ‘);

c=input(‘valor c= ‘);

r1=(-b+(sqrt((b*b)-4*a*c)))/(2*a);

r2=(-b-(sqrt((b*b)-4*a*c)))/(2*a);

disp (‘Resultado 1= ‘)

disp(r1)

disp(‘Resultado 2= ‘)

disp(r2)

3.- Después creamos la carpeta c:\MATLAB \mfiles y ahí guardamos nuestro

programa con el nombre de fgral1.

4.- Una vez creada la carpeta mfiles donde guardaremos nuestros programas,
nos dirigimos a Filesetpath y elegimos la carpeta mfiles q acabamos de crear
dando click en Add Folder, damos click en save y cerramos. De esta manera
cada q escribamos el nombre de nuestro programa en la ventana de comandos
se iniciará.

5.- Nos dirigimos a la ventana de comandos y dentro de ella escribimos el

nombre de nuestro programa.
>>fgral1

Valor a= 1

Valor b= 1000.001

Valor c= 1

Resultado 1= -1e-3

Resultado 2 = -1000

>>fgral1

Valor a= 1

Valor b= -1000.001

Valor c= 1

Resultado 1= 1000

Resultado 2 = 1e-3
ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Estructuras de Control/25 Feb 09/Cat.
Ing. Angélica Granados Sánchez/Alm. Mario Merino Márquez/07360703

1.- Iniciamos la práctica creando un nuevo Mfile. Para esto en la ventana

principal de MATLAB damos click en File  New  Mfile

IF/THEN

Pseudocódigo MATLAB
IF condición THEN
Bloque Verdadero If b>0
END IF R1=-c/b;

end

Ejemplo 1:

c = input(‘valor c= ‘);
b = input(‘valor b= ‘);
if b>0
r1 = -c/b;
disp (r1)
end

Ejemplo 2:

a = input(‘valor a= ‘);
if a>0
disp(‘valor positivo’)
disp(a)
end

IF/THEN/ELSE

Pseudocódigo MATLAB
IF condición THEN
Bloque verdadero If a<0
Else b = sqrt(abs(a));
Bloque Falso
 else

b = sqrt(a);

end

Ejemplo 1:

a = input(‘valor a= ‘);
if a<0
b=sqrt(abs(a));
disp(b)
else
b=sqrt(b);
disp(b)
end

Ejemplo 2:

a = input(‘valor a= ‘)
if a>0
disp(‘valor positivo’)
disp(a)
else
disp(‘valor negativo’)
disp(b)
end

IF/THEN/ELSE IF

Pseudocodigo MATLAB
IF condición 1 THEN
Bloque 1 If class == 1
ELSE IF condición 2 x=x+8;
Bloque 2
ELSE IF condición 3 else if class<1
Bloque 3
ELSE x=x-8;
Bloque 4
else if class<10
END
x=x-32;

else
 x=x-64;

end

Ejemplo 1:

x=0;
a=input(‘valor a= ‘);
if a== 1
x=x+8;
disp(x)
else if a<1
x=x-8;
disp(x)
else if a<10
x=x-32;
disp(x)
else
x=x-64;
disp(x)
end

Ejemplo 2:

a=input(‘valor a= ‘);
if a== 1
disp(‘a = 1’)
else if a<1
disp(‘a es menor q 1’)
else
disp(‘a es mayor q 1’)
end

DO EXIT

Pseudocodigo MATLAB
Do
Bloque 1 While (1)
IF condición EXIT i=i+1;
Bloque 2
END IF if i>= 10, break, end
 j=i*x;

end

Ejemplo:

x=2;
while (1)
i=i+1;
if I >= 10, break, end
j = i*x;
disp(j)
end

Loop controlado por contador

Pseudocódigo MATLAB

DO FOR for i = 1:10:2

Bloque 1 x = x*i;

IF condición EXIT end

END IF

Ejemplo:

x=2;
for i =1:10:2
x=x*i;
disp(x)
end
ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Representación del Punto Flotante/2
Mar 09/Cat. Ing. Angélica Granados Sánchez/Alm. Mario Merino Márquez/07360703

Palabra – Unidad fundamental con la que se representan números en la

computadora.

Representación del punto flotante.

m . be
Donde: m = mantisa
b = base
e = exponente

Mantisa  expresa la parte entera del número. Número significativo.

Base  sistema numérico empleado
Exponente  notación científica o posición del punto.

Ejemplo: 156.78
Mantisa = 15678
Base = 10
Exponente = 0.15678 x103

Normalizar  no dejar ceros después del punto

Ejemplo:
 0.0938  0.9380 x10-1

Calculo de número hipotético con punto flotante.

2 2 2-1 2-2 2-3

1 0

Signo signo del exp mag del exp mantisa

1b≤m<1

Binario

0.1≤m<1

Decimal

0.5≤m<1

Cantidad más pequeña que se puede representar  0.5 x 2-3 =(0.5)(0.125) =

0.0625

0111101 0.078125

0111110 0.093750

0111111 0.109375

0110100 0.125000

0110101 0.156250

0110110 0.187500

0110111 0.218750

0101100 0.250000

0101101 0.312500

0101110 0.376000

0101111 0.437500

0100100 0.500000

0100101 0.625000
0100110 0.750000

0100111 0.875000

0001100 1

0001101 1.250000

0001110 1.512000

0001111 1.750000

0010100 2

0010101 2.500000

0010110 3

0010111 3.500000

0011100 4

0011101 5

0011110 6

0011111 7

ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Redondeo/3 Mar 09/Cat. Ing. Angélica

Granados Sánchez/Alm. Mario Merino Márquez/07360703

Redondeo  Aproxima al punto medio mas cercano

Π = 3.14159265358

Corte = 3.141592

Redondeo = 3.141593

Épsilon de la maquina

|∆x|x≤ξ

ξ = Nos dice que tanto nos desviamos del valor real

ε=b1-t

b = base

t= numero de dígitos significativos

Ejemplo:

0.031250.125=0.25

ε=21-3=0.25 0.25≤0.25

ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Errores/4 Mar 09/Cat. Ing. Angélica

Granados Sánchez/Alm. Mario Merino Márquez/07360703

1.- Iniciamos la práctica creando un nuevo Mfile. Para esto en la ventana

principal de MATLAB damos click en File  New  Mfile

2.- Creamos un programa el cual sumase 100000 veces 0.00001:

Usando todas las cifras decimales posibles:

format long
bitmax
a=0;
for i=0:100000
a=a+0.00001;
double(a)
end

El resultado fue a=1.000009999998084

Usando una precisión simple tenemos:

format short
bitmax
a=0;
for i=0:100000
a=a+0.00001;
double(a)
end

El resultado fue a=1.0000

3.- Creamos un programa el cual calculara las raíces de una ecuación de la

forma ax2+bx+c=0 donde: a=1 b=3000.001 y c=3

Usando todas las cifras decimales posibles:

format long
bitmax
a=input('valor a= ');
b=input('valor b= ');
c=input('valor c= ');
r1=(-b+(sqrt((b*b)-4*a*c)))/(2*a);
r2=(-b-(sqrt((b*b)-4*a*c)))/(2*a);
double (r1)
double (r2)

El resultado fue

r1 =

-9.999999999763531e-004

r2 =

-3000
Usando una precisión simple tenemos:

format short
bitmax
a=input('valor a= ');
b=input('valor b= ');
c=input('valor c= ');
r1=(-b+(sqrt((b*b)-4*a*c)))/(2*a);
r2=(-b-(sqrt((b*b)-4*a*c)))/(2*a);
double (r1)
double (r2)

El Resultado fue:

r1 = -0.0010

r2 = -3.0000e+003

ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Error Numérico Total y Propagación

de Errores/4 Mar 09/Cat. Ing. Angélica Granados Sánchez/Alm. Mario Merino
Márquez/07360703

Error Numérico Total

Es la suma de los errores de redondeo y truncamiento introducidos en el

cálculo

Mayor numero de cálculos

 Mayor el error de redondeo

Hoy en día las computadoras manejan una gran cantidad de cifras

significativas lo que reduce el error de redondeo, aunque no se debe de olvidar
su aporte al error total.

Propagación de errores

En muchos casos podrá plateársenos el problema de acceder a mediciones de

ciertas magnitudes a través de otras en forma indirecta, ya sea por no poseer
los instrumentos adecuados o por solo poseer una expresión matemática a
través de la cual se la define cuantitativamente.

Ejemplo: El volumen de un cuerpo

En cuanto menor sea el número de pasos intermedios que efectuemos para

alcanzar la solución, menor será el error cometido.

Ejemplo:

Ley de coulomb

F=q2 q14πεr2

q1 = 76 µF

q2 = -15nC

r = 2 cm

ξ=8.85419 x 10-12 = 1 x 10-936π

F1 = -25.65 N

F2 = -25.61451628 N

ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Unidad 3 – Solución de Ecc.

Algebraicas/4 Mar 09/Cat. Ing. Angélica Granados Sánchez/Alm. Mario Merino
Márquez/07360703

x=-b±2b2-4ac2a (ecc. 1)

Resuelve f(x) = ax2 + bx + c = 0 (ecc. 2)

A los valores encontrados con (ecc.1) que resuelve (ecc2) se les llama “raíces”
Ejemplo de otras ecc. Donde es difícil encontrar la raíz.
F(x)=ex – x

– Métodos para obtener raíces:

– * Método Grafico
– * A prueba y error

2da Ley de Newton:

v=gmc1-e-cmt

Despejando c (coeficien=te de arrastre) tenemos:

fc=gmc(1-e-cmt)-V=0 (Ecc. 3)

Antecedentes Matemáticos:

Por definición una función dada por y=f(x) es algebraica si se expresa de la

forma:

fnyn+fn-1yn-1+…+f1y+fo=0

Donde fi es un polinomio de i-esimo orden de x.

Los polinomios son un tipo de funciones algebraicas representadas por:

fnx=a0+a1x+a2x2+…+anxn

n es el orden del polinomio y las a son constantes:

Ejemplo:

F2(x)=1 - 2.37x + 7.5x^2

Funciones Trascendentes

Son funciones que no son algebraicas

Ejemplo: Trigonométricas, exponenciales, logarítmicas, etc.

Ejemplo: f(x)=lnx^2 – 1 f(x)=e^-0.2x*sen(3x-0.5)

Los métodos numéricos se estudian para encontrar raíces que se encuentran

en 2 áreas de problemas relacionados fundamentalmente distintos:
 1- La determinación de raíces reales de ecuaciones algebraicas y
trascendentes
2- La determinación de todas las raíces reales y complejas del polinomio.

Método Grafico.

Utilice el método grafico para determinar el coeficiente de arrastre c necesario

para que un paracaidista de masa m=68.1 kg tenga una velocidad de v=40
m/s después de una caída libre de t=10s la aceleración de la gravedad g=9.81
m/s^2

c f( c )
2 45.007
4 34.19
8 17.712
12 6.1139
16 -2.23
20 -8.368
c = 14.8011 aprox cuando f( c)=0

Método de Bisección

Si f(x) es real y continua en el intervalo que va desde XL hasta Xn y f(XL) y

f(Xu) tienen signos opuestos, es decir f(XL)f(Xu)<0 entonces hay al menos una
raíz entre XL y Xu.

El método de bisección conocido también como de corte binario, de partición

de intervalos o de Bolzano es un tipo de búsqueda incremental en el que el
intervalo se divide siempre a la mitad. Si la función cambia de signo sobre un
intervalo, se evalúa el valor de la función en el punto medio. La raíz se
determina situándola en el punto medio del subintervalo, dentro del cual
ocurre un cambio de signo. El proceso se repite hasta obtener una mejor
aproximación.

Xr = (XL + Xu)/2
ITT/Ing. Electrónica/Análisis Numérico/4 Sem/Bisección y Falsa Posición/4 Mar
09/Cat. Ing. Angélica Granados Sánchez/Alm. Mario Merino Márquez/07360703

Método de Bisección

Algoritmo:

1- Elija los valores inferiores, XL y superior Xu, que encierren la raíz de

forma tal que la función cambie de signo en el intervalo, esto se verifica
comprobando que f(XL)f(Xu)<0
2- Una aproximación de la raíz, Xr, se determina mediante: Xr=(XL+Xu)/2
3- Realice las siguientes evaluaciones para determinar en que subintervalo
esta la raíz.
a) Si f(XL)f(Xu)<0 entonces la raíz se encuentra dentro del subintervalo
izquierdo o inferior, por lo tanto haga Xu=Xr y vuelva al paso 2.
b) Si f(XL)f(Xu)>0 entonces la raíz se encuentra dentro del subintervalo
superior o derecho. Por lo tanto haga XL=Xr y vuelva al paso 2.
c) Si f(XL)f(Xu)=0 la raíz es igual a Xr, termina el calculo.

Ejemplo:
#
Iteracion XL Xu Xr Ea
1 4 20 12 100%
2 12 20 16 25
-
14.28571
3 12 16 14 43
6.666666
4 14 16 15 67
-
3.448275
5 14 15 14.5 86
1.694915
6 14.5 15 14.75 25
0.840336
7 14.75 15 14.875 13
-
0.421940
8 14.75 14.875 14.8125 93
0.210526
9 14.8125 14.875 14.84375 32
-
14.82812 0.105374
10 14.8125 14.84375 5 08

Método de la falsa posición – Interpolación Lineal

Usando triángulos semejantes la intersección de la línea recta con el eje x se
calcula por:

f(XL)Xr-XL=f(Xu)Xr-Xu

Despejando Xr tenemos:

Xr=Xu-fXu(XL-Xu)fXL-fXu

El valor de Xr calculado con la ecuación anterior reemplazara después a

cualquiera de los 2 valores iníciales, XL o Xu y da un valor de la función con el
mismo signo de f(Xr). De esta manera, los valores XL y Xu, siempre encierran
la verdadera raíz. El proceso se repite hasta que la aproximación a la raíz sea
adecuada. El algoritmo es idéntico al de la bisección excepto que la ecuación
se usa en el paso 2.