Objetivo

El alumno calculará los diferentes tipos de error e identificará su efecto al realizar operaciones
numéricas.

Marco Teórico
Métodos Numéricos

Los métodos numéricos son técnicas mediante las cuales es posible formular problemas de tal forma
que sean resueltos con operaciones aritméticas. Aunque hay muchos tipos de métodos, todos
comparten una característica común, llevan a cabo un buen número de cálculos aritméticos y
emiten soluciones aproximadas.

La importancia de los métodos numéricos no radica en buscar la solución exacta de un problema,

sino la aproximada, pero con la precisión requerida, o sea, con un error lo suficientemente pequeño
y próximo a cero, de ahí la utilidad de los métodos numéricos.

Los métodos numéricos pueden ser aplicados para resolver procedimientos matemáticos en:

 Cálculo de derivadas
 Integrales
 Ecuaciones diferenciales
 Operaciones con matrices
 Interpolaciones
 Ajuste de curvas
 Polinomios

Los métodos numéricos son adecuados para la solución de problemas comunes de ingeniería,
ciencias y administración. Éstos son algunos ejemplos de uso común en ingenierías:

Mecánica de Solidos
En la ingeniería civil existen diferentes estructuras que son modelados desde su creación utilizando
técnicas de elementos finitos y herramientas tecnologías basados en los métodos numéricos.

Mecánica de Fluidos
Es una de las ramas más importantes de la ingeniería ya que manejan el fenómeno físico y tienen
algunas peculiaridades que la hacen mucho más complejo desde el punto de vista numérico.
Medios de Transporte
En la producción de vehículos es muy común utilizar modelos numéricos para identificar la dinámica
de los fluidos para simular el comportamiento del vehículo en movimiento y

Biología
Se puede estimar el tiempo de replicación bacteriana en un sitio de estudio.

Cifras Significativas

Las cifras significativas son los dígitos de un número que consideramos no nulos.
Normas:

 Son significativos todos los dígitos distintos de cero.

 Los ceros situados entre dos cifras significativas son significativos.
 Los ceros a la izquierda de la primera cifra significativa no lo son.
 Para números mayores que 1, los ceros a la derecha de la coma son significativos.
 Para números sin coma decimal, los ceros posteriores a la última cifra distinta de cero
pueden o no considerarse significativos. Esta ambigüedad se evita utilizando la notación
científica.

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.

Exactitud

Se refiere a cuán cerca del valor real se encuentra el valor medido. 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.

Error en los Métodos Numéricos

Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones y
cantidades matemáticas. Esto incluye errores de truncamiento que resultan de representar
aproximadamente un procedimiento matemático exacto, y los errores de redondeo, que resultan
de presentar aproximadamente números exactos. Para los tipos de errores, la relación entre el
resultado exacto o verdadero y el aproximado esta dado por:

Valor verdadero = valor aproximado + error

Reordenando la ecuación, se encuentra que el error numérico es igual a la diferencia entre el valor
verdadero y el valor aproximado esto es :

Ev = valor verdadero – valor aproximado

Donde Ev se usa para redondear el valor exacto del error. Se incluye el subíndice v par dar a entender
que se trata del “verdadero” error.

Un defecto es que muchas veces no se toma en consideración el orden de magnitud del valor que
se está probando.

Tipos de Errores

De manera general en mediciones existen dos tipos de errores en los cálculos:

  Error absoluto.

Es la diferencia entre el valor tomado y el valor medido como exacto. Puede ser positivo o negativo,
según si la medida es superior al valor real o inferior (la resta sale positiva o negativa). El error
absoluto de una medida (εa) es la diferencia entre el valor real de la medida (X) y el valor que se ha
obtenido en la medición (Xi):

EA = X-Xi
 Error relativo.

Es el cociente (la división) entre el error absoluto y el valor exacto. Si se 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. no tiene unidades.

Y el error relativo como:

𝐸𝑎
Er =
𝑋
El error relativo también se puede multiplicar por el 100% para expresarlo como:

ERP = ER x 100

Y los errores, propiamente de los métodos numéricos por computadora, tenemos:

 Errores de Redondeo

Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de cifras
significativas durante un cálculo. Las computadoras realizan esta función de maneras diferentes;
esta técnica de retener solo los primeros siete términos se llamó “truncamiento” en el ambiente de
computación. De preferencia se llamará de corte, para distinguirlo de los errores de truncamiento.
Un corte ignora los términos restantes de la representación decimal completa.

La mayor parte de las computadoras tienen entre 7 y 14 cifras significativas, los errores de redondeo
parecerían no ser muy importantes. Sin embargo, hay dos razones del por qué pueden resultar
críticos en algunos métodos numéricos:

1. Ciertos métodos requieren cantidades extremadamente grandes para obtener una

respuesta. Además, estos cálculos a menudo dependen entre si, es decir, los
cálculos posteriores son dependientes de los anteriores. En consecuencia, aunque
un error de redondeo individual puede ser muy pequeño, el efecto de acumulación
en el transcurso de la gran cantidad de cálculos puede ser significativo.
2. El efecto de redondeo puede ser exagerado cuando se llevan a cabo operaciones
algebraicas que emplean números muy pequeños y muy grandes al mismo tiempo.
Ya que este caso se presenta en muchos métodos numéricos, el error de redondeo
puede resultar de mucha importancia.

 Errores de Truncamiento
Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de un
procedimiento matemático exacto.

Estos tipos de errores son evaluados con una formulación matemática: la serie de Taylor.
Taylor es una formulación para predecir el valor de la función en Xi+1 en términos de la función y
de sus derivadas en una vecindad del punto Xi.

En general, la expansión en serie de Taylor de n-ésimo orden es exacta par a un polinomio de n-

ésimo orden. Para otras funciones continuas diferenciables, como las exponenciales o senoidales,
no se obtiene una estimación exacta mediante un numero finito de términos. Cada una de los
términos adicionales contribuye al mejoramiento de la aproximación, aunque sea un poco.

 Error Numérico Total

El error numérico total es la suma de los errores de redondeo y de truncamiento. La única forma de
minimizar los errores de redondeo es la de incrementar el número de cifras significativas de la
computadora.

Representación gráfica de las ventajas y desventajas entre errores de redondeo y truncamiento que
en ocasiones influyen en el curso de un método numérico. El punto óptimo muestra donde el error
de redondeo comienza a negar los beneficios dados por la reducción del tamaño de paso.

 Errores por Equivocación

Las equivocaciones ocurren a cualquier nivel del proceso de modelación matemática y pueden
contribuir con todas las otras componentes del error. Las equivocaciones, por lo general se pasan
por alto en la discusión del método numérico. Esto sin duda prueba el hecho de que los errores de
torpeza son, hasta cierto punto inevitables.

 Errores de Formulación

Los errores de formulación o de modelamiento degeneran en lo que se podría considerar como un

modelo matemático incompleto, ya que si se está usando un modelo deficiente, ningún método
numérico generara los resultados adecuados.
Desarrollo y Resultados
Debemos distinguir que los números reales como se construyen matemáticamente no son
representados de la misma forma en una máquina, ya que es claro que solo se aplica un número
finito de bits en su representación binaria. Incluso, sólo se tiene una representación máxima y
mínima para los números reales, de tal manera que en ocasiones se pueden presentar problemas
de sobre flujo o bajo flujo.

Ejercicio 1

clc
clear all
%Representaciones númericas en MATLAB
%Underflow
E=eps
r=realmax
a=5*r
b=-12*r
r2=realmin %Al operar estos valores se generan diferentes tipos de error.

%Tipos de Error
%Suponga que se desea resolver la ecuación:
%x^2-100.0001x+0.01=0

format long
a=1; b=-100.0001; c=0.01;
d=sqrt(b^2-4*a*c)
x1=(-b+d)/(2*a)
x2=(-b-d)/(2*a)

%Verificamos la solución. (Se espera un cero)

s1=x1^2+(b*x1)+c
s2=x2^2+(b*x2)+c
%Observamos que las soluciones son aproximadas por el valor numérico del
%discriminante (d) y el coeficiente b de la ecuación, generando un error
en los cálculos
Ejercicio 2
%Considera la función
%f(x)=x((x)^(1/2)-(x-1)^(1/2))
%a) Evalúa f(x) para los números x=10, 1000, 100000
%b) Verifica si se genera algún tipo de error

clc
clear all
close all
format long
x=[10 1000 100000];
Fx=x.*(sqrt(x)-sqrt(x-1))
%Para verificar que no haya error se procede a escribir la función de forma
%equivalente.
%g(x)=x/(x)^1/2+(x-1)^(1/2)
gx=x./(sqrt(x)+sqrt(x-1))
%Comparamos con F(x)
Ejercicio 3

%Evalúe la expresión 2/1-cos(x) en x=0.0001

clc
clear all
close all
format long
x=0.0001
Fx=2/(1-cos(x))

Error al utilizar un polinomio de Taylor al aproximar una función f(x) en un punto.

Si F(x) es diferenciable en un intervalo (a,b) n veces, se puede construir

el polinomio de Taylor que aproxima el valor de f(x)
F(x)~~Pn(x)
Donde
Pn(x)=
Donde: x=a es el punto alrededor del cual se construye el polinomio
Sí a=0 se llama Mac Lauren
Ejercicio 4

clc
clear all
close all
%Aproximar f(x)=exp(x) para x=1
%Centrado en a=0 para un polinomio de grado 3
syms x
format long
f=exp(x);
a=0; k=3;
p=0; %Acumulador
for i=0:k
p=p+subs(diff(f,i),a)/factorial(i)*(x-a)^i
end
disp('El polinomio de MacLaurin es: ')
pretty(p)
g=ezplot(f,[-1,1])
set(g,'color','g')
hold on; grid on
v=ezplot(p,[-1,1])
set(v,'color','r')
legend('f(x)=exp(x)','PolinomioP_3(x)')
xlabel('x')
ylabel('y')
title('f(x)=exp(x) y Polinomio de Taylor')
%Evaluamos la función y el polinomio en x=1
valor_exacto_f=double(subs(f,1)) %número de Euler
valor_aprox=double(subs(p,1)) %valor del polinomio en x=1
ea=abs(valor_exacto_f-valor_aprox)%error absoluto
er=abs(ea/valor_exacto_f)*100 %error relativo porcentual
Ejercicio 5

%Utiliza el código anterior para estimar el valor de

%f(x)=cos(2x) en x=pi/12
%Usa un polinomio de grado 4 centrado en a=0
%Grafica en [-pi/2, pi/2]
clc
clear all
close all
syms x
format long
f=cos(2*x)
a=0; k=4;
p=0; %Acumulador
for i=0:k
p=p+subs(diff(f,i),a)/factorial(i)*(x-a)^i
end
disp('El polinomio de Maclaurin es: ')
pretty(p)
g=ezplot(f,[-pi/2,pi/2])
set(g,'color','g')
hold on; grid on
v=ezplot(p,[-pi/2,pi/2])
set(v,'color','r')
legend('f(x)=exp(x)','PolinomioP_3(x)')
xlabel('x')
ylabel('y')
title('f(x)=exp(x) y Polinomio de Taylor')
%Evauamos la función y el polinomio en x=1
valor_exacto_f=double(subs(f,1)) %número de Euler
valor_aprox=double(subs(p,1)) %valor del polinomio en x=1
ea=abs(valor_exacto_f-valor_aprox)%error absoluto
er=abs(ea/valor_exacto_f)*100 %error relativo porcentual

Conclusiones
Los métodos numéricos obtienen resultados aproximados. Por lo tanto, se debe contar con criterio
que permitan especificar qué tan precisos son los resultados obtenidos. Una manera de asegurarlos
es en términos de cifras significativas. Así se pude establecer que la aproximación es aceptable
siempre y cuando sea correcta para cierto número de cifras significativas. Es también a la mejor
elección del desarrollador, en este caso nosotros como estudiantes, orientados por el profesor, el
escoger la mejor aproximación para resolver una expresión algebraica, ya que se pueden incurrir en
errores cada vez que se desarrolla de forma repetida el procedimiento, incurriendo en errores en el
resultado.

Aplicar el método de Taylor para resolver ecuaciones diferenciales y en este caso, analizar errores
que proporciona la solución en series de potencias arrojan la solución en una formula cerrada y
rápida por uso del Matlab.

La serie de Taylor nos proporciona una buena forma de aproximar el resultado de una función
cualquiera, por supuesto, para hacer esta aproximación sólo se pueden tomar unas cuantas
expresiones de esta serie, por lo que el resto resulta en un error conocido como el término residual,
esa apreciación de quien desarrolla este método escoger cuantos términos deberá incluir en la
aproximación.

Referencias

 Métodos Numéricos para Ingenieros. C.Chapra, Steven, Et al. Ed MC Graw-Hill . México

1995. 641 pp.
 Métodos Numéricos Aplicados a la Ingeniería. Nieves Hurtado, Antonio, Ed. Continental.
Segunda reimpresión. México 1997. 602pp
 Charles E. Robertrs Jr., Ecuaciones Diferenciales Ordinarias. Un enfoque al cálculo
numérico.Ed. Prentice-Hall Int. 1980.
 Kreider, Kuller, Ostberg. Ecuaciones Diferenciales. Fondo Editorial Iberoamericano. 1973.
 Derrick W. , Grossman S. Ecuaciones Diferenciales con Aplicaciones. Fondo Editorial
Iberoamericano. 1984