Beruflich Dokumente
Kultur Dokumente
Fase 1. COLABORATIVO 1
HOLMAN RODRIGUEZ
79690516
Ingeniería de sistemas
GRUPO
100401_77
Presentado a:
BOGOTÁ
MÉTODOS NÚMERICOS
2
Marzo 2018
TABLA DE CONTENIDO
INTRODUCCIÓN .................................................................................................................... 3
DESARROLLO ........................................................................................................................ 4
Punto 2 ................................................................................................................................. 18
Punto 3 ..................................................................................................................................... 19
CONCLUSIONES .................................................................................................................. 25
BIBILOGRAFÍA .................................................................................................................... 26
MÉTODOS NÚMERICOS
3
INTRODUCCIÓN
Anteriormente buscábamos las soluciones posibles a una ecuación, usando diferentes métodos
DESARROLLO
1. Desde su campo de formación plantee y de solución a dos ejemplos sobre los tipos de errores
(error absoluto, relativo, error relativo aproximado, error por truncamiento y por redondeo),
teniendo en cuenta la precisión y exactitud de los mismos.
Tipos de Errores
Los errores numéricos se generan con el uso de aproximaciones para representar
las operaciones y cantidades matemáticas. Estos incluyen 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 está dado por:
E = P* - P
Bien sea una medida directa (la que da el aparato) o indirecta (utilizando una
fórmula) existe un tratamiento de los errores de medida. Podemos distinguir dos
tipos de errores que se utilizan en los cálculos:
Error absoluto.
Es la diferencia entre el valor de la medida y el valor tomado como exacto. Puede
ser positivo o negativo, según si la medida es superior al valor real o inferior (la
resta sale positiva o negativa). Tiene unidades, las mismas que las de la medida.
MÉTODOS NÚMERICOS
5
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
ER = | P* - P| / P , si P =/ 0
El error relativo también se puede multiplicar por el 100% para expresarlo
como:
ERP = ER x 100
Ejemplo 1:
Medidas de tiempo de un recorrido efectuadas por diferentes alumnos: 3,01 s; 3,11 s; 3,20 s;
3,15 s
Ejemplo 2:
MÉTODOS NÚMERICOS
6
y para el remache es de
EA = 10 - 9 = 1cm
y para el remache es de
por lo tanto ambas medidas tiene un erro de 1 cm, el error relativo procentual
del remache es mucho m´s grande. Se puede concluir que se ha hecho un buen
trabajo en la medida del puente, mientras que la estimación para el remache deja
mucho que desear.
Errores de Redondeo
Error de redondeo. La casi totalidad de los números reales requieren, para su
representación decimal, de una infinidad de dígitos. En la práctica, para su
manejo sólo debe considerarse un número finito de dígitos en su
representación, procediéndose a su determinación mediante un adecuado
redondeo.
Los errores de redondeo se deben a que las computadoras sólo guardan un
número finito de cifras significativas durante un cálculo. Las computadoras
MÉTODOS NÚMERICOS
7
Reglas de Redondeo
Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo.
5.6723 -------------------------- 5.67´ 3 Cifras Significativas
10.406 ---------------------------- 7.4 4 Cifras Significativas
10.406 ---------------------------- 7.4 2 Cifras Significativas
88.21650 ------------------- 88.216 5 Cifras Significativas
1.25001 -------------------------- 1.3 2 Cifras Significativas
Errores de Truncamiento
Los errores de truncamiento son aquellos que resultan al usar una aproximación
en lugar de un procedimiento matemático exacto. Además para obtener
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: Serie de Taylor
Por ejemplo:
La serie de Taylor provee un medio para predecir el valor de una función en un
punto en términos del valor de la función y sus derivadas en otro punto.
Teorema de Taylor: Si la función f y sus primeras n+1 derivadas son
continuas en un intervalo que contiene a a y a x, entonces el valor de la función
en un punto x está dado por:
La expansión en series de Taylor de n-ésimo orden debe ser exacta para un
polinomio de n-ésimoorden.
Para otras funciones continuas diferenciables, como las exponenciales o
sinusoidales, no se obtiene una estimación exacta mediante un número finito de
términos.
El valor práctico de las series de Taylor radica en el uso de un número finito de
términos que darán una aproximación lo suficientemente cercana a la solución
verdadera para propósitos prácticos.
¿Cuántos términos se requieren para obtener una “aproximación razonable”?
MÉTODOS NÚMERICOS
9
El error absoluto que se comete al tomar un valor aproximado de un valor real es el valor
absoluto de su diferencia
El error relativo que se comete es el valor del cociente del error absoluto entre el valor real.
En ocasiones utilizamos ceros para poder expresar una medición. Por ejemplo, si decimos que
el número de habitantes de una ciudad es 3800000, probablemente sólo controlemos las dos
MÉTODOS NÚMERICOS
10
primeras cifras. En tal caso sería más razonable decir que el número de habitantes es 3,8
millones o bien 38 cientos de miles. Veamos otro ejemplo de esta situación.
Dar una cota del error absoluto y otra del error relativo en las siguientes medidas: 3 millones
de personas, 0,57 millones de euros, 0,570 millones de euros.
En el primer caso, si se trata de una estimación fiable, es admisible que el error absoluto sea
menor que medio millón de personas. Por tanto:
En el tercero y último de los casos, si 0,570 fuera un número exacto, daría igual poner 0,57.
Pero tratándose de un número aproximado, el cero final significa que esa cifra (la de las
milésimas) está controlada. Por tanto:
Er<0,0005 /0,570=0,000877…<0,0009⇒Er<0,09%
MÉTODOS NÚMERICOS
11
Error absoluto
Cuando hablamos de error absoluto nos referimos a una medida (εa ) es la diferencia entre el
̅) y el valor que se ha obtenido en la medición (xi ).Este tipo de valor
valor real de la medida (X
puede ser positivo o negativo, todo depende de la medida es superior al valor real o inferior y
tiene las mismas unidades que las de la medida.
εa = ̅
X − Xi
a. Ejemplo 1.
Juan realiza una tabla con el cálculo de cada uno de valores obtenidos tras cada medición
(xi )donde se suela escribir en una tabla junto con las veces que produce a lo largo de todas las
mediciones (fi ).entonces Juan pesa 30 veces el mismo objeto es decir (n = 30).
3.40 g 2 6,80 g
4.50 4 18,00 g
3.45 g 5 17,25 g
3.50 g 5 17,50 g
3.52 g 5 17,60 g
4.10 g 6 24,6 g
MÉTODOS NÚMERICOS
12
xi ∗ f 112,55
El error absoluto (εa ) de cada media es la diferencia entre el valor real y el valor obtenido en
la medición.
xi ∗ f 112,55 1,6885
MÉTODOS NÚMERICOS
13
Impresión absoluta (Ea) es la media de los errores absolutos tomados con signos positivos:
∑n ̅
i=1|X− Xi | 1,6885
Ea = = = 0,056284 = 5.6284 ∙ 10−3 g
n 30
1.1 Ejemplo 2.
En un parque se va realizar un experimento el objetivo es poder medir el tiempo en que se
demora en llegar al suelo una bola que se deja caer desde una determinada altura.
Con el fin de realizar este tipo de experimento se utiliza un cronometro cuya precisión es de 0,2
s .las medidas obtenidas tras repetir el experimento son : 3.1 , 3.2 , 3.7 , 3.4 , 3.5 , 3.4 , 3.1 ,
3.4 , 3.5 , 3.9.
Tiempo Frecuencia 𝐭 𝐢 ∗ 𝐟𝐢 𝛆𝐚 = 𝐭̅ − 𝐭 𝐢
(𝐭 𝐢 ) (𝐟𝐢 )
3.1 s 2 6.2 s 0.32 s
3.2 s 1 3.2 s 0.22 s
3.4 s 3 10.2 s 0.02 s
3.5 s 2 7s -0.08 s
3.7 s 1 3.7 s -0.28 s
3.9 s 1 3.9 s -0.48 s
t i ∗ fi 34.2 s
n
t i ∗ fi ∑10
i=1 t i ∗ fi 34.2
t̅ = ∑ = = = 3.42 s
n 10 10
i=1
MÉTODOS NÚMERICOS
14
∑10
i=1|t̅ − t i | 1.4
Ea = = = 0.14 s
n 10
Relativo
Cuando se habla de error relativo hace referencia es el cociente (la división) entre el error
absoluto y el valor exacto. Donde se multiplica por 100 se obtiene el tanto por ciento (%) de
error .el error absoluto puede ser positivo o negativo porque puede ser por exceso por defecto
.no tiene unidades.
𝛆𝐚
𝛆𝐫 = ∗ 𝟏𝟎𝟎%
̅
𝐗
Ejemplo 1
Con base al primer ejemplo del error absoluto vamos averiguar el error relativo con los datos
obtenidos:
5.6284 ∙ 10−3 g
𝛆𝐫 = ∗ 𝟏𝟎𝟎% = 𝟒𝟏𝟒, 𝟎𝟒%
3,751 7
Ejemplo 2
Con base al primer ejemplo del error absoluto vamos averiguar el error relativo con los datos
obtenidos:
0.14 s
𝛆𝐫 = ∗ 𝟏𝟎𝟎% = 𝟒, 𝟎𝟗𝟑%
3.42 s
MÉTODOS NÚMERICOS
15
P1=1189084.1
P2=1189085.1
- Error de redondeo: Los errores de redondeo son el resultado de limitaciones
computacionales.
P1=1189084.2
P2=1189085.2
Error Verdadero
Ev = P1 − P2
Error Relativo
P1 − P2
Er =
p1
MÉTODOS NÚMERICOS
16
1189084.193Mb − 1189085.184Mb
Er = = 2.439x10−8
1189084.193Mb
1189084.193Mb − 1189085.184Mb
Er = ( ) ∗ 100 = 2.439x10−6
1189084.193Mb
1189084.193Mb − 1189085.184Mb
Erp = |( ) ∗ 100| = 2.439x10−6
1189084.193Mb
A pesar que el error no es significativo, sabemos que a la hora de realizar la copia de seguridad
podrían quedar cientos de archivos de sin copiar.
b. Si P1=253.1578 y P2=259.1496, donde P1 es el valor real y P2 el valor
aproximado.
Error absoluto
Error relativo
P1 − P2
Er =
p1
Ó
MÉTODOS NÚMERICOS
17
𝐄𝐚 𝟓. 𝟗𝟗𝟐
Er = = = 0.02369911
|P1| |253.157|
Error absoluto
Error relativo
P1 − P2
Er =
p1
𝐄𝐚 𝟓. 𝟗𝟗𝟐
Er = = = 0.02369901
|P1| |253.158|
MÉTODOS NÚMERICOS
18
Trabajo colaborativo
Punto 2
x 2 − ex
x=
5
02 − e0
x= = −0.2
5
El error aproximado
−0,2 − 0
Ea = ( ) ∗ 100% = 100%
−0,2
Aprox. a la
Iteración raíz Error aprox.
X1 0 100,00%
X2 -0,2 -28,41%
X3 -0,155746151 6,35%
X4 -0,166303908 -1,51%
X5 -0,163826372 0,36%
MÉTODOS NÚMERICOS
19
Punto 3
f(Xn )
Xn+1 = Xn −
f´(Xn )
Con f´(Xn ) ≠ 0
𝐟(𝐗 𝐧 ) = 𝐱 𝟐 − 𝐞−𝐱
f´(Xn ) = 2x + 𝐞−𝐱
Remplazamos
Lo calculamos para las siguientes iteraciones de la misma forma y encontramos los siguientes
valores:
Punto 4
Xm1= =
f(Xm1)=-0.15
Xm2= =
MÉTODOS NÚMERICOS
21
Xm3= =
Xm4= = 0.8835729338
Xm5= = 0.932660319
Xm6 = =09572040116
F(Xm6) = -6.31*10⁻³ <0 Nos estamos acercando al valor de aproximación requerido, iteramos
a la derecha.
Xm7 = = 0.9694758579
Xm8= =0.9633399318
F(Xm8) =-8.80*10⁻⁴
Raiz= 0.9633399318
Error= |F(Xm8)| = 8.8*10⁻⁴
MÉTODOS NÚMERICOS
23
Punto 5
5. Determine las raíces reales de f(𝐱) = −𝟐𝟔 + 𝟖𝟐, 𝟑𝐱 − 𝟖𝟖𝐱 𝟐 + 𝟒𝟓, 𝟒𝐱 𝟑 -𝟗𝐱 𝟒 + 𝟎, 𝟔𝟓𝐱 𝟓
usando el Método de la Regla Falsa aproximar en el intervalo [0.5 , 1] con ξa = 0,1%
os Intervalos Raíz
0,1151305
0 1 2,71828 24 -0,312957 SI
Iteracio
0 0 1 2,71828 24 05 77
1 0 5 2,71828 05 57 92
MÉTODOS NÚMERICOS
24
2 1,482635757 5 57 05 0 2,71828
1,4826357
3 1,482635757 0 57 0 0 2,71828
1,4826357
4 1,482635757 0 57 0 0 2,71828
1,4826357
5 1,482635757 0 57 0 0 2,71828
6. Demostrar que f(x) = x3 + 2x2 – 6 tiene una raíz en [1, 2] y utilizando el Método de bisección
determine una aproximación a la raíz con una precisión de al menos 10-4.
MÉTODOS NÚMERICOS
25
CONCLUSIONES
utilizando sólo las operaciones más simples de la aritmética. Se requiere de una secuencia de
BIBILOGRAFÍA
Mesa, F., & Bravo, J. E. (2012). Elementos de cálculo numérico. Bogotá, CO: Ecoe
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10584232&p00=m
%C3%A9todo+newton-+raphson&ppg=9
México, D.F., MX: Larousse - Grupo Editorial Patria. Pág. 57 – 60. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=11013582&p00=m
%C3%A9todos+num%C3%A9ricos+tipos+error