UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO
DEPARTAMENTO ACADÉMICO DE ING. CIVIL
MÉTODO NUMÉRICO 01
ANÁLISIS DEL ERROR, PUNTO FLOTANTE
1. Competencias
MatLab.
Octave.
Excel.
2. Fundamento teórico
Definiciones básicas:
Modelo matemático: expresión matemática que representa un sistema
físico.
Los métodos numéricos: constituyen técnicas mediante las cuales es
posible formular problemas matemáticos, de tal forma que puedan
resolverse utilizando operaciones aritméticas. Aunque existen muchos tipos
de métodos numéricos, éstos comparten una característica común:
invariablemente requieren de un buen número de tediosos cálculos
aritméticos.
Algoritmos numéricos: Un algoritmo es una descripción ordenada de los
pasos necesarios para resolver un problema. Para diseñar un algoritmo
para resolver un problema numérico es necesario conocer en detalle la
formulación matemática, las restricciones de su aplicación, los datos y
algún criterio para validar y aceptar los resultados obtenidos.
Antes de la programación
o Error del modelo o error del problema
o Error por truncamiento
o Error por redondeo
Todos estos errores debemos tener en cuenta en los métodos numéricos:
o Ecuaciones no lineales
o Sistema de ecuaciones
o Interpolación
o Derivada e Integración y ecuaciones diferenciales
Siempre que se opera con números con una cantidad finita de cifras y
siempre que se toman medidas en la realidad, hay que tener en cuenta que
contendrán, casi con certeza, un error. Esto no es grave. Lo prioritario es
tener una idea de su tamaño y saber que según vayan haciéndose
operaciones puede ir propagándose. Al final, lo que importa es acotar el
error absoluto, es decir, conocer un valor (la cota) que sea mayor que el
error cometido, para saber con certeza cuánto, como mucho, dista el valor
real del valor obtenido.
En lo que sigue, se parte de un valor exacto 𝑥 (una constante, un dato, la
solución de un problema. . . ) y de una aproximación, 𝑥̃
Definición.
Se llama error absoluto cometido al utilizar 𝑥̅ en lugar de 𝑥 al valor absoluto
de la diferencia: |𝑥 − 𝑥̃|
Pero, salvo que 𝑥 sea 0, uno está habitualmente más interesado en el
orden de magnitud del error, es decir, “cuánto se desvía 𝑥̃ de 𝑥 en
proporción a 𝑥”:
Definición.
Se llama error relativo cometido al utilizar 𝑥̃ en lugar de 𝑥, siempre que
𝑥 ≠ 0, al cociente
|𝑥 − 𝑥̃|
|𝑥|
El error relativo también se puede multiplicar por el 100% para expresarlo
Antes de continuar analizando errores, conviene definir las dos maneras
más comunes de escribir números utilizando una cantidad fija de dígitos: el
truncamiento y el redondeo.
Se parte de un número real (posiblemente con un número infinito de
cifras):
Definición
Aproximación por truncamiento
Para truncar un número se eliminan las cifras que están a la derecha de la
unidad a la que debemos truncar.
Aproximación por redondeo
Para redondear un número a una unidad determinada, debemos fijarnos en
la cifra inmediatamente posterior (la que le sigue) y
Si la cifra a la derecha de la última cifra requerida es menor que 5, se
deja la cifra precedente igual.
Si la cifra a la derecha de la última cifra requerida es mayor o igual
que 5, se suma 1 a la cifra precedente.
Este redondeo se denomina redondeo hacia más infinito, porque siempre
se obtiene un número mayor o igual que el inicial.
El problema con el redondeo es que pueden cambiar todas las cifras. La
gran ventaja es que el error que se comete al redondear es menor que el
que se comete al truncar (puede ser hasta de la mitad):
Resolución de problemas
Antes para resolver problemas de ingeniería se encontraban las soluciones
de algunos problemas usando métodos exactos o analíticos. Dichas
soluciones resultaban útiles y proporcionaban una comprensión excelente
del comportamiento de algunos sistemas. No obstante, las soluciones
analíticas sólo pueden encontrarse para una clase limitada de problemas.
3. Ejemplos
Obtenemos el error absoluto y relativo al considerar:
a) 3,5 m como longitud de un terreno que mide realmente 3,59 m.
b) La constante 𝜋, que es la razón entre la longitud de la circunferencia y
su diámetro, es, aproximadamente 3.1415926534+
(con el + final se indica que es mayor que el número escrito hasta la
última cifra). Supongamos que se utiliza la aproximación 𝜋̃ = 3,14. Se
tiene:
El error absoluto es
El error relativo es
c) Medidas de tiempo de un recorrido efectuadas por diferentes alumnos:
3,01 s; 3,11 s; 3,20 s; 3,15 s
Contraste
5 cifras significativas
Configurar decimales en Computadora
Punto Flotante
El estándar del IEEE para aritmética en coma flotante (IEEE 754) es
la norma o estándar técnico para computación en coma flotante,
establecida en 1985 por el Instituto de Ingenieros Eléctricos y Electrónicos
(IEEE).
Definición
Números de punto flotante
Como la memoria de los ordenadores es limitada, no puedes almacenar
números con precisión infinita, no importa si usas fracciones binarias o
decimales: en algún momento tienes que cortar, la representación de
información de magnitudes más grandes y más pequeñas que las dadas por
sistemas de punto fijo, modificando la manera de interpretación.
Signo: consiste la reserva de un Bit para el signo del número flotante
Significado o Mantisa: son los bits guardados para representa el
número punto flotante, 10 para una memoria de 16 bits y 23 para una
de 32 bits
La representación del exponente: los bits guardados para
representar el exponente de los puntos flotantes
Épsilon de la máquina
En una aritmética de coma flotante, se llama épsilon de la máquina (ε-mach) al menor
valor de una determinada máquina que cumple lo siguiente:
1,0 + ε-mach > 1,0
El épsilon es el número decimal más pequeño que, sumado a 1, la computadora nos
arroja un valor diferente de 1, es decir, que no es redondeado.
Representa la exactitud relativa de la aritmética del computador. La existencia del
épsilon de la máquina es una consecuencia de la precisión finita de la aritmética en
coma flotante.
Matlab y Octave
Precisión en doble precisión
eps('single')
Precisión en doble precisión
eps('double')
Nota: Significa aproximadamente que los números se almacenan con
aproximadamente 15-16 dígitos de precisión. Si un número es aproximadamente 1,
eso significa que puede almacenarse con un error de alrededor de 10 ^ (- 16) más o
menos
