Vista previa del material en texto
Universidad Nacional de Tucumán FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGIA 1 MAGISTER EN METODOS NUMERICOS Y COMPUTACIONALES EN INGENIERIA MATEMATICA NUMERICA http://www.unt.edu.ar/ http://www.unt.edu.ar/ Tema 1 Modelos Matemáticos y Cálculo Numérico M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A OBJETIVOS Comprender el significado y alcance de los modelos matemáticos en ciencia e ingeniería Comprender los errores que se cometen en el cómputo con ordenadores digitales Adquirir destreza para identificar la técnica numérica que se debe aplicar en la resolución de modelos matemáticos Tema 1 Modelos Matemáticos y Cálculo Numérico M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A TEMAS Sistemas reales y modelos matemáticos. Análisis numérico y matemática formal. Fuentes de error. Cifras significativas, exactitud de los cálculos, aritmética de punto flotante, error de redondeo. Error de truncación, serie de Taylor. Propagación. Análisis de los errores numéricos totales. Condición y estabilidad. Algoritmos numéricos, criterios de exactitud de cálculo. Recursos disponibles en Internet. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Etimológimente el término modelo proviene del latín ‘modulus’, que significa molde. ¿QUÉ ES UN MODELO? El diccionario de la Real Academia Española propone once acepciones M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A En Ciencias e Ingeniería interesa dos acepciones: ¿QUÉ ES UN MODELO? MODELO MENTAL O CONCEPTUAL Es una representación de una realidad en la que los elementos que la componen deben ser aquellos considerados los más relevantes para la estructura del modelo, este modelo representa solamente una parte de la realidad. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Un ejemplo simple de un modelo conceptual es la relación causal simple aplicada a la demografía (como la pensaba Malthus) + + + + Nacimientos Población en el mundo ¿QUÉ ES UN MODELO? M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ¿PARA QUÉ SIRVE UN MODELO? EXPLICAR FENÓMENOS. La mayoría de las teorías desarrolladas en física pertenecen a esta categoría: la mecánica de Newton, la termodinámica, la teoría de la relatividad de Einstein, etc. Pero se usa en diversos campos como la economía (i.e. modelo de ajuste de demanda-inflación agregada) HACER PREDICCIONES. Una vez que se construyen los modelos que explican los fenómenos, estos modelos pueden usarse como un paso más para hacer predicciones sobre el desarrollo futuro de un fenómeno del mundo real. Por ejemplo, los modelos aerodinámicos hacen, predicciones sobre la maniobrabilidad de un avión. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ¿PARA QUÉ SIRVE UN MODELO? COMUNICAR. Otro aspecto importante de los modelos es que se pueden utilizar para comunicar el conocimiento. Si una persona A quiere visitar a la persona B, podría pedirle la forma de conducir. B dibujará la ruta correcta en una hoja de papel con algunas líneas y algunas marcas y texto adicionales, como "aquí en la esquina hay una casa amarilla con un pequeño jardín". Esta hoja de papel es un modelo visual para el entorno de la casa de B; su propósito es comunicar un subconjunto del conocimiento de B sobre su ciudad a A. TOMAR DECISIONES. Un ejemplo es el problema de diseño para una planta química con cientos de variables de decisión y miles de variables y restricciones adicionales, escritas como ecuaciones matemáticas y desigualdades. Representan espacio, capacidad, limitaciones de costos y principios físicos y químicos. Y HAY MÁS … M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ¿QUÉ ES UN MODELO MATEMÁTICO? Es un modelo formal, descripto con códigos matemáticos, que nace a partir de un modelo conceptual. Conjunto autónomo de fórmulas y/o ecuaciones basadas en una descripción cuantitativa aproxi- mada de los fenómenos reales y creada con la esperanza de que el comportamiento que predice será consistente con el comportamiento real en el que se basa. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ¿QUÉ ES UN MODELO MATEMÁTICO? Retomando el ejemplo de la relación causal simple aplicada a la demografía (Malthus): ∆𝒑 𝒕 = 𝒑 𝒕 + ∆𝒕 − 𝒑 𝒕 = 𝜷 𝒑 𝒕 ∆𝒕 − 𝜹 𝒑 𝒕 ∆𝒕 nacimientos defunciones ∆𝒑 𝒕 ∆𝒕 = (𝜷 − 𝜹) 𝒑 𝒕 𝒅𝒑 𝒕 𝒅𝒕 = (𝜷 − 𝜹) 𝒑 𝒕 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ¿Y cómo se pasa del fenómeno del mundo real al modelo matemático? MODELO MATEMÁTICO Mundo Real Modelo conceptual Conceptualización Modelo Matemático Formulación M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CONCEPTUALIZACIÓN • ¿Qué estamos buscando? Identificar la necesidad del modelo. • ¿Qué queremos saber? Listar los datos que estamos buscando. • ¿Qué sabemos? Identificar los datos relevantes que están disponibles. • ¿Qué podemos asumir? Identifique las circuns- tancias que apliquen. • ¿Cómo deberíamos mirar este modelo? Identificar los principios físicos rectores. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CONCEPTUALIZACIÓN • ¿Qué predecirá nuestro modelo? Identifique las ecuaciones que se utilizarán, los cálculos que se realizarán y las respuestas que se obtendrán. • ¿Son válidas las predicciones? Identifique las pruebas que se pueden realizar para validar el modelo, es decir, verificar la coherencia con sus principios y suposiciones. • ¿Son buenas las predicciones? Identifique las pruebas que se pueden realizar para verificar el modelo, es decir, ¿es útil en términos de la razón inicial por la que se realizó? M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A FORMULACIÓN DEL MODELO MATEMÁTICO Implica fundamentalmente dos aspectos que deben desarrollarse en el marco dado por la conceptualización. Estimación y selección variables y parámetros del modelo Determinación de las ecuaciones matemáticas del modelo M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A FORMULACIÓN DEL MODELO MATEMÁTICO OBJETO O SISTEMA ESTUDIADO MODELO VARIABLES PARÁMETROS ¿Qué estamos buscando? ¿Qué queremos saber? ¿Son buenas las predicciones? ¿Qué sabemos? ¿Qué podemos asumir? ¿Cómo deberíamos mirar este modelo? ¿Qué predecirá nuestro modelo? TEST ¿Son válidas las predicciones? PREDICCIONES DEL MODELO PREDICCIONES ACEPTADAS MODELO CONVALIDADO M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A MODELO MATEMÁTICO EN CIENCIAS Mundo Real Mundo Conceptual Fenómeno natural o social Observación Modelo Predicciones Evidencia empírica, datos producto de la observación directao de la medición Análisis de las observaciones para: • Describir el comportamiento o las observaciones • Explicar el comportamiento Implica: • Predecir comportamientos aún no vistos • Convalidar la calidad del modelo M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A MODELO MATEMATICO EN CIENCIAS El interés de la Ciencia es el conocimiento, la explicación de la realidad. El éxito de la ciencia proviene de la interacción entre teoría y observación. La teoría se utiliza para explicar y unificar observaciones y para predecir resultados de futuros experimentos. Las observaciones se utilizan para motivar y validar la teoría. La conexión entre la teoría y la observación es el ámbito del modelado matemático. Las matemáticas son un lenguaje que puede salvar el abismo entre los dos. Hablando metafóricamente, el modelado matemático es el tendón que conecta el músculo de las matemáticas con el esqueleto de la ciencia. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A MODELO MATEMÁTICO EN INGENIERÍA Los ingenieros están interesados en diseñar dispositivos, procesos y sistemas. Es decir, más allá de observar cómo funciona el mundo, los ingenieros están interesados en crear artefactos que aún no han cobrado vida. "El diseño es la actividad distintiva de la ingeniería". (Herbert Simon, The Sciences of the Artificial) Los modelos, a menudo, se aplican para predecir lo que sucederá en una situación futura. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A MODELO MATEMÁTICO EN INGENIERÍA En el diseño de ingeniería, las predicciones se utilizan de manera que tienen consecuencias muy diferentes a la simple anticipación del resultado de un experimento. Cada nuevo edificio o avión, por ejemplo, representa una predicción basada en un modelo de que el edificio se mantendrá en pie o el avión volará sin consecuencias terribles e imprevistas. Más allá de la simple validación de un modelo, la predicción en el diseño de ingeniería supone que los recursos de tiempo, imaginación y dinero se pueden invertir con confianza porque el resultado previsto será bueno. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A USO DEL MODELO MATEMÁTICO Mundo Real Modelo mental Conceptualización Modelo Matemático Formulación Conclusiones “Reales” I n t e r p r e t a c i ó n M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PARA EL MODELO, LA REALIDAD MODELADA TIENE TRES PARTES COSAS CUYO EFECTOS DE DESPRECIA Estas cosas el modelo las ignora COSAS AFECTAN SISTEMA, PERO CUYO COMPORTAMIENTO NO ES EXPLICADO POR EL MODELO Variables de entrada y parámetros (variables independientes) COSAS PARA LAS QUE EL MODELO HA SIDO CONCEBIDO. Variables de salida (variables dependientes) M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A VARIABLES Y PARÁMETROS DE LOS MODELOS MATEMÁTICOS Variables de entrada o Independientes Variables de salida o dependientes ESTRUCTURA MATEMÁTICA Parámetros El modelo matemático servirá para determinar cómo las variables dependientes dependen de las variables independientes. Los parámetros, son los coeficientes de la estructura matemática del modelo y que cambian cuando el mismo modelo se usa en condiciones distintas. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A VARIABLES Y PARÁMETROS DE LOS MODELOS MATEMÁTICOS La estructura matemática del modelo está constituida por un conjunto de ecuaciones. Eventualmente también aparecerán inecuaciones y cotas de las variables surgidas de las restricciones de las realidad modelada. Una característica importante de un modelo matemático es la consistencia que se define como: Un modelo matemático es consistente si el número de variables pendientes desconocidas es igual al número de ecuaciones independientes. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A En un caso particular de un modelo matemático, se tiene una o más variables dependientes y una o más variables independientes, y se asigna un conjunto de valores dados a los parámetros. El objetivo de una simulación en este caso es determinar cómo las variables dependientes se relacionan con las variables independientes. Esta es la visión específica de los modelos matemáticos. Por el contrario, existe una visión amplia o global, de los modelos matemáticos, en la que el objetivo es comprender el efecto de los valores de los parámetros en el comportamiento del modelo. VARIABLES Y PARÁMETROS DE LOS MODELOS MATEMÁTICOS Variables Independientes Variables dependientes ESTRUCTURA MATEMÁTICA (ecuaciones) VISIÓN ESPECÍFICA VISIÓN GLOBAL PARÁMETROS COMPORTAMIENTO M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A GENERACIÓN DEL MODELO MATEMÁTICO Análisis de un caso Se quiere analizar como evoluciona la velocidad de descenso de un paracaidista M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A GENERACIÓN DEL MODELO MATEMÁTICO CONCEPTUALIZACIÓN • ¿Qué estamos buscando? • ¿Qué sabemos? • ¿Qué queremos saber? • ¿Qué podemos asumir? • ¿Cómo deberíamos mirar este modelo? • ¿Qué predecirá nuestro modelo? • ¿Son válidas las predicciones? • ¿Son buenas las predicciones? Análisis de un caso: Descenso de un paracaidista M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A FORMULACIÓN Análisis de un caso: Descenso de un paracaidista 21 2 du m mg cAu dt GENERACIÓN DEL MODELO MATEMÁTICO M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A FORMULACIÓN Análisis de un caso: Descenso de un paracaidista GENERACIÓN DEL MODELO MATEMÁTICO 21 2 du m mg cAu dt M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A LE S E N I N G E N I E R I A MODELO MATEMÁTICO Y CÁLULO NUMÉRICO Objetivo del curso M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ALGUNAS REFLEXIONES SOBRE LOS MODELOS MATEMATICOS El objeto de un modelo matemático es aplicarlo para obtener alguna información del fenómeno que se estudia El modelo es a menudo modificado, frecuentemente es descartado, y a veces se usa porque es mejor que nada “Arte es la mentira que nos ayuda a ver la verdad” (Picasso). Un modelo matemático es algo similar M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ALGUNAS REFLEXIONES SOBRE LOS MODELOS MATEMATICOS Un modelo es una representación simplificada de realidad, y aunque contenga errores, puede poner en evidencia algunos componentes esenciales de una realidad compleja El modelo ayuda a separar lo esencial de lo superfluo Sin detalles secundarios, un buen modelo permite un análisis profundo de ciertos aspectos de la realidad que la observación (medición) la presenta oscura M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CLASIFICACION DE LOS MODELOS Tipo Empírico Basado en el análisis de datos Mecanístico Descripcion matemática basada en la teoría Tipo Empírico Basado en el análisis de datos Mecanístico Descripcion matemática basada en la teoría Factor tiempo Estático o de Estado Estacionario Independiente del tiempo Dinámico Describe el comportamiento en el tiempo Tipo Empírico Basado en el análisis de datos Mecanístico Descripción matemática basada en la teoría Factor tiempo Estático o de Estado Estacionario Independiente del tiempo Dinámico Describe el comportamiento en el tiempo Tratamiento de la incertidumbre Determinístico No considera la variabilidad de los datos Estocástico Considera variabilidad/incertidumbre M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A EMPÍRICO MECANICISTA DETERMINÍSTICO Predecir la resistencia eléctrica de un metal de una relación de regresión con la temperatura. Movimiento planetario, Basado en la mecánica newtoniana. (ecuaciones diferenciales) ESTOCÁSTICO Análisis de varianza de rendimientos de variedad en sitios y años de un cultivo determinado Genética de poblaciones pequeñas basadas en herencia mendeliana. (ecuaciones probabalísticas) CLASIFICACION DE LOS MODELOS M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PRINCIPIOS TEÓRICOS EMPLEADOS EN EL MODELADO DE INGENIERÍA MODELOS MECANÍSTICOS M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PRINCIPIOS TEÓRICOS EMPLEADOS EN EL MODELADO DE INGENIERÍA MODELOS MECANÍSTICOS M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PARA TENER PRESENTE EN EL MODELADO No construya un modelo complicado cuando uno simple basta. 1 La fase de deducción del modelo debe ser cuidadosa. Si las hipótesis no son realistas, el modelo conducirá a conclusiones inexactas 2 Lo modelos deben ser validados. Se pueden usar datos “experimentales” previos o hacer experiencias posteriores. 3 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PARA TENER PRESENTE EN EL MODELADO El crecimiento de un modelo no necesariamente implica un aumento de su precisión. 4 Los modelos no deberían ni ser presionados para hacer algo para lo que no fueron concebidos, ni criticados por fallar en hacer aquello para lo que no se los desarrolló. 5 Cuidado con el “marketing”. El modelo seguramente no resuelve todos los problemas del mundo. Ser honestos con sus posibilidades. 6 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PARA TENER PRESENTE EN EL MODELADO Algunas ventajas primarias de modelado están asociadas con el proceso de desarrollar el modelo. 7 Un modelo no puede ser mejor que la información que se le suministra. Los modelos no crean la información, pero la condensan o la convierten. 8 El símbolo NO es lo que simboliza; la palabra NO es la cosa; el mapa NO es el territorio que representa. (S. I. Hayakawa) 9 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PARA TENER PRESENTE EN EL MODELADO (Y SIEMPRE) Es la marca de una mente instruida descansar satisfecho con la precisión que permite la naturaleza del sujeto y no buscar una exactitud donde sólo es posible una aproximación a la verdad. Aristóteles 10 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CÁLCULO NUMÉRICO También se conoce como Análisis Numérico, Matemática Numérica. En los últimos tiempos se habla de Computación Científica Es el grupo de conocimientos matemáticos relacionados con el diseño y análisis de algoritmos para resolver problemas matemáticos que surgen en ciencia e ingeniería, cuando éstos deben ser resueltos en computadoras digitales. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Hay dos características relevantes: CÁLCULO NUMÉRICO Los cálculos están relacionados con cantidades discretas más que continuas. Trata de las aproximaciones que se deben hacer y sus limitaciones Las aproximaciones no son una opción: son más bien inevitables en la mayoría de los casos. El Cálculo Numérico ayuda a identificar, cuantificar y minimizar los errores. http://gif.recursosgratis.com/gif-animados/showphoto.php?photo=3768&password=&sort=1&cat=530&page=1 http://gif.recursosgratis.com/gif-animados/showphoto.php?photo=3768&password=&sort=1&cat=530&page=1 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A M A G I S T E R E N M E T O D O S N U M E R I C O S YC O M P U T A C I O N A L E S E N I N G E N I E R I A MODELO MATEMATICO: ecuación diferencial ordinaria 21 2 du m mg cAu dt RESOLUCIÓN FORMAL Y NUMÉRICA Análisis de un caso: Descenso de un paracaidista M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Cálculo Formal Exacto M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Cálculo Formal Exacto M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CÁLCULO NUMÉRICO M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CÁLCULO NUMÉRICO M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Cálculo Numérico M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Cálculo Numérico vs. Cálculo Formal Exacto M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ¿POR QUÉ LAS SOLUCIONES SON APROXIMADAS? La precisión final del resultado refleja la combinación de las incertidumbres (errores). Según el particular procedi- miento de cálculo, las aproxi- maciones y perturbaciones pueden amplificarse. Incertidumbre en los datos Incertidumbre en el modelo Incertidumbre en la resolución numérica Uno de los objetivos principales del análisis numérico es la obtención de precisión en los resultados de los cálculos M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A APROXIMACIONES Un ejemplo Calcular la superficie de la tierra a partir de la medición de su radio usando la expresión: 2 r π4 A Incertidumbre en los datos El valor del radio terrestre está basado en datos empíricos Incertidumbre en la resolución numérica El valor de π requiere truncación. Hay error al hacer las operaciones en una computadora (redondeo) Incertidumbre en el modelo La tierra es modelada como una esfera, una idealización M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERRORES EN CÁLCULO NUMÉRICO Incertidumbre en la resolución numérica ERROR DE REDONDEO ERROR DE TRUNCACION ERROR = (VALOR REAL) – (VALOR CALCULADO NUMERICAMENTE) El valor real, en general, no será conocido, por lo tanto, tampoco el error se podrá conocer. En análisis Numérico, hay interés en conocer más bien, la COTA del error. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO La mayoría de los computadores representan los números en forma de enteros o de punto flotante. La representación de punto flotante de un número viene dada por: Ejemplo: = 0.31415926 10-1 Dígitos Significativos número de dígitos de la mantisa Esta forma de representar los números causa el ERROR DE REDONDEO x = 0.a1a2a3……..an 10b mantisasigno Con a1>0 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO Si la computadora admite solo n cifras significativas, el redondeo se hace al número más próximo, según: fl(x) = 0.a1a2a3 … an 10b si an+1<5 Si x = 0.a1a2a3 … an.an+1 .an+2 ...10b fl(x) = 0.a1a2a3 … (an+1) 10b si an+1≥5 Definición de Redondeo de un número x a n cifras significativas M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO Las cotas del error de redondeo serán: b: exponente n: número de cifras significativas (de la mantisa) Error Absoluto Error Relativo 𝜹 = 𝒇𝒍 𝒙 − 𝒙 𝜹 ≤ 𝟎. 𝟓 𝟏𝟎𝒃−𝒏 𝝐 = 𝒇𝒍 𝒙 − 𝒙 𝒙 = 𝜹 𝒙 𝝐 ≤ 𝟓 𝟏𝟎−𝒏 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO PRECISIÓN eps La precisión eps de una computadora es el mayor valor positivo tal que 1+x = 1 para todo x perteneciente a (0,eps). Definición (formal): Se dice que el número x*=fl(x) aproxima al número x con n cifras significativas, si n es el mayor entero no negativo que satisface: En consecuencia, eps viene dado por el número de dígitos que soporta en la mantisa (capacidad para distinguir en- tre dos números consecutivos. 𝒙 − 𝒇𝒍 𝒙 𝒙 ≤ 𝟏 𝟐 𝒆𝒑𝒔 = 𝟏 𝟐 𝟏𝟎−𝒏 𝒙 − 𝒙∗ 𝒙 = 𝒙 − 𝒇𝒍 𝒙 𝒙 ≤ 𝟓 𝟏𝟎−𝒏 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO Cifras significativas 500 con distinto número de cifras significativas Pérdida de cifras significativas Pérdida de un dígito signifi- cativo respecto del anterior M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO El estándar más difundido para el almacenamiento de números en los equipos informáticos es IEEE 754 Single Precision Double Precision El exponente se almacena como binario con complemento a 2, así considera también su signo. http://upload.wikimedia.org/wikipedia/commons/e/e8/IEEE_754_Single_Floating_Point_Format.svg http://upload.wikimedia.org/wikipedia/commons/e/e8/IEEE_754_Single_Floating_Point_Format.svg http://upload.wikimedia.org/wikipedia/commons/a/a9/IEEE_754_Double_Floating_Point_Format.svg http://upload.wikimedia.org/wikipedia/commons/a/a9/IEEE_754_Double_Floating_Point_Format.svg M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO Se designa con el nombre de Aritmética de punto flotante a aquella que maneja números con una cantidad fija de cifras significativas. A cada valor x real se le asocia un número de máquina mediante una función fl(x). 𝒇𝒍 𝒙 = 𝒙 + 𝜹 𝒄𝒐𝒏 𝜹 ≤ 𝒆𝒑𝒔 𝒇𝒍 𝒙 = 𝒙 𝟏 + 𝜹 𝒙 = 𝒙 𝟏 + 𝜺 𝒄𝒐𝒏 𝜺 ≤ 𝑼 𝒇𝒍 𝒙 ⊗ 𝒚 = (𝒙 ⊗ 𝒚) + 𝜹 𝒄𝒐𝒏 𝜹 ≤ 𝒆𝒑𝒔 𝒇𝒍 𝒙 ⊗ 𝒚 = 𝒙 ⊗ 𝒚 𝟏 + 𝜹 𝒙 = (𝒙 ⊗ 𝒚) 𝟏 + 𝜺 𝒄𝒐𝒏 𝜺 ≤ 𝑼 Aritmética de punto flotante M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO Los errores en las operaciones son producidos por la acumulación de errores de redondeo y la anulación de dígitos de precisión. EJEMPLO. Suponga que está trabajando con una computadora que maneja una aritmética de punto flotante decimal de 4 cifras significativas. Calcule el error de redondeo al realizar las siguientes operaciones: (A) 4,238 + 0,34578 (B) 4,238 + 0,00025 (C) 4,238 – 0,00025 (D) 4,238 + 4,233 Debe quedar claro que se comete error al almacenar y también en cada operación aritmética que se hace. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO Secuencia en las operaciones: Se realiza en un registro de longitud mayor al de memoria Se normaliza el resultado Se redondea el resultado Se almacena el resultado en memoria El error se propaga en operaciones sucesivas. Algunas leyes familiares de aritmética real no son necesariamente válidasen el sistema de punto flotante. Por ejemplo, la suma y el producto de punto flotante son conmutativos, pero la propiedad asociativa no se cumple. Para tener en cuenta M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Siguiendo la secuencia mencionada con la operación de suma, se puede evaluar el error total que resulta de almacenar los sumandos y luego almacenar el resultado. ERROR DE REDONDEO Y el error relativo total será: ; 1 1 1 2 2 2 1 2 1 2 0 1 2 1 1 2 2 0 fl(x ) = x (1 + ε ) fl(x ) = x (1+ ε ) fl fl(x ) + fl(x ) = fl(x ) + fl(x ) (1 + ε ) = x + x x ε x ε (1+ ε ) 1 2 1 2 1 1 2 2 0 0 1 2 1 2 fl fl(x ) + fl(x ) - x + x x ε + x ε = ε + (1+ ε ) x + x x + x M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Los errores totales para las cuatro operaciones elementales resulta: ERROR DE REDONDEO 1 1 2 2 R 0 0 1 2 x ε + x ε E = ε + (1+ ε ) x + x SUMA RESTA 1 1 2 2 R 0 0 1 2 x ε - x ε E = ε + (1+ ε ) x - x PRODUCTO R 1 2 1 2 0 1 2 E = ε + ε + ε ε 1+ ε ε + ε COCIENTE 1 R 0 1 2 2 1 + ε E = (1 + ε ) -1 ε - ε 1 + ε M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Un error de redondeo muy común es el ERROR DE CANCELACION que surge cuando se restan dos números que tienen el mismo signo y similares magnitudes. Resulta así una gran pérdida de información. ERROR DE REDONDEO (cancelación) Debido a esto, es generalmente una mala idea computar alguna cantidad pequeña como la diferencia de cantidades grandes, ya que el error de redondeo dominará el resultado. Para las otras operaciones elementales el problema del error no es tan significativo. 𝑬𝑹 = 𝜺𝟎 + 𝒙𝟏𝜺𝟏 − 𝒙𝟐𝜺𝟐 𝒙𝟏 − 𝒙𝟐 𝟏 + 𝜺𝟎 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Las soluciones de la ecuación cuadrática ERROR DE REDONDEO El uso desprevenido de la expresión anterior puede conducir a serios errores de cancelación. Los problemas de cancelación entre –b y la raíz cuadrada pueden ser evitados, usando para computar una de las raíces la fórmula alternativa: La cancelación dentro de la raíz no puede ser evitada fácilmente, a menos que se empleen muchas cifras significativas. Vienen dadas por (cancelación) M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE REDONDEO (cancelación) El cómputo de la exponencial de e en ordenadores se hace a partir de series: El ERROR DE CANCELACION puede dar en el cómputo de algunos valores de x próximos a 1, ya que se va sumando y restando. ¿Cómo se evita este problema? Usando una expresión equivalente que no presente ese problema. En este caso, puede ser: 𝒆−𝒙 = 𝟏 − 𝒙 + 𝒙𝟐 𝟐! − 𝒙𝟑 𝟑! + ⋯ 𝒆−𝒙 = 𝟏 𝒆𝒙 = 𝟏 𝟏 + 𝒙 + 𝒙𝟐 𝟐! + 𝒙𝟑 𝟑! + ⋯ M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PROPAGACIÓN DEL ERROR Al almacenar un número, surge un error de redondeo y al hacer operaciones con los números, surgen errores asociados a estas operaciones. Cuantas más operaciones se hagan en cadena, mayor es la acumulación de los errores. A este fenómeno se lo denomina, propagación del error. Como no se pueden eliminar estos errores, hay que tratar de minimizarlos. EJEMPLO Cómputo de polinomios 𝑷𝟏 𝒙 = 𝒂𝟑𝒙 𝟑 + 𝒂𝟐𝒙 𝟐 + 𝒂𝟏𝒙 + 𝒂𝟎 𝑷2 𝒙 = ((𝒂 3 𝒙 + 𝒂2)𝒙 + 𝒂1)𝒙 + 𝒂0 Forma tradicional Forma anidada de Horner Las dos expresiones son equivalentes, pero la segunda involucra menos operaciones elementales y por lo tanto acumulará menos errores de redondeo. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PROPAGACIÓN DEL ERROR El error es superior cuando se deben hacer más operaciones Considerar el polinomio 𝑷 𝒙 = (𝒙 − 𝟏)𝟔 computado de las dos formas en la proxi- midad de x = 1. 0.996 0.997 0.998 0.999 1 1.001 1.002 1.003 1.004 1.005 -1 0 1 2 x 10 -14 Real P2(x) 0.996 0.997 0.998 0.999 1 1.001 1.002 1.003 1.004 1.005 -1 0 1 2 x 10 -14 Real P1(x) P1(x) Forma tradicional P2(x) Forma anidada de Horner M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE TRUNCACIÓN El error de truncación surge como consecuencia del empleo de expresiones matemáticas aproximadas. Por ejemplo, si la función f y sus primeras n+1 derivadas son continuas, el valor de la función en xi+1 puede ser evaluado (aproximado) con información de xi Residuo 𝒇 𝒙𝒊+𝟏 = 𝒇 𝒙𝒊 + 𝒇 𝟏 𝒙𝒊 𝒉 + 𝟏 𝟐! 𝒇 𝟐 𝒙𝒊 𝒉𝟐 + ⋯ +⋯+ 𝟏 𝒏! 𝒇 𝒏 𝒙𝒊 𝒉𝒏 + 𝑹𝒏+𝟏 𝒉 = 𝒙𝒊+1 − 𝒙𝒊 𝑹𝒏+𝟏 = 𝟏 (𝒏 + 𝟏)! 𝒇 𝒏+𝟏 𝜽 𝒉𝒏+𝟏 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERROR DE TRUNCACIÓN Error de Truncación de la aproximación lineal M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERRORES EN CÁLCULO NUMÉRICO Comparación Error que es el resultado de no poder representar el verdadero valor adecuada- mente. Es el resultado de usar un número aproximado para representar el número exacto. SE ORIGINA EN LA COMPUTADORA ERROR DE REDONDEO Errores que son el resultado de usar una aproximación en lugar de un procedimiento matemático exacto. SE ORIGINA EL MÉTODO NUMÉRICO ERROR DE TRUNCACION M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERRORES EN CÁLCULO NUMÉRICO El Error Total de computación es la suma del Error de Redondeo y el de truncación. El Error de Redondeo se puede disminuir trabajando con precisión numérica más alta. El Error de Trunca- ción se disminuye empleando fórmulas más precisas. Normalmente, uno de los dos es el que domina el cálculo y el otro es despreciable. En general son con- trapuestos. E rr or T ot a l e n e l cá lc ul o d e l a d e ri va d a Paso h M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERRORES EN CÁLCULO NUMÉRICO FALLO DEL MISIL PATRIOT En 1991, durante la guerra del Golfo, misiles Patriot americanos en Arabia Saudí no lograron interceptar un misil Scud iraquí. Murieron 28 soldados americanos. La causa: los errores numéricos por utilizar truncado en lugar de redondeo en el sistema que calcula el momento exacto en que debe ser lanzado el misil. Los misiles llevaban en funcionamiento más de 100 horas, por lo que el tiempo era un número muy grande y el número real tenia un error cercano a 0.34 segundos. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Overflow y Underflow ERROR DE REDONDEO Surgen cuando el resultado de las operaciones no pueden ser representados por que el número de bits disponibles para el expo- nente supera la capacidad del procesador M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ALGORITMO Un algoritmo es un procedimiento de cálculo que consiste en un conjunto de instrucciones precisas. Estas instrucciones especifican una sucesiónfinita de operaciones que una vez ejecutadas proporcionan la solución a un problema de entre los de una clase especial de problemas. Debe ser preciso e indicar un orden de realización de cada paso. Debe ser definido, es decir, si se repite varias veces, debe de dar el mismo resultado. Debe ser finito, es decir, debe terminar en algún momento. Debe ser Independiente, de propósito general CARACTERÍSTICAS: M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ELEMENTOS DE UN ALGORITMO Un algoritmo consta de datos y de sentencias DATOS Se almacenan en variables y constantes y se involucran en operaciones SENTENCIAS Describen las acciones que deben ser ejecutadas (cálculos, entradas/salidas y control de flujo del algoritmo) DATOS DE ENTRADA PROCESO DATOS DE SALIDA M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A EJEMPLO DE ALGORITMO Algoritmo para calcular el promedio de 3 calificaciones DATOS DE ENTRADA PROCESO DATOS DE SALIDA N1, N2, N3 Leer N1, N2, N3 Prom = (N1+N2+N3)/3 Escribir Prom Prom Se puede verificar que cumple con todas las condiciones M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ALGORITMO Codificación Creación del Algoritmo Diseño Respuesta = ‘2’ Ejecución y obtención de resultados Test Problema a Resolver Análisis Ordenamiento de las Ideas Compilación Fin Secuencia de resolución de un problema Correcciones Los algoritmos son la forma en la que se resuelven problemas matemáticos a partir de datos y los datos de entrada pueden tener errores. INQUIETUDES: ¿Qué influencia tienen los errores de los datos en la precisión de los resultados del algoritmo? ¿Cómo influye el particular algoritmo en la calidad del resultado?M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ERRORES EN LOS ALGORITMOS Análisis de dos aspectos del problema Condicionamiento Estabilidad M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Los términos “condicionamiento” y/o “problema bien o mal condicionado” se utilizan de manera informal para indicar la sensibilidad de la solución del problema con respecto a pequeños errores relativos en los datos de entrada. Para hacer este tipo de apreciaciones es preciso “cuantificar” a priori esta sensibilidad, utilizando para ello un modelo apropiado del problema. Una primera aproximación, podría ser definir Número de Condición: CONDICIONAMIENTO DE UN SISTEMA 𝑵𝑪 = 𝑬𝒓𝒓𝒐𝒓 𝒆𝒏 𝒆𝒍 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐 𝑬𝒓𝒓𝒐𝒓 𝒆𝒏 𝒍𝒐𝒔 𝒅𝒂𝒕𝒐𝒔 M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Según el tipo de error que se considere, se pueden definir dos tipos de Número de Condición: CONDICIONAMIENTO DE UN SISTEMA 𝑵𝑪𝑹 = 𝑬𝒓𝒓𝒐𝒓 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒐 𝒆𝒏 𝒆𝒍 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐 𝑬𝒓𝒓𝒐𝒓 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒐 𝒆𝒏 𝒍𝒐𝒔 𝒅𝒂𝒕𝒐𝒔 𝑵𝑪𝑨 = 𝑬𝒓𝒓𝒐𝒓 𝑨𝒃𝒔𝒐𝒍𝒖𝒕𝒐 𝒆𝒏 𝒆𝒍 𝒓𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐 𝑬𝒓𝒓𝒐𝒓 𝒆𝒏 𝒍𝒐𝒔 𝒅𝒂𝒕𝒐𝒔 En algunos casos se podrá calcular en forma directa a partir de ecuaciones matemáticas, pero en otros habrá que producir pequeños cambios en los datos y evaluar el cambio en el resultado. 𝑵𝑪𝑹 ≈ 𝟏 𝑵𝑪𝑹 ≫ 𝟏 Sistema bien Condicionado Sistema mal Condicionado M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A EJEMPLO. Sea evaluar f con el argumento aproximado x+h en vez del real x considerando errores relativos. ERROR ABSOLUTO ERROR RELATIVO NÚMERO DE CONDICIÓN RELATIVO CONDICIONAMIENTO DE UN SISTEMA M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A Qué sucede si la función f depende de varias variables x1, x2, x3, … En ese caso, habrá un Número de Condición para cada variable definido como: CONDICIONAMIENTO DE UN SISTEMA El sistema estará bien condicionado, si todos los números de condición son bajos. 𝑵𝑪𝒊 = 𝛛𝒇 𝛛𝒙𝒊 𝒙𝒊 )𝒇(𝒙𝟏, 𝒙𝟐, … M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CONDICIONAMIENTO DE UN SISTEMA Datos Resultados Datos Resultados M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A ESTABILIDAD DE LOS ALGORITMOS Un aspecto importante en los algoritmos es la Estabilidad, que tá vinculada con el error que se comete en cada uno de los pasos del algoritmo. Un método es estable, si los errores debidos a las aproximaciones se atenúan a medida que la computación avanza. El método es inestable si cualquier error en el procesamiento se magnifica conforme se avanza. 𝑬𝒏 = 𝑪 𝒏 𝑬𝟎 𝑬𝒏 = 𝑪𝒏 𝑬𝟎 Error con cre- cimiento lineal Error con creci- miento Exponencial Estabilidad Inestabilidad M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PRECISIÓN DE LOS RESULTADOS La Precisión de los resultados en un proceso de computación numérica es una medida de la proximidad de los resultados obtenidos con el valor real. Del algoritmo Del sistema De los resultados La imprecisión puede provenir de aplicar algoritmos estables a problemas mal condicionados o de aplicar algoritmos inestables a problemas bien condicionados. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PRECISIÓN DE LOS RESULTADOS Por lo tanto la Precisión se mide por el error total de los resultados en un proceso de computación numérica Si representa la “función real” y es el resultado del algoritmo computacional, x el valor de la variable “real” mientras que x* es el correspondiente valor computacional, entonces el error total tiene tres componentes: 𝒇 𝒇 EstabilidadError Total Con lo que: 𝒇 𝒙 − 𝒇 𝒙∗ = 𝒇 𝒙 − 𝒇 𝒙∗ + 𝒇 𝒙∗ − 𝒇 𝒙∗ Condición 𝒇 𝒙 − 𝒇 𝒙∗ ≤ 𝒇 𝒙 − 𝒇 𝒙∗ + 𝒇 𝒙∗ − 𝒇 𝒙∗ M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PROPAGACIÓN DEL ERROR Algo que resulta de mucho interés conocer en Cálculo numérico es la forma en la los errores inherentes en los datos de entrada influyen en el resultado final proporcionado por el algoritmo. Esto se conocer como Propagación del Error. Si en el algoritmo interviene varias variables de entrada x1, x2, ..., xN y se genera una sola variable se salida y: La fórmula fundamental del cálculo de errores, que resulta de aplicar el Teorema de Taylor y tomar una aproximación de primer orden resulta: )𝒚 = 𝒇(𝒙𝟏, 𝒙𝟐, … , 𝒙𝑵 ∆𝒚 ≤ 𝒊=𝟏 𝑵 𝛛𝒇 𝛛𝒙𝒊 ∆𝒙𝒊 Observar que aparece en NCA M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A PROPAGACIÓN DEL ERROR Si en el algoritmo intervienen varias variables de entrada x1, x2, ..., xN y se genera un vector de salidas y1, y2, ..., yM : )x,...,x,(xf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. )x,...,x,(xf )x,...,x,(xf y . . y y N21M N212 N211 M 2 1 La fórmula fundamental del cálculo de errores, resulta: M1,2,..., j Δx x fΔy N 1i i i j j Δx)xJ(Δy O en forma matricial: M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A COMPUTACIÓN CIENTÍFICA (Y TÉCNICA) Matemática Ciencia de la Computación Ciencia e Ingeniería Lo que hoy se denomina COMPUTACION CIENTÍFICA busca aumentar la comprensión de los fenómenos estudiados por las ciencias y los problemas de las ingenierías a través del uso intensivo de las computadoras. Redondeando, sería Modelación Matemática más cálculo numérico. M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A CÁLCULO NUMÉRICO Y MATEMÁTICA M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A RECURSOS EN INTERNET NUMERICAL ALGORITHMS GROUP - NAG (Numerical Algorithms Group, Inc.). Es una bibioteca con una gran variedad de subrutinas en FORTRAN y C, extendidas para ambiente Matlab inclusive. (http://www.nag.co.uk) NETLIB de la University of Tennessee and Oak Ridge National Laboratory (USA). Contiene una enorme cantidad de recursos cuidadosamente clasificados. (http://www.netlib.org) NUMERICAL RECIPES por Press, Teukolsky, Vetterling, and Flannery. Es un conjunto muy conocido de rutinas numéricas para una variedad de lenguajes de programación. Sus manuales poseen mucha información sobre los métodos numéricos empleados. (http://www.nr.com) M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A RECURSOS EN INTERNET El sitio correspondiente al libro “Scientific Computing: An Introductory Survey” de Michael T. Heath pueden encontrar abundante infor- mación sobre bibliotecas de software, ambientes de computación científica y simulación. http://heath.cs.illinois.edu/scicomp/software/ M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A RECURSOS EN INTERNET En Software libre, existen algunos recursos con enormes posibilidades OCTAVE es un lenguaje de alto nivel diseñado para cálculo numérico y prácticamente compatible con Matlab. Incorpora herramientas para resolver problemas de álgebra lineal, calcular raíces de ecuaciones no lineales, integrar funciones, mani-pular polinomios e integrar ecuaciones diferen- ciales. OCTAVE SCILAB es un paquete de cálculo numérico, que incluye cientos de funciones matemáticas (que se pueden ampliar mediante programas escritos en C, Fortran y otros lenguajes), estructuras de datos sofisticadas (listas, polinomios, funciones racionales, sistemas lineales, etc), un intérprete y su propio lenguaje de programación. SCILAB Tema 1 Modelos Matemáticos y Cálculo Numérico M A G I S T E R E N M E T O D O S N U M E R I C O S Y C O M P U T A C I O N A L E S E N I N G E N I E R I A TEMAS Sistemas reales y modelos matemáticos. Análisis numérico y matemática formal. Fuentes de error. Cifras significativas, exactitud de los cálculos, aritmética de punto flotante, error de redondeo. Error de truncación, serie de Taylor. Propagación. Análisis de los errores numéricos totales. Condición y estabilidad. Algoritmos numéricos, criterios de exactitud de cálculo. Recursos disponibles en Internet. Universidad Nacional de Tucumán FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGIA 1 MAGISTER EN METODOS NUMERICOS Y COMPUTACIONALES EN INGENIERIA MATEMATICA NUMERICA http://www.unt.edu.ar/ http://www.unt.edu.ar/