Teoria Del Error

INTRODUCCION A LOS ELEMENTOS FINITOS
Teoría del Error
NOTAS ELEMENTOS FINITOS

LOSADA H, SOLÓN E. FORERO NESTOR O.
Losada H. Solón, Forero Néstor O.

Teoría del Error
1. Conceptos y fundamentos matemáticos
En este primer capítulo se realizará una introducción a los algoritmos y su convergencia por
medio de métodos iterativos, donde se trabajaran conceptos fundamentales de sucesiones y
series, los cuales a través de definiciones formales llegaremos a la construcción de la teoría
del error.
1.1. Teoría del error.
Como se indicó, nosotros generaremos aproximaciones numéricas de una solución a un

problema que no tiene solución analítica, y viene el primer interrogante: ¿ Que tan cerca o
que tan lejos estoy de una buena aproximación a la solución verdadera?, como se va a trabajar
con aproximaciones es necesario saber si efectivamente dichas aproximaciones son cercanas
a la solución real del problema y si lo son que tan “buenas” son.
Para esto haremos un breve estudio de la teoría del error centrándonos en la precisión ya que
la mayoría de los métodos que se estudiaran en estas notas son recursivos.
En estas notas se usara el término error para representar tanto la inexactitud como la
imprecisión en los cálculos numéricos, hecha esta aclaración analizaremos los factores
que contribuyen al error.
1.1.1. Exactitud.
Se refiere a la aproximación de un número o de una medida al valor verdadero que se

supone representa.
1.1.1.1. Error absoluto.
Se da cuando se aproxima el valor real con un valor aproximado, mediremos la distancia

entre ellos (notemos que el error absoluto es una distancia así siempre es mayor o igual a
cero).

Teoría del Error
Definición 1.1 (Error absoluto) Definimos el error absoluto de una aproximación como la distancia
entre este y el valor real así,
(1.1) 𝜀" = |𝑥& − 𝑥|
Donde 𝑥& es el valor aproximado y 𝑥 es el valor verdadero.
Ejemplo 1.1 Supongamos que por medio de un experimento de laboratorio se quiere medir la
𝒎
) = 𝟏𝟎. 𝟏 𝟐 este
aceleración de la fuerza de la gravedad, y el resultado nos da 𝒙 𝒔
𝒎
sería nuestro valor aproximado, tomando el valor “real” como 𝒙 = 𝟗. 𝟖𝟏 𝒔𝟐
tenemos que el error absoluto es:
6 6 6
𝜀" = 310.1 7 8 − 9.81 7 83 = 0.29 7 8.
Ejemplo 1.2 Suponga que se tiene que medir la longitud de un puente y la de un remache, y se
obtiene 𝟗𝟗𝟗𝟗 𝒄𝒎 y 𝟗 𝒄𝒎 respectivamente. Si los valores son 𝟏𝟎𝟎𝟎𝟎 𝒄𝒎 y 𝟏𝟎 𝒄𝒎,
calcule el error absoluto en cada caso. El error absoluto en la medición del puente
es:
𝜀" = |𝑥& − 𝑥| = |100000 𝑐𝑚 − 99999 𝑐𝑚| = 1𝑐𝑚
Y para el remache es:
𝜀" = |𝑥& − 𝑥| = |10𝑐𝑚 − 9𝑐𝑚| = 1𝑐𝑚.
Uno de los problemas al considerar el error absoluto es que este depende de las unidades, así
en el ejemplo anterior el error de 1 𝑐𝑚 es igual para los dos experimentos, sin embargo, a
pesar que el error absoluto es el mismo, en el segundo experimento la experiencia nos dice
que es más “grande” con respecto a lo que se mide, por esta razón, es bueno comparar el
error con respecto a lo que se está midiendo, además, es bueno que el error sea independiente
de la escala usada. Estas consideraciones motivan la siguiente definición.
1.1.2. Sucesiones

Teoría del Error
Definición 1.2 (Sucesión) Por una sucesión finita de 𝒏 términos entenderemos una función 𝑭 cuyo
dominio sea el conjunto de números {𝟏, 𝟐, … , 𝒏} e infinita cuando el dominio sea el
conjunto {𝟏, 𝟐, 𝟑, … } de todos los enteros positivos (o conjunto contable y totalmente
ordenado (Muñoz Quevedo, 2002). El recorrido de F, esto es, el conjunto
{𝑭(𝟏), 𝑭(𝟐), 𝑭(𝟑), … }, se designa tambien por {𝑭𝟏 , 𝑭𝟐 , 𝑭𝟑 , … }, y el valor 𝑭𝒏 se llama
el termino n-ésimo de la sucesión, usualmente la sucesión se denota por (𝒙𝒏 ) o (𝒂𝒏 ).
Ejemplos de sucesiones:
La idea es que estás sucesiones se acerquen al valor buscado, así estudiaremos a las
sucesiones convergentes.
Definición 1.3 (Sucesión convergente) (Apostol, 1996) Sea (𝒙𝒏 ) una sucesión en los reales se dice
que converge a un valor 𝑳 si y solo si dado ℇ > 𝟎 existe un 𝑵 ∈ ℕ tal que:
|𝑥O − 𝐿| < 𝜀
Siempre que 𝑛 > 𝑁.
Es equivalente a decir que una sucesión es un arreglo infinito de números
{𝑎O }W
OUV = {𝑎V , 𝑎X , … , 𝑎O , … }
Ejemplos de sucesiones:
• A= Números Primos 2,3,5,7,11,…,

𝑓V = 0
• B= Sucesión de Fibonacci:Y 𝑓X = 1
𝑓O = 𝑓O[X + 𝑓O[]
• C= {(−1)O }W O
OUV = {1, −1, … , (−1) , … }
([X)_ W X [X ([X)_
• D= ^ O
` = ^−1, ] , a
,…, O
,…`
OUX
• E= {(−1)O 𝑛}W O
OUV = {−1,2, −3 … , (−1) 𝑛, … }
O W X ] O
• F= ^]OcX` = ^0, a , d , … , ]OcX , … `
OUX

Teoría del Error
La idea es que estás sucesiones se acerquen al valor buscado, así estudiaremos a las
sucesiones convergentes. Intuitivamente las sucesiones A,B,C y E no convergen, las
sucesiones D y F convergen
O X
para la sucesión D se tiene lim =]
O→W ]OcX
([X)_
para la sucesión F lim O
=0
O→W
NOTA 1.1 para la sucesión 𝑎O = (−1)O si n es par da 1, si n es impar da -1, luego el limite no existe,
es decir no converge. Para el caso (−1)O 𝑛 si n es par va hacia ∞, si n es impar va para
−∞,
es decir no converge y no es acotada. Cuando la sucesión va para infinito se dice que diverge.
Para ilustrar esta definición veamos el siguiente ejemplo.
Ejemplo 1.3 Consideremos la sucesión de números reales dada por

aO
𝑥O = jOca.
Sabemos por los cálculos directos del límite que

3𝑛 3
𝑙𝑖𝑚 𝑥O = 𝑙𝑖𝑚 =
O→W O→W 7𝑛 + 3 7
Ahora, la definición anterior nos dice que si vamos “adelante” en la sucesión, estos valores
a
van a ser muy cercanos al valor del límite 𝐿 = j.
Tabla 1.1
𝑛 𝑥O |𝑥O − 𝐿|
1 0.3 0.1285714286
2 0.352941176 0.0756302521
3 0.375 0.0535714286
4 0.387096774 0.0414746544
1000 0.428387834 0.0001835948
1000000 0.428571245 0.0000001837
En muchas de nuestras aproximaciones numéricas nos acercaremos a la solución por medio

de sucesiones, las cuales esperamos que sean convergentes, la definición de sucesión
Teoría del Error
convergente nos da un criterio para verificar la convergencia, sin embargo, esta recurre al
uso del valor límite de la sucesión el cual nosotros no conocemos (ni conoceremos),
retomemos el ejemplo anterior y utilicemos las ideas de Cauchy, en la Definición 1.3,
compararemos la distancia de un elemento de la sucesión y el siguiente así;
Tabla 1.2
𝑛 𝑥O |𝑥O − 𝑥O[X |
1 0.3
0.05294117647059
2 0.352941176
2 0.352941176
0.02205882352941
3 0.375
3 0.375
0.0120967741935484
4 0.387096774
1000 0.428387834
0.0000001833328818
10001 0.428553064
1000000 0.428571245
0.0000000000004286
1000001 0.428571245
En la tabla anterior se ve que entre más avanzamos en la sucesión, la distancia entre cada par
de términos es más pequeña, esto motiva a la siguiente definición la cual es muy útil para
nosotros.
Definición 1.4 (Sucesiones de Cauchy) (Apostol, 1996) Sea 𝒙𝒏 una sucesión se dice de Cauchy si y
solo si dado 𝜺 > 𝟎 existe 𝑵 ∈ ℕ tal que:
|𝑥O − 𝑥6 | < 𝜀
siempre que 𝑛, 𝑚 > 𝑁.
Es decir entre más adelante vaya la sucesión la distancia entre los números va a ser muy
pequeña.
Ejemplo 1.4 Consideremos la sucesión de números reales dada por

O X
𝑎O = ]OcX, 𝐿 = ], 𝜀 = 0.001; se va a buscar cuánto vale N, se reemplaza en la definición
de convergencia (conv)

Teoría del Error
O X X
(1.2) 3]OcX − ]3 = ](]OcX) < 0.001
Es decir
1 1000
o − 1p = 249.5 < 250 = 𝑁 < 𝑛
2 2
Luego a partir de 𝑁 = 250, todos los términos 𝑎O cumplen con la restricción (1.2), si para
cualquier 𝜀 se puede encontrar 𝑁, la sucesión converge.
Las sucesiones tienen las mismas propiedades de los limites (de hecho tienen la misma
definición).
Propiedades
Dados dos sucesiones 𝑎O y 𝑏O , convergentes, tales que
𝑎O → 𝐴, 𝑏O → 𝐵,
Entonces para 𝑘 ≠ 0
I. 𝑎O + 𝑘𝑏O → 𝐴 + 𝑘𝐵,
II. 𝑎O 𝑏O → 𝐴𝐵
III. 𝑎O /𝑏O → 𝐴/𝐵; 𝐵 ≠ 0
NOTA 1.2 Esta es la definición de convergencia; no se puede usar si se busca averiguar la no

convergencia.
Definición 1.5 Si 𝒙𝒏 es una sucesión se dice de Cauchy entonces dado 𝜺 > 𝟎 existe 𝑵 ∈ ℕ tal que:
|𝑥O − 𝑥O[X | < 𝜀
siempre que 𝑛 > 𝑁.
Ejemplo 1.5 Dada 𝑎O = (−1)O , 𝜀 = 0.001; se va a buscar cuánto vale N, se reemplaza en la

(Definición 1.5)
(1.26) |(−1)O − (−1)6 | < 0.001
Si m y n son pares (impares) la desigualdad (1.26) es cero, si m es impar y n par la

desigualdad (1.26) es 2 luego 2<0, que es falso, es decir la sucesión no converge

Teoría del Error
Como ilustra en él Ejemplo 1.3 , una sucesión convergente es una sucesión de Cauchy, sin
embargo, es bien sabido que el reciproco se tiene, es decir,
Teorema 1.1 Toda sucesión de Cauchy en los reales es convergente.

La demostración se puede ver (Rudin, 1976).
NOTA 1.3 La definición de sucesión de Cauchy se usa junto con el Teorema 1.1, de la siguiente
forma: si una sucesión converge es de Cauchy, si no es de Cauchy no converge, si es
de Cauchy y son reales converge.
La definición de sucesión de Cauchy, en particular, la Definición 1.4 nos permite determinar

cuándo una sucesión en los números reales es convergente sin hacer uso del valor del límite,
el cual no podemos usar ya que lo desconocemos, esta definición nos permite crear una
medición para el error en una sucesión el cual calcule las distancias entre dos elementos
diferentes de una sucesión, sin embargo, como vimos en el error absoluto, esto no representa
una buena cuantificación del error, haremos uso de las ideas expuestas en la (Definición 1.3)
para llegar a una mejor medición del error dentro de una sucesión. Para esto la idea es
comparar las distancias entre dos términos consecutivos con respecto al valor real, lo que
seria
𝑥O − 𝑥O[X
3 3
𝐿
pero es ilógico trabajar con el valor real, así el mejor candidato para asumir este papel es el
último término calculado en la sucesión, es decir 𝑥O , esto nos lleva a la siguiente definicion.
X
Ejemplo 1.6 La siguiente sucesión de reales es de Cauchy: 𝑥O = O; luego es convergente, ver Ejercicio 1.5
Si una sucesión es de Cauchy, converge, en particular, |𝑥O − 𝑥O[X | tiende a cero. los
términos de una sucesión se pueden calcular por siempre. Este resultado ofrece un criterio
para parar una sucesión, la condición que se debe tener es que la sucesión converja; si esta
no converge, puedes suceder que esa diferencia converge a cero. Esta sesión
determinaremos criterios para detener los términos de la sucesión de acuerdo a unas
condiciones dadas.
1.1.3. Error normalizado

Teoría del Error
Definición 1.6 (Error normalizado) Sea (𝒙𝒏 ) una sucesión, definimos el error normalizado como la
sucesión 𝑬𝑵 = (𝑬𝑵𝒏 ) dado por:
{_ [{_|}
(1.1) 𝐸𝑁O = 3 {_
3
Para 𝑛 = 2,3, ….
Para que una sucesión sea de Cauchy es necesario (mas no suficiente) que la sucesión 𝐸𝑁O
tienda a cero. Esto nos da una forma de ver si una sucesión posiblemente es convergente sin
el uso del valor del límite, es decir, si 𝐸𝑁O → 0 la sucesión posiblemente será
convergente.
Ejemplo 1.7 En el Ejemplo 1.3 se observa esa situación; si una sucesión es de Cauchy 𝑬𝑵 → 𝟎,
𝟑𝒏
para la sucesión 𝒂𝒏 = 𝟕𝒏c𝟑 , como se muestra en al siguiente tabla
Tabla 1.3
n 𝑎O 𝐸𝑁O
1 0.3 ---------
2 0.352941176 0.15000000000000
3 0.375 0.05882352941176
4 0.387096774 0.03125000000000
1000 0.428387834
1001 0.428388017 0.00000042795987
Código en Matlab
function suceciones()
epn=1;
a1=10;
n=1;
while(epn>0.01)
a0=a1
a1=(3*n)/(7*n+3);
epn=abs((a1-a0)/a1)
n=n+1
end
end
Teoría del Error
salida
a0 = 10
epn = 32.333
n= 2
a0 = 0.30000
epn = 0.15000
n= 3
a0 = 0.35294
epn = 0.058824
n= 4
a0 = 0.37500
epn = 0.031250
n= 5
a0 = 0.38710
epn = 0.019355
n= 6
a0 = 0.39474
epn = 0.013158
n= 7
a0 = 0.40000
epn = 0.0095238
n= 8
Recordemos que en muchas ocasiones es más claro hablar en términos de porcentajes, por lo
cual será más utilizado el error normalizado porcentual, el cual será definido a continuación.
1.1.4. Error normalizado porcentual.
Definición 1.7 (Error normalizado porcentual) Sea (𝒙𝒏 ) una sucesión, definimos el error
normalizado porcentual como la sucesión 𝑬𝑵𝑷 = (𝑬𝑵𝑷𝒏 ) dado por:
{_ [{_|}
𝐸𝑁𝑃O = 3 {_
3*100%
Para 𝑛 = 2,3, ….

Teoría del Error
Al igual que en la Definición 1.4, si una sucesión es convergente entonces
𝐸𝑁𝑃O → 0
Cuando 𝑛 ⟶ ∞. (Ver Ejemplo 1.7)
Ahora ilustramos el uso del error normalizado y normalizado porcentual en una sucesión a
fin de analizar su posible convergencia.
Ejemplo 1.8 Consideramos la siguiente sucesión definida por recurrencia
𝑥V = 1
(1.2) X
𝑥OcX = 𝑥O + (OcX)!
Calcularemos los primeros 11 términos de la sucesión junto con los errores normalizado y
normalizado porcentual
Tabla 1.4
𝑛 𝑥O 𝐸𝑁O 𝐸𝑁𝑃O
0 1
1 2 0.5 50.00000000%
2 2.5 0.2 20.00000000%
3 2,66666666666667 0.0625 6.25000000%
4 2.70833333333333 0.015384615 1.53846154%
5 2.71666666666667 0.003067485 0.30674847%
6 2.71805555555556 0.000510986 0.05109862%
7 2.71825396825397 0.0000729927 0.00729927%
8 2.71827876984127 0.0000091240 0.00091240%
9 2.71828152557319 0.0000010138 0.00010138%
10 2.71828180114638 0.0000001014 0.00001014%
Como se ve en la Tabla 1.4 𝐸𝑁O y 𝐸𝑁𝑃O son sucesiones y van para cero, esto significa que
la sucesión (𝑥O ) es posiblemente de Cauchy y por lo tanto posiblemente converge, pero no
sabemos a qué valor, es más nunca sabremos a que valor.
CODIGO EN MATLAB
function sucecionesr()
epn=1;
a1=1;
n=1;
fact=1;

Teoría del Error
while(epn>0.00001)
fact=fact*n;
a0=a1
a1=a0+1/fact;
epn=abs((a1-a0)/a1)
n=n+1
end
end
salida
a0 = 1
epn = 0.50000
n= 2
a0 = 2
epn = 0.20000
n= 3
a0 = 2.5000
epn = 0.062500
La pregunta natural que debemos hacer es ¿Dónde paro esta sucesión para tener una “buena
aproximación” del límite?
Antes de contestar necesitamos dar sentido a la expresión “buena aproximación”.
Comúnmente usamos esta expresión para hablar de cifras decimales, por ejemplo, 𝜋 ≈ 3.14
es una aproximación de 𝜋 con dos cifras decimales, pero, ¿cifras decimales describe bien la
magnitud que representa el numero?, para esto consideremos las siguientes cantidades.
El siguiente código es para la sucesión recursiva an+1=(an-1)/(an^2+1), parada con error

normalizado
function suceciones()
epn=1;
a0=10;
n=0;
while(epn>0.01)
a1=(a0-1)/(a0^2+1);

Teoría del Error
epn=abs((a1-a0)/a1)
a0=a1
n=n+1
end
end
salida
a0 = 10
epn = 111.22
n= 2
a0 = 0.089109
epn = 1.0986
n= 3
a0 = -0.90372
epn = 0.13759
n= 4
a0 = -1.0479
epn = 0.073579
n= 5
a0 = -0.97608
epn = 0.035456
n= 6
a0 = -1.0120
epn = 0.018044
n= 7
a0 = -0.99402
epn = 0.0089408
Ejemplo 1.9 El precio de un carro en el mercado es 36280000, al quitar el IVA del 16% el valor
del carro sin IVA es
(1.3) 𝑥 = 31275862.06896552
otra cantidad conocida es la décima parte de la unidad de masa atómica de un

electrón que es
(1.4) 𝑦 = 0.000054857990946.
Si pedimos una aproximación de estos valores con tres cifras decimales tendremos 𝑥& =
31275862.069 , 𝑦& = 0.000 lo cual no es practico en ninguno de los casos, en el primero es
excesivo trabajar con tres cifras decimales y en el segundo no aporta nada de información

Teoría del Error
acerca de la magnitud a del valor, esto nos lleva a pensar, como podemos dar una idea clara
de la magnitud de un valor. Esto ya no es un problema gracias a la notación científica, en el
ejemplo anterior tendremos 𝑥 = 3.127586206896552 ∗ 10j e 𝑦 = 5.4857990946 ∗
10[d , esto muestra que las cifras que realmente son significativas (sin importar la posición
de ellas en la representación decimal) son las primeras que aparecen en la representación
científica, esto motiva la siguiente definición.
Definición 1.8 (Dígito significativo o cifra significativa) ( buscar fuente)De un número “C”; una
cifra significativa es cualquier dígito dado de este, excepto posiblemente aquellos
ceros a la izquierda del primer dígito diferente de cero y que solo sirven para fijar la
posición del punto decimal (entonces cualquier otro cero es un dígito significativo de
C), Ej. 1360, 1.360, 0.1360, 0.001360; tienen cuatro dígitos significativos. En otras
palabras, son los primeros dígitos de un número en la representación científica. Ver
(SCARBOROUGH, 1930)
De ahora en adelante (en lo posible), buscaremos aproximar los valores por medio de cifras
significativas y no de cifras decimales. Ahora ¿cómo sabemos cuándo en una sucesión
estamos encontrando cierto número de cifras significativas?, para esto definiremos la
tolerancia.
Antes de ver esto consideremos la relación entre el error relativo y el número de cifras
significativas que se tienen en una aproximación con respecto al valor real; si tenemos una
aproximación únicamente con 4 cifras significativas exactas (sin importar la magnitud del
número) entonces nuestro error relativo será menor que 10[X[ˆ , si se quiere hacer el mismo
ejercicio con 𝑚 cifras significativas se llegara a un resultado similar, ver (Burden R. y Faires,
2003)
De lo anterior se tiene el siguiente resultado que fue probado de una manera más precisa (en
la cual trabajo con el redondeo) en (SCARBOROUGH, 1930) notemos que para que este
análisis tenga sentido es necesario que si se quieren 𝑚 cifras significativas se debe utilizar
por lo menos 𝑚 + 2 cifras significativas, lo cual es posible aprovechando la potencia de las
maquinas actuales.
Teorema 1.2 ‰ es correcto en 𝒎 cifras significativas, entonces el error

Si el número 𝒙
relativo es menor que
𝜀Š < 10[X[6

Teoría del Error
esto es consecuencia directa de las desigualdades en ver (Losada Solon, 2017)
NOTA 1.4 Una consecuencia directa del teorema anterior es que el error relativo porcentual es
menor que
𝜀Š% < 10X[6 %
Esta cota será usada como una medida de tolerancia para el error normalizado y normalizado
porcentual, esto nos lleva a definir este valor el cual depende del número de cifras
significativas que se quieren.
1.1.5. Tolerancia.
Si se tiene en una sucesión en la cual el término 𝑥OcX es una aproximación al valor real con
𝑚 cifras significativas correctas entonces el error relativo lo podemos acotar de la siguiente
manera
Definición 1.9 (Tolerancia) Sea 𝒎 el número de cifras significativas que se quieren en la
aproximación de cierto valor, definimos y denotamos la tolerancia por
(1.5) 𝑇6 = 10[X[6 = 10X[6 %
NOTA 1.5 La tolerancia escrita como 𝑻𝒎 = 𝟏𝟎[𝟏[𝒎 es usada cuando trabajamos con el error
normalizado (EN), mientras la tolerancia escrita como 𝑻𝒎 = 𝟏𝟎𝟏[𝒎 % es usada
cuando trabajamos con error normalizado porcentual (ENP). (Note que son iguales)
Notemos que la tolerancia es un valor que no depende de ningún tipo de unidades.
El siguiente teorema relaciona la tolerancia con las sucesiones que estamos trabajando. De
todas las afirmaciones anteriores se tiene el siguiente teorema.
Teorema 1.3 Sea {𝒙𝒏 } una sucesión convergente, si el termino 𝒙𝒏 es una

aproximación de el valor del límite de la sucesión con 𝒎 cifras significativas
entonces 𝑬𝑵𝑷𝒏 < 𝑻𝒎 .

Teoría del Error
NOTA 1.6 El reciproco del teorema anterior no se cumple, esto se puede evidenciar en la
sección 1.1.7
NOTA 1.7 En los libros clásicos por ejemplo (Burden R. y Faires, 2003) y
(SCARBOROUGH, 1930), se trabaja con una tolerancia dada por
(0.5 ∗ 10][6 )%
Esto se debe a que al tomar el término de la sucesión usan el redondeo sobre el mismo.
Esta se debe a que en Física se define tolerancia como ±0.5 del error, es decir la mitad de
la unidad de medida (buscar bibliografía)
En estas notas se hará uso de la tolerancia para truncar las sucesiones en la aproximación que
posiblemente comparta por lo menos 𝑚 cifras significativas con el valor del límite (en
realidad se está verificando cuantas cifras significativas comparten los dos últimos elementos
creados en la sucesión), para ilustrar esto, consideremos el siguiente ejemplo
𝟏
Ejemplo 1.10 Considere la siguiente sucesión ∑𝒏𝟎 𝒌!, si queremos una aproximación del valor límite
de la sucesión por lo menos con 3 cifras significativas, calculamos primero la

tolerancia, así,
𝑇a = 10X[a % = 0.01%
ahora debemos calcular los términos 𝑥‘ en la sucesión hasta que el 𝐸𝑁O y 𝐸𝑁𝑃O sean
menores que la tolerancia
Tabla 1.5
𝑛 𝑥O 𝐸𝑁O 𝐸𝑁𝑃O
0 1
1 2 0,5 50,00000000%
2 2,5 0,2 20,00000000%
3 2,66666667 0,0625 6,25000000%

Teoría del Error
4 2,70833333 0,01538462 1,53846154%
5 2,71666667 0,00306748 0,30674847%
6 2,71805556 0,00051099 0,05109862%
7 2,71825397 7,2993E-05 0,00729927%
Como vemos aquí, el ENPj < Ta entonces 𝑥j = 2.71825396825397 es una aproximación

que comparte por lo menos 3 cifras significativas con el anterior elemento de la sucesión y
posiblemente estas mismas cifras las comparta con el valor del límite de la sucesión.
EL SIGUIENTE CODIGO ES PARA LA FUNCION 𝑓(𝑥) = 𝑒 { EN MATLAB, ESTA

HECHO PARA QUE SE EJECUTE TAMBIEN EN OCTAVE
function seriespot()
epn=1;
a1=1;
n=1;
x=1;
pot=x;
fact=1;
while(epn>0.000001)
pot=pot*x;
fact=fact*n;
a0=a1
a1=a0+pot/fact;
epn=abs((a1-a0)/a1);
n=n+1;
end
end
salida
a0 = 1
a0 = 2
a0 = 2.5000
a0 = 2.6667
a0 = 2.7083
a0 = 2.7167
Teoría del Error
a0 = 2.7181
a0 = 2.7183
a0 = 2.7183
a0 = 2.7183
NOTA 1.8 Ya que trabajar con las sucesiones 𝐸𝑁O y 𝐸𝑁𝑃O es equivalente y para reducir
el número de operaciones de la maquina (evitar el multiplicar por 100) de
ahora en adelante trabajaremos únicamente con el error normalizado (𝐸𝑁O ).
Ejemplo 1.11 Se desea construir una tubería de acero con un 𝐾𝑠 (Coeficiente de rugosidad) de
0.000046 𝑚, un diámetro de tubería de 0.03𝑚, una longitud de tubería de 1350 𝑚, la
tubería conecta dos tanques en los cuales su diferencia de altura H es de 48.3 m sobre el
plano de referencia, la sumatoria global de todas las pérdidas por accesorios presentes en
la tubería es de 11.8, por esta tubería circula agua a una temperatura de 20°C por lo que
su densidad será de 998.2 Kg/m^3 y su viscosidad será de 1.005𝐸 − 03 𝑃𝑎 − 𝑠, determine
las pérdidas por carga que presentará la tubería.
Solución
Inicialmente se plantea la función para determinar las pérdidas por carga
𝑽𝟐
𝒇(𝒉𝒇 ) = 𝒉𝒇 + ∑ 𝑲 + 𝒁𝟐 − 𝒁𝟏 = 0 Ecuación 1 - Función pérdidas por carga
𝟐𝒈
se determina un valor inicial para ℎ𝑓 para el cual tomaremos la diferencia de alturas entre
los dos tanques, es decir se tomará un valor inicial de 48.3, a continuación, se reemplazará
este valor en la fórmula de velocidad
𝟐𝒈𝒉𝒇 𝑫 𝒌𝒔 𝟐.𝟓𝟏𝝁√𝑳
𝑽=− 𝟐𝒍𝒐𝒈 ¥ + © Ecuación 2 - Velocidad de flujo
√𝑳 𝟑.𝟕𝑫 𝑫𝝆 𝟐𝒈𝒉𝒇 𝑫
una vez teniendo esto se determinara un valor para la función de pérdidas por carga
(Ecuación 9), se evaluará la primera derivada de la función (ecuación 10)
𝑽𝟐 𝒅𝑽
𝒇′(𝒉𝒇 ) = 𝟏 + ∑ 𝑲 Ecuación 3 - Primera derivada función pérdidas por carga
𝟐𝒈 𝒅𝒉𝒇

Teoría del Error
¬-
en la cual nos aparecerá un valor ¬®¯ , el cual se obtiene de derivar la ecuación de velocidad
respecto a las pérdidas por carga (Ecuación 11),
⎡ −𝟐. 𝟓𝟏𝝁√𝑳 ⎤
∗ 𝒉[𝟏.𝟓
𝒅𝑽 ⎢ − 𝟐𝐠𝐃 𝑲𝒔 𝟐. 𝟓𝟏𝝁√𝑳 ⎛ −𝟐 𝟐𝒈𝑫 ⎛ 𝟐𝑫𝝆 𝟐𝒈𝑫
𝒇
⎞⎞⎥
[𝟎.𝟓 𝟎.𝟓
= ³ ∗ 𝐡𝐟 ∗ 𝒍𝒐𝒈 ¹ + º» + ⎜¹ ∗ 𝐡𝐟 º ∗ ⎜ ⎟⎟
𝒅𝒉𝒇 ⎢ √𝐋 𝟑. 𝟕𝑫 𝑫𝝆 𝟐𝒈𝒉𝒇 𝑫 ⎜ √𝑳 𝑲𝒔 𝟐. 𝟓𝟏𝝁√𝑳 ⎟⎥
⎢ 𝒍𝒏𝟏𝟎 ¹ + º ⎥
𝟑. 𝟕𝑫 𝑫𝝆 𝟐𝒈𝒉𝒇 𝑫
⎣ ⎝ ⎝ ⎠⎠⎦
Ecuación 4- Derivada función de velocidad respecto a las perdidas por carga
posterior a esto se procede a formular el método de Newton-Raphson
𝒇(𝒉𝒇𝒏 )
𝒉𝒇𝒏Å𝟏 = 𝒉𝒇𝒏 − Ecuación 5 − 𝑴é𝒕𝒐𝒅𝒐 𝒅𝒆 𝑵𝒆𝒘𝒕𝒐𝒏 − 𝑹𝒂𝒑𝒉𝒔𝒐𝒏
𝒇Æ Ç𝒉𝒇𝒏 È
se definirá una aproximación de acuerdo a 2 cifras significativa; una tolerancia 𝑇𝑚 =

0.001 determinar en qué iteración detenerse con ayuda de un 𝐸𝑁𝑛 el cual comparará los
valores de V coincidan con la cantidad de cifras significativas determinadas en la
tolerancia.
Se obtiene la siguiente tabla
Tabla 1.6
n hf F(hf) F'(hf) hf n+1 EN

0 36,225 5,36472978 -1,191738 40,726602 -
1 40,726602 -0,0011817 -1,192249 40,725611 0,110532232
2 40,725611 -5,137E-11 -1,192249 40,725611 2,43373E-05
3 40,725611 0 -1,192249 40,725611 1,05799E-12
1.1.6. Series.

Teoría del Error
Toda la teoría anterior puede ser usada para analizar la convergencia de las series (sumas
infinitas).
Definición 1.10 (Serie y serie convergente) (Apostol, 1996) Sea {𝒙𝒌 } una sucesión dada de números
reales o complejos, podemos formar la “suma” de todos ellos, la cual llamaremos
serie y notaremos por
W
𝑠 = 𝑥X + 𝑥] + 𝑥a + ⋯ = Ñ 𝑥‘
‘UX
Al número 𝑠O lo llamaremos suma parcial 𝑛 −ésima de la serie dado por
O
𝑠O = 𝑥X + 𝑥] + ⋯ + 𝑥O = Ñ 𝑥‘
‘UX
Se dice que la serie converge o diverge según que la sucesión {𝑠O } sea convergente o
divergente.
Consideremos el siguiente ejemplo que aclara como podemos usar las sumas parciales en
una serie junto con su tolerancia para determinar si posiblemente la serie sea convergente.
([𝟏)𝒌
Ejemplo 1.12 Consideremos la serie ∑W
𝒌U𝟎 (𝟐𝒌)!
, donde 𝟎! = 𝟏 y buscaremos una posible
aproximación del límite haciendo uso de la sucesión de sumas parciales por lo menos
con 3 cifras significativas. De manera analítica se puede mostrar que la serie
converge absolutamente por el método de la razón.
Para esto lo primero que se debe calcular es la tolerancia, que en este caso es
𝑇a = 10[X[a = 0.0001
([X)Ò
Y después considerar las sumas parciales 𝑠O = ∑O‘UV (]‘)! .
Los cálculos se muestran en la siguiente tabla
Tabla 1.7
𝑠O 𝐸𝑁O
a0 1
a1 0.5 1
a2 0.541666 0.07692

Teoría del Error
a3 0.540277 0.00257
a4 0.540302579 0.00005
Como se observa en la cuarta iteración se obtiene 𝐸𝑁ˆ < 𝑇a ; es decir, es una aproximación
que comparte por lo menos 3 cifras significativas con el anterior elemento de la sucesión y
posiblemente estas mismas cifras las comparta con el valor del límite de la serie (si este
existe) es 𝑎ˆ = 0.540302579
X
Ejemplo 1.13 Consideremos la serie 𝑆O = ∑O‘UV Ò ; La cual es una serie convergente, mostraremos su
]
construcción
𝑆0 = 1
1 1
𝑆1 = 1 + = 2 −
2 2
1 1 1
𝑆2 = 1 + + 2 = 2 − 2
2 2 2
1 1 1
𝑆𝑛+1 = 1 + 𝑘 + ⋯ + 𝑛+1 = 2 − 𝑛+1
2 2 2
En este caso la sucesión de sumas parciales converge a 2, es decir que la serie converge a 2
ver ( Ejercicio 1.4 )
1.1.7. Casos especiales tolerancia.
En esta sección daremos dos ejemplos que ilustran varios problemas al usar la tolerancia, el
primero ilustra que el Ejemplo 1.12 no cumple su reciproco y el segundo muestra el hecho
que si la sucesión converge demasiado lento, el criterio de la tolerancia no es útil.
𝟏
Ejemplo 1.14 Consideremos la sucesión de sumas parciales de la serie ∑W
𝒌U𝟏 𝒌 la cual es una serie
divergente (esto se verifica fácilmente por el criterio de la integral), veamos que en

efecto el Teorema 1.3 se satisface, a pesar de su divergencia.
X
La sucesión de sumas parciales es dada por 𝑠O = ∑O‘UX ‘ así
1
| 𝑠O − 𝑠O[X | =
𝑛

Teoría del Error
X
De esta manera dado 𝜀 > 0, podemos elegir 𝑁 de tal manera que 𝑁 > Ô .
Sin embargo, supongamos 𝑛 > 𝑚 entonces
O
1
| 𝑠O − 𝑠6 | = Ñ
𝑘
‘U6cX
Lo cual diverge gracias a la divergencia de la serie. Además el criterio de la tolerancia

Siguiere que en el término 502 se tienen por lo menos 3 cifras significativas, lo cual es falso
con respecto al valor del límite (ella diverge).
Tabla 1.8
1
𝑛 𝑘 𝑠O 𝐸𝑁O
1 1 1
2 0,5 1,5 0,33333333
3 0,33333333 1,83333333 0,18181818
4 0,25 2,08333333 0,12
5 0,2 2,28333333 0,08759124
100 0,01 5,18737752 0,00192776
101 0,00990099 5,19727851 0,00190503
102 0,00980392 5,20708243 0,00188281
500 0,002 6,79282343 0,00029443
501 0,00199601 6,79481944 0,00029375
502 0,00199203 6,79681147 0,00029308
1.1.8. Ejercicios propuestos

Ejercicio 1.1 Para las siguientes sucesiones determine si son convergentes o no, en caso de
serlo; halle una aproximación del límite con 3 cifras significativas.
ÕÖ ]O
a) 𝑎O = ÕÖ(OcX), para 𝑛 = 1,2, …
b) 𝑎O = (−1)O , para 𝑛 = 0,1,2, …
c) 𝑠O = ∑O‘UV(1.1)‘ , para 𝑛 = 0,1,2, …
X
d) 𝑠O = ∑O‘UV ]_ , para 𝑛 = 0,1,2, …

Teoría del Error
𝑎V = 1
e) × 𝑎X = 1
𝑎OcX = 𝑎O + 𝑎O[X
"
f) 𝑏O = " _ , para 𝑛 = 1,2, … donde los 𝑎O son como en el ejercicio
_|}
anterior.
𝑎V = 1; 𝑎X = 1
g) Ø ([X)_
𝑎OcX = 𝑎O + O
h) La sucesión (𝑝(𝑛)) es llamada la Sucesión de Padovan, la cual es
dada por
𝑝(0) = 𝑝(1) = 𝑝(2) = 1 Y la siguiente relacion de recurrencia 𝑝(𝑛) =
𝑝(𝑛 − 2) + 𝑝(𝑛 − 3) a partir de esta, definiremos la sucesión
Ü(O)
𝑞(𝑛) = Ü(O[X) (Observe que el error se estabiliza a partir de la tercera
vez que se cumple la condición de las cifras significativas)
i) La sucesión (𝑝(𝑛)) es llamada la Sucesión de Perrin, la cual es

dada por 𝑝(0) = 3 𝑝(1) = 0 y 𝑝(2) = 2 la siguiente relacion de
recurrencia 𝑝(𝑛) = 𝑝(𝑛 − 2) + 𝑝(𝑛 − 3), si 𝑛 > 2 a partir de esta,
definiremos la sucesión
Ü(O)
𝑞(𝑛) = Ü(O[X)c]
Ejercicio 1.2 Mostrar que la sucesión de recurrencia definida por
("_ )8cÝ
(1.6) 𝑎OcX = ]"_
Converge a ±√𝑐.
Ayuda: suponga que converge y considere lim 𝑎O = lim 𝑎OcX = 𝑥 y aplique
O→W O→W
el límite a la igualdad (1.6)
Ejercicio 1.3 Aproximar el valor de 𝐩 con 5 cifras significativas, para 𝐩 = 𝟐, 𝟑, 𝟓, 𝟕, 𝟏𝟏.

Usando la sucesión de recurrencia (1.6) con valor inicial 𝐚𝟎 = 𝟑.
Ejercicio 1.4 Mostrar la convergencia del Ejemplo 1.13
Ejercicio 1.5 Mostrar la convergencia del Ejemplo 1.6
Ejercicio 1.6 Se desea calcular el diámetro de una tubería en PVC con rugosidad relativa igual a
𝐾7 = 0,0015 𝑚𝑚. La tubería une dos tanques a una diferencia de altura de 40,3 m,
teniendo en cuenta que debe mover un caudal de 300 L/s y que la longitud de la
tubería debe ser de 343 m. A través del sistema, incluyendo los accesorios de entrada
y de salida, el total de la suma de los coeficientes de perdida por accesorios es de 10,1.
El fluido que va a transitar es agua a 20°C y el coeficiente de fricción es de 0.00014.

Teoría del Error
Ejercicio 1.7 Si la rugosidad de una tubería de acero (𝒌𝒔) es de 𝟎, 𝟎𝟎𝟎𝟎𝟒𝟔 𝒎. Determine el
coeficiente de fricción mediante la ecuación de Colebrook-White cuando el
número de Reynolds (𝑹𝒆) es 840437 y el diámetro (Ø) es 𝟎, 𝟑𝒎. Tomando un
valor inicial de 𝒇𝟎 = 𝟎. 𝟎𝟎𝟏

Teoria Del Error

Cargado por

Copyright:

Formatos disponibles

Teoria Del Error

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoria Del Error

Cargado por

Copyright:

Formatos disponibles

INTRODUCCION A LOS ELEMENTOS FINITOS

Teoría del Error

NOTAS ELEMENTOS FINITOS

Losada H. Solón, Forero Néstor O.

1. Conceptos y fundamentos matemáticos

1.1. Teoría del error.

Como se indicó, nosotros generaremos aproximaciones numéricas de una solución a un

Se refiere a la aproximación de un número o de una medida al valor verdadero que se

1.1.1.1. Error absoluto.

Se da cuando se aproxima el valor real con un valor aproximado, mediremos la distancia

Losada H. Solón, Forero Néstor O.

Donde 𝑥& es el valor aproximado y 𝑥 es el valor verdadero.

tenemos que el error absoluto es:

Losada H. Solón, Forero Néstor O.

Siempre que 𝑛 > 𝑁.

Es equivalente a decir que una sucesión es un arreglo infinito de números

• A= Números Primos 2,3,5,7,11,…,

Losada H. Solón, Forero Néstor O.

Para ilustrar esta definición veamos el siguiente ejemplo.

Ejemplo 1.3 Consideremos la sucesión de números reales dada por

Sabemos por los cálculos directos del límite que

En muchas de nuestras aproximaciones numéricas nos acercaremos a la solución por medio

siempre que 𝑛, 𝑚 > 𝑁.

Ejemplo 1.4 Consideremos la sucesión de números reales dada por

Losada H. Solón, Forero Néstor O.

NOTA 1.2 Esta es la definición de convergencia; no se puede usar si se busca averiguar la no

|𝑥O − 𝑥O[X | < 𝜀

siempre que 𝑛 > 𝑁.

Ejemplo 1.5 Dada 𝑎O = (−1)O , 𝜀 = 0.001; se va a buscar cuánto vale N, se reemplaza en la

Si m y n son pares (impares) la desigualdad (1.26) es cero, si m es impar y n par la

Losada H. Solón, Forero Néstor O.

Teorema 1.1 Toda sucesión de Cauchy en los reales es convergente.

La definición de sucesión de Cauchy, en particular, la Definición 1.4 nos permite determinar

1.1.3. Error normalizado

Losada H. Solón, Forero Néstor O.

1.1.4. Error normalizado porcentual.

Losada H. Solón, Forero Néstor O.

Cuando 𝑛 ⟶ ∞. (Ver Ejemplo 1.7)

Ejemplo 1.8 Consideramos la siguiente sucesión definida por recurrencia

Losada H. Solón, Forero Néstor O.

Antes de contestar necesitamos dar sentido a la expresión “buena aproximación”.

El siguiente código es para la sucesión recursiva an+1=(an-1)/(an^2+1), parada con error

Losada H. Solón, Forero Néstor O.

otra cantidad conocida es la décima parte de la unidad de masa atómica de un

Losada H. Solón, Forero Néstor O.

Teorema 1.2 ‰ es correcto en 𝒎 cifras significativas, entonces el error

Losada H. Solón, Forero Néstor O.

(1.5) 𝑇6 = 10[X[6 = 10X[6 %

Teorema 1.3 Sea {𝒙𝒏 } una sucesión convergente, si el termino 𝒙𝒏 es una

Losada H. Solón, Forero Néstor O.

de la sucesión por lo menos con 3 cifras significativas, calculamos primero la

Losada H. Solón, Forero Néstor O.

Como vemos aquí, el ENPj < Ta entonces 𝑥j = 2.71825396825397 es una aproximación

EL SIGUIENTE CODIGO ES PARA LA FUNCION 𝑓(𝑥) = 𝑒 { EN MATLAB, ESTA

Inicialmente se plantea la función para determinar las pérdidas por carga

Losada H. Solón, Forero Néstor O.

Ecuación 4- Derivada función de velocidad respecto a las perdidas por carga

posterior a esto se procede a formular el método de Newton-Raphson

se definirá una aproximación de acuerdo a 2 cifras significativa; una tolerancia 𝑇𝑚 =