CIFRA SIGNIFICATIVA

las cifras significativas son también conocidas como dígitos significativos y se desarrollaron para
designar formalmente la confiabilidad de un valor numérico. Él número de cifras significativas es él
número de dígitos más un dígito estimado que se pueda usar con confianza.

Cuando se emplea un número en un cálculo, debe haber seguridad de que pueda usarse con
confianza. El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de
los métodos numéricos.

1.- Los métodos numéricos obtienen resultados aproximados. Por lo tanto, se debe desarrollar
criterios para especificar qué tan precisos son los resultados obtenidos.

2.- Aunque ciertos números representan número específicos, no se pueden expresar

exactamente con un número finito de cifras. A la omisión del resto de cifras significativas
se le conoce como error de redondeo.

Ejemplos de Cifras Significativas:

0.000 018 45
0.000 184 5
0.001 845

Los ceros no son siempre cifras significativas ya que pueden usarse solo para ubicar el punto
decimal. Los números antes mencionados tienen cuatro cifras significativas. Cuando se incluyen
ceros en números muy grandes, no se ve claro cuántos ceros son significativos si es que los hay.

Precisión.

La precisión se refiere a la dispersión del conjunto de valores obtenidos de mediciones repetidas

de una magnitud. Cuanto menor es la dispersión mayor la precisión. Es decir, la precisión se refiere
a qué tan cercano está un valor individual medido o calculado respecto a los otros. En pocas
palabras esto es lo cerca que los valores medidos están unos de otros.

Se puede decir entonces que la precisión en Métodos Numéricos se refiere:

1) Al número de cifras significativas que representan una cantidad

2) la extensión en las lecturas repetidas de un instrumento que mide alguna propiedad

física.

Es importante mencionar que los datos precisos pueden ser inexactos.

Obtener datos altamente precisos puede ser verdaderamente difícil y costoso.

Exactitud.

La exactitud se refiere a que tan cercano está el valor calculado del valor verdadero. Es
decir, es la aproximación de un número al valor numérico que se supone representa.
Se puede decir entonces que la exactitud es el grado de concordancia entre el valor
verdadero y el obtenido.

Por tanto, la exactitud se expresa como suma de dos términos: la precisión

Y la veracidad.

Incertidumbre.

Incertidumbre es la expresión del grado de desconocimiento de un resultado.

Esto es que incertidumbre refleja, por tanto, duda acerca de la veracidad del
resultado obtenido una vez que se han evaluado todas las posibles fuentes de error y que
se han aplicado las correcciones oportunas. Se refiere al grado de alejamiento entre sí, a
las diversas aproximaciones a un valor verdadero

Entonces la incertidumbre nos da una idea de la calidad del resultado ya que nos muestra
un intervalo alrededor del valor estimado dentro del cual se encuentra el valor
considerado verdadero.

La incertidumbre puede derivarse de una falta de información Puede tener varios tipos de
origen, por ejemplo, errores cuantificables en los datos.

Sesgo.

La inexactitud es conocida como sesgo se refiere a que tan cercano está el valor calculado
del valor verdadero.

Es decir, sesgo es un error que aparece en los resultados.es entonces un alejamiento

sistemático del valor verdadero a calcular.

Un sesgo es un error sistemático que hace que todas las medidas estén desviadas en una
cierta cantidad. También se dice que es una característica de una medición o de una
estimación estadística tal que los resultados obtenidos al repetir la medición o la
estimación están afectados por errores sistemáticos en relación con el valor
convencionalmente verdadero.

Identificación de cifras significativas

Cuando se escribe un dato usando cifras significativas

1. Todas las cifras escritas comprendidas entre 1-9 son significativas,

2. Los ceros a la izquierda nunca son significativos, independientemente de que estén

en la parte entera o en la parte decimal del número (p. ej. los dos primeros ceros de
0.082058 no son

significativos).

3. Los ceros intermedios (0.082058) son significativos

4. Los ceros finales de un dato real (14.00) son significativos

5. Los ceros finales de un dato entero (300) no son significativos; si se desea expresar
que son significativos, se convierte el dato en real añadiendo un punto (300.) o se
expresa en notación de mantisa y potencias de diez (3.00x102)

Ejemplo

Reglas para establecer las cifras significativas de un número dado.

Regla 1. En números que no contienen ceros, todos los dígitos son significativos.

Por ejemplo:

3,14159 → seis cifras significativas → 3,14159

5.694 → cuatro cifras significativas → 5.694

Regla 2. Todos los ceros entre dígitos significativos son significativos.

Por ejemplo:

2,054 → cuatro cifras significativas → 2,054

506 → tres cifras significativas → 506

Regla 3. Los ceros a la izquierda del primer dígito que no es cero sirven solamente para fijar la
posición del punto decimal y no son significativos.

Por ejemplo:

0,054 → dos cifras significativas → 0,054

0,0002604 → cuatro cifras significativas → 0,0002604

Regla 4. En un número con dígitos decimales, los ceros finales a la derecha del punto decimal son
significativos.

Por ejemplo:

0,0540 → tres cifras significativas → 0,0540

 30,00 → cuatro cifras significativas → 30,00

Regla 5. Si un número no tiene punto decimal y termina con uno o más ceros, dichos ceros pueden
ser o no significativos. Para poder especificar el número de cifras significativas, se requiere
información adicional. Para evitar confusiones es conveniente expresar el número en notación
científica, no obstante, también se suele indicar que dichos ceros son significativos escribiendo el
punto decimal solamente. Si el signo decimal no se escribiera, dichos ceros no son significativos.

Por ejemplo:

1200 → dos cifras significativas → 1200

1200, → cuatro cifras significativas → 1200,

Regla 6. Los números exactos tienen un número infinito de cifras significativas.

Los números exactos son aquellos que se obtienen por definición o que resultan de contar un
número pequeño de elementos. Ejemplos:

- Al contar el número de átomos en una molécula de agua obtenemos un número exacto: 3.

- Al contar las caras de un dado obtenemos un número exacto: 6.

- Por definición el número de metros que hay en un kilómetro es un número exacto: 1000.

- Por definición el número de grados que hay en una circunferencia es un número exacto: 360

cifras significativas de un resultado

En general durante cualquier sesión de laboratorio se toman datos de diferentes variables físicas y
después se efectúan con estas diversas operaciones matemáticas el fin de hallar el valor de otra
variable. A continuación, se dan algunas sugerencias sobre como manipular los datos obtenidos
experimentalmente para que la respuesta final quede expresada en forma correcta.

Operaciones intermedias:

No perder cifras significativas en las operaciones intermedias. Esto se asegura si todas las
operaciones intermedias se hacen con una o dos cifras más de las realmente significativas.

Multiplicaciones y divisiones: El resultado de una operación de multiplicación, división o elevación

a una cierta potencia tiene usualmente el mismo número de cifras significativas que la cantidad de
la operación que tenga el menor número de cifras significativas.

P. ejemplo: 2.62/8.14732116=0.322

El número de cifras significativas del resultado es el del dato de menor número de cifras
significativas.
Sumas y restas:

La última cifra significativa se obtiene por simple inspección visual y tendrá la imprecisión debida
al que sea más incierto

Por ejemplo: 2212.342 + 5.6 = 2217.9 Obsérvese que (aunque 5.6 son solo dos cifras significativas)
el resultado tiene cinco, pero únicamente un decimal.

redondeo

A continuación, se exponen las normas para redondear un número cualquiera a un número dado
de cifras significativas.

1) La última cifra retenida se incrementa en 1 si el primer dígito descartado es mayor que 5

Ejemplo:

2) Si el dígito descartado es menor que 5 entonces el retenido no se altera.

Ejemplo:

3) Cuando el primer dígito descartado es justamente 5 y no existen otros dígitos a su derecha

(por ejemplo, redondear a 3 cifras 41,75 ó 3,865) o si hay solamente ceros (por ejemplo,
redondear a tres cifras 41,7500 o 9,7250) entonces el número retenido se aumenta en 1 sólo
si al hacerlo se convierte en par.

Ejemplo:
4) Si el número descartado es justamente 5 y hay a su derecha dígitos diferentes de cero,
entonces el último retenido se aumenta en 1.

Ejemplo:

TEORÍA DE ERRORES

Un error es una incertidumbre en el resultado de una medida. Se define como la diferencia entre
el valor real Vr y una aproximación a este valor Va:

e = Vr – Va

Existen diferentes tipos errores, cada uno se puede expresar en forma absoluta o en forma
relativa.

Error absoluto:

Es la diferencia entre el valor exacto (un número determinado, por ejemplo) y su valor calculado o
redondeado:

Error absoluto = [exacto - calculado]

Debido a que la definición se dio en términos del valor absoluto, el error absoluto no es negativo.
Así pues, una colección (suma) de errores siempre se incrementan juntos, sin reducirse. Este es un
hecho muy pesimista, dado que el redondeo y otros errores rara vez están en la misma dirección,
es posible que una suma ("algebraica") de errores sea cero, con aproximadamente la mitad de los
errores positiva y la otra mitad negativa. Pero también es demasiado optimista esperar que
errores con signo sumen cero a menudo. Un enfoque realista es suponer que los errores, en
especial el redondeo, están estadísticamente distribuidos.
Error relativo:

Es el error absoluto dividido entre un número positivo adecuado. Generalmente, el divisor es una
de tres elecciones: la magnitud del valor exacto, la magnitud del valor calculado (o redondeado) o
el promedio de estas dos cantidades. La mayor parte de las veces utilizaremos

Error relativo= [exacto - calculado]/[exacto]

El error relativo es una mejor medida del error que el error absoluto, en especial cuando se
utilizan sistemas numéricos de punto flotante. Puesto que los elementos de un sistema de punto
flotante no están distribuidos de manera uniforme, la cantidad de redondeos posibles depende de
la magnitud de los números que se redondean. El denominador de la ecuación de arriba
compensa este efecto.

Teorema

Sea p una raíz exacta y x una raíz aproximada de la ecuación f(x) = 0, situadas ambas en el mismo
intervalo [α, β], y

|f 0 (x)| ≥ m1 > 0,

para α ≤ x ≤ β. Se cumple entonces la siguiente aproximación:

|x − p| ≤ |f(x)|/ m1.

Demostración: aplicando el Teorema del valor medio, se tiene

f(x) − f(p) = (x − p) f 0 (c)

donde c es un valor intermedio entre x y p, es decir, c ∈ (α, β). De aquí, ya que f(p) = 0 y |f 0 (c)| ≥
m1 (puede tomarse para m1, por ejemplo, el valor más pequeño de |f 0 (x)| cuando α ≤ x ≤ β),
tenemos

|f(x) − f(p)| = |f(x)| ≥ m1 |x − p|

y entonces,

|x − p| ≤ |f(x)| /m1

Nótese que la formula (V.2) puede ofrecer solo resultados someros y por tanto no es siempre
conveniente utilizarla. Por esta razón en la práctica resulta mejor estrechar el intervalo general (α,
β) que contiene la raíz p y su valor aproximado x, y considerar |x − p| ≤ β − α.
Propagación de Errores

 Funciones de una variable:

y  f x 
y 
dy
x
dx

 Funciones de varias variables

y  f  x1 , x2 , , xn 
n
y
y  
i 1 xi
x i

 Determinar el error permisible de cada variable a fin de que error de la función no exceda
un cierto valor:

 Principio de igual efecto: Cada una de las variables aportan al error total en una misma
cantidad.

 y*
x *

i
y
n
xi

Problema

Hallar el error absoluto y relativo que se comete al elevar a la cuarta el número x=2 cuyo error
absoluto es 0.1.

Solución

x 2  y  42 3 0.1
 x  0.1  y  3.2
y  x4 y  2 4  16  Aproximado
Y  y   y  16  3.2 Ex acto
dy
y  x Y  12.8,19.2 Rango 
dx
 
3.2 
 y  4 x 3 x  100%  20%
 16 
 METODO DE BISECCION

El Método de Bisección se basa en la búsqueda incremental donde el intervalo se divide siempre

en dos. Si la función previamente planteada cambia de signo sobre un intervalo, se evalúa el valor
de la función en el punto medio de este intervalo. La posición de la raíz se determina situándola en
el punto medio del subintervalo dentro del cual ocurre un cambio de signo. El proceso se repite
hasta obtener una mejor aproximación.

Los 2 teoremas que dan origen al método de bisección son los siguientes;

Teorema de Bolzano

- Si f es una función continua en el intervalo [a,b]

- Toma valores de signo opuesto en los extremos f(a) y f(b)
- Entonces existe al menos una raíz de f en (a,b), es decir, existe un punto c del
intervalo (a,b) en el que f(c) = 0

Se Observa en la figura, para que ocurra esto la gráfica de la función corta al eje OX,
pasando de un punto situado por debajo de él a otro que se encuentra por encima, o
viceversa.

Ejemplos
Teorema de valor intermedio

Sea una función contínua en el intervalo (cerrado) y sea un número

entre y . Entonces, existe un número en el intervalo (es
decir, ) que satisface: .

En otras palabras, una función contínua toma todos los valores entre y cuando
los valores de cambian desde hasta . La siguiente gráfica muestra esto de una
manera más clara:
Cuando el valor va subiendo, los valores de van moviéndose hacia la derecha (para la
gráfica de la función mostrada) y cuando
va bajando sobre el eje , los valores de van moviéndose hacia la izquierda.
Geométricamente este teorema nos dice que la línea horizontal corta a la gráfica
de la función en al menos un punto cuando es contínua en el intervalo y
se cumple que y .
Es posible que corte a la gráfica de la función en varios puntos. Por ejemplo, si dibujamos
el punto después del máximo que se dibujó, es posible para algunos puntos de la gráfica
que la recta horizontal corte en dos de sus puntos.
Ejemplo
Demuestra que la función:

tiene una raíz en el intervalo .

Para eso vamos a aplicar el teorema del valor intermedio. Como la función es polinomial
es contínua en todo el conjunto de los números reales. Si para
algún que está en el intervalo , hacemos ,y , y evaluamos la
función en esos puntos:

Por lo que satisface con la condición de que . Entonces, por la

continuidad de la función, debe existir un número en el intervalo tal
que .
Observa que no hemos dicho cómo calcular el valor de que es raíz de la función dada.
Solamente sabemos que existe. Tampoco podemos asegurar que sea único.
En realidad este es el teorema que utilizamos cuando decimos que una función polinomial
de grado impar tiene al menos una raíz real porque para valores positivos y grandes
de los valores que va devolviendo la función se hacen positivos para
algún suficientemente grande, y cuando es negativo y muy grande, los valores que
devuelve la función son negativos.
Entonces, dado que toda función polinomial es continua en todo el conjunto de los
números reales, si elegimos el intervalo con tal que sea un número negativo
y tal que positivo, entonces, por el teorema de valor intermedio, existe un
número en el intervalo tal que y satisface: .
Algoritmo del Método de Bisección
1. a0 = a, b0 = b
2. Para n = 0, 1, . . ., hacer:
◦ mn = 1 2 (an + bn)
◦ Si f(an)*f(mn) < 0, tomar an+1 = an, bn+1 = mn; en caso contrario, tomar an+1 = mn, bn+1 = bn.
Análisis del Método de Bisección
Calculo previo del número de interaciones
Se define el error absoluto de una aproximación s’ respecto del valor exacto s como
e = |s ‘− s|.
Para garantizar que el error del Método de Bisección sea menor o igual que un cierto valor de
tolerancia ε se aplica el siguiente resultado:
Teorema1 (Error absoluto máximo del Método de Bisección)
Sea f: [a, b] → R una función continua en [a, b] tal que f(a)f(b) < 0 y f(s) = 0, para algún s ∈ (a, b).
Sea {mn}n=0,1,... la sucesión de aproximaciones de s obtenidas mediante el Método de Bisección y
en = |s −mn |, para n = 0, 1, . . .. Entonces

Esquema de Demostracion
Luego

Por tanto, para garantizar que en < ε, se debe verificar que

Ejemplo: Resolución aproximada del problema de la oscilación amortiguada de una estructura Se

trata de resolver la ecuación.

Supongamos que deseamos que en ≤ ε = 10−3. Como f (0) = 6 > 0 y f (1) = −6.524 < 0 entonces
podemos tomar [a, b] = [0, 1].

El número de iteraciones que debemos realizar para asegurar la tolerancia de error considerada
es:

es decir, n = 9.