Métodos Numéricos Sec 01

Asignación 1.

1.- Formar grupos de 3 estudiantes

2.- Revisar concienzudamente los temas que a continuación se plantean

3.- Realizar un ensayo con respecto a los temas planteados

4.- Complementar con los ejercicios propuestos

NOTA IMPORTANTE:

a) Sean celosos con sus trabajos

b) De existir trabajos iguales, los mismos serán anulados
c) Este trabajo será objeto de evaluación durante el primer parcial
d) Deben entregarlo en digital a mi correo (hjreinoza@gmail.com) antes de las 12
m. del viernes 08/02/2019

Contenido:

1. Definición de métodos numéricos.

2. Soluciones analíticas y numéricas.
2.1. Definición de soluciones analíticas y numéricas
2.2. Diferencia entre soluciones analíticas y numéricas
3. Definición de cifras significativas, exactitud y precisión.
4. Errores.
4.1. Tipos de Errores.
4.1.1. Error de truncamiento.
4.1.2. Error de redondeo.
4.1.3. Error relativo.
4.1.4. Error relativo aproximado.
4.1.5. Error aceptable.
4.2. Diferencia entre error de truncamiento y error de redondeo.
4.3. Diferencia entre error relativo, error relativo aproximado y error aceptable.
4.4. Uso de los errores relativo aproximado y aceptable.
 República Bolivariana de Venezuela
Ministerio de Educación Superior, Ciencia y Tecnología
Universidad de Oriente
Núcleo Monagas
Departamenteo de Ingenieria y Ciencias Aplicadas

MÉTODOS NUMÉRICOS

Profesor: Bachilleres:

Reinoza, Henry Alfonzo, Kimberlin. C.I.: 26925150

González, Vanessa. C.I.: 26445134

Delgado, Grace. C.I.: 17722760

 Maturín, 08 de febrero de 2019
INTRODUCCIÓN

La búsqueda constante de soluciones a problemas matemáticos ha sido

tema de investigación desde varios siglos atrás, como, por ejemplo, los polinomios
de Taylor que aproximan una función o los polinomios interpoladores hallados por
Newton y Lagrange para ajustar una función polinómica a una tabla de n valores, o
el método de Newton para encontrar una solución aproximada de una ecuación,
así como el método de Euler de 1768 para el cálculo de una solución aproximada
de una ecuación diferencial. De allí que a lo largo de la historia, investigadores,
especialistas y estudiosos de la ciencia hayan desarrollado técnicas mediante las
cuales es posible formular problemas matemáticos que se pueden resolver con el
uso de operaciones aritméticas. Es así como el análisis numérico trata de diseñar
métodos para aproximar de una forma efectiva las soluciones de problemas
expresados matemáticamente.

El papel de los métodos numéricos aumentó considerablemente en los

últimos 20 años a raíz del auge de las computadoras por cuanto son mecanismos
necesarios en la solución de problemas en el campo de la ingeniería, además de
proporcionar un aumento en la potencia de cálculo. Antes de que los métodos
numéricos se convirtieran en herramientas fundamentales para los ingenieros en
el área del cálculo de errores, sólo se usaban métodos exactos y analíticos
aplicables a determinados problemas. Cabe señalar que antes del uso de los
métodos numéricos, el comportamiento de los sistemas se analizaba a través de
soluciones gráficas que arrojaban resultados imprecisos.

Asimismo, los métodos numéricos constituyen los algoritmos o conjuntos

detallados y secuenciados de operaciones que conducen a las soluciones
estimadas de los problemas, el estudio de éstos y del análisis de errores que
pueden llevar asociados constituye el Análisis Numérico. El presente ensayo se
refiere a los métodos numéricos, tipos de errores y demás temas concernientes al
análisis numérico, los cuales se detallarán a continuación.
 MÉTODOS NUMÉRICOS

Los métodos numéricos se definen como la aplicación de algoritmos,

un grupo finito de operaciones organizadas de manera lógica, mediante los
cuales es posible formular problemas de tal forma que puedan resolverse usando
operaciones aritméticas. Aunque hay muchos tipos de métodos numéricos, todos
comparten una característica común: Invariablemente los métodos numéricos
llevan a cabo un buen número de tediosos cálculos aritméticos, estos son
conocidos también como métodos indirectos.

Antes en la ciencia todo problema podía plantearse en forma matemática

por medio de ecuaciones diferenciales, la solución “exacta” sólo era posible para
algunos casos particulares, generalmente de poco interés práctico. Las
dificultades para encontrar fórmulas matemáticas universales que resolvieran
problemas prácticos de la ciencia y la técnica hizo patente la necesidad de
encontrar formas alternativas de resolver las ecuaciones diferenciales. De esta
forma se abrió el camino para el desarrollo de los métodos numéricos.

Chapra (2007)
“En muchos problemas de aplicación en ingeniería no es posible obtener la
solución analítica; por lo tanto, no se pueden calcular con exactitud los errores en
nuestros métodos numéricos. En tales casos debemos usar aproximaciones o
estimaciones de los errores.”
Existiendo las soluciones matemáticas las cuales representan en fórmulas
matemáticas, desarrolladas generalmente de forma manual, en las que se definen
variables de entrada para el cálculo de una o más variables de salida. Algunos
ejemplos consisten de ecuaciones elementales disponibles en la literatura de
ingeniería o procedimientos descritos en normas técnicas de organizaciones y
clasificadoras como ASME, ASTM y DNV. Se trata de una metodología simple, en
general de bajo costo y complejidad, que proporciona una respuesta rápida y
directa después de la solución de estas ecuaciones.
 También se encuentran las soluciones analíticas que presentan aspectos
que limitan su aplicabilidad para casos prácticos. Por ejemplo, las ecuaciones
generalmente contemplan características físicas y de operación relativamente
idealizadas, muy simplificadas si se comparan con lo que se observa en la
realidad, o se restringen a las condiciones específicas previstas en el cálculo. De
esta forma, los resultados obtenidos por estos métodos pueden presentar una
desviación significativa en relación al producto real, lo que ocasiona problemas
como sobre-dimensionamiento, factores de seguridad demasiado elevados y,
consecuentemente, mayores costos de producción, además de no proporcionar un
entendimiento detallado del comportamiento del objeto en estudio.

Entre ambas soluciones existen diferencias. La solución analítica es una

expresión matemática que proporciona toda la información sobre el
comportamiento del sistema, para cualquier valor de las variables y parámetros
que intervienen en las ecuaciones de gobierno. Por otro lado, la solución numérica
expresa el comportamiento del sistema en función de números que se obtienen
resolviendo las ecuaciones de gobierno para valores concretos de las variables y
los parámetros del sistema. Entonces los métodos numéricos, buscan números,
mientras que los métodos analíticos buscan fórmulas matemáticas, es decir,
información cuantitativa sobre el comportamiento de un sistema.

Hablando de la información cuantitativa que expresan estas soluciones, es

importante conocer el concepto de cifra significativa lo podemos definir como
aquella que aporta información no ambigua ni superflua acerca de una
determinada medida experimental, son cifras significativas de un numero vienen
determinadas por su error. Son cifras que ocupan una posición igual o superior al
orden o posición de error.

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 que tan precisos son los
resultados obtenidos.
2) Aunque ciertos números representan números específicos, no se pueden
expresar exactamente con un número finito de cifras.

Chapra 2007
“Las cifras significativas de un número son aquellas que pueden utilizarse en
forma confiable. Se trata del número de dígitos que se ofrecen con certeza, más
uno estimado.”
También se debe entender el significado de precisión, refiriéndose a la
dispersión del conjunto de valores obtenidos de mediciones repetidas de una
magnitud. Cuanto menor es la dispersión mayor la precisión. Una medida común
de la variabilidad es la desviación estándar de las medidas y la precisión se puede
estimar como una función de ella. Mientras que la exactitud trata de cuan cerca del
valor real se encuentra el valor medido. En términos estadísticos, la exactitud está
relacionada con el sesgo de una estimación. Cuanto menor es el sesgo más
exacto es la estimación. Cuando expresamos la exactitud de un resultado se
expresa mediante el error absoluto que es la diferencia entre el valor experimental
y el valor verdadero.

Los errores numéricos provienen del uso de aproximaciones para

representar operaciones y cantidades matemáticas exactas. Éstas incluyen los
errores de truncamiento que resultan del empleo de aproximaciones como un
procedimiento matemático exacto, y los errores de redondeo que se producen
cuando se usan números que tienen un límite de cifras significativas para
representar números exactos. Para ambos tipos de errores, la relación entre el
resultado exacto, o verdadero, y el aproximado está dada por:
 El error numérico es una medida del ajuste o cálculo de una magnitud con
respecto al valor real o teórico que dicha magnitud tiene. Un aspecto importante
de los errores numéricos es su estabilidad numérica. Dicha estabilidad se refiere a
como dentro de un algoritmo de análisis numérico el error de aproximación es
propagado dentro del propio algoritmo.

El error por truncamiento en el área matemática del análisis

numérico, truncamiento es el término usado para reducir el número de dígitos a la
derecha del separador decimal, descartando los menos significativos.
Por ejemplo, dados los números reales:

Para truncar estos números a 4 dígitos decimales, sólo consideramos los 4

dígitos a la derecha de la coma decimal.
El resultado es:

Nótese que, en algunos casos, el truncamiento dará el mismo resultado que

el redondeo, pero el truncamiento no redondea hacia arriba ni hacia abajo los
dígitos, meramente los corta en el dígito especificado. El error de truncamiento
puede ser hasta el doble del error máximo que se puede tener usando redondeo.
Mientras que el error de redondeo es la diferencia entre la aproximación calculada
de un número y su valor matemático exacto debida al redondeo. Este es una
forma de error de cuantificación. Uno de los objetivos del análisis numérico es
estimar errores en los cálculos, incluyendo el error de redondeo, cuando se utiliza
ecuaciones o algoritmos de aproximación, especialmente cuando se utiliza un
número finito de dígitos para representar números reales (que en teoría tiene un
número infinito de dígitos). Cuando se realiza una secuencia de cálculos sujetos a
error de redondeo, los errores pueden acumularse, a veces dominando el cálculo.
En problemas mal condicionados, se puede acumular un error significativo.
Chapra (2007) afirma que “los errores de redondeo se originan debido a
que la computadora emplea un número determinado de cifras significativas

durante un cálculo. Los números tales como , o no pueden expresarse con un

número fijo de cifras significativas. Por lo tanto, no pueden ser representados

exactamente por la computadora. Además, debido a que las computadoras usan
una representación en base 2, no pueden representar exactamente algunos
números en base 10. Esta discrepancia por la omisión de cifras significativas se
llama error de redondeo”.

En la práctica, se corta el número a partir de cierta cifra, pero se suma uno

a la última cifra que aparezca, en el caso de que la primera que se omita sea

mayor o igual que 5. Por ejemplo, redondeando el número =3,141592 a las

centésimas se tiene =3,14 a las milésimas =3,142 y a las diezmilésimas

=3,1416.

Los errores que representan la diferencia entre un valor calculado por una
fórmula dada y el valor verdadero otros tipos de procedimientos usuales en los
métodos numéricos como el error absoluto, error relativo, relativo aproximado y
error aceptable.

El error relativo se define como el cociente entre el error absoluto ∆x y el

valor real de la magnitud, y se expresa mediante la siguiente fórmula:

Donde:
 Cociente de error absoluto

Valor real de la magnitud

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. 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. Una característica relacionada de error relativo es que los efectos de
escalar la variable (es decir, de multiplicarla por una constante distinta de cero,
incluyendo cambios en la unidad de medición) se cancelan. Algunas veces
conviene multiplicar el error relativo por 100 (por ciento) para ponerlo en una base
porcentual.

Cuando se implementa un método numérico mediante un algoritmo

iterativo, en general, no se conoce el valor exacto. En este caso, en cada etapa de
iteración se utiliza lo que se puede denominar como “error relativo aproximado”
que se puede definir de la siguiente forma:

Donde es el valor aproximado de la solución exacta del problema que resulta en

la iteración y en la iteración anterior.

El error aceptable es una tolerancia porcentual prefijada dada por la siguiente

ecuación:
 = (0.5x )%

Esta se emplea para determinar el criterio de error que asegura que un

resultado sea correcto en al menos cifras significativas. Normalmente se hacen

estimaciones del error, pero cuando no conocemos los valores verdaderos, se

aplican un método de iteración para calcular los resultados, esto se hace de forma
repetitiva hasta obtener mejores aproximaciones, esto se calcula por el error
relativo porcentual:

100%

Sin tomar en cuenta el signo del resultado, lo que importa es que el valor absoluto

porcentual sea menor que una tolerancia porcentual prefijada .

| |<

Si se cumple la relación anterior, entonces se considera que el resultado obtenido

está dentro del nivel aceptable fijado previamente .

Ejemplo:

Estime el valor de . Después de agregar cada término, calcule los errores:

relativo porcentual verdadero y normalizado a un valor aproximado. Observe que

el valor verdadero es
 = 1.648721. Agregue términos hasta que el valor absoluto del error aproximado

sea menor que un criterio de error preestablecido con tres cifras significativas.

= (0.5x )% = 0.05%

La primera estimación es igual a 1, entonces, la segunda estimación se obtiene

agregando el segundo término, así:

=1+x

Y para x = 0.5

= 1 + 0.5 = 1.5

Esto representa el error relativo porcentual verdadero:

= 100%= 9.02%

Luego se determina una estimación aproximada del error, dada por:

= 100% = 33.3%
Como no es menor que el valor requerido , se deben continuar los cálculos

agregando otro término, x2/2! repitiendo el cálculo del error. El proceso continúa

hasta que < . Todos los cálculos se resumen de la siguiente manera:

(%) (%)
Términos Resultado
1 1 39.3
2 1.5 9.02 33.3
3 1.625 1.44 7.69
4 1.645833333 0.175 1.27
5 1.648437500 0.0172 0.158
0.00142
6 1.648697917 0.0158

Entre los errores planteados anteriormente existen diferencias tal como que
el error relativo se calcula directamente mediante una fórmula, conociendo el error
y el valor verdadero, sin embargo del error relativo aproximado que se lleva a cabo
mediante iteraciones debido a que no se conocen todos los valores verdaderos,
haciendo una estimación de éste hasta llegar lo más cerca posible al resultado
real. Estos dos se distinguen del error aceptable, el cual es un estándar que
determina cuando el resultado es el más seguro u aproximado, usando el error
relativo porcentual y se determina a través de una formula predefinida.
 CONCLUSIONES

Los métodos numéricos permiten entender esquemas numéricos con el propósito de

resolver problemas matemáticos, científicos y en el campo de la ingeniería, además de reducir
esquemas numéricos básicos, escribir programas y resolverlos en una computadora y usar
correctamente el software existente para dichos métodos. Asimismo, aumenta la habilidad para el
uso de computadoras, la destreza matemática y la comprensión de los principios científicos
básicos.

De esta manera, los métodos numéricos pueden aplicarse en diversas

áreas desde la ingeniería estructural o la aerodinámica de aviones, hasta
aplicaciones más sofisticadas como ingeniería de sistemas, ingeniería de
alimentos, ingeniería médica, diseño de fármacos, biología, entre otros.

Actualmente, la evolución de los métodos numéricos y su implementación

en computadoras electrónicas sofisticadas hacen posible simular el choque de un
vehículo, crear el análisis aerodinámico estructural de un avión, resolver en cada
caso sistemas algebraicos de ecuaciones con cientos, miles y hasta millones de
cifras e incógnitas. Por ende, son adecuados para la solución de problemas
comunes de ingeniería, ciencias y administración. Para concluir, es necesario un
conocimiento completo del problema, y de los campos de las matemáticas
relacionados con el objeto de los métodos numéricos para computadora.

BIBLIOGRAFÍA

Chapra, S. (2007). Métodos numéricos para ingenieros. 6ª ed. México, DF, México:
Mc Graw Hill.