Métodos numéricos en Excel y Matlab: Con aplicaciones en ingeniería

imprenta@udea.edu.co

Introducción

Este libro se presenta como material de apoyo y consulta para el curso Matemáticas Especiales en Ingeniería Química (código 2505750), del programa de Ingeniería Química de la Universidad de Antioquia, el cual se ofrece en el sexto semestre de la carrera y orienta sus contenidos de modo tal que el estudiante no solo conozca y aprenda a usar razonablemente métodos numéricos para diferentes aplicaciones o problemas, sino que además adquiera o refuerce habilidades específicas que le permitan analizar e interpretar datos, identificar, formular y resolver problemas de ingeniería, usar técnicas y herramientas computacionales en la práctica de la ingeniería, entre otros objetivos.

Un método numérico puede definirse como un algoritmo, es decir, una secuencia de operaciones o cálculos ejecutados en un orden específico, para aproximar la solución de un problema matemático. Tal algoritmo tiene la particularidad de que utiliza operaciones aritméticas simples y comparaciones lógicas para resolver casi cualquier tipo de problema, independiente de su complejidad matemática. Ese detalle hace de los métodos numéricos una herramienta importante en casi todos los campos de la ingeniería, donde la complejidad de problemas o ecuaciones limita comúnmente la aplicabilidad de soluciones analíticas y donde las soluciones aproximadas suelen ser un recurso valioso para una amplia gama de situaciones.

Otro detalle importante con los métodos numéricos corresponde al hecho de que en muchas ocasiones, para resolver un problema complejo (o simple) utilizando únicamente operaciones aritméticas como sumas, restas, divisiones y multiplicaciones, puede ser necesaria una elevada cantidad de cálculos (y por consiguiente de tiempo), que comúnmente deben ejecutarse de manera iterativa, es decir, utilizando los resultados parciales o intermedios obtenidos a partir de ciertas operaciones aritméticas en una etapa de cálculo para resolver los cálculos siguientes a partir de las mismas operaciones. Por esta razón, la aplicabilidad de los métodos numéricos va generalmente ligada al uso de herramientas computacionales (lo que incluye programas de computación comerciales o de desarrollo propio) que hagan eficiente y razonable el esfuerzo y el tiempo dedicados a la solución de un problema en particular.

En ese aspecto, la evolución que en las últimas décadas ha tenido la computación, con el desarrollo de equipos portátiles y procesadores cada vez más potentes, ha favorecido el uso y la aplicación de métodos numéricos en diversos campos de la ingeniería, como en la simulación de procesos, en donde son comunes los simuladores comerciales que facilitan, entre otras, las labores de diseño, control y análisis de variables. No obstante, no siempre una herramienta o programa de computación resulta útil o eficiente para resolver cualquier tipo de problema, y por ello es necesario que el ingeniero conozca aspectos fundamentales de los métodos numéricos, de modo que, si este falla o lleva a una respuesta que resulte ilógica en el contexto del problema, esté en capacidad de proponer rutas de solución alternas con otros métodos o estrategias que eventualmente permitan llegar a la solución.

En los diferentes capítulos del texto se ilustran de manera general los fundamentos, las ventajas y las desventajas de algunos métodos numéricos. Además, a diferencia de otros textos relacionados con métodos numéricos, se presenta en forma detallada la manera de implementar los métodos numéricos o utilizar herramientas disponibles para ello en ambientes computacionales como Excel y Matlab (sin llegar necesariamente a detalles de programación), que corresponden a dos de los paquetes o programas más utilizados en investigación, industria y academia. Excel se caracteriza por su interfaz amigable, su sencillez de operación y su disponibilidad globalmente masificada. Por su parte, Matlab representa una de las herramientas de computación más utilizada en casi todos los campos de la ingeniería, y pese a que sus licencias no siempre están disponibles por fuera del ámbito académico, estas se suplen con el uso de programas de uso libre como Octave y Scilab, cuyas interfaz, sintaxis y aplicabilidad son similares y compatibles con Matlab para un gran número de situaciones.

Para el presente texto se seleccionaron situaciones o problemas representativos en ingeniería, que se distribuyen a lo largo de 7 capítulos. A diferencia del capítulo 1, donde se presentan definiciones y conceptos en general, para cada tema o situación de los capítulos siguientes se ilustran diferentes métodos numéricos, estrategias de solución y formas prácticas de utilizar herramientas computacionales para su implementación o solución. En el capítulo 2 se aborda la solución de ecuaciones no lineales en una variable, en el capítulo 3 la solución de sistemas de ecuaciones lineales y no lineales en diversas variables, en el capítulo 4 la regresión e interpolación de datos, en el capítulo 5 el cálculo de derivadas, en el capítulo 6 el cálculo de integrales y en el capítulo 7 la solución de ecuaciones diferenciales ordinarias. Si bien para muchas de las situaciones o problemas abordados en el texto existen técnicas analíticas de solución, estas no siempre son fáciles de implementar, haciendo de los métodos numéricos una opción alterna para solucionar o aproximar las respectivas soluciones.

Se espera que mediante el estudio y la práctica de los temas, ejemplos y ejercicios que se presentan en este texto, los estudiantes adquieran o refuercen las habilidades suficientes para enfrentar y resolver no solo los temas que se abordan en el libro, sino también otros métodos numéricos, otras herramientas computacionales e incluso otros temas o problemas susceptibles de solucionarse mediante el uso razonable de métodos numéricos y herramientas computacionales.

1. Introducción a los métodos numéricos

Antes de entrar en detalle en los diferentes métodos numéricos y las herramientas computacionales que se abordan en este texto, es importante repasar o contextualizar diversos términos cuyo significado o connotación se usa de manera implícita en casi todos los capítulos. En lugar de presentar por separado cada una de las definiciones, se exponen diferentes situaciones en las que expresiones como solución analítica o exacta, respuesta exacta, error de redondeo, error significativo, tolerancia, error relativo, error absoluto, porcentaje de error (%error), exactitud, precisión, tanteo y error, aleatoriedad, algoritmo, iteración, convergencia y estabilidad, entre otros, aparecen en contexto. Se recomienda realizar los cálculos u operaciones que se citan como ejemplos, con el objeto de verificar los resultados y permitir mejor asimilación de los conceptos que se pretende ilustrar.

1.1 Errores y tolerancia

Suponga que necesita determinar el valor de x que satisface la ecuación 1.1:

La solución analítica o exacta al problema se logra aplicando métodos, fórmulas o procedimientos matemáticos convencionales, en este caso despejando la variable paso a paso de la siguiente manera:

De este modo, se obtiene que el valor de x corresponde a la respuesta exacta (para simplificar en adelante se tomará solo su parte positiva), pues al sustituir la x en la ecuación 1.1, el lado izquierdo de la expresión es exactamente igual a 0 y se cumple la igualdad.

es un número irracional (ecuación 1.2), así que para llevarlo a la ecuación 1.1 necesariamente debe redondearse a un número finito de cifras decimales.

(por ejemplo 1.41, 1.414, 1.4142, 1.41421, etc.) se conoce como error de redondeo. en una calculadora o un equipo de cómputo, este se limita o redondea a la cantidad de cifras que pueda almacenar según la capacidad de cómputo del equipo o programa utilizado o, en otras palabras, de manera voluntaria (si usted decide o asume cuántas cifras utilizar) o involuntaria (si utiliza toda la capacidad —aunque finita— de su calculadora o equipo de cómputo) se introduce un error de redondeo en los cálculos.

En algunas ocasiones se podría tener un error significativo (que afecte o desvíe los resultados más allá de un límite permitido). La medida común para expresar ese límite permitido, dentro del cual se pueden aceptar desviaciones en los resultados, se conoce como tolerancia, la cual se debe definir, a menos que el contexto del problema en particular permita inferirla.

Para explicar ese concepto, observe lo que ocurre al sustituir x en la ecuación 1.1 usando dos (ecuación 1.3), tres (ecuación 1.4) o cuatro (ecuación 1.5) cifras decimales en el valor de la variable. Para efectos de comparación se expresa el resultado con 4 cifras decimales en todos los casos.

, el resultado de la operación se hace más cercano a 0 (al menos dentro de las cifras decimales utilizadas en las respuestas).

= 1.41 (lo cual es cierto al redondear) implica aceptar que el valor –0.0357 = 0 (según las ecuaciones 1.1 y 1.3), lo cual, en un lenguaje estrictamente matemático, es incorrecto. Ahora, en un contexto hipotético donde se afirme que la temperatura ambiente de un lugar a una hora específica es 25 °C todo el año, pero un día en particular disminuyó 0.0357 °C, registrando 24.9643 °C, y considerando además aspectos como que la temperatura se mide con termómetros de mercurio que disponen para ello de una escala de 0 a 100 °C, es perfectamente válido afirmar que la temperatura todo el año fue de 25 °C e ignorar la pequeña variación que se registró, es decir, asumir que la variación de 0.0357 es equivalente a ninguna variación, o, en otras palabras, aceptar que en ese contexto –0.0357 ≈ 0.

Lo anterior sirve para aseverar que en muchas ocasiones la decisión sobre qué tantas cifras decimales o cifras significativas utilizar para expresar una cantidad gira en torno a la naturaleza de los datos del fenómeno o situación que se desea representar. Por ejemplo, si un dato representa una temperatura medida en grados Celsius (°C), es normal utilizar solo dos cifras decimales, ya que la mayoría de los equipos de medición y control para esa variable (al menos los termómetros y termocuplas comunes) limitan hasta allí la posibilidad de lecturas confiables. En otro contexto, si el dato representa una concentración medida en mol por litro (mol/L), es bastante común utilizar 4 cifras decimales.

Dado que para el ejemplo de la ecuación 1.1 no se provee información alguna sobre la naturaleza del problema en cuestión, es necesario definir algún criterio o condición que se deba cumplir para verificar que la respuesta es correcta dentro del contexto del problema.

En el caso de las ecuaciones 1.3, 1.4 y 1.5, si para el problema se define una tolerancia de 1 x 10–4, implicaría que solo el valor x = 1.4142 es correcto, pues es el único para el que, al evaluar la función, la diferencia (en valor absoluto) entre el resultado obtenido (–0.0001) y el resultado esperado (0) es menor o igual a 1 x 10–4. Por otro lado, para una tolerancia de 1 x 10–1, cualquiera de los valores x = 1.41, x = 1.414 o x = 1.4142 sería correcto, ya que los tres resultados correspondientes al evaluar la función (–0.0357, –0.0018 y –0.0001) satisfacen el criterio dado por esa tolerancia.

En otras palabras, dependiendo de la cantidad de cifras decimales a las que se redondee el resultado de las ecuaciones 1.3, 1.4 y 1.5, se puede asumir que son = 0 o se puede afirmar que son ≠ 0.

Otro criterio utilizado comúnmente para corroborar si al asignar diferentes valores a una variable (en el caso del ejemplo, usando diferente cantidad de cifras decimales) se modifica significativamente el resultado es el error relativo. Este consiste en determinar la diferencia (como valor absoluto o en forma porcentual) entre dos valores diferentes asignados a la variable y comparar si tal diferencia se encuentra dentro de unos límites previamente definidos para tal variabilidad.

Por su parte, cuando se compara el valor asignado a la variable con su valor real o esperado, se le conoce como error absoluto; si este se expresa de manera porcentual (ecuación 1.6) se le llama comúnmente porcentaje de error (%error).

. La diferencia radica en que a medida en que se aumentan las cifras decimales, la cantidad se describe con mayor precisión, pues una eventual variación alrededor del valor asignado tendrá menor incidencia en los resultados (por ejemplo, al evaluarlo en la ecuación 1.1).

, aunque ambos valores son exactos.

1.2 Algoritmos e iteraciones

Para continuar ilustrando otros conceptos, se usará otra estrategia de solución (diferente a la analítica) para resolver el problema de encontrar el valor de x que satisface la ecuación 1.1.

Partiendo del supuesto de que aún no se conocen métodos numéricos para resolverlo, se utilizará tanteo y error para encontrar la solución, es decir, se asignarán diferentes valores a x y se evaluará cada uno en la ecuación 1.1 hasta obtenerse un valor de x que satisfaga la condición F(x) = 0 (dentro de una tolerancia definida).

Si la asignación de valores a la variable x se hace de manera aleatoria, es decir, asignando valores sin seguir patrones o tendencias, la probabilidad de acertar el resultado es muy limitada, pues será cuestión de suerte encontrar la solución. Además, la probabilidad de encontrar la solución estará condicionada por la tolerancia definida: para grandes tolerancias (o mayor error permitido), seguramente se llegará a la respuesta con menor cantidad de cálculos (menor tiempo y esfuerzo) pero esta será poco precisa. Para tolerancias más pequeñas (o menor error permitido), probablemente se requiera mayor cantidad de cálculos (mayor tiempo y esfuerzo) pero se tendrá mayor precisión.

Para aumentar la probabilidad de llegar al resultado sin depender de la suerte para lograrlo (independiente de la tolerancia o error permitido que se defina), puede utilizarse un algoritmo de solución, es decir, una serie o secuencia lógica de pasos que den un orden a los cálculos mientras se busca la solución del problema.

Por ejemplo, en lugar de asignar valores aleatorios a la variable por tanteo y error, puede intentarse implementar los pasos que se describen en la tabla 1.1, donde se puede observar que, para llegar a la solución, inicialmente se ejecutaron los pasos 1 al 4 del algoritmo y luego se repitió del paso 2 al 4 en tres ocasiones. Cada una de esas repeticiones en los pasos del algoritmo se llama iteración o etapa de cálculo.

Tabla 1.1 Ejemplo de un algoritmo para agilizar el tanteo y error en busca de una solución para la ecuación 1.1