METODOS NUMERICOS

Los mtodos numricos son tcnicas mediante las cuales es posible formular
problemas matemticos de tal forma que puedan resolverse
usando operaciones aritmticas.
El anlisis numrico trata de disear mtodos para "aproximar" de una manera
eficiente las soluciones de problemas expresados matemticamente.
Son tcnicas mediante las cuales es posible formular problemas matemticos de
tal forma que puedan resolverse mediante el uso de operaciones aritmticas. Con
el anlisis numrico se pueden disear mtodos para aproximar las soluciones de
problemas expresados matemticamente, su objetivo es encontrar soluciones
utilizando operaciones simples de la aritmtica.
Los mtodos numricos se pueden utilizar para resolver procedimientos
matemticos como:
Clculo de derivadas
Integrales
Ecuaciones diferenciales
Operaciones con matrices
Interpolaciones
Ajuste de curvas
Polinomios


ALGORITMOS

El lenguaje algortmico es aquel por medio del cual se realiza un anlisis previo del
problema a resolver y encontrar un mtodo que permita resolverlo. El conjunto de
todas las operaciones a realizar y el orden en que se deben efectuar, se le
denomina algoritmo.
Es un mtodo para resolver un problema mediante una serie de datos precisos,
definidos y finitos. Cabe resaltar que, si bien los algoritmos suelen estar asociados
al mbito matemtico (ya que permiten averiguar el cociente entre un par de
dgitos o determinar cul es el mximo comn divisor entre dos cifras
pertenecientes al grupo de los enteros), aunque no siempre implican la presencia
de nmeros, la resolucin de un problema con ayuda de las computadoras exige
el diseo de un algoritmo que resuelva el problema propuesto.
Los pasos para la resolucin de un problema son:
Diseo del algoritmo, que describe la secuencia ordenada de pasos que conducen
a la solucin de un problema dado. (Anlisis del problema y desarrollo del
algoritmo).
Expresar el algoritmo como un programa de lenguaje de programacin adecuado.
(Fase de codificacin.)
En general solo existen 3 elementos en los algoritmos:
Entrada. Los datos iniciales que posee el algoritmo antes de ejecutarse.
Proceso. Acciones que lleva a cabo el algoritmo.
Salida. Datos que obtiene finalmente el algoritmo.


APROXIMACIN
Una aproximacin usualmente se realiza cuando una forma exacta o un valor
numrico exacto son desconocido o difcil de obtener. Sin embargo, puede
conocerse alguna forma, que sea capaz de representar a la forma real, de manera
que no se presenten desviaciones significativas.
Tambin se utiliza cuando un nmero es irracional, como el nmero , en cuyo
lugar muchas veces se emplea el 3.14 o 7 como 2.65.2 Las aproximaciones
numricas a veces son efecto del uso de una cantidad pequeas cifras
significativas.
Cifras significativas: Cuando se emplea un nmero en un clculo, debe haber
seguridad de que pueda usarse con confianza. El concepto de cifras significativas
tiene dos implicaciones importantes en el estudio de los mtodos numricos.
Entre las formas ms comunes de aproximacin se cuenta la representacin de
un nmero irracional por medio de un nmero con un nmero finito de decimales,
as como el redondeo de algn nmero a otro con menos decimales.


TIPOS 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 aproximacin a este valor Va:

e = Vr Va
Existen diferentes tipos errores, cada uno se puede expresar en forma absoluta o
en forma relativa.
Error de redondeo:
Se originan al realizar los clculos que todo mtodo numrico o analtico requieren
y son debidos a la imposibilidad de tomar todas las cifras que resultan de
operaciones aritmticas como los productos y los cocientes, teniendo que retener
en cada operacin el nmero de cifras que permita el instrumento de clculo que
se est utilizando.
Existen dos tipos de errores de redondeo:
Error de redondeo inferior:
Se desprecian los dgitos que no se pueden conservar dentro de la memoria
correspondiente.
Error de redondeo superior:
Este caso tiene dos alternativas segn el signo del nmero en particular: para
nmeros positivos, el ltimo dgito que se puede conservar en la localizacin de
memoria incrementa en una unidad si el primer dgito despreciado es mayor o
igual a 5. Para nmeros negativos, el ltimo dgito que se puede conservar en la
localizacin de la memoria se reduce en una unidad si el primer dgito despreciado
es mayor o igual a 5.
Error por truncamiento:
Existen muchos procesos que requieren la ejecucin de un nmero infinito de
instrucciones para hallar la solucin exacta de un determinado problema. Puesto
que es totalmente imposible realizar infinitas instrucciones, el proceso debe
truncarse. En consecuencia, no se halla la solucin exacta que se pretenda
encontrar, sino una aproximacin a la misma.
Al error producido por la finalizacin prematura de un proceso se le denomina
error de truncamiento. Un ejemplo del error generado por este tipo de acciones es
el desarrollo en serie de Taylo R.
Este es independiente de la manera de realizar los clculos. Solo depende del
mtodo numrico empleado.

Error absoluto:
Es la diferencia entre el valor exacto (un nmero determinado, por ejemplo) y su
valor calculado o redondeado:
Error absoluto = [exacto - calculado]
Debido a que la definicin se dio en trminos del valor absoluto, el error absoluto
no es negativo. As pues, una coleccin (suma) de errores siempre se incrementa
juntos, sin reducirse. Este es un hecho muy pesimista, dado que el redondeo y
otros errores rara vez estn en la misma direccin, es posible que una suma
("algebraica") de errores sea cero, con aproximadamente la mitad de los errores
positiva y la otra mitad negativa. Pero tambin es demasiado optimista esperar
que errores con signo sumen cero a menudo. Un enfoque realista es suponer que
los errores, en especial el redondeo, estn estadsticamente distribuidos.

Error relativo:
Es el error absoluto dividido entre un nmero 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 numricos de punto flotante. Puesto que los
elementos de un sistema de punto flotante no estn distribuidos de manera
uniforme, la cantidad de redondeos posibles depende de la magnitud de los
nmeros que se redondean. El denominador de la ecuacin de arriba compensa
este efecto.



Una caracterstica 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 medicin) se cancelan. Una buena medida del error
debera ser "invariante de las escalas", de modo que al cambiar de yardas a
pulgadas, digamos, no debera amplificar el error aparente por 36, como sucedera
en la ecuacin de arriba. Si bien las matemticas puras se inclinaran a utilizar el
error absoluto, en general el error relativo se emplea en las ciencias aplicadas.

Algunas veces conviene multiplicar el error relativo por 100 (por ciento) para
ponerlo en una base porcentual.

CONVERGENCIA
Se entiende por convergencia de un mtodo numrico la garanta de que, al
realizar un buen nmero de repeticiones (iteraciones), las aproximaciones
obtenidas terminan por acercarse cada vez ms al verdadero valor buscado.
En la medida en la que un mtodo numrico requiera de un menor nmero de
iteraciones que otro, para acercarse al valor numrico deseado, se dice que tiene
una mayor rapidez de convergencia.
Se entiende por estabilidad de un mtodo numrico el nivel de garanta de
convergencia, y es que algunos mtodos numricos no siempre convergen y, por
el contrario divergen; es decir, se alejan cada vez ms y ms del resultado
deseado.
En la medida en la que un mtodo numrico, ante una muy amplia gama de
posibilidades de modelado matemtico, es ms seguro que converja que otro,
entonces se dice que tiene una mayor estabilidad.
Normalmente se puede encontrar mtodos que convergen rpidamente, pero son
demasiado inestables y, por el contario, modelos muy estables, pero de lenta
convergencia.