1.

Introducción
La ciencia y la tecnología describen los fenómenos reales mediante modelos
matemáticos. El estudio de estos modelos permite un conocimiento más
profundo del fenómeno, así como de su evolución futura. La matemática
aplicada es la rama de las matemáticas que se dedica a buscar y aplicar las
herramientas más adecuadas a los problemas basados en estos modelos.
Desafortunadamente, no siempre es posible aplicar métodos analíticos
clásicos por diferentes razones:

 No se adecúan al modelo concreto.

 Su aplicación resulta excesivamente compleja.
 La solución formal es tan complicada que hace imposible cualquier
interpretación posterior.
 Simplemente no existen métodos analíticos capaces de proporcionar
soluciones al problema.

En estos casos son útiles las técnicas numéricas, que mediante una labor de
cálculo más o menos intensa, conducen a soluciones aproximadas que son
siempre numérica. El importante esfuerzo de cálculo que implica la mayoría
de estos métodos hace que su uso esté íntimamente ligado al empleo de
computadores. De hecho, sin el desarrollo que se ha producido en el campo
de la informática resultaría difícilmente imaginable el nivel actual de
utilización de las técnicas numéricas en ámbitos cada día más diversos 1.
 2. Errores
El concepto de error es consustancial con el cálculo numérico. En todos los
problemas es fundamental hacer un seguimiento de los errores cometidos a
fin de poder estimar el grado de aproximación de la solución que se obtiene.

Los errores asociados a todo cálculo numérico tienen su origen en dos

grandes factores:

 Aquellos que son inherentes a la formulación del problema.

 Los que son consecuencia del método empleado para encontrar la
solución del problema.

Dentro del grupo de los primeros, se incluyen aquellos en los que la

definición matemática del problema es sólo una aproximación a la situación
física real. Estos errores son normalmente despreciables; por ejemplo, el
que se comete al obviar los efectos relativistas en la solución de un
problema de mecánica clásica. En aquellos casos en que estos errores no son
realmente despreciables, nuestra solución será poco precisa
independientemente de la precisión empleada para encontrar las soluciones
numéricas.

Otra fuente de este tipo de errores tiene su origen en la imprecisión de los

datos físicos: constantes físicas y datos empíricos. En el caso de errores en
la medida de los datos empíricos y teniendo en cuenta su carácter
generalmente aleatorio, su tratamiento analítico es especialmente complejo
pero imprescindible para contrastar el resultado obtenido computacional-
mente.

En lo que se refiere al segundo tipo de error (error computacional), tres son

sus fuentes principales:
1.
Equivocaciones en la realización de las operaciones (errores de
bulto). Esta fuente de error es bien conocida por cualquiera que haya
realizado cálculos manualmente o empleando una calculadora. El
empleo de computadores ha reducido enormemente la probabilidad
de que este tipo de errores se produzcan. Sin embargo, no es
despreciable la probabilidad de que el programador cometa uno de
estos errores (calculando correctamente el resultado erróneo). Más
aún, la presencia de bugs no detectados en el compilador o en el
software del sistema no es inusual. Cuando no resulta posible
verificar que la solución calculada es razonablemente correcta, la
probabilidad de que se haya cometido un error de bulto no puede ser
ignorada. Sin embargo, no es esta la fuente de error que más nos va a
preocupar.
2.
El error causado por resolver el problema no como se ha formulado,
sino mediante algún tipo de aproximación. Generalmente está
causado por la sustitución de un infinito (sumatorio o integración) o
un infinitesimal (diferenciación) por una aproximación finita.
Algunos ejemplos son:
 El cálculo de una función elemental (por ejemplo, Seno x)
empleando sólo n términos de los infinitos que constituyen la
expansión en serie de Taylor.
 Aproximación de la integral de una función por una suma
finita de los valores de la función, como la empleada en la
regla del trapezoide.
 Resolución de una ecuación diferencial reemplazando las
derivadas por una aproximación (diferencias finitas).
 Solución de la ecuación f(x) = 0 por el método de Newton-
Raphson: proceso iterativo que, en general, converge sólo
cuando el número de iteraciones tiende a infinito.

Denominaremos a este error, en todas sus formas, como error por

truncamiento, ya que resulta de truncar un proceso infinito para
obtener un proceso finito. Obviamente, estamos interesados en
estimar, o al menos acotar, este error en cualquier procedimiento
numérico.
3.
Por último, la otra fuente de error de importancia es aquella que tiene
su origen en el hecho de que los cálculos aritméticos no pueden
realizarse con precisión ilimitada. Muchos números requieren
infinitos decimales para ser representados correctamente, sin
embargo, para operar con ellos es necesario redondearlos. Incluso en
el caso en que un número pueda representarse exactamente, algunas
operaciones aritméticas pueden dar lugar a la aparición de errores (las
divisiones pueden producir números que deben ser redondeados y las
multiplicaciones dar lugar a más dígitos de los que se pueden
almacenar). El error que se introduce al redondear un número se
denomina error de redondeo.
Definiciones

Ahora que disponemos de una idea correcta de qué es el error y de cual es

su origen, podemos formalizar el concepto de error. Generalmente, no
conocemos el valor de una cierta magnitud y hemos de conformarnos con
un valor aproximado x. Para estimar la magnitud de este error necesitamos
dos definiciones básicas:

Error absoluto
de x:
(1)

Error relativo
de x:

(2)

En la práctica, se emplea la expresión:

(3)

En general, no conocemos el valor de este error, ya que no es habitual

disponer del valor exacto de la magnitud, sino sólo de una acotación de su

valor, esto es, un número , tal que:

(4)

o bien:

(5)
De acuerdo con este formalismo, tenemos que un numero se representará del
siguiente modo:

= (6)

= (7)

2.2 Dígitos significativos

Sea x un número real que, en general, tiene una representación decimal
infinita. Podemos decir que x ha sido adecuadamente redondeado a un
número con d decimales, al que denominaremos x(d), si el error de
redondeo, es tal que:

(8)

Ejemplo 1: Exprese el número x=35.47846 correctamente redondeado a

cuatro (x(4)) y tres (x(3)) decimales. Calcular el error cometido.

Solución: en el primer caso obtenemos:

x(4) = 35.4785
 =

En el segundo caso, la aproximación correcta es:

x(3) = 35.478

y no la siguiente:
x(3) = 35.479

Es decir, no es correcto redondear por exceso cuando el dígito anterior es 5

y proviene de un acarreo previo.

Otra forma de obtener el número de cifras significativas es

mediante truncamiento, en donde simplemente se eliminan los dígitos de orden
inferior. El error cometido en este caso es:

(9)

y que, en general, conduce a peores resultados que el método anterior.

Ejemplo 2: Exprese el número x=35.47846 truncado a cuatro (x(4)) y tres

(x(3)) decimales. Calcular el error cometido.

Solución:

x(4) = 35.4784
 =

x(3) = 35.478
=

2.3 Propagación de errores

Cuando se resuelve un problema matemático por métodos numéricos y

aunque las operaciones se lleven a cabo exactamente, obtenemos una
aproximación numérica del resultado exacto. Es importante tratar de
conocer el efecto que sobre el resultado final del problema tiene cada una de
las operaciones realizadas.

Para estudiar como se propaga en error, veamos cual es el efecto que cada
una de las operaciones básicas tiene sobre el error final cuando se aplican

sobre dos números y :

= (10)
 = (11)

= (12)

= (13)

Cuando el problema consiste en calcular el resultado y = f(x)tenemos la

siguiente fórmula aproximada de propagación del error:

(14)

En el caso más general, en que una función depende de más de una variable

( ), la fórmula aproximada de propagación del error

maximal es:

(15)

Ejemplo 3: Determinar el error máximo cometido en el

cálculo y = x1 x22 para y .

Solución: El error cometido, de acuerdo con la ecuación (15), se puede

calcular mediante:
Sustituyendo valores, obtenemos:

Por lo que el resultado final se debe expresar como:

Ejemplo 4: Sea el siguiente sistema de ecuaciones lineales:

en donde ; b = 1 / a y d = b - a¿Con qué exactitud

podemos determinar el producto xy?

Solución: Primero resolveremos el sistema de ecuaciones por reducción:

Ecuaciones que conducen a la siguiente expresión para el producto:

(16)
Resolveremos ahora el problema por dos métodos. Primero, calcularemos el
error asociado a cada una de las variables y los términos de la expresión
anterior:

Sustituyendo valores, obtenemos el siguiente resultado:

Una forma mucho más adecuada de resolver este problema consiste en

sustituir en la expresión (16) los valores de b y d por sus correspondientes
expresiones en función de a. Sustituyendo y operando, obtenemos que el
producto y el error asociado vienen dados por:

que, sustituyendo valores, conduce al resultado:

Si ambos resultados son correctos ¿Por qué el error es mucho menor en el

segundo caso que en el primero? La respuesta es simple: en el segundo caso
hemos eliminado operaciones intermedias, permitiendo que algunos errores
se cancelen mutuamente. En general, cuanto menor sea el número de pasos
intermedios que efectuemos para alcanzar la solución, menor será el error
cometido.
 UNIDAD I. IMPORTANCIA DE LOS MÈTODOS NUMÉRICOS.

1.1 Importancia de los métodos numéricos.

Los métodos numéricos son técnicas mediante las cuales es posible formular problemas matemáticos de tal forma que puedan r

Los métodos numéricos nos vuelven aptos para entender esquemas numéricos a fin de resolver problemas matemáticos, de ing
esquemas numéricos básicos, escribir programas y resolverlos en una computadora y usar correctamente el software existente
habilidad para el uso de computadoras sino que también amplia la pericia matemática y la comprensi6n de los principios científ

El análisis numérico trata de diseñar métodos para “ aproximar” de una manera eficiente las soluciones de problemas expresado

El objetivo principal del análisis numérico es encontrar soluciones “aproximadas” a problemas complejos utilizando sólo l
requiere de una secuencia de operaciones algebraicas y lógicas que producen la aproximación al problema matemático.

Los métodos numéricos pueden ser aplicados para resolver procedimie

· Cálculo de derivadas

· Integrales

· Ecuaciones diferenciales

· Operaciones con matrices

· Interpolaciones

· Ajuste de curvas

· Polinomios
Los métodos numéricos son adecuados para la solución de problemas comunes de ingeniería, ciencias y administración, utilizan

En el proceso de solución de problemas por medio de computadoras se requ

* Especificación del problema. Con esto se indica que se debe identificar perfectamente el problem
intervienen y los resultados deseados.

*Análisis. Es la formulación de la solución del problema denominada también algoritmo, de manera que s
el problema y que sean susceptibles de ejecutarse en la computadora.
*Programación. Este paso consiste en traducir el método de análisis o algoritmo de solución expr
operaciones.

*Verificación. Es la prueba exhaustiva del programa para eliminar todos los errores que tenga de manera q
prueba se comparan con soluciones conocidas de problemas ya resueltos.

*Documentación. Consiste en preparar un instructivo del programa de manera que cualquier persona pue

*Producción. Es la última etapa en la que solo se proporcionan datos de entrada del programa obteniéndo
De lo antes expuesto se puede concluir que es necesario un conocimiento completo del problema, y de los
con el que es precisamente el objeto de los métodos numéricos para computadora.

Si los métodos numéricos son los algoritmos (conjuntos detallados y secuenciados de operaciones) que nos llevan hasta las s
de éstos y del análisis de errores que pueden llevar asociados constituye el Análisis Numérico.
De acuerdo con nuestros objetivos, nosotros nos concentraremos muy especialmente en los métodos numéricos y rebajaremo
tiene por centro el método numérico mismo y no tanto su aplicación inmediata, sin olvidarnos de él. Es decir, seguiremos la l
que la de los textos de ``Análisis Numérico".

1.2 Conceptos básicos: cifra significativa, precisión, e

incertidumbre y sesgo.
Cifra significativa:

El concepto de cifra significativa lo podemos definir como aquella que aporta información no ambigua
medida experimental, son cifras significativas de un numero vienen determinadas por su error. Son cifras
al orden o posición de error.

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

1.- Los métodos numéricos obtienen resultados aproximados. Por lo tanto, se debe desarrollar criterios
resultados obtenidos.

2.- Aunque ciertos números representan número específicos, no se pueden expresar exactamente con un nú

Reglas de operaciones con cifras significativas.

Regla 1: los resultados experimentales se expresan con una sola cifra dudosa, e indicando con + - la incertid
Regla 2: las cifras significativas se cuentan de izquierda a derecha, a partir del primer dígito diferente de ce

Regla 3: al sumar o restar dos números decimales, el numero de cifras decimales del resultado es igual a
ellas.

Regla 4: al multiplicar o dividir dos números, el numero de cifras significativas del resultado es igual al del

Precisión y exactitud:
En ingeniería, ciencia, industria, estadística, exactitud y precisión no son equivalentes. Es importante resa
pruebas o técnicas puede producir un aumento de la precisión. Esto se debe a que con dicha automatizació
los errores manuales o su corrección inmediata.

Precisión: se refiere a la dispersión del conjunto de valores obtenidos de mediciones repetidas de una m
mayor la precisión. Una medida común de la variabilidad es la desviación estándar de las mediciones y
función de ella.

Exactitud: se refiere a cuán cerca del valor real se encuentra el valor medido. En términos estadísticos, la e
una estimación. Cuanto menor es el sesgo más exacto es una estimación.

También se refiere a la aproximación de un numero o de una medida al valor verdadero que se supone repr

Cuando expresamos la exactitud de un resultado se expresa mediante el error absoluto que es la diferen
verdadero.

También es la mínima variación de magnitud que puede apreciar un instrumento.

Incertidumbre:

Incertidumbre también se le conoce como Imprecisión. Se refiere al grado de alejamiento entre sí, a
verdadero.

Situación bajo la cual se desconocen las probabilidades de ocurrencia asociados a los diferentes resultados

Sesgo:

Existe sesgo cuando la ocurrencia de un error no aparece como un hecho aleatorio (al azar) advirtiéndose q
Es un alejamiento sistemático del valor verdadero a calcular.

1.3 Tipos de errores.

Todos los resultados de la aplicación de métodos numéricos van acompañados de un error que es convenie
En muchas ocasiones esto no es posible hacerlo de un modo cuantitativo, en otras, en cambio, pueden
pueden ser:

· a priori, cuando no se utilizan los resultados en el análisis, que puede llegar a ser muy complejo
de una simple división basadas en las del cálculo diferencial), y

· a posteriori, cuando se utilizan los propios resultados en el análisis de los errores.

Es conveniente tener presente en todo momento cuáles son las fuentes de los errores, lo que puede ser u
eventuales problemas prácticos, si bien es cierto que éstas actúan siempre juntas, haciendo muy difícil el c
de cada una en cada caso.

Fuentes de error
Son tres que dan lugar a una clasificación de los errores de acuerdo con ellas:

· Inherentes.

Asociado a la precisión de los datos de imputa. (P. Ej. El uso de 0.333333 en lugar de 1/3.) Su c
al output. Esta propagación puede estudiarse mediante análisis de sensibilidad, que perm
resultados hacia variables específicas en rangos particulares, de modo que puedan tomarse precauci

Cuando existe una magnificación inaceptable del error se dice que el problema está mal condicionad
imprecisión en los resultados.

· Truncamiento.

Asociado a la substitución de procesos infinitos por procesos finitos, tales como el truncamiento de series,
de integrales o el uso de diferencias finitas para el cálculo de derivadas. Los errores de truncamiento causa

Cuando se comparan unos métodos numéricos con otros suelen estudiarse algunas propiedades asocia
error de truncamiento al que se refiere, exponente, que se expresa en función de algún parámetro con
cuando el error es nulo.

Es frecuente comparar:
 Convergencia:

e(h)= 0 Cuando h=0

· Redondeo.

Asociado a la precisión limitada con la que se realizan las operaciones (cifras significativas). Su
acumularse.

CLASIFICACIÓN DE LOS ERRORES

ERRORES INHERENTES.

Son aquellos errores cometidos por la persona al tomar los datos de lecturas de instrumentos de medición
bien por verdaderas equivocaciones por el manejo de los datos.

ERRORES POR REDONDEO.

Es aquel tipo de error en donde el número significativo de dígitos después del punto decimal se ajusta a u
un ajuste en el último dígito que se toma en cuenta.

ERRORES POR TRUNCAMIENTO.

Para llevar a cabo operaciones de algunas funciones matemáticas los compiladores ejecutan estas funcion
pero es difícil llevar a cabo estos cálculos hasta el infinito, por lo tanto la serie tendrá que ser truncada.

__

X = X + Ex
Donde

X = cantidad verdadera

__

X = cantidad aproximada

Ex = error absoluto
__

Ex = |X – X |

El error absoluto de una cantidad es igual al valor absoluto de la diferencia entre la cantidad absoluta y
fisicas.

FORMA RELATIVA.

El error relativo de una cantidad cualquiera es igual al cociente de el error absoluto entre la cantidad ver
porcentaje ya que no tiene unidades.

__

Erx = Ex / X @ Ex / X

EJEMPLO:

Dos cantidades al ser medidas nos dan los siguientes resultados:

Error absoluto error relativo

 A = ( 100 + 1 )m Ea = 1m Era = Ea = 1m = 0.01 = 1%

X 100m

B = ( 8 + 0.8 )ft Eb = 0.8ft Erb = Eb = 0.8ft = 0.1 = 10%

B 8ft

PROPAGACIÓN DEL ERROR.

Se dice que existe una propagación en los errores cuando al realizar operaciones con números que ya tienen
operaciones generan nuevos errores.

Normalmente se efectúan en las operaciones aritméticas, (no importa cual sea su orígen).

PROPAGACIÓN DE LA SUMA.

Error absoluto

X = X + Ex X+Y = (X+Ex) + (Y+Ey)

Y = Y + Ey X+Y = (X+Y) + (Ex+Ey)

(X+Y)-(X+Y) = Ex + Ey

Ex+y = Ex + Ey

Error relativo

Erx+y = Ex+y = Ex + Ey

X+Y X+Y
PROPAGACIÓN DE LA RESTA.

Error absoluto Error relativo

X – Y = (X+Ex) – (Y+Ey) Erx-y = Ex-y = Ex-Ey

X – Y = (X – Y ) + (Ex-Ey) X–Y X–Y

( X – Y ) – ( X – Y ) = Ex – Ey

Ex-y = Ex – Ey

PROPAGACIÓN DE LA MULTIPLICACIÓN.

Error absoluto Error relativo

X*Y = (X+Ex)*(Y+Ey) Erxy = XEy+YEx

X*Y = XY+XEy+YEx+ExEy XY

XY-XY = XEy + YEx Erxy = XEy + YEx

Exy = XEy + YEx XY XY

Erxy = Ex + Ey

X Y

PROPAGACIÓN DE LA DIVISIÓN.

Error absoluto Error relativo

X = X+Ex Ex - XEy

Y (Y+Ey) Erx = Y Y = Ex - Ey

X = X + Ex - XEy - ExEy y X X Y
 Y Y Y Y Y Y

X – X = Ex – Xey = Ex Erx = Ex - Ey

Y Y Y Y y y X Y

1.4 Software de cómputo numérico.

Paquetes comerciales de Fortran

Paquetes de sofware comercial para cómputo numérico general.

NAG

El Grupo de Algoritmos numéricos (Numerical Algorithms Group) (NAG) ha desarrollado una biblioteca de Fortr
accesibles al usuario para resolver problemas generales de matemáticas aplicadas, incluyendo: ecuaciones diferencial
de Fourier, cuadratura, álgebra lineal, ecuaciones no lineales, ecuaciones integrales, y más.

IMSL

La biblioteca numérica de Fortran IMSL hecha por Visual Numerics, Inc. cubre muchas de las áreas contenidas en la
analizar y presentar datos estadísticos en aplicaciones científicas y de negocios

Numerical récipes: Los libros de Numerical Recipes in C/Fortran son muy populares entre los ingenieros porque pu
se puede encontrar una "receta (recipe)" para resolver algún problema a mano. Sin embargo, el software correspondi
en alcance o calidad al dado por NAG o IMSL.

Debe de mencionarse que todo el software listado anteriormente también esta disponible para el lenguaje C (o al men

El programador sólo tiene que escribir una rutina pequeña (driver) para el problema particular que tenga, porqu
encuentra ya disponible. De esta forma la gente no tiene que reinventar la rueda una y otra vez.

Matlab

( MATrix LABoratory, "laboratorio de matrices") es un software matemático que ofrece un entorno de desa
programación propio (lenguaje M). Está disponible para las plataformas Unix, Windows y Apple Mac OS X

Entre sus prestaciones básicas se hallan: la manipulación de matrices, la representación de datos y funcio
creación de interfaces de usuario (GUI) y la comunicación con programas en otros lenguajes y con otros d
MATLAB dispone de dos herramientas adicionales que expanden sus prestaciones, a saber, Simulink (pla
GUIDE (editor de interfaces de usuario - GUI). Además, se pueden ampliar las capacidades de MATLAB c
herramientas (toolboxes); y las de Simulink con los paquetes de bloques (blocksets).

Es un software muy usado en universidades y centros de investigación y desarrollo. En los últimos años h
prestaciones, como la de programar directamente procesadores digitales de señal o crear código VHDL.

1.5 Métodos iterativos.

Trata de resolver un problema (como una ecuación o un sistema de ecuaciones) mediante aproximaciones sucesivas a la solució

Considere el problema de encontrar una raíz a una ecuación cuadrática, por ejemplo:

f(x) = x2 − x − 2 = 0

Un método directo para resolverlo es aplicar la fórmula general

Un método iterativo consta de los siguientes pasos.

1. inicia con una solución aproximada (Semilla).

2. ejecuta una serie de cálculos para obtener o construir una mejor aproximación partiendo de la aproximación semilla. La
usando otra se conoce como ecuación de recurrencia.

Esta aproximación contrasta con los métodos directos, que tratan de resolver el problema de una sola vez (como resolver un si
de la matriz A). Los métodos iterativos son útiles para resolver problemas que involucran un número grande de variables (a
directos tendrían un coste prohibitivo incluso con la potencia del mejor computador disponible.

Ventajas y Desventajas:

Un elemento en contra que tienen los métodos iterativos sobre los métodos directos es que calculan aproximaciones a la soluc
conoce un método para obtener la solución en forma exacta. También se utilizan cuando el método para determinar la solución
una respuesta aproximada es adecuada, y cuando el número de iteraciones es relativamente reducido.

Puntos fijos atractivos

Si una ecuación puede ponerse en la forma f(x) = x, y una solución x es un punto fijo atractivo de la función f, entonces puede
de x, y sea xn+1 = f(xn) para n ≥ 1, y la secuencia {xn}n ≥ 1 convergerá a la solución x.

Sistemas lineales

En el caso de un sistema lineal de ecuaciones, las dos clases principales de métodos iterativos son los métodos iterativos
subespacio de krylov

Métodos iterativos estacionarios

Los métodos iterativos estacionarios resuelven un sistema lineal con un operador que se aproxima al original; y basánd
una ecuación de corrección para la que se repite este proceso. Mientras que estos métodos son sencillos de derivar, implemen
está garantizada para una clase limitada de matrices.

Métodos del subespacio de Krylov

Los métodos del subespacio de Krylov forman una base ortogonal de la secuencia de potencias de la matriz por el residuo inicial
solución se forman minimizando el residuo en el subespacio formado. El método prototípico de esta clase es el método
método del residuo mínimo generalizado y el método del gradiente biconjugado.

Convergencia

Dado que estos métodos forman una base, el método converge en N iteraciones, donde N es el tamaño del sistema. Sin emba
afirmación no se sostiene; además, en la práctica N puede ser muy grande, y el proceso iterativo alcanza una precisión suficie
difícil, dependiendo de lo complicada que sea la función del espectro del operador.

Pre condicionante

El operador aproximativo que aparece en los métodos iterativos estacionarios puede incorporarse también en los métodos d
transformaciones del operador original a un operador mejor condicionado. La construcción de precondicionadores es un área de

El método Jacobi es el método iterativo para resolver sistemas de ecuaciones lineales más simple y se aplica

sólo a sistemas cuadrados, es decir a sistemas con tantas incógnitas como ecuaciones.
1. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecuaciones y las incógnitas. De la ecuación i se
escribirse como:

x = c + Bx (1)

Donde x es el vector de incógnitas.

2. Se toma una aproximación para las soluciones

3. Se itera en el ciclo que cambia la aproximación

xi+1 = c + Bxi (2)