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
resolverse usando operaciones aritméticas.
Los métodos numéricos nos vuelven aptos para entender esquemas numéricos a fin de resolver problemas matemáticos, de ingeniería y
científicos en una computadora, reducir esquemas numéricos básicos, escribir programas y resolverlos en una computadora y usar
correctamente el software existente para dichos métodos y no solo aumenta nuestra habilidad para el uso de computadoras sino que
también amplia la pericia matemática y la comprensi6n de los principios científicos básicos.
El análisis numérico trata de diseñar métodos para “ aproximar” de una manera eficiente las soluciones de problemas expresados
matemáticamente.
El objetivo principal del análisis numérico es encontrar soluciones “aproximadas” a problemas complejos utilizando sólo las operaciones
más simples de la aritmética. Se requiere de una secuencia de operaciones algebraicas y lógicas que producen la aproximación al
problema matemático.
Los métodos numéricos pueden ser aplicados para resolver procedimientos matemáticos en:
· 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, utilizando
computadoras electrónicas.
En el proceso de solución de problemas por medio de computadoras se requieren los pasos siguientes.

* Especificación del problema. Con esto se indica que se debe identificar perfectamente el problema y sus limitaciones, las variables que
intervienen y los resultados deseados.

*Análisis. Es la formulación de la solución del problema denominada también algoritmo, de manera que se tenga una serie de pasos que
resuelvan 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 expresándole como una serie detallada de
operaciones.
*Verificación. Es la prueba exhaustiva del programa para eliminar todos los errores que tenga de manera que efectúe lo que desea los
resultados de prueba se comparan con soluciones conocidas de problemas ya resueltos.

*Documentación. Consiste en preparar un instructivo del programa de manera que cualquier persona pueda conocer y utilizar el
programa.

*Producción. Es la última etapa en la que solo se proporcionan datos de entrada del programa obteniéndose las soluciones
correspondientes.
De lo antes expuesto se puede concluir que es necesario un conocimiento completo del problema, y de los campos de las matemáticas
relacionados 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 soluciones
estimadas de los problemas, el estudio 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 rebajaremos el rigor
del análisis de errores, propio de quien tiene por centro el método numérico mismo y no tanto su aplicación inmediata, sin olvidarnos de
él. Es decir, seguiremos la línea de los textos de ``Métodos Numéricos" más que la de los textos de ``Análisis Numérico".
1.2 Conceptos básicos: cifra significativa, precisión, exactitud, incertidumbre y sesgo.
Cifra significativa:
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 número específicos, no se pueden expresar exactamente con un número finito de cifras.
Reglas de operaciones con cifras significativas.
Regla 1: los resultados experimentales se expresan con una sola cifra dudosa, e indicando con + - la incertidumbre en la medida.
Regla 2: las cifras significativas se cuentan de izquierda a derecha, a partir del primer dígito diferente de cero y hasta el digito dudoso.
Regla 3: al sumar o restar dos números decimales, el numero de cifras decimales del resultado es igual al de la cantidad con el menor
número de ellas.
Regla 4: al multiplicar o dividir dos números, el numero de cifras significativas del resultado es igual al del factor con menos cifras.
Precisión y exactitud:
En ingeniería, ciencia, industria, estadística, exactitud y precisión no son equivalentes. Es importante resaltar que la automatización de
diferentes pruebas o técnicas puede producir un aumento de la precisión. Esto se debe a que con dicha automatización, lo que logramos
es una disminución de los errores manuales o su corrección inmediata.
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. Una medida común de la variabilidad es la desviación estándar de las mediciones y la precisión se puede
estimar como una función de ella.
Exactitud: se refiere a cuán 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 una estimación.
También se refiere a la aproximación de un numero o de una medida al valor verdadero que se supone representa.
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.
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 las diversas aproximaciones a un
valor verdadero.
Situación bajo la cual se desconocen las probabilidades de ocurrencia asociados a los diferentes resultados de un determinado evento.
Sesgo:
Existe sesgo cuando la ocurrencia de un error no aparece como un hecho aleatorio (al azar) advirtiéndose que este ocurre en forma
sistemática
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 conveniente estimar.
En muchas ocasiones esto no es posible hacerlo de un modo cuantitativo, en otras, en cambio, pueden llevarse a cabo análisis de
errores que pueden ser:
· a priori, cuando no se utilizan los resultados en el análisis, que puede llegar a ser muy complejo (recordar, p. ej., las expresiones del
error 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 una ayuda definitiva a la hora de
resolver eventuales problemas prácticos, si bien es cierto que éstas actúan siempre juntas, haciendo muy difícil el conocimiento detallado
de la contribución 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 característica principal es que se propaga
al output. Esta propagación puede estudiarse mediante análisis de sensibilidad, que permiten detectar hipersensibilidades de los
resultados hacia variables específicas en rangos particulares, de modo que puedan tomarse precauciones especiales en esos casos.
Cuando existe una magnificación inaceptable del error se dice que el problema está mal condicionado. Los errores de input son
causantes de imprecisión en los resultados.
· Truncamiento.
Asociado a la substitución de procesos infinitos por procesos finitos, tales como el truncamiento de series, el uso se sumas limitadas para
el cálculo de integrales o el uso de diferencias finitas para el cálculo de derivadas. Los errores de truncamiento causan inexactitud de los
resultados.
Cuando se comparan unos métodos numéricos con otros suelen estudiarse algunas propiedades asociadas con los errores, en estos
casos es al error de truncamiento al que se refiere, exponente, que se expresa en función de algún parámetro conveniente, h, que
tiende a 0 (o a infinito ) 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 mayor peligro radica en su tendencia a
acumularse.

CLASIFICACIÓN DE LOS ERRORES

ERRORES INHERENTES.
Son aquellos errores cometidos por la persona al tomar los datos de lecturas de instrumentos de medición, al pasar éstos datos a la
computadora o 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 un número específico
provocando con ello 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 funciones utilizando series infinitas de
términos, 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 su aproximación incluye sus
unidades fisicas.

FORMA RELATIVA.
El error relativo de una cantidad cualquiera es igual al cociente de el error absoluto entre la cantidad verdadera, generalmente expresado
como 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 errores y que por su
naturaleza y las 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 Fortran conteniendo alrededor
de 1000 subrutinas accesibles al usuario para resolver problemas generales de matemáticas aplicadas, incluyendo: ecuaciones
diferenciales ordinarias y parciales, transformada rápida 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 biblioteca NAG.
También tiene soporte para 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 pueden ser usados
como libro de cocina donde se puede encontrar una "receta (recipe)" para resolver algún problema a mano. Sin embargo, el software
correspondiente de Numerical Recipes no es comparable 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 menos puede ser
llamado desde C).
El programador sólo tiene que escribir una rutina pequeña (driver) para el problema particular que tenga, porque el software para resolver
las subtareas se 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 desarrollo integrado (IDE) con un
lenguaje de 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 funciones, la implementación
de algoritmos, la creación de interfaces de usuario (GUI) y la comunicación con programas en otros lenguajes y con otros
dispositivos hardware. El paquete MATLAB dispone de dos herramientas adicionales que expanden sus prestaciones, a saber, Simulink
(plataforma de simulación multidominio) y GUIDE (editor de interfaces de usuario - GUI). Además, se pueden ampliar las capacidades de
MATLAB con las cajas de 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 ha aumentado el número de
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 solución,
empezando desde una estimación inicial.
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 fórmula que
permite construir la aproximación 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 sistema de
ecuaciones Ax=bencontrando la inversa de la matriz A). Los métodos iterativos son útiles para resolver problemas que involucran un
número grande de variables (a veces del orden de millones), donde los métodos 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 solución. Los
métodos iterativos se usan cuando no se conoce un método para obtener la solución en forma exacta. También se utilizan cuando el
método para determinar la solución exacta requiere mucho tiempo de cálculo, cuando 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 empezar
con un punto x1 en la base de atracción 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 estacionarios y
los más generales métodos del subespacio de krylov
Métodos iterativos estacionarios
Los métodos iterativos estacionarios resuelven un sistema lineal con un operador que se aproxima al original; y basándose en la medida
de error (el residuo), desde una ecuación de corrección para la que se repite este proceso. Mientras que estos métodos son sencillos de
derivar, implementar y analizar, la convergencia normalmente sólo 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
(la secuencia de Krylov). Las aproximaciones a la solución se forman minimizando el residuo en el subespacio formado. El método
prototípico de esta clase es el método del gradiente conjugado. Otros métodos son el 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 embargo, en la
presencia de errores de redondeo esta afirmación no se sostiene; además, en la práctica N puede ser muy grande, y el proceso iterativo
alcanza una precisión suficiente mucho antes. El análisis de estos métodos es 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 del
subespacio de Krylov, donde se pasan de ser transformaciones del operador original a un operador mejor condicionado. La construcción
de precondicionadores es un área de investigación muy extensa.
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 despeja la
incógnita i. En notación matricial 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)
UNIDAD I. IMPORTANCIA DE LOS MÈTODOS NUMÉRICOS.

Mezclas
1 comentario: