Unidad I : Introducción A Los Métodos Numéricos.

1.1 Conceptos básicos: algoritmos y aproximaciones.

1.2 Tipos de errores: error absoluto, error relativo, error porcentual, errores de redondeo y truncamiento.
1.3 Convergencia.

Para poder definir algunos conceptos básicos como algoritmos, aproximaciones y los tipos mas comunes de
errores es necesario saber la dedición de métodos o análisis numéricos así como su principal usos y áreas de
aplicación.
Métodos numéricos se define como un procedimiento mediante el cual se obtiene, casi siempre de
manera aproximada, la solución de ciertos problemas realizando cálculos puramente aritméticos y lógicos
como operaciones aritméticas elementales, cálculo de funciones, consulta de una tabla de valores, cálculo
preposicional, etc. El procedimiento consiste de una lista finita de instrucciones precisas que especifican una
secuencia de operaciones algebraicas y lógicas conocida como algoritmo, que producen o bien una
aproximación de la solución del problema o bien un mensaje. La eficiencia en el cálculo de dicha
aproximación depende, en parte, de la facilidad de implementación del algoritmo y de las características
especiales y limitaciones de los instrumentos de cálculo. En general, al emplear estos instrumentos de
cálculo se introducen errores llamados de redondeo.
Definimos metodos numericos en el siguiente mapa mental:

Entonces podemos definir como algoritmo un procedimiento que describe, sin ambigüedades, una serie finita Se entiende por
de pasos a realizar en un orden especifico. El objetivo del algoritmo es poner en práctica un procedimiento que la cifra se ac
para resolver un problema o aproximarse a una solución.
Algunos ejemplo
Para poder describir los algoritmos se utilizan los seudocódigos el cual especifica la forma de entrada por
proporcionar y la forma de salida deseada. Como consecuencia en cada algoritmo se incorpora una técnica
3.1416
para detenerlo, independientemente de la técnica numérica, para evitar ciclos infinitos.
2.7183
Por ejemplo el siguiente diagrama de flujo expresa un algoritmo para calcular la raiz cuadrada de un numero x.
1.4142

0.333333

El término de e
de precisión se

Un valor obtenid
cantidad que ge
evaluada depen
éstos.
 Por ejemplo al c

El manejo de c
obtenidos, así c
como , e ó 2.

Definimos aprox

Los diagramas de flujo son descripciones gráficas de algoritmos; usan símbolos conectados con flechas para indicar la secuencia
de instrucciones y están regidos por ISO.

Los diagramas de flujo son usados para representar algoritmos pequeños, ya que abarcan mucho espacio y su construcción es
laboriosa. Por su facilidad de lectura son usados como introducción a los algoritmos, descripción de un lenguaje y descripción de
procesos a personas ajenas a la computación.

Se entiende por aproximación numérica una cifra que representa a un número cuyo valor exacto es X. En la medida en que la cifra se acerca más
al valor exacto X, será una mejor aproximación de ese número.

Algunos ejemplos de aproximación son:

3.1416 es una aproximación numérica de 

2.7183 es una aproximación numérica de e

1.4142 es una aproximación numérica de 2

0.333333 es una aproximación numérica de 1/3

El término de exactitud, mide cuán cerca se encuentra el valor calculado con respecto a su valor verdadero y el de precisión se refiere a la
cercanía de una aproximación a un valor con respecto a las aproximaciones anteriores.

Un valor obtenido mediante el uso de los métodos numéricos al ser una aproximación difiere de su solución real en una cantidad que
generalmente se denomina error. Éste término es de vital importancia ya que la estimación obtenida es evaluada dependiendo de qué tan
pequeño sea este. El error asociado mide el grado de exactitud e incertidumbre de éstos.

Por ejemplo al considerar las siguientes aproximaciones de :

 = 3.15 es impreciso e inexacto

 = 3.14 es exacto pero impreciso

 = 3.151692 es preciso pero inexacto

 = 3.141593 es exacto y preciso

El manejo de cifras significativas permite desarrollar criterios para detectar qué tan precisos son los resultados obtenidos, así como evaluar los
niveles de exactitud y precisión con que son expresados algunos números tales como , e ó 2.

Definimos aproximación en el siguiente mapa mental

Los métodos numéricos ofrecen soluciones aproximadas muy cercanas a las soluciones exactas; la discrepancia entre una
solución verdadera y una aproximada constituye un error, por lo que es importante saber qué se entiende por aproximar y aprender a
cuantificar los errores, para minimizarlos.
Los tipos de errores numéricos que existe son:
 Error absoluto.
 Error relativo o porcentual.
 Errores inherentes.
 Errores de redondeo.
 Errores por truncamiento.
Error absoluto.
Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones y cantidades matemáticas.
La relación entre un resultado exacto o verdadero X y el valor aproximado X* está dado por:
X = X* + error
El que un error tenga signo positivo o negativo, generalmente no tiene importancia, de manera que el error absoluto se define como
el valor absoluto de la diferencia entre el valor verdadero y el valor aproximado:
E = |X - X*|
El error absoluto se expresa en las mismas unidades que X y no toma en cuenta el orden de magnitud de la cantidad que se está
midiendo.

Error relativo.
El error relativo normaliza el error absoluto respecto al valor verdadero de la cantidad medida:
e = |E/X| = |(X - X*)/X|
El error relativo es adimensional y puede quedar expresado así, en forma fraccional, o se puede multiplicar por 100 para
expresarlo en términos porcentuales:
e (%) = |E/X| x 100
La mejor estimación posible del verdadero valor de X es su aproximación X* y se define entonces una estimación del error relativo
como:
e* = |E/X*|
Pero el problema está en cómo estimar E, en ausencia de conocimiento del verdadero valor de X. Algunos métodos numéricos usan
un esquema iterativo en los que se hace una aproximación con base en la aproximación previa y esto se hace varias veces, para
obtener cada vez mejores aproximaciones:
e* =  (valor actual - valor anterior)/valor actual 

Errores inherentes.
El error inherente absoluto máximo que se puede llegar a cometer cumple con la desigualdad:
Emax  0.5 m
y el correspondiente error inherente relativo máximo cumple con la desigualdad:
emax  0.5/122.5 = 0.00408
El error inherente absoluto medio que se puede cometer cumple con la desigualdad:
Emed  0.25 m
y el correspondiente error inherente relativo medio cumple con la desigualdad:
emed  0.00204

Errores de redondeo.
Los errores de redondeo se producen al realizar operaciones aritméticas en las que el resultado produce una mantisa cuyo número
de dígitos difiere significativamente del número de dígitos de la mantisa de alguno de los valores numéricos involucrados en la
operación. En el número decimal 123,7585, la parte entera es 123 y la mantisaes 0,7585.

Al manejar un determinado número de cifras significativas en los cálculos, el resultado tiene que ser redondeado de alguna manera,
sobrestimando o subestimando el valor resultante verdadero.

Sea X el resultado de una operación aritmética, el cual puede ser expresado mediante notación matemática, en forma normalizada: F
x 10n, donde F está formada por m cifras obtenidas en el resultado, de las cuales, n son enteras. Este valor se puede descomponer
en dos sumandos, igualmente normalizados: el primero formado por t cifras significativas, las t primeras cifras del resultado después
del punto decimal: f x 10n, y el segundo formado por las (m-t) cifras no significativas del resultado, g x 10n-t:
X = F x 10n = f x 10n + g x 10n-t

Errores por truncamiento

Los errores por truncamiento ocurren cuando un número, cuya parte fraccionaria está constituida por un número infinito de dígitos,
requiere ser representado numéricamente en forma aproximada, utilizando un determinado número de cifras significativas.

Por ejemplo, 3.1416 es una buena aproximación del número , pero el valor exacto no puede ser expresado numéricamente por
completo, pues consta de un número infinito de dígitos: 3.141592653589793...; lo mismo ocurre con el 2.7183 para el número e, el
1.4142 para 2, y el 0.33333 para 1/3.

Sin embargo, todos los números, ya sean enteros, racionales o irracionales, pueden ser representados a través de formulaciones
matemáticas exactas, utilizando series infinitas; obviamente, las representaciones numéricas acotadas a un determinado número de
cifras significativas, son aproximaciones numéricas que llevan implícitoserrores por truncamiento.

Por ejemplo, los números 1, 1/3 y e pueden expresarse matemáticamente, de manera exacta, a través de las siguientes series
infinitas:
1 = 1/2 + 1/4 + 1/8 + 1/16 + 1/32 + 1/64 + ...
1/3 = 3/10 + 3/100 + 3/1000 + 3/10000 + 3/100000 + ...
e = 1/0! + 1/1! + 1/2! + 1/3! + 1/4! + 1/5! + ...
En este último caso, por ejemplo, la aproximación se puede hacer truncando la serie en cualquier punto, lo que equivale a incluir 1,
2, 3, ..., ó n términos de la serie. Si tomásemos como valor exacto de e, 2.7182818, tendríamos:

Términos Aproximación Error absoluto Error relativo (%)

1 1.0000000 1.7182818 63.21

2 2.0000000 0.7182818 26.42

3 2.5000000 0.2182818 8.03

4 2.6666667 0.0516151 1.90

5 2.7083333 0.0099484 0.37

6 2.7166667 0.0016152 0.06

7 2.7180556 0.0002263 0.01

8 2.7182540 0.0000279  0.00

El manejo de series infinitas para aproximar valores específicos de funciones matemáticas es fundamental para comprender a
plenitud la mayor parte de los métodos numéricos incluidos en este curso, así como para calcular los errores por
truncamiento asociados a esas aproximaciones.

Por ultimo se entiende por convergencia de un método numérico la garantía de que, al realizar un buen número de iteraciones, las
aproximaciones obtenidas terminan por acercarse cada vez más al verdadero valor buscado.

En la medida en la que un método numérico requiera de un menor número de iteraciones que otro, para acercarse al valor deseado,
se dice que tiene una mayor rapidez de convergencia.

Se entiende por estabilidad de un método numérico el nivel de garantía de convergencia, y es que algunos métodos numéricos no
siempre convergen y, por el contrario,divergen; esto es, se alejan cada vez más del resultado deseado.

En la medida en la que un método numérico, ante una muy amplia gama de posibilidades de modelado matemático, es más seguro
que converja que otro, se dice que tiene una mayor estabilidad.

Es común encontrar métodos que convergen rápidamente, pero que son muy inestables y, en contraparte, modelos muy estables,
pero de lenta convergencia.

Bibliografía:
 S. C. Chapra, R. P. Canale, Métodos Numéricos para ingenieros, 6ª ed., Mc Graw Hill.
 A. Nieves, F. C. Domínguez, Métodos Numéricos aplicados a la ingeniería, 2ª ed., CECSA.
Internet:
 http://www.youtube.com/watch?v=YnMMy8Nnj_I
 http://es.scribd.com/doc/13894544/metodos-numericos-para-ingenieria