UNIVERSIDAD TÉCNICA DE ESMERALDAS

“LUIS VARGAS TORRES”

Facultad de Ingeniería y Tecnologías
Carrera de Ingeniería Química

Análisis Numérico

Consulta #1
Unidad #1.

Autores:
Bermeo Molina Ricardo Hernán
Cabrera Ballestero Juan Carlos
Piñeiro Navas Nayeli Gisselle
Salazar Rodríguez Ariana Michelle

Semestre – Paralelo:
4TO – “B”

Fecha de realización:
Martes, 21 de mayo de 2019

Fecha de entrega:
Lunes, 27 de mayo de 2019

pág. 1
ÍNDICE DE TEMAS
1. Concepto y trascendencia histórica del análisis numérico ................................................ 1

2. Importancia del análisis numérico en la Ingeniería ........................................................... 1

3. Definiciones de Errores ..................................................................................................... 2

4. Representación de números en el computador .................................................................. 3

5. Series de Taylor y errores de truncamiento ....................................................................... 5

6. Factorial ............................................................................................................................. 7

7. Bibliografía / Linkografía.................................................................................................. 8

pág. 2
1. CONCEPTO Y TRASCENDENCIA HISTÓRICA DEL ANÁLISIS
NUMÉRICO
Análisis Numérico es una rama de la matemática cuyo objetivo principal es el estudio de métodos
para resolver problemas numéricos complejos. Para realizar el análisis, es necesario estudiar y entender
el problema, sus características, las variables y los procesos que intervienen. Asimismo, es necesario
conocer los datos requeridos y el objeto esperado. En el caso de problemas de tipo numérico, el
resultado será un modelo matemático que caracteriza al problema. Ejm: Sistema de ecuaciones lineales.
El análisis numérico “moderno” comienza con el aporte de John von Neumann y Herman
Goldstine con el trabajo “Numerical Inverting of Matrices of High Order” en 1947; en el cual se
estudia el error de redondeo. El enfoque actual está centrado en el álgebra lineal numérica, los métodos
numéricos para ecuaciones diferenciales e integrales, métodos de aproximación de funciones, y el
impacto de estos desarrollos en la ciencia y la tecnología.

2. IMPORTANCIA DEL ANÁLISIS NUMÉRICO EN LA INGENIERÍA

Las matemáticas son fundamental en la ingeniería química, desde sus comienzos inicialmente
como un aspecto formativo, en la aplicación de la lógica deductiva y su carácter formal, y
posteriormente como una herramienta para el diseño, el análisis y optimización de procesos químicos.
El desarrollo de las matemáticas y su aplicabilidad tienen que ver tanto con el conocimiento de las
teorías como de los fenómenos que se desean explicar mediante modelos matemáticos. Debido a esto,
la enseñanza de las matemáticas en ingeniería debe comprender por una parte el estudio de las técnicas
matemáticas en general, sin importar su aplicación inmediata, debe incluir un elemento integrador que
conozca tanto las técnicas como los fenómenos, que los pueda describir matemáticamente, que pueda
establecer o fijar las restricciones y escoger las técnicas más convenientes para cada caso.

pág. 1
3. DEFINICIONES DE ERRORES
Errores:
En muchos casos no se conoce el valor exacto x- de una magnitud y se debe conformar con un
valor aproximado x. Suponiendo que x- es una aproximación de x.
El Error absoluto de la aproximación se define en:

𝑒𝑎 (𝑥) = |𝑥 − 𝑥̅ |
El Error relativo de la aproximación se define en:

|𝑥 − 𝑥̅ | 𝑒𝑎 (𝑥)
𝒆𝒓 (𝒙) = =
𝑥 𝑥
Si X ≠ 0
El error relativo porcentual se calcula:

𝑒 % = 𝑒𝑟 𝙓 100
Por lo general interesa el error absoluto y no el error relativo pero cuando el valor exacto de una
cantidad es muy pequeño o muy grande los errores relativos son más significativos.
EJEMPLO 1:
Dos estudiantes, Mario y Pamela, realizan mediciones del largo de una mesa y de un aula.
Mario mide el largo de la mesa y Pamela mide el largo del aula. El profesor conoce el valor
exacto de ambas medidas, las cuales son: la mesa 2.95metros y el aula 12.80metros. Mario indica
que la mesa mide 2.80metros en tanto Pamela señala que el aula mide 12.60metros. ¿Quién
realizó una mejor medición?
Mario presenta como error absoluto de la medida de la mesa
𝒆𝒎 (𝒙) = 𝖨2.80 − 2.95𝖨 = 𝟎. 𝟏𝟓
Pamela presenta como error absoluto de la medida del aula
𝒆𝒂 (𝒙) = 𝖨12.60 − 12.80𝖨 = 𝟎. 𝟐𝟎
Errores relativos
𝖨2.80 − 2.95𝖨 0.15
𝒆𝒓 (𝒙) = = = 𝟎. 𝟎𝟓
2.80 2.80
𝖨12.60 − 12.80𝖨 0.20
𝒆𝒓 (𝒙) = = = 𝟎. 𝟎𝟏𝟓
12.60 12.60

Mario presenta como error relativo porcentual:

𝒆 % = 𝑒𝑟 ∗ 100% = 𝟓%
pág. 2
 En tanto pamela presenta como error relativo porcentual:
𝒆 % = 𝑒𝑟 ∗ 100% = 𝟏. 𝟓%
Conclusión: El error absoluto nos dice cuánto nos equivocamos (0.15 y 0.20 en el ejemplo), pero
no nos dice cuál estudiante nos brindó un mejor resultado. Pero si observamos el resultado del error
relativo porcentual (5% y 1.5%), éste nos indica cuál medición es más confiable (el de error relativo
más pequeño, 1.5% en el caso anterior).
EJEMPLO 2:
Juan solicita, en la estación de servicio, 20litros de gasolina. El empleado, por error, le
proporciona sólo 5litros. ¿Qué error se cometió?
Si 𝑃 = 5 es una aproximación de 𝑃 = 20, el error absoluto es:
𝑒𝑎 (𝑥) = 𝖨20 − 5𝖨 = 15

𝖨20 − 5𝖨 15
𝑒𝑟 (𝑥) = = = 0.75
20 20

Y el error relativo porcentual es:

𝑒 % = 𝑒𝑟 ∗ 100% = 75%
Conclusión: El 75% por ciento es un error demasiado notable.

4. REPRESENTACIÓN DE NÚMEROS EN EL COMPUTADOR

La forma de expresión numérica de uso cotidiano se denomina sistema decimal, debido a que su
base es el diez una computadora no puede almacenar los números con una cantidad infinitas de dígitos,
solo puede manejar una cantidad finita que utiliza una aproximación que solo contiene un número fijo
de bits (dígitos binarios de 0 ó 1) o bytes (paquetes de 8 bits) para cada número.
Las distancias aproximaciones se diferencian en el número de bits que utilizan en las
representaciones es decir se diferencian en la longitud de palabra (conjunto de bits representan un
numero en base 2) utilizada.
Tipos de representación
- Representación de números enteros o de punto fijo: son números con signos pero sin parte
fraccionaria. Al intentar almacenar un numero entero en la memoria del computador este no
almacena signos solo bits. Considérese una palabra de 16 bits para almacenar números enteros
de los 16 bits el primero representa el signo del número un cero un signo más y un uno es un

pág. 3
 signo menos. Los 15 bits restantes pueden usarse para guardar números binarios desde
000000000000000 hasta 111111111111111.
EJEMPLO:

- Representación de número real o de punto flotante: Un número real se almacena en una

variable especificando 3 componentes: el signo (+ o -), la mantisa y el exponente.

La mantisa es la fracción es una secuencia de bits que siempre comienza en 1. El exponente

(característica) indica en donde colocar el punto que separa la parte entera de la fraccionaria.
Un valor 0 indica que el punto se coloca justo antes del primer bit. Un valor 4 indica que se
coloca después del cuarto bit. Un valor -3 indica que hay que imaginar que el número va
precedido por 0.000 y luego viene la mantisa.
EJEMPLO:

Conclusiones:
 El signo es positivo (bit de signo igual a 0).
 El exponente se obtiene como 131 − 127 = 4, que en sistema decimal da 24 = 16.
 La mantisa 1 + 241/1024 = 1.2353515625 se obtiene sumando: 1, 1/8, 1/16,
1/32, 1/64 𝑦 1/1024.

pág. 4
5. SERIES DE TAYLOR Y ERRORES DE TRUNCAMIENTO
Suponga que 𝑓 ∈ 𝐶 𝑛 [𝑎, 𝑏], 𝑓 (𝑛+1) existe en [𝑎, 𝑏], y 𝑥𝑜 ∈ [𝑎, 𝑏]. Para cada 𝑥 ∈ [𝑎, 𝑏], existe un
número 𝜉(𝑥) entre 𝑥𝑜 y 𝑥 con:
𝑓(𝑥) = 𝑃𝑛 (𝑥) + 𝑅𝑛 (𝑥) ,
Donde:
(𝑥 − 𝑥𝑜 )2 (𝑥 − 𝑥𝑜 )𝑛
𝑃𝑛 (𝑥) = 𝑓(𝑥𝑜 ) + +𝑓 ′ (𝑥𝑜 )(𝑥 − 𝑥𝑜 ) + 𝑓 ′′ (𝑥𝑜 ) [ ] + ⋯ + 𝑓 𝑛 (𝑥𝑜 ) [ ]
2! 𝑛!
𝑛
𝑓 (𝑘) ∗ (𝑥𝑜 )
=∑ ∗ (𝑥 − 𝑥𝑜 )𝑘
𝑘!
𝑘=0

𝑓 (𝑛+1) ∗ 𝜉(𝑥)
𝑅𝑛 (𝑥) = ∗ (𝑥 − 𝑥𝑜 )(𝑛+1)
(𝑛 + 1)!
Aquí 𝑃𝑛 (𝑥) es llamado el n–ésimo polinomio de Taylor para 𝑓 alrededor de 𝑥𝑜 y 𝑅𝑛 (𝑥) recibe el
nombre de residuo (o error de truncamiento) relacionado con 𝑃𝑛 (𝑥). Puesto que el número 𝜉(𝑥) en el
error de truncamiento 𝑅𝑛 (𝑥) depende del valor de 𝑥 donde se evalúa el polinomio 𝑃𝑛 (𝑥), es una
función de la variable 𝑥. Sin embargo, no deberíamos esperar ser capaces de determinar la función
𝜉(𝑥) de manera explícita. El teorema de Taylor simplemente garantiza que ésta función existe y que su
valor se encuentra entre 𝑥 y 𝑥𝑜 . De hecho, uno de los problemas comunes en los métodos numéricos es
tratar de determinar un límite realista para el valor de 𝑓 (𝑛+1) ∗ 𝜉(𝑥) cuando 𝑥 se encuentra en un
intervalo específico.
La serie infinita obtenida al tomar el límite de 𝑃𝑛 (𝑥) conforme 𝑛 → ∞ recibe el nombre de serie
de Taylor para 𝑓 alrededor de 𝑥𝑜 . En caso de que 𝑥𝑜 = 0, entonces al polinomio de Taylor con
frecuencia se le llama polinomio de Maclaurin y a la serie de Taylor a menudo se le conoce como
serie de Maclaurin.
El término error de truncamiento en el polinomio de Taylor se refiere al error implicado al
utilizar una suma truncada, o finita, para aproximar la suma de una serie infinita.

Teorema: La serie de Taylor

′ (𝑎)(𝑧 ′′ (𝑎)
(𝑧 − 𝑎)2 ′′′ (𝑎)
(𝑧 − 𝑎)3
𝑓(𝑧) = 𝑓(𝑎) + 𝑓 − 𝑎) + 𝑓 [ ]+𝑓 [ ]+⋯
2! 3!

pág. 5
 Es una representación válida de 𝑓(𝑧) en todos los puntos en el interior de cualquier círculo que
tenga su centro 𝑎 y dentro del cual 𝑓(𝑧) sea analítica.

Teorema: si 𝑓 ∈ ∁𝑛+1 [𝑎, 𝑏] y 𝑥𝑜 ∈ (𝑎, 𝑏). Se tiene que para cualquier 𝑥 ∈ [𝑎, 𝑏] existe
𝜉 entre 𝑥𝑜 y 𝑥 tal que:

′(𝑥𝑜 )
(𝑥 − 𝑥𝑜 )2 (𝑥 − 𝑥𝑜 )𝑛−1
𝑓(𝑥) = 𝑓(𝑥𝑜 ) + [𝑓 ∗ (𝑥 − 𝑥𝑜 )] + [𝑓 ′′ (𝑥𝑜 ) ∗ ] + ⋯ + [𝑓 𝑛−1 (𝑥 )
𝑜 ∗ ] + 𝑅𝑛
2! (𝑛 − 1)!

Donde
(𝑥 − 𝑥𝑜 )𝑛
𝑅𝑛 = 𝑓 𝑛 (𝜉) ∗
𝑛!

n–ésimo polinomio de Taylor

Definimos el n-ésimo polinomio de Taylor como el polinomio de grado 𝑛 obtenido de la serie de
Taylor, al considerar sólo los términos hasta el grado 𝑛. Esto es:
(𝑧 − 𝑎)2 (𝑧 − 𝑎)𝑛
𝑃𝑛 (𝑧) = 𝑓(𝑎) + +𝑓 ′ (𝑎)(𝑧 − 𝑎) + 𝑓 ′′ (𝑎) [ ] + ⋯ + 𝑓 𝑛 (𝑧 − 𝑎) [ ]
2! 𝑛!

Se tiene además que:

𝑓(𝑧) = 𝑃𝑛 (𝑧) + 𝑅𝑛+1

Teorema: Si la serie de potencias 𝑐𝑜 + 𝑐1 (𝑧 − 𝑎) + 𝑐2 (𝑧 − 𝑎)2 + 𝑐3 (𝑧 − 𝑎)3 + ⋯ converge para

𝑧 = 𝑧1 , entonces converge absolutamente para todos los valores de 𝑧 tales que |𝑧 − 𝑎| < |𝑧1 − 𝑎|
converge de manera uniforme para todos los valores de 𝑧 tales que |𝑧 − 𝑎| ≤ 𝑟 < |𝑧1 − 𝑎|.
EJEMPLO:
Dada la función 𝒇(𝒛) = 𝐥𝐧(𝒛 + 𝟏) , 𝒛 ≥ 𝟎. Se tiene
1 1 2! 3!
𝑓 ′ (𝑧) = ; 𝑓 ′′ (𝑧) = − ; 𝑓 ′′′ (𝑧)
= ; 𝑓 𝑖𝑣 (𝑧)
= − ;…
𝑧+1 (𝑧 + 1)2 (𝑧 + 1)3 (𝑧 + 1)4
Evaluando las derivadas en 𝑧 = 0 se obtiene:
𝑓(0) = 0 ; 𝑓 ′ (0) = 1 ; 𝑓´´(0) = −1 ; 𝑓´´´(0) = 2! ; … ; 𝑓 𝑛 (0) = (𝑛 − 1)!
Por lo que:
1 1 1 1 1
𝑃𝑛 (𝑧) = 𝑧 − 𝑧 2 + 𝑧 3 − 𝑧 4 + 𝑧 5 + ⋯ + 𝑧 𝑛
2 3 4 5 𝑛
El residuo está dado por:

pág. 6
 𝑛 (𝜉)
(𝑧)𝑛 𝑧 𝑛 ∗ (−1)𝑛+1
𝑅𝑛 = 𝑓 ∗ = donde 𝜉 está entre 0 y 𝑧.
𝑛! 𝑛 ∗ (𝜉 + 1)𝑛
Además, el residuo satisface que,
𝑧𝑛
|𝑅𝑛 | ≤ | |
𝑛

6. FACTORIAL
El factorial de un entero positivo 𝒏, el factorial de 𝒏 o 𝒏 factorial se define en principio como el
producto de todos los números enteros positivos desde 1 (es decir, los números naturales) hasta n. Por
ejemplo:
𝟓! = 𝟏 ∗ 𝟐 ∗ 𝟑 ∗ 𝟒 ∗ 𝟓 = 𝟏𝟐𝟎
La operación de factorial aparece en muchas áreas de las matemáticas, particularmente en
combinatoria y análisis matemático. De manera fundamental el factorial de 𝒏 representa el número de
formas distintas de ordenar 𝒏 objetos distintos (elementos sin repetición). Este hecho ha sido conocido
desde hace varios siglos, en el siglo XII por los estudiosos hindúes.
La definición de la función factorial también se puede extender a números no naturales
manteniendo sus propiedades fundamentales, pero se requieren matemáticas avanzadas,
particularmente del análisis matemático.

pág. 7
7. BIBLIOGRAFÍA / LINKOGRAFÍA
- Concepto y trascendencia histórica del análisis numérico:
 Ojeda, L. (2011). ANÁLISIS NUMÉRICO BÁSICO. Guayaquil: Escuela Superior
Politécnica del Litoral.
 “THE HISTORY OF NUMERICAL ANALYSIS AND SCIENTIFIC COMPUTING”.
Recuperado de http://history.siam.org/.
- Importancia del análisis numérico en la Ingeniería:
 Caicedo, L., Rodríguez, G., Durán, A. (2000). “Las Matemáticas y La Ingeniería
Química, Una Relación Sinérgica”. Recuperado de https://revistas.unal.edu.co/ind.
 ex.php/ingeinv/article/view/21315/22282.
- Definiciones de errores:
 Aubanell., A. Benseny., A. Delshams. (1993). “ÚTILES BÁSICOS DE CÁLCULO
NUMÉRICO”. Recuperado de https://books.google.com.ec/.

pág. 8
  Mantilla, I. (2004). “ANÁLISIS NUMÉRICO”. Recuperado de
https://books.google.com.ec/.
- Representación de números en el computador:
 Amat, S., Busquier, S. (2014). “CÁLCULO NUMÉRICO”. Recuperado de
https://books.google.com.ec/.
 Nieves, A., Domínguez, F. (2014). “MÉTODOS NUMÉRICOS APLICADOS A LA
INGENIERÍA”. (4ta ed). Recuperado de https://books.google.com.ec/.
 “Representación de números en el computador”. Recuperado de
https://users.dcc.uchile.cl/~lmateu/CC10A/Apuntes/rep/index.html.
- Series de Taylor y errores de truncamiento:
 Burden, R., Faires, J. (2002). “Análisis Numérico” (7ma ed.). México: THOMSON
LEARNING.
 Gutiérrez, J., Olmos, M., Casillas, J. (2010). “Análisis Numérico”. México: McGraw
Hill.
- Factorial:
 “Factorial”. Recuperado de https://es.wikipedia.org/wiki/Factorial.

pág. 9