Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programa de la asignatura:
Métodos numéricos
Índice
Presentación de la unidad
Los métodos numéricos proporcionan técnicas con las cuales es posible encontrar
soluciones a modelos matemáticos que representan a una gran variedad de sistemas
físicos o fisicoquímicos dentro de las áreas de las ciencias e Ingeniería.
Asimismo, y debido a las limitantes que presentan los métodos analíticos para resolver
problemas matemáticos no lineales cuya solución suele ser muy complicada, es que los
métodos basados en aproximaciones numéricas son una alternativa la mayor de las
veces más certera que los primeros para encontrar soluciones a dichos problemas.
La primera unidad comienza con la definición, evaluación y análisis de los diferentes tipos
de error, concepto muy necesario para el posterior análisis de los algoritmos y métodos
numéricos implementados para la solución de problemas de la ingeniería.
Finalmente, no me queda más que invitarte a disfrutar del curso y experimentar con ésta
área del conocimiento científico.
Propósitos de la unidad
Competencia específica
1.1. Introducción
Debido a que los problemas reales de ingeniería no siempre pueden resolverse por
métodos analíticos, los métodos numéricos resultan ser una alternativa en una importante
cantidad de casos. A lo largo de esta unidad se usarán los métodos numéricos para
formular, resolver y analizar problemas matemáticos, que representan a un sistema físico
o diversos sistemas de ingeniería a través de modelos.
masa de soluto
concentración = × 100,
masa de disolución
0.9 × 333
= = 2.997.
100
𝑑𝑥 𝑥
=6−( ).
𝑑𝑡 100
𝑑𝑥 ∆𝑥 𝑥(𝑡𝑖+1 ) − 𝑥(𝑡𝑖 )
≅ =
𝑑𝑡 ∆𝑡 𝑡𝑖+1 − 𝑡𝑖
Ejemplo 01:
Supongamos un gran tanque mezclador con una cantidad inicial de 50 𝑘𝑖𝑙𝑜𝑠 de sal
disuelta en los 300 𝑙𝑖𝑡𝑟𝑜𝑠 de salmuera. ¿Qué cantidad de sal habrá en el tanque después
de 10 ℎ𝑜𝑟𝑎𝑠?
Solución
Con ayuda de Mathcad y una explicación cuya liga viene en la sección Para saber más…
se implementó la solución numérica y se graficó la cantidad de sal 𝑥(𝑡) presente en el
tanque mezclador con respecto del tiempo 𝑡. El código fuente puedes encontrarlo en la
carpeta de actividades.
Si consideramos que, en 𝑡(0) se cuenta con una cantidad inicial de 50 𝑘𝑖𝑙𝑜𝑠, entonces
se determinará 𝑥(𝑡) cada ∆𝑡 = 50 𝑚𝑖𝑛, durante 600 𝑚𝑖𝑛.
Figura 2. Solución numérica de la cantidad de sal presente en el tanque en función del tiempo.
Para obtener un resultado numérico más preciso, se deberá reducir el tamaño de paso
∆𝑡. Lo anterior significa incrementar el número de operaciones. En la siguiente Tabla se
muestra la solución exacta 𝑥 y soluciones aproximadas 𝑥𝑎 usando tamaños de paso de
∆𝑡 = 1,5,10.
Por lo anterior, es posible concluir que a mayor exactitud, mayor costo computacional.
Pero, ¿qué significan precisión y exactitud?
La exactitud se refiere a qué tan cercano está el valor calculado del valor exacto. En
estadística se relaciona con el sesgo de una estimación. Cuanto menor es el sesgo más
exacta es la estimación. La precisión se refiere a qué tan cercanos o dispersos se
encuentran entre si el conjunto de valores calculados o medidos.
Figura 4. Supongamos que la solución exacta está centrada en el origen del sistema de
coordenadas. En el inciso (a) los datos de medición son exactos y más precisos que en (b). En
(c) las mediciones no son exactas pero más precisas que (b).
∆𝑥 ∆𝑥 ∆𝑥
∆𝑥 = |𝑥| (|𝑥 0| + |𝑥 1| + ⋯ + |𝑥 𝑛|).
0 1 𝑛
Ejemplo 02:
Solución
𝑛
1 34 + 33 + 34 + 34 + 35
𝑥̅ = ∑ 𝑥𝑖 = = 34𝑚𝑙
𝑛 5
𝑖=1
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ ) 0 + 1 + 0 + 0 + 1 √2
𝜎= √ =√ = = 0.632
𝑛 5 √5
(c) Como la incertidumbre de las mediciones es la misma para los 𝑛 datos, entonces
la propagación de la incertidumbre es,
2.5
𝑣𝑜𝑙𝑢𝑚𝑒𝑛 = 34.0 ± 100% = 34 ± 7.353%
34
Esto es, el error no sólo depende del cálculo numérico sino de factores tales como la
correcta calibración del instrumento de medición, la adecuada forma de tomar las lecturas
y el ambiente en el momento de la medición. La compresión de estos factores puede
ayudarnos a diseñar algoritmos adecuados para el análisis numérico.
|𝑥 − 𝑥𝑎 |
𝑒𝑟 =
|𝑥|
|𝑥−𝑥𝑎 |
𝑒𝑝𝑟 = |𝑥|
× 100.
Ejemplo 03:
Cierto cultivo tiene un número inicial 𝑃0 = 100 de bacterias, después de un tiempo 𝑡 se
observa que la tasa de crecimiento de ciertas poblaciones de bacterias es proporcional a
la población presente en el tiempo 𝑡. Si se conoce la cantidad de población presente en
algún momento inicial arbitrario 𝑡0 , entonces la población futura está dada por,
𝑑𝑃
= 𝑘𝑃
𝑑𝑡
2 −1)
𝑃(𝑡) = 𝑒0.1(𝑡
𝑃𝑖+1 = 𝑃𝑖 + 0.2𝑘𝑡𝑖 𝑃𝑖
Solución
Se implementaron las funciones analíticas y numéricas de crecimiento poblacional 𝑃(𝑡) y
𝑃𝑖+1 . Y después evaluamos el error absoluto y el error relativo entre la solución analítica y
exacta.
|𝑥−𝑥𝑎 | 10−𝑑
|𝑥𝑎 |
< 2
.
Ejemplo 04:
Determinar el número de cifras significativas 𝑑 con las cuales los siguientes números
aproximados 𝑥𝑎 se acercan a los valores exactos 𝑥.
𝑥 𝑥𝑎
3.141592 3.14
1000000 999996
0.00001 0.000009
Solución:
10−𝑑
Si evaluamos para 𝑑 = 0,1, … 8 en una hoja de Excel podemos obtener los valores
2
numéricos de la siguiente Tabla.
10−𝑑
𝑑
2
0 0.5
1 0.0 5
2 0.005
3 0.0005
4 0.00005
5 0.000005
6 0.0000005
7 0.00000005
8 0.000000005
Cálculo del número 𝑑 en Excel.
Ahora, en una segunda Tabla se muestran los resultados de calcular los errores absolutos
y relativos entre los valores numéricos 𝑥𝑎 y 𝑥 y se comparan con la condición para
determinar el número de cifras 𝑑 con las cuales se aproximan entre ellos.
Cifras
𝑥 𝑥𝑎 𝑒𝑎 𝑒𝑟
significativas 𝑑
3.141592 3.14 0.001592 0.000506749 2
1000000 999 96 4 0.000004 5
0.00001 0.000009 0.000003 0.25 0
𝑝 − 𝑞 = −0.0000030805
esta contiene sólo 5 cifras decimales iguales. Esto se conoce como pérdida de cifras
significativas o cancelación.
Ejemplo 05:
Determinar el área de intercambio térmico que se necesita para que un intercambiador
𝐽𝑜𝑢𝑙𝑒𝑠
de calor, con capacidad térmica de 𝑐 = 3810 𝐾𝑔
°𝐶, enfríe 6.9 𝑘𝑔/𝑠𝑒𝑔 de una solución
de alcohol etílico desde 65.6°𝐶 hasta 39.4°𝐶, utilizando 6.3 𝐾𝑔 de agua por segundo a
10°𝐶 hasta 36.2°𝐶.
Figura 9. Proceso de intercambio de calor entre dos fluidos que están a diferentes temperaturas
y separados por una pared sólida. Fuente electrónica:
http://es.scribd.com/doc/41949346/Problemas-de-Transferencia-de-Calor-Intercambiadores
Solución
𝑞 = 𝑈 × 𝐴 × 𝐿𝑀𝑇𝐷,
𝑞
𝐴= ,
𝑈 × 𝐿𝑀𝑇𝐷
donde,
𝑞 = 𝑚 × 𝑐 × ∆𝑇𝐶
y
∆𝑇2 − ∆𝑇1
𝐿𝑀𝑇𝐷 = ∆𝑇
.
𝑙𝑛 (∆𝑇2 )
1
entonces el error relativo porcentual que se comete en los cálculos es del 4%. Esto es,
nos acercamos a la solución exacta con 𝑑 = 3 cifras significativas. Además, si tuviéramos
la incertidumbre asociada a los parámetros de entrada, entonces se podría hacer un
análisis del error de propagación en las operaciones debidas a la multiplicación, división,
sumas y restas de los valores numéricos.
Hasta ahora, hemos aprendido que los errores en cálculos y medidas se pueden
caracterizar con respecto a su exactitud y su precisión. Los errores de redondeo y el uso
de cifras significativas se usan para expresar nuestra confianza en un resultado numérico.
Si las desviaciones de la solución son grandes, habrá que formular un nuevo modelo.
Pero si los valores numéricos están agrupados en un intervalo muy cerca de la predicción
entonces las desviaciones se consideran insignificantes y el modelo parecerá adecuado.
1.2. Errores
1.2.1. Definiciones
Los errores numéricos surgen al llevar a cabo aproximaciones en las operaciones y en las
cantidades matemáticas exactas. En el mundo real existen números como 𝜋, 𝑒 o √2 con
los cuales operamos de manera análitica para la solución de problemas matemáticos. Sin
embargo, esto no sucede en el mundo digital, donde cada número representable tiene
sólo un número finito, fijo de cifras decimales. Para esto, se hace uso del redondeo o
truncamiento de los valores numéricos exactos. Para estos tipos de error, existe una
relación entre los valores aproximados y el valor exacto como, (Burden, R., 2001),
Errores inherentes
Errores por truncamiento
Los errores inherentes son propios de los equipos de medición o bien por errores
humanos en la lectura de los datos.
𝜋 = 3.141592653589793238462643 …
∞
1
𝑒=∑
𝑘!
𝑘=0
Ejemplo 06.
Sea 𝑒 un número irracional (a) Determinar el valor de 𝑒 usando desde el primero hasta el
cuarto término 𝑛 de la serie. Si 𝑒 = 2.71828 es expresado con 5 cifras decimales como
valor exacto, (b) calcular el error absoluto y relativo entre el valor exacto 𝑒 y las sucesivas
aproximaciones.
Solución
1
𝑒𝑛 = ∑𝑛𝑘=0 𝑘!, 𝑛 = 1,2, . .4.
Figura 11. Implementación en Mathcad de la serie de Taylor para el cálculo del número 𝑒.
Conforme aumentamos el número de términos 𝑛 en la serie, disminuye el error entre el valor
exacto y el aproximado.
Si ahora se define un número 𝑥 de máquina decimal con 𝑘 dígitos como, (Mathews, J.,
2004),
𝑥 ≈ ∓0. 𝑑1 𝑑2 … 𝑑𝑘 × 10𝑛
Ejemplo 07:
𝜋 = 3.14159265 … × 101
𝜋 = 3.1415
𝜋 = 3.1416
Ejemplo 08:
Solución
En la gráfica anterior se muestra como decrece el error conforme usamos más cifras
significativas en los cálculos numéricos. Ahora dirígete a la actividad 2, donde analizarás
el error entre los valores teóricos y experimentales que caracterizan un intercambiador de
calor. Implementa tus cálculos usando el software de tu preferencia.
La mayoría de los métodos numéricos son procesos cíclicos o iterativos y se basan en las
denominadas fórmulas de recurrencia. Por ejemplo, se pueden determinar los valores del
número 𝑒 usando la fórmula de recurrencia (Burden, R., 2001).
1
𝑒𝑘 = 𝑒𝑘−1 +
𝑘!
para 𝑘 = 1,2,3. Notemos que 𝑒𝑘 es la 𝑘 − é𝑠𝑖𝑚𝑎 aproximación del número 𝑒 y que además
está en función del valor anterior 𝑒𝑘−1. Para esto es necesario un valor inicial dado, como
por ejemplo 𝑒0 = 1, para generar las siguientes aproximaciones a la solución.
Figura 15. Calculo de error como la diferencia entre la aproximación previa y la actual.
Se dice que el método numérico converge a la solución, si para todo ∈> 0 existe un
entero 𝑚, tal que para todo entero 𝑛 > 𝑚, se cumple que
|𝑥 − 𝑥𝑛 | <∈.
Un sistema se dice estable si para pequeños cambios en los datos de entrada hay
pequeños cambios en los valores de salida.
Ejemplo 09:
Se digitalizó una sección de riñón de ratón donde se observa la corteza renal. La imagen
se muestra a continuación.
Figura 16. Imagen 𝑓(𝑥, 𝑦) de riñón de ratón vista con un objetivo de microscopio de 2.5X en
campo brillante, luz transmitida y 𝐴𝑛 = 0.16. Imagen tomada en el Laboratorio de Óptica de la
UPT.
𝑁 𝐿
Solución
𝑋 𝑌
Figura 17. Reconstrucción de la función imagen 𝑓(𝑥, 𝑦) usando (a) 100 coeficientes, (b) 60, (c) 40 y (d) 20.
Figura 18. Error de reconstrucción entre la imagen exacta y la imagen aproximada. Conforme
aumentamos el número de coeficientes el error decrece. Lo anterior nos indica que el método de
aproximaciones sucesivas implementado es convergente.
Si una función 𝑓(𝑥) posee derivadas continuas hasta orden 𝑛 en el punto 𝑥 = 0, con 𝑛 ≥
1, se buscará un polinomio 𝑃(𝑥) que coincida con 𝑓(𝑥) y con sus 𝑛 primeras derivadas en
𝑥 = 0. Para ello, el polinomio deberá de ser al menos de 𝑛 − é𝑠𝑖𝑚𝑜 grado como
𝑃(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + ⋯ + 𝑎𝑛 𝑥 𝑛
Esta es la expresión del polinomio de Taylor de grado 𝑛 generado por 𝑓(𝑥) en el punto 𝑎.
Ejemplo 10:
Determinar el polinomio de Taylor de grado 𝑛 de la función 𝑓(𝑥) = 𝑒 𝑥 en el punto 𝑥 = 0.
Solución:
El polinomio de Taylor 𝑃(𝑥) de grado 𝑛 para una función 𝑓(𝑥) está dado por la expresión,
(Burden, R., 2001),
𝑛
𝑓 𝑘 (0) 𝑘
𝑃(𝑥) = ∑ 𝑥
𝑘!
𝑘=0
′ (0)𝑥
𝑓 ′′ (0) 2 𝑓 𝑛 (0) 𝑛
= 𝑓(0) + 𝑓 + 𝑥 + ⋯+ 𝑥
2! 𝑛!
𝑓(𝑥) = 𝑒 𝑥
𝑓 ′(𝑥) = 𝑒 𝑥
𝑓 𝑛 (𝑥) = 𝑒 𝑥
entonces,
1 0 𝑒0 1 𝑒0 2 𝑒0
𝑝(𝑥) = 𝑥 + 𝑥 + 𝑥 + ⋯ + 𝑥𝑛
0! 1! 2! 𝑛!
1 1 𝑥𝑘
𝑃(𝑥) = 1 + 𝑥 + 2! 𝑥 2 + ⋯ + 𝑛! 𝑥 𝑛 = ∑𝑛𝑘=0 𝑘! ,
Ahora vamos a evaluar la eficiencia del método para aproximarse a una función solución.
La comparación se hará con una expresión analítica.
Ejemplo 11:
𝑑𝑥 𝑥
=6−( ),
𝑑𝑡 100
o bien,
𝑑𝑥 𝑥
𝑑𝑡
+ (100) = 6.
Solución:
Figura 19. Las curvas discontinuas son sucesivas aproximaciones a la función continúa 𝑥(𝑡)
usando 𝑛 = 0,1, . . ,4 términos. Como se observa, el método converge rápidamente a la curva
solución.
La función 𝑥(𝑡) es la curva continúa, mientras que las funciones 𝑓(𝑡), curvas discontinúas,
y son las aproximaciones sucesivas. Cuando usamos 𝑛 = 0 términos, tenemos una recta
constante, pero conforme 𝑛 se incrementa, la función 𝑓(𝑡) se aproxima a 𝑥(𝑡).
Actividades
Autorreflexiones
Cierre de la unidad
También se han resuelto algunos problemas con la idea de cuantificar algunos de estos
parámetros. Se ha revisado el método de aproximaciones sucesivas y los conceptos de
estabilidad asociado al comportamiento de una curva, asimismo se ha comentado la
Hasta ahora hemos estudiado métodos de solución numérica y análisis de error. Con
estas herramientas podrás abordar adecuadamente problemas de la biotecnología como
fue el caso de los intercambiadores de calor, los cultivos de levadura o el crecimiento
bacterial.
2. Cifras significativas
Para reforzar los conceptos de cifras significativas.
Fuentes de consulta
Mathews, J., Fink K. (2004). Métodos Numéricos con MATLAB. España: Prentice Hall.
(Capítulo 1: Preliminares)
Este es un libro muy adecuado si tienes acceso a un entorno de desarrollo como Matlab,
aunque no necesariamente el uso de este texto requiera estrictamente tener que
programar en este lenguaje. La teoría es muy formal en este libro, lo que garantiza la
exactitud de los métodos estudiados.
Burden, R., Douglas J., (2001). Análisis Numérico. México: CENGAGE Learning..
(Capítulo 1: Preliminares matemáticos)
En este libro encontrarás un análisis formal de los conceptos estudiados así como
pseudocódigo de los métodos numéricos estudiados para ser implementados en el
entorno de programación de tu preferencia.