Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición de los
métodos numéricos
y cálculo de errores
1. Consideraciones generales sobre los
métodos numéricos.
1. Consideraciones generales sobre los métodos numéricos.
Introducción
Historia
Los métodos numéricos como ciencia estructurada y rigurosa, tienen un estudio
relativamente joven, empezando a finales del siglo XIX inicios del siglo XX.
Sin embargo desde tiempos remotos se emplearon métodos de aproximación,
siendo un aprueba de esto el descubrimiento del Papiro de Rhind o Ahmes, que
data del año 1650 AC. Elemento de 6m por 33cm, representa la mejor fuente de
información sobre matemática egipcia, posee 80 ejercicios resueltos, de cálculo
de volumen de frutas, áreas, raíces cuadradas, Etc.
En contraste en 1984 Math Works desarrolla el lenguaje de programación
MatLab, orientado al trabajo de Matrices.
1.. Consideraciones generales sobre los métodos numéricos
EN RESUMEN:
Antes de la era de la computadora los ingenieros sólo contaban con tres métodos para
la solución de problemas:
1. Se encontraban las soluciones de algunos problemas usando métodos exactos o
analíticos. Dichas soluciones resultaban útiles y proporcionaban una comprensión
excelente del comportamiento de algunos sistemas. No obstante, las soluciones
analíticas sólo pueden encontrarse para una clase limitada de problemas.
2. Para analizar el comportamiento de los sistemas se usaban soluciones gráficas, las
cuales tomaban la forma de gráficas o monogramas; aunque las técnicas gráficas se
utilizan a menudo para resolver problemas complejos, los resultados no son muy
precisos.
3. Para implementar los métodos numéricos se utilizaban calculadoras y reglas de
cálculo. Aunque dichas aproximaciones deberían ser perfectamente adecuadas para
resolver problemas complicados, en la práctica se presentan varias dificultades debido
a que los cálculos manuales son lentos y tediosos.
2. Aplicación de la computadora a los métodos numéricos.
SOLUCIÓN
SOLUCIÓN
Métodos muy elaborados y con
frecuencia complicados para ser Método de la computadora fácil
manejable el problema de usar
INTERPRETACIÓN
Programación y software
• Los programas computacionales son únicamente
conjuntos de instrucciones que dirigen a la computadora
para realizar una cierta tarea. Un ejemplo de programas
o software utilizados son el Excel, Geogebra y MATLAB.
2. Aplicación de la computadora a los métodos numéricos.
Algoritmo
Es importante definir el término Algoritmo, y analizar sus principales
características.
• Algoritmo.- procedimiento que nos indica la serie de pasos y decisiones que
se va a tomar para la solución de un problema.
• Finito.- siempre debe terminar en un número determinado de pasos
• Definido.- las acciones deben definirse sin ambigüedad.
• Entrada.- puede tener una o varias entradas
• Salida.- debe tener una o varias salidas.
• Efectivo.- las operaciones deben ser básicas para q pueden hacerse en un
determinado tiempo. Tiempo no mayor al que le tome a una persona
empleado papel y lápiz.
2. Aplicación de la computadora a los métodos numéricos.
Algoritmo
• Ej : algoritmo
que permita
leer dos valores
distintos,
determinar
cuál es el
mayor y
escribirlo
2. Aplicación de la computadora a los métodos numéricos.
Diagrama de flujo
Los algoritmos por tanto son necesarios para poder potencializar la aplicación de recursos
tecnológicos (computadora) a los Métodos Numéricos, pues esta se convierte en una herramienta
útil, pero no resuelve problemas por sí sola, sino que necesita que alguien especifique una serie de
instrucciones para la solución de estos problemas.
Obsérvese que en este caso específico no existe variable independiente por que aún no se
predice como varía la aceleración con respecto al tiempo o al espacio.
2. Aplicación de la computadora a los métodos numéricos.
a → número aproximado.
A → número exacto
3. Números exactos y aproximados.
Otras definiciones:
Exactitud
Precisión
Tolerancia o incertidumbre
3. Números exactos y aproximados.
•Exactitud: Aproximación
con la cual la lectura de un
instrumento se acerca al
valor real de la variable
medida.
Es una estimación del posible error en una medida. Dicho de otra forma, es un estimación del rango de
valores que contienen el valor verdadero de una medida. La incertidumbre generalmente esta referida en
términos de la probabilidad de que el valor verdadero difiera de un rango establecido de valores.
R= x ± s
Donde:
x : Es la exactitud de la medida.
s : Es la precisión de la medida.
3. Números exactos y aproximados.
Ejemplo: Dadas las siguientes lecturas tomadas por un operador calcular la
incertidumbre R de la medida.
3. Números exactos y aproximados.
4. Redondeo de números.
4. Redondeo de números
En la práctica de métodos numéricos, surge a menudo la necesidad de
redondear un número, o sea, reemplazarlo con otro que tienen una menor
cantidad de cifras.
563,4500001 → 4 cifras
= 563.5 por el 1
4. Redondeo de números
Truncamiento.-
RECORDEMOS:
Precisión.- relacionada con la cantidad de números.
0,000956 → 3 cifras
956,00 → 5 cifras
3,76*10 10 → 3 cifras
5. Cifras significativas
Condiciones:
1.- Cuando hay un entero todas las cifras son significativas.
2.- Cuando un cero se encuentra entre dos cifras distintas, este también es
considerado cifra significativa
Ej: 1,05 →3 cifras significativas
3.- Cuando los ceros se usan solo para la ubicación de la coma no son
significativas Ej: 0.009 → 1 cifras significativas
4.- cuando los ceros estas después de la coma, y antes de esta, están otras
cifras los ceros también son cifras significativas
Ej: 17.00 → 4 cifras significativas
5.-cuando tenemos cantidades grandes terminadas en ceros, estos pueden o
no ser cifras significativas.
Ej: 12300 → 5 o 3 cifras significativas
5. Cifras significativas
5. Cifras significativas
•Número (obligatorio): El
número que será redondeado.
•Cifra_significativa
(obligatorio): La cifra significativa
hacia la que será redondeado el
número.
5. Cifras significativas
Ejemplo de la función MULTIPLO.INFERIOR
Si se tiene en Excel una lista de productos con sus respectivos precios.
a- Δa ≤ A ≤ a+ Δa a- Δa ≤ A ≤ a+ Δa
3,14 - Δa ≤ π ≤3,14+ Δa 3,14 - Δa ≤ π ≤3,14+ Δa
3,14< π < 3,15 supuesto 3,14< π < 3,142 supuesto
|π-a |<0,01 |π-a |<0,002
Por tanto: Δa=0,01 Por tanto: Δa=0,002
𝐴−a
𝐸𝑣 ≥ x100%, a≠0
a
ERROR
ERROR RELATIVO
Ejemplo: el peso de 1 dm3 de agua a 0°C viene dado por p=999,847±0,001 (gramos
fuerza). Determine la cota del error relativo porcentual del resultado del peso del agua.
Δp=0,001
p≤ 999,846 gf
0,001
𝐸𝑣 ≥ x100%= 1x10-4 %
999,846
ERROR
EJERCICIO:
Si las medidas de tiempo de un recorrido efectuadas por diferentes alumnos son:
3,01s / 3,11s / 3,20 s / 3,15 s
Hallar los errores absoluto y relativo de cada medida, para t=3s.
Medidas Errores absolutos Errores relativos
3,01 s 3,01 - 3,12 = - 0,11 s -0,11 / 3,12 = - 0,036
(- 3,6%)
3,11 s 3,11 -3,12 = - 0,01 s -0,01 / 3,12 = - 0,003
(- 0,3%)
3,20 s 3,20 -3,12 = + 0,08 s +0,08 / 3,12 = + 0,026
(+ 2,6%)
3,15 s 3,15 - 3,12 = + 0,03 s +0,03 / 3,12 = + 0,010
(+ 1,0%)
ERROR
EJERCICIO:
Error de truncamiento: Ej. Cuando una calculadora básica sólo toma en cuenta los dígitos
que cabe en la pantalla y no se analiza el primer dígito perdido.
Error de redondeo: Ej. Al usar 1/3 =0.333 se comete un error de redondeo.
6. Clasificación de los errores
ERROR
4. Errores de operación.- se originan durante las operaciones cuando utilizamos números
aproximados.
Área de un circulo diámetro 2: A= pi*d2/4
q = xn ⇒ δq = n · δx
1
q= x1/n ⇒ δq = · δx. (raíz)
𝑛
UNIDAD 2:
SOLUCIÓN DE ECUACIONES NO
LINEALES
SOLUCIÓN DE ECUACIONES NO LINEALES
Separar las raíces quiere decir partir todo el dominio de los valores
admisibles en segmentos en cada uno de los cuales existe una sola
raíz.
Método gráfico:
Un método simple para obtener una aproximación a la raíz de la
ecuación f(x) = 0 consiste en graficar la función y observar dónde
cruza el eje x.
Ejercicio:
Determinar gráficamente en Geogebra entre qué números enteros
están encerradas las raíces de la ecuación: x3 -3x-1=0
SEPARACIÓN DE RAÍCES
Método gráfico:
Ejercicio:
Determinar gráficamente en Geogebra,
entre qué números enteros están
encerradas las raíces de la ecuación:
x3 -3x-1=0
SEPARACIÓN DE RAÍCES
Método gráfico:
Ejercicio:
Utilice el método gráfico para determinar el coeficiente de arrastre c
necesario para que un paracaidista de masa m = 68.1 kg tenga una
velocidad de 40 m/s después de una caída libre de t = 10 s.
Nota: La aceleración de la gravedad es 9.8 m/s2.
Ejercicio:
Utilice el método gráfico para
determinar el coeficiente de arrastre
c necesario para que un paracaidista
de masa m = 68.1 kg tenga una
velocidad de 40 m/s después de una
caída libre de t = 10 s.
Nota: La aceleración de la gravedad
es 9.8 m/s2.
SEPARACIÓN DE RAÍCES
Método gráfico:
Ejercicio:
Utilice el método gráfico para
determinar el coeficiente de arrastre
c necesario para que un paracaidista
de masa m = 68.1 kg tenga una
velocidad de 40 m/s después de una
caída libre de t = 10 s.
Nota: La aceleración de la gravedad
es 9.8 m/s2. rpta= 14,8
SEPARACIÓN DE RAÍCES
Método Analítico:
Si una función f(x) es continua sobre el segmento [xa, xb], entonces
en este segmento siempre hay puntos en los cuales ella toma los
valores máximos y mínimos, y para determinarlos es necesario:
Método de Bisección
Base: Una función cambia de signo en
la proximidad de una raíz
f(cn) <
2,89x10-9<0.00001
a1 cn b1 fa fc
0 1 2 -1 0,7182
0 0,5 1 -1 -0,3513
0,5 0,75 1 -0,3513 0,117
0,5 0,625 0,75 -0,3513 -0,132
0,625 0,6875 0,75 -0,132 -0,0113
0,6875 0,71875 0,75 -0,0113 0,05186
Matlab
Características.
• Lenguaje de alto nivel para cálculo numérico y desarrollo de
aplicaciones.
• Cuenta con funciones matemáticas para algebra lineal
estadística, integración numérica, resolución de ecuaciones
diferenciales ordinarias.
• gráficos integrados para visualización de datos y herramientas
para crear gráficos personalizados.
• Herramientas de desarrollo para mejorar la calidad del código.
• Herramientas para creación de aplicaciones con interfaces
graficas personalizadas.
• funciones para integrar algoritmos con aplicaciones externas
como c java Excel.
Matlab
Comand Window
Ventana donde se ejecutan interactivamente las
instrucciones, y donde se muestran los resultados
correspondientes. Es la ventana más importante.
Lo caracteriza el prompt o aviso. Programa
preparado para recibir instrucciones. Ingreso de variables.
a=3 enter
…b=6 enter….
c=3 enter….
d =a+b+c enter
a=3; enter… que sucede.?
a=3; b=6; c=9; d=a+b+c …. Enter
Matlab
WORKSPACE
En esta ventana se lista las
variables que en un
determinado momento se
están utilizando. Se pueden ver
las variables antes utilizadas.
Click derecho en una variable
se puede cambiar de nombre.
Característica importante,
MATLAB trata las variables
como arrays o matrices, en
este caso de 1x1
Matlab
Editor debugger.
Ventana en la que el usuario, puede escribir o crear sus propios programas en
archivos con extensión .m. New Script.
Contienen conjuntos de comandos o definición de funciones. Se logra
ejecutar uno tras otro todos los comandos contenidos en este tipo de fichero.
Limpiar variables.
Clear all
Clc
Matlab
Vectores o matrices.
Vectores fila elementos separados por espacios o coma. v= [2 3 4]
Vector columna.- separados por punto y coma; m= [3 4 5; 6 7 8; 9 10 11]
Crear dos matrices distintas, probar operaciones.
Matlab
Graficas
>> x=[-2:0.01:2];
>> y=sin(x)+cos(x)*2;
>> plot(x,y)
x=[-5:0.01:5];
y=3*x.^3+2*x-17;
z=zeros(size(x));
grid on
hold on
plot (x,y)
Matlab
ALGORITMOS
EJEMPLO:
Programa que calcula error absoluto, relativo y valor aproximado de las
cifras significativas
MÉTODO DE LA REGLA FALSA
MÉTODO DE LA REGLA FALSA
Aún cuando la bisección es una técnica
perfectamente válida para determinar raíces, su
método de aproximación por "fuerza bruta" es
relativamente ineficiente. f(b1)
La falsa posición es una alternativa basada en
una visualización gráfica que consiste en unir
f(a1) y f(b1) con una línea recta. La intersección
de esta línea con el eje de las x representa una
a1 ai an
mejor aproximación de la raíz.
El hecho de que se reemplace la curva por una b1
línea recta de una "falsa posición" de la raíz da
el nombre de método de la falsa posición, o en f(a1)
latín, regula falsi. También se le conoce como
método de interpolación lineal.
MÉTODO DE LA REGLA FALSA
Usando triángulos semejantes, y haciendo
algunos arreglos matemáticos, la intersección
de la línea recta con el eje de las x se estima
f(b1)
mediante: f(b1)
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎2 = 𝑏1 − a1 ai an
𝑓 𝑎1 − 𝑓(𝑏1ሻ
b1
f(a1)
MÉTODO DE LA REGLA FALSA
Algoritmo:
1. Se escogen los valores iniciales a1 y b1, que
encierran la raíz f(b1)
f(b1)
2. Determinar la primera aproximación a2:
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
3. Realizar las evaluaciones (una sola vez, en la a1 ai an
primera iteración.)
b1
f(a1)*f(ai)<0 raíz en primer intervalo
f(a1)*f(ai)>0 raíz en segundo intervalo
f(a1)
f(a1)*f(ai)=0 raíz encontrada
4.- Se realiza una nueva aproximación hasta que se alcance la tolerancia especificada
MÉTODO DE LA REGLA FALSA
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
𝑓 1.5 . (1 − 1.5ሻ
𝑎i = 1.5 −
𝑓 1 − 𝑓(1.5ሻ
−0,182335 . (−0.5ሻ
𝑎i = 1.5 −
0,367879 − (−0,182335ሻ
𝑎i = 1.334306
MÉTODO DE LA REGLA FALSA
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
𝑓 1.334306 . (1 − 1.334306ሻ
𝑎i = 1.334306 − = 1.312977
𝑓 1 − 𝑓(1.334306ሻ
Aquí podemos calcular el error relativo porcentual, puesto que contamos ya con la aproximación nueva
y la aproximación anterior:
ai nueva - ai anterior
Erp = * 100% = 1.62%
ai nueva
Puesto que no se ha logrado el objetivo, continuamos con el proceso
MÉTODO DE LA REGLA FALSA
Ejemplo 1. Aproximar la raíz de f(x) = e -x-ln(x)
Hasta que el error relativo porcentual sea menor al 1%
Se evalúa f(xr) para determinar en cuál de los dos intervalos está la raíz:
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
MÉTODO DE LA REGLA FALSA
Ejercicio. Obtener una solución única de 𝒇 𝑿 = 𝑿𝟑 + 𝟒𝑿𝟐 − 𝟏𝟎
en el intervalo [1,2] mediante el método de la regla falsa
Iteración a1 F(a1) b1 F(b1) ai F(ai)
1 1 -5 1,5 2,375 1,33898305 -0,4278675
2
3
4
5 1,36523002
6 1,36523001
7 1,36523001
𝑓 𝑏1 . (𝑎1 − 𝑏1ሻ
𝑎i = 𝑏1 −
𝑓 𝑎1 − 𝑓(𝑏1ሻ
SOLUCIÓN DE ECUACIONES NO LINEALES
➢Método de Newton-Raphson.
➢Método de la Secante.
➢Aproximaciones sucesivas
SOLUCIÓN DE ECUACIONES NO LINEALES
Método de Newton-Raphson
Método de Newton-Raphson
Este método es uno de los más utilizados para
localizar raíces ya que en general es muy eficiente
y siempre converge para una función polinomial.
Se requiere que las funciones sean diferenciables,
y por tanto, continuas, para poder aplicar este
método.
𝒙𝒊 , 𝒇 𝒙𝒊
Se debe partir de un valor inicial para la raíz: 𝑥𝑖 ,
este puede ser cualquier valor, el método
convergirá a la raíz mas cercana, es decir se pude
trazar una tangente desde el punto 𝑥𝑖 , 𝑓 𝑥𝑖 de
la curva.
Si se extiende una tangente desde el punto
𝑥𝑖 , 𝑓 𝑥𝑖 , el punto donde esta tangente cruza al
eje x representa una aproximación mejorada de la
raíz r.
Método de Newton-Raphson
• La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una recta.
Pendiente de una recta:
𝑓(𝑋𝑖 ሻ
𝑋𝑖+1 = 𝑋𝑖 − ′
𝑓 𝑋𝑖
3
𝑥𝑖 , 𝑓 𝑥𝑖
4 0,79128795
5 0,79128785
Método de Newton-Raphson
Ejercicio: precisar hasta = 0,000001 la raíz de la ecuación 𝑓 𝑋 = 𝑋 3 + 3𝑋 2 − 3𝑥, situada sobre el
segmento [0 ; 1].
Iteración Xi F(xi) F’(xi) Xi+1 F(xi+1)
1 0,6 -0,504 1,68 0,9 0,459
4 0,79128795
5 0,79128785
𝑥𝑖 , 𝑓 𝑥𝑖
SOLUCIÓN DE ECUACIONES NO LINEALES
Método de la Secante
Método de la Secante
Un problema que presenta el
método de Newton Raphson es
que existen algunas derivadas
que no son muy fáciles de
evaluar.
El método de la secante, es otro
método para aproximar el cero
de una función en el que en
cada iteración se evalúa la
función y no la derivada.
Se puede aproximar la derivada
mediante una diferencia.
El método de la secante usa una
diferencia en vez de la derivada,
para aproximar la pendiente.
Método de la Secante
• Si recordamos la fórmula f ( xu )( xl − xu )
de la falsa posición: xr = xu −
f ( xl ) − f ( xu )
• Y vemos la fórmula de la
secante: f ( xi )( xi −1 − xi )
xi +1 = xi −
f ( xi −1 ) − f ( xi )
Método de la Secante
Diferencia entre Secante y Falsa Posición
• Se diferencian por
la forma en que
uno de los valores
iniciales se
reemplaza con la
aproximación.
Método de la Secante
Ejemplo:
-Determine la menor raíz real de:
f ( x) = −11 − 22x + 17 x − 2.5 x
2 3
a) Gráficamente
b) Usando el método de la secante para un valor
de Erpcon tres cifras significativas
a) Gráficamente: x −0.4
Método de la Secante
b) Por el método de la secante (Erp<0.05%): f ( x) = −11 − 22 x + 17 x 2 − 2.5 x 3
1) Se dan 2 valores: Xi y Xi-1 → [Xi y Xi-1 ] = [-1 y 0]
2) Se calcula f(xi) y f(xi-1) → f[-1 y 0]=[30,5 y -11]
3) Se obtiene Xi+1 mediante → xi +1 = xi − f ( xi )( xi −1 − xi )
f ( xi −1 ) − f ( xi )
la fórmula de la secante:
(30.5)(0 − (−1))
4) Se vuelve al = −1 − = −0.2651
(−11 − 30.5)
paso 2 para
encontrar una Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 -1 0 30,5 -11 -0.2651 -
nueva raíz:
2 0 -0.2651 -0.4123 35.7
3 -0.2651 -0.4123 -0.3793 8.7
4 -0.4123 -0.3793 -0.3813 0.52
5 -0.3793 -0.3813 -0.3813 0.004
Método de la Secante
Ejercicio:
-Usando el método de la secante,
precisar hasta E=0,00001 la raíz de la
ecuación:
f ( x) = −3 x + 3 x 2 + x 3
situada sobre el segmento [0;1]
-Se pueden tomar valores mayores o
menores aproximados a la raíz.
-Trabajar con 9 cifras significativas
aproximadas
Método de la Secante
Ejercicio:
Raíz en [0;1] → f ( x) = −3 x + 3 x 2 + x 3
E=0,00001
Iter xi-1 xi F(xi) F(xi+1) xi+1=ai Erp(%)
1 0,6 0,7
2
3
4
5
f ( xi )( xi −1 − xi )
xi +1 = xi −
f ( xi −1 ) − f ( xi )