1

MATEMÁTICAS ESPECIALES

Métodos Numéricos
Primera parte
Profesor: Luis Alberto Díaz

Facultad de Ingeniería
Departamento de Ingeniería Química
UNIVERSIDAD DE ANTIOQUIA

2
Métodos Numéricos

Los métodos permiten resolver problemas matemáticos

empleando únicamente operaciones aritméticas (+ - * /).

Para implementar en forma eficaz los métodos numéricos

hace falta programación por computador.

Antes de que los computadores fueran artículos de uso

general, se tenían varias alternativas:
Soluciones gráficas.
Soluciones analíticas.
Calculadoras.

Los métodos numéricos y los computadores permiten que los

ingenieros se concentren en el planteamiento de los
problemas y el análisis de los resultados en lugar de las
técnicas de solución de los mismos.
3
Métodos Numéricos

Solución analítica vs. solución numérica:

Solución analítica: Permite analizar el comportamiento general de un
sistema, pero generalmente sólo puede obtenerse para problemas
simples.
Solución numérica: Se puede aplicar a problemas muy complejos, pero
sólo permite estimar el comportamiento de un sistema en una situación
particular. Sin embargo, mediante resultados numéricos de muchas
situaciones particulares se pueden obtener algunas conclusiones
generales.

Problemas típicos que se pueden solucionar con métodos numéricos:

Solución de sistemas de ecuaciones (lineales y no lineales, algebraicas,
trascendentes, diferenciales).
Optimización.
Integración y diferenciación.
Interpolación y regresión.

Los métodos numéricos se fundamentan en planteamientos aproximados de

los problemas matemáticos originales.
4
Aplicación a la ingeniería

La actividad distintiva de un ingeniero es el diseño de sistemas de

ingeniería; actividad en la que se utiliza en forma intensiva la simulación.

La simulación es muy utilizada en la ingeniería porque permite desarrollar

“experimentos virtuales” de bajo costo con los que se evalúan diferentes
alternativas de diseño.

La simulación por computador integra:

Modelos matemáticos: Conjuntos de ecuaciones originadas a partir de

la aplicación de leyes físicas fundamentales en el estudio de un
sistema.
Métodos numéricos: Permiten resolver los modelos matemáticos que
describen el problema.
Programación de computadores: Permite aplicar en forma eficaz los
métodos numéricos.

Cuidado: sin modelos matemáticos adecuados los resultados obtenidos

son erróneos.

5
Aplicación a la ingeniería

EJEMPLO: Determine cuantitativamente la forma en la que la

velocidad de caída de un paracaidista cambia con el tiempo.

Sistema: Paracaidista Diagrama de cuerpo libre

Modelo:
dv
m⋅ = FD + FU → Segunda ley de Newton
dt
Ecuaciones FD = m ⋅ g → Acción de la gravedad
v
FU = −c ⋅ v → Ley de arrastre

t = tiempo (s)
v = Velocidad de caída (m/s)
FD = Fuerza debida a la gravedad (N)
Varaibles
FU = Fuerza debida al arrastre (N)
m = Masa del paracaidis ta (kg)
c = Coeficient e de arrastre (N.s/m)

6
Aplicación a la ingeniería

EJEMPLO:

dv c ⋅v
Reducción del modelo: =g−
dt m

m⋅g  − ⋅t 
c
Solución analítica v(0)=0: v (t ) = ⋅ 1 − e m 

c  

Solución numérica:

dv (t i ) v (t i +1 ) − v (t i ) v (t i +1 ) − v (t i ) c ⋅ v (t i )
Como ≅ ≅g−
dt t i +1 − t i t i +1 − t i m

 c ⋅ v (t i ) 
v (t i +1 ) ≅ v (t i ) + (t i +1 − t i ) ⋅  g −
Con la velocidad v(ti) en un
instante de tiempo ti se

 m 
v (t 0 ) = v o
puede calcular la velocidad
en el siguiente instante ti+1 .

7
Aplicación a la ingeniería

EJEMPLO:

Con vo=0, c=12.5, g=9.8, m=68.1, se pueden obtener los siguientes

resultados empleando la solución analítica y la solución numérica:

RESULTADOS NUMÉRICOS
Analítico Numérico
i ti (s)
v(ti) (m/s) v(ti) (m/s)
0 0 0.00 0.00
1 2 16.40 19.60
2 4 27.77 32.00
3 6 35.64 39.86
4 8 41.10 44.82
5 10 44.87 47.97
6 12 47.49 49.96
7 14 49.30 51.22
g (m/s²) 9.8 m (kg) 68.1
c (N.s/m) 12.5 v(0) (m/s) 0

8
 Aplicación a la ingeniería

EJEMPLO 1-1:

Aproximación funcional en la que se Comparación de resultados obtenidos

fundamenta la solución numérica. a partir de las expresiones numérica y
analítica.

9
 Análisis de
APLICACIÓN A Error
LA INGENIERÍA
Los resultados que se obtienen numéricamente difieren de los que
se obtienen analíticamente (cuando esto último es posible) debido
a:

Los métodos numéricos se fundamentan en formulaciones matemáticas

aproximadas de los problemas matemáticos originales (Truncamiento).
Los computadores no tienen capacidad para representar en forma
exacta cualquier valor, por lo que trabajan con aproximaciones de los
valores reales (redondeo).

Conceptos importantes: En el análisis de error se habla de:

Precisión: Tiene que ver con la reproducibilidad de los resultados

obtenidos mediante algún proceso de medición o estimación.
Exactitud: Tiene que ver con la diferencia entre los resultados
obtenidos mediante un proceso de medición o estimación, y los valores
reales.

10
 Análisis de
APLICACIÓN A Error
LA INGENIERÍA

Precisión vs. Exactitud Cifras significativas

11
 Error absoluto
APLICACIÓN y relativo
A LA INGENIERÍA
Las diferencias entre los resultados numéricos y los valores reales
conducen al concepto de error.

Error absoluto (E): Es una diferencia entre valores

Error absoluto verdadero (Et): Corresponde a la diferencia entre el valor
verdadero y el valor estimado de una variable.

Et = (Valor verdadero ) − (Valor estimado )

Error absoluto aproximado (Ea): Utilizado en métodos iterativos,

corresponde a la diferencia entre dos aproximaciones sucesivas del valor
de una variable.

Ea = (Valor estimado actual ) − (Valor estimado anterior )

Error relativo(ε): Corresponde a la relación entre un error absoluto y un

valor de referencia:
Et Ea
εt = , εa =
Valor verdadero (Valor estimado actual)

12
 Error absoluto
APLICACIÓN y relativo
A LA INGENIERÍA
EJEMPLO: Calcule los errores absolutos y relativos de los
resultados obtenidos numéricamente en el Ejemplo 1-1:

Considerando que los resultados verdaderos son los

encontrados mediante la expresión analítica:
RESULTADOS NUMÉRICOS
Analítico Numérico
i ti (s) Et εt
v(ti) (m/s) v(ti) (m/s)
0 0 0.00 0.00 0.00 --
1 2 16.40 19.60 -3.20 -0.19
2 4 27.77 32.00 -4.24 -0.15
3 6 35.64 39.86 -4.21 -0.12
4 8 41.10 44.82 -3.73 -0.09
5 10 44.87 47.97 -3.10 -0.07
6 12 47.49 49.96 -2.47 -0.05
7 14 49.30 51.22 -1.92 -0.04
g (m/s²) 9.8 m (kg) 68.1
c (N.s/m) 12.5 v(0) (m/s) 0

13
 Error de Redondeo
APLICACIÓN A LA INGENIERÍA

Para representar y almacenar el valor de una variable, las

computadoras utilizan una cantidad de memoria limitada. Esto hace
que en algunos casos sea imposible guardar todas las cifras
significativas con las que se especifica una cantidad en forma exacta.

El error de redondeo es la diferencia entre un valor real, y el valor

aproximado que utiliza el computador para representarlo debido a
su cantidad limitada de memoria.

El error de redondeo también se presenta durante los cálculos

aritméticos Los nuevos resultados son representaciones
aproximadas de los resultados verdaderos.

Para entender como las limitaciones de memoria afectan la

exactitud de la representación de valores reales en un computador,
es necesario entender que es un sistema numérico y que tipo de
sistema numérico emplean los computadores.

14
 Error de Redondeo
APLICACIÓN A LA INGENIERÍA
Representación en los computadores:

Los computadores emplean el sistema binario para representar

cantidades. La secuencia de números que representa una cantidad se
guarda en un número limitado de espacios de memoria.

El bit es la unidad básica de almacenamiento de información. Un bit

puede tomar valores 0 ó 1. Es decir, puede guardar uno de los números
en una secuencia que representa una cantidad.

Dependiendo de la forma en la que se declare una variable particular

(en VB: Integer, Single, Double,…), se establece una forma de
representación particular y una cantidad de terminada de bits para
almacenar la información.

15
 Error de Redondeo
APLICACIÓN A LA INGENIERÍA
Representación de cantidades numéricas en una computadora de
memoria limitada:

Existe una cantidad máxima y una cantidad mínima que pueden

representarse.
Incluso dentro de este intervalo, sólo pueden representarse en forma
exacta un número finito de cantidades.
El resto de las cantidades se representan por aproximación a aquellas
que pueden representarse en forma exacta.
La separación entre los números que pueden representarse en forma
exacta aumenta con su magnitud.
Cuando estas cantidades aproximadas se transforman en otras
mediante operaciones aritméticas, los errores debidos a la
aproximación de las cantidades originales se propagan.
Durante las operaciones también se presentan cortes en las cifras de
los resultados. Estos cortes son necesarios para que las nuevas
cantidades puedan representarse con las limitaciones de memoria ya
mencionadas.

16
 ErrorDE
deREDONDEO
APLICACIÓN
ERROR Truncamiento
A LA INGENIERÍA
El error de truncamiento tiene origen en las formulaciones
matemáticas aproximadas que fundamentan los métodos
numéricos. Estas formulaciones aproximadas se construyen a partir
de aproximaciones funcionales.

Las series de Taylor son las formas de aproximación funcional más

empleadas y por esto tienen un papel muy importante en el
desarrollo de varios métodos numéricos (e.g. solución de sistemas
de ecuaciones no lineales, optimización numérica, diferenciación
numérica, etc.)

Para una función f(x) continua y diferenciable se puede construir

una serie de Taylor al rededor de un punto xo como:
∞
f (x ) = ∑ ⋅ f (x o ) ⋅ ( x − x o ) Donde f (k ) (x ) = Derivada de orden " k" de f (x )
1 (k ) k

k =0 k!

17
 ErrorDE
deREDONDEO
APLICACIÓN
ERROR Truncamiento
TRUNCAMIENTO
A LA INGENIERÍA
Con el teorema del valor medio:
n
f (x ) = ∑ ⋅ f ( x o ) ⋅ (x − x o ) + R n
1 (k ) k

k =0 k !

 Residuo de la aproximaci ón de orden " n" 

Rn :  
 de f(x) 
⋅ f (n +1) (ε ) ⋅ (x − x o )
1 n +1
Donde Rn =
(n + 1)!
ε : (Valor que se encuentra entre x y x o )

Siendo h=x-xo (llamado tamaño de paso) se puede plantear

una aproximación de orden “n” para f(x) truncando la serie
de Taylor
n
 Error de la 
f (x ) ≅ ∑ ⋅ f (x o ) ⋅ h k
1 (k )
⋅ f (n +1) (ε ) ⋅ (h )
1 n +1
  = Rn =
k =0 k!  aproximaci ón  (n + 1)!

18
 ErrorDE
deREDONDEO
APLICACIÓN
ERROR Truncamiento
TRUNCAMIENTO
A LA INGENIERÍA

Las series de Taylor permiten encontrar el valor de una función

en un punto “x” a partir de información de la función en un
punto “xo”.

La aproximación funcional de orden “n” tiene un error de orden

“n+1” porque Rn es proporcional a la potencia “n+1” del
tamaño de paso “h”.

Entre mayor es el orden, mejor la aproximación.

La expresión del residuo Rn permite comparar dos

aproximaciones funcionales pero no permite calcular el error
directamente ya que ε es un valor desconocido.

19
 ErrorDE
deREDONDEO
APLICACIÓN
ERROR Truncamiento
TRUNCAMIENTO
A LA INGENIERÍA
ILUSTRACIÓN: Aproximaciones de diferente orden para una
función f(x)

20
 ErrorDE
ERROR Numérico
APLICACIÓN Total
TRUNCAMIENTO
REDONDEO
A LA INGENIERÍA
Es la suma entre el error de redondeo debido a las limitaciones de
los computadores y el error de truncamiento propio de las
aproximaciones matemáticas implícitas en los métodos numéricos.

Para minimizar los errores de redondeo se recomienda:

Cuando sea necesario emplee variables de precisión extendida
(Double o Quad). No las utilice siempre porque esto implica
mayores tiempos de cómputo y un mayor uso de memoria.
Evite restar números casi iguales.

Para minimizar los errores de truncamiento:

Emplear aproximaciones funcionales de orden superior.
Disminuir el tamaño de paso “h”. Sin embargo, tenga en cuenta
que esto puede causar un incremento en el número de cálculos
y por tanto en el error de redondeo.

21
 ErrorDE
Numérico
APLICACIÓN
ERROR NUMÉRICO Total
TRUNCAMIENTO
REDONDEO
A LA INGENIERÍA
TOTAL

En términos generales:

Empleando variables de precisión extendida (double 64 bits o

quad 128 bits) se resuelven la mayoría de los problemas
asociados a los errores de redondeo.

Aunque existen aproximaciones teóricas con las que se puede

estimar el error numérico en ciertas situaciones, en la mayoría
de los casos resulta más conveniente recurrir a la
experimentación numérica (repetir los cálculos con varios
métodos y tamaños de paso para compararlos y estimar que
tan importante es el error numérico total.)

22
SOLUCIÓN DE ECUACIONES NO LINEALES
 SOLUCIÓN DE
ECUACIONES
ERROR
APLICACIÓN NOINGENIERÍA
NUMÉRICO
DE LINEALES
TRUNCAMIENTO
REDONDEO
A LA TOTAL
Problema: Encontrar el (los) valor(es) de x que satisface(n):

f (x ) = 0

Este es un problema básico que aparece en el planteamiento de

muchos otros métodos numéricos. Por esto, es uno de los primeros
problemas que debe analizarse en un curso de métodos numéricos.

La solución a este sistema se denomina ceros o raíces de la

función. Estas raíces pueden ser reales o complejas.

24
 Método
APLICACIÓNgráfico
INTRODUCCIÓN
ERROR NUMÉRICO
DE TRUNCAMIENTO
REDONDEO
A LA INGENIERÍA
TOTAL
El método gráfico permite encontrar una solución
aproximada para una o hasta dos ecuaciones lineales o no
lineales.

25
Método gráfico

EJEMPLO 1: Empelando el método gráfico encuentre la solución a

1000+x-ex=0

26
Bisección

Método solamente aplicable a problemas con una ecuación y una

incógnita.

A diferencia de los métodos abiertos, el método de la bisección

parte de dos estimativos ak y bk que, relativos a la solución x*,
poseen valores tales que ak <x*< bk. Es decir, se parte de
estimativos que encierran la solución del problema.

En forma sucesiva, el algoritmo transforma los estimativos iniciales

en nuevos estimativos que describen intervalos cada vez más
cortos, pero que siguen encerrando la solución.

Los cálculos continúan hasta que los estimativos que encierran la

solución se encuentran muy cerca uno del otro, punto en el que
también serán muy similares a la solución x*.

27
Bisección

Con este método se puede encontrar las raíces de

ecuaciones del tipo f(c)=0 tal cual lo muestra la figura:

28
Bisección

Dependiendo de los signos de f(ak) y f(bk), el intervalo (ak,

bk) puede contener o no un número determinado de raíces.
Si la función es continua y no tiene raíces tangenciales al eje
‘x’ en el intervalo:

a) b) c) d)
Cuando f(ak) y f(bk) tienen el mismo signo: El intervalo
contiene un número par de raíces o ninguna (figuras a) y c))
Cuando f(ak) y f(bk) tienen signo contrario: El intervalo contiene
numero impar de raíces (figuras b) y d))

29
Bisección

Si la función no es continua y/o tiene raíces tangenciales a x

en el intervalo, el número de raíces puede tomar casi
cualquier valor:

e) f)

Los métodos cerrados funcionan adecuadamente sólo cuando

f(x) es continua y se tiene una raíz en el intervalo inicial ak, bk.
Por este motivo, para suministrar ak, bk adecuadamente,
resulta de gran ayuda disponer de un gráfico de f(x) en la
región de interés.

30
Bisección

Búsqueda de valores iniciales (ak, bk):

Se evalúa la función f(x) en una serie de valores xi con i=1,2,…

hasta encontrar un par de valores sucesivos tales que
f(xi-1).f(xi)<0, es decir, valores para los que f(x) posee signos
contrarios. Con estos valores se hace ak =xi-1, bk =xi.

Los valores xi se pueden generar mediante:

Una malla de paso constante: x i = x i −1 + δ

Una malla acelerada: x i = x i −1 + δ ⋅ 2(i −1)

31
Bisección

Formulas recurrentes:
a k si f ( xk ) ⋅ f (ak ) ≤ 0
ak +1 = 
 xk si f ( xk ) ⋅ f (ak ) > 0
x si f ( xk ) ⋅ f (ak ) ≤ 0
bk +1 =  k
bk si f ( xk ) ⋅ f (ak ) > 0
ak + bk
Donde xk =
2

Criterio de paro: xk − xk −1
≤ εx ó f ( xk ) ≤ ε f
xk
 Tolerancia asociada al 
ε x =  
 cambio relativo de x. 
Donde
 Tolerancia asociada al valor 
ε f =  
 absoluto del residuo de la ecuación. 

32
Bisección

En forma gráfica:

33
Bisección

Características del método:

Ventaja: Muy robusto, es decir, alcanza una solución siempre y

cuando se den valores adecuados de ak, bk.
Desventaja: Lento comparado con otros procedimientos

Elementos en un algoritmo de bisección eficiente:

Verificación del error.

Límite máximo de iteraciones.
Evitar divisiones por cero durante el cálculo del cambio relativo
de xk.
Minimiza el número de evaluaciones de f(x).

34
Bisección

EJEMPLO 2: Empelando una malla acelerada con δ=1 y x0=1,

encuentre estimativos iniciales para hallar la solución de 1000+x-
ex=0 mediante el método de la bisección. Posteriormente encuentre
una solución teniendo en cuenta εx=1E-5.

35
Bisección

EJEMPLO 3: Empelando una malla de paso constante con δ=0.5 y

x0=0, encuentre estimativos iniciales para hallar la solución del
ejemplo 3.1 del libro guía mediante el método de la bisección.
Posteriormente encuentre una solución teniendo en cuenta εx=1E-5.

Calcule el volumen molar para el amoníaco gaseoso a presión de 56 atm

y temperatura de 450 K, usando la ecuación de estado de Redlich-
Kwong:

RT a  R 2Tc5 / 2 
P= − donde a = 0.42747 
V − b V (V + b ) T  Pc 
 RT 
P [=] atm b = 0.08664 c 
V [=] L/gmol  Pc 
T [=] K
R [=] 0.08206 atm·L/gmol·K
Tc [=] K, (405.5K para el amoníaco)
Pc [=] atm, (111.3 atm para el amoníaco)

36
 Falsa posición

Falsa posición (Regula Falsi).

f (bk )ak − f (ak )bk bk − ak

xk = xk = bk + f (bk )
f (bk ) − f (ak ) [ f (ak ) − f (bk )]

ak si f ( xk ) ⋅ f (ak ) ≤ 0
ak +1 = 
 xk si f ( xk ) ⋅ f (ak ) > 0
x si f (xk ) ⋅ f (ak ) ≤ 0
bk =  k
bk +1 si f ( xk ) ⋅ f (ak ) > 0

37
Falsa posición modificado

Falsa posición modificado.

a k si f ( xk ) ⋅ f (ak ) ≤ 0
Gk ·ak − Fk ·bk ak +1 = 
xk =  xk si f ( xk ) ⋅ f (ak ) > 0
Gk − Fk
x si f (xk ) ⋅ f (ak ) ≤ 0
bk +1 =  k
bk si f ( xk ) ⋅ f (ak ) > 0
F / 2 si f ( xk ) ⋅ f (ak ) ≤ 0
Fk +1 =  k
 f ( xk ) si f ( xk ) ⋅ f (ak ) > 0
 f ( xk ) si f ( xk ) ⋅ f (bk ) ≤ 0
Gk +1 = 
Gk / 2 si f ( xk ) ⋅ f (bk ) > 0
F0 = f (ak ), G0 = f (bk )

38
 Método de la secante

Método de la secante.

xk −1 f (xk ) − xk f ( xk −1 ) xk − xk −1
xk +1 = xk +1 = xk + f ( xk )
f ( xk ) − f ( xk −1 ) [ f (xk −1 ) − f (xk )]

No converge si en el intervalo
elegido existe un punto de
inflexión.

No converge si en el intervalo
existe un máximo o un mínimo.

39
 Método de Newton

El método de Newton permite encontrar una solución

aproximada para una o hasta dos ecuaciones lineales o no
lineales.
f ( xk )
xk +1 = xk −
f ' ( xk )

Ventaja: Bastante rápido, puede mostrarse que

tiene velocidad de convergencia cuadrática. pendiente
Desventajas: Requiere derivada. Derivadas
cercanas a cero genera problemas graves de
convergencia. Converge únicamente si el punto
inicial está suficientemente cerca de la solución.
En otras palabras, posee una capacidad de
convergencia local.

40
Sustituciones sucesivas

Sustituciones sucesivas: Aplicable a problemas de una o

varias ecuaciones. Se fundamenta en la siguiente
transformación
f (x ) = 0 ⇒ x = F (x )

Esta transformación se logra despejando una variable de cada una de

las ecuaciones.

Para una f(x)=0 existen muchos sistemas equivalentes x=F(x). Las

características de convergencia del método dependen de F(x).

Fórmula recurrente: xk +1 = F ( xk )

41
 Sustituciones sucesivas

En forma gráfica para una variable:

f(x)

f(x)=e-x-x

X* x y
g(x)

y=x

g(x)=e-x

X[0] X[2] X* X[1]

42
Sustituciones sucesivas

El método converge en algunos casos y en otros no:

Ventaja: Muy simple.

Desventaja: Lento y poco robusto;

es decir, puede converger o no
desentendiendo del problema, la
transformación x=F(x) propuesta y
los valores iniciales.

43
Método Wegstein

Método Wegstein

xk −1 F ( xk ) − xk F (xk −1 )
xk =
xk −1 − xk + F ( xk ) − F (xk −1 )

44
 Referencias
REFERENCIAS
"Métodos matemáticos aplicados en ingeniería química«. Heberto Tapias,
Luz Amparo Palacio. U. de Antioquia.

Chapra S.,C., Canale R.,P.(2002). Métodos numéricos para ingenieros.

México: McGrawHill. Secciones: 5.1, 5.2 5.2.1, 5.2.2, 5.4, 6.1, 6.1.1, 6.1.2,
6.2, 6.2.2, 6.2.3, 6.5, 6.5.1, 6.5.2.

Biegler L.T., Grossmann I.E., Westerberg A.W. (1997). Systematic methods

of chemical process design. Upper Saddle River: Prentice Hall. Sección 8.3

Henao C.A. (2005 ). Simulación y Evaluación de Procesos Químicos.

Medellín: UPB. Secciones: 2.2.1, 2.2.2, 2.2.5.

Notas de clase curso Métodos numéricos para ingenieros químicos. I.Q.

Carlos A. Henao © U.P.B. 2005

Queda prohibida la reproducción total o parcial, copia, uso, distribución, comercialización,

comunicación pública o cualquier otra actividad que se pueda hacer con el contenido. No se
responsabiliza de la mala utilización de los contenidos de presentación por parte del usuario.
45