P O N T I F I C I A U N I V E R S I D A D C AT Ó L I C A A R G E N T I N A

FA C U LTA D D E Q U Í M I C A E I N G E N I E R Í A D E L R O S A R I O

Contenidos conceptuales
INGENIERÍA

• UNIDAD I: Errores en el cálculo numérico

• UNIDAD II: Solución de sistemas de ecuaciones lineales por
métodos numéricos
Cálculo Numérico • UNIDAD III: Métodos Numéricos de interpolación
• UNIDAD IV: Métodos Numéricos para ajuste de curvas.
• UNIDAD V: Solución de ecuaciones no lineales por Métodos
M. Sc. Luis A. Herrera Numéricos
• UNIDAD VI: Métodos de Integración numérica
Fuente: S. Chapra y R. Canale, «Métodos Numéricos para ingenieros». • UNIDAD VII: Solución de Ecuaciones Diferenciales Ordinarias
(EDOs) por Métodos Numéricos.
• UNIDAD VIII: Métodos Numéricos en problemas de Ecuaciones
en Derivadas Parciales (EDPs)

Bibliografía INTRODUCCIÓN
• S. Chapra y R. Canale, «Métodos Numéricos para • MÉTODOS NUMÉRICOS son técnicas mediante las cuales
problemas matemáticos son formulados de manera tal que
ingenieros». Quinta Ed. McGraw-Hill, 2007. pueden ser resueltos aplicando operaciones aritméticas y
lógicas.
• F. Scheid y H. Castillo «Análisis Numérico: Teoría y • Estos métodos generalmente implican la resolución de
Problemas» Ed. McGraw-Hill, México, 1990 numerosos cálculos matemáticos, es por ello que las
computadoras y los diversos programas computacionales
• Documentos en formato digital. disponibles juegan un rol protagónico en la implementación de
estos métodos.
• Un algoritmo es una sucesión finita de instrucciones claras y
precisas, especificando cuales son los datos de entrada, la
sucesión de instrucciones, las condiciones de parada y los datos
de salida.

Convergencia
• Cuando aplicamos un método numérico
generalmente se realizan iteraciones (pasos
Resolución Valor «real» o sucesivos)
Analítica «verdadero» • Se dice que un método es convergente si a medida
Modelo
Problema
Matemático que aumenta el número de iteraciones la solución
Método Valor
Numérico «aproximado» aproximada se acerca cada vez más al valor
Variables dependientes = f(variables
verdadero.
independientes, parámetros, fuerzas • La rapidez de convergencia de un método da una idea
impulsoras)
del número de iteraciones necesarias para alcanzar el
valor deseado
 Métodos
Numéricos

Aproximaciones

ERRORES

matemáticos
propios de la
aproximación
ERRORES
Computacionales
(propios del
empleo de
herramientas
informáticas

Tipos de Errores
Equivocaciones y Errores en el modelo
«Equivoca
ciones» • Las «equivocaciones» en un principio se atribuían a un
mal funcionamiento de las herramientas
computacionales. Hoy en día son atribuidos
Trunca-
Modelo
completamente a imperfecciones humanas.
miento
• Los errores de modelación surgen generalmente de
Errores modelos matemáticos incompletos o planteados de
manera errónea.
• En ambos casos este tipos de errores pueden
identificarse y solucionarse a partir de un sólido
Redondeo Datos conocimiento de los principios que gobiernan el
problema y la posible solución.

Errores en los datos Propagación de errores en los datos

• Los modelos, y por ende los métodos numéricos que • Debemos analizar cómo influye en los resultados
utilizamos para resolverlos, se basan generalmente en variaciones en los datos.
datos físico, químicos, mediciones, etc.
• Para estudiar como responde nuestro método a
• Estos datos debido a que por sí mismos son
aproximaciones tienen un grado de inexactitud y/o
los errores en los datos se pueden variar los datos
imprecisión. levemente, si los resultados varían levemente
• Para manejar este problema generalmente los datos entonces nuestro método está bien condicionado
experimentales se acompañan de datos estadísticos y los errores en los datos no se propagarán.
(como la media y el desvío), los cuales brinda información
sobre su exactitud y su precisión.

• Se refiere a cuan «cerca»
Exactitud está un valor calculado o
medido del valor real
• Se refiere a cuan «cerca»
Precisión están los valores individuales
medidos o calculados entre
sí
Error de redondeo
• Aparecen debido a que las computadoras no pueden
representar algunas cantidades de manera exacta.
• Dos aspectos a tener en cuenta:
1) las computadoras tienen límites de magnitud y
precisión en su capacidad de representar números
2) algunos cálculos numéricos son muy sensibles a los
errores.
• Este tipo de errores se relaciona directamente con la
manera en que las computadoras almacenan los números
• Los números decimales son representados utilizando
generalmente la representación de punto flotante
• Esta representación es muy parecida a la notación
científica y se expresa así:
±𝒔 × 𝒃𝒆
donde s es el coeficiente (mantisa), b es la base (decimal, etc) y
e es el exponente.
• Por ejemplo 0,005678 se puede representar como
0,005678 x 100 o de una manera más eficiente como
5,678 x 10-3
• En este caso tanto el coeficiente como el exponente
son finitos,  limitación de rango (dada por el
exponente) y de precisión (dado por el coeficiente)
IMPRECISIÓN
(dispersión)
SESGO
Inexactitud
(Inexactitud) Imprecisión Error
• Las computadores utilizan sistemas binarios para
representar números con base decimal. La unidad utilizada
para representar información se conoce como «word», y es
una entidad que consiste en una sucesión de dígitos binarios
o bits.
• Para números enteros y una computadora de 16 bits el
número -173 se almacenaría así
• Por lo tanto existe un límite en el número entero que puede
representarse. Para una n-word el rango de números que
pueden representarse va de -2n-1 a 2n-1.
• Para el sistema binario utilizado por las computadoras la
representación de punto flotante toma la siguiente forma:
± 𝟏 + 𝒇 × 𝟐𝒆
donde f es la parte fraccional del coeficiente.
Por ejemplo 1101,1 se escribiría como (1+0,1011) x 2-3
• Dependiendo de la computadora, el lenguaje de
programación y las especificaciones del usuario se puede
asignar el número de bits que se utilizan en la
representación de punto flotante.
 Problema:
Punto
ErroresLimitaciones
relacionados a la representación
de magnitud y precisión
flotante de punto flotante
Redondeo implícito (los números con ceros «inútiles» son expresados como
punto flotante)

• Por ejemplo para una representación de

Para realizar operaciones aritméticas con punto flotante, todos los números
doble precisión se utilizan 64 bits de la deben tener el mismo exponente. Esto genera errores de redondeo

siguiente manera
Cuando los resultados de las operaciones aritméticas que realiza la
computadora exceden las capacidades de almacenamiento los números son
redondeados.

Cuando se realizan muchos pasos computacionales para lograr un resultado,

los mismos generalmente están relacionados. Un error cometido en cada uno
de los pasos se va acumulando y magnificando

Cuando se suman números de diferentes magnitudes (uno muy grande con

uno muy pequeño), el número pequeño puede no ser «registrado»
dependiendo de la precisión y sería como si la suma no se hubiera realizado.

Propagación del error de redondeo Series de Taylor – Error de Truncamiento

• Si analizamos un algoritmo ingresando los datos con diferente

precisión, y los resultados no cambian demasiado (salvo por pequeñas
diferencias en los decimales),
– estamos en presencia de un algoritmo estable.
– Caso contrario, el algoritmo es inestable.
• Supongamos que En mide un cierto error cometido en el paso n de un Error de
algoritmo. Podemos expresar este error en función del error inicial, que Truncamiento
puede tener una de estas dos expresiones:
1. Error con crecimiento lineal: En  c· n· E0
2. Error con crecimiento exponencial: En  cn· E0
• Un proceso numérico se considera estable cuando la propagación de
los errores de redondeo es lineal o cuasi lineal

Error Numérico Total

• Suma: error de truncamiento + error de redondeo.

• En general para disminuir el error de redondeo se debe

aumentar las cifras significativas de la computadora.
• Y puede aumentar cuando aumentamos el número de
iteraciones empleadas para llegar al resultado deseado.

• El error de truncamiento disminuye cuando disminuimos el

tamaño del paso (h) y aumentamos el número de términos
considerados. Pero esto implica mayor número de iteraciones
 • Reformular el problema
Evitar restar • Realizar los cálculos en
Control del Error
dos números
cercanos
otro orden
• Trabajar primero con los
números más pequeños

• Series de Taylor
Tratar de • Incluir todos los
Predecir el términos es imposible
error pero se puede calcular
para algunos términos.

• Utilizar condiciones o
Estimar la ecuaciones a cumplir
exactitud de por el resultado
los resultados • Reemplazar el resultado
en la ecuación original

• Aumentar o disminuir el
paso (h)
Realizar
• Acotar o aumentar el
experimentos
numéricos número de iteraciones
• Utilizar otro método o
algoritmo

Lenguajes para el cálculo numérico

• Los lenguajes de programación están especificados por reglas
para formar instrucciones correctas, organizándolas en
módulos.
– Estas reglas son enviadas hacia un compilador, el cual traduce el
código en un lenguaje comprensible para una máquina en particular.
– Finalmente el programa es ejecutado, es decir, se indica la entrada, la
cual se transforma en una salida de acuerdo con las instrucciones en el
programa.
• Son “lenguas” o “idiomas” ya establecidos, comprensibles
tanto por el programador, como por la máquina, que permiten
desarrollar los programas.
• Existen muchos y muy variados.
• Evolucionan constantemente, tanto en potencia como en
facilidad de uso.
• Ejemplos: Pascal, Turbo C++, CA-Clipper, Visual Basic, Visual
C++, Java, Cobol, C, Fortran, HTML, Prolog, CSMP, SIMAN, Lisp,
Lingo, SQL, Delphi, dBase, etc.
• Las características principales a considerar en un lenguaje son
la facilidad de empleo, facilidad de aprendizaje, potencia,
orientación, facilidad de corrección por parte de quien no lo
ha diseñado, transportabilidad a otras máquinas y
requerimientos de memoria.

FORTRAN (FORmula TRANslation)

• eficiencia en la velocidad de cálculo
• Está especialmente adaptado al cálculo numérico
• Muy utilizado
• Similar a C
• Fácil de aprender
• Amplia disponibilidad de librerías.
• Entorno poco amigable (mejorado en nuevas versiones)

MATHLAB (SciLab)
• Programa muy utilizado, con un Entorno de Desarrollo Integrado (entorno
amigable para el programador) y lenguaje propio.
• Fácil de aprender y usar.
• Se pueden llamar funciones y subrutinas escritas en FORTRAN o C
• Posee graficador
• Optimizado para álgebra lineal
• Tiene una gran cantidad de funciones incorporadas.
• Poco eficiente y rápido para problemas numéricos grandes.