ANALISIS NUMERICO

1.1 ¿Qué es análisis

numérico?
 ¿Qué es un método numérico?
Un método numérico es un procedimiento mediante el cual se
obtiene, casi siempre de manera aproximada, la solución de
ciertos problemas realizando cálculos puramente aritméticos y
lógicos (operaciones aritméticas elementales, cálculo de
funciones, consulta de una tabla de valores, cálculo
preposicional, etc.). Un tal procedimiento consiste de una lista
finita de instrucciones precisas que especifican una secuencia
de operaciones algebraicas y lógicas (algoritmo), que producen
o bien una aproximación de la solución del problema (solución
numérica) o bien un mensaje. La eficiencia en el cálculo de
dicha aproximación depende, en parte, de la facilidad de
implementación del algoritmo y de las características
especiales y limitaciones de los instrumentos de cálculo (los
computadores). En general, al emplear estos instrumentos de
cálculo se introducen errores llamados de redondeo.
ANALISIS NUMÉRICOS
1.2 Aproximación Numérica
 1.2 Aproximaciones

Los métodos numéricos constituyen procedimientos alternativos

provechosos para resolver problemas matemáticos para los cuales
se dificulta la utilización de métodos analíticos tradicionales y,
ocasionalmente, son la única opción posible de solución.
Son técnicas mediante las cuales un modelo matemático es
resuelto usando solamente operaciones aritméticas, … tediosos
cálculos aritméticos.
Son técnicas sistemáticas cuyos resultados son aproximaciones del
verdadero valor que asume la variable de interés; la repetición
consistente de la técnica, a lo cual se le denomina iteraciones, es lo
que permite acercarse cada vez más al valor buscado.
1.2 Aproximaciones
 1.2.1 Aproximación numérica

Se entiende por aproximación numérica X* una cifra que

representa a un número cuyo valor exacto es X. En la
medida en que la cifra X* se acerca más al valor exacto
X, será una mejor aproximación de ese número
Ejemplos:
– 3.1416 es una aproximación numérica de ,
– 2.7183 es una aproximación numérica de e,
– 1.4142 es una aproximación numérica de 2, y
– 0.333333 es una aproximación numérica de 1/3.
 1.2.2 Cifras significativas
Las mediciones se realizan normalmente a través de instrumentos; por
ejemplo, un velocímetro para medir la velocidad de un automóvil, o un
odómetro para medir el kilometraje recorrido.
El número de cifras significativas es el número de dígitos t, que se pueden
usar, con confianza, al medir una variable; por ejemplo, 3 cifras
significativas en el velocímetro y 7 cifras significativas en el odómetro.
Los ceros incluidos en un número no siempre son cifras significativas; por
ejemplo, los números 0.00001845, 0.001845, 1845 y 184500
aparentemente tienen 4 cifras significativas, pero habría que conocer el
contexto en el que se está trabajando en cada caso, para identificar
cuántos y cuáles ceros deben ser considerados como cifras significativas.
El manejo de cifras significativas permite desarrollar criterios para detectar
qué tan precisos son los resultados obtenidos, así como evaluar los niveles
de exactitud y precisión con que son expresados algunos números tales
como , e ó 2.
Alternativamente al número de cifras significativas, está el número n de
dígitos en la mantisa, que indica el número de cifras a considerar, después
del punto decimal. En operaciones manuales, el número de dígitos en la
mantisa sigue teniendo vigencia, aunque ha sido desplazado poco a poco
por el número de cifras significativas que, por diseño, manejan calculadoras
y computadoras.
 1.2.3 Exactitud y precisión.

La precisión se refiere al número de cifras significativas que representa una

cantidad.
La exactitud se refiere a la aproximación de un número o de una medida al
valor numérico que se supone representa.
Ejemplo:  es un número irracional, constituido por un número infinito de
dígitos; 3.141592653589793... es una aproximación tan buena de , que tal
podría considerarse que es su valor exacto. Al considerar las siguientes
aproximaciones de :
 = 3.15 es impreciso e inexacto.
 = 3.14 es exacto pero impreciso.
 = 3.151692 es preciso pero inexacto.
 = 3.141593 es exacto y preciso.
Los métodos numéricos deben ofrecer soluciones suficientemente exactas
y precisas. El término error se usa tanto para representar la inexactitud
como para medir la imprecisión en las predicciones.
 1.2.4 Convergencia y estabilidad

Se entiende por convergencia de un método numérico la garantía de que,

al realizar un “buen número” de iteraciones, las aproximaciones obtenidas
terminan por acercarse cada vez más al verdadero valor buscado.
En la medida en la que un método numérico requiera de un menor número
de iteraciones que otro, para acercarse al valor deseado, se dice que tiene
una mayor rapidez de convergencia.
Se entiende por estabilidad de un método numérico el nivel de garantía de
convergencia, y es que algunos métodos numéricos no siempre convergen
y, por el contrario, divergen; esto es, se alejan cada vez más del resultado
deseado.
En la medida en la que un método numérico, ante una muy amplia gama de
posibilidades de modelado matemático, es más seguro que converja que
otro, se dice que tiene una mayor estabilidad.
Es común encontrar métodos que convergen rápidamente, pero que son
muy inestables y, en contraparte, modelos muy estables, pero de lenta
convergencia.
 1.2.5 Selección de alternativas

El uso de los métodos numéricos en ingeniería no es trivial, pues se

requiere elegir entre:
– Varios métodos numéricos alternativos para cada tipo de problema
– Varias herramientas tecnológicas

Existen diferentes maneras de abordar los problemas entre una

persona y otra, que depende de:
– El nivel de participación en el modelado matemático del problema
– Ingenio y creatividad para enfrentarlo y resolverlo
– La habilidad para elegir, conforme a criterio y experiencia
 1.2.5 Selección de alternativas

Tipo de problema a resolver:

– Raíces de ecuaciones
– Sistemas de ecuaciones lineales simultáneas
– Interpolación, diferenciación e integración
– Ecuaciones diferenciales ordinarias
– Ecuaciones diferenciales parciales
– Otros (no contemplados en este curso; vistos en otras asignaturas)
Equipo:
– Supercomputadora Las herramientas de cómputo son
– Computadora personal máquinas “tontas” que sólo hacen lo
– Calculadora graficadora que se le ordena; sin embargo, los
tediosos cálculos numéricos los hacen
– Calculadora científica de bolsillo
muy rápido y muy bien, sin fastidiarse.
– Regla de calculo
Tipo de problema
Modelo matemático
Método numérico
 Equipo
Computadora

Calculadora
 1.2.5 Selección de alternativas
Es altamente recomendable
“Software” que el ingeniero sepa programar
– Desarrollo de programas: en por lo menos un lenguaje, sepa
lenguaje “C” utilizar algún software matemático,
“Basic” y manejar muy eficientemente una
“Fortran” hoja de cálculo y una calculadora
Otro. graficadora
– Utilización de software matemático:
“Maple”,
“MatLab”,
“MathCad”,
“Mathematica”.
– El manejo de hojas de cálculo en PC:
Excel
Lotus
– Manejo expedito de una calculadora graficadora
 Software
Desarrollo de programas

Software matemático

Hoja de cálculo

Calculadora graficadora
 1.2.5 Selección de alternativas

Método numérico: no existe el mejor, pero si los favoritos

– Amplitud de aplicación
– Amigabilidad
– Estabilidad
– Rapidez de convergencia
– Número de valores iniciales requeridos
Se ha de tomar en cuenta, además
– Complejidad del modelo
– Turbulencia de los datos
– Ingenio y creatividad
ANALISIS NUMÉRICOS
1.3 Errores
 1.3 Errores

Los análisis numéricos ofrecen soluciones

aproximadas muy cercanas a las
soluciones exactas; la discrepancia entre
una solución verdadera y una aproximada
constituye un error, por lo que es
importante saber qué se entiende por
aproximar y aprender a cuantificar los
errores, para minimizarlos.
1.3 Errores
 1.3.1 Error absoluto

Los errores numéricos se generan con el uso de aproximaciones

para representar las operaciones y cantidades matemáticas.
La relación entre un resultado exacto o verdadero X y el valor
aproximado X* está dado por:
X = X* + error (1.1)
El que un error tenga signo positivo o negativo, generalmente no
tiene importancia, de manera que el error absoluto se define como
el valor absoluto de la diferencia entre el valor verdadero y el valor
aproximado:
E = |X - X*| (1.2)
El error absoluto se expresa en las mismas unidades que X y no
toma en cuenta el orden de magnitud de la cantidad que se está
midiendo.
 1.3.2 Error relativo.

El error relativo normaliza el error absoluto respecto al valor

verdadero de la cantidad medida:
e = |E/X| = |(X - X*)/X| (1.3)
El error relativo es adimensional y puede quedar expresado así, en
forma fraccional, o se puede multiplicar por 100 para expresarlo en
términos porcentuales:
e (%) = |E/X| x 100 (1.4)
Las ecuaciones (1.1), (1.2), (1.3) y (1.4) suponen que se conoce el
valor verdadero de X, lo que hace que los errores absoluto y
relativo: E y e sean también verdaderos. Pero normalmente X no se
conoce; no tendría sentido considerar una aproximación, si se
conociese el valor verdadero.
 1.3.2 Error relativo
La mejor estimación posible del verdadero valor de X es su
aproximación X* y se define entonces una estimación del error
relativo como:
e* = |E/X*| (1.5)
Pero el problema está en cómo estimar E, en ausencia de
conocimiento del verdadero valor de X.
Algunos métodos numéricos usan un esquema iterativo en los que
se hace una aproximación con base en la aproximación previa y
esto se hace varias veces, para obtener cada vez mejores
aproximaciones:
e* =  (valor actual - valor anterior)/valor actual  (1.6)
Los cálculos se repiten hasta que: e* < e0, donde e0 es un valor
prefijado previamente.
Los errores numéricos se clasifican, por su origen, en tres tipos:
errores inherentes, errores de redondeo y errores por truncamiento,
cada uno de los cuales merece un tratamiento por separado.
 1.3.3 Errores inherentes
Los errores inherentes se producen por la propia variabilidad de
los fenómenos; al ser caracterizados a través de cantidades
físicas, las mediciones conllevan incertidumbre, pues los
instrumentos de medición ofrecen sólo una aproximación numérica
del valor verdadero de la magnitud medida, pues se calibran para
considerar solamente un determinado número de cifras
significativas. Todas las magnitudes que se manejan en ingeniería
son susceptibles a este tipo de errores.
Por ejemplo, cuando se dice que el tirante de agua de una presa
es de 123 m, habiendo hecho la medición mediante un dispositivo
que ofrece una precisión de tres cifras significativas, el tirante de
agua realmente puede fluctuar entre 122.5 y 123.5 m.
X [122.5, 123.5) X* = 123
1.3.3 Errores inherentes
 1.3.3 Errores inherentes
El error inherente absoluto máximo que se puede llegar
a cometer cumple con la desigualdad:
Emax  0.5 m;
y el correspondiente error inherente relativo máximo
cumple con la desigualdad:
emax  0.5/122.5 = 0.00408
El error inherente absoluto medio que se puede
cometer cumple con la desigualdad:
Emed  0.25 m;
y el correspondiente error inherente relativo medio
cumple con la desigualdad:
emed  0.00204.
 1.3.3.1 Yerros humanos

Algunos autores mencionan dentro de la clasificación de

errores inherentes, los yerros humanos, que se cometen
al hacer la lectura de una medida, al transmitirla o al
transcribirla; pero, en virtud de que estos errores de
lectura, transmisión o transcripción pueden constituirse
en pifias garrafales que quedan fuera de todo control, no
es posible estimarlos en forma sistematizada. Por
ejemplo, si al transcribir en un documento la densidad
de un producto, se anota 1.381 en vez de 1.831, que es
la medida leída, la pifia es imposible de manejar y
predecir.
 1.3.3.1 Yerros humanos
Lectura

Transmisión

Transcripción

Programación
 1.3.4 Errores de redondeo
Los errores de redondeo se producen al realizar operaciones aritméticas en las que el resultado
produce una mantisa cuyo número de dígitos difiere significativamente del número de dígitos de
la mantisa de alguno de los valores numéricos involucrados en la operación. Al manejar un
determinado número de cifras significativas en los cálculos, el resultado tiene que ser redondeado
de alguna manera, sobrestimando o subestimando el valor resultante verdadero.
Sea X el resultado de una operación aritmética, el cual puede ser expresado mediante notación
matemática, en forma normalizada: F x 10n, donde F está formada por m cifras obtenidas en el
resultado, de las cuales, n son enteras. Este valor se puede descomponer en dos sumandos,
igualmente normalizados: el primero formado por t cifras significativas, las t primeras cifras del
resultado después del punto decimal: f x 10n, y el segundo formado por las (m-t) cifras no
significativas del resultado, g x 10n-t:
X = F x 10n = f x 10n + g x 10n-t
En virtud de que F, f y g son números normalizados, su valor absoluto puede tomar algún valor
dentro del intervalo semiabierto [0.1, 1). F está formado por m dígitos, f está formada por t dígitos
y g está formada por (m-t) dígitos.

0.1  |F| < 1 ; 0.1  |f| < 1 ; 0  |g| < 1

[0.1, 0.999...99] [0.1, 0.999...99] [0, 0.999...]

m dígitos t dígitos (m-t) dígitos

 1.3.4 Errores de redondeo

Truncado 1.666

Simétrico 1.667
 1.3.4.1 Redondeo truncado
Al considerar únicamente t cifras significativas, se están despreciando (m-t) cifras del
resultado, es decir, se está redondeando el resultado. Ahora bien, hay dos maneras de
hacer ese redondeo: la primera consiste en tomar como aproximación numérica X* de
la operación realizada el valor f x 10n, haciendo caso omiso del valor de g x 10n-t; la
segunda consiste en tomar como aproximación numérica X* el valor f x 10n, pero
ajustado conforme al valor que tenga el primer dígito de g x 10n-t.

Redondeo truncado: X* = f x 10n (1.7)

El error absoluto que se comete en cada caso particular es:
E = |g| x 10n-t
El error absoluto máximo que se puede llegar a cometer, en cualquier caso, es:
Emax < 1 x 10n-t
Y el error absoluto esperado que se puede cometer, considerando una distribución de
probabilidad uniforme para los errores, es:
Emed < 0.5 x 10n-t
El error relativo que se comete en cada caso particular es:
e = |g/F| x 101-t
El error relativo máximo que se puede llegar a cometer, en todo caso, es:
emax < 1 x 101-t
Y el error relativo esperado o promedio que se puede cometer es:
emed < 0.5 x 101-t
 1.3.4.1 Redondeo truncado
Puesto que X no siempre se puede conocer con exactitud, F tampoco, por lo que es imposible
calcular los errores verdaderos, se recurre a sus estimaciones:
El error relativo estimado que se comete en cada caso particular es:
e* = |g/f| x 101-t
El error relativo máximo estimado que se puede llegar a cometer es:
e*max < 1 x 101-t
Y el error relativo esperado estimado que se puede cometer es:
e*med < 0.5 x 101-t
Ejemplo: Efectuar la suma: 162.4 + 1.769, considerando 4 cifras significativas con redondeo
truncado.
162.4 = 0.1624 x 103 = 0.1624 x 103
+ 1.769 = 0.1769 x 101 = 0.001769 x 103
_______________ ___________________
164.169 0.164169 x 103

X = 0.164169 x 103 = 0.1641 x 103 + 0.000069 x 103

= 0.1641 x 103 + 0.6900 x 10-1 ; n=3 ; t=4

X* = 0.1641 x 103
E = |X - X*| = |0.164169 x 103 - 0.1641 x 103| =
E = |0.000069 x 103| = |0.69 x 10-1| = 0.69 x 10-1 < 1 x 10-1
e = |E/X| = |(0.69 x 10-1)/(0.164169 x 103)| = 0.4203 x 10-3 < 1 x 10-3
e* = |E/X*| = |(0.69 x 10-1)/(0.1641 x 103)| = 0.4205 x 10-3 < 1 x 10-3