República Bolivariana de Venezuela

Universidad de Oriente - Núcleo Monagas

Escuela de Ingeniería y Ciencias Aplicadas
Ingeniería de Sistemas.

Ensayo #1: Métodos

Numéricos

Profesor: Estudiantes:
Henry Reinosa Castillo, Carlos 26.517.087
Sección 01 García, William 27.964.482
Rivero, Luis 27.181.726

Maturín, 05 Marzo del 2019

 Los métodos numéricos han sido de mucha ayuda desde el comienzo de esta
hasta la actualidad, ayudando a resolver diversos problemas matemáticos referidos a este
método, no es de extrañar que con la llegada del desarrollo de computadoras digitales
eficientes y rápidas, el papel de los métodos numéricos en la solución de problemas en
ingeniería haya aumentado de forma considerable en los últimos años. Pero antes de
continuar, primero debemos conocer del tema a tratar ¿Qué son los métodos numéricos?
Se denominan métodos numéricos a las técnicas de la matemática que permiten expresar
la solución de un problema en forma de números, como pueden ser el método de
bisección, método de punto fijo y el método de Ruffini por nombrar algunos de esta
amplia categoría. Antes de la era de la computadora los ingenieros sólo contaban con tres
métodos para la solución de problemas, en el primero de ellos 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. Éstos incluyen aquellos que pueden
aproximarse mediante modelos lineales y también aquellos que tienen una geometría
simple y de baja dimensión. En consecuencia, las soluciones analíticas tienen un valor
práctico limitado porque la mayoría de los problemas reales son no lineales, e implican
formas y procesos complejos. En el segundo de ellos para analizar el comportamiento de
los sistemas se usaban soluciones gráficas, las cuales tomaban la forma de gráficas o
nomogramas. Finalmente, las técnicas gráficas están limitadas a los problemas que
puedan describirse usando tres dimensiones o menos dado que las soluciones gráficas
(sin la ayuda de una computadora) son en extremo tediosas y difíciles de implementar. En
la tercera y última para implementar los métodos numéricos se utilizaban calculadoras y
reglas de cálculo. Estos métodos generaban un gasto de energía enorme y tedioso al
aplicar la técnica misma de la solución dado que antes del uso de las computadoras se
requería de mucho tiempo para llegar a una solución, en la actualidad las computadoras y
los métodos numéricos ofrecen una alternativa para los cálculos complicados. Al usar la
potencia de la computadora se obtienen soluciones directamente, de esta manera se
pueden aproximar los cálculos sin tener que recurrir a consideraciones de simplificación o
a técnicas muy lentas. Aunque las soluciones analíticas aún son muy valiosas, tanto para
resolver problemas como para brindar una mayor comprensión, los métodos numéricos
representan opciones que aumentan, en forma considerable, la capacidad para enfrentar
y resolver los problemas; como resultado, se dispone de más tiempo para aprovechar las
habilidades creativas personales.

Ahora bien, no solo este tema abarca esa pregunta inicial tomada de referencia, es
un tema amplio para abarcar, por lo que ahora se hará conocer las soluciones analíticas,
numéricas y su diferencia para no entrar en confusión. La solución analítica es una
expresión matemática que proporciona toda la información sobre el comportamiento del
sistema, para cualquier valor de las variables y parámetros que intervienen en las
ecuaciones de gobierno. El análisis numérico cobra especial importancia con la llegada de
los ordenadores. Los ordenadores son útiles para cálculos matemáticos extremadamente
complejos, pero en última instancia operan con números binarios y operaciones
matemáticas simples, como se vino explicando anteriormente. Por otro lado, la solución
numérica expresa el comportamiento del sistema en función de números que se obtienen
resolviendo las ecuaciones de gobierno para valores concretos de las variables y los
parámetros del sistema. Aparte de conocer en definición ambas soluciones su diferencia
radica en que el método analítico encuentras o propones una serie de cálculos que sirven
siempre, independientemente de los valores de los datos numéricos; un ejemplo muy
simple es la ecuación cúbica reducida: x³-3x-8=0, puedes encontrar su única raíz real
mediante métodos numéricos, por ejemplo, el método de “bisección”: si f(x)= x³-3x-8,
tienes f(2)<0<f(3), luego hay una raíz entre 2 y 3; probamos la media aritmética 2.5, y
vemos que f(2.5)>0, y así la raíz está entre 2 y 2.5, etc. hasta que la calculas con todos
los decimales que quieras; pero en cada paso depende de los valores concretos lo que
vas a hacer, y de un modo u otro, se emplea el “tanteo”, la “Cuenta de la Vieja” por más
que se revista de elegante método iterativo. En cambio, en la solución analítica empleas
una fórmula, que usualmente involucra tan solo las operaciones “elementales” (las teclas
de una calculadora científica, para entendernos), y en este caso, la solución por el método
analítico (que no existe siempre, solo en algunos pocos casos como éste, por eso son
importantes los métodos numéricos) consistiría en aplicar la fórmula de Cardano (el
nombre no se lo merece, es de Dal Ferro y de Tartaglia, pero esa es otra historia):

x³+px+q=0 → x=[-q/2+SQRT(q²/4 + p³/27)]^(1/3)+[-q/2-SQRT(q²/4 + p³/27)]^(1/3).

Continuando el tema a tratar, se abarcara lo que son las cifras significativas,

exactitud y precisión, Las cifras significativas de un número son aquellas que tienen un
significado real y, por tanto, aportan alguna información. Toda medición experimental es
inexacta y se debe expresar con sus cifras significativas. Veamos un ejemplo sencillo:
supongamos que medimos la longitud de una mesa con una regla graduada en
milímetros. Las cifras de exactitud se refiere a cuán cerca del valor real se encuentra el
valor medido. En términos estadísticos, la exactitud está relacionada con el sesgo de una
estimación. Cuanto menor es el sesgo más exacto es una estimación. Cuando se expresa
la exactitud de un resultado, se expresa mediante el error absoluto que es la diferencia
entre el valor experimental y el valor verdadero. Las cifras de precisión se refieren a la
dispersión del conjunto de valores obtenidos de mediciones repetidas de una magnitud.
Cuanto menor es la dispersión mayor la precisión. Una medida común de la variabilidad
es la desviación estándar de las mediciones y la precisión se puede estimar como una
función de ella. Es importante resaltar que la automatización de diferentes pruebas o
técnicas puede producir un aumento de la precisión. Esto se debe a que con dicha
automatización, lo que logramos es una disminución de los errores manuales o su
corrección inmediata. No hay que confundir resolución con precisión.

Como es de conocer no todo en las matemáticas es perfecto, y mucho menos en

este tema abordado conocido como métodos h k, ll vn,;/ numéricos, existen lo que son
llamados errores numéricos, pero antes no te preguntas ¿qué es un error numérico?
Déjame te lo explico, los errores numéricos se generan con el uso de aproximaciones
para representar las operaciones y cantidades matemáticas. Esto ocurre cuando tienes
pocas interacciones, al tener muchos el error baja, debido a que los métodos numéricos
no son exactos sino simples a aproximaciones a un valor numérico, para que fueran
exactos necesitarías un numero de iteraciones infinitas lo cual no es posible, además de
cuál es el método que vas a utilizar. Cada uno tiene su nivel de error, y sirve para
diferentes cosas, entre los diferentes tipos de errores están; los errores de truncamiento,
son aquellos que resultan al usar una aproximación en lugar de un procedimiento
matemático exacto. Además para obtener conocimiento de las características de estos
errores se regresa a la formulación matemática usada ampliamente en los métodos
numéricos para expresar Funciones en forma polinomial como el de la Serie de Taylor. El
error de redondeo, la casi totalidad de los números reales requieren, para su
representación decimal, de una infinidad de dígitos. En la práctica, para su manejo sólo
debe considerarse un número finito de dígitos en su representación, procediéndose a su
determinación mediante un adecuado redondeo. Los errores de redondeo se deben a que
las computadoras sólo guardan un número finito de cifras significativas durante un cálculo.
Las computadoras realizan esta función de maneras diferentes. Por ejemplo, si sólo se
guardan siete cifras significativas, la computadora puede almacenar y usar "pi" como "pi"
= 3.141592, omitiendo los términos restantes y generando un error de redondeo. El error
relativo, es el cociente (la división) entre el error absoluto y el valor exacto. Si se multiplica
por 100 se obtiene el tanto por ciento (%) de error. Al igual que el error absoluto puede ser
positivo o negativo (según lo sea el error absoluto) porque puede ser por exceso o por
defecto no tiene unidades. Y el error relativo como: ER = | P* - P| / P ; si P =/ 0 El error
relativo también se puede multiplicar por el 100% para expresarlo como: ERP = ER x
100 El error aceptable es la diferencia entre el valor de la medida y el valor tomado como
exacto. Puede ser positivo o negativo, según si la medida es superior al valor real o
inferior (la resta sale positiva o negativa). Tiene unidades, las mismas que las de la
medida. Hay personas que definen el error absoluto como la diferencia entre el valor
aproximado y el valor exacto, donde la diferencia únicamente está en el signo ya que no
se toma como valor aceptable. El error relativo aproximado surge del hecho de las cifras
significativas, obteniendo así dicho error a través del método de tanteo.

Por consiguiente, es necesario conocer algunas diferencias entre ciertos errores

primeramente entre el error de truncamiento y error de redondeo. Redondeo es el proceso
mediante el cual se eliminan cifras significativas de un número a partir de su
representación decimal, para obtener un valor aproximado. Los errores de redondeo se
deben a que las computadoras solo guardan un número finito de cifras significativas
durante un cálculo. Las computadoras realizan esta función de maneras diferentes; esta
técnica de retener solo los primeros siete términos se llamaron “truncamiento” en el
ambiente de computación. Truncamiento es el término usado para reducir el número de
dígitos a la derecha del separador decimal, descartando los menos significativos. Los
errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de
un procedimiento matemático exacto. Ahora el segundo y ultima diferencia es entre tres
errores, los cuales son de relativo, error relativo aproximado y error aceptable. El error
aceptable se obtiene de la diferencia de las medidas y el error relativo es el cociente de
los valores en estudio y este último generalmente se expresa en porcentajes. Otra
diferencia entre ambos es que el error aceptable se expresa en las mismas unidades de la
medición y el error relativo o es adimensional o porcentual. Para concluir, aprenderemos
el uso de los errores relativo aproximado y aceptable. El error relativo aproximado se da
cuando hay que buscar cifras significativas, y se debe de aproximar por tanteo ya que
hay más cifras de las que realmente se tienen. El error aceptable es un indicador de la
imprecisión que tiene una determinada media. De hecho, cuando se proporciona el
resultado de una medida suele venir acompañada de dicha imprecisión. Ejemplo: Imagina
que al medir un determinado objeto con un instrumento de precisión ± 1 cm obtenemos el
valor de 23.5 cm. Si adicionalmente sabemos que la imprecisión absoluta de esa medida
es 0.2 cm, entonces el resultado de esa medición se representa como: 23.5 cm ± 0.2 cm
donde el valor real de la magnitud queda incluida en el intervalo 23.3 cm <= 23.5 cm <=
23.7 cm.