Aproximacién numérica y errores Cortés Rosas Jestis Javier, Gonzdlez Cardenas Miguel Eduardo Pinilla Morén Victor Damian, Salazar Moreno Alfonso Tovar Pérez Victor Hugo * 2019 Resumen, Esta publicacién pertenece al proyecto Plataforma educativa para Andlisis Numéri- co, realizado con al apoyo del Programa UNAM-DGAPA-PAPIME PE105717. Este trabajo aborda la definieién y la introduecién histériea a los métodos numéricos y la nevesidad de su aplicacién en la ingenieria, Asimisino, se establecen los conceptos bisicos de ‘exactitud, precisién, eonvergencia y estabilidad, ast como las definiciones de los diferentes tipos de errores ¥ la manera de cuantificarles. Por tltimo, se presenta al polinomio de Taylor como un recurso para aproximar funciones matematicas.!, Un método numérico es un proceso matemético iterativo cuyo objetivo es encontrar Ia aproximack a una solucién especifica con un cierto error previamente determinade AA diferencia de Ins téenicas propins de In matemitica analitica, las métodos muméricos reqieren de una aproximaeién a la solucién real al problema, misma que es corregida a través de Ia repeticién de tun cierto proceso que debe arrojar soluciones eada ver mis cercanas al valor real. Cada correceién de un valor inicial se conoce como iteracidn. El proceso es controlado por medio de la medicién de una cantidad de error predefinido entre dos aproximaciones sucesivas. No existe unanimidad entre los expertos sobre si Andlisis numérico es un sinénima de métodos numéricos. Algunes consideran que los métodos numéricos son procesos con objetives particulares que conforman un proceso mas complejo, especificamente de interpretacién de los resultados al que denominan Andlisis nunerico Resulta complicado tomar partido por alguna de las dos posturas anteriores en la considei de que Ia aplicacién de los procesos iterativos sucle hacerse a problemas reales, con condiciones de diseio muy especificas, por lo que no se puede establecer una regla general para hacer un anélisis En el caso que nos ocupa, dado que se hard una presentacion tedrica para definir cada proceso, se optard por Hamarlo método numérico. *Prafesores de la Divisin de Ciencias Bisicas de Ia Facultad de Ingenieria de ka UNAM.Anilisis numérico a Introduccién histérica de los métodos numéricos La historia de los métodos uuméricos es la coleccién de acontecimientos matemiticos en los que se resuielven problemas sin e] uso de In matematica analitiea (Finkelshtein, sf.) Algunos de los métodos mais utilizados en la actualidad fueron creados mucho antes de la inven- cidn de la computadora; su aplicacién era extenuante ¥ complicada porque cada iteracién requeria de una diversidad de operaciones aritméticas que se realizaban por grupos enteros de caleulistas, evidentemente, de forma manual ‘Todos Jos enterados en la materia estarin de acuerdo en que una computadora realiza una gran cantidad de operaciones en un intervalo muy pequetio; las stiper computadoras lo hace pero en forma paralela, Esta expacidad es In que ha dado un sentido de aplicacién a los métodos muméricos. Por lo anterior, la historia de los métodos numérieos es paralela, al menos desde la mitad de XIX, a la historia de la computacién, Las contribu software que minimiza los errores y mejora las aproximaciones de los resultados, iglo actuales radican en la creacién de Esta es una relacién de hechos que han marcado la historia de los métodos numéricos y se recomienda al leetor, de acuerdo a su interés, profundizar en el tépico que le resulte de su interés; en particular, la obra Los Innovadores (Isaacson, 2014) dle Walter Isaaeson ofrece un panorama muy amplio al respecta = 1650 .C. Se crean los Papiros de Rhyad en los que se eseribe un método para resolver expre- siones matemuitieas sin algebra. = 250 a.C. Buclides crea el Método de Exhanscién, que consiste en aproximar figuras geométricas (triangulos, cuadrados, pentgonos, etc.) consecutivamente dentro de un circulo para obtener una aproximacién am, = Siglo IX d.C. AI Juarism crea los algoritmos, Napier inventa los /uesos de Napier, que son arreglos practicos de logaritimos en ® Siglo XVIL Isaac Newton erea los procesos de interpolacién polinomial. « Siglo XVIII Leinbnitz crea el Calculo diferencial. = 1768, Euler crea soluciones aproximadas a ecuaciones diferenciales con el principio de la inte- gracién numérica. Jacob Stirling y Brook Taylor presentan e] Caleulo de diferencias finitas. = 1822. Charles Babbage inventa la Maquina diferencial. = 1843. Ada, condesa de Lovelace, publica sus notas sobre la maquina analitica de Charles Babbage. = 1890. (IBM) Tabula cl censo estadounidense empleando las méquinas de tarjetas perforadas de Herman Hollerith, # 1931. Vannebar Bush diseita el analizador diferencial, un computador anal6gico electromecani- co. En 1945 publicaré el articulo Cémo podremos pensar en el que describe la computadora personal.Anilisis numérico 3 = 1937, Alan Turing publica Sobre los minneros computables, en el que deseribe un computador universal, En este mismo aio, Howard Aiken propone la constrnecién de un gran computador y descuibre partes de In maquina diferencial de Bahbage en Harvard; también John Vincent ‘Atanasoff conceptualiza el computador electrénico la cual completara en 1939, = 1938, William Hewlett y David Packard crean su impresa en Palo Alto, Californa, Estados Unidos = 1939. Turing comienza a descifrar los eédigos secretes alemanes, = 1914.John Von Newmann redacta el primer informe sobre EDVAC. En distintas universidades de Estados Unidos se desarrollan proyectos sobre computadoras enya aplicacién (Secreta) seré apoyar a ln milicia en eéleulos balistieos (ecuaciones diferenciales). ‘= 1950, Turing crea su famosa prueba sobre la inteligencia artificial; se suicidara en 1954. J.H. Wilkinson acudi¢ al Laboratorio Nacional de Fisica de Reino Unido para construir una versién ms simple de la maquina de Turing; construyé la ACE (Automatic Computing Engine) para resolver eileulos eon matrices. = 1953. John W. Backus, empleado de IBM, desarrolla FORTRAN (Formulae Translating) como una alternaiva al uso del lenguaje ensamblador: se usé por primera vez en una IBM 704 = 1958, Se anuncia la creacién de la Agencia de Proyectos de Investigacion Avanzada (ARPA), = 1962. Doug Engelbart publica Aumentar el intelecto humano; en 1963, junto con Bill English inventaré el raton. = 1968, Noyce y Moore fundan INTEL. = 1969. Misién Apolo 11, Katherine Johnson calcula la trayectoria del cohete Mercurio. Dorothy ‘Vaughan se convierte en la supervisora de IBM dentro de la NASA. Mary Jackson es la primer ingeniera aeroespacial en Estados Unidos. Margaret Hamilton escribe el e6digo del programa que controlé la nave. Todas ellas tuvieron una participacidn fundamental para que la misién fuera nin éxito. = 1970. Investigadores visitantes en el Argone National Laboratory de Estados Unidos traducen cédigos de ALGOL para obtener eigenvalores planteados por Wilkinson para incliirlos en FORTRAN. De esta labor nace EISPACK en 1976 y posteriormente LINPACK en 1976. = 1973 Vint Cerf y Bob Kahn completan los protocolos TCP/IP. = 1975. Bill Gates y Paul Allen dessarrollan el lenguaje de programacién BASIC; fundan Mi- crosoft. Steve Jobs y Steve Wosniak lanzan el Apple 1 = 1983. Richard Stallman empicza a desarrollar cl proyecto GNU. = 1984. Cleve Moler, a partir de BISPACK y LINPACK crea MATLAB; funda la empresa Math Works. = 1991. Linus Torvalds lanza la primera versién de Linux Tim Berbers-Lee anuncia la World Wide Web. = 1993. Mare Andreessen libera el navegador Mosaic.Anilisis numérico 4 = 1997. Deep Blue, de IBM, derrota a Gari Kasparov en una partida de ajedrez = 1998. Lary Page y Serguéi Brin liberan Google. 2. Necesidad de la aplicacién de los métodos numéricos en la in- genieria El Andlisis Numérico es una rama de las matematicas que, mediante el uso de algoritmos iterativos, obtiene soluciones numéricas a problemas en los cuales la matemstica simbélica (o analitica) resulta poco eficiente o no puede ofrecer un resultado, En particular, a estos algoritmos se les denomina métodos numéricas. Por lo general los métodos muméricos se componen de un niimero de pasos finitos que se ejecutan de manera légica, mejorando aproximaciones iniciales a cierta cantidad, tal como la ratz ecuacién, hasta que se cumple con cierta cota de error. A esta operacién efelica de mejora del valor s¢ le conoce como iteracién. Ejemplo. Uno de los ejercicios mas comunes en los cursos basicos de Algebra universitaria consiste en encontrar las rafces de un polinomio. Bl estudiante conoce principios tales como que posee 1 rafees, donde 1 ex el grado del polinomio, Conoce también que es posible tan exclusivamente raices reales o bien, una combinacién entre raices reales y raices complejas, existiendo estas viltimas en parejas conjugadas. El métado de sohicién comiinmente utilizado es la division sintética (que es im método numérico). El estudiante lo aplica tantas veces como sea necesario para lograr que el residuo de Ia divisién sea cero, 0 muy eercano a cero. No obstante, este procedimiento podria dejar insatisfecho a un estudiante acucioso pues ain euando existen mecanismos para elegir un valor inicial de una rafz, se invierte mucho tiempo mejoranda este valer inicial: adicionalmente es complicado obtener las raices complejas, cosa que usualmente debe lograrse a través de un cambio de variable y del uso de la formula general para ecuaciones de segundo grado. Finalmente, este proceso sélo es aplicable en polinomios; no es posible su aplicacién len ecuaciones trascendentes. El anélisis nmmérieo es una altemativa muy eficiente para la resolucién de ecuaciones, tanto alge- braicas (polinomios) como trascencentes teniendo una ventaja muy importante respecto a otro tipo de inétodos: La repeticién de instrucciones Kigicas (iteraciones), proceso que permite inejorar los valores inicialmente considerados como solucién. Dado que se trata siempre de la misiia opera logica, resulta muy pertinente el uso de recursos de eSmputo para realizar esta tarea. Sin embargo, debe haber claridad en el sentido de que el andlisis numérico no es la panacea en la soluci6u de problemas matemsticos; los métodos numérieos arrojan aprosimaciones, es decir, estén sujetas a un error. Este error, que si bien puede ser tan poquelio como los recursos de eleulo lo permitan, siempre esta presente ¥ debe considerarse su manejo en. el desarrollo de las s0 reqqeridas. Es muy posible que se conozea de diversos sistemas de edmputo que proporeionen soluciones analit. cas. Estos no sustituyen a los métodos numéricos, de hecho son un complemento en el proceso integral del modelado de sistemas fisicos que son cl elemento fundamental de Ia préctiea de In Ingenieria La Ingenierfa es la disciplina cientifica (Ronda, s.£.) que aplica las ciencias basicas en la solu de problemas. En pocas ocasiones, tin problema real podra ser eficientemente modelado con umaAnilisis numérico eenacién que tenga rafces exnctas o enteras y, en la generalidad de los easos, los modelos mmea serdn lineales, Las abstracciones que se hacen en el saldn de elase son silo ensayos ideales. Ante esta sitnacién, el ingenicro seguramente acudird a los métados numéricos para resolver las situaciones que se le presentan en la vida profesional, Aproximacién numérica y errores Una aprorimacién es un valor cereano a uno considerado como real o verdadero. Esta eercania, © diferencia, se conoce como error. Normalmente, la consideracién de la validez de una aproximacién depende de la cota de error que experimentador considere pertinente en funcién del contexto del fenémeno bajo estudio. Esto implica que también debe considerarse que magnitud debe ser un valor real, que en el aambito de la Ingenieria pocas veces se couoce, lo que obliga a adoptar convenciones, Exactitud y precisién En Ingenieria, se denomina evactitud a la capacidad de un instrumente de medir un valor cercano al de la magnitud real. Exactitud implica precisién, pero no al contrario. Exactitud y precisién no son cequivalentes. Exactitud es capacidad para accrearse a la magnitud real, y precisiin es la eapacidad de generar resultados similares. La precision se logra cuando un instrumento para repetir mediciones exactas enando estas se realizan conseentivamente De acuerdo con la definicién de aproximacién numérica, la exactitud se aplica en los métodos numiéricos en cuanto a la capacidad del método de generar un resultado muy cercano al valor real; se porcibe la cercanfa entre la exactitud y el eoneepto de error. Por otra parte, los métodos numéricos a través de iteraciones generan valores aproximados eada vez mis exactos, es decir, estas iteraciones deberan ser precisas. Dado Io anterior, los métodos numérieos deberdn tener como cualidades la exactitud y la precisién, Definicién de errores Una actividad frecuente del profesional de la Ingenieria consiste en trabajar con modelos mateméti- cos representativos dle un fendmeno fisico, Estos mnodelos son abstracciones matemiticas que distan mucho de representar exactamente al fenémeno bajo estudio debido prineipalmente a las earencias Y dificultades que atin posee el humano de la comprensién total de la naturaleza Como consecuencia de esto existen diferencias entre los resultados obtenidos experimentalmente y Jos emanados propiamente del modelo matemtico. A las diferencias cuantitativas entre los dos modelos se les deniomina Errores. Ejemplo. Sea h Ia altura a la que se encuentra un cuerpo, g In constante de Ia aceleracién de la gravedad y fel tiempo que dura la caida, se define al modelo matemtico como:Anilisis numérico 6 or modelo se obtendrin restth mto, Resulta ldgieo pensar que al realizar los edlenlos utilizando el ant tados que diferirén de las mediciones que pudieran obtenerse en el desarrollo del expe 4.1. Clasificacién de los errores Las diferencias (crrores) son muiltiples y de diversa naturaleza, aunque pueden separarse en dos grupos genéricos: = Los errores que provienen del modelado teérico (0 abstraccién matemitica) del fenémeno real; estos exrores se denominan Errores del modelo o inherentes. Los errores inherentes son producto de factores intrinsecos a la naturaleza, al ambiente y las personas mismas. Los iherentes son inimizarse no pueden cuantificarse. posibles de remediar aunque pued misecuencia, Se distinguen dos tipos de errores inherentes: Las incertidumbres hacen referencia a las di- mensiones fisieas que munca podrén ser medidas en forma exacta debido a Ja naturaleza de la materia y a las imperfecciones de los instrumentos de medicion, Las verdaderas equivocaciones son las situaciones que se producen en Ia lectura de instrumentos de medicién o en el traslado de informacién y que son inadvertidas a las personas; un claro ejemplo de estas situaciones es Ja denominada ceguera de taller. = Los errores del método son producto de la limitante en la representacién y manipula cantidades numérieas utilizadas en los calculos necesarios en el desarrollo del modelo maten co, Es de destacar que los dispositivos de cailculo (tales como caleuladoras y computadoras) utilizan y manipulan cantidades en forma improcisa, Existen dos grandes tipos de ecrores del método: El truncamiento se provoca ante la impor sibilidad de manipular, por parte de un instrumento de cémputo, una cantidad infinita de términos 0 cifras. Los términos o cifras omitidas (que son infinitas en mfimero) introducen un ‘error en los resultados ealculados. El redondeo se produce por el mismo motivo que el trunea- miento pero, a diferencia de éste, Ins cifras omitidas sf son consideradins en la cifra resultante. Esta consideracién se hace aplicando el siguiente esquema al digito menos significativo (cms) de la cifra a redondear de acuerdo al siguiente esquema: 1. Si el dms es mayor a 5, se incrementa en una unidad la cifta anterior. 2. Si el dms es menor a 5, la cifta anterior no se modifica. 3. Si el dims os igual a 5, deberd observarse a la cifta anterior; si ésta es par no sufre modifieacién, pero por el contrario, si es impar, deber4 incrementarse en una unidad. Quizés se conozea una versiGn practica y popular del redondeo simétrico en el eual la conside- raciOn tres se incluye en la primera de este esquema. Finalmente, existen también esquem que permiten minimizar la ocurrencia de estos errores, de igual forma es importante destacar que los orrores del método si pueden ser enantificados. 4.2. Cuantificacién de errores Los errores se cuantifican de dos formas diferentes:Anilisis numérico 1, Error Absoluto, Bl error absoluto es la diferencia absoluta entre un valor real y un aproximado. Esisi dado por la siguiente fgrmmuta: | Viteat — Vaprox | Elerror absoluto recibe este nombre ya que posee las mismas dimensiones que Ta variable bajo estudio, 2. Error relativo. Corresponde a la expresién en porcentaje de un error absoluto; en consecuencia, este error es adimensional, 210% La diferencia entre la preferencia en el uso de los dos tipos de error consiste preeisamente en la presencia de las dimensiones fisicas. Debido a las unidades de medicién utilizadas, el manejo y la percepcién del error absoluto sucle ser engaiioso o dificil de comprender ripidamente. Sin embargo. el manejo de porcentajes (0 valores relativos) resulta mas natural y sencillo de comprender. Sin embargo, el uso de estos dos tipos de errores esta sujeto siempre al objetivo de las actividades desarrolladas. Consideraciones sobre el Valor Real (Viz) La expresiones que definen a Jos errores absoluto y relative requieren del conocimiento de la variable Vea! que representa un valor ideal que no posee error alguno. Como podré suponerse, en la realidad resulta imposible determinar este valor Una préctica comin en los anzlisis elementales sobre errores es considerar como un valor real a los resultados arrojados por la medicién experimental de los fendmenos ya los valores aproximados como los proporcionados por los modelos matemticos (0 viceversa). El lector ha percibido que en ambos valores existe un error, por lo cual ninguno de ellos puede ser considerado como valor real. En realidad, ambos valores son valores aproximados. Por ejemplo, los valores noménales son considerados como reales Para lograr un resultado coherente, en la préctica debe sustituirse al valor real por un valor que se cousidere posee un error menor. Por ejemplo, en un proceso de mediciones suele utilizarse como valor real a los valores nominales citados en Ins especificaciones de los objetos a medir. En el caso del anilisis numérico, dado que los resultados se obtienen a partir de procesos iterativos que se mejoran los inicialmente obtenidos, debe partirse del supuesto que el iltimo valor obtenido posee un nivel menor de error que el valor previo. Dado lo anterior, los errores absoluto y relative se calenlarén de la siguiente forma: Error absoluto: Exror relativo: En ambos casos, Vj es el valor de la Ultima iteraci6n i y Vis es el valor de la iteracién anterior i—1.Anilisis numérico 8 Magnitud de los errores por truncamiento y por redondeo Lamentablemente, la literatura especializada sobre el tratamiento de errores es escasa por lo que sin embargo resulta muy importante conocer la magnitud de los errores que se cometen, en este caso, en el desarrollo de métodos uuméricos. Un estudio sobre errores muy difundido entre la comunidad dedicada al desarrollo del Analisis numérico es la desarrollada por Daniel McCracken, El referido estudio esté enfocado al manejo de datos numéricos en computadora y pertenece a un momento histérico en el cual los recursos de eémputo eran atin muy limitados en comparaeién con los dispo- nibles en los inicios del siglo XXT. Bn realidad, las conelusiones de MeCracken siguen vigentes hoy en din. Una aportacién importante sobre el estudio de los errores consiste en la cuantificacién de la magnitud de los que se comenten en el manejo de los datos en forma inherente al uso de Ia aritmética de punto flotante. Me Craken concluye que las magnitudes de los errores cometidos por trimeamiento son mayores a Ins cometidas por el uso del redondeo simétrico (McCracken y Dorn, 1984). Asimismo, se concluye también que la magnitud del exror por redondeo simétrico es independiente de Ia cantidad en si misma siendo producto del tamaiio de la mantisa que se utilice para hacer los célculos. El maximo error absoluto debido al redondeo simétrico ve calcula a través de la expresidn: 1 10-1 donde t es el tamaiio de Ja mantisa jemplo, Utilizando una mantisa de 3 cifras, determine el méximo error absoluto cometido en las siguientes cifras: 1. 10.334 2. 123293.967 En ambos casos, las cantidades estn definidas con una mantisa de tamafio tres, t = 3, para lo enal istituyendo en la ecuacién correspondiente: ot = 1 apt , 2 10 1,005, 2 Se observa que las cantidades 1 y 2 son muy diferentes en cuanto a magnitud: no obstante, el miiximo ezror absoluto presente en cada una de ellas es igual. Es importante establecer que en la realizacin de calculos no es trascendente conocer el signo algebraico de los errores, lo importante es conocer la diferencia entre los valores de trabajo, es decir, su distancia en valor absoluto, Esta debe ser siempre menor que una cantidad de error perm para considerar vilido el ciilculo. En la préetica de la Ingenieria, a esta cantidad de error perm se le conoce como tolerancia, Las tolerancias suelen expresarse en forma de porcentajes (errores relativos) y casi siempre estén enfocadas hacia el niimero de cifras signifieativas que deben utilizarse en la aproximacién. Se puede demostrar que si el siguiente criterio se cumple, puede tenerse la seguridad de que el resultada es correcto en al menos 1 cifras signifieativass tol = (0,5x10°™") —_[%]Anilisis numérico 9 ¢? utilizando la serie: Ejemplo.Caleule el valor de la func variando el ntimero de términos de Ja serie utilizados y utilizando cinco cifras exactas. Para este ejemplo, la tolerancia es tol = 0,5 - 10?-* = 0,00050. Si se considera como valor real el obtenido directamente de una calculadora, el resultado se muestra en la siguiente tabla: Cuadro 1: Errores en el céleulo de series infinitas ‘Término Valor Error T T 171828 2 2 0.71328 3 25 0.21828 4 2.66667 0.05161 5 2.70833 0.00995 6 271667 0.00161 7 2.71806 0.00022 Una segunda aportacién del estudio de McCracken es el establecimiento de un proceso para medir la propagacién de los errores ocasionados por el uso de la aritmética de punto flotante. A partir del establecimiento del méximo error absoluto cometido y de la operacién aritmétiea utilizada se demuestra que en este tipo de procesos el orden en que se realiza Tas operaciones sf modifica el resultado. Ejemplo. Sumar las cantidades siguientes, primero en orden ascendente y Inego en orden deseen- dente, considerando una mantisa normalizada de cuatro digitos asf como redondeo simétrieo en eada operacién intermedia: por otra parte, realice ln suma exacta (con todos los digitos posibles en um caleuladara] y considere este valor como exacto. Caleule el error relative que se comete en cada 1. 0.268108 2. 0,9567r108 3. 0,0053r10" 4. 01111210" Para las alternativas solicitadas, en las tablas respectivas se mostrar la cantidad normalizada asi como el subtotal, es decir, la suma redondeada en una mantisa normalizada de tamaio 4. El valor cracto, obtenido a través de uma calculadora es: 3643,341 El procedimiento consiste en normalizar las eantidades (igualando el exponente de la base diez en cada cantidad) y sumarlas en forma ascendente o descendentes, segrin sca cl caso; en In suma de cada par de cantidades, se redondes. el resultado manteniendo la mantisa en el tamaiio preestablecido,Anilisis numérico 10 Cuadro 2; Suma descendente Cantidad Cantidad Normalizada Subtotal DURST 2 0,09567010* 0.364210" 00053107 0,0001210¢ 0,3643r104 ottiiiot 0.001210 0,3644r108 ‘Cundro 3: Suma ascendente Cantidad Cantidad Normalizada __ Subtots O.LiLi210h O11 dr10T 0,0053210? 0,0530210" 0,161410" 0,9567.r108 95,6710" 958341010" 02685210" 268,510" 363,3341010" Cuadro 4: Comparacién de resultados Resultado Error absoluto Error relativo Valor exacto 308 1 Suma descendente — 0,3664r10" 20,659 0.56703 % ascendente 363,3341r10 10 O,27447 % En el cuadro dos se muestra la suma ascendente y ex el cuadro tres se muestra la suma en forma descendente. Finalmente, los resultados se incluyen en el euadro cuatro, Finalmente, este estudio arroja tres importantes conclusiones que deben considerarse en el diseiio de algoritimos para ejecutar métodos numéricos, Las conclusiones de McCracken son las siguientes: 1. Cuando se van a sumar y/o restar miimeros, se debe trabajar siempre con los mas pequefios primero. 2. De ser posible, evitar la sustraccién de dos niimeros aproximadamente iguales. Una expresién que contenga dicha sustraccién puede a menudo ser reescrita para evitarla 4 Una expresién del tipo a(® — c) puede reescribire de la forma ab— ac y {&=4 como 8 ~ 2 Si hay niimeros aproximadamente iguales dentro del paréntesis, ejecutar la resta antes que la inultiplicaciéu, Esto evitaré complicar el problema con ertores de redoneo adiciouales 4. Cuando no se aplica ninguna de las reglas anteriores, debe mininizarse el niimero de opera. ciones aritméticas. Queda como labor voluntaria analizar estas couclusiones y comprobar la forma en que fueron obte- nidas.Anilisis numérico u Convergencia y estabilidad de un método numérico Matemiticamente, la converyencia es la propiedad de algunas sucesiones y series de tender progre- sivamente au te Imite oxiste, se dice que la sucesién o la serie converge. En forma andloga, sim método numérico en su faneionamiento iterative nos proporciona aproxi- maciones eada ver mis cercanns al valor buseado, se dice que el método converge, La convergencia se mide a través de los errores: si el error entre dos aproximaciones sucesivas se reduce, el métado converge: se debe cumplir que Fen — amt) S tn — Fn-a) Bs decir, la diferencia enésima (y—zn-1) debo ser menor quo la diferencia (n=1)ésima Zy-1—y-2. Se dice que un sistema (0 un proceso) es estable si a pequeiias variaciones en la entrada 0 en la excitacién corresponden pequettas variaciones en Ia salida o en la respuesta. La estabilidad de un método mumético tiene que ver con Ia manera, en que los errores numéricos se propagan a lo largo del algoritmo. Cuando un método converge, lo més «eseable es que en los resultados que se obtengan, Jos niveles de error se disminnyan en la forma més répida posible, Sin embargo, ocurre que durante la operacién del algoritmo, ya sea por e] manejo de Tos datos numéricos o bien por la naturaleza propia del modelo matemético con el que se esté trabajando, los errores entre aproximaciones no ddisminuyan en forma progresiva, sino que incluso aumenten en alguna etapa del proceso para después reducirse mostrando un comportamiento aleatorio. La robustez de un método numérico radica en su convergencia y su estabilidad. Pueden utilizarse métodos cuya prueba de convergencia indique la pertinencia de su uso, pero que durante su aplica- cidn se obtengan resultados inestables que repercutan en el mimero de iteraciones y en consecuencia en el tiempo invertido en la solucién. El ideal lo constituyen métodos que a la vez de ser convergentes resulten estables Aproximacién de funciones por medio de polinomios Particularmente en el manejo de fumeiones traseendentes, la solucidn analitica de problemas puede ser dificil y complicada: incluso esta situacién paciria ocurrir cn el ambito de ln solneién numérica. Cuando esto ocurre, una herramienta de solucién posible es utilizar una representacién aproximada de la fancién a través de funciones mAs sencillas. Algunas de estas aproximaciones son: 1» Funciones periédicas (senos y cosenos) a través de las series de Fourier = Segmentar la funcién a través de una secnencin de Iineas rectas = La series de Taylor La expansin en series de Taylor busca obtener una aproximacién a f(z) a través de un polinomio de Ta forma PCa) = tn” + Og-a2"* + dyna”? + ayaa" +. + a1 +09 @Anilisis numérico 2 en In vocindad del punto, tenga n — 1 derivadas en el ‘9 para sus primeras n derivadas, Por lo anterior, se requiere que f(z) ervalo a <2 a =/'O) P"(0) = 2a2 a2 = 3f'(0) P'"(0) = Slag > a3 = 4f"(0) @) PON(0) = Kay => an = ASO) para n =0,1,2,3,4)---yn Sustituyendo (2) y (3) en (1): 7 a “) nat Pla) = 70) + FO) + LO + Os +4 PO mn - 2 0) “ ! a mon La expresién (6) representa la Serie de McLaurin, En un caso particular, es probable que se requiera que el polinomio P(X) sea igual a la funeién J (2) en un punto X diferente de cero, es decir, X = a # 0, se procede de la misma forma: Pra) = Sea) Pea) = f'(aa) P"(ra) =f" (za) 6) POV ra) = f(a) Esta consideracién genera un erecimiento de Ia abscisa, por lo cual la expresién general queda’ (6) A Ta ccuacién (5) se le conoce polinomio de Taylor de grado n para la funcidn f(r) en el punto Ejemplo, Caleule los polinomios de Taylor de grados 1 y 3 para f(r) = cos.x en 2 = 5, Sean:Anilisis numérico 13 _ 2D oct, =D yt AG =) + SEV) o ’ FOE ESD 90) EoD" (a, ED" ay ® Las derivadas valuadas on J: Sle) = cone) = (5) =0 o Sustituyendo (9) en (7) v en (8) Py(x) =1-04 @-)) & (e- Pie Yaa) 1-04 (+ + 2 Pile) = 0.107" — 0,7854" + 0.2342 +0,925, La figura (1) muestra gréficamente cada una una de las aproximaciones a f(x). 6.1. Residuo del polinomio de ‘Taylor No se debe perder de vista que el polinomio de Taylor es una aproximacién a la funcién f(x); conlleva un error que no suele ser considerado pero que en funcién de su orden pudiera Hegar a ser significativo, De tal forma, a la expresiéu: (e-0f A(z) = f(a) + En(2) (10) se le conoce como Formula de Taylor con residuo. Para calcular En(z) se evabtia la ecuaci6n (6.1) para diversos drdenes: Primer orden: Sle) = f(a) + @—a) f(a) + Ex(a)Anilisis numérico X= nla | a f(x) = sen(x) Py Figura 1: Aproximaciones a la funcién seno(z) Despejando E(x): F(z) = f(a) = fe) ~ (2a) f (a) La ecuacién (11) puede expresarse de forma integral: m(a)= [fou fo [a= [[f@-se@]a Integrando por partes: u=f()-F (0) und A) =|[F- Fo] = [esa Ae) =[f@-F@] -#-[f@-f@)]-a- [ef oae Ex(x) -xf (oar fe sae ov (4) (12)Anilisis numérico 15 2x02) = ["@— 9s" (oat (a3) Para un segundo orden el resultado es Fue) =} ['@- 0s" oat a4) Y para el n-ésimo orden: faa) = fe-orpo oa (15) Lao grado n, in (15) es el error cometido al aproximar la funcién f(X) con un polinomio de Taylor de 6.2. Estimacién del error de la aproximacién de Taylor Dato que la aproximacién de Taylor representa una serie con un niimero infinito de términos, no es posible encontrar un valor exacto para Eq(z), por lo que es necesario hacer algunas consideraciones: supéngase que my M son los valores minimo y maximo respectivamente, que adquiere la fancién ‘f(+(2) en el intervalo (a, 2]. Sustituyendo estos supuestos en la ecuacién (15): feat. (Em (2)lm = EGE 5 [Enel = MSGS Ambas expresiones son las cotas de error, es decir: =a tenant ma < Bye) <= MER Establocer los valores dem y Mf es un problema complieado, En aplicaciones reales se toma un criterio prictico que consiste en evalunr el término n+ 1 de In serie en algsin punto de inte que esté en la vecindad de ry = a. Por ejemplo, se desea estimar el error cometido al aproximar y =sin(x), para xq = 0, a través de un polinomio de sexto orden. El polinomio de Taylor de sin(x) es ampliamente conocido: El siguiente término de la serie (n +1) para estimar el error es: Ey < #. Se define como una desigualdad porque el valor real del error estar més cerca del punto pivote, en este caso de x9 = 0, por lo que el error seré. 1 los siguientes valores de o:Anilisis numérico 16 Conforme el valor de 79 s¢ acerca al punto en el enal se definié el polinomio (en este ease ra = 0) el error dismnimaye. Notas Las figuras y grificasinclnidas en este trabajo fueron elaboradas por Jon autores Referencias Borras, H., Duran, R., y Iriarte, R. (1984). Apuntes de métodos numéricos (F. de Ingenieria UNAM, Ed) Finkelshtein, A. M. (¢.£). El andlisis numérico en los tiltimos 24 ailos. Revista de la Sociedad Espariola de Historia de las Ciencias y de las Técnicas, 26, 919-928. Garcia B., S. (2017). Métodoa numéricos. Isnaeson, W. (2014). Los innovadares (Debate, Fd.) Luthe, R., Olivera, A., y Schutz, F. (1985). Métodos numéricos McCracken, D., y Dorn, W. (1984). Métodas numéricos y prograacién fortran (Limusa, Fd.) Nakamura, S. (s-f.). Métodos numéricos con software (P. Hall, Ea.) Olivera Salazar, A. (s.). Métodos numéricos (Limusa, Bd.). Rionda, 8. B. (s.f.). Bjemplos de aplicacién de los métodos numéricos a problemas de ingenieria, Ceniro de Investigacién en Matemiétieas A.C.. Sandoval, H. (2017). Métodos numéricos.