Cap.

1: El tratamiento numérico de los problemas matemáticos

Capítulo 1: El tratamiento numérico de los problemas matemá-

ticos.
1.- Introducción .......................................................................................................... 3
2.- Algoritmos ............................................................................................................ 4
3.- Características de los métodos numéricos ............................................................ 6
3.1. Convergencia de un método numérico ........................................................ 6
3.2.- Estabilidad de un Método Numérico. ......................................................... 7
3.3. Errores de los Métodos Numéricos. ............................................................. 7
4.- Algunos problemas en los que intervienen los métodos ..................................... 12
numéricos. ................................................................................................................ 12
5.- Un problema resuelto con métodos numéricos ................................................... 14
6.- Otros ejemplos de métodos numéricos ............................................................... 17
6.1. Derivación numérica .................................................................................. 17
6.2. Integración numérica ................................................................................. 18
Ejercicios propuestos ............................................................................................... 21
Bibliografía .............................................................................................................. 22

Bibliografía utilizada 1: (Burden and Faires 1985), (Chapra and Canale 1987), (Quintana and al.
2005), (Steiner 2005), (Chapra and Canale 2007)

NOTAS:

1
La mayoría de los textos presentados en este capítulo no son originales. Están tomados, más o menos modificados, de
los libros presentados en la bibliografía.

Pág. 1 de 22
Métodos Matemáticos
Página intencionadamente en blanco

Pág. 2 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

Capítulo 1

El Tratamiento Numérico de los

Problemas Matemáticos

En un problema de ingeniería, nos podemos encontrar con una serie de relaciones que conveniente-
mente tratadas, nos conducen a la solución final del problema. Por ejemplo, podemos obtener como solución
1
final la integral definida ∫ 0 f (x )dx , siendo f una función conocida. El problema teóricamente lo considera-
mos resuelto. Lo que queda es un "simple" cálculo. Pero ese cálculo, a veces, no es tan simple. Más aún, fre-
cuentemente es muy difícil e incluso imposible, si no se poseen instrumentos de cálculo especiales.

Los métodos numéricos aportan medios para afrontar esta y otras situaciones.

En este capítulo veremos algunas de las peculiaridades de esta rama de la matemática aplicada. En
los siguientes se estudiarán métodos particulares para resolver problemas numéricos.

1.- Introducción

El cálculo numérico está formado por un conjunto de técnicas mediante las cuales es posible
formular problemas de tal forma que puedan resolverse usando operaciones aritméticas. Hay muchos
tipos de métodos numéricos, todos comparte una característica común: Invariablemente los métodos
numéricos llevan a cabo un buen número de tediosos cálculos aritméticos. Esto hace que el desarrollo
de los ordenadores haya aumentado el papel de los métodos numéricos en la solución de problemas
de ingeniería.

Para resolver un problema, los ingenieros suelen utilizar 3 métodos:

1.- Métodos exactos o analíticos: Con frecuencia solo pueden encontrarse soluciones para
una clase limitada de problemas: Aquellos que pueden aproximarse mediante modelos lineales y los
que tienen una geometría simple y pocas dimensiones. En consecuencia, las soluciones analíticas
tienen valor práctico limitado ya que la mayor parte de los problemas reales no son lineales e implican
formas y procesos complejos.

2.- Métodos gráficos: Usando grafos o nomogramas los resultados no son muy precisos. Las
soluciones gráficas son tediosas en extremo y difíciles de implementar. Finalmente, las técnicas grá-
ficas están limitadas a aquellos problemas que puedan describirse usando 3 dimensiones o menos.

3.- Métodos numéricos: Hoy en día, los métodos numéricos, con el apoyo de los ordenadores
proporcionan una gran ayuda en cálculos complicados. Al usar el ordenador para obtener soluciones
directamente, se pueden aproximar los cálculos sin tener que recurrir a suposiciones de simplificación
o técnicas deficientes. Aunque muchas suposiciones son aún extremadamente valiosas, tanto para

Pág. 3 de 22
Métodos Matemáticos
resolver problemas como para proporcionar una mayor comprensión de los procesos de cálculo em-
pleados. Los métodos numéricos representan alternativas que amplían considerablemente la capaci-
dad para afrontar y resolver problemas.

Existen un buen número de razones por las cuales se deben estudiar los métodos numéricos:

1.- Son herramientas extremadamente poderosas para la solución de problemas. Son capaces de
manejar sistemas de ecuaciones grandes, no lineales y geometrías complicadas que son co-
munes en la práctica de la ingeniería y que, a menudo, son imposibles de resolver analítica-
mente.

2.- Muchos programas comerciales de ordenador están basados en Métodos Numéricos, por tanto
es imprescindible conocer éstos para sacar el máximo partido de aquellos.

3.- Hay casos en que un programa de ordenador no se ajusta al problema al que nos enfrentamos,
conociendo los métodos numéricos y algo de programación es posible crear programas que
nos sirvan con un coste muy bajo.

4.- Son un vehículo para prender a servirse de los ordenadores.

5.- Los métodos numéricos son un medio para reforzar la comprensión de las matemáticas.

2.- Algoritmos
El objetivo del análisis numérico es resolver problemas complejos de forma numérica, utili-
zando sólo operaciones simples de la aritmética. Los métodos de cálculo se denominan algoritmos.

Nuestros esfuerzos se centrarán en la búsqueda de algoritmos. Para algunos problemas aún

no se ha encontrado un algoritmo satisfactorio, mientras que para otros hay varios, por lo que debe-
remos elegir entre ellos. Son varias las razones para elegir un algoritmo en vez de otro; dos criterios
evidentes son la rapidez y la precisión. La rapidez es una ventaja evidente, aunque en el caso de
problemas pequeños dicha ventaja se ve casi eliminada por la capacidad del ordenador. En problemas
de gran escala, la rapidez es aún un factor principal y un algoritmo lento tiene que rechazarse por
impráctico. Así, siendo otros factores iguales, es seguro que el método más rápido será el elegido.

El siguiente ejemplo ilustra la existencia de 2 algoritmos igual de exactos pero con distinta
rapidez:

Vamos a efectuar 13 x 24 :

Algoritmo Usual
2 4
x 1 3
7 2
2 4
3 1 2

Pág. 4 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos
Algoritmo Ruso
1 3 R 2 4
6 4 8
3 R 9 6
1 R 1 9 2
3 1 2
Algoritmo Ruso: El número escrito a la derecha es doblado sucesivamente, mientras que el número escrito a la
izquierda es el cociente entero de la división por 2 del número precedente. Cuando la división por 2 tiene resto se coloca
una R. Se halla el resultado sumando en la columna de la derecha los números situados frente a los números impares de
la izquierda.

Dado que una computadora está compuesta de dispositivos que realizan operaciones lógicas
y aritméticas; los procedimientos matemáticos deben simplificarse de tal forma que sean accesi-
bles para procesarse en un ordenador. Este es uno de los objetivos principales para el estudio de
los métodos numéricos.

Definición de Algoritmo:

Un algoritmo es un procedimiento matemático que nos indica la serie de pasos y decisiones

que vamos a tomar para la solución de un problema.

Las características 2 que debe tener un algoritmo son:

1.- FINITO: Siempre debe terminar en un número determinado de pasos.

2.- DEFINIDO: Las acciones deben definirse sin ambigüedad.

3.- ENTRADA: Puede tener una o varias entradas.

4.- SALIDA: Debe tener una o más salidas.

5.- EFECTIVIDAD: Todas las operaciones deben ser lo suficientemente básicas para que pue-
dan hacerse exactamente en un determinado tiempo.

Organigramas:

Un algoritmo se puede expresar de forma natural con palabras (como se ha hecho con el Al-
goritmo Ruso). Sin embargo, también puede recurrirse a los Organigramas. Estos consisten en unos
gráficos formados por una serie de líneas que conectan entre sí diversas figuras geométricas, cada
una de las cuales representa un tipo de instrucción particular.

En los organigramas se utilizan muchos tipos de figuras, pero para nuestros propósitos sólo
utilizaremos tres:

2
En el apartado “Un problema resuelto con métodos numéricos se construye un algoritmo donde se pueden apreciar las
características aquí expuestas. Asimismo se presenta su organigrama.

Pág. 5 de 22
Métodos Matemáticos

Un óvalo representa el comienzo y el fin del algoritmo (A veces,

para simplificar se sustituye por un rectángulo).

Un rectángulo representa la existencia de una instrucción cual-

quiera.

Un rombo representa un símbolo de decisión, esto es, el mo-

mento en que dentro del algoritmo se pueden tomar 2 o más opciones distintas.

En el interior de estos símbolos se escribe el tipo de orden que cada uno de ellos representa,
y la línea que los une desarrolla el algoritmo.

Hay otra señal, muy importante, que no se ha descrito. Los métodos iterativos son muy fre-
cuentes. En ellos hay una serie de operaciones en las que participan algunos (uno o mas) números,
que varían cada vez que se aplica la rutina. En el paso siguiente, pues, nuevos números sustituirán a
aquéllos. La señal de sustitución es :=. Así,
an := an+1
significará que el valor obtenido para an+1 tomará el lugar que ocupaba el an. 3

3.- Características de los métodos numéricos

3.1. Convergencia de un método numérico

Un método numérico es convergente cuando su aplicación repetida genera aproximaciones

más y más cercanas a la solución del problema planteado.

Ejemplo: Vamos a presentar un algoritmo, conocido desde antiguo, que es convergente. Se

utiliza para obtener 2 hasta cuatro decimales. El proceso consiste en aplicar reiteradamente la fór-
1 2
mula recursiva x n+1 =  x n +  :
2 xn 

1 2
xn  xn +  xn+1
2 xn 

1 2
x1=1 1+  x2=1.5000
2 1

1 2 
x2=1.5000  1.5000 +  x3=1.4167
2 1.5000 

1 2 
x3=1.4167  1.4167 +  x4=1.4142
2 1.4167 

3
En el punto 5.- Un problema resuelto con métodos numéricos se presenta una situación de
este tipo.

Pág. 6 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

Vemos que la aplicación reiterada del algoritmo nos arroja las soluciones 1.5000, 1.4167,
1.4142 que cada vez se aproximan más al verdadero valor de 2 , luego el algoritmo es convergente.

3.2.- Estabilidad de un Método Numérico.

En los cálculos prolongados es probable que se realicen muchos redondeos. Cada uno de ellos
desempeña el papel de un error de entrada para el resto del cálculo y cada uno tiene un efecto sobre
la consiguiente salida.

Los métodos numéricos en que es limitado el efecto acumulativo de tales errores, de modo
que se genera un resultado útil, se llaman métodos numéricos estables.

Desafortunadamente, hay ocasiones en que la acumulación de errores es devastadora y la so-

lución está colmada de ellos. Es innecesario decir que estos métodos se denominan inestables.

3.3. Errores de los Métodos Numéricos.

Una idea muy relacionada con los errores de los métodos numéricos es el concepto de cifras
o dígitos significativos. Las cifras significativas de un número son aquellas que pueden utilizarse con
confianza. Se trata del número de dígitos que merecen certeza, más un dígito estimado. Por ejemplo,
en un velocímetro analógico, que esté graduado en saltos de 1 km/h y cuya aguja se sitúe entre 48 y
49 km/h, sus dos dígitos seguros son 48. Por convención al dígito estimado se le da el valor de la
mitad de la escala menor de división en el instrumento de medición. Así, la lectura del velocímetro
constará de tres cifras significativas: 48.5 km/h.

Centrándonos ya en los métodos numéricos, en general, en la información de entrada a un

método numérico habrá datos inexactos pues suelen originarse en procesos de medida. Además, el
propio algoritmo que se utilice introducirá error, quizás redondeos inevitables. La información de
salida contendrá entonces errores generados por ambas fuentes.

Asumiendo esto, los métodos numéricos deben intentar generar salidas lo más exactas posi-
bles, por lo menos con errores acotados y para ello es necesario conocer los siguientes conceptos:

EXACTITUD: se refiere a la cercanía de un número o de una medida al valor verdadero que se

supone representa.

PRECISIÓN: se refiere a cómo de cercanos se encuentran, unos de otros, diversos valores calculados
o medidos de una misma magnitud real. Por ejemplo: si al medir un mismo tornillo varias veces, las
medidas que obtenemos están muy próximas diremos que la medida se está haciendo con precisión.
Ello no implicará que se esté midiendo con exactitud pues si, por ejemplo, el tornillo mide realmente
14.50 mm y las medidas que obtenemos son 16.23, 16.23, 16.24, 16.22, 16.23 mm, estaremos mi-
diendo con precisión pero no con exactitud.

ERROR ABSOLUTO: es la diferencia entre el valor de un número y su valor aproximado. Sea y

(valor real) e ya (valor aproximado), ey error absoluto:

ey =  y - ya

Pág. 7 de 22
Métodos Matemáticos

Una desventaja de esta definición es que no toma en consideración el orden de la magnitud del valor
que se estima. Por ejemplo, un error de un centímetro es mucho más grave si se está midiendo un
tornillo que si se está midiendo un lateral de un campo de fútbol.

ERROR RELATIVO 4: es el cociente del error absoluto entre el valor real. Sea ry el error relativo
en la medida y:
a
ey | y - y |
ry = = para todo y ≠ 0.
y y
También es usual expresarlo en %:
ey | y - ya |
ry = ·100% = ·100% para todo y ≠ 0.
y y
Desgraciadamente, al aplicar un método numérico, no conoceremos el verdadero valor de la magnitud
que estemos calculando. Entonces calcularemos el error relativo de una estimación comparándola con
la mejor estimación lograda hasta ese momento para la magnitud en estudio.

Por otro lado, los Errores en los métodos numéricos pueden aparecer por diferentes causas:

ERRORES HUMANOS: El primero de los cuatro tipos de errores que pueden tener lugar es tan
obvio que hay tendencia bien a ignorarlo o bien a sentirse demasiado confundido para mencionarlo.
Un error humano o "pifia", es decir, cualquier desliz habido durante la realización de los cálculos,
es probablemente la forma más común de error. Puede darse al cometer un error inadvertido al copiar
o teclear los datos, un error en cálculos manuales, un error en un programa de ordenador, o incluso
un error en una fórmula matemática. Si un método numérico falla inesperadamente, la causa más
probable será un error humano.

Los errores humanos pueden ser los más difíciles de descubrir entre los cuatro tipos. Sin em-
bargo, dentro del conjunto son mucho más fáciles de reconocer, porque tienden a producir errores
mucho mayores en la solución del problema que otros tipos de errores.

Los errores humanos son bastante frecuentes al programar el ordenador, y la búsqueda de tales
errores (lo que se conoce también como "depuración") puede ser un ejercicio fastidioso hasta que se
ha alcanzado alguna experiencia práctica. También se producen errores humanos al ejecutar métodos
y fórmulas procedentes de libros de texto. Es fácil olvidar parte de un método, interpretarlo mal o
mezclar los símbolos de las distintas incógnitas. Además, los libros de texto no son infalibles, y me-
rece la pena contrastar una fórmula entre dos libros de texto o bien verificar el proceso que lleva a la
fórmula 5.
Una de las mejores maneras de comprobar que un algoritmo se utiliza correctamente, es me-
diante un conjunto de datos de prueba, correspondientes a un caso particular sencillo, y comparar los
resultados numéricos con los reales.

ERRORES EN LOS DATOS: Son errores en los valores numéricos con que se va a operar. Pueden
deberse a dos causas, distinguiéndose errores sistemáticos y accidentales.

ERRORES SISTEMÁTICOS: Están producidos por un defecto del instrumento de medida

del que proceden los datos o por una tendencia errónea del observador y, por lo tanto, se
registran siempre en un mismo sentido; sólo pueden ser puestos de manifiesto cambiando de
aparato de medida o de observador.

5
¡Esta observación también es aplicable al texto que está leyendo en este preciso instante!

Pág. 8 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

ERRORES ACCIDENTALES: Son debidos a pequeñas causas imponderables e imposibles

de controlar, que alteran, ya en un sentido, ya en otro, los valores hallados. Tales son, por
ejemplo, pequeñas fluctuaciones de la temperatura, presión o simplemente la imperfección de
nuestros sentidos y métodos de medida. Este tipo de errores, que no podemos evitar, pueden
compensarse tomando, por ejemplo, la media aritmética de una serie de medidas de una
misma magnitud 6.

Los errores accidentales no pueden conocerse para cada medida aislada, pues su dis-
tribución obedece a las leyes del azar, y sólo cabe determinar un límite superior que viene
dado por la sensibilidad de las medidas realizadas 7 .

Es fácil comprobar que la media aritmética de una serie de medidas de una misma
magnitud viene afectada por un error menor que cualquiera de los resultados individuales.

ERRORES DE TRUNCAMIENTO: Se deben a la interrupción de un proceso matemático antes de

su terminación. Sucede cuando se toman sólo algunos términos de una serie infinita o cuando se toma
sólo un número finito de intervalos. Por ejemplo, si se usa el polinomio de Taylor de orden 10 de la
función f(x) = sen x en el punto x=0 para calcular aproximadamente sen(1), sabemos que el error
f ( ε ) 11
11
cometido viene dado por el resto que, en su expresión de Lagrange, es .1 , con ε∈(0,1). En
11!
1
este caso, usando que f11(x)≤1, ∀x, podemos afirmar que es la cota del error de truncamiento.
11 !

Un caso adicional de error de truncamiento ocurre cuando una calculadora poco sofisticada
sólo toma en cuenta los dígitos que caben en la pantalla y no analiza el primer dígito perdido 8.

ERRORES DE REDONDEO: Aparecen cuando se utiliza calculadora u ordenador para realizar

cálculos numéricos. Se originan porque la aritmética realizada en una máquina involucra sólo un
conjunto finito de dígitos para representar a todos los números reales. Los ordenadores pueden utilizar
dos tipos de aritmética:

i) Aritmética de precisión arbitraria. Permite realizar cálculos con números racionales de

modo exacto, pero es poco eficiente para algunos problemas, debido al tiempo y espacio de
memoria que requiere el uso, almacenamiento y representación de números racionales arbi-
trariamente "largos". Es la que utiliza, por ejemplo, DERIVE, salvo especificación contraria,
pero está poco extendida.

ii) Aritmética de coma fija. En los primeros ordenadores era muy común utilizar este tipo de
aritmética, en la que se mantiene un número fijo de cifras decimales en cada número tanto
antes como después de cada suma, multiplicación, etc. Por ejemplo, si se conservan dos cifras
decimales, la multiplicación
6543.21 x 0.014

6
Por ejemplo, si vamos a usar como dato para la aplicación de un método numérico la longitud de un estadio de fútbol,
lo ideal sería medirlo varias veces y obtener la media aritmética de las medidas obtenidas.
7
Con una balanza que tiene una sensibilidad de un gramo, el error accidental máximo que podemos cometer, a priori, es
de 1 gramo.
8
Calculadoras de este tipo daría como solución de 2/3 el número 0.6666666, en lugar del más correcto 0.6666667

Pág. 9 de 22
Métodos Matemáticos
se realiza como sigue:

6543.21 x 0.014 = 6543.21 x 0.01 = 65.4321 = 65.43

Sin embargo, el cálculo exacto sería el siguiente:

6543.21 x 0.014 =91.60494 (=91.60) con dos cifras decimales)

y así la aritmética de coma fija puede dar resultados muy imprecisos.

iii) Aritmética de coma flotante. Es la que tienen incorporada la mayoría de los sistemas actua-
les, se trabaja con un número finito (fijo) de dígitos y los cálculos se realizan con representa-
ciones aproximadas del número verdadero. Se comete, en la mayoría de las ocasiones errores
conocidos como de redondeo.

Un número en coma flotante de n dígitos significativos en base β tiene la forma

x = ±(d1 . d2d3...dn)β·βe,

donde d1 . d2 d3...dn es la mantisa, elegida de modo que d1 ≠0, y e es un número entero que se llama
exponente, que puede variar en un cierto rango que depende de las distintas máquinas. Por ejemplo,
si β=10 (sistema decimal) y n=6 (usamos 6 cifras significativas), la representación de cada uno de los
números situados a la izquierda es la que aparece a la derecha:

326.6041 → +3.26604x102
→
-15.24 -1.52400x101
→
-64297341 -6.42973x107
→
-64297293 -6.42973x107
→
0.0062 +6.20000x10-3
1 -3
En el primer caso, el error de redondeo es menor que 10 , en el segundo no hay errores de
2
redondeo, en el tercer y cuarto números, que tienen la misma representación en aritmética flotante
1
con redondeo a 6 dígitos, una cota del error es 10 2 y en el quinto caso no hay errores de redondeo.
2
Veamos cómo se redondean estos números de forma que se minimice el error:

Regla de redondeo: Para redondear un número a n dígitos significativos, elimínense todos

los dígitos a la derecha del dígito significativo del lugar n, o reempláceselos por ceros si estos ceros
son necesarios para mantener un valor relativo. Al ejecutar esta operación, obsérvese lo siguiente:

(1) Si el primero de los dígitos despreciados es menor de 5, déjense como están los dígitos res-
tantes.

(2) Si el primer dígito despreciado es superior a 5, añádase una unidad al último dígito conser-
vado.

(3) (a) Si el primer dígito despreciado es exactamente cinco y hay dígitos no cero entre
los despreciados, añádase una unidad al último dígito conservado.

Pág. 10 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

(b) Sin embargo, si el primer dígito despreciado es exactamente 5 y el resto de los dígitos
despreciados son cero, el último dígito conservado se deja como está si es par y se
incrementa en una unidad si es impar (regla del dígito par).

Es evidente que al aplicar la regla de redondeo, el error de redondeo no excede de media

unidad del orden del último dígito significativo conservado.

Obsérvese que cuando se manejan números grandes, el error absoluto debido al redondeo
puede ser verdaderamente importante.

El error de redondeo se propaga, ya que a la hora de operar el ordenador ajusta los exponentes
y redondea. El trabajar con esta aritmética puede llevar a sorpresas desagradables. Por ejemplo:

A = +4.61903x10-1 B = +3.21864x10-4
A+B = +4.61903x10-1 + 0.00321x10-1 = 4.62224x10-1

Si hiciéramos (A+B) - A quedaría 0.00321x10-1, cuya representación normalizada es

3.21000x10-4, es decir, a veces en esta aritmética nos podemos llevar la desagradable sorpresa de que,
por ejemplo, (A+B) - A no es B.

La propagación del error de redondeo puede dar lugar a resultados desastrosos en un método
numérico. Por ello, hay que ser especialmente crítico con los resultados obtenidos.

En ocasiones será bueno utilizar propiedades algebraicas para reescribir los algoritmos de
modo que sea menor la propagación del error. El ejemplo que sigue ilustra este comentario:

EJEMPLO: Se considera la ecuación de segundo grado x2 − 6210x + 1 = 0; si calculamos la menor

de sus soluciones trabajando en aritmética de coma flotante con 6 dígitos se obtiene

6210 - (6210 )2 - 4
x= ≈0
2
En cambio, usando aritmética de 8 dígitos, se obtiene

6210 - (6210 )2 - 4
x= ≈ 1.6118633x10 -4
2
Como se ve, el error de redondeo que se produce como consecuencia del redondeo a seis
dígitos es mayor que 10-4 que, en relación con el valor de la raíz, es muy significativo.

La razón de que esto suceda es el hecho de restar en el numerador dos números muy próximos,
esto se puede evitar multiplicando y dividiendo por el conjugado:

2
- ( 6210 2 - 4) 4
x = 6210 =
2(6210 + 6210 2 - 4) 6210 + 6210 2 - 4

y realizando estas operaciones con seis dígitos se obtiene x=3.22061x10-4 que es una buena aproxi-
mación 9.

9
Una solución muy aproximada es 3.2206119x10-4

Pág. 11 de 22
Métodos Matemáticos

El análisis de la propagación del error de redondeo queda fuera del alcance propuesto para la
asignatura y sólo cabe aconsejar que se sea crítico con los resultados obtenidos y que no se acepten
los que no sean razonables.

4.- Algunos problemas en los que intervienen los métodos

numéricos.

Ejemplo 1: En un problema de economía, intervienen 15 factores que están sometidos a 15

relaciones lineales (ecuaciones). Deseamos obtener el valor de cada uno de los factores. Se trata, pues,
de resolver un sistema de 15 ecuaciones con 15 incógnitas.

Ejemplo 2: Necesitamos conocer el menor valor que toma la función siguiente

f(x) = x6-14x3+18x+31 en el intervalo (0,3). Para ello tendremos que calcular el valor de x donde se
hace nula su primera derivada, es decir, tendremos que calcular las raíces de la ecuación f'(x)=0, o lo
que es lo mismo,

6x5 - 42x2 + 18 = 0
pertenecientes al intervalo (0,3).

2 x
Ejemplo 3: ¿Cuánto vale ∫ 1 dx ?
sen x

Ejemplo 4: Conocemos el valor de una función en siete puntos y necesitamos saber cuánto
vale en un punto intermedio.

Normalmente sabemos resolver sistemas de ecuaciones, ecuaciones polinómicas, integrales

definidas, etc. Sin embargo, si miramos atentamente los ejemplos anteriores nos encontraremos en
cada uno con serias dificultades. Vamos a analizarlas, en cada caso.

Análisis de las dificultades que se presentan para la resolución de

los ejemplos anteriores.
Ejemplo 1: Poseemos instrumentos (Teorema de Rouche-Frobenius) que nos permiten
decidir sobre la compatibilidad de cualquier sistema de ecuaciones. Y métodos que, si es compatible,
nos permiten resolverlo. La dificultad, en este caso, estriba en la gran cantidad de operaciones que
hay que efectuar para llevar a buen término un sistema 15x15. Se requieren procedimientos sistemá-
ticos que palien la inmensa complejidad de la empresa. El método de Gauss, que ya se habrá estu-
diado, es uno de ellos. Hay otros, que se verán en capítulos venideros.

Ejemplo 2: Aunque la ecuación 6x5 - 42x2 + 18 = 0, o su equivalente

x5 - 7x2 + 3= 0

es, en apariencia, inocente, no poseemos ningún "algoritmo finito" que nos lleve a las raíces. Es decir,
no hay una "fórmula" que lo resuelva mediante un número finito de operaciones. Si quisiéramos ob-
tener "algo", con nuestros conocimientos actuales, tendríamos que proceder por aproximaciones su-
cesivas:

Pág. 12 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

Vamos a dar valores a la función f(x) = x5 - 7x2 + 3 hasta aproximarnos a alguno que nos la
anule, calculamos:

f(0) = 3
f(1) = -3, hay alguna raíz 10 entre 0 y 1. Afinamos más:
f(0.1) = 2.93001
.....................
f(0.6) = 0.55776
f(0.7) = -0.26193, hay una raíz entre 0.6 y 0.7

Etcétera

Vemos que, poco a poco, vamos acercándonos a la raíz, sin embargo, el procedimiento es
largo y costoso.

Será preciso conocer otros métodos más expeditivos que, aunque no nos den la raíz exacta,
nos aproximen a ella tanto como deseemos. Estudiaremos alguno de estos métodos en los capítulos
siguientes.

Ejemplo 3: Hay muchas funciones cuyas primitivas no tienen una expresión elemental, y no
x
podremos integrarlas mediante la regla de Barrow. Esta, , es una de ellas. Sin embargo, fre-
sen x
cuentemente, nos veremos en la necesidad de integrarlas. ¿Cómo lo haremos? Una posibilidad es
desarrollar en serie de Taylor, e integrar el polinomio resultante.

Pero hay otros métodos mucho más cómodos.

Ejemplo 4: Este problema, tal como está planteado, no tiene solución, ni siquiera aproximada:
por muchos valores que conozcamos de una función, su comportamiento en un punto intermedio es
completamente imprevisible. Sin embargo, si, además poseemos algunos datos sobre las derivadas de
la función, el problema es resoluble: buscaremos una función sencilla (un polinomio) que pase por
esos 7 puntos, y podremos asegurar que su valor en los puntos intermedios es próximo a la función.

En capítulos siguientes se aprenderá a formar tales polinomios y a valorar el grado de aproxi-

mación a la función, según los casos.

Abordaremos también la derivación numérica. Se ocupan de este problema los Métodos Nu-
méricos que intentan calcular el valor de la derivada n-sima de una función en un punto, cuando se
desconoce la expresión analítica de la función (solo se conoce una tabla de valores de ella) o cuando
ésta es conocida pero se intenta utilizar un ordenador.

Asimismo, trataremos la Integración Numérica. Se recurre a estos métodos cuando hay que
integrar una función complicada y continua que es difícil o imposible de integrar directamente o
cuando tenemos una función tabulada en donde los valores de x y f(x) se dan en un conjunto de puntos
discretos, como es el caso, a menudo, de los datos experimentales.

10
Por haberse producido un cambio de signo y por ser la función es continua, su gráfica atraviesa el eje de abscisas en el
intervalo [0,1] y es precisamente en ese punto de corte donde está la solución buscada.

Pág. 13 de 22
Métodos Matemáticos

Algunas conclusiones sobre los métodos numéricos:

- Permiten solucionar problemas que, sin ellos, serían irresolubles o sumamente difíciles.

- Casi todos dan soluciones aproximadas. Por tanto, hay error.

- El error se puede controlar (acotar). Es decir, podremos asegurar que la diferencia entre la
solución real y la obtenida es menor que un cierto número (cota de error).

- Casi siempre, el margen de error puede reducirse con sólo efectuar algunos cálculos más.

- Muchos de los métodos son reiterativos. En tales casos el proceso se aclara notablemente
mediante un organigrama.

5.- Un problema resuelto con métodos numéricos

Vamos a ver, sobre un ejemplo, alguna de las peculia-

ridades del cálculo numérico.

Trataremos de encontrar la raíz de la ecuación

f(x) = 0, que está en el intervalo [a,b]. Esto no es otra cosa que
determinar la abscisa del punto (xr,0), en la gráfica de la fun-
ción f(x). Es decir, el punto donde la función corta al eje de
abscisas.

La figura adjunta nos sugiere un camino a seguir. Así,

si trazamos un segmento en base a los puntos (a,f(a)), (b,f(b)),
el citado segmento cortará al eje de abscisas en un punto x1 que
podríamos considerar una aproximación a la solución xr.

Si ahora volvemos a trazar otro segmento ahora en base a los puntos (a,f(a)), (x1,f(x1)), cortará
al eje de abscisas en el punto x2, que, análogamente, podríamos considerar una aproximación a xr,
mejor que x1.

Si continuamos el proceso: Segmento (a,f(a)), (x2,f(x2)) hallaríamos el punto x3, aún más pró-
ximo a xr y así sucesivamente.

Para este método, indudablemente, se deben de dar algunas condiciones en la función f(x),
estas podrían ser:

f ha de ser continua en [a,b]

f toma valores de signos distintos en los extremos del intervalo

En el ejemplo presentado antes, siempre hemos sustituido b por x1, x1 por x2, etc. Esto no es
siempre así, habrá que ver a qué valor hemos de sustituir.

Pág. 14 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

Las figuras 2a y 2b corresponden a los dos primeros pasos de aplicación del método expuesto
para un caso donde se producen otro tipo de
sustituciones.

En 2a, el intervalo inicial es [a,b]. El

segmento, r1, corta al eje X en x1. Como el
signo de f(x1) = signo de f(b), x1 reemplaza
a b, y sigue el proceso tal como se indica en
2b.

Tenemos ahora el intervalo [a,x1]. El

segmento, r2, corta al eje X en x2. Como
signo f(x2 = signo f(a), x2 sustituye a a. La
solución está en el intervalo [x2, x1]. 11

Y así sucesivamente.

Este método se llama "de la cuerda" o "regula falsi" y se verá más detenidamente. Procedamos
ahora, a expresar de forma analítica lo realizado gráficamente:

La ecuación de la recta que pasa por (a,f(a)), (b,f(b)) es

f (b) - f (a)
y= (x - a) + f (a)
b-a

y la abscisa del punto (valor de xi) en que ésta corta al eje X es

b-a af(b) - bf(a)

x=a - f(a) = (*)
f(b) - f(a) f(b) - f(a)

Según el signo de f(α), α reemplazará a a o a b y se vuelve a aplicar la fórmula (*).

Podemos dar por finalizado el proceso cuando f(α)  0. El grado de aproximación lo fijaríamos
de antemano. Por ejemplo, tomando un k>0 y suficientemente pequeño, diríamos que f(α)  0 cuando
f(α)<k.

Estudio del error: De momento, no disponemos de ninguna fórmula que nos permita decidir,
previamente, cuántos pasos han de darse para que el error sea inferior a un tope admisible. Sin em-
bargo, sí se puede controlar el error, según se verá en la resolución práctica que sigue.

Organigrama:

Datos: a, b, k, y la función f.

11
Siempre se elige la sustitución de forma que el nuevo intervalo contenga a la raíz buscada, es decir, de forma que f, en
los extremos, tome signos contrarios.

Pág. 15 de 22
Métodos Matemáticos

Ejemplo:
2 x 3 + 3 x 2 - 36x - 60
Vamos a calcular una solución de la ecuación = 0 en el intervalo -3 y 3.
20
Para poder seguir gráficamente los pasos analíticos, en la figura adjunta se representa la función:

af(b) - bf(a)
a b f(a) f(b) α= f(α)
f(b) - f(a)

-3 3 1.05 -4.35 -1.833 0.188

-1.833 3 0.188 -4.35 -1.633 -0.096

-1.833 -1.633 0.188 -0.096 -1.701 0.004

Vemos que la solución podría ser α=-1,701. ¿Cómo acotamos el error cometido?

f(α) = 0.004 > 0

f(α+0.01) = f(-1.700) = 0.0022 > 0
f(α-0.001) = f(-1.702) = 0.0051 > 0; el error es mayor que 10-3
f(α+0.005) = f(-1,696) = -0.00357 <0

La raíz está en el intervalo (-1,696, -1,701).

Podemos decir, pues, que la solución es α = -1.701 con un error, por ejemplo,
menor que 5.10-3.

Pág. 16 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

6.- Otros ejemplos de métodos numéricos

6.1. Derivación numérica

Vamos a presentar, como ejemplo de derivación numérica, las fórmulas de las diferencias divididas.
Las mismas proceden de truncar el polinomio o serie de Taylor en un determinado punto.

Partamos del polinomio de Taylor para un entorno de un punto de abscisa “a”:

f " ( a )( x − a ) f ''' ( a )( x − a )
2 3

f ( x=
) f ( a ) + f ' ( a )( x − a ) + + + ···
2! 3!
si truncamos en el segundo sumando, asumiendo el error que se pudiera cometer:

f ( x) =f ( a ) + f ' ( a )( x − a )

 x = xi −1 
si ahora hacemos el cambio   → x − a =xi −1 − xi =−h tendríamos
 a = xi 

xi −1 ) f ( xi ) − f ' ( xi ) h
f (=

f ( xi ) − f ( xi −1 )
f ' ( xi ) =
h

que es la fórmula aproximada de la primera derivada de una función por diferencia dividida “ha-
cía atrás”. h es la distancia constante entre las abscisas de puntos consecutivos ( xi −1 y xi ) en una
tabla de valores de la función en estudio.

Operando de forma análoga se puede obtener la fórmula de la segunda derivada de una función por
diferencias divididas “hacia atrás”:

f ( xi ) − 2 f ( xi −1 ) + f ( xi −2 )
f '' ( xi ) =
h2

Por tratarse de presentar unos ejemplos, no nos detendremos en el estudio y acotación de los errores
que se cometen al proceder de la forma descrita. Si se tiene interés, se puede consultar (Burden and
Faires 2002)

Ejemplo:

Encontrar una aproximación para la primera y segunda derivadas de la función f(x), definida por la
tabla, para el punto x=1:

x 0.50 0.75 1.00

f(x) -0.693 -0.288 0.00
En este caso, la distancia en abscisa de los puntos tabulados es h=0,25. xi es el punto donde quere-
mos calcular las derivadas (xi=1.00)

Pág. 17 de 22
Métodos Matemáticos

f ( xi ) − f ( xi −1 ) f (1.00 ) − f ( 0.75) 0.00 − ( −0.288)

' ( xi )
f= → f ' (1.00
= ) = = 1.152
h 0.25 0.25
f ( xi ) − 2 f ( xi −1 ) + f ( xi −2 )
f '' ( xi ) =
h2
f (1.00 ) − 2 f ( 0.75) + f ( 0.5) 0.00 − 2 ( −0.288) + ( −0.693)
f '' (1.00 ) = = = −1.872
0.252 0.252

f ' (1.00 )  1.152; f '' (1.00 )  −1.872

#
Existen, además, fórmulas de diferencias divididas hacia adelante y de diferencias divididas cen-
trales que se pueden consultar en cualquiera de los libros incluidos en la bibliografía.

6.2. Integración numérica

Cuando se tiene que calcular el valor de una integral en un intervalo, la función a integrar será, en
general, de una de las tres formas siguientes:

1. Una función simple y continua tal como un polinomio, una función exponencial o una función
trigonométrica.
2. Una función complicada y continua que es difícil o imposible de integrar analíticamente.
3. Una función tabulada en donde los valores de x y f(x) se dan en un conjunto de puntos discre-
tos, como es el caso, a menudo, de los datos experimentales.

En el primer caso, se debe evaluar utilizando métodos analíticos aprendidos en cálculo.

En los dos últimos casos debemos recurrir a métodos aproximados. Dentro de éstos están los métodos
gráficos, que nos sirven para estimaciones rápidas y poco precisas. Cuando se necesitan valores más
exactos, se dispone de métodos alternativos llamados integración o cuadratura numérica para los
mismos propósitos.

Estos últimos métodos utilizan datos en puntos discretos, generalmente presentados en forma de tabla.
Cuando lo único de que disponemos los aplicaremos para resolver problemas de tipo 3. Para los de
tipo 2, como conoceremos la expresión analítica de la función a integrar, bastará con generar una
tabla con los valores que se precisen para realizar el cálculo.

Como ejemplo de integración numérica presentaremos la regla

del trapecio simple, la cual consiste en sustituir la función a inte-
grar por un polinomio de primer grado, es decir, por una recta:

Supongamos que tenemos que calcular ∫ f ( x ) dx . Una estrategia

b

a
podría ser sustituir la función f(x) por un polinomio de grado 1,
p(x), que pase por los puntos (a, f(a)), (b, f(b)).

La ecuación de la recta que pasa por los dos puntos mencionados sería:
f (b) − f ( a )
p ( x) =
f (a) + ( x − a ) , pudiendo hacer la siguiente simplificación:
b−a

Pág. 18 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos
 f (b) − f ( a )  f ( a ) + f (b)
∫  f ( a ) + b − a ( x − a ) dx =
∫ f ( x ) dx  ∫ p ( x ) dx = (b − a )
b b b

a a a 2

Por tanto, la fórmula aproximada que aplica la regla del trapecio simple 12 es:

f ( a ) + f (b)
∫ f ( x ) dx  ( b − a )
b

a 2

El error total de la regla trapezoidal será:

1
Et =
− f '' ( ε )( b − a ) , ε ∈ ( a, b )
3

12

Lo cual nos indica que cuanto menor sea el intervalo de integración mucho menor será el error co-
metido y que para la integración de funciones lineales esta aproximación será exacta.

Evidentemente esta forma de proceder, cuando el intervalo de inte-

gración sea grande, puede arrojar mucho error. Una forma de mejo-
rar el error es dividir el intervalo de integración en un conjunto de n
segmentos iguales y aplicar el método a cada uno de estos segmen-
tos, sumando los resultados. Tendríamos así, la regla del trapecio
con segmentos múltiples, cuya fórmula sería:

f ( x ) dx = ∫ f ( x ) dx , cambiando la notación de a por x0 y de b por xn:

b xn
∫a x0

n −1
f ( x0 ) + 2∑ f ( xi ) + f ( xn )
∫ f ( x ) dx f ( x ) dx  ( xn − x0 )
b xn
=
a ∫ x0
n =1
2n

Expresión que también suele tomar la siguiente forma:

h n −1

∫ f ( x ) dx f ( x ) dx  ( ) ∑ f ( xi ) + f ( xn ) 
b xn
=
a ∫ x0 
2
f x0 + 2
n =1 

h (paso) representa la longitud de cada uno de los segmentos iguales en que hemos dividido el inter-
valo de integración (a,b).

El error total sería:

(b − a ) , ε ∈ x , x
3
1
Et =
− f '' ( ε i ) i ( i −1 i )
12 n2

Que nos indica, por ejemplo, que si el número de segmentos (n) se duplica, el error se reduce a la
cuarta parte.

12
Se llama regla del trapecio porque lo que se calcula es el área del trapecio de base menor f(a), base mayor f(b) y al-
tura (b–a)

Pág. 19 de 22
Métodos Matemáticos
Ejemplo:
x f(x)
f ( x ) dx :
11
∫
Dada la función f(x), definida por la tabla adjunta, calcular 1 0.40
3 3 1.20
1. Por la regla del trapecio simple 5 2.80
2. Por la regla del trapecio con segmentos múltiples 7 5.20
9 8.40
Solución: 11 12.40
1.
f ( a ) + f (b)
∫ f ( x ) dx  ( b − a )
b

a 2
f ( 3) + f (11) 1.20 + 12.40
(11 − 3)
f ( x ) dx = (11 − 3)
11
∫3 2
=
2
=
54.40

2.
h n −1

∫ f ( x ) dx ( 0 ) ∑ f ( xi ) + f ( xn ) 
f ( x ) dx 
b xn

a
= ∫x0 
2
f x + 2
n =1 
h 3

( ) ( ) ( ) ∑ ( xi ) + f ( x4 ) 
b x4
∫a
= f x dx ∫x0 f x dx  
2
f x0 + 2
n =1
f=

 f ( x0 ) + 2 ( f ( x1 ) + f ( x2 ) + f ( x3 ) ) + f ( x4 ) 
h
=
2
 f ( 3) + 2 ( f ( 4 ) + f ( 5) + f ( 7 ) ) + f (11) 
2
f ( x ) dx 
11
∫3 2
2
∫3 f ( x ) dx  2 1.20 + 2 ( 2.80 + 5.20 + 8.40) + 12.40 =
11
46.4

Para que el lector se pueda hacer una idea de los resultados logrados, si se tiene en cuenta que la tabla
x2 + 3
ha sido generada con la función f ( x ) = , el resultado exacto de ∫ f ( x ) dx sería:
11

10 3

11 x + 3
2
( )
11
∫3
= f x dx ∫3 10 dx 45.87
=

─── o ───

Pág. 20 de 22
 Cap. 1: El tratamiento numérico de los problemas matemáticos

Ejercicios propuestos

1.- Diseñe un algoritmo para la resolución, sobre los números reales, de una ecuación de 2º grado
con coeficientes reales.

2.- Ídem sobre los números Complejos.

3.- Halle 34x25 mediante la aplicación del "algoritmo ruso".

4.- a) La longitud real de una mesa es de 112.8 cm. Al efectuar su medida se obtiene 113.4 cm.
Hallar los errores absoluto y relativo cometidos.
b) La masa de la Tierra es de 5.98x1024 kg. ¿Qué errores absoluto y relativo se cometen al
tomar como masa 6x1024 kg.?

5.- ¿Qué medida es más exacta: la de un químico que pesa 20 cg con una balanza que aprecia el
miligramo o la de un tendero que pesa 2 kg con una balanza que aprecia el gramo?

6.- Nos vemos obligados a elegir entre dos operarios para realizar una medida de precisión y en
el "currículum" que nos presentan aparecen los siguientes datos:
Operario 1: "En cierta ocasión midió una longitud de 32 m. con un error de 20 cm."
Operario 2: "Cometió un error de 2.5 m. al medir una distancia de 15 km."
¿Cuál debemos elegir?

7.- Se sabe que las medidas efectuadas con cierta cinta métrica arrojan un error relativo de un 10
% (exceso). Calcular:
a) ¿Cuál será el error absoluto cometido al medir un lateral de un campo de 128 m.?
b) ¿Qué medición se obtendrá al medir dicho lateral?

8.- Redondear a 3 cifras decimales los siguientes números: 232.35550, 52.30029, 1055.43185,
6.32081, 92.3560

9.- Redondear a 3 cifras significativas, en aritmética de coma flotante, los números anteriores.

10.- a) Calcular, con aritmética de coma flotante de 4 dígitos significativos, el valor de

6543.21 x 0.014
b) Realizad el mismo cálculo en aritmética de coma fija con 2 decimales.
c) Si consideramos como verdadero valor 91.60494, calcular el error absoluto y relativo co-
metido en ambos casos.

11.- Encontrar, por el método de la "Regla Falsa" una solución de la ecuación

x4 + 133x3 +67x2 + 267x - 267 = 0
situada en el intervalo [0,1]. Acotar el error cometido.

Pág. 21 de 22
Métodos Matemáticos

Bibliografía
Burden, R. L. and J. D. Faires (1985). Análisis Numérico. México, Grupo Editorial Iberoamericana,
S. A.

Burden, R. L. and J. D. Faires (2002). Análisis numérico 7ª edición. México, Ediciones Paraninfo,
S. A.

Chapra, S. C. and R. P. Canale (1987). Métodos numéricos para ingenieros. México, McGraw-Hill.

Chapra, S. C. and R. P. Canale (2007). Métodos numéricos para ingenieros. México, MacGraw-
Hill/Intgeramericana editores, S. A. de C. V.

Quintana, P. and e. al. (2005). Métodos numéricos con aplicaciones en Excel. Barcelona., Editorial
Reverté, S.A.

Steiner, E. (2005). Matemáticas para las ciencias aplicadas. Barcelona (Spain), Editorial Reverté,
S.A.

Pág. 22 de 22