Introducción A Los Métodos Numéricos.

Conceptos básicos: algoritmos y aproximaciones.

Tipos de errores: error absoluto, error relativo, error porcentual, errores de redondeo y
truncamiento.

Convergencia.

Para poder definir algunos conceptos básicos como algoritmos, aproximaciones y los tipos más
comunes de errores es necesario saber la dedición de métodos o análisis numéricos, así como su
principal usos y áreas de aplicación.

Métodos numéricos se define como un procedimiento mediante el cual se obtiene, casi siempre
de manera aproximada, la solución de ciertos problemas realizando cálculos puramente
aritméticos y lógicos como operaciones aritméticas elementales, cálculo de funciones, consulta de
una tabla de valores, cálculo preposicional, etc. El procedimiento consiste de una lista finita de
instrucciones precisas que especifican una secuencia de operaciones algebraicas y lógicas
conocida como algoritmo, que producen o bien una aproximación de la solución del problema 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. En general, al emplear estos instrumentos de cálculo se introducen errores llamados
de redondeo.
Definimos métodos numéricos en el siguiente mapa mental:

Entonces podemos definir como algoritmo un procedimiento que describe, sin ambigüedades, una
serie finita de pasos a realizar en un orden especifico. El objetivo del algoritmo es poner en práctica
un procedimiento para resolver un problema o aproximarse a una solución.
Para poder describir los algoritmos se utilizan los seudocódigos el cual especifica la forma de
entrada por proporcionar y la forma de salida deseada. Como consecuencia en cada algoritmo se
incorpora una técnica para detenerlo, independientemente de la técnica numérica, para evitar ciclos
infinitos.
Por ejemplo, el siguiente diagrama de flujo expresa un algoritmo para calcular la raíz cuadrada de
un numero x.
 Los diagramas de flujo son descripciones gráficas de algoritmos; usan símbolos conectados con
flechas para indicar la secuencia de instrucciones y están regidos por ISO.
Los diagramas de flujo son usados para representar algoritmos pequeños, ya que abarcan mucho
espacio y su construcción es laboriosa. Por su facilidad de lectura son usados como introducción a
los algoritmos, descripción de un lenguaje y descripción de procesos a personas ajenas a la
computación.
El siguiente video define de forma clara que es un algoritmo.
https://youtu.be/RSJrBEhdZxw

Se entiende por aproximación numérica una cifra que representa a un número cuyo valor exacto
es X. En la medida en que la cifra se acerca más al valor exacto X, será una mejor aproximación
de ese número.

Algunos ejemplos de aproximación son:

3.1416 es una aproximación numérica de π

2.7183 es una aproximación numérica de e

1.4142 es una aproximación numérica de √2

0.333333 es una aproximación numérica de 1/3

El término de exactitud, mide cuán cerca se encuentra el valor calculado con respecto a su valor
verdadero y el de precisión se refiere a la cercanía de una aproximación a un valor con respecto
a las aproximaciones anteriores.

Un valor obtenido mediante el uso de los métodos numéricos al ser una aproximación difiere de su
solución real en una cantidad que generalmente se denomina error. Éste término es de vital
importancia ya que la estimación obtenida es evaluada dependiendo de qué tan pequeño sea este.
El error asociado mide el grado de exactitud e incertidumbre de éstos.

Por ejemplo, al considerar las siguientes aproximaciones de π:

π = 3.15 es impreciso e inexacto

π = 3.14 es exacto pero

impreciso
π = 3.151692 es preciso pero inexacto
π = 3.141593 es exacto y preciso

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 π, e ó √2.
Definimos aproximación en el siguiente mapa mental.

Los métodos 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.
 Los tipos de errores numéricos que existe son:

 Error absoluto.
 Error relativo o porcentual.
 Errores inherentes.
 Errores de redondeo.
 Errores por truncamiento.


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

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*|

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.

Error relativo.

El error relativo normaliza el error absoluto respecto al valor verdadero de la cantidad medida:

e = |E/X| = |(X - X*)/X|

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

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*|

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 |

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

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. En el número decimal
123,7585, la parte entera es 123 y la mantisa es 0,7585.

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

Errores por truncamiento

Los errores por truncamiento ocurren cuando un número, cuya parte fraccionaria está constituida
por un número infinito de dígitos, requiere ser representado numéricamente en forma aproximada,
utilizando un determinado número de cifras significativas.

Por ejemplo, 3.1416 es una buena aproximación del número π, pero el valor exacto no puede ser
expresado numéricamente por completo, pues consta de un número infinito de dígitos:
3.141592653589793...; lo mismo ocurre con el 2.7183 para el número e, el 1.4142 para √2, y el
0.33333 para 1/3.

Sin embargo, todos los números, ya sean enteros, racionales o irracionales, pueden ser
representados a través de formulaciones matemáticas exactas, utilizando series infinitas;
obviamente, las representaciones numéricas acotadas a un determinado número de cifras
significativas, son aproximaciones numéricas que llevan implícitos errores por truncamiento.

Por ejemplo, los números 1, 1/3 y e pueden expresarse matemáticamente, de manera exacta, a
través de las siguientes series infinitas:

1 = 1/2 + 1/4 + 1/8 + 1/16 + 1/32 + 1/64 + ...

1/3 = 3/10 + 3/100 + 3/1000 + 3/10000 + 3/100000 + ...

e = 1/0! + 1/1! + 1/2! + 1/3! + 1/4! + 1/5! + ...

En este último caso, por ejemplo, la aproximación se puede hacer truncando la serie en cualquier
punto, lo que equivale a incluir 1, 2, 3, ..., ó n términos de la serie. Si tomásemos como valor
exacto de e, 2.7182818, tendríamos:

Términos Aproximación Error absoluto Error relativo (%)

1 1.0000000 1.7182818 63.21
2 2.0000000 0.7182818 26.42
3 2.5000000 0.2182818 8.03
4 2.6666667 0.0516151 1.90
5 2.7083333 0.0099484 0.37
6 2.7166667 0.0016152 0.06
7 2.7180556 0.0002263 0.01
8 2.7182540 0.0000279 ≅ 0.00

El manejo de series infinitas para aproximar valores específicos de funciones matemáticas es

fundamental para comprender a plenitud la mayor parte de los métodos numéricos incluidos en este
curso, así como para calcular los errores por truncamiento asociados a esas aproximaciones.

Por último, 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.