INTRODUCCIÓN A LOS

MÉTODOS
COMPUTACIONALES
CI 171
TEMARIO

UNIDAD 1 UNIDAD 2 UNIDAD 3

INTRODUCCIÓN SISTEMA DE RAICES DE
A MATLAB ECUACIONES ECUACIONES
LINEALES NO LINEALES.
TEMARIO

UNIDAD 4 UNIDAD 5 UNIDAD 6

APROXIMACIÓN INTEGRACIÓN ECUACIONES
DE FUNCIONES NUMÉRICA DIFERENCIALES
CONTENIDO

1. INTRODUCCIÓN

2. TEORIA DE ERRORES

3. MÉTODO DE ELIMINACIÓN DE GAUSS

4. MÉTODO DE LA MATRIZ INVERSA

5. DESCOMPOSICIÓN LU

6. MÉTODO DE JACOBI Y GAUSS SEIDEL

7. COMANDOS MISCELÁNEOS Y APLICACIONES CON MATLAB.

INTRODUCCIÓN

 Desafortunadamente, los computadores

introducen errores en los cálculos.

 Sin embargo, dado que muchos problemas de

ingeniería no tienen una solución analítica, nos
vemos obligados a utilizar métodos numéricos
(aproximaciones).

 La única opción que tenemos es aceptar el error y

tratar de reducirlo a un nivel tolerable.
INTRODUCCIÓN
 La única manera de minimizar los errores es
conocer y entender por qué ocurren y cómo
podemos disminuirlos.

 Los errores más frecuentes son:

 Errores de redondeo, debido a que los
computadores sólo pueden trabajar con una
representación finita de números (relacionado
con los datos).
 Errores de truncamiento, debido a las
diferencias entre la formulación exacta y
aproximada (numérica) del problema
matemático que se está tratando (relacionado
con el método).
INTRODUCCIÓN

 Antes de analizar cada uno de ellos, veremos dos

conceptos importantes en la representación de los
números por el computador.
REPRESENTACIÓN DE LOS NÚMEROS REALES

 Estamos familiarizados con el sistema decimal:

312.45  3 10 2  1 101  2 100  4 10 1  5 10 2

 Sistema decimal:
Base 10, dígitos: 0,1,…,9.

 Representación estándar:
 3 1 2 . 4 5
signo parte parte
entera decimal
REPRESENTACIÓN DE LOS NÚMEROS REALES EN PUNTO FLOTANTE

 Representación en punto flotante con mantisa

normalizada en base 10:
 0. d1 d 2 d 3 d 4 ... d m  10  n
signo mantisa exponente

d1  0,  n : exponente con signo

 Ejemplos:
 1359.2568  0.13592568104
 0.00034528  0.34528  103
  25000.034  0.25000034 105

Ventaja: eficiente en la representación de números muy

pequeños o muy grandes.
REPRESENTACIÓN DE LOS NÚMEROS REALES EN PUNTO FLOTANTE

 Sistema binario: Base 2, dígitos: 0,1.

 0. d1 d 2 d 3 d 4 ... d m  2  n
signo mantisa exponente con signo

 Los computadores usan el sistema binario.

 No pueden representar con precisión ciertos

números exactos en base 10, por ejemplo:
(1.1)10  (1.0001100110 01100 ...) 2

 Los números reales se representan típicamente en

una computadora usando la forma de punto
flotante con mantisa normalizada.
APROXIMACIONES Y ERRORES DE REDONDEO

 Las cifras significativas de un número son aquellas

que se pueden utilizar con confianza. Este concepto
tiene dos implicaciones importantes:

• Una aproximación es aceptable cuando es

exacta para un número dado de cifras
significativas.

• Hay magnitudes o constantes que no se

pueden representar exactamente:
  3.14159265...
17  4.123105...
APROXIMACIONES Y ERRORES DE REDONDEO

Exactitud y Precisión

Los errores asociados a las mediciones pueden

caracterizarse observando su exactitud y precisión.

 La exactitud está relacionada con la cercanía de

los valores medidos/calculados al valor
“verdadero” o exacto.

 La precision está relacionada con la cercanía de

los valores medidos/calculados entre sí; se
relaciona con el número de cifras significativas.
APROXIMACIONES Y ERRORES DE REDONDEO

Exactitud y Precisión
 La exactitud se refiere a qué tan cerca está el
valor aproximado al valor exacto.

 La precision se refiere a qué tan cerca están los

diferentes valores medidos
usando el mismo método.

a) Inexacto e impreciso; b) exacto e impreciso;

c) inexacto y preciso; d) exacto y preciso.
APROXIMACIONES Y ERRORES DE REDONDEO

Exactitud y Precisión

Los métodos numéricos deben ser suficientemente

axactos y precisos para satisfacer los requisitos de
los problemas de ingeniería.

 De ahora en adelante nos referiremos al error

para referirnos a la inexactitud y falta de
precisión de nuestras aproximaciones.
APROXIMACIONES Y ERRORES DE REDONDEO

Definiciones Error Absoluto y Error Relativo:

- Valor Exacto = Valor Aproximado + Error Absoluto

- Error Absoluto = Valor Exacto – Valor Aproximado

- Error Relativo = Error Absoluto/Valor Exacto

Ea  Valor Exacto - Valor Aproximado

Error Absoluto
Er 
Valor Exacto

ó Error Absoluto
Er  100% Error relativo
porcentual Valor Exacto
Ejemplo 1- Error Absoluto

 La derivada f (x) , de la función f (x), puede ser

aproximada por al ecuación:
f ( x  h)  f ( x )
f ' ( x)  .
h

 Si f ( x)  7e 0.5 x y h  0.3

a) Encuentra el valor aproximado de f ' (2) .

b) Calcula el valor exacto de f ' (2) .
c) El error absoluto cometido por el resultado
en a).
Ejemplo 1- Continuación

Solución:
a) Para x2 y h  0.3
f ( 2  0.3)  f ( 2)
f ' ( 2) 
0 .3
f (2.3)  f (2)

0.3

7e 0.5( 2.3)  7e 0.5( 2 )


0 .3
22.107  19.028
  10.263
0.3

b) El valor exacto de f ' (2) se puede encontrar

usando el conocimiento que tenemos de
cálculo diferencial:
f ( x)  7e 0.5 x f ' ( x )  7  0.5  e 0.5 x  3.5e 0.5 x
Ejemplo 1- Continuación

Así el valor exacto de f ' ( 2) es

f ' ( 2)  3.5e 0.5( 2 )  9.5140.

c) Ea  Valor exacto – Valor aproximado

 9.5140  10.263  0.722.
Ejemplo 2- Error Relativo

 Considere la aproximación obtenida en el

Ejemplo 1. Calcule el error relativo.

El valor absoluto del error relativo es:

Ea
Er 
Valor Exacto
 0.722
  0.075888.
9.5140

Como un porcentaje:

Er  0.075888  100%  7.5888%.

APROXIMACIONES Y ERRORES DE REDONDEO

Decimales Exactos y Cifras significativas

 Decimales exactos: se dice que el valor

aproximado es correcto a n dígitos decimales si:
Ea  0.5 x10  n

 Cifras significativas: se dice que el valor

aproximado es correcto a n cifras significativas si:
2 n
Er  0.5 x10
 ¿A cuántas cifras significativas es correcto el
valor aproximado del ejemplo 2?
APROXIMACIONES Y ERRORES DE REDONDEO

¿Qué se puede hacer si no se conoce el valor exacto o

es muy difícil de obtener?

 En casos reales no siempre se puede conocer el valor

exacto, por lo tanto, se aproxima como:
Error Aproximado
Er  100%
Valor Aproximado

 En muchas ocasiones, el error se estima como la

diferencia entre las aproximaciones anterior y actual
(ejemplo, en el caso de métodos numéricos iterativos):

Aproximaci ón Actual  Aproximaci ón Anterior

Er  100%
Aproximaci ón Actual
APROXIMACIONES Y ERRORES DE REDONDEO

 
 Así, el criterio de parada de un método
numérico puede ser:
Er  TOL
TOL  tolerancia prefijada

 Es conveniente relacionar los errores con el

número de cifras significativas. Si se cumple la
relación ( Er  TOL ), se puede estar seguro de
que al menos cifras signficativas son correctas,
donde
TOL  (0.5 *10 2  n )%
APROXIMACIONES Y ERRORES DE REDONDEO
 
 Por otra parte, si se desea un valor aproximado
correcto a dígitos decimales, entonces el
criterio de parada debe ser Ea  TOL1 donde
TOL1  0.5 x10  n.

 En muchos casos, se puede estimar o aproximar

el error absoluto a partir de expansiones en
Serie de Taylor.
ERROR DE REDONDEO DEBIDO A OPERACIONES ARITMÉTICAS
 Cancelación Catastrófica (restando números casi
iguales):
 Cuando se restan números casi del mismo tamaño
en el computador quedan muy pocas cifras
significativas.

 Ejemplos:

 Uso de la fórmula estándar para resolver

ax 2  bx  c  0 :
 b  b 2  4ac
x
2a
 Cálculo de f ( x)  x  1  x para grande.

 Cálculo de g ( x)  1  cos( x) para x  0.

2
x