PORTAFOLIOS DE EVIDENCIA

MTODOS NUMRICOS
Grupo: QU
Quintas Reyes La Guadalupe
Numero de control: 14160943
Septiembre del 2016

1.- Introduccin a los mtodos numricos.

Los mtodos numricos son tcnicas mediante las cuales es posible formular problemas
matemticos de tal forma que puedan resolverse usando operaciones aritmticas. Los mtodos
numricos nos vuelven aptos para entender esquemas numricos a fin de resolver problemas
matemticos, de ingeniera y cientficos en una computadora, reducir esquemas numricos bsicos,
escribir programas y resolverlos en una computadora y usar correctamente el software existente
para dichos mtodos y no solo aumenta nuestra habilidad para el uso de computadoras sino que
tambin amplia la pericia matemtica y la comprensi6n de los principios cientficos bsicos. El
anlisis numrico trata de disear mtodos para aproximar de una manera eficiente las soluciones
de problemas expresados matemticamente. El objetivo principal del anlisis numrico es encontrar
soluciones aproximadas a problemas complejos utilizando slo las operaciones ms simples de la
aritmtica. Se requiere de una secuencia de operaciones algebraicas y lgicas que producen la
aproximacin al problema matemtico.

1.1 Conceptos bsicos: Algoritmos y Aproximaciones.

*Algoritmos:
Son un conjunto de operaciones que se utilizan para resolver problemas especficos. En estas
instrucciones se indica la secuencia de operaciones que se deben realizar para que partiendo de los
datos de entada se pueda obtener el resultado buscado. Los algoritmos son utilizados en el mundo
de la ciencia para la resolucin metdica de problemas. Los algoritmos no siempre estn escritos de
una forma que conduce al programa ms efectivo en trminos de requisitos de tiempo o
almacenamiento.
Las caractersticas que deben cumplir son:


Ser definido: Cada paso del algoritmo debe indicar la accin a realizar sin criterios de
interpretacin.

Ser finito: Un nmero especfico y numerable de pasos debe componer al algoritmo, el cual
deber finalizar al completarlos.

Tener cero o ms entradas: Datos son proporcionados a un algoritmo como insumo para
llevar a cabo las operaciones que comprende.

Tener una o ms salidas: Debe siempre devolver un resultado; de nada sirve un algoritmo
que hace algo y nunca sabemos que fue. El devolver un resultado no debe ser considerado como
nicamente verlos en forma impresa o en pantalla, como ocurre con las computadoras. Por salida
de resultados debe entenderse todo medio o canal por el cual es posible apreciar los efectos de las
acciones del algoritmo.

Efectividad: El tiempo y esfuerzo por cada paso realizado debe ser preciso, no usando nada
ms ni nada menos que aquello que se requiera para y en su ejecucin.

Aproximaciones:

Aproximar un numero ciertas cifras decimales consiste en encontrar un numero con las cifras
pedidas que este muy prximo al nmero dado.
En la aproximacin por defecto se busca el nmero con un determinado nmero de cifras que es
menor que el dado.
La aproximacin por exceso es cuando el numero con las cifras decimales fijadas es
inmediatamente mayor al nmero dado.

Por ejemplo, dado el nmero 1.3456 vamos a aproximarlo con dos cifras decimales:
a) por defecto es 1.34
b) por exceso es 1.35

Al dar la aproximacin en lugar del nmero se comete un error, en el ejemplo anterior los errores
que se cometen son:
a) | 1.3456 - 1.34 | = 0.0056
b) | 1.3456 - 1.35 | = 0.0044

Al dar la aproximacin en lugar del nmero se comete un error, en el ejemplo anterior los errores
que se cometen son:

a) | 1.3456 - 1.34 | = 0.0056

b) | 1.3456 - 1.35 | = 0.0044

Redondear un numero consiste en dar la mejor de las aproximaciones, es aquella con la que se
comete un error menor, en el caso anterior si se redondea 1.3456 a dos cifras decimales, el redondeo
ser 1.35.
En algunos conceptos bsicos de los mtodos numricos se puede encontrar las siguientes cifras:
cifras significativas, precisin, exactitud, incertidumbre y sesgo. Ya que forman parte de las
aproximaciones y predicciones numricas ms adecuadas.
Cifra significativa: El concepto de cifra significativa lo podemos definir como aquella que aporta
informacin no ambigua ni superflua acerca de una determinada medida experimental, son cifras
significativas de un nmero vienen determinadas por su error. Son cifras que ocupan una posicin
igual o superior al orden o posicin de error. Cuando se emplea un nmero en un clculo, debe
haber seguridad de que pueda usarse con confianza. El concepto de cifras significativas tiene dos
implicaciones importantes en el estudio de los mtodos numricos.
1.- Los mtodos numricos obtienen resultados aproximados. Por lo tanto, se debe desarrollar
criterios para especificar qu tan precisos son los resultados obtenidos.
2.- Aunque ciertos nmeros representan nmero especficos, no se pueden expresar exactamente
con un nmero finito de cifras.
Reglas de operaciones con cifras significativas.
Regla 1: los resultados experimentales se expresan con una sola cifra dudosa, e indicando con + - la
incertidumbre en la medida.
Regla 2: las cifras significativas se cuentan de izquierda a derecha, a partir del primer dgito
diferente de cero y hasta el digito dudoso.
Regla 3: al sumar o restar dos nmeros decimales, el nmero de cifras decimales del resultado es
igual al de la cantidad con el menor nmero de ellas.
Regla 4: al multiplicar o dividir dos nmeros, el nmero de cifras significativas del resultado es
igual al del factor con menos cifras.
Precisin y exactitud: En ingeniera, ciencia, industria, estadstica, exactitud y precisin no son
equivalentes. Es importante resaltar que la automatizacin de diferentes pruebas o tcnicas puede
producir un aumento de la precisin. Esto se debe a que con dicha automatizacin, lo que logramos
es una disminucin de los errores manuales o su correccin inmediata.
Precisin: se refiere a la dispersin del conjunto de valores obtenidos de mediciones repetidas de
una magnitud. Cuanto menor es la dispersin mayor la precisin. Una medida comn de la
variabilidad es la desviacin estndar de las mediciones y la precisin se puede estimar como una
funcin de ella.
Exactitud: se refiere a cun cerca del valor real se encuentra el valor medido. En trminos
estadsticos, la exactitud est relacionada con el sesgo de una estimacin. Cuanto menor es el sesgo

ms exacto es una estimacin. Tambin se refiere a la aproximacin de un numero o de una medida

al valor verdadero que se supone representa. Cuando expresamos la exactitud de un resultado se
expresa mediante el error absoluto que es la diferencia entre el valor experimental y el valor
verdadero. Tambin es la mnima variacin de magnitud que puede apreciar un instrumento.
Incertidumbre: Incertidumbre tambin se le conoce como Imprecisin. Se refiere al grado de
alejamiento entre s, a las diversas aproximaciones a un valor verdadero. Situacin bajo la cual se
desconocen las probabilidades de ocurrencia asociados a los diferentes resultados de un
determinado evento. Sesgo: Existe sesgo cuando la ocurrencia de un error no aparece como un
hecho aleatorio (al azar) advirtindose que este ocurre en forma sistemtica Es un alejamiento
sistemtico del valor verdadero a calcular.

1.2 Tipos de errores.

Tipos de errores ERROR ABSOLUTO, ERROR RELATIVO. Podemos distinguir dos tipos de
errores que se utilizan en los clculos:
Error absoluto. Es la diferencia entre el valor de la medida y el valor tomado como exacta. Puede
ser positivo o negativo, segn si la medida es superior al valor real o inferior (la resta sale positiva o
negativa). Tiene unidades, las mismas que las de la medida.
Error relativo Es el cociente (la divisin) entre el error absoluto y el valor exacto. Si se multiplica
por 100 se obtiene el tanto por ciento (%) de error. Al igual que el error absoluto puede ser positivo
o negativo (segn lo sea el error absoluto) porque puede ser por exceso o por defecto. No tiene
unidades.

ERROR DE REDONDEO Muchas veces, los computadores cortan los nmeros decimales entre e
17 y 12 decimal introduciendo as un error de redondeo Por ejemplo, el valor de "e" se conoce
como 2.718281828... Hasta el infinito. Si cortamos el nmero en 2.71828182 (8 cifras significativas
luego del punto decimal) estamos obteniendo u error de E = 2.718281828 -2.71828182 =
0.000000008... Sin embargo, como no consideramos que el nmero que segua al corte era mayor
que 5, entonces nos convena dejar el nmero como 2.71828183, caso en el cual el error sera solo
de E = 2.118281828 -2.11828183 = -0.000000002... , que en trminos absolutos es mucho menor
que el anterior. En general, el error de corte de las computadoras ser muy inferior al error
introducido por un usuario, que generalmente corta a un menor nmero de cifras significativas.
ERRORES DE TRUNCAMIENTO Los errores de truncamiento tienen relacin con el mtodo de
aproximacin que se usar ya que generalmente frente a una serie infinita de trminos, se tender a
cortar el nmero de trminos, introduciendo en ese momento un error, por no utilizar la serie
completa (que se supone es exacta). En una iteracin, se entiende como el error por no seguir

iterando y seguir aproximndose a la solucin. En un intervalo que se subdivide para realizar una
serie de clculos sobre l, se asocia al nmero de paso, resultado de dividir el intervalo "n" veces.
ERROR NUMERICO TOTAL El error numrico total se entiende como la suma de los errores de
redondeo y truncamiento introducidos en el clculo. Pero aqu surge un gran problema. Mientras
ms clculos se tengan que realizar para obtener un resultado, el error de redondeo se ir
incrementando. Pero por otro lado, el error de truncamiento se puede minimizar al incluir ms
trminos en la ecuacin, disminuir el paso o proseguir la iteracin (o sea mayor nmero de clculos
y seguramente mayor error de redondeo).

1.3 Convergencia.

Se entiende por convergencia de un mtodo numrico la garanta de que, al realizar un buen nmero
de repeticiones (iteraciones), las aproximaciones obtenidas terminan por acercarse cada vez ms al
verdadero valor buscado.
En la medida en la que un mtodo numrico requiera de un menor nmero de iteraciones que otro,
para acercarse al valor numrico deseado, se dice que tiene una mayor rapidez de convergencia.
Se entiende por estabilidad de un mtodo numrico el nivel de garanta de convergencia, y es que
algunos mtodos numricos no siempre convergen y, por el contrario divergen; es decir, se alejan
cada vez ms y ms del resultado deseado.
En la medida en la que un mtodo numrico, ante una muy amplia gama de posibilidades de
modelado matemtico, es ms seguro que converja que otro, entonces se dice que tiene una mayor
estabilidad.
Normalmente se puede encontrar mtodos que convergen rpidamente, pero son demasiado
inestables y, por el contario, modelos muy estables, pero de lenta convergencia.
En Mtodos numrico la velocidad con la cual una sucesin converge a su lmite es llamada orden
de convergencia. Este concepto es, desde el punto de vista prctico, muy importante si necesitamos
trabajar con secuencias de sucesivas aproximaciones de un mtodo iterativo. Incluso puede hacer la
diferencia entre necesitar diez o un milln de iteraciones.
Supongamos que la secuencia {xy} converge al nmero .
Decimos que la sucesin converge con orden q a , si

El nmero q es llamado orden de convergencia.

En particular, convergencia de orden 1 es llamada convergencia lineal, la de orden 2 convergencia
cuadrtica y la convergencia de orden 3 convergencia cbica.
En matemtica computacional, un mtodo iterativo trata de resolver un problema (como una
ecuacin o un sistema de ecuaciones) mediante aproximaciones sucesivas a la solucin, empezando
desde una estimacin inicial. Esta aproximacin contrasta con los mtodos directos, que tratan de

resolver el problema de una sola vez (como resolver un sistema de ecuaciones Ax=encontrando la
inversa de la matriz
A). Los mtodos iterativos son tiles para resolver problemas que involucran un nmero grande de
variables (a veces del orden de millones), donde los mtodos directos tendran un coste prohibitivo
incluso con la potencia del mejor computador disponible.
Dado que estos mtodos forman una base, el mtodo converge en N iteraciones, donde N es el
tamao del sistema. Sin embargo, en la presencia de errores de redondeo esta afirmacin no se
sostiene; adems, en la prctica N puede ser muy grande, y el proceso iterativo alcanza una
precisin suficiente mucho antes. El anlisis de estos mtodos es difcil, dependiendo de lo
complicada que sea la funcin del espectro del operador

Bibliografa:
1. Anlisis Numrico
Richard L. Burden
J. Douglas Faires
2. Steven C, Chapra
Mtodos Numricos para Ing.
6ta Ed; Mac Graw Hill.
3. Anlisis Numrico
Richard L. Burden
J. Douglas Faires
4. Steven C. Chapra
Mtodos Numricos para Ing.
6ta Ed; Mac Graw Hill.