Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
CAPÍTULO 1: PRINCIPALES CAUSAS DE ERRORES EN LOS
MÉTODOS NUMÉRICOS
1. INTRODUCCIÓN
El Análisis Numérico, es una rama del Análisis Matemático que estudia y desarrolla
procedimientos iterativos para resolver problemas en los cuales la matemática simbólica
resulta poco eficiente. A estos algoritmos se los denomina Métodos Numéricos.
Los Métodos Numéricos se componen de una serie de pasos, finitos, que se ejecutan de
manera lógica. Mejorando aproximaciones iniciales a cierta cantidad, hasta que se cumple
una cierta condición de proximidad (cota de error). A esto se conoce como iteración.
En general el análisis numérico buscar dar soluciones eficientes a problemas en los cuales
la matemática simbólica no nos ofrece una solución eficiente.
Por ejemplo, si consideramos la ecuación x 2−2 x−3=0, podemos hallar sus soluciones
mediante la fórmula general o factorizando, así tendríamos que sus soluciones son: x 1=3
y x=−1. Pero como podemos resolver la ecuación:
El análisis numérico nos dará un método algorítmico por el cual podremos llegar a una
solución de este tipo de problemas, en realidad nos dará una forma de hallar soluciones
aproximadas del problema. Al hablar de soluciones aproximadas, nos referimos a
soluciones que si bien no son la solución exacta de la ecuación, estarán tan cerca de la
solución como nosotros queramos o podamos obtenerlas. Entre la solución real y la
obtenida por los métodos numéricos habrá entonces un cierto error.
El error en los métodos numéricos surge principalmente por dos razones: el error de
redondeo y el error de truncamiento.
2. EL ERROR
Los Errores son las diferencias cuantitativas entre dos modelos. Las leyes físicas son
modelos matemáticos de fenómenos naturales, las leyes físicas son entonces
abstracciones de las leyes naturales, así por ejemplo, si h es la altura a la que se
encuentra un cuerpo, g es la gravedad y t es el tiempo de caída del cuerpo, la ecuación
que modela este fenómeno de la naturaleza es:
2
2h
t=
√ g
Sin embargo al realizar los cálculos usando este modelo y es normal hallar diferencias con
la medición experimental, esta diferencia es el error. La naturaleza de este error puede ser
múltiple, aunque se puede intentar hacer una clasificación de los mismos:
Errores que provienen del modelado teórico del fenómeno real; estos errores se
denominan Errores del modelo o inherentes. Estos errores son imposibles de
remediar aunque si se pueden minimizar (ajustando el modelo). (de incertidumbre
y de verdaderas equivocaciones)
Errores del método, que son el producto de la limitante en la representación y
manipulación de cantidades numéricas utilizadas en los cálculos necesarios en el
desarrollo del modelo matemático.
Existen dos grandes tipos de errores del método:
o El error de truncamiento: se provoca ante la imposibilidad de manipular,
por parte de un instrumento de cómputo, una cantidad infinita de términos
o cifras.
o El error de redondeo: Se produce por el mismo motivo que el de
truncamiento, pero a diferencia de éste, las cifras omitidas si son
consideradas en la cifra resultante. Esta consideración se hace aplicando el
siguiente esquema al dígito menos significativo (dms) de la cifra a
redondear:
Si el dms es mayor a 5, se incrementa en una unidad la cifra
anterior.
Si el dms es menor a 5, la cifra no se modifica.
Si el dms es igual a 5 deberá observar la cifra anterior; si es par no
sufre modificación, si es impar, deberá incrementarse en una
unidad.
En general los errores del modelo no son cuantificables, en cambio los errores del método
si lo son.
3. CUANTIFICACIÓN DE ERRORES
Los errores se cuantifican de dos maneras:
Error Absoluto:
E=|V Real −V Aprox .|
El error absoluto posee las mismas dimensiones que la variable bajo estudio.
Error relativo:
|V Real−V Aprox .|
e= ∙ 100
|V Real|
3
Este error es adimensional, es porcentual.
Recordemos que los métodos numéricos son métodos iterativos que nos ayudan a obtener
una solución aproximada a un problema, entonces en general no disponemos del valor
real al cual queremos aproximar. Sin embargo, si el método converge, podemos conseguir
una sucesión de valores ( x n )n ∈ N que se aproximen a al valor real, es decir:
Entonces, como toda sucesión convergente es una sucesión de Cauchy, podemos decir
que si x n esta cerca de V real , si y solo si los términos de la sucesión ( x n )n ∈ N están cerca
entre sí. Entonces podemos escribir:
Error Absoluto:
E=|x n−x n−1|
Error relativo:
|x n−x n−1|
e= ∙ 100
|x n|
4
CAPÍTULO 2: SOLUCIÓN DE ECUACIONES NO LINEALES
Dada una ecuación de una variable, ésta se puede escribir de la siguiente forma:
f ( x )=0
donde f es una función real de variable real, entonces una solución de la ecuación es
valor α ∈ R tal que
f ( α )=0
Si suponemos que f ( a ) <0< f ( b ), bajo las condiciones del teorema anterior, podemos
garantizar la existencia de α ∈ ( a , b ) tal que f ( α )=0, es decir podemos garantizar la
existencia de una solución de la ecuación f ( x )=0.
1. MÉTODO DE BISECCIÓN
Supongamos que f : [ a , b ] → R , es una función continua en el intervalo [ a , b ] tal que
5
f ( a ) <0< f ( b )
Como f ( x 1 ) ≠ 0 entonces puede ser mayor o menor cero, supongamos que f ( x 1 ) <0
entonces podemos analizar la función en los intervalos [ a , x 1 ] y [ x 1 , b ], notemos que, en el
primer intervalo:
f ( a ) <0 y f ( x 1) < 0
Por lo cual no podemos estar seguros que en ( a , x 1 ) exista alguna solución de la ecuación.
En el intervalo [ x 1 , b ] tenemos que:
f ( x 1 ) <0< f ( b )
al ser la función f continua, por el TVI, el intervalo ( x 1 ,b )contiene al menos una solución
de la ecuación, nuevamente podemos tomar el punto medio de este intervalo como
aproximación de la solución
x1 +b
x 2=
2
que ahora está a una distancia de la solución α menor a
6
b−x 1 l
= 2
2 2
Es decir:
l
|x 2−α |<
22
De manera similar se puede analizar el caso f ( x 1 ) >0 . De esta forma podemos construir
una sucesión ( x n )n ∈ N de modo que
l
|x n−α|<
2n
Entonces si n → ∞ se tiene que x n → α . Este procedimiento se denomina como Método de
Bisección.
Ejemplo 1.
Ponemos entonces f ( x )=x 2−2 y notemos que f ( 1 ) =−1<0 y que f ( 2 ) =2>0, entonces la
ecuación tiene una solución en el intervalo ( 1,2 ), para aplicar el Método de Bisección (MB.)
confeccionaremos la siguiente tabla1:
n a b c f(a) f(b) f© En
1 1 2 1.5 -1 2 0.25 0.500000000000000000
2 1 1.5 1.25 -1 0.25 -0.4375 0.250000000000000000
3 1.25 1.5 1.375 -0.4375 0.25 -0.109375 0.125000000000000000
4 1.375 1.5 1.4375 -0.109375 0.25 0.06640625 0.062500000000000000
5 1.375 1.4375 1.40625 -0.109375 0.06640625 -0.022460938 0.031250000000000000
6 1.40625 1.4375 1.421875 -0.022460938 0.06640625 0.021728516 0.015625000000000000
7 1.40625 1.421875 1.4140625 -0.022460938 0.021728516 -0.000427246 0.007812500000000000
8 1.4140625 1.421875 1.41796875 -0.000427246 0.021728516 0.010635376 0.003906250000000000
9 1.4140625 1.41796875 1.416015625 -0.000427246 0.010635376 0.00510025 0.001953125000000000
10 1.4140625 1.41601563 1.415039063 -0.000427246 0.00510025 0.002335548 0.000976562500000000
11 1.4140625 1.41503906 1.414550781 -0.000427246 0.002335548 0.000953913 0.000488281250000000
12 1.4140625 1.41455078 1.414306641 -0.000427246 0.000953913 0.000263274 0.000244140625000000
13 1.4140625 1.41430664 1.41418457 -0.000427246 0.000263274 -8.20011E-05 0.000122070312500000
14 1.41418457 1.41430664 1.414245605 -8.20011E-05 0.000263274 9.06326E-05 0.000061035156250000
15 1.41418457 1.41424561 1.414215088 -8.20011E-05 9.06326E-05 4.31482E-06 0.000030517578125000
1
Se adjunta la tabla Excel con el nombre bisección-r2, para definir funciones propias del usuario en
Excel se puede revisar https://todosobreexcel.com/blog/definir-funciones-excel/
7
l
En = <δ
2n
Despejando se tiene que:
ln ( l/δ )
N=⌈ ⌉
ln 2
donde ⌈ ⌉ es la parte entera superior.
ln ( 1/10−4 )
N=⌈ ⌉=⌈ 13,2877 ⌉=14
ln 2
Necesitamos al menos 14 iteraciones del método de bisección para obtener una
aproximación con un error menor a δ =0,0001=10−4 , iniciando en un intervalo de longitud
1.
f ( b ) −f ( a )
y s ( x )= ( x−a ) + f ( a )
b−a
8
af ( b )−bf ( a )
c=
f ( b )−f ( a )
Geométricamente se tiene:
Entonces la única diferencia, respecto del MB. es la elección del punto c , para ejemplificar
volvamos a repetir el ejemplo 1, pero esta vez usando el Método de la Regla Falsa.
n a b c f(a) f(b) f© En
1 1 2 1.333333333333330 -1.000000000000000 2 -0.222222222222222
2 1.33333333 2 1.400000000000000 -0.222222222222222 2 -0.040000000000000 0.066666666666666700
3 1.4 2 1.411764705882350 -0.040000000000000 2 -0.006920415224913 0.011764705882353100
4 1.41176471 2 1.413793103448280 -0.006920415224913 2 -0.001189060642093 0.002028397565922770
5 1.4137931 2 1.414141414141410 -0.001189060642093 2 -0.000204060810122 0.000348310693138121
6 1.41414141 2 1.414201183431950 -0.000204060810122 2 -0.000035012779665 0.000059769290538636
7 1.41420118 2 1.414211438474870 -0.000035012779665 2 -0.000006007286839 0.000010255042917517
8 1.41421144 2 1.414213197969540 -0.000006007286839 2 -0.000001030688757 0.000001759494673292
9 1.4142132 2 1.414213499851320 -0.000001030688757 2 -0.000000176838272 0.000000301881779796
10 1.4142135 2 1.414213551646050 -0.000000176838272 2 -0.000000030340652 0.000000051794731615
11 1.41421355 2 1.414213560532630 -0.000000030340652 2 -0.000000005205633 0.000000008886571035
12 1.41421356 2 1.414213562057320 -0.000000005205633 2 -0.000000000893146 0.000000001524694371
13 1.41421356 2 1.414213562318920 -0.000000000893146 2 -0.000000000153239 0.000000000261596522
14 1.41421356 2 1.414213562363800 -0.000000000153239 2 -0.000000000026291 0.000000000044882986
15 1.41421356 2 1.414213562371500 -0.000000000026291 2 -0.000000000004510 0.000000000007700729
observe que en la iteración 7 obtenemos un error mucho mejor que en la iteración 15 por
el MB.
La convergencia del método es mucho más rápido que el MB, sin embargo este puede
tornarse lento cuando la solución se encuentra en una región cóncava o convexa se la
función.
9
Dada un función f derivable, la recta tangente a f en el punto ¿, es la mejor aproximación
lineal a la gráfica de la función cerca del punto. Es decir que, de todas las rectas que
'
pasan por el punto ( x 0 , f ( x 0 ) ) la recta tangente y T =f ( x 0 ) ( x−x 0 ) +f ( x 0 ) es la que mejor se
ajusta a la gráfica de la función, es de esperar entonces que la si x 0 es un punto cercano a
la solución de la ecuación f ( x )=0, la solución de la ecuación y T ( x )=0 , que sería
f ( x0 )
x 1=x 0−
f ' ( x0 )
N+1 ( N+1 ) hN +1
O h
( ) ≈f ( a )
( N +1 ) !
En nuestro caso:
2
2 '' h
O (h ) ≈ f ( a)
2
El Método de Newton Raphson consiste entonces en:
f ( x n−1 )
x n=x n−1−
f ' ( x n−1)
Volvamos a ver la ecuación x 2−2=0, el algoritmo para la función f ( x )=x 2−2 seria:
x n−1 −2
x n=x n−1−
2 x n−1
10
En este caso solo necesitamos de un punto con el cual iniciar las iteraciones, lo más
cercano posible a la raíz, tomemos x 0=2.
n x_n E_n
1 2.00000000000000000000
2 1.50000000000000000000 0.50000000000000000000
3 1.41666666666667000000 0.08333333333333330000
4 1.41421568627451000000 0.00245098039215685000
5 1.41421356237469000000 0.00000212389982001682
6 1.41421356237310000000 0.00000000000159472435
11