Métodos Numéricos 93.

07

Docentes: Lic. F. Villaverde

Ing. Bernardo Wilk
Lunes 8 a 11
Docentes: Lic. F. Villaverde
Lic. Martina Oviedo
Lunes 14 a 17
Docentes: Lic. F. Villaverde
Dr. Jorge Devoto
Viernes 9 a 12

Métodos Numéricos 1
 Este tipo de calculadora tiene dos
lineas en el visor: una de ellas guarda
el último resultado en la variable Ans
que es accesible con la tecla Ans
(penúltima tecla del teclado). Esto
habilita la posibilidad de realizar
cálculo iterativo (generar términos de
una sucesión donde un término es
función del inmediato previo).

Métodos Numéricos 2
 Métodos Numéricos 93.07
Un libro de referencia: Métodos Numéricos con
Matlab, Mathews-Fink, PH, 2000

Análisis numérico, Novena Edición. R. Burden/ J.Faires, 2011

Numerical Methods for Engineers, 7/e, S. Chapra, R. Canale, McGraw-Hill, 2015

Matlab en cinco lecciones de Numérico, 2006

http://www.unavarra.es/personal/victor_dominguez/LibroMatlabWEB.pdf

Numerical Computing with MATLAB, Cleve Moler, 2004.

http://www.mathworks.com/moler/chapters.html

Numerical Methods in Engineering with MATLAB, J. Kiusalaas, CUP, 2005.

Scientific Computing with MATLAB and Octave, A. Quarteroni, Springer-Verlag,,

2006.
Métodos Numéricos 3
 Métodos Numéricos 93.07
Usaremos Octave, de descarga accesible en
http://www.octave.org
(se sugiere la versión 4 o posterior)

Métodos Numéricos 4
 Métodos Numéricos 93.07

Usaremos Octave para los trabajos grupales

PROMEN, en la clase, en las guías de problemas
y en las evaluaciones.
Para las cuestiones que veremos resulta
compatible con Matlab.
Hay un tutorial disponible en el Campus , y
cientos de otros en la web, incluyendo videos.
Sugerimos hacer el esfuerzo de aprender el uso de
este entorno de programación numérico – gráfico.
Habrá actividades de evaluación grupal y en
exámenes individuales donde será necesario que
usen un software de este tipo.

Métodos Numéricos 5
 Métodos Numéricos 93.07

Habrá una evaluación, individual,

aproximadamente en la semana 12 del curso.

En grupos de 5 a 6 alumnos deberán presentar

uno o dos trabajos de laboratorio que
denominamos PROMEN.
Resolverán un problema que requerirá usar la
computadora para implementar alguno de los
métodos que se introducen en el curso.

Métodos Numéricos 6
 Métodos Numéricos 93.07

La nota de cursado se obtiene como promedio

ponderado de la nota de aprobación del parcial
(peso 0.7) y del promedio de las notas obtenidas
en los PROMEN (peso 0.3)

Hay una oportunidad para recuperar el parcial.

Métodos Numéricos 7
 Cálculo numérico

Desarrollo de métodos constructivos

para la solución numérica de
problemas matemáticos

Procedimiento que para

De esos problemas la matemática una dada precisión
garantiza la existencia y unicidad La solución numérica es
determina una solución
de la solución una aproximación a la
aproximada en un número
solución.
finito de pasos.

Métodos Numéricos 8
 Un ejemplo
Sea f : [a, b]  R una función continua en [a, b] derivable en
(a, b) tal que f(a) f(b) < 0 y signo( f ’) constante en (a, b).
Entonces f tiene un único cero en (a, b).

Métodos Numéricos 9
Métodos constructivos o algoritmos
Procedimiento que para una dada
precisión determina una solución
aproximada en un número finito de
pasos.

Muy pocos métodos permiten obtener la

solución exacta luego de un número finito de
pasos usando aritmética de precisión infinita.
(un ejemplo de esto es la solución de sistemas de ecuaciones
lineales con coeficientes enteros y operando con racionales)

Métodos Numéricos 10
Un ejemplo de procedimiento constructivo

Polinomio de Taylor para

aproximar la exponencial

Polinomio de Taylor y
término complementario

Acotación del error y

su relación con x y m

Si x = 0.8 y  = 10-4 entonces m

=6
Procedimiento iterativo
para generar la solución
aproximada

Métodos Numéricos 11
 Precisión, solución aproximada  ERROR
Error absoluto y error relativo

• Error absoluto = |valor aproximado - valor exacto|

• Error relativo = error absoluto / valor exacto

(si valor exacto  0)
Como el valor exacto no será conocido entonces
para el error solo podrán establecerse cotas.

Métodos Numéricos 12
Precisión, solución aproximada  ERROR
Error absoluto y error relativo

Métodos Numéricos 13
Aproximando el área bajo la parábola y = x2 con x en [0, 1].

El valor exacto del área es 1/3. El valor exacto del área es 1/3.
La aproximación con el área del La aproximación con la suma de
triángulo es 1/2. áreas de trapecios es 3/8.
El error absoluto de la El error absoluto de la
aproximación es 1/6. aproximación es 1/24.
El error relativo de la El error relativo de la
aproximación es 0.5 (50%). aproximación es 0.125 (12.5%).

1 1

0,75 0,75

0,5 0,5

0,25 0,25

0 0
0 0,25 0,5 0,75 1 0 0,25 0,5 0,75 1

Métodos Numéricos 14
 Precisión, solución aproximada  ERROR

• de aproximación o • de redondeo
truncado
(“algoritmo-dependiente”) (“máquina-dependiente)
surgen de reemplazar el Están relacionado con la
problema original por un naturaleza de la
problema aproximado representación de los
números en la
computadora

Métodos Numéricos 15
Error de aproximación
El que se origina al reemplazar el
problema original por un problema
aproximado que es el que se resuelve.

Métodos Numéricos 16
 Error de redondeo
El que se origina por la forma en que
se almacenan y se opera con números
en una computadora.

Se suma 70 veces el número 0.1 en forma iterativa. El número 0.1 es uno de los infinitos
números reales que no pueden almacenarse correctamente en el formato estándar de doble
precisión en punto flotante.

Métodos Numéricos 17
Otro ejemplo sobre el error de redondeo

Métodos Numéricos 18
Una estrategia frecuente: Iterar procedimientos sencillos

Supongamos querer aproximar el número positivo

r tal que r2 = 2. Entonces:
número

Si a < r < 2 es una aproximación a r entonces 2/a > r es otra

aproximación a r y con estas dos se puede obtener otra: el promedio
de ambas. Entonces una mejor aproximación es

De aquí se puede obtener un procedimiento iterativo (reiterando el sencillo

procedimiento de promediar dos aproximaciones sucesivas) partiendo de x0
y generando una sucesión real en la forma

Métodos Numéricos 19
 Iterar procedimientos sencillos
Si a < r < 2 es una aproximación a r entonces 2/a > r es otra
aproximación a r y con estas dos se puede obtener otra: el promedio
de ambas. Entonces una mejor aproximación es
número

Métodos Numéricos 20
Aproximando una probabilidad p = P(0 < Z < 1) = (1) – 0.5

El valor de p esta bien

1
1  x2 / 2
determinado, la función
p
2
e
0
dx integrando es continua. No se
puede obtener una primitiva
calculable con un número finito
de operaciones

No se puede calcular el error

pero si se puede acotar
recurriendo a una regla
iterativa reiterando el método
de trapecios ya mostrado …

Métodos Numéricos 21
Aproximando una probabilidad p = P(0 < Z < 1) = (1) – 0.5

Métodos Numéricos 22
Aproximando una probabilidad p = P(0 < Z < 1) = (1) – 0.5

for k=1:8;
N=2^k;X=0:1/N:1;Y=(1/sqrt(2*pi))*exp(-X.^2/2);
I=trapz(X,Y)
end Se aproxima la integral de esta
I = 0.33626 función positiva en (0,1) por la
I = 0.34008 suma de áreas de trapecios
I = 0.34103 generados por la poligonal cuando
I = 0.34127 se particiona el intervalo en partes
I = 0.34133
iguales. Se puede demostrar que la
I = 0.34134
I = 0.34134
sucesión de esas áreas es
I = 0.34134 convergente.

p  0.3  < 10-1 Una idea importante: el mismo

p  0.34  < 10-2 procedimiento que se utiliza para
p  0.341  < 10-3 generar la aproximación permite
p  0.3413  < 10-4 también generar una cota del error
de aproximación.

Métodos Numéricos 23
Aproximando la derivada de f(x) = exp(-x) en x = 1
La derivada de f en x = 1 se puede aproximar con el cociente incremental en
1, esto es (f(1 + h) – f(1)) / h que tiende a f ’(1) cuando h tiende a 0 …

Métodos Numéricos 24
 Aproximando la derivada de f(x) = exp(-x) en x = 1

Representación gráfica en escala logarítmica doble del error absoluto en función del incremento h al aproximar
la derivada de exp(x) en 1. Puede observarse que para valores de h no demasiado pequeños prima el error de
aproximación y que resulta despreciable para los todavía menores donde se pone en evidencia el error de
redondeo que ocurre al restar números muy próximos (error por cancelación sustractiva).

Métodos Numéricos 25
 Un ejemplo sobre el error de redondeo
10
Calculando con Octave  0 .1
k 1

s = 0 ; for k = 1:10 ; s=s+0.1 ; end ; s

s = 1.00000000000000
s - 1
ans = -1.11022302462516e-16

Métodos Numéricos 26
 Un ejemplo sobre el error de redondeo
10
Calculando con Octave  0 .1
k 1

Métodos Numéricos 27
Otro ejemplo sobre el error de redondeo

s=0.1;a=0;x=[];for k=1:100000;a=a+s;x(k)=a;end
S=x-(0.1:0.1:10000);
semilogy(abs(S),'o')
s = 0.125;a = 0;x =[];for k = 1:100000;a = a+s;x(k) = a;end
S=x - (0.125:0.125:12500);
max(S)-min(S)
ans = 0
Métodos Numéricos 28
 Otro ejemplo sobre el error de redondeo
La solución de este sistema de
ecuaciones lineales es x = y = 1.

Métodos Numéricos 29
 Otro ejemplo sobre el error de redondeo

Se resuelve un sistema de
ecuaciones lineales con un
“gran número de ecuaciones”.
El error de redondeo crece con
el número de operaciones
involucradas.

n=[10 100 1000 5000];

E=[];
for k=1:4
S=ones(n(k),1);A=rand(n(k),n(k));Y=A*S;
E=[E max(abs(S-inv(A)*Y))];
end
loglog(n,E,'o')
Métodos Numéricos 30
Precisión
En la calculadora se
pueden almacenar
resultados con 10 cifras
significativas y con 15
en la PC (por defecto
doble precisión).

Métodos Numéricos 31
 Precisión

La calculadora muestra el Se realiza la diferencia entre ln(2) y lo que

resultado en 10 decimales tras se mostró en 10 decimales … Con esta
redondear el resultado obtenido diferencia se puede reconstruir el resultado
en un registro donde se opera en guardado en el registro de cálculo que es
doble precisión … mas preciso …

Respuesta de Octave (doble

precisión) con 15 decimales
Métodos Numéricos 32
 Precisión

Observen que la diferencia de mas de 12 ordenes de magnitud entre

dos sumandos genera que el menor de los dos sea despreciado frente al
mayor debido al error de redondeo por la longitud predeterminada del
registro de almacenamiento del resultado de un cálculo. En este caso
es una calculadora.

Métodos Numéricos 33
 Precisión

Observen que la diferencia de mas de 15 ordenes de magnitud entre

dos sumandos genera que el menor de los dos sea despreciado frente al
mayor debido al error de redondeo por la longitud predeterminada del
registro de almacenamiento del resultado de un cálculo. En este caso
en doble precisión.

Métodos Numéricos 34