INTRODUCCIÓN A LOS MÉTODOS NUMÉRICOS

Javier Garcı́a Maimó

”No hay por qué elegir entre humano y máquina, la mejor combinación es un buen humano y
una máquina” Garri Kasparov (1963)

Ciencia y computación
Desde el inicio de la ciencia los matemáticos, fı́sicos e ingenieros han tenido una estrecha
colaboración. Muchas teorı́as matemáticas han aparecido como consecuencia de intentar resolver
problemas en fı́sica. El desarrollo de muchas de las nuevas teorı́as cientı́ficas no serı́a posible
sin un conocimiento profundo de las matemáticas, a pesar de esto, la relación entre fı́sicos y
matemáticos no siempre ha sido ejemplar* .
En los últimos tiempos ha irrumpido con fuerza un nuevo elemento en la discusión: la
computación, que rápidamente se ha vuelto absolutamente imprescindible en la ciencia de
hoy en dı́a. Con frecuencia sus leyes toman la forma de ecuaciones diferenciales, ordinarias
para magnitudes dependientes sólo del tiempo, o bien en derivadas parciales para magnitudes
dependientes del espacio y el tiempo, es decir, para magnitudes descritas por medio de campos.
Muchos de los cálculos necesarios para resolver modelos no pueden hacerse de manera
analı́tica, y son necesarios los métodos numéricos. Es fundamental contar con el apoyo
de software para la resolución de modelos en ciencia e ingenierı́a.
Las computadoras realizan de forma eficiente las tareas que se le indican, ya que poseen
una gran capacidad de cálculo. En cambio, no tienen capacidad de análisis, por lo que las
instrucciones deben ser dadas con la máxima precisión. Las computadoras utilizan el sistema
de numeración binario para representar los números, ya que se puede implementar con
facilidad utilizando fenómenos fı́sicos como la electricidad o el magnetismo.

Los números binarios

El sistema de números binarios es un sistema posicional con base 2, ya que se emplean
solamente los números 1 y 0. Para convertir un número decimal en binario hay que dividir el
número entre dos sucesivamente y tomar los valores de los restos. Por ejemplo 12 → 1100.
*
El famoso fı́sico Ernest Rutherford dijo una vez ”Toda la ciencia es o fı́sica o colección de sellos”, y el gran
matemático David Hilbert decı́a que ”la fı́sica es demasiado difı́cil para los fı́sicos”, por la complejidad de las
herramientas matemáticas necesarias en diversos campos de la fı́sica

Javier Garcı́a Maimó

2 Introducción a los métodos numéricos

Para convertir de binario a decimal hay que multiplicar los dı́gitos en binario por 2p donde
p es la posición del dı́gito 0 × 20 + 0 × 21 + 1 × 22 + 1 × 23 = 12. Para convertir decimales
con parte decimal a binario se multiplica el número sucesivamente por 2 y se va guardando la
parte entera 0.625 → 0.101. Existen fracciones decimales que tienen una representación infinita
al convertirse a binario 0.65 → 0.101001 . . . . El uso de memoria limitada en las computadoras
para representar los números produce el error de redondeo.

Actividad 1: Calcular la representación en base 2 de los siguientes números en base 10

a) 138 b) 27.125 c) 22.7

La representación en punto flotante

Las computadoras usan la representación en punto flotante para optimizar la memoria
asignada a los diferentes tipos de datos. La representación en punto flotante se basa en la
notación cientı́fica normalizada, en la que un número se representa de la forma m × be , donde
m es la mantisa, b la base (usualmente 10), y e el exponente* .
La implementación de un sistema numérico de punto flotante en las computadoras es similar
al que se acaba de describir, con una diferencia: la cantidad de memoria es finita, por lo que sólo
se pueden representar números con un número finito de dı́gitos. Para una longitud de palabra
de 32 bits la distribución del espacio es la siguiente:

Signo del número real x 1 bit

Signo del exponente e 1 bit
Exponente (entero |e|) 7 bits
Mantisa (número real |m|) 23 bits

*
por ejemplo 0.384 × 104

Javier Garcı́a Maimó

3 Introducción a los métodos numéricos

Los métodos numéricos

Los modelos matemáticos están presentes en infinidad de aplicaciones de la ciencia, y su
estudio permite un conocimiento más profundo del fenómeno y de su evolución futura. Excepto
en casos sencillos, no siempre se puede obtener la solución de un modelo de manera analı́tica, y
es necesario utilizar métodos numéricos.

Los métodos numéricos son procesos que consisten en

algoritmos. Un algoritmo es una lista finita de
instrucciones precisas que especifica una secuencia de
operaciones algebraicas y lógicas que permiten obtener
una solución, casi siempre de forma aproximada dentro
de ciertos márgenes de tolerancia.

Historia de los métodos numéricos

ˆ Tabla de arcilla babilonia YBC 7289 ˆ Huesos de Napier (1623)
(1800-1600 AC)
ˆ Máquina calculadora, Leibniz (1694)
ˆ Papiro de Rhind (1650 AC) ˆ Newton, Euler (1750)

ˆ Algoritmo de Euclides (250 AC) ˆ ENIAC (1946)

Javier Garcı́a Maimó

4 Introducción a los métodos numéricos

Método de Heron de Alejandrı́a

Uno de los primeros métodos numéricos documentados en matemáticas fue usado para
calcular de manera aproximada la raı́z cuadrada de un número x:

1. Empezar con una estimación inicial g

2. Si g × g está lo suficientemente cerca de x entonces g es la respuesta

3. En caso contrario, calcular una nueva estimación haciendo un promedio entre g y

x/g, es decir, g = (g + x/g)/2

4. Repetir el proceso hasta que g × g esté lo suficientemente cerca de x

√
Ejemplo: Usar el algoritmo anterior para calcular 32:

1. Se toma g = 5 como estimación inicial

2. Como 25 está lejos de 32 se calcula g = (g + x/g)/2 = 5.7

3. Como 32.49 todavia esta lejos de 32 se calcula g = (g + x/g)/2 = 5.657

4. En este caso g × g = 32.0018 se considera suficientemente cerca de x por lo que se termina

El método de las diferencias finitas

Se va a mostrar un método numérico sencillo que permite resolver de manera aproximada
una ecuación diferencial sencilla: Se propone el cálculo de la velocidad instantánea de un cuerpo
en caı́da libre cerca de la superficie terrestre.
Se supondrá que su velocidad inicial es igual a 0 y que las únicas fuerzas que actúan sobre
él son la fuerza de gravedad y la fuerza de resistencia del aire, la cual se tomará proporcional a
la velocidad del cuerpo.

Solución numérica
dv mg − cv
La ecuación diferencial que se debe resolver es = . Se puede aproximar a la
dt m
razón de cambio de la velocidad con respecto al tiempo utilizando diferencias finitas

dv ∆v ∆v v(ti+1 ) − v(ti )
= lim ≈ =
dt ∆t→0 ∆t ∆t ti+1 − ti

Javier Garcı́a Maimó

5 Introducción a los métodos numéricos

Sustituyendo esta aproximación en la ecuación diferencial se obtiene

v(ti+1 ) − v(ti ) c
= g − v(ti )
ti+1 − ti m
de donde despejando se obtiene la solución aproximada
h c i
v(ti+1 ) = v(ti ) + g − v(ti ) (ti+1 − ti )
m
Conocido el valor de la velocidad en un instante ti se puede calcular su valor en el instante ti+1 ,
y ası́ sucesivamente.
Partiendo de la condición inicial v(t = 0) = 0 con un tamaño de paso ∆t = ti+1 − ti = 2s y
m = 70 Kg, c = 19.6 Kg/s, g = 9.8 m/s2 . De forma que
 c 
v(2) = v(0) + g − v(0) ∆t = 19.6 m/s
m
y sucesivamente
 c 
v(4) = v(2) + g − v(2) ∆t = 28.22 m/s
m
 c 
v(6) = v(4) + g − v(4) ∆t = 32.02 m/s
m
..
.

t analı́tica aproximada
0 0 0
2 15.008 19.600
4 23.580 28.224
6 28.477 32.019
8 31.274 33.688
10 32.872 34.423
12 33.784 34.746
14 34.306 34.888
16 34.603 34.951
18 34.773 34.978
20 34.871 34.990
22 34.926 34.996
24 34.958 34.998
26 34.976 34.999
28 34.986 35.000
30 34.992 35.000
mg  c

vanalitica (t) = 1 − e− m t
c  c 
vaprox (ti+1 ) = v(ti ) + g − v(ti ) (ti+1 − ti )
m

Actividades
2. Repetir el problema del paracaidista con un tamaño de paso de 1s.

3. Utilizar el método de las diferencias finitas para calcular la solución de la ecuación

dy
diferencial + 2y = 3x con la condición inicial y(2) = 4.5. Utilizar un tamaño de
dx
paso ∆x = 0.1 para calcular el valor de y(3).

Javier Garcı́a Maimó

6 Introducción a los métodos numéricos

Errores y tolerancia
Cuando se utilizan modelos matemáticos para representar fenómenos fı́sicos, y métodos
numéricos y computadoras para resolverlos, es inevitable encontrarse con diferentes fuentes de
error:

ˆ Errores en el modelo: Debidos a que el modelo no siempre tiene en cuenta todos los
elementos que afectan al sistema. Por ejemplo, en el caso del paracaidista podrı́a ser el
hecho de considerar la gravedad constante en vez de considerar su dependencia con la
altura.
ˆ Errores de truncamiento: Resultan del empleo de aproximaciones en vez de un procedimiento
matemático exacto. En la solución numérica del problema del paracaidista se ha usado
una diferencia finita como aproximación de la derivada.
ˆ Errores de redondeo: Son los errores causados por la precisión limitada a la hora de
realizar cálculos aritméticos. Aún en la solución exacta del problema del objeto en caı́da
libre, los resultados de la tabla de velocidades no son totalmente exactos puesto que se ha
tomado un número finito de decimales.

Error absoluto, relativo y tolerancia

Se puede definir el error absoluto como Ea = |valor verdadero − valor aproximado|. Por
ejemplo: el error absoluto de aproximar π como 3.14 es 0.001592. El error absoluto no siempre
proporciona una información completa sobre la precisión de un resultado.
(
valor aproximado 19.99 m
varilla:
valor verdadero 20.00 m
(
valor aproximado 9 cm
clavo:
valor verdadero 10 cm
En ambos casos el error absoluto es el mismo, en cambio, es una mejor medida cometer un
error de 1 cm si se está midiendo algo que mide 20 m que algo que mide 10 cm.

|error absoluto| |valor verdadero - valor aproximado| *

Error relativo: Se define como: Er = =
|valor verdadero| |valor verdadero|

Ejemplo: El error relativo porcentual de aproximar π como 3.14 es

0.001592
Er = × 100 ≈ 0.05%
3.1415923
Un defecto de la fórmula del error es que los métodos numéricos se aplican en la realidad a
problemas que no se pueden resolver analı́ticamente, por lo tanto, en una situación real el valor
verdadero no es conocido lo cual no nos permite calcular εr . Este problema se puede resolver
tomando en cuenta el valor de la aproximación anterior y de la aproximación actual
 
 aproximación actual - aproximación previa 
εr =   × 100
aproximación actual 

Los métodos numéricos permiten obtener soluciones de un problema tan cerca de la solución
exacta como se desee. Es necesario establecer un criterio de parada para detener el proceso una
vez se ha logrado disminuir el valor del error hasta un cierto valor fijado de antemano llamado
tolerancia.
*
Se acostumbra a usar el error relativo porcentual εr = Er × 100%

Javier Garcı́a Maimó

7 Introducción a los métodos numéricos

Problemas mal condicionados

Se dice que un problema está mal condicionado cuando un pequeño cambio en las variables
de entrada produce un gran cambio en el resultado. Por ejemplo el sistema

x+y = 2
x + 1.01y = 2.01

tiene como solución x = 1, y = 1, mientras que

x+y = 2
x + 1.01y = 2.02

tiene como solución x = 0, y = 2, es decir, un 0.5% de cambio en un dato produce un 100% de

cambio en la solución. Esto es debido a que el determinante de la matriz del sistema es muy
cercano a cero. En caso de aparecer problemas mal condicionados es especialmente importante
tratar de reducir el error de truncamiento usando una mayor cantidad de cifras decimales.

∞
X 1
Ejemplo: El número irracional e se puede representar en forma de serie, e = . Usando
n!
n=0
la serie se puede aproximar el valor de e , añadiéndo términos uno a uno, de forma que en cada
paso se obtiene una mejor aproximación. Se usará una tolerancia del 0.05%.
1 1 1
e≈1+1+ + + ··· +
2 6 n!
Se continúa el proceso hasta que se logre que |εr | ≤ 0.05%.

n e εr , [%] n e εr , [%]
0 1 - 4 2.708333333 1.54
1 2 50 5 2.716666667 0.31
2 2.5 20 6 2.718055556 0.05
3 2.666666667 6.25 7 2.718253969 0.007

Actividades
4. Calcular el error absoluto, relativo y relativo porcentual cometido al aproximar 1/3 como
0.33.

5. Calcular el valor del número e con un error menor que 0.001.

∞
X (−1)n π
6. Según la serie de Leibniz = . Utilizar este resultado para aproximar el valor
2n + 1 4
n=0
de π con los 10 primeros términos de la serie. Calcular el error aproximado y el real.

La serie de Taylor
El polinomio de Taylor de una función f (x) en el entorno de x0 „ se construye de la forma

f 00 (x0 )
P (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )2
2!
∞
f 000 (x0 ) X f (k) (x0 )
+ (x − x0 )3 + (x − x0 )k
3! k!
k=3
„
En caso de que x0 = 0 se habla de la serie de Maclaurin.

Javier Garcı́a Maimó

8 Introducción a los métodos numéricos

La serie infinita puede truncarse y escribirse de la forma

n
X f (n) (x0 ) f (n+1) (x0 )
f (x) = (x − x0 )n + (x − x0 )n+1
n! (n + 1)!
k=0
= Pn (x) + Rn (x)

donde Pn (x) es el n-ésimo polinomio de Taylor para f respecto a x0 y Rn (x) es el error de

truncamiento o término de residuo. El Rn (x) también se llama el resto de Lagrange presentado
por
f (n+1) (ξ(x))
Rn (x) = (x − x0 )n+1
(n + 1)!
Por ejemplo, al calcular la serie de Taylor de la función f (x) = ex alrededor de x0 = 0 de
orden 1, 2 y 3 se obtiene gráficamente:

Se puede ver como al aumentar el grado del polinomio la estimación es cada vez más precisa.

Ejemplo: Calcular el desarrollo en serie de Taylor hasta tercer orden de la función f (x) = sin x
alrededor de x0 = 0 y utilizarlo para estimar el valor de f en π/4 y π/2

f 00 (x0 ) f (3) (x0 )

p3 (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + (x − x0 )2 + (x − x0 )3
2! 3!
con
f (x0 ) = sin(0) = 0
f 0 (x0 ) = cos(0) = 1
f 00 (x0 ) = − sin(0) = 0
f (3) (x0 ) = − cos(0) = −1
entonces
x3
p3 (x) = x −
6

Javier Garcı́a Maimó

9 Introducción a los métodos numéricos

0.9

0.8

0.7
para x = π/4 se obtiene f (π/4) = 0.7071,
0.6
mientras que p3 (π/4) = 0.7047 0.5

para x = π/2 se obtiene f (π/2) = 1 0.4

mientras que p3 (π/2) = 0.9248 0.3

0.2
sin x
0.1 p3(x)

0
0 0.5 1 1.5

Actividad 7: Después de ver el video sobre la serie de Taylor:

a) Utilizar la hoja dinámica para calcular el valor aproximado de ln 2 desarrollando la función

f (x) = ln(x + 1) alrededor de x0 = 0 con un polinomio de grado 2.

b) Usar los valores que se muestran en la hoja para estimar el error cometido mediante el
residuo.

c) Comprobar el resultado de la hoja de forma manual.

Actividad 8: Calcular la serie de Taylor hasta segundo orden de f (x) = cos x alrededor de
x0 = 0 y utilizarla para aproximar el valor de cos(π/3). Calcular el error real y el aproximado.

El método del trapecio

El método del trapecio es un método de integración
numérica que consiste en aproximar la función a integrar como
una recta, de manera que la suma de las áreas de los trapecios
resultantes es una aproximación de la integral. El área de un
∆x
trapecio se calcula como AT = (Y1 + Y2 ).
2
2
x2
Z
Ejemplo: Calcular dx de manera aproximada usando el método del trapecio.
0 2

n área
1 2
2 1.5
3 1.41
.. ..
. .
.. ..
. .
10 1.34

El valor exacto de la integral es 8/6 = 1.333. Se puede ver como incrementar el número de
trapecios, n, hace que la aproximación mejore.

Javier Garcı́a Maimó

10 Introducción a los métodos numéricos

Actividades
8. Utilizar el método del trapecio para recalcular los valores del ejemplo anterior.

9. Un estudio de transporte requiere conocer el número de vehı́culos que pasan por una
intersección a la hora punta. Para ello se mide en varias ocasiones el número de vehı́culos
que pasan por la intersección durante 4 min:

Hora 7:30 7:45 8:00 8:15 8:45 9:15

Num Vehı́culos (en 4 min) 18 23 14 24 20 9

Calcular el número total de vehı́culos que pasaron por la intersección entre 7:30 y 9:15.

10. Repetir el problema del paracaidista considerando ahora una fuerza de fricción proporcional
al cuadrado de la velocidad y un tamaño de paso de 0.5 segundos. En caso de no conocer
la solución analı́tica. ¿Cómo se podrı́a calcular un error aproximado?

Javier Garcı́a Maimó