Aproximaciones

Los métodos numéricos constituyen procedimientos alternativos

provechosos para resolver problemas matemáticos para los cuales
se dificulta la utilización de métodos analíticos tradicionales y,
ocasionalmente, son la única opción posible de solución.
Son técnicas mediante las cuales un modelo matemático es
resuelto usando solamente operaciones aritméticas, tediosos
cálculos aritméticos.
Son técnicas sistemáticas cuyos resultados son aproximaciones del
verdadero valor que asume la variable de interés; la repetición
consistente de la técnica, a lo cual se le denomina iteraciones, es lo
que permite acercarse cada vez más al valor buscado.
Convergencia y estabilidad de los métodos

Se entiende por convergencia de un método numérico la garantía de que,

al realizar un “buen número” de iteraciones, las aproximaciones obtenidas
terminan por acercarse cada vez más al verdadero valor buscado.
En la medida en la que un método numérico requiera de un menor número
de iteraciones que otro, para acercarse al valor deseado, se dice que tiene
una mayor rapidez de convergencia.
Se entiende por estabilidad de un método numérico el nivel de garantía de
convergencia, y es que algunos métodos numéricos no siempre convergen
y, por el contrario, divergen; esto es, se alejan cada vez más del resultado
deseado.
En la medida en la que un método numérico, ante una muy amplia gama de
posibilidades de modelado matemático, es más seguro que converja que
otro, se dice que tiene una mayor estabilidad.
Es común encontrar métodos que convergen rápidamente, pero que son
muy inestables y, en contraparte, modelos muy estables, pero de lenta
convergencia.
 Selección de alternativas

Método numérico: no existe el mejor, pero si los

favoritos
– Amplitud de aplicación
– Amigabilidad
– Estabilidad
– Rapidez de convergencia
– Número de valores iniciales requeridos
Se ha de tomar en cuenta, además
– Complejidad del modelo
– Turbulencia de los datos
– Ingenio y creatividad
Planteamiento del problema
 Resolución Paralela Intervalar del
Problema de Flujo de Potencia Eléctrica
Los sistemas eléctricos, son de grandes dimensiones,
descritas por sistemas no lineales de grandes dimensiones.
Esto ha motivado el estudio de técnicas y algoritmos
paralelos, de manera a agilizar la solución del problema,
disminuir los tiempos de procesamiento y optimizar el uso de
los sistemas computacionales existente.
La aplicación de la matemática intervalar en la resolución
de este problema mostró ser bastante pesado
computacionalmente hablando, por lo que se propone la
paralelización de su resolución en el ámbito intervalar, de
forma a disminuir los tiempos de procesamiento utilizando
una plataforma computacional distribuida.
La Figura 2 muestra la plataforma computacional utilizada para
poner a prueba la resolución paralela de los problemas. Se
trata de una red de 5 PCs con Procesadores Pentium II de
400MHz, 32 MB de memoria RAM, interconectados por una
red Ethernet de 10 Mbps, corriendo el sistema Operativo Linux
Red Hat versión 6.0, sobre la que se instaló el MPI (Message
Passing Interface) para Lenguaje C, implementación MPICH.
Todas las máquinas utilizadas son de idénticas características,
una de ellas haciendo el papel de Maestro y de Servidor de
NFS y NIS. Las demás hacen el papel de esclavos.
La resolución secuencial de los problemas ejemplos está dada por la
ecuación:

Supongamos que el primer término de la sumatoria de W este dado por la

ecuación:

Considerando solo el primer término entonces:

De donde:
Se desea refinar el valor de la variable x para f(x)=0 considerando en
todos los casos diam(XK+1)=0.001 para el primer término del ciclo
utilizando el algoritmo del Método de la bisección.

Gráfico
Intervalo que contiene las raíces: [0.5,1]
Aplicación de los métodos
Según el método de la bisección la Raíz es: 0.786
Análisis de la convergencia de
las funciones de iteracion
posibles para el M.I.L.
 El método de bisección es muy robusto porque se puede aplicar a
cualquier función continua y no presenta posibilidades de error, aunque es un
método lento: en cada paso dividimos el intervalo por la mitad. Además no
aprovecha otras características de la función, por ejemplo no valora el
tamaño en los extremos de los intervalos. En el ejercicio se usaron 10
iteraciones para llegar a una raíz aproximada.
El método de la falsa posición en general puede obtener un x en la cual
[f(x) sea menor que el error] sin que el intervalo [a,b] sea pequeño. Con tres
iteraciones de obtuvo una raíz aproximada con un error de 0.1 x10^(-2).
En el método MIL hallamos una función de iteración que cumplió con las
condiciones, mientras que las otras dos posibles son divergentes en el
intervalo [0,1].
El método de Newton Raphson converge rápidamente utilizando
tangentes sucesivas a la función. Utilizando solo 3 iteraciones se obtuvo una
raíz aproximada bastante precisa.
En muy importante destacar el teorema de convergencia local en el
método de Newton Raphson porque la convergencia sólo se garantiza si el
valor inicial x0 está próximo a la raíz que se busca.
Con método de la secante también se obtuvo una raiz aproximada precisa
con solo 3 iteraciones.
 Conclusión
Este trabajo consistió en analizar la aplicación
de los métodos iterativos en un problema
computacional. Una vez hecho este análisis se
realizó una comparación de la eficiencia de cada
método en cuanto a la precisión de la raíz
aproximada. El método de Newton Raphson
resulto ser el mas eficiente.
Se ha utilizado los software: Maple y Matlab
para desarrollar el problema .
Gracias!!!!