Professional Documents
Culture Documents
Grupo 7
September 28, 2023
Contents
1 Abstract 2
1.1 Error Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Conditioning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Resumen 2
2.1 Análisis de Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Condicionamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 Introduccion 3
4 Objetivos 3
4.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4.2 Objetivos Secundarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5 Marco Teórico 5
5.1 Definición y Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.1.1 Propiedades del Análisis de Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.1.2 Propiedades del Condicionamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.2 Convergencia del Metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.3 Algoritmo del Metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.4 Seudocodigo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5.5 Ejemplo Matematico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5.5.1 Análisis de Errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5.5.2 Condicionamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5.5.3 Ejemplo de Evaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5.6 Ejemplo aplicado a la Ingenieria Electrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
6 Conclusiones 9
6.1 Importancia del Análisis de Errores y Condicionamiento en Métodos Numéricos . . . . . . 9
6.2 Fuentes de Errores en Cálculos Numéricos . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
6.3 Condicionamiento de Problemas Matemáticos . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.4 Aplicaciones en la Práctica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.5 Selección de Métodos Numéricos y Diseño de Algoritmos . . . . . . . . . . . . . . . . . . . 10
6.6 Ética en la Computación Cientı́fica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1
1 Abstract
1.1 Error Analysis
• Error analysis focuses on understanding and quantifying the discrepancies between numerical results
obtained through numerical methods and the exact or theoretical solutions of a problem.
• Errors can arise from multiple sources, such as round-off errors (caused by limitations in the rep-
resentation of numbers on a computer), truncation errors (resulting from approximating infinite
processes with finite ones), and modeling errors (caused by simplifications in the mathematical
model).
• Error analyses can help determine the accuracy and reliability of numerical results. This is essential
for assessing the quality of a numerical method and deciding whether it is suitable for a specific
application.
1.2 Conditioning
• Conditioning refers to the sensitivity of a mathematical problem or equation to small perturbations
in input data or parameters.
• A problem is well-conditioned if small variations in input data lead to small variations in the
solution. Conversely, a problem is ill-conditioned when small perturbations can result in drastic
changes in the solution.
• The conditioning of a problem can be assessed using the condition number, which provides a
quantitative measure of problem sensitivity. A low condition number indicates a well-conditioned
problem, while a high number suggests an ill-conditioned problem.
In summary, error analysis focuses on understanding and quantifying discrepancies in numerical results,
while conditioning refers to the sensitivity of a problem to small perturbations. Both concepts are essential
for the design and evaluation of robust and accurate numerical methods in solving mathematical and
scientific problems.
2 Resumen
2.1 Análisis de Errores
• El análisis de errores se enfoca en comprender y cuantificar las discrepancias entre los resultados
numéricos obtenidos mediante métodos numéricos y las soluciones exactas o teóricas de un problema.
• Los errores pueden surgir debido a múltiples fuentes, como errores de redondeo (causados por limita-
ciones en la representación de números en una computadora), errores de truncamiento (resultantes
de la aproximación de procesos infinitos por procesos finitos) y errores de modelado (causados por
simplificaciones en el modelo matemático).
• Los análisis de errores pueden ayudar a determinar la precisión y la confiabilidad de los resultados
numéricos. Esto es esencial para evaluar la calidad de un método numérico y decidir si es adecuado
para una aplicación especı́fica.
2
2.2 Condicionamiento
• El condicionamiento se refiere a la sensibilidad de un problema matemático o una ecuación a
pequeñas perturbaciones en los datos de entrada o en los parámetros.
• Un problema está bien condicionado si pequeñas variaciones en los datos de entrada conducen a
pequeñas variaciones en la solución. Por el contrario, un problema mal condicionado es aquel en el
que pequeñas perturbaciones pueden generar cambios drásticos en la solución.
• El condicionamiento de un problema puede evaluarse mediante el número de condición, que pro-
porciona una medida cuantitativa de la sensibilidad del problema. Un número de condición bajo
indica un problema bien condicionado, mientras que un número alto sugiere un problema mal
condicionado.
• En métodos numéricos, es fundamental considerar el condicionamiento del problema, ya que puede
afectar significativamente la estabilidad y la precisión de los cálculos. 1
3 Introduccion
El análisis de errores y condicionamiento son dos conceptos fundamentales en el contexto de métodos
numéricos. Estas áreas se centran en comprender y cuantificar las limitaciones y desafı́os asociados con
la representación y manipulación de números en sistemas de cómputo, ası́ como en la evaluación de la
estabilidad y precisión de los algoritmos utilizados en cálculos numéricos.
El análisis de errores se refiere al estudio de las diferencias entre el valor exacto de una cantidad y
su aproximación computacional. Dado que las computadoras utilizan una representación finita de los
números, los errores son inevitables en cualquier cálculo numérico. El análisis de errores busca entender
cómo estos errores se propagan a lo largo de una serie de operaciones matemáticas y cómo pueden afectar
la validez y la confiabilidad de los resultados numéricos.
Por otro lado, el condicionamiento se relaciona con la sensibilidad de un problema numérico y su
solución a pequeñas variaciones en los datos de entrada. Un problema está bien condicionado si pequeñas
perturbaciones en los datos de entrada resultan en pequeñas variaciones en la solución, lo que facilita la
obtención de resultados precisos. En contraste, un problema mal condicionado puede llevar a resultados
extremadamente inestables o inexactos, incluso cuando se utilizan algoritmos numéricos de alta calidad.
En conjunto, el análisis de errores y condicionamiento son esenciales para el diseño y la evaluación
de algoritmos numéricos robustos y eficientes. Comprender estos conceptos permite a los cientı́ficos e
ingenieros tomar decisiones informadas sobre cómo abordar problemas numéricos y garantizar que los
resultados obtenidos sean confiables y precisos, a pesar de las limitaciones inherentes de la aritmética de
punto flotante utilizada en las computadoras. 2
4 Objetivos
4.1 Objetivo General
El objetivo general de este estudio es adquirir un profundo entendimiento de los fundamentos que rigen
la precisión y estabilidad de los cálculos computacionales en contextos cientı́ficos, técnicos e ingenieriles.
Esto implica una exploración detallada de las siguientes áreas:
1. Análisis de Errores: Comprender las diversas fuentes de errores en cálculos numéricos, que incluyen
errores de redondeo, errores de truncamiento y errores de modelado. El objetivo es identificar,
cuantificar y minimizar estos errores para obtener resultados numéricos más precisos y confiables.
3
problemas bien condicionados, donde pequeñas variaciones en los datos de entrada conducen a
pequeñas variaciones en la solución, y problemas mal condicionados, donde pequeñas perturbaciones
pueden generar cambios drásticos en la solución.
Al lograr este objetivo general, se busca capacitar al estudiante o profesional en la toma de deci-
siones informadas al seleccionar y aplicar métodos numéricos para la resolución de problemas especı́ficos.
También se pretende proporcionar las habilidades necesarias para diseñar algoritmos numéricos robustos,
considerando factores de precisión y estabilidad, y aplicar estos conocimientos en una amplia gama de
campos, desde la fı́sica y la ingenierı́a hasta la economı́a y la biologı́a computacional. Este conocimiento
contribuirá a mejorar la calidad y confiabilidad de los resultados en investigaciones y aplicaciones prácticas
que dependen de técnicas numéricas.
1. Identificar Fuentes de Errores: Reconocer y comprender las fuentes especı́ficas de errores en cálculos
numéricos, como errores de redondeo, errores de truncamiento y errores de aproximación, con el fin
de abordarlos de manera efectiva.
2. Desarrollar Habilidades de Programación: Adquirir habilidades de programación en lenguajes ade-
cuados para la implementación de algoritmos numéricos, permitiendo la creación y prueba de
métodos personalizados.
3. Evaluar Estabilidad Numérica: Evaluar la estabilidad numérica de algoritmos y métodos especı́ficos
para determinar su idoneidad en aplicaciones prácticas.
4. Aplicar Métodos de Mejora: Aprender y aplicar técnicas de mejora de la precisión numérica, como
aritmética de alta precisión y reordenamiento de operaciones matemáticas.
5. Realizar Análisis de Sensibilidad: Realizar análisis de sensibilidad en modelos numéricos para com-
prender cómo pequeñas variaciones en los datos de entrada afectan las salidas y tomar decisiones
informadas en la recopilación de datos.
4
5 Marco Teórico
5.1 Definición y Propiedades
El análisis de errores y condicionamiento es un tema fundamental en el campo de los métodos numéricos.
En este contexto, el análisis de errores se refiere al estudio de cómo los errores se propagan a lo largo
de los cálculos numéricos, mientras que el condicionamiento se refiere a la sensibilidad de un problema
numérico a pequeñas perturbaciones en los datos de entrada. 3
5
5.2 Convergencia del Metodo
La convergencia del método numérico está relacionada con la capacidad del método para acercarse a la
solución exacta a medida que se realizan más iteraciones. Un método numérico se considera convergente
si los resultados obtenidos se acercan cada vez más a la solución exacta a medida que se realizan más
iteraciones. La velocidad de convergencia puede variar dependiendo del método utilizado.
El análisis de errores es un tema fundamental en el curso de Métodos Numéricos. En este contexto,
el análisis de errores se refiere a la evaluación y cuantificación de los errores que pueden surgir al utilizar
métodos numéricos para resolver problemas matemáticos.
Existen diferentes tipos de errores que pueden ocurrir en los métodos numéricos, y es importante
comprender cómo afectan la precisión y la exactitud de los resultados obtenidos. Algunos de los errores
más comunes son:
8. Imprimir los resultados obtenidos: solución exacta, solución aproximada, error absoluto, error
relativo y número de condición.
6
En este algoritmo, se realiza el análisis de errores comparando la solución exacta con la solución
aproximada y calculando el error absoluto y el error relativo. Además, se evalúa el condicionamiento del
problema calculando el número de condición de la matriz de coeficientes A.
Es importante destacar que el pseudocódigo es solo una representación general del algoritmo y no
está ligado a un lenguaje de programación especı́fico. La implementación real del algoritmo puede variar
dependiendo del lenguaje de programación utilizado.
5.4 Seudocodigo
% Definir una matriz A (reemplazar con la matriz de interés)
A = [2, -1, 0; -1, 2, -1; 0, -1, 2];
7
• xn+1 es la aproximación de la raı́z cuadrada en la iteración n + 1.
• xn es la aproximación anterior en la iteración n.
• a es el número del cual queremos calcular la raı́z cuadrada.
Ea = |xexacto − xaprox |
|xexacto − xaprox |
Er =
|xexacto |
5.5.2 Condicionamiento
El condicionamiento se refiere a cuán sensible es el método de Newton-Raphson a pequeñas perturbaciones
en el valor inicial x0 . Si el método es altamente sensible y pequeñas variaciones en x0 resultan en grandes
cambios en la aproximación final, se considera un problema mal condicionado.
• V es el voltaje aplicado.
• R es la resistencia.
8
Supongamos que tienes una fuente de voltaje nominal de 10 V y una resistencia nominal de 100
Ohmios. Entonces, según la Ley de Ohm, la corriente nominal deberı́a ser de 0.1 A (Amperios).
Sin embargo, en la práctica, los componentes eléctricos no siempre tienen sus valores nominales
exactos. Por ejemplo:
1. Error en la fuente de voltaje: La fuente de voltaje real podrı́a tener un pequeño error y en
lugar de 10 V, podrı́a estar proporcionando 10.1 V.
2. Tolerancia en la resistencia: La resistencia nominal de 100 Ohmios podrı́a tener una tolerancia
del 5%, lo que significa que su valor real podrı́a estar en el rango de 95 Ohmios a 105 Ohmios.
• Si utilizamos la fuente de voltaje con un valor de 10.1 V en lugar de 10 V, obtendremos una corriente
calculada de
10.1 V
I= = 0.101 A
100 Ω
Esto es un 1% más alto de lo esperado debido al error en la fuente de voltaje.
• Si usamos una resistencia de 105 Ohmios en lugar de 100 Ohmios, obtendremos una corriente
calculada de
10 V
I= = 0.095 A
105 Ω
Esto es un 5% más bajo de lo esperado debido a la tolerancia en la resistencia.
Este ejemplo ilustra cómo los errores en los componentes eléctricos y sus tolerancias pueden afectar
significativamente el rendimiento de un circuito. El análisis de errores es esencial para garantizar que el
circuito funcione dentro de las especificaciones deseadas a pesar de las incertidumbres en los valores de los
componentes. También muestra cómo el condicionamiento, en este caso, la tolerancia de la resistencia,
puede influir en el rendimiento del circuito y la precisión de las mediciones.
6 Conclusiones
6.1 Importancia del Análisis de Errores y Condicionamiento en Métodos
Numéricos
El análisis de errores y condicionamiento desempeña un papel fundamental en el mundo de los cálculos
numéricos y la computación cientı́fica. A medida que la computación se ha vuelto omnipresente en la
ciencia, la ingenierı́a y muchas otras disciplinas, es esencial comprender cómo los errores pueden afectar
los resultados y cómo el condicionamiento de un problema puede influir en la elección de los métodos
numéricos adecuados.
9
• Errores de Modelado: Cuando se simplifican o idealizan modelos matemáticos para facilitar los
cálculos, se pueden introducir errores de modelado. Estos errores son especialmente relevantes en
la simulación de sistemas fı́sicos y procesos.
References
[1] S. C. Chapra, R. P. Canale, R. S. G. Ruiz, V. H. I. Mercado, E. M. Dı́az, and G. E. Benites, Métodos
numéricos para ingenieros, vol. 5. McGraw-Hill New York, NY, USA, 2011.
[2] P. A. Q. Hernández, Métodos numéricos con aplicaciones en Excel. Reverte, 2005.
[3] Y. Skiba, Métodos y esquemas numéricos: un análisis computacional. UNAM, 2005.
[4] J. M. D. Moreno and F. B. Trujillo, Introducción a los métodos numéricos para la resolución de
ecuaciones. Servicio Publicaciones UCA, 1999.
[5] V. G. Gregori and B. R. Sala, Errores, optimización y resolución numérica de sistemas. Editorial de
la Universidad Politécnica de Valencia, 2019.
10
[6] K. D. Fink, “Métodos numéricos,” 1995.
[7] T. Sauer and J. E. M. Murrieta, Análisis numérico. Pearson Educación, 2013.
[8] C. F. Gerald et al., Análisis numérico. Representaciones y Servicios de Ingenierı́a, 1987.
11