Beruflich Dokumente
Kultur Dokumente
Los métodos numéricos se tienen desde los siglos XIX y XX, utilizando métodos numéricos
aproximados. El papiro de Rhind es el documento matemático más antiguo que se conserva, data
unos 200 años a. c. originario de las civilizaciones egipcias donde aparecen más de 80 problemas
resueltos que trataba de calcular montones de volúmenes y el área de una circunferencia. En
babilonia ya se tenía conocimiento para calcular aproximadamente raíces cuadradas. En cambio
de la antigua Grecia fueron famosos los trabajos de Arquímedes en el siglo III a. c. El Papiro de
Moscú y de Rhind, escritos de 1850 y 1650 A. de C. Ambos documentos incluyen ejemplos de
cálculos que implican el manejo de ecuaciones lineales con una y dos incógnitas. Es con los griegos
que aparece por primera vez, en el siglo V A. de C., la matemática como una ciencia que utiliza el
método deductivo como herramienta funda mental para probar que un resultado es verdadero. A
finales del siglo XIX se perfila la teoría de las series infinita, Principio del siglo XVIII aparece el
cálculo de diferencias finitas. Con el surgimiento de las computadores digitales a mediados del
siglo XX y su continuo desarrollo, la matemática numérica ha recibido un fuerte estimulo, ya que la
computadora digital ha hecho posible la aplicación práctica de bastantes métodos numéricos. En
la actualidad los métodos numéricos son un medio para fortalecer la compresión de las
matemáticas, porque profundizan en los temas que de otro modo resultarían complejos, esto
aumenta su capacidad de entendimiento de la materia. Es importante al momento de realizar
estos métodos diferenciar los que es exactitud y precisión en relación con el error, la exactitud se
refiere a que tan cercano está el valor calculado o medido del valor verdadero, en cambio la
precisión es que tan cercanos se encuentran los valores el uno con el otro. Los errores numéricos
surgen con el uso de aproximaciones para representar valores o las cantidades en las operaciones
matemáticas.
La importancia de los métodos numéricos no radica en buscar la solución exacta de un problema, sino la
aproximada pero con la precisión requerida, o sea, con un error lo suficientemente pequeño y próximo a cero,
de ahí la utilidad de los métodos numéricos.
Importa también el tiempo empleado en obtener la solución y en esto ha jugado un papel importante el
enorme desarrollo de la tecnología computarizada, ya que la enorme velocidad actual de los medios
computarizados de cómputo ha reducido considerablemente el tiempo de obtención de la solución, lo que ha
motivado la popularidad, el enorme uso y aceptación que hoy tienen los métodos numéricos. Sumémosle a
ello que las computadoras son capaces de dar solución con la precisión requerida.
Aquí es bueno aclarar que no es correcto pensar que el desarrollo tecnológico computarizado es quien ha
creado los métodos numéricos ya que los orígenes de la matemática numérica son muy antiguos, datan de
miles de años atrás, cuando los babilonios construyeron tablas matemáticas y elaboraron efemérides
astronómicas. Lo que sucede es que la mayoría de los métodos numéricos requieren de un enorme volumen
de cálculo que los hacían engorrosos de utilizar y esta dificultad vino a eliminarse con el desarrollo de la
computación, pero los métodos numéricos existen mucho antes de ella.
Por otro lado, para poder elaborar un buen programa de computación, aparte de manejar un lenguaje
determinado, debemos saber realizar el proceso «a mano», ya que esto nos permitirá implementar un mejor
programa que contemple todas las posibles piedras en el camino.
Con fundamento en lo antes mencionado, tenemos cinco importantes razones para el estudio de los métodos
numéricos:
Exactitud: se refiere a cuán cerca del valor real se encuentra el valor medido. En términos
estadísticos, la exactitud está relacionada con el sesgo de una estimación. Cuanto menor es el
sesgo más exacto es una estimación.
En si exactitud se refiere a qué tan cercana está esa medición de la realidad ejemplo: el valor
obtenido en un experimento es muy cercano al valor verdadero. Lo que no te dice es que sea
reproducible ese valor verdadero.
Ejemplo general: si hablaras de un tiro al blanco. preciso sería dar siempre en el mismo sitio;
exacto sería dar justo en el centro.
Definición de error
Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones
y cantidades matemáticas.
Esto ocurre cuando tienes pocas interacciones, al tener muchos el error baja, debido a que los
métodos numéricos no son exactos sino simples a aproximaciones a un valor numérico, para que
fueran exactos necesitarías un numero de iteraciones infinitas lo cual no es posible, además de
cual es e método que vas a utilizar. Cada uno tiene su nivel de error, y sirve para diferentes cosas
Para los tipos de errores, la relación entre el resultado exacto o verdadero y el aproximado está
dado por:
se encuentra que el error numérico es igual a la diferencia entre el valor verdadero y el valor
aproximado esto es :
Donde Ev se usa para redondear el valor exacto del error. Se incluye el subíndice v par dar a
entender que se trata del "verdadero" error.
Un defecto es que muchas veces no se toma en consideración el orden de magnitud del valor que
se esta probando . Por ejemplo, un error de un centímetro es mucho mas significativo si se esta
midiendo un remache que un puente. Una manera de medir las magnitudes de las cantidades que
se están evaluendo es normalizar el error respecto al valor verdadero, como en:
Donde:
El error relativo también se puede multiplicar por el 100% para expresarlo como Ev = (error
verdadero/ valor verdadero) 100; Donde Ev denota el error relativo porcentual. El subíndice v
significa la normalización del error al valor verdadero.
Para los métodos numéricos el valor verdadero únicamente se conocerá cuando se habla
de funciones que se pueden resolver analíticamente. Sin embargo, en aplicaciones reales, no se
conoce la respuesta verdadera. En estos casos, normalizar el error es una alternativa usando la
mejor estimación posible del valor verdadero, esto es a la aproximación misma, como:
Donde el subíndice a significa que el error está normalizado a un valor aproximado.Uno de los
retos a que se enfrentas los métodos numéricos es el de determinar estimaciones del error en
ausencia de conocimiento de los valores verdaderos. El error se calcula como la diferencia entre la
aproximación previa y la actual. Por lo tanto, el error relativo porcentual está dado por:
Si se cumple la relación anterior, entonces se considera que el resultado obtenido está dentro del
nivel aceptable, es decir, aun error previamente fijado(Es):Abs(Ea) < >
ERRORES INHERENTES, POR TRUNCAMIENTO Y
POR REDONDEO
Existen tres tipos básicos de errores en una computación
numérica: inherentes, por truncamiento, y por redondeo. Cada
uno se puede expresar en forma absoluta o en forma relativa.
1. ERRORES INHERENTES
Son errores que existen en los valores de los datos, causados por
incertidumbre en las mediciones, por verdaderas equivocaciones,
o por la naturaleza necesariamente aproximada de la
representación, mediante un número finito de dígitos, de
cantidades que no pueden representarse exactamente con el
número de dígitos permisible.
Por ejemplo, si necesitamos usar en un cálculo, podemos
escribirlo como 3.14, 3.1416, 3.1415926535589793..., etc. En
muchos casos aún una fracción simple no tiene representación
decimal exacta, por ejemplo 1/3, que puede escribirse solamente
como una sucesión finita de números 3. Muchas fracciones que
tienen representación finita en un sistema no la tienen en otro, el
número 1/10 es igual a 0.1 en decimal y en binario
es 0.000110011001100...
2. ERRORES POR TRUNCAMIENTO
Estos son debidos a la omisión de términos en una serie que tiene
un número infinito de términos.
Por ejemplo podemos utilizar la serie infinita de Taylor para
calcular el seno de cualquier ángulo X, expresado en radianes:
(4)
(5)
(6)
(7)
en que Y tiene el mismo signo que fY. La adición de 10 en el
segundo renglón de la ecuación corresponde a sumar 1 al último
dígito retenido si el primer dígito que se pierde es igual o mayor
que 5. Se describen los símbolos de valor absoluto para indicar
que las mismas fórmulas se aplican a cantidades positivas y
negativas.
Si gY < 1/2, el error absoluto es
(8)
Si , el error absoluto es
(9)
(10)
(11
)
(13)
y
(20)
(21)
(22)
Error absoluto:
Es la diferencia entre el valor exacto (un número determinado, por ejemplo) y su valor calculado o
redondeado:
Debido a que la definición se dio en términos del valor absoluto, el error absoluto no es negativo.
Así pues, una colección (suma) de errores siempre se incrementan juntos, sin reducirse. Este es un
hecho muy pesimista, dado que el redondeo y otros errores rara vez están en la misma dirección,
es posible que una suma ("algebraica") de errores sea cero, con aproximadamente la mitad de los
errores positiva y la otra mitad negativa. Pero también es demasiado optimista esperar que
errores con signo sumen cero a menudo. Un enfoque realista es suponer que los errores, en
especial el redondeo, están estadísticamente distribuidos.
Error relativo:
Es el error absoluto dividido entre un número positivo adecuado. Generalmente, el divisor es una
de tres elecciones: la magnitud del valor exacto, la magnitud del valor calculado (o redondeado) o
el promedio de estas dos cantidades. La mayor parte de las veces utilizaremos
El error relativo es una mejor medida del error que el error absoluto, en especial cuando se
utilizan sistemas numéricos de punto flotante. Puesto que los elementos de un sistema de punto
flotante no están distribuidos de manera uniforme, la cantidad de redondeos posibles depende de
la magnitud de los números que se redondean. El denominador de la ecuación de arriba compensa
este efecto.
Una característica relacionada de error relativo es que los efectos de escalar la variable (es decir,
de multiplicarla por una constante distinta de cero, incluyendo cambios en la unidad de medición)
se cancelan. Una buena medida del error debería ser "invariante de las escalas", de modo que al
cambiar de yardas a pulgadas, digamos, no debería amplificar el error aparente por 36, como
sucedería en la ecuación de arriba. Si bien las matemáticas puras se inclinarían a utilizar el error
absoluto, en general el error relativo se emplea en las ciencias aplicadas.
Algunas veces conviene multiplicar el error relativo por 100 (por ciento) para ponerlo en una base
porcentual.
HERRAMIENTAS COMPUTACIONALES. PARA QUÉ NOS SIRVEN EN MATEMÁTICAS.
Hoy en día, básicamente, nos sirven como apoyo en la enseñanza y aprendizaje de las
matemáticas y nos permiten resolver cualquier problema difícil que se nos vaya presentando en
cualquiera de los cursos de la licenciatura y de una manera analítica y exacta, podemos tratar de
resolver, mediante el uso y utilización adecuados de programas (software) relativos a los procesos
de aprendizaje de las mismas, preparándonos así para llegar a procesar e interpretar la
información mediante dichos métodos analíticos y numéricos, lo cual seguramente, nos permitirá
cumplir con calidad y eficacia cualquier trabajo o proyecto que nos propongamos realizar; así
pues, el aprendizaje de dichas herramientas, constituyen un instrumento apropiado, para poder
adquirir las competencias necesarias en el manejo de programas computacionales, que nos
servirán para realizar nuestras actividades con mayor facilidad ,eficiencia, rapidez y
profesionalismo.
El uso de las nuevas tecnologías computacionales nos permite explorar, justificar e ir construyendo
nuestro propio conocimiento y la evolución que ha experimentado el software matemáticos en los
últimos años, nos conduce de manera urgente, a ir aprendiendo las nuevas formas de hacer
matemáticas.
En el ámbito universitario, han sido y continúan siendo objeto de estudio para profesores de
matemática los asistentes más utilizados en diferentes carreras, disciplinas y asignaturas, entre
ellos:
MATLAB es un medio computacional técnico, con un gran desempeño para el cálculo numérico
computacional y de visualización.
MATLAB integra análisis numérico, matrices, procesamiento de señales y gráficas, todo esto en un
ambiente donde los problemas y soluciones son expresados tal como se escriben
matemáticamente.
DERIVE: El Derive se utiliza para mejorar los resultados obtenidos con la metodología
tradicional. Puede ser utilizado en la enseñanza de Álgebra Lineal y en el Cálculo
Diferencial e Integral. En algunos casos, Geometría y Matemática Discreta.
El Derive es una potente calculadora, que puede ser aprovechada para motivar la introducción de
nuevos métodos y conceptos; también para prevenir la fe ciega en el ordenador. (Ejemplos:
discusión de sistemas con parámetros, diagonalización de matrices de orden superior a cinco para
introducir métodos numéricos.)
Derive permite al profesor construir ejemplos para ilustrar conceptos y métodos, así como
proponer problemas reales.
EXCEL: Microsoft Excel es una potente y a la vez sencilla hoja de cálculo, en la cual
haremos operaciones matemáticas, científicas y operaciones con datos.
http://www.monografias.com/trabajos98/metodo-numerico/metodo-numerico.shtml
http://aniei.org.mx/paginas/uam/CursoMN/curso_mn_02.html
http://1bioquimica04.blogspot.mx/2008/02/teora-de-errores.html
https://mariellalimn.wordpress.com/2014/05/08/herramientas-computacionales-para-que-nos-
sirven-en-matematicas/