Tema 2

Tema 2
Métodos Numéricos Avanzados en Ingeniería
Preliminares de cálculo
numérico
Índice
Esquema 3
Ideas clave 4
2.1. ¿Cómo estudiar este tema? 4
2.2. Errores de redondeo 6
2.3. Errores de truncamiento 9
2.4. Definiciones de error 12
2.5. Aplicación de métodos numéricos a la resolución
© Universidad Internacional de La Rioja (UNIR)
de problemas 14
Lo + recomendado 23
+ Información 27
Test 27
Redondeo
ERRORES Truncamiento
Definiciones
Problemas de valor inicial
Unidimensional
P R O B L E MA S Problemas de contorno
N UMÉ R I C O S Multidimensional
Resolución de ecuaciones y Lineales

sistemas
No lineales

Tema 2. Esquema
Esquema
3
Ideas clave
2.1. ¿Cómo estudiar este tema?
Para estudiar este tema lee las Ideas clave que encontrarás a continuación
Los problemas matemáticos a los que se han enfrentado a lo largo de la historia y se

enfrentan hoy matemáticos e ingenieros son múltiples. La forma ideal de dar solución
a un problema es proporcionar una respuesta en forma de ecuación, de número, de
resultado que siempre se cumpla bajo cualesquiera condiciones. No obstante, no
siempre es posible obtener la solución analítica a todos los problemas con los que
nos vamos a enfrentar, o no siempre quien debe resolver los problemas tiene
suficiente experiencia o antecedentes matemáticos específicos para resolver un
problema en particular.
Por ejemplo, supongamos que queremos resolver la ecuación:
𝑓(𝑥) = 𝑥 2 + 2𝑥 − 3 = 0
Esta ecuación tiene una solución analítica y, además, es muy sencilla de obtener. De
este modo, cualquier persona que haya cursado algún estudio de matemáticas, por
mínimo que sea, sería capaz de indicar que las soluciones son 𝑥 = {−3,1}.
Sin embargo, si planteamos otro problema que a priori parece inofensivo como:
𝑓(𝑥) = 𝑥 − 𝑒 −𝑥 = 0
vamos a saber que no podremos obtener por métodos analíticos su solución. A no

ser que la persona que deba resolver este problema tenga intuición o algo de idea

4
Tema 2. Ideas clave
acerca de métodos numéricos, nunca sería capaz de adivinar que la solución está
cerca del punto 𝑥 = 0.568.
La alternativa, por tanto, a la resolución analítica de los problemas es la resolución

numérica. Para poder abordar las soluciones numéricas nos adentramos en el campo
del análisis numérico, dentro del cual entran los métodos numéricos. A lo largo de
este curso vamos a presentar los métodos numéricos más elementales que se utilizan
en las ciencias aplicadas y las ingenierías.
Lo primero que podemos destacar acerca de «lo numérico» es que no vamos a

obtener soluciones exactas. Es por ello que previamente indicábamos que la solución
de 𝑓(𝑥) = 𝑥 − 𝑒 −𝑥 = 0 iba a estar cerca del punto 𝑥 = 0.568. Por tanto, cualquier
solución numérica va a ser una solución aproximada, pero será tan aproximada como
deseemos. Para ello, existen diferentes métodos numéricos que van a conseguir
obtener una solución aproximada. Aquellos métodos con mayor simplicidad, también
serán los que menor aproximación obtengan. Por el contrario, aquellos métodos que
tengan una mayor complejidad gozarán de obtener una aproximación mucho más
precisa.
En este tema haremos hincapié en la característica fundamental del análisis

numérico, que no es ni más ni menos que las soluciones aproximadas. De forma que,
al ser las soluciones aproximadas, siempre vamos a cometer un error, que será
inherente al proceso numérico. También va a haber otros errores derivados de la
toma de datos o de la precisión de las máquinas sobre las que trabajemos.
Así, en la primera parte de este tema nos centraremos en todos los errores que se
van a dar en los métodos numéricos, tanto por obtener soluciones aproximadas como
por las herramientas que vamos a utilizar. Por otro lado, en la parte final de este
tema, presentaremos los problemas que vamos a resolver. Estos problemas van a ser
la obtención de soluciones aproximadas a problemas de valor inicial y problemas
de frontera, las soluciones numéricas a las ecuaciones en derivadas parciales, y la
resolución de sistemas lineales y ecuaciones y sistemas no lineales a través de

5
Tema 2. Ideas clave
métodos iterativos. Para cada uno de los bloques de problemas, enunciaremos qué
tipo de problema resolveremos y describiremos de forma muy sucinta las técnicas
numéricas a aplicar en cada uno de ellos.
Los apartados de los que consta este tema son:
 Errores de redondeo.
 Errores de truncamiento.
 Definiciones de error.
 Aplicación de métodos numéricos avanzados a la resolución de problemas de
ingeniería:
• Problemas de valor inicial.
• Problemas de contorno unidimensional.
• Problemas de contorno multidimensional.
• Solución de ecuaciones y sistemas lineales y no lineales.
2.2. Errores de redondeo
Los primeros errores en los que nos vamos a centrar son los errores de redondeo.
Estos errores vienen originados por no disponer de precisión infinita para la
representación de las magnitudes.
Para ello, debemos introducir el concepto de «cifras significativas». Cualquier

magnitud que sea medible, puede ser representada a partir de un número y su
correspondiente unidad. A la hora de representar ese número, tenemos que tomar
una decisión acerca de cuántas cifras vamos a utilizar para dicha representación, de
forma que el número con el que representemos esa cantidad coincida con la cantidad
que estamos midiendo.

6
Tema 2. Ideas clave
Las cifras significativas son la cantidad de cifras que coinciden con la medida
de la magnitud correspondiente. Las cifras significativas pueden cambiar su
interpretación en función de la magnitud que estemos tratando de
representar.
La Tabla 1 muestra diferentes casos, en los que las cifras significativas tienen
diferentes implicaciones en función del número que estemos representando.
Número Cifras significativas Característica

134.25 5 Número decimal superior a 1
0.000378 3 Número decimal inferior a 1
2.350 x 103 4 Notación científica
Tabla 1. Ejemplos de cifras significativas.
Las personas y las computadoras solemos trabajar con cifras significativas. De hecho,
el valor de 𝜋 que solemos utilizar es 3.1416, pero en realidad tiene un número infinito
de decimales. Debido al uso de las cifras significativas, estamos cometiendo un error,
conocido como error de redondeo.
Matlab trabaja por defecto con el formato double, que es un formato de doble
precisión. Este formato utiliza 32 dígitos de precisión para almacenar los datos,
aunque después puede representarlos por pantalla en función de cómo se haya
definido la instrucción format.
Ejemplo 1. Con el formato double, el número 𝜋 está

almacenado con 32 dígitos significativos. Si lo representamos con
format short, vamos a obtener una representación con 5
dígitos.
>> format short

>> pi
ans=3.1416
Sin embargo, si lo representamos con format long,

obtendremos una representación con 15 dígitos.

7
Tema 2. Ideas clave
>> format long
>> pi
ans=3.141592653589793
Matlab también puede trabajar con un mayor número de dígitos para que los errores
de redondeo se minimicen. Este concepto se conoce como «aritmética de precisión
variable». Como contrapartida, tendremos unos cálculos bastante más lentos. Para
ello, es suficiente con ejecutar el comando vpa(digitos), donde dígitos es la
cantidad de dígitos significativos con los que vamos a trabajar. A partir de entonces,
la variable sobre la que queramos trabajar será de formato vpa y será tratada como
simbólica en lugar de numérica. Para volver a transformarla en variable numérica,
deberemos introducirla como argumento en el comando double.
Ejemplo 2. Almacenemos el valor de 𝜋 con los 32 dígitos que

trabaja Matlab por defecto.
>> pi32=pi;
En lugar de trabajar con 32 dígitos de precisión, queremos

trabajar con 50. Para ello, le indicamos a Matlab que lo haga así:
>> digits(50)
Almacenemos el valor de 𝜋 con los 50 dígitos:
>> pi50=vpa(pi);
Obtengamos la diferencia entre ambos valores almacenados:
>> dpi=pi50-pi32;
>> double(dpi)
ans= -5.0926e-60

8
Tema 2. Ideas clave
2.3. Errores de truncamiento
Los errores de truncamiento son los errores que cometemos al realizar una
aproximación matemática en lugar de un procedimiento exacto. Para obtener un
conocimiento sobre las características de estos errores, debe considerar una
formulación matemática que se utiliza ampliamente en los métodos numéricos para
expresar funciones de manera aproximada: la serie de Taylor.
La serie de Taylor
La serie de Taylor nos permite utilizar aproximaciones tan precisas como deseemos
de las funciones sobre las que vamos a trabajar, de forma que sobre estas
aproximaciones utilizaremos los métodos numéricos para resolver problemas de
forma aproximada. Esta serie se define en el siguiente teorema.
Teorema 1. Teorema de Taylor. Sean la función 𝑓 y sus primeras 𝑛 + 1 derivadas

continuas en un intervalo que contiene 𝑎 y 𝑥. Entonces, el valor de la función en 𝑥 viene
dado por:
′ (𝑎)(𝑥
𝑓 ′′ (𝑎) 2
𝑓 (𝑛) (𝑎)
𝑓(𝑥) = 𝑓(𝑎) + 𝑓 − 𝑎) + (𝑥 − 𝑎) + ⋯ + (𝑥 − 𝑎)𝑛 + 𝑅𝑛
2 𝑛!
donde 𝑅𝑛 es el residuo, que se define por:
𝑓 (𝑛+1) (𝜉)
𝑅𝑛 = (𝑥 − 𝑎)𝑛+1 , 𝜉 ∈ (𝑎, 𝑥)
(𝑛 + 1)!
Cuando utilizamos el polinomio de Taylor de grado 2, lo que estamos haciendo es

tomar los términos hasta el segundo grado y despreciar el resto de términos, de
forma que tendríamos como residuo 𝑅3 . La diferencia entre el valor exacto de la
función y el residuo 𝑅𝑛 es lo que se conoce como error de truncamiento.

9
Tema 2. Ideas clave
Ejemplo 3. Queremos realizar una aproximación de la función
derivada. Para ello utilizamos el desarrollo en serie de Taylor de
primer orden tomando como 𝑎 = 𝑥𝑖 y como 𝑥 = 𝑥𝑖+1 ,
desarrollando como sigue.
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓 ′ (𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) ↔ 𝑓 ′ (𝑥𝑖 )

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 )
=
𝑥𝑖+1 − 𝑥𝑖
Utilizando esta aproximación, habremos cometido un error de

truncamiento.
𝑥𝑖+1 (𝑥
− 𝑡)2 ′′
𝑅2 = ∫ 𝑓 (𝑡) 𝑑𝑡
𝑥𝑖 2
Ejemplo 4. Utilizando la expresión de la función derivada del

Ejemplo 3, obtén la expresión de la derivada de 𝑓(𝑥) = 𝑒 −𝑥 .
La expresión aproximada de la derivada es:
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑒 −𝑥𝑖+1 − 𝑒 −𝑥𝑖

𝑓 ′ (𝑥𝑖 ) = =
𝑥𝑖+1 − 𝑥𝑖 𝑥𝑖+1 − 𝑥𝑖
En las aproximaciones numéricas vamos a utilizar con frecuencia los términos

discretizados consecutivos, es decir 𝑥𝑘+1 − 𝑥𝑘 . A la distancia entre dos valores
consecutivos de la variable independiente se le denomina paso, y se representa por:
ℎ = 𝑥𝑘+1 − 𝑥𝑘
Retomando el Teorema 1 y utilizando 𝑎 = 𝑥𝑖 , 𝑥 = 𝑥𝑖+1 , podemos expresar el residuo

como:
𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉) 𝑛+1

𝑅𝑛 = (𝑥 − 𝑎)𝑛+1 = (𝑥𝑖+1 − 𝑥𝑖 )𝑛+1 = ℎ ∝ ℎ𝑛+1
(𝑛 + 1)! (𝑛 + 1)! (𝑛 + 1)!

10
Tema 2. Ideas clave
De modo que, por norma general, se puede expresar el residuo como:
𝑅𝑛 = 𝒪(ℎ𝑛+1 )
donde 𝒪(⋅) indica que el orden del residuo o, lo que es equivalente, que el error de
truncamiento es de orden correspondiente.
2.4. Definiciones de error
Una vez hemos analizado los errores más habituales al utilizar métodos numéricos y
representaciones o almacenamiento en computadoras, vamos a aportar una serie de
definiciones de error que nos van a permitir, a lo largo de la asignatura, evaluar la
bondad de un método iterativo.
Errores conocida la solución analítica
Cuando conocemos las soluciones analítica 𝑦𝑎 y numérica 𝑦𝑛 , podemos obtener una

serie de errores conocidos como verdaderos, pues se trata de errores que se pueden
medir y no estimaciones.
El primer error que se nos presenta siempre es el error numérico 𝜖𝑛 , que se puede
calcular como la diferencia entre ambas soluciones:
𝜖𝑛 = 𝑦𝑎 − 𝑦𝑛
La magnitud de este error no va a indicar la buena o mala aproximación que hemos

realizado; para este propósito está el error relativo porcentual 𝜖𝑟 , que nos indica en
un valor de porcentaje la bondad de nuestra aproximación a partir de:

11
Tema 2. Ideas clave
𝜖𝑛
𝜖𝑟 [%] = 100
𝑦𝑎
Ejemplo 5. Queremos obtener el valor de la función 𝑓(𝑥) =

𝜋
sin(𝑥) desde 𝑥𝑖 = 0 hasta 𝑥𝑖+1 = con el desarrollo en serie
2
de Taylor de orden 2. Calcula el error numérico y el error
relativo.
El desarrollo en serie de Taylor de la función 𝑓(𝑥) = sin(𝑥)

es:
ℎ2 ′′
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥) + ℎ𝑓 ′ (𝑥) + 𝑓 (𝑥) + 𝑅𝑛
2
ℎ2
≈ sin(𝑥𝑖 + ℎ cos(𝑥𝑖 − sin(𝑥𝑖 )
) )
2
donde ℎ = 𝑥𝑖+1 − 𝑥𝑖 = 𝜋/2. De este modo:
𝜋 𝜋 𝜋2 𝜋
sin ( ) ≈ sin(0) + cos(0) − sin(0) =
2 2 4 2
La solución verdadera es:
𝜋
sin ( ) = 1
2
De este modo, el error numérico es:
𝜋
𝜖𝑛 = 1 − ≈ −0.5708
2
Mientras que el error relativo es:
−0.5708
𝜖𝑟 = 100 ⋅ = 57.08 %
1
Errores cuando no se conoce la solución analítica
En los métodos iterativos no se conoce la solución analítica del problema, pero sí que
se puede averiguar cómo una secuencia se va aproximando cada vez a la solución

12
Tema 2. Ideas clave
esperada. En ese caso, los errores los obtenemos a partir de dos aproximaciones
consecutivas. De este modo, uno de los errores más habituales que se utilizan es:
𝑦𝑘+1 − 𝑦𝑘
que, en caso de que queramos obtenerlo de forma porcentual, tendríamos:
𝑦𝑘−1 − 𝑦𝑘
100
𝑦𝑘+1
Ejemplo 6. La función exponencial.
La función exponencial se puede expresar a partir del

desarrollo de McLaurin como:
𝑥
𝑥2 𝑥3 𝑥𝑛
𝑒 ≈ 1 + 𝑥 + + + ⋯+
2 3! 𝑛!
Obtengamos la solución para 𝑥 = 0.5 tomando, en cada

iteración, un término más del sumatorio, hasta que el error
relativo porcentual sea menor del 5 %. Para ello, tomamos en
la primera iteración 𝑦1 = 1, y en la segunda iteración 𝑦2 = 1 +
𝑥 = 1 + 0.5. El error porcentual es:
1.5 − 1
100 = 33.33 %
1.5
𝑥2
Tomemos otro término, de forma que 𝑦2 = 1 + 𝑥 + =1+
2
0.52
0.5 + = 1.625. El error porcentual es:
2
1.625 − 1.5
100 = 7.69 %
1.625
𝑥2 𝑥3
Tomemos otro término. Ahora, 𝑦3 = 1 + 𝑥 + + =
2 6
1.6458. El error porcentual es:
1.6458 − 1.625
100 = 1.27 %
1.6458

13
Tema 2. Ideas clave
2.5. Aplicación de métodos numéricos a la
resolución de problemas
A lo largo de esta asignatura vamos a centrarnos en la resolución de determinados

problemas de ingeniería a partir de métodos numéricos. A continuación, se describen
los problemas que vamos a resolver y las técnicas que deberemos utilizar.
Problemas de valor inicial
Un problema de valor inicial está compuesto por una ecuación diferencial de primer
orden y una condición inicial. Es decir:
𝑦 ′ (𝑡) = 𝑓(𝑡, 𝑦(𝑡)), 𝑡 ∈ [𝑎, 𝑏], 𝑦(𝑎) = 𝑦𝑎
También hay problemas de valor inicial definidos a partir de un sistema de ecuaciones

diferenciales de primer orden:
𝑦1′ (𝑡) = 𝑓1 (𝑡, 𝑦1 (𝑡), 𝑦2 (𝑡), … , 𝑦𝑚 (𝑡))

𝑦2′ (𝑡) = 𝑓2 (𝑡, 𝑦1 (𝑡), 𝑦2 (𝑡), … , 𝑦𝑚 (𝑡))
⋮
′ (𝑡)
𝑦𝑚 = 𝑓𝑚 (𝑡, 𝑦1 (𝑡), 𝑦2 (𝑡), … , 𝑦𝑚 (𝑡))
con 𝑡 ∈ [𝑎, 𝑏], y una condición inicial sobre cada una de las ecuaciones:
𝑦1 (𝑎) = 𝑦1𝑎 , 𝑦2 (𝑎) = 𝑦2𝑎 , … , 𝑦𝑚 (𝑎) = 𝑦𝑚𝑎
El tercer tipo de problema que podemos resolver con estas técnicas es una ecuación
diferencial de orden mayor que uno:

14
Tema 2. Ideas clave
𝑦 (𝑚) (𝑡) = 𝑓 (𝑡, 𝑦(𝑡), 𝑦 ′ (𝑡), … , 𝑦 (𝑚−1) (𝑡))
Sobre la que conozcamos los valores de las condiciones iniciales para la función
incógnita 𝑦(𝑡) y sus derivadas de orden 𝑚 − 1:
(𝑚−1)
𝑦(𝑎) = 𝑦𝑎 , 𝑦 ′ (𝑎) = 𝑦𝑎′ , … , 𝑦 (𝑚−1) (𝑎) = 𝑦𝑎
El ejemplo 7 muestra un caso de resolución de un problema de valor inicial en el

campo de la ingeniería.
Ejemplo 7. Circuito
El circuito RLC de la figura se cierra en el instante 𝑡 = 0
Figura 1. Circuito RLC.
Este circuito de puede modelar a partir de las siguientes

ecuaciones diferenciales de primer orden:
1
𝐼1′ (𝑡) = [𝑉 − 𝐼1 (𝑡)(𝑅1 + 𝑅2 ) + 𝐼2 (𝑡)𝑅2 ]
𝐿
1 𝑉1 𝑅2 (𝑅1 + 𝑅2 )𝑅2 𝑅22 1

𝐼2′ (𝑡) = [ − 𝐼1 (𝑡) + ( + ) 𝐼2 (𝑡)]
𝑅2 + 𝑅3 𝐿 𝐿 𝐿 𝐶
Se trata de un sistema de ecuaciones diferenciales de primer

orden. La información de que el circuito se cierra en 𝑡 = 0 está
indicando cuales son las condiciones iniciales: 𝐼1 (0) = 0 e
𝐼2 (0) = 0 (para conocer esta consecuencia hay que tener
conocimientos de teoría de circuitos). Por tanto, estamos ante un

15
Tema 2. Ideas clave
problema de valor inicial definido por un sistema de ecuaciones
diferenciales.
Los métodos que vamos a utilizar para resolver los tres tipos de problemas de valor
inicial se clasifican entre métodos de un paso y métodos multipaso. En ambos casos,
la solución se obtiene por intervalos en orden creciente.
En el caso de los métodos de un paso, solo se utiliza la información del intervalo

actual para obtener la solución en el intervalo siguiente. Describiremos este tipo de
métodos en el tema siguiente, y profundizaremos sobre los métodos de Euler, Heun
y Runge-Kutta.
Respecto de los métodos multipaso, podemos distinguir principalmente entre dos

tipos: los métodos explícitos y los métodos implícitos. Los primeros obtienen la
solución en el intervalo siguiente a partir de la información del intervalo actual y de
los anteriores. Los segundos también requieren de la solución en el intervalo
siguiente, por lo que requieren de la solución de una ecuación no lineal. En temas
posteriores trabajaremos con los métodos de Adams-Bashforth y de Adams-Moulton,
entre otros.
Problemas de contorno unidimensional
Los problemas de contorno unidimensional, también conocidos como problemas de

frontera, son aquellos problemas que están definidos por una ecuación diferencial
𝑦 ′′ (𝑥) = 𝑓(𝑥, 𝑦(𝑥), 𝑦 ′ (𝑥)), 𝑥 ∈ [𝑎, 𝑏]

y por condiciones en los extremos del intervalo sobre el cual queremos conocer la
solución.
𝑦(𝑎) = 𝛼, 𝑦(𝑏) = 𝛽

16
Tema 2. Ideas clave
El Ejemplo 88 muestra un caso de ingeniería en el que tiene que resolver un problema
de contorno unidimensional.
Ejemplo 8. Desarrollo de un balance de calor para una barra sin

aislar en estado estacionario
El desarrollo de un balance de calor para una barra de longitud

𝐿 sin aislar y en estado estacionario se puede modelar como:
𝑑 2 𝑇(𝑥)
+ 𝑞(𝑇𝑎 − 𝑇(𝑥)) = 0
𝑑𝑥 2
Teniendo en cuenta la temperatura en los extremos de la barra,
𝑇(0) = 𝑇1 , 𝑇(𝐿) = 𝑇2
nos encontramos ante un problema de contorno

unidimensional.
Figura 2. Balance de calor. Barra estado estacionario.
La función incógnita solo va a depender de una variable, de ahí el calificativo

de unidimensional.
Hay dos tipos de problemas de contorno, que vienen dados por la ecuación
𝑓(𝑥, 𝑦(𝑥), 𝑦’(𝑥)); distinguiremos entre los casos en los que la ecuación es lineal o no
lineal. Asimismo, utilizaremos dos técnicas completamente diferentes para resolver
de forma numérica los problemas de contorno unidimensionales. Los métodos de

17
Tema 2. Ideas clave
disparo y la discretización a partir del método de diferencias finitas se verán más
adelante.
Problemas de contorno multidimensional
Si en los problemas de contorno unidimensional la función incógnita dependía de una

sola variable, en el caso multidimensional la función incógnita va a depender de más
de una variable. Este tipo de problemas también son conocidos como ecuaciones en
derivadas parciales.
Cuando las ecuaciones dependen de dos variables, tienen la expresión general:
𝜕 2 𝑢(𝑥, 𝑦) 𝜕 2 𝑢(𝑥, 𝑦) 𝜕 2 𝑢(𝑥, 𝑦)

𝐴 + 𝐵 + 𝐶 +𝐷 =0
𝜕𝑥 2 𝜕𝑥𝜕𝑦 𝜕𝑦 2
Sobre estas ecuaciones, las variables independientes suelen ser las dos espaciales o
una espacial y una temporal. Existen diferentes combinaciones acerca de las
condiciones de contorno (para las variables espaciales) y para las condiciones iniciales
(para las variables temporales). Una posibilidad sería:
𝑢(0, 𝑡) = 0, 𝑢(𝐿, 𝑡) = 1, 𝑢(𝑥, 0) = sin(𝑥) , 𝑢𝑡 (𝑥, 0) = cos(2𝑥)
Las ecuaciones parabólicas son aquellas en las que 𝐵 2 − 4𝐴𝐶 = 0. Nos ocuparemos
de los métodos explícito, implícito y de Crank-Nicholson para resolver los problemas
de contorno multidimensionales en temas posteriores, identificando las
características de cada uno de ellos. Veamos en el ejemplo 9 un caso de aplicación.
Ejemplo 9. Desarrollo de un balance de calor para una barra sin

aislar en estado transitorio.
El desarrollo de un balance de calor para una barra de longitud 𝐿

sin aislar y en estado transitorio se puede modelar como:

18
Tema 2. Ideas clave
𝜕 2 𝑇(𝑥, 𝑡) 1 𝜕𝑇(𝑥, 𝑡)
− =0
𝜕𝑥 2 𝛼 𝜕𝑡
Teniendo en cuenta la temperatura en los extremos de la barra:
𝑇(0, 𝑡) = 𝑇1 , 𝑇(𝐿, 𝑡) = 𝑇2
y las condiciones iniciales:
𝑇(𝑥, 0) = 𝑇𝑎 , 𝑇𝑡 (𝑥, 0) = −𝑇𝑎 /2
nos encontramos ante un problema de contorno

multidimensional:
Figura 3. Balance de calor. Barra estado transitorio.
Cuando 𝐵 2 − 4𝐴𝐶 > 0 estamos ante las ecuaciones en derivadas parciales

hiperbólicas. Estas ecuaciones se ocuparán en otros temas. Desarrollaremos los
métodos explícito e implícito para poder resolver este tipo de problemas. Un ejemplo
de problema de contorno multidimensional parabólico es el de la ecuación de onda.
Por último, en el caso en que 𝐵 2 − 4𝐴𝐶 > 0, las ecuaciones en derivadas parciales
serán elípticas. Veremos también más adelante cómo transformar estas ecuaciones
en sistemas lineales, que nos permitirán obtener su solución de una forma sencilla.
Un ejemplo de este tipo de problemas de contorno multidimensionales es la ecuación
de Laplace.

19
Tema 2. Ideas clave
Solución de ecuaciones y sistemas lineales y no lineales
Otra gran rama del análisis numérico es la resolución de ecuaciones y sistemas

lineales y no lineales. Directamente en la resolución de ecuaciones lineales no
entraremos por su extremada sencillez.
Hacia el final de la asignatura nos centraremos en los sistemas de ecuaciones lineales,

que se pueden expresar de forma general como:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
} ↔ 𝐴𝑋 = 𝐵
⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
Veremos una serie de métodos que nos permitirán resolver de una forma eficiente
los sistemas de ecuaciones lineales. Para ello, utilizaremos por primera vez con toda
su magnitud los métodos iterativos, y profundizaremos sobre los métodos de Jacobi
y Gauss-Seidel.
Dedicaremos también otro tema a la resolución de ecuaciones no lineales, de

expresión general:
𝑓(𝑥) = 0
Este tipo de ecuaciones aparecen en numerosos casos de la ingeniería, y no se

pueden resolver de forma analítica.
Ejemplo 10.
Para una determinada modelización, necesitamos obtener la

solución de la ecuación:
𝑥 = 𝑒 −𝑥

20
Tema 2. Ideas clave
pero no podemos conseguir una solución analítica a ese
problema. Se trata de una ecuación no lineal que
reescribiremos como:
𝑓(𝑥) = 𝑥 − 𝑒 −𝑥 = 0
Finalizaremos la materia con la resolución de sistemas de ecuaciones no lineales, de

expresión general:
𝐹(𝑋) = 0
Analizaremos el problema con detalle y veremos cómo extender determinadas

técnicas numéricas del caso escalar del tema anterior al caso vectorial.

21
Tema 2. Ideas clave
Lo + recomendado
No dejes de leer
Estabilidad y errores en el cálculo numérico
Moreno, C. (2007). Introducción al cálculo numérico. Madrid: UNED.
En el capítulo 1 de este libro, podrás encontrar más información

acerca de los errores que hemos visto en este tema. Además, puedes
profundizar en el aspecto de la estabilidad de los métodos
numéricos.
Accede al libro a través de la Biblioteca Virtual de UNIR
Aproximaciones y errores de redondeo
Chapra, S. C. y Canale, R. P. (2007). Métodos numéricos para ingenieros (5a. Ed.). Madrid:
McGraw-Hill.
El libro de Chapra y Canale constituye un documento de un nivel

ligeramente inferior al que vamos a impartir en la asignatura,
pero presenta una serie de problemas que vamos a poder
resolver. En el capítulo 3 de este libro puedes encontrar las

definiciones e información ampliada con ejemplos.
Accede al libro a través de la Biblioteca Virtual de UNIR

22
Tema 2. Lo + recomendado
No dejes de ver
Teoría de errores
En este vídeo puedes encontrar la parte de los métodos numéricos en la que se

desarrolla la teoría de los diferentes errores.
Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
https://www.youtube.com/watch?v=vUnPUFNq2ME

23
Métodos numéricos para ingeniería
En este enlace el protagonista hace una reflexión acerca de los métodos numéricos.
Un repaso de las matemáticas desde su origen hasta las matemáticas
computacionales actuales
Accede al vídeo a través del aula virtual o desde la siguiente dirección web:
https://www.youtube.com/watch?v=df5WGeYVyhw

24
+ Información
A fondo
Preliminares matemáticos y análisis del error
Burden, R. L. y Faires, J. D. (2011). Numerical analysis (9ª ed). Boston: Brooks/Cole

CENGAGE learning.
En el capítulo 1 de Numerical Analysis se hace una introducción a

los preliminares matemáticos más importantes a la hora de
afrontar esta asignatura. Además, se trabaja sobre los errores de
redondeo, sobre la estructura de un algoritmo y sobre la
convergencia de los métodos numéricos.

25
Tema 2. + Información
Recursos externos
Ejemplos de aplicación de los métodos numéricos a problemas de ingeniería
En esta web se presentan algunas aplicaciones de los métodos numéricos a diversos

problemas de ingeniería. Se muestra una descripción de algunos de los problemas
importantes en el diseño asistido por computadora utilizando métodos numéricos
que actualmente se abordan en ingeniería.
Accede a la página web a través del aula virtual o desde la siguiente dirección web:
https://www.revistavirtualpro.com/biblioteca/ejemplos-de-aplicacion-de-los-
metodos-numericos-a-problemas-de-ingenieria

26
Tema 2. + Información
Test
1. Los errores de redondeo vienen dados por:
A. el método numérico aplicado.
B. la precisión finita de las máquinas de cálculo.
C. la diferencia entre dos términos consecutivos.
2. ¿Cuántas cifras significativas tiene el número 33,87?

A. 2.
B. 3.
C. 4.
3. Para aumentar el número de dígitos con los que trabaja Matlab por defecto a 50
introduciremos en Matlab…
A. digits(5).
B. digits(50).
C. No es necesario introducir nada porque Matlab trabaja con 50 dígitos por
defecto.
4. Los errores de truncamiento vienen dados por:

A. Realizar una aproximación matemática
B. La precisión finita de los equipos.
C. El número de dígitos significativos.
5. El paso h se define a partir de:

A. El orden de la aproximación del desarrollo de Taylor.
B. El tamaño del sistema que vayamos a resolver.

C. La diferencia entre dos términos consecutivos.

27
Tema 2. Test
6. El error numérico se define a partir de:
A. La diferencia entre las soluciones analítica y numérica.
B. El cociente entre las soluciones analítica y numérica.
C. El residuo del desarrollo de Taylor.
7. El problema dado por 𝑦 ′ (𝑡) = 𝑓(𝑡, 𝑦(𝑡)), 𝑡 ∈ [𝑎, 𝑏], 𝑦(𝑎) = 𝑦𝑎 es un:
A. Problema de valor inicial.
B. Problema de contorno unidimensional.
C. Problema de contorno multidimensional.
8. El problema dado por 𝑦 ′′ (𝑥) = 𝑓(𝑥, 𝑦(𝑥), 𝑦 ′ (𝑥)), 𝑥 ∈ [𝑎, 𝑏], 𝑦(𝑎) = 𝛼, 𝑦(𝑏) = 𝛽
es un:
A. Problema de valor inicial.
B. Problema de contorno unidimensional.
C. Problema de contorno multidimensional.
𝜕2 𝑢(𝑥,𝑦) 𝜕2 𝑢(𝑥,𝑦) 𝜕2 𝑢(𝑥,𝑦)

9. El problema dado por +2 + = 0 es una ecuación en
𝜕𝑥 2 𝜕𝑥𝜕𝑦 𝜕𝑦 2
derivadas parciales:
A. Parabólica.
B. Elíptica.
C. Hiperbólica.
𝜕2 𝑢(𝑥,𝑦) 𝜕2 𝑢(𝑥,𝑦)
10. El problema dado por + = 0 es una ecuación en derivadas
𝜕𝑥 2 𝜕𝑦 2
parciales:
A. Parabólica.
B. Elíptica.
C. Hiperbólica.

28
Tema 2. Test

Tema 2

Cargado por

Copyright:

Formatos disponibles

Tema 2

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 2

Cargado por

Copyright:

Formatos disponibles

Tema 2

Métodos Numéricos Avanzados en Ingeniería

Problemas de valor inicial

Resolución de ecuaciones y Lineales

Métodos Numéricos Avanzados en Ingeniería

2.1. ¿Cómo estudiar este tema?

Los problemas matemáticos a los que se han enfrentado a lo largo de la historia y se

Por ejemplo, supongamos que queremos resolver la ecuación:

vamos a saber que no podremos obtener por métodos analíticos su solución. A no

Métodos Numéricos Avanzados en Ingeniería

La alternativa, por tanto, a la resolución analítica de los problemas es la resolución

Lo primero que podemos destacar acerca de «lo numérico» es que no vamos a

En este tema haremos hincapié en la característica fundamental del análisis

Métodos Numéricos Avanzados en Ingeniería

Los apartados de los que consta este tema son:

2.2. Errores de redondeo

Para ello, debemos introducir el concepto de «cifras significativas». Cualquier

Métodos Numéricos Avanzados en Ingeniería

Número Cifras significativas Característica

Tabla 1. Ejemplos de cifras significativas.

Ejemplo 1. Con el formato double, el número 𝜋 está

>> format short

Sin embargo, si lo representamos con format long,

Métodos Numéricos Avanzados en Ingeniería

Ejemplo 2. Almacenemos el valor de 𝜋 con los 32 dígitos que

En lugar de trabajar con 32 dígitos de precisión, queremos

Almacenemos el valor de 𝜋 con los 50 dígitos:

Obtengamos la diferencia entre ambos valores almacenados:

Métodos Numéricos Avanzados en Ingeniería

Teorema 1. Teorema de Taylor. Sean la función 𝑓 y sus primeras 𝑛 + 1 derivadas

donde 𝑅𝑛 es el residuo, que se define por:

Cuando utilizamos el polinomio de Taylor de grado 2, lo que estamos haciendo es

Métodos Numéricos Avanzados en Ingeniería

𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓 ′ (𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) ↔ 𝑓 ′ (𝑥𝑖 )

Utilizando esta aproximación, habremos cometido un error de

Ejemplo 4. Utilizando la expresión de la función derivada del

La expresión aproximada de la derivada es:

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑒 −𝑥𝑖+1 − 𝑒 −𝑥𝑖

En las aproximaciones numéricas vamos a utilizar con frecuencia los términos

Retomando el Teorema 1 y utilizando 𝑎 = 𝑥𝑖 , 𝑥 = 𝑥𝑖+1 , podemos expresar el residuo

𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉) 𝑓 (𝑛+1) (𝜉) 𝑛+1

Métodos Numéricos Avanzados en Ingeniería

2.4. Definiciones de error

Errores conocida la solución analítica

Cuando conocemos las soluciones analítica 𝑦𝑎 y numérica 𝑦𝑛 , podemos obtener una

La magnitud de este error no va a indicar la buena o mala aproximación que hemos

Métodos Numéricos Avanzados en Ingeniería

Ejemplo 5. Queremos obtener el valor de la función 𝑓(𝑥) =

El desarrollo en serie de Taylor de la función 𝑓(𝑥) = sin(𝑥)

donde ℎ = 𝑥𝑖+1 − 𝑥𝑖 = 𝜋/2. De este modo:

La solución verdadera es:

De este modo, el error numérico es:

Mientras que el error relativo es:

Errores cuando no se conoce la solución analítica

Métodos Numéricos Avanzados en Ingeniería

que, en caso de que queramos obtenerlo de forma porcentual, tendríamos:

Ejemplo 6. La función exponencial.

La función exponencial se puede expresar a partir del