UNIDAD 1.

CONCEPTOS BÁSICOS Y SOLUCIÓN DE ECUACIONES NO LINEALES CON UNA

VARIABLE.

Capítulo 1. Conceptos básicos.

1.1. Introducción al Análisis Numérico.
1.2. Importancia del Análisis Numérico.
1.3. Aproximación numérica y teoría de errores.
1.4. Precisión, exactitud y tipos de redondeo.
1.5. Cifras significativas y representación en punto flotante
¿Qué es el Análisis Numérico?

1 Rama de las matemáticas aplicadas.

Busca soluciones aproximadas a

2 problemas reales

Aplica métodos computacionales para

3 resolver ecuaciones, derivadas,
integrales, etc.
 IMPORTANCIA

1 2 3

Herramientas: Python,
Usado en programación MATLAB, R, SciPy.
Resolver problemas
científica y técnica
complejos en ingeniería
 EXACTITUD Y PRECISIÓN
Precisión
Exactitud
Consistencia en los
Cercanía al valor resultados
verdadero.
 Tipos de redondeo
1. Redondeo al número más cercano (convencional o simétrico)

Regla:
•Si el dígito que se elimina es menor que 5, no se altera el dígito anterior.
•Si es mayor o igual que 5, el dígito anterior aumenta en 1.

Ejemplos:
•Redondear 4.726 a dos decimales → 4.73
•Redondear 2.343 a dos decimales → 2.34
 Tipos de redondeo
2. Redondeo hacia cero (truncamiento)
Regla:
•Se eliminan las cifras decimales adicionales sin modificar el valor del
dígito retenido.

Ejemplos:
•Redondear 3.987 a dos decimales → 3.98
•Redondear -7.456 a una decimal → -7.4 (se acerca a cero)
 Tipos de redondeo
3. Redondeo hacia el infinito positivo (hacia +∞)

Regla:
•Se redondea siempre hacia arriba, sin importar el valor del
dígito descartado.

Ejemplos:
•Redondear 6.321 a una decimal → 6.4
•Redondear -6.321 a una decimal → -6.3
 Tipos de redondeo
4. Redondeo hacia el infinito negativo (hacia -∞)

Regla:
•Se redondea siempre hacia abajo, es decir, al entero menor.

Ejemplos:
•Redondear 4.76 a un decimal → 4.7
•Redondear -4.76 a un decimal → -4.8
 Tipos de redondeo
5. Redondeo bancario (o a par)
Regla:
•Si el dígito a redondear es 5 y no hay más cifras significativas
después, se redondea al número par más cercano.
•Esto se hace para evitar un sesgo acumulativo en grandes cálculos.

Ejemplos:
•2.345 → 2.34 (el dígito anterior es 4 → número par)
•2.355 → 2.36 (el dígito anterior es 5 → número impar)
 EJERCICIOS PRÁCTICOS

Ejercicio 1: Redondeo convencional Ejercicio 4: Hacia -∞

Redondea 7.586 a dos decimales. Redondea 5.678 a una decimal.
Respuesta: 7.59 Respuesta: 5.6
Ejercicio 5: Bancario
Ejercicio 2: Truncamiento
Redondea los siguientes valores a dos
Redondea 12.9876 a tres decimales.
decimales:
Respuesta: 12.987 Número ¿Redondea a...?
8.755 8.76 (5 sigue a impar, se sube)
Ejercicio 3: Hacia +∞ 8.745 8.74 (5 sigue a par, se mantiene)
Redondea -3.743 a dos decimales. 6.735 6.74 (5 sigue a impar, se sube)
Respuesta: -3.74 (no se redondea 6.725 6.72 (5 sigue a par, se mantiene)
hacia cero, sino "menos negativo")
 Código Python:
import math
from decimal import Decimal, ROUND_HALF_EVEN, ROUND_DOWN, ROUND_UP, ROUND_FLOOR, ROUND_CEILING

# Número de ejemplo
numero = 8.755

print(f"Número base: {numero}\n")

# 1. Redondeo convencional (por defecto en round())

convencional = round(numero, 2)
print(f"1. Redondeo convencional: round({numero}, 2) = {convencional}")

# 2. Truncamiento (hacia cero)

truncamiento = math.trunc(numero * 100) / 100
print(f"2. Truncamiento (hacia cero): {truncamiento}")

# 3. Redondeo hacia +∞ (hacia el infinito positivo)

hacia_mas_infinito = math.ceil(numero * 100) / 100
print(f"3. Redondeo hacia +∞: {hacia_mas_infinito}")

# 4. Redondeo hacia -∞ (infinito negativo)

hacia_menos_infinito = math.floor(numero * 100) / 100
print(f"4. Redondeo hacia -∞: {hacia_menos_infinito}")

# 5. Redondeo bancario (al par más cercano)

decimal_num = Decimal(str(numero)).quantize(Decimal('0.01'), rounding=ROUND_HALF_EVEN)
print(f"5. Redondeo bancario: {decimal_num}")
Salida esperada con numero = 8.755
Número base: 8.755
Redondeo convencional: round(8.755, 2) = 8.76
Truncamiento (hacia cero): 8.75
Redondeo hacia +∞: 8.76
Redondeo hacia -∞: 8.75
Redondeo bancario: 8.76

Puedes probar con otros números como 8.745, 6.725, 2.345

para ver el comportamiento del redondeo bancario.
 Cifras Significativas
Las cifras significativas son los dígitos válidos en una cantidad medida o calculada que
contribuyen a su precisión. Estas incluyen todos los dígitos ciertos más uno estimado.

Reglas para identificar cifras significativas

•Todos los dígitos distintos de cero son significativos.
•Ejemplo: 123 → 3 cifras significativas
•Los ceros entre dígitos no nulos son significativos.
•Ejemplo: 2045 → 4 cifras significativas
•Los ceros a la izquierda del primer dígito distinto de cero NO son significativos.
•Ejemplo: 0.0045 → 2 cifras significativas
•Los ceros a la derecha del punto decimal y después de un dígito distinto de cero SÍ son
significativos.
•Ejemplo: 5.600 → 4 cifras significativas
•En números sin punto decimal, los ceros a la derecha pueden ser dudosos.
•Ejemplo: 3000 puede tener 1 a 4 cifras significativas, dependiendo del contexto o si se usa notación
científica.
Número Cifras significativas Justificación
0.0054 2 Ceros iniciales no cuentan
23.4500 6 Todos los dígitos, incluidos ceros finales

100 1 o más Ambiguo: depende del contexto

100.0 4 El punto decimal indica que todos cuentan

2.340 × 10³ 4 Notación científica precisa

 Reglas en operaciones con cifras
significativas

Suma y resta
El resultado debe tener el mismo número de decimales que el número con
menos decimales.
Ejemplo:
123.45 + 0.678 = 124.13 (2 decimales)

Multiplicación y división
El resultado debe tener el mismo número de cifras significativas que el número
con menos cifras significativas.
Ejemplo:
2.5 × 3.42 = 8.6 (2 cifras significativas)
 PUNTO FLOTANTE

Es un formato de representación numérica usado en los computadores para

trabajar con números reales (con parte decimal), usando una forma similar a la
notación científica, pero en base binaria.

Forma general del punto flotante (base 10):

Donde:
•m: mantisa o significando
•e: exponente
•±: signo
 IEEE 754: Estándar de punto flotante

Bits para Bits para Bits para

Formato Bits totales
signo exponente mantisa
Simple (32) 32 1 8 23
Doble (64) 64 1 11 52
 Ejemplo paso a paso

Representar 10.5 en formato IEEE 754 simple

1. Convertir a binario:
Parte entera: 10
| 10 ÷ 2 = 5, residuo 0
| 5 ÷ 2 = 2, residuo 1
| 2 ÷ 2 = 1, residuo 0
| 1 ÷ 2 = 0, residuo 1

→ Parte entera = 1010

Parte fraccionaria: 0.5

•0.5 × 2 = 1.0 → 1

→ Parte fraccionaria = .1
Resultado:
=
 2. Normalizar el número binario:
Mover el punto binario para que quede 1.xxxx:

Paso 3: Calcular el exponente con sesgo (bias)

IEEE 754 usa sesgo de 127, es decir:
Exponente

En nuestro caso:
Paso 4: Construir la mantisa (23 bits)
Tomamos los dígitos después del punto de la forma normalizada:

​(Si no llega a 23 bits, se completa con ceros)

Paso 5: Unir los 3 campos

Campo Valor
Signo 0 (positivo)
Exponente 10000010 (130 en decimal)
Mantisa 01010000000000000000000
Representar
Representar el número
 Resolver la siguiente ecuación
2
𝑥 − 2=0
𝑥=± √ 2
¿Cómo indicará la medida?
¿Cómo se verificará que la pieza efectivamente tenga esa
dimensión?
¿Cuál es la respuesta correcta?
No es resultado Tiene un error Conocer su
exacto es asociado magnitud
aproximación
Una aproximación Error diferencia
es una cantidad Esto conlleva a un entre un valor real
cercana a un valor error o nominal y una
real o nominal aproximación
 Modelos matemáticos
Los modelos matemáticos requieren de parámetros, que en la mayoría de los
casos provienen de mediciones experimentales y, por lo tanto, tienen una
precisión limitada, que depende de factores externos como los instrumentos de
medición, el clima o los métodos aplicados

Representación de la realidad

Analítico /
Simbólico Icónico Simulación
Matemático
 Error Absoluto

Errores
Error Relativo

Tipos de Errores
Los métodos numéricos
presentan errores inevitables,
por lo tanto se debe considerar
tal situación como algo inherente
al cálculo numérico
Propagación de
Errores
 Errores Humanos

Transmisió
Lectura Transcripción Programación
n
Errores inherentes

Errores de redondeo
 Error absoluto

Es la diferencia entre el valor verdadero y el valor aproximado.

Error absoluto=

Ejemplo 1
Se tiene que el valor real de π es 3.14159 y una aproximación es 3.14.

Error absoluto
 Error relativo
se define como el cociente entre en error absoluto y el valor verdadero, se
representa por:
|𝑥 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜 − 𝑥 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜|
𝐸𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜=
| 𝑥𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜|

𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙=𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜×100 %

Usando el mismo caso de π:
|Error absoluto| 0.00159
𝐸𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜= = ≈ 0.000506
|𝑥 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜| 3.14159

𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙=0.000506 ×100 %=0.0506%

 Error Absoluto Aproximado
Se calcula entre dos aproximaciones sucesivas de una solución. Muy útil en métodos
iterativos.
𝐸 𝑎 =∣ 𝑥𝑖 − 𝑥𝑖 − 1 ​∣
En una iteración del método de bisección:
 Error Relativo Aproximado

Es el error absoluto aproximado relativo al valor actual.

 Error de Redondeo

Es la diferencia entre el número exacto y su forma redondeada a un

número específico de cifras.
Valor:
Redondeado a 3 cifras significativas:
 Redondeo de un número
Con el redondeo de un número lo que se pretende es escribir un numero con menor
cantidad de dígitos significativos, representando dicha cantidad con el menor error
posible.
Para redondear un número se fija a que cifra significativa se va a redondear dicho número.
Si el número a la derecha de la cifra fijada es mayor o igual a 5, se suma uno en el lugar
donde se quiere redondear, si es menor a 5, se deja el número donde se quiere redondear
sin agregarle nada
 Errores inherentes
Estos errores se deben principalmente a aquellos datos obtenidos
experimentalmente y que corresponden a los datos de entrada de un problema,
debido principalmente al instrumento de medición empleado, como a las
condiciones de realización del experimento

Errores de truncamiento
Los errores de truncamiento se originan por el hecho de aproximar la solución
analítica de un problema, por medio de un método numérico. Por ejemplo al evaluar
la función exponencial por medio de la serie de Taylor, se tiene que calcular el valor
de la siguiente serie infinita
 Error numérico total
El error numérico total se entiende como la suma de los errores de redondeo y
truncamiento introducidos en el cálculo. Pero aquí surge un gran problema.

Mientras más cálculos se tengan que realizar para obtener un resultado, el error de
redondeo se irá incrementando. Pero por otro lado, el error de truncamiento se puede
minimizar al incluir más términos en la ecuación, disminuir el paso o proseguir la
iteración (o sea mayor número de cálculos y seguramente mayor error de redondeo).