Clasificacion de los sistemas, algunas

herramientas en el modelado matematico y

software de simulacion; metodos numericos
Rene Melendez Perez
18 de septiembre de 2017

1. Clasificacion de los sistemas

El termino sistema puede ser definido como un conjunto de procesos o elementos interrelacionados con un medio
para formar una totalidad encauzada hacia un objetivo comun. La comprension de la definicion de sistema y la
clasificacion de los diversos sistemas, nos dan indicaciones sobre cual es la herramienta matematica que se usara para
el estudio de tal sistema. La clasificacion de ellos puede ser estructurada tomando en cuenta diversas caractersticas
que estos poseen. A continuacion una clasificacion general.

1. Sistemas fsicos y abstractos

Un sistema fsico es un agregado de objetos o entidades materiales entre cuyas partes existe una conexion
o interaccion y que implica un consumo de energa. Todos los sistemas fsicos se caracterizan por:
Tener una ubicacion en el espacio-tiempo .
Tener un estado fsico definido (propiedades) y sujeto a evolucion temporal (comportamientos).
Se le puede asociar una magnitud fsica llamada energa.

Un sistema abstracto es un agregado de entidades abstractas entre cuyas partes existe una conexion o
interaccion y su proposito es el modelado de un sistema fsico. Esto sistemas se caracterizan por:
Tener una ubicacion temporal.
Tener un estado definido (propiedades) y sujeto a evolucion temporal (comportamientos).
Dado que el sistema abstracto no realiza trabajo, no se le puede asociar una magnitud fsica llamada
energa
2. Sistemas de tiempo continuo y sistemas de tiempo discreto
Un sistema de tiempo continuo es aquel sistema cuya evolucion y estado estan definidos en todo instante
de tiempo. Dos caractersticas propias de estos son:
Estos sistemas se representan con ecuaciones algebraicas en funcion de un tiempo continuo y con
ecuaciones diferenciales tambien en funcion de tiempo continuo.
Las magnitudes que toman las propiedades, durante la evolucion del sistema, siempre estaran acotadas
en un intervalo finito.

Un sistema de tiempo discreto es aquel sistema cuya evolucion y estado estan definidos solamente en
instantes particulares de tiempo e incluso en intervalos de tiempo. Dos caracteristicas propias de estos sistemas
son:
Estos sistemas se representan con ecuaciones algebraicas en funcion de instantes temporales y con
ecuaciones en diferencias tambien en funcion de instantes temporales.

1
 Las magnitudes que toman las propiedades, durante la evolucion del sistema, siempre estaran acotadas
en un intervalo finito.

3. Sistemas causales y no causales

Un sistema causal es aquel cuya salida no se adelanta a la entrada. Esto implica que la salida en un instante
de tiempo dependera de la entrada aplicada en ese instante o en instantes anteriores.
Un sistema es no causal si su salida se adelanta a la aplicacion de cualquier entrada.
4. Sistemas estaticos y sistemas dinamicos
Un sistema es estatico o sin memoria si su salida en el n-esimo instante esta en funcion unicamente de la
entrada en ese instante. Estos sistemas se modelan con ecuaciones algebraicas.
Por ejemplo considere el siguiente modelo:

y(n) = a2 x2 (n) + a1 x(n) + a0

Un sistema es dinamico o con memoria si su salida en el instante n-esimo esta en funcion de la entrada en
el instante n y en funcion, ademas, de las entradas y de las salidas en instantes anteriores. Estos sistemas se
modelan con ecuaciones diferenciales y en diferencias.
Por ejemplo:
y(n) = 3x(n 1) + x(n) 3y(n 2)

5. Sistemas determinsticos y sistemas estocasticos

Sistema determinstico es aquel en que el azar no esta involucrado en su evolucion temporal, es decir,
los estados futuros estan determinados por una entrada incial y por un estado inicial. Tales sistemas se
representan con ecuaciones algebraicas o ecuaciones en diferencias.En tales ecuaciones se producira la misma
salida a partir de la misma entrada inicial y del mismo estado inicial.
Sistema estocastico es aquel en el que el azar esta involucrado en su evolucion temporal, es decir, los estados
futuros no estan determinados por una entrada incial y por un estado inicial. Algunos de estos sitemas se
estudian mediante cadenas de Markov.
6. Sistemas de parametros concentrados y sistemas de parametros distribuidos
Sistema de parametros concentrados es aquel en el cual su estado y evolucion estan en funcion de unica-
mente una variable fsca. Estos sistemas se modelan mediante ecuaciones algebraicas y mediante ecuaciones
ordinarias en diferencias.
Sistema de parametros distribuidos es aquel sistema en el cual hay que considerar que su estado y
evolucion estan en funcion de mas de una variable fsica. Estos sistemas se modelan mediante ecuaciones en
diferencias parciales.
7. Sistemas lineales y sistemas no lineales
Un sistema lineal en el tiempo es aquel que satisface las dos propiedades siguientes:
Homogeneidad: la salida es proporcional a la entrada.
Aditividad: Si entrada es la suma de varias senales, la salida sera la suma de las salidas correspondientes
a cada senal entrada.
Por ende, un sistema no lineal es todo aquel que no cumple con las propiedades anteriores.
8. Sistemas invariantes en el tiempo y sistemas variantes en el tiempo
Un sistema invariante con el tiempo es aquel, que bajo el mismo estado inicial, no importa en cual instante
aplique la entrada, siempre se logra la misma salida. Los parametros que intervienen en el modelo matematico
de un sistema invariante dependen del tiempo. Estos sistemas se modelan con ecuaciones en diferencias de
coeficientes constantes. Estos sistemas tambien se conocen como estacionarios.
Un sistema variante con el tiempo es aquel, que bajo el mismo estado inicial, la salida depende del instante
de tiempo en el cual se aplique la entrada. Los parametros que intervienen en sus modelos matematicos son
funciones del tiempo. Estos sistemas se representan con ecuaciones en diferencias de coe- ficientes variables.

2
2. Herramientas en el modelado matematico
En general se entiende por modelado matematico el proceso por el cual se imita la realidad en terminos matemati-
cos. El objetivo evidentemente es bien explicar o comprender los fenomenos naturales, bien encontrar respuestas a
problemas tecnicos o cientficos. Toda modelizacion lleva consigo un proceso de idealizacion. La realidad suele ser
compleja y los problemas reales habitualmente dependen de multitud de parametros o variables, al mismo tiempo
que suelen estar inter-relacionados con otros procesos.

2.1. Ecuaciones diferenciales

El modelado de un sistema en estado dinamico se plantea mediante sistemas de ecuaciones diferenciales o
ecuaciones de diferencias de acuerdo con que el sistema sea de variacion continua o discreta. Los modelos de
variacion continua tambien se pueden plantear mediante ecuaciones integrales. Los modelos de variacion continua
tanto de parametro globalizado en estado no estacionario como de parametro distribuido en estado estacionario se
expresan mediante ecuaciones diferenciales ordinarias. En los de parametro globalizado la variable independiente es
el tiempo mientras que en los de parametro distribuido es una direccion espacial. Los modelos de variacion continua
de parametro distribuido se expresan mediante ecuaciones diferenciales parciales tanto para descripcion en estado
estacionario como no estacionario. Si el modelo se describe en estado estacionario, las variables independientes
son las direcciones espaciales y si su descripcion es en estado no estacionario se agrega el tiempo como variable
independiente. Los modelos de variacion discreta se expresan mediante ecuaciones de diferencias finitas, que tambien
pueden ser unidimensionales o multidimensionales segun el numero de conexiones entre los subsistemas de parametro
globalizado. En condiciones estacionarias, las ecuaciones diferenciales de un modelo de parametro globalizado se
transforman en ecuaciones algebraicas mientras que las ecuaciones diferenciales parciales de un modelo de parametro
distribuido se transforman en ecuaciones diferenciales que expresan las variaciones del sistema con respecto a las
direcciones espaciales.
Una ecuacion diferencial es una ecuacion que contiene derivadas de una funcion desconocida. Si dicha funcion
es funcion de una sola variable, como habitualmente lo es el tiempo, se dice ecuacion diferencial ordinaria (EDO),
y si la funcion incognita es de varias variables la ecuacion sera en derivadas parciales (EDP). La forma general de
representar una EDO sera:

F (x, y, y0, y00, ..., y n ) = 0

con
y = f (x)
El orden de una EDO es el orden de la mayor derivada.
La forma anterior es una relacion entre n+2 variables, supondremos que siempre es posible resolverla para y(n)
en terminos de las otras variables, dando la forma normal:

y(n) = F (x, y, y0, y00, ..., y n1

Las EDO son lineales si F es funcion lineal de las variables y, y0, y00, ..., y n . Entonces pueden tomar la forma:

an (x)y n + an (x)y n1 + ... + a0 (x)y = g(x)

Si no as,, entonces se dicen ecuaciones no lineales.

Cuando la funcion g(x) es identicamente nula se habla de una ecuacion homogenea y su contrario sera la ecuacion
no homogenea.
Recordemos que dada una ecuacion diferencial se tienen los siguientes problemas:

Existencia de la solucion.
Unicidad de la solucion sera la suma de las salidas correspondientes a cada senal entrada.
Calculo de la solucion (metodos analticos) o de una aproximacion de ella (metodos numericos)

La variable de las ecuaciones diferenciales, notada aqu x, puede ser el tiempo, notada t, en cuyo caso caso se
trata de un fenomeno dinamico.
A su vez, puede ser necesario determinar si el comportamiento es periodico. De otra parte, las ecuaciones pueden
acusar un desplazamiento temporal dando origen a las ecuaciones con retardo.
Si la ecuacion depende unicamente de las variables espaciales se habla de ecuaciones autonomas.

3
 Ademas de la ecuacion, en la practica hay que imponer condiciones adicionales que pueden ser de inicio o de
borde (o de frontera).
En la mayora de casos es imposible representar la solucion en forma analtica (mediante formulas). La ecua-
cion misma puede dar informacion sobre las caractersticas de la solucion. Lo que interesa es el comportamiento
cualitativo a largo plazo.
Algunos modelos, pueden requerir no de una sino de varias ecuaciones, esto es de un sistema.

2.2. Matrices de transformacion y modelado de Robots

En control de posicion de manipuladores industriales se hace uso de diversas tecnicas para lograr el objetivo de
control, en la mayora de los casos dichas tecnicas requieren como entrada las coordenadas espaciales deseadas que
alcanzara el efector final. Si los puntos deseados corresponden a una curva espacial complicada pero definida en
forma parametrica en un plano, las obtenciones de los puntos espaciales de la curva pueden ser calculados empleando
matrices de transformacion.
Una matriz de Transformacion Homogenea que transforma un vector de posicion expresado en coordenadas
homogeneas respecto a un sistema de coordenadas que ha sido rotado y trasladado a otro sistema de coordenadas,
se define como una matriz de 4 x 4 y en general consistente de cuatro submatrices de la forma.
 
R3x3 p3x1
T =
f1x3 w
Donde R3x3 es una matriz de rotacion de la forma:

1 0 0
Rx () = 0 cos sin
0 sin cos

cos 0 sin
Ry () = 0 1 0
sin 0 cos

cos sin 0
Rz () = sin cos 0
0 0 1
Sea un punto de coordenadas Pu vw respecto al sistema U V W , cuyo origen coincide con el origen del sistema
XY Z, si sobre el sistema UVW se aplican movimientos de rotacion y traslacion las nuevas coordenadas punto Puvw
respecto al sistema fijo XY Z son obtenidas mediante el producto de una matriz de transformacion y el vector
P uvw expresado en coordenadas homogeneas. Notese que el vector Pxyz tambien esta expresado en coordenadas
homogeneas.
Pxyz = T Puvw
 
R3x3 p3x1
Pxyz = Puvw
f1x3 w
La matriz de transformacion permite localizar los puntos respecto al sistema fijo XY Z que definen una curva en
el sistema U V W cuando este ha experimentado movimientos de rotacion y traslacion. Si el sistema XY Z coincide
con la base de manipulador el cual posicionara el efector final sobre cada uno de estos puntos, entonces los puntos
Pxyz son las coordenadas deseadas del efector final

2.3. Metodologa de Denavit-Hartenberg

La convencion o metodologa de Denavit-Hartenberg (DH) permite establecer la ubicacion de los sistemas de
referencia de los eslabones en los sistemas roboticos articulados, ya sean prismaticas o de revolucion, con cadenas
cinematicas abiertas.
Jacques Denavit y Richard Hartenberg introdujeron esta convencion en 1955 con el proposito de estandarizar la
ubicacion de los sistemas de referencia de los eslabones de un robot.
Se trata de una metodologa ampliamente utilizada en el ambito academico y de investigacion en robotica que
permite definir las transformaciones relativas entre eslabones con tan solo cuatro parametros, siendo este el numero
mnimo de parametros para configuraciones genericas, segun se muestra en la figura:

4
 Figura 1: Definicion estandar de los parametros de Denavit Hartenberg

j El angulo entre los ejes xj1 y xj al rededor de el eje zj1

dj La distancia del origen del marco j 1 al eje xj a lo largo del eje zj1
aj La distancia entre el eje zj1 y zj a lo largo del eje xj
j El angulo del eje zj1 al eje zj al rededor del ejexj
Donde = 0 para una junta de revolucion, = 1 para una junta prismatica

2.4. Cuaterniones
Tradicionalmente, los robots industriales son modelados con matrices de transformacion homogeneas sucesivas,
aplicadas desde las coordenadas fijas de la base hasta las coordenadas del punto central de la garra TCP. En
este caso el IR-1 es modelado como estos robots seriales, pero en lugar de aplicarse transformaciones homogeneas
sucesivas, a partir de la base, se aplican cuaterniones. Para este analisis de la cinematica, se considera el punto fijo
instantaneo al lugar en donde uno de los pies esta en contacto con el suelo y es llamado la base de referencia inercial,
mientras que las demas articulaciones de rotacion se estan moviendo. Cuando el pie en balanceo se aproxima al
suelo, instantaneamente la base de referencia inercial es trasladada a ese pie y as sucesivamente. De esta forma se
analiza la marcha de este Robot Bpedo RB-1, para modelar la cinematica.
Una vez establecida la localizacion de las bases fija y movil, se hace necesario establecer las relaciones entre ellas,
es decir, como representar un mismo vector en cada una de las bases. Considerandose que la transformacion de un
vector cualquiera de la base B1 para la base B2 es realizada multiplicandose el vector por la matriz de transformacion
MT1. De manera analoga, para transformar un vector de la base B2 para B1, basta multiplicarlo por la inversa de
MT1, porque una propiedad de la matriz de transformacion es que [M Ti ]1 = [M Ti ]T . Con cuaterniones el analisis
acontece en forma similar, porque tambien son representaciones vectoriales en donde se cumple que T = qq 1 , o sea,
que el inverso de un quaternion es igual a su transpuesta.
Es posible relacionar un angulo con un quaternion de manera similar a como se puede asociar un angulo con una
matriz de rotacion Chow (1992). Con base en esta consideracion, el quaternion que define el operador es siempre
un quaternion normalizado o quaternion unitario.
Para definir el quaternion operador de rotacion Lq asociado con el quaternion q y aplicado al vector v R3 se
tiene la siguiente expresion:
W = Lq (v) = q v q
Este operador representa una rotacion en v , el eje de rotacion es la parte vectorial de q y el angulo de rotacion
es dos veces el angulo asociado con el quaternion q.
Los denominados cuaterniones reales resultan una herramienta muy util en la modelacion de rotaciones, en
sistemas fsicos. Los cuaterniones (tambien llamados cuaternios) son una extension de los numeros reales, similar a
la de los numeros complejos. Mientras que los numeros complejos son una extension de los reales por la adicion de
la unidad imaginaria i, tal que i2 = 1, los cuaterniones son una extension generada de manera analoga anadiendo
las unidades imaginarias i, j y k a los numeros reales tal que i2 = j 2 = k 2 = ijk = 1

5
 Representacion de los cuaterniones Vectorial Un quaternion puede expresarse como el conjunto:

H = {a + bi + cj + dk : a, b, c, d R} C2 C4

O equivalentemente:

H = {(a + bi) + (c + di)j : a + bi, c + di C} C2

Entonces un cuaternion es un numero de la forma a+bi+cj +dk, donde a, b, c, d son numeros reales unvocamente
determinados por cada quaternion.
Matricial
Ademas hay, al menos, dos formas, isomorfismos, para representar cuaterniones con matrices. As el quaternion
q = a + bi + cj + dk, se puede representar:
Usando matrices complejas de 2x2:  
a + bi c + di
c + di a bi
Donde el conjunto de todas las matrices anteriores se designa mediante U (2)
Usando matrices reales de 4x4:
a b c d
b a d c

c d a b
d c b a

Aritmetica basica de cuaterniones

Sea:

a = a1 + a2 i + a3 j + a4 k

b = b1 + b2 i + b3 j + b4 k
La adicion se realiza analogamente a como se hace con los complejos, es decir: termino a termino.

a + b = (a1 + b1 )(a2 + b2 )i + (a3 + b3 )j + (a4 + b4 )k

El producto se realiza componente a componente, y esta dado en su forma completa por:

ab = (a1 b1 a2 b2 a3 b3 a4 b4 )+(a1 b1 +a2 b1 +a3 b4 a4 b3 )i+(a1 b3 a2 b4 +a3 b1 +a4 b2 )+(a1 b4 +a2 b3 a3 b2 +a4 b1 )

El conjugado de un cuaternion x = x1 + x2 i + x3 j + x4k esta dado por x = x1 x2 i x3 j x4k

El cociente de dos cuaterniones, usando la forma del inverso, esta dado como:

a ab
=
b kbk2

Ventajas y desventajas
Ventaja: Apropiados para el calculo de rotacion rapidos y claros para la descripcion de orientacion No
muestran singularidades Menos cantidad de parametros
Desventaja: No pueden representar traslaciones

6
3. Simulacion digital de sistemas, metodos numericos
Dado la infinita complejidad de los fenomenos fsicos, qumicos y de cualquier ndole, estas construcciones
abstractas, conocidas genericamente como modelos, son solo meras aproximaciones de la realidad. En efecto, no es
otra cosa lo que se realiza cuando en fsica utilizamos ecuaciones para describir el movimiento de una partcula, o
resolvemos los balances correspondientes aplicando las leyes de conservacion de la materia, energa o cantidad de
movimiento; o bien cuando nos enfrentamos al diseno de un equipo segun los procedimientos que conocemos.
De aqu se desprende que, si bien el sistema real a estudiar es unico, puede existir un numero muy grande de
modelos asociados al mismo. En efecto, para obtener un modelo que pueda resolverse (es decir que sea util), resulta
necesario adoptar un conjunto de hipotesis. Las necesidades de exactitud que el problema que resolver nos impone,
determinan el conjunto de hipotesis a utilizar. Por ejemplo, el error de una milesima de grado en el calculo de un
angulo puede no tener implicancias en el punto de impacto de un proyectil que recorre una distancia pequena, pero
no puede afirmarse lo mismo para una trayectoria intergalactica.
Resulta evidente que no todo sistema de ecuaciones puede resolverse facilmente, al menos desde el punto de vista
analtico. Esto impuso a lo largo de la historia limitaciones importantes al tipo de modelos que podan resolverse, o
de otra forma, la necesidad de recurrir a hipotesis inadecuadas o restrictivas (supersimplificaciones) para al menos
poder tratar el problema. Es por ello tambien que en los orgenes de las ciencias tecnologicas los modelos podan
ser considerados en gran medida como empricos, esto es, con parametros incorporados que surgan de experiencias,
y no a partir de los primeros principios o leyes fundamentales. No debe extranar que aun hoy, pese a todos nuestros
avances, exista la necesidad de utilizar permanentemente parametros en nuestros modelos, que no son otra cosa
que la medida de nuestra ignorancia, y, por lo tanto, implican la necesidad de reemplazar las leyes basicas por
aproximaciones causales obtenidas de datos experimentales.
A medida que evolucionaron las diversas ramas de las matematicas y con el advenimiento de la ciencia de la
computacion, poderosa herramienta complementaria al analisis numerico y simbolico, se abrieron caminos revolucio-
narios. Contar con herramientas mas potentes para resolver sistemas de ecuaciones, o lo que es lo mismo, relativizar
la necesidad de adoptar hipotesis inadecuadas al plantear modelos para resolver problemas complejos, resulto un
gran paso adelante. Mas aun, la velocidad de calculo provoco que la dimension abordable se incrementara rapida-
mente. En efecto, si bien el grado de complejidad conceptual para resolver la inversa de una matriz de dimension tres
es equivalente al de una de cinco mil, resulta obvio que la complejidad operativa o factica no resulta comparable.
La computacion ha barrido literalmente con dicha limitacion, haciendo ahora tratables problemas cuya dimension
es tal, que decadas atras ni siquiera era pensable plantearlos.

3.1. La simulacion
La simulacion es el acto de representar algunos aspectos del mundo real por numeros o smbolos que pueden
manipularse facilmente para facilitar su estudio La simulacion digital por computadora constituye una poderosa
herramienta para la resolucion de las ecuaciones (modelos matematicos) que describen a los sistemas en ingeniera.
Las principales dificultades que se plantean en la simulacion numerica de procesos son dos:
Encontrar la solucion de un sistema de ecuaciones algebraicas no lineales (que usualmente se efectua mediante
un metodo iterativo).
Efectuar la integracion numerica de ecuaciones diferenciales ordinarias y en derivadas parciales (mediante
ecuaciones discreteadas en diferencias finitas que aproximan a las ecuaciones diferenciales continuas).
Siempre se debe tener presente que la ecuacion diferencial discreteada utilizada (algoritmo de integracion) afecta
la exactitud y estabilidad de la solucion numerica.
En los ultimos tiempos se han desarrollado paquetes para simulacion digital. En teora, estos paquetes relevan al
ingeniero de adquirir conocimientos acerca de los metodos de integracion numerica. Automaticamente monitorean
los errores y la estabilidad del metodo ajustando el paso o intervalo de integracion para satisfacer un criterio de
exactitud. En teora, estos paquetes facilitan al ingeniero la formulacion y resolucion de los problemas que se le
plantean. En la practica, estos lenguajes de simulacion tienen una utilidad limitada; en su puja por generalizar,
usualmente, se vuelven ineficientes.
El tiempo computacional de ejecucion para resolver un problema real de ingeniera con uno de estos simuladores
o paquetes de simulacion es usualmente mas largo que con un programa computacional ad-hoc (hecho para un
proposito determinado) escrito en lenguaje FORTRAN, BASIC O PASCAL.
Propositos de la simulacion digital:
Diseno de nuevas unidades y de nuevos procesos.

7
 Adaptacion de equipos en uso a otras alternativas de procesos (REVAMP).
Identificacion de cuellos de botella.
Estudios de conservacion energeticos.
Revision para nuevas especificaciones o distintas alimentaciones.
Optimizacion y ajustes.

Ventajas que ofrece un simulador

Los calculos son rapidos (velocidad de calculo).

Se pueden explorar muchas soluciones.
Exactitud y resultados consistentes.
La experiencia es menos costosa que cualquier ensayo en planta.
Situaciones (estados) y/o regmenes de operacion/diseno de procesos en los que se aplica la simulacion de procesos

Situaciones de operacion y/o diseno:

Analisis en estado estacionario.

Analisis dinamico.
Analisis de eventos discretos.
Regmenes de operaciones y/o diseno de procesos:

Regimen seguro operacion segura, diseno seguro.

Analisis de parada y arranque.
Condiciones de emergencia.
Fallas de los sistemas.
Sistemas de control.
Entrenamiento de operadores.
Operacion/diseno en estado estacionario.
Diseno de planta (balances, costos, analisis economicos).
Estudio de la capacidad de una planta (rediseno o retrofitting).

Estimacion:
Propiedades fsicas.
Parametros cineticos.
Parametros de modelo.

Beneficios que otorga la simulacion

Analisis en estado estacionario.

Analisis dinamico en el diseno.
Analisis dinamico en operaciones.

3.2. Metodos numericos

Los metodos numericos son una clase de metodos para resolver una amplia variedad de problemas matematicos.
Esta clase de metodos utilizan unicamente operaciones logicas y aritmeticas; por consiguiente, pueden implementarse
sobre computadoras digitales.
La combinacion de metodos numericos y computadoras digitales constituye una poderosa herramienta para
el analisis matematico. Por ejemplo, los metodos numericos son capaces de manejar no linealidades, geometras
complejas y sistemas de ecuaciones acopladas que son necesarias para la simulacion segura de muchos sistemas en
ingeniera.

8
 Figura 2: Relacion entre algunos objetivos de simulacion y herramientas

Una cuestion importante es si existe algun lmite a la capacidad de calculo de los metodos numericos. La
respuesta es afirmativa. Segun la opinion de un gran numero de cientficos e ingenieros, si un problema no puede
resolverse analticamente, lo mejor es ponerlo en una computadora (mediante un algoritmo adecuado). Este punto
de vista se debe, sin lugar a duda, al enorme poder de calculo de los metodos numericos. Sin embargo, existen
muchos problemas imposibles de resolver utilizando metodos numericos. Para algunos de estos problemas no se
ha encontrado todava un modelo matematico completo y seguro, de manera que resulta obvio que es imposible
encontrarles una solucion numerica. La dimension de otros problemas es tan grande que su solucion esta mas alla de
los lmites practicos en terminos de la tecnologa computacional disponible. Por ejemplo, se ha estimado que para
obtener una solucion dependiente del tiempo en problemas de flujo turbulento, incluyendo el efecto de los vortices
mas pequenos, se requeriran alrededor de 30 anos de tiempo computacional.

3.3. Los lenguajes computacionales

FORTRAN, PASCAL, ALGOL o BASIC. Estos lenguajes permiten al usuario escribir programas en una forma
que incluye formulas algebraicas, sentencias logicas en ingles, as como sentencias de entrada y salida. Por lejos, el
lenguaje algebraico mas utilizado para propositos cientficos es el FORTRAN o modificaciones menores de este.
Algunos de los metodos numericos mas importantes A continuacion, se da una breve lista de los metodos
numericos mas utilizado e importantes en la solucion de problemas de ingeniera.

RACES DE ECUACIONES
biseccion
Metodo de la falsa posicion
Metodo de Newton-Raphson
El metodo de la secante
Metodo de Mller
Metodo de Bairstow
Gauss-Seidel
OPTIMIZACIoN
Interpolacion cuadratica
Metodo de Newton
Metodos con gradiente
AJUSTE DE CURVAS
Interpolacion polinomial de Newton en diferencias divididas
Polinomios de interpolacion de Lagrange

9
 DIFERENCIACIoN E INTEGRACIoN NUMeRICAS
La regla del trapecio
Reglas de Simpson
Algoritmos de Newton-Cotes para ecuaciones
Integracion de Romberg
Cuadratura de Gauss
Extrapolacion de Richardson

ECUACIONES DIFERENCIALES ORDINARIAS

Metodo de Euler
Metodos de Runge-Kutta
ECUACIONES DIFERENCIALES PARCIALES
Diferencias finitas
El metodo de Crank-Nicolson
Elemento finito

Referencias
[1] Oscar G Ibarra-Manzano Procesamiento Digital de Senales
[2] Alejandro S. M. Santa Cruz Matematica superior aplicada, Importancia de los mtodos numricos en la
simulacion de procesos qumicos
[3] Steven C. Chapra Raymond P. Canale, Metodos numericos para ingenieros, quinta edicion.

10