1.

QUE SON LOS METODOS NUMERICOS

Un método numérico es un procedimiento mediante el cual se obtiene, casi siempre de manera
aproximada, la solución de ciertos problemas realizando cálculos puramente aritméticos y lógicos
(operaciones aritméticas elementales, cálculo de funciones, consulta de una tabla de valores,
cálculo preposicional, etc.). Un tal procedimiento consiste de una lista finita de instrucciones
precisas que especifican una secuencia de operaciones algebraicas y lógicas (algoritmo), que
producen o bien una aproximación de la solución del problema (solución numérica) o bien un
mensaje. La eficiencia en el cálculo de dicha aproximación depende, en parte, de la facilidad de
implementación del algoritmo y de las características especiales y limitaciones de los instrumentos
de cálculo (los computadores). En general, al emplear estos instrumentos de cálculo se introducen
errores llamados de redondeo.

El estudio de los métodos numéricos es muy útil y por ende importante para quien quiera que
necesite herramientas para resolver operaciones, las cuales se saben que pueden resultar
complicadas, y por más que se dominen los métodos tradicionales, estos muchas veces pueden no
ser suficientes, sin embargo esto no quiere decir que la operación sea imposible de solucionar, y
es ahí donde los métodos numéricos se aplican, y facilitan es trabajo de cierta manera. Los
métodos numéricos pueden ser aplicados para resolver procedimientos matemáticos
en: Cálculo de derivadas, Integrales, Ecuaciones diferenciales, Operaciones con matrices.

2. ERRORES, REDONDEO Y TRUNCAMIENTO

2.1 ERRORES

Los errores numéricos se generan con el uso de aproximaciones para representar las operaciones
y cantidades matemáticas. Estos incluyen de truncamiento que resultan de representar
aproximadamente un procedimiento matemático exacto, y los errores de redondeo, que resultan
de presentar aproximadamente números exactos. Para los tipos de errores, la relación entre el
resultado exacto o verdadero y el aproximado está dado por:

E = P* - P

Bien sea una medida directa (la que da el aparato) o indirecta (utilizando una fórmula) existe un
tratamiento de los errores de medida. Podemos distinguir dos tipos de errores que se utilizan en
los cálculos:

 Error absoluto.

Es la diferencia entre el valor de la medida y el valor tomado como exacto. Puede ser positivo o
negativo, según si la medida es superior al valor real o inferior (la resta sale positiva o negativa).
Tiene unidades, las mismas que las de la medida.
Sin embargo, para facilitar el manejo y el análisis se emplea el error absoluto definido como:

EA = | P* - P |
  Error relativo.

Es el cociente (la división) entre el error absoluto y el valor exacto. Si se multiplica por 100 se
obtiene el tanto por ciento (%) de error. Al igual que el error absoluto puede ser positivo o
negativo (según lo sea el error absoluto) porque puede ser por exceso o por defecto. no tiene
unidades.
Y el error relativo como
ER = | P* - P| / P , si P =/ 0

El error relativo también se puede multiplicar por el 100% para expresarlo como:

ERP = ER x 100

2.2 REDONDEO

Los números decimales se pueden redondear:

- A la unidad: consiste en eliminar la parte decimal, aproximándola a la unidad más cercana. Si la

parte decimal es igual o inferior a 0,500 se aproxima a la unidad inferior, si es superior se aproxima
a la unidad superior.

4,14 se aproxima a 4 (ya que la parte decimal es 0,1)

4,673 se aproxima a 5 (ya que la parte decimal es 0,6)

4,449 se aproxima a 4 (ya que la parte decimal es 0,4)

4,399 se aproxima a 4 (ya que la parte decimal es 0,3)

4,723 se aproxima a 5 (ya que la parte decimal es 0,7)

- A la décima: consiste en dejar una sola cifra decimal, aproximando las centésimas a la décima
más cercana. Si la parte centesimal es igual o inferior a 0,050 se aproxima a la décima inferior, si es
superior se aproxima a la décima superior.

4,14 se aproxima a 4,1 (ya que la parte centesimal es 0,04)

4,673 se aproxima a 4,7 (ya que la parte centesimal es 0,07)

4,449 se aproxima a 4,4 (ya que la parte centesimal es 0,04)

4,399 se aproxima a 4,4 (ya que la parte centesimal es 0,09)

4,723 se aproxima a 4,7 (ya que la parte centesimal es 0,02)

- A la centésima: consiste en dejar tan sólo dos cifras decimales, aproximando las milésimas a la
centésima más cercana. Si la parte milesimal es igual o inferior a 0,005 se aproxima a la centésima
inferior, si es superior se aproxima a la centésima superior.

4,14 se aproxima a 4,14 (ya que la parte milesimal es 0,000)

4,673 se aproxima a 4,67 (ya que la parte milesimal es 0,003)

4,449 se aproxima a 4,45 (ya que la parte milesimal es 0,009)

4,399 se aproxima a 4,40 (ya que la parte milesimal es 0,009)

4,723 se aproxima a 4,72 (ya que la parte milesimal es 0,003)

2.3 TRUCAMIENTO

En el truncamiento de un número decimal se eliminan las cifras a partir de aquellas en la que se

realiza el truncamiento.

- Truncamiento por la unidad: se eliminan todas las cifras decimales.

45,325 se trunca por 45

122,3434 se trunca por 122

91,435123 se trunca por 91

- Truncamiento por la décima: tan sólo se deja esta cifra decimal:

45,325 se trunca por 45,3

122,3434 se trunca por 122,3

91,435123 se trunca por 91,4

- Truncamiento por la centésima: tan sólo se dejan dos cifras decimales:

45,325 se trunca por 45,32

122,3434 se trunca por 122,34

91,435123 se trunca por 91,43

3. SERIE DE TAYLOR

Si f(x) es una función de buen comportamiento* alrededor de un elegido punto de expansión x0,
entonces la función se puede expandir en una serie llamada serie de Taylor:

La serie de Taylor de una función es a menudo útil en situaciones físicas donde se desee obtener el
valor aproximado de la función alrededor del punto de expansión x0. Se puede evaluar término a
término en términos de las derivadas de la función. Es típico que los términos sucesivos en una
aproximación en serie de una función sean cada vez más y más pequeños, y cuando el valor del
siguiente término se considere despreciable en términos del problema que se aborda, entonces
uno puede juzgar que se ha logrado una aproximación suficientemente exacta de la función.

Es frecuente el caso donde un conveniente punto de expansión es x0 = 0, y la serie alrededor de

este punto de expansión especial se le llama también serie de Maclaurin. Hay muchas aplicaciones
para expansiones de funciones comunes alrededor de x=0. Algunos ejemplos son:
La aproximación de un término en las series de funciones trigonométricas tiene
muchas aplicaciones como las "aproximaciones de ángulos pequeños".

* Buen comportamiento significa que tanto la función como sus derivadas son continuas y están
definidas en el intervalo de expansión alrededor de x0.

4. METODO DE BISECCION

El método de bisección es uno de los más versátiles para determinar una raíz real en
un intervalo de una ecuación dada, es fácil de comprender, aunque si se desea una mayor
exactitud el número de cálculos que hay que realizar aumenta considerablemente.

Una de sus ventajas es que funciona para ecuaciones algebraicas y trascendentes, pero se
recomienda utilizarlo después de un análisis gráfico.

El Teorema de Bolzano establece las condiciones necesarias para la existencia de al menos un cero
de una función continua.

Teorema de Bolzano Si f(x) es continua en el intervalo [a, b], con f(a) ∙f (b) <0, entonces existe al
menos un c∈] a, b [tal que f(c)=0
El método de bisección se basa en el Teorema de Bolzano, el cual afirma que si se tiene una
función real y=f(x)continua en el intervalo ]a,b[ donde el signo de la función en el extremo a es
distinto al signo de la función en el extremo b del intervalo, entonces existe al menos
un c∈]a,b[ tal que f(c)=0, que es la raíz buscada, como se muestra en la imagen construida En
Winplot.

Suponga una ecuación f(x)=0

 Para determinar la raíz en el intervalo ]a, b [divida el intervalo por la mitad, llame con m a
ese punto donde m=a+b2.
  Considere los siguientes casos:
1. Si f(m)=0, entonces m es la raíz buscada
2. Si f(a) y f(m) tienen signos diferentes, entonces la raíz buscada se encuentra en
el intervalo ]a,m[
3. Si f(m) y f(b) tienen signos diferentes, entonces la raíz buscada se encuentra en
el intervalo]m,b[
4. Ahora, divida por la mitad el nuevo intervalo que contiene la raíz y repita el
procedimiento.
5. Al continuar con el proceso, determinamos que la raíz se encuentra en
un intervalo tan pequeño como se desee y, entonces, se obtiene una
aproximación de la raíz buscada.
6. Observe que se va obteniendo una secuencia de intervalos cada vez más
pequeños ]a1,b1[,]a2,b2[,]a3,b3[,...,]an,bn[, tal que f(an)∙f(bn)→0,
entonces bn−an=12n(b−a).
7. Los puntos extremos a1,a2,a3,...,an forman una sucesión creciente y acotada,
mientras que los puntos extremos b1,b2,b3,...,bn una sucesión decreciente y
acotada, con un límite común igual 𝜀 que es la raíz buscada.
8. El proceso puede ser continuado hasta lograr que |bn−an|< ∈, para un
valor ∈ establecido. Este procedimiento brinda la precisión requerida para
la raíz buscada.
9. Para determinar el error mínimo esperado del método, haga uso del siguiente
teorema:

Teorema Cota de error para el método de bisección

Sea f(x) una función continua en el intervalo [a,b], tal que f(a)∙f(b)<0, entonces el método de
bisección genera una sucesión {pn} convergente a una raíz p tal que |pn−p|≤b−a2n, n≥1

10. Para determinar el número máximo de iteraciones aplique la siguiente fórmula:

b−a2n<ε

Ventajas y desventajas del Método de Bisección

Ventajas Desventajas

Es siempre convergente. Converge muy lentamente.

Es óptimo para resolver una ecuación f(x)=0 cuando no Permite encontrar solo una raíz,
se sabe nada de f, excepto calcular su signo. aunque existan más en el intervalo.

Requiere que f sea continua en Algunas veces la determinación

el intervalo especificado. del intervalo inicial no es muy fácil.
Se basa en el Teorema de Bolzano. A veces, no es obvio el criterio de
finalización del proceso iteractivo.

Se puede establecer el límite de error. No puede determinar raíces

complejas.

Es fácil de implementar. Es difícil generalizarlo para

dimensiones superiores.

5. METODO DEL PUNTO FIJO

6. METODO DE LA REGLA FALSA

El método de la regla falsa, o “falsa posición”, es otro de los muchos métodos iterativos para la
resolución de problemas con ecuaciones no lineales. La peculiaridad de éste, es que combina dos
métodos: el método de bisección y el de la secante (ya explicados en otros artículos).

A continuación veremos una explicación de en qué consiste, y más abajo, os pongo los pasos a
desarrollar.
Se basa en trazar una recta que una los extremos de un intervalo dado, considerando que la
solución está cerca de uno de éstos extremos.

Hemos agregado por tanto, esa línea recta que une el intervalo [a,b]. La idea principal es que si
tomamos el punto donde la recta corta el eje x, estaremos más cerca de hallar la raíz.

Entonces, supongamos que tenemos una función f(x), que es continua en el intervalo [xa, xb], y
que además f(xa) y f(ba) tienen signos opuestos (RECORDATORIO: Teorema Bolzano) por lo que se
deduce que existe al menos una solución para esa ecuación.

Ahora, necesitamos saber la ecuación de la línea recta que une esos dos puntos. Para ello nos
ayudamos de la ecuación punto-pendiente, por eso, hallamos la pendiente:

Ahora vamos a sustituir eso en la ecuación de la recta:

Pero recordamos que la recta en cuestión corta el eje x, así que hacemos y=0:

Simplificamos multiplicando todo por xb-xa, para quitar el denominador:

Como paso final, despejamos la incógnita x:

Vamos ahora a describir paso a paso cómo se desarrolla el método de la regla falsa (considerando
f(x) continua):

1) Primero debemos encontrar unos valores iniciales xa y xb tales que:

2) Aproximamos a la raíz, para ello usamos:

3) Evaluamos f(xr). Se pueden dar hasta tres casos:

A)

Como f(xa) y f(xr) tienen signos opuestos, por la condición mencionada anteriormente deducimos
que, la raíz se encuentra en el intervalo [xa, xr]

B)
f(xa) y f(xr) tienen el mismo signo. Así que xb y xr han de tener signos distintos, pues:

Por tanto, la raíz se encuentra en el intervalo [xr, xa].

*Pista: Como consideramos que la ecuación tiene que ser continua (si o si), al darse este caso, no
cumpliría con la condición de continuidad, al menos que tomemos como referencia un tercer
punto (xr) cuya imagen (f(xr)) será de signo opuesto.

C)

En este caso, como f(xr)=0 ya tenemos localizada la raíz. Debemos repetir estos 3 pasos señalados
anteriormente hasta que: |Ea|<Eb

7. METODO NEWTON RAPHSON

Este método es uno de los más utilizados para localizar raíces ya que en general es muy eficiente y
siempre converge para una función polinomial.

Se requiere que las funciones sean diferenciables, y por tanto, continuas, para poder aplicar este
método.

Se debe partir de un valor inicial para la raíz: xi , este puede ser cualquier valor, el método
convergirá a la raíz más cercana.

Si se extiende una tangente desde el punto , el punto donde esta tangente cruza al eje
x representa una aproximación mejorada de la raíz.
La fórmula de Newton-Raphson se deduce a partir de la fórmula de la pendiente de una recta.

Pendiente de una recta:

Hay que determinar un número máximo de iteraciones

Normalmente esto se hace considerando una “tolerancia” , esto es:

El valor absoluto de la diferencia de la debe ser menor que la tolerancia o el resultado de

alguna fórmula de error debe ser menor que la tolerancia dada.

Una de las fórmulas de error más útiles es la del error relativo porcentual aproximado:

100 %
El método de Newton-Raphson es convergente cuadráticamente, es decir, el error es
aproximadamente al cuadrado del error anterior.

Esto significa que el número de cifras decimales correctas se duplica aproximadamente en cada
interacción.

Cuando el método de Newton-Raphson converge, se obtienen resultados en relativamente pocas

interacciones, ya que para raíces no repetidas este método converge con orden 2 y el error E i+1 es
proporcional al cuadrado del resultado anterior Ei

Supóngase que el error en una iteración es 10-n el error en la siguiente, (que es proporcional al
cuadrado del error anterior) es entonces aproximadamente 10-2n, el que sigue será
aproximadamente 10-4n etc.

De esto puede afirmarse que de cada iteración duplica aproximadamente el número de dígitos
correctos.

Sin embargo el método de Newton-Raphson algunas veces no converge, sino que oscila. Esto
ocurre si no hay raíz real, si la raíz es un punto de inflexión o si el valor inicial está muy alejado de
la raíz buscada y alguna otra parte de la función “atrapa” la iteración.

8. METODO DE LA SECANTE

En análisis numérico el método de la secante es un método para encontrar los ceros de una
función de forma iterativa.
Es una variación del método de Newton-Raphson donde en vez de calcular la derivada de la
función en el punto de estudio, teniendo en mente la definición de derivada, se aproxima la
pendiente a la recta que une la función evaluada en el punto de estudio y en el punto de la
iteración anterior. Este método es de especial interés cuando el coste computacional de derivar la
función de estudio y evaluarla es demasiado elevado, por lo que el método de Newton no resulta
atractivo.
En otras palabras, el método de la secante es un algoritmo de la raíz de investigación que utiliza
una serie de raíces de las líneas secantes para aproximar mejor la raíz de una función f. El método
de la secante se puede considerar como una aproximación en diferencias finitas del método de
Newton-Raphson. Sin embargo, este método fue desarrollado independientemente de este
último.

El método se basa en obtener la ecuación de la recta que pasa por los puntos (xn−1, f(xn−1)) y
(xn, f(xn)). A dicha recta se le llama secante por cortar la gráfica de la función. En la imagen de
arriba a la derecha se toman los puntos iniciales x0 y x1, se construye una línea por los puntos
(x0, f(x0)) y (x1, f(x1)). En forma punto-pendiente, esta línea tiene la ecuación mostrada
anteriormente. Posteriormente se escoge como siguiente elemento de la relación de
recurrencia, xn+1, la intersección de la recta secante con el eje de abscisas obteniendo la fórmula, y
un nuevo valor. Seguimos este proceso, hasta llegar a un nivel suficientemente alto de precisión
(una diferencia lo suficientemente pequeñas entre xn y xn-1).