Los métodos numéricos son operaciones matemáticas utilizadas para encontrar

una solución numérica aproximada a un problema determinado. Es decir, se trata

de una serie de cálculos para acercarnos lo más posible a una solución numérica
con una precisión razonablemente buena. Los métodos numéricos son utilizados
en ingeniería para facilitar la resolución de problemas que conllevan una enorme
cantidad de cálculos, lo que permite ahorrar tiempo.

¿Para que sirven los métodos numéricos?

los métodos numéricos son algoritmos utilizados para resolver operaciones
matemáticas complejas mediante el uso de un programa informático, siendo varias
las razones para utilizar métodos numéricos en vez de métodos de resolución
analíticos, sin embargo, las podemos resumir en dos razones fundamentales:

 Resolver problemas muy complejos, en los cuales no se puede hallar una solución
analítica.

 Resolver problemas con gran cantidad de cálculos, que harían casi imposible su
resolución manual.

Para implementar un método numérico es fundamental escribir todos los pasos en

un algoritmo, y luego, llevar dicho algoritmo a cálculos matemáticos en un
programa informático que pueda ser re-utilizable para crear una simulación
eficiente. Para llevar esto a cabo, es necesario tener una metodología para
desarrollar la simulación que requerimos, mediante el uso del método numérico.

Análisis numérico
Las expresiones matemáticas complejas requieren el uso de métodos numéricos
para una respuesta aproximada.

El análisis numérico de algoritmos se basa en resolver problemas matemáticos

mediante el uso de un ordenador. Sabiendo que los ordenadores basan su
funcionamiento en algoritmos basados en variables discretas, se debe tener en
cuenta lo siguiente:
 Traducir el problema a operaciones elementales (operaciones aritméticas).

 Controlar el error asociado a cálculos numéricos (aproximaciones matemáticas).

Los métodos numéricos pueden emplearse para resolver cualquier problema de

manera analítica. Sin embargo, existen situaciones o problemas matemáticos
específicos que requieren el uso de los métodos numéricos para llegar a
soluciones efectivas, aproximadas y rápidas. Entre estas situaciones o problemas,
tenemos:

 Sistemas de ecuaciones lineales.

 Ecuaciones no lineales con raíces reales o complejas.

 Integración numérica.

 Sistemas de ecuaciones no lineales.

 Ecuaciones diferenciales.

 Auto valores y auto vectores de una matriz.

 Etc.

Existen varios métodos para la realización de dichos problemas

los cuales presentare a continuación:

1.- Newton Rapshon

es un algoritmo para encontrar aproximaciones de los ceros o raíces de
una función real. También puede ser usado para encontrar el máximo o mínimo de
una función, encontrando los ceros de su primera derivada.

El orden de convergencia de este método es, por lo menos, cuadrático. Sin

embargo, si la raíz buscada es de multiplicidad algebraica mayor a uno (I.E, una
raíz doble o triple), el método de Newton-Raphson pierde su convergencia
cuadrática y pasa a ser lineal de constante asintótica de convergencia 1-1/m, con
la multiplicidad de la raíz.

f ( Xn )
xn+1= Xn−m '
.
f ( Xn )

2.- Raíz de Newton

Resolver por el método de Newton un problema, y concretamente X3 - sen.x= 0.

Si se parte de x0=1.4, con la instrucción >> Newton(@Newt_1,1.4) los puntos que
se obtienen con ese código son los de la tabla a la izquierda de la figura 2.9, en la
que también se ven los pasos del método hacia la Solución.
El teorema garantiza la convergencia del método de Newton sólo si se inicia desde
un punto x0 aceptable. El método puede no funcionar si Xo - ẋ es grande.

3.- Illinois

En los años 50 del siglo XX se desarrolló una variante de regula falsi denominada
de Illinois. La idea es usar como puntos para trazar la recta secante, además del
calculado (Xi+1, Fi+1)
1. Si Fi+1Fi < 0, el punto (Xi – 1, Fi -1) se reemplaza por (Xi, Fi)
2. Si Fi+1Fi > 0, el punto (Xi – 1, Fi -1) se reemplaza por Xi – 1, (FI – 1 / 2)
Donde corte esta secante al eje de las x será el nuevo punto del proceso iterativo.
El algoritmo de Illinois programado en
MATLAB, así como una sesión de trabajo para resolver cos(x) - x3 =0.
4.- HalleysMethod_log1

La idea es remplazar F’(xk) por:

f ( xk )−f (k−1)
xk −xk−1

La relación de la recurrencia del proceso iterativo

de la secante queda:

xk− xk−1
xk +1= xk− f ( xk )
f ( xk )−f ( xk−1 )
5.- RegularFalsi
Conocido como Regula Falsi. Al igual que el de la secante, utiliza como
aproximación de la función en un punto 0, dirección de búsqueda una recta
secante a la función en dos puntos sucesivos del proceso iterativo en los que la
función toma valores de signo opuesto

Comenzando con [−1,1]. El extremo izquierdo del

intervalo, −1, nunca cambia; el extremo derecho se
aproxima a 0 linealmente.
La situación en que el método falla es fácil de
detectar (el mismo extremo del intervalo se elige dos
veces seguidas) y fácil de corregir eligiendo
un ck diferente, como:

6.- Fpi

Es otra forma de atacar el problema que queremos resolver. La sucesión de

puntos de iterar la función coseno parece que converge a un punto concreto, r.
Un número real r es un punto fijo de la función f(x) si f(r)= (r).
La iteración de punto fijo sirve para resolver problemas de punto fijo f(x)=x Se
puede usar para resolver f(x)=0 si la función se puede expresar como g(x) = x.
7.- Método de Gauss Jordán

Es una extensión natural de la eliminación de Gauss para obtener A1. Consiste en

hacer cero en cada columna de A no sólo los coeficientes que están debajo de la
diagonal principal sino también los de encima. Debe su nombre a Gauss
y a Wilhelm Jordán, Alemania, 1842-1899. Una etapa i de la eliminación de Gauss
estaba caracterizada por la matriz

Si se tiene en cuenta que A0 = A y An = I, se concluye que

A-1 =Tn-1… T2 T1.

8.-Gauss Jordan1.1

Si el algoritmo utilizado es estable y el sistema también, el resultado obtenido

debe ser muy parecido al real. Si el sistema está mal condicionado, sin embargo, o
el algoritmo no es numéricamente estable, la solución puede diferir
sustancialmente de la real.
Consideremos los dos sistemas de ecuaciones lineales
La solución de ambos es el vector[1,1]T . Si
introducimos una pequeña perturbación b= [-0,04][-
0,06]T en el término independiente del primer
sistema, si su solución pasará a ser .0,993;
0,9968T . El cambio relativo en la norma
elucídela del vector b es
9.- Eliminación de Gauss

Para resolver un sistema de ecuaciones podemos, sin alterar las soluciones del
sistema:

Intercambiar el orden de las ecuaciones.

Sumar algunas de sus ecuaciones.

Multiplicar alguna ecuación por un número distinto de 0.

Esto es precisamente lo que se hace en el método de Gauss: se modifican las

ecuaciones para obtener un sistema mucho más fácil de resolver, pero, en lugar
de hacerlo sobre las ecuaciones, se hace sobre la matriz ampliada del sistema.

El método de eliminación de Gauss consiste en operar sobre la matriz ampliada

del sistema hasta hallar la forma escalonada (una matriz triangular superior). Así,
se obtiene un sistema fácil de resolver por sustitución hacia atrás.

Si finalizamos las operaciones al hallar la forma escalonada reducida (forma lo

más parecida a la matriz identidad), entonces el método se denomina eliminación
de Gauss-Jordan.
10.- Eliminación de Gauss
El método de eliminación de Gauss consiste en operar sobre la matriz ampliada
del sistema hasta hallar la forma escalonada (una matriz triangular superior). Así,
se obtiene un sistema fácil de resolver por sustitución hacia atrás.

11.- Jacobi
Lo formuló alrededor de 1845 Carl Gustav Jacobi, Alemania (Prusia), 1804-1851.
Supongamos que se desea resolver el sistema de ecuaciones lineales

Admitiendo que los coeficientes a11, a22 y a33 son distintos de cero, se puede
despejar de la primera ecuación la incógnita x1, de la segunda x2 y x3 de la
tercera, resultando lo que sigue:

Estas expresiones sugieren emplear como método iterativo el que definen las
siguientes relaciones de recurrencia.

Su generalización, para un sistema n x n, es la base del método de Jacobi. Esta

12.- Jacobi New

Resolvamos con el algoritmo de Jacobi este sistema de ecuaciones lineales:

Partiendo de x(0)= [0, 0, 0, 0]T , aplicando la relación de recurrencia formulada se

tendrá que:

Las iteraciones que siguen se generan de forma similar:

13.- Gauss_Seidel_New
Resolvamos por Gauss-Seidel el sistema lineal anterior:

Aplicando la relación general de recurrencia de Gauss-Seidel a este caso,

partiendo del punto inicial x(0) =[0; 0; 0; 0]T se tiene que:

Las iteraciones que se generan son las de la tabla:

14.- Untitled