INSTITUTO TECNOLOGICO DE NOGALES

METODOS NUMERICOS

H.NOGALES, SON.

METODO DE LA SECANTE

En anlisis numrico el mtodo de la secante es un mtodo para encontrar los ceros de una
funcin de forma iterativa.
Es una variacin del mtodo de Newton-Raphson donde en vez de calcular la derivada de la
funcin en el punto de estudio, teniendo en mente la definicin de derivada, se aproxima la
pendiente a la recta que une la funcin evaluada en el punto de estudio y en el punto de la
iteracin anterior. Este mtodo es de especial inters cuando el coste computacional de
derivar la funcin de estudio y evaluarla es demasiado elevado, por lo que el mtodo de
Newton no resulta atractivo.
En otras palabras, el mtodo de la secante es un algoritmo de la raz de investigacin que
utiliza una serie de races de las lneas secantes para aproximar mejor la raz de una funcin f.
El mtodo de la secante se puede considerar como una aproximacin en diferencias finitas
del mtodo

de

Newton-Raphson.

Sin

embargo,

este

mtodo

fue

desarrollado

independientemente de este ltimo.

El mtodo se define por la relacin de recurrencia:

Como se puede ver, este mtodo necesitar dos aproximaciones iniciales de la raz para
poder inducir una pendiente inicial.

Grafica

Cdigo Matlab Secante

Interfaz Grafica

METODO BISECCION
El mtodo de la biseccin o corte binario es un mtodo de bsqueda incremental que divide el
intervalo siempre en 2. Si la funcin cambia de signo sobre un intervalo, se evala el valor de
la funcin en el punto medio. La posicin de la raz se determina situndola en el punto medio
del sub-intervalo donde exista cambio de signo. El proceso se repite hasta mejorar la
aproximacin.
El mtodo consiste en lo siguiente:

Debe existir seguridad sobre la continuidad de la funcin f(x) en el intervalo [a,b]

A continuacin se verifica que

Se calcula el punto medio m del intervalo [a,b] y se evala f(m) si ese valor es igual a
cero, ya hemos encontrado la raz buscada

En caso de que no lo sea, verificamos si f(m) tiene signo opuesto con f(a) o con f(b)

Se redefine el intervalo [a, b] como [a, m] [m, b] segn se haya determinado en cul
de estos intervalos ocurre un cambio de signo

Con este nuevo intervalo se contina sucesivamente encerrando la solucin en un

intervalo cada vez ms pequeo, hasta alcanzar la precisin deseada

El mtodo de biseccin es menos eficiente que el mtodo de Newton, pero es mucho ms

seguro para garantizar la convergencia. Si f es una funcin continua en el intervalo [a, b] y f(a)
f(b) < 0, entonces este mtodo converge a la raz de f. De hecho, una cota del error absoluto
es:

Grafica

Cdigo Matlab

Interfaz

METODO NEWTON-RAPHSON

En anlisis numrico, el mtodo de Newton (conocido tambin como el mtodo de NewtonRaphson o el mtodo de Newton-Fourier) es un algoritmo eficiente para encontrar
aproximaciones de los ceros o races de una funcin real. Tambin puede ser usado para
encontrar el mximo o mnimo de una funcin, encontrando los ceros de su primera derivada.
El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de que no est
garantizada su convergencia global. La nica manera de alcanzar la convergencia es
seleccionar un valor inicial lo suficientemente cercano a la raz buscada. As, se ha de
comenzar la iteracin con un valor razonablemente cercano al cero (denominado punto de
arranque o valor supuesto). La relativa cercana del punto inicial a la raz depende mucho de
la naturaleza de la propia funcin; si sta presenta mltiples puntos de inflexin o pendientes
grandes en el entorno de la raz, entonces las probabilidades de que el algoritmo diverja
aumentan, lo cual exige seleccionar un valor puesto cercano a la raz. Una vez que se ha
hecho esto, el mtodo linealiza la funcin por la recta tangente en ese valor supuesto. La
abscisa en el origen de dicha recta ser, segn el mtodo, una mejor aproximacin de la raz
que el valor anterior. Se realizarn sucesivas iteraciones hasta que el mtodo haya convergido
lo suficiente. Sea f: [a, b] -> R funcin derivable definida en el intervalo real [a, b]. Empezamos
con un valor inicial x0 y definimos para cada nmero natural n

Donde f ' denota la derivada de f.

Ntese que el mtodo descrito es de aplicacin exclusiva para funciones de una sola variable
con forma analtica o implcita conocible. Existen variantes del mtodo aplicables a sistemas
discretos que permiten estimar las races de la tendencia, as como algoritmos que extienden
el mtodo de Newton a sistemas multi-variable, sistemas de ecuaciones, etc.

GRAFICA

Codigo Matlab

Interfaz

METODO FALSA POSICION

En clculo numrico, el mtodo de la regula falsi (regla del falso) o falsa posicin es
un mtodo iterativo de resolucin numrica de ecuaciones no lineales. El mtodo combina
el mtodo de biseccin y el mtodo de la secante.
Como en el mtodo de biseccin, se parte de un intervalo inicial [a0,b0] con f(a0) y f(b0) de
signos opuestos, lo que garantiza que en su interior hay al menos una raz (vaseTeorema de
Bolzano). El algoritmo va obteniendo sucesivamente en cada paso un intervalo ms pequeo
[ak, bk] que sigue incluyendo una raz de la funcin f.
A partir de un intervalo [ak, bk] se calcula un punto interior ck:

Dicho punto es la interseccin de la recta que pasa por (a,f(ak)) y (b,f(bk)) con el eje de
abscisas (igual a como se hace en el mtodo de la secante).
Se evala entonces f(ck). Si es suficientemente pequeo, ck es la raz buscada. Si no, el
prximo intervalo [ak+1, bk+1] .

GRAFICA

CODIGO MATLAB

INTERFAZ

METODO PUNTO FIJO

El mtodo del punto fijo es un mtodo iterativo que permite resolver sistemas de
ecuaciones no necesariamente lineales. En particular se puede utilizar para determinar races
de una funcin de la forma

, siempre y cuando se cumplan los criterios de convergencia.

El Mtodo de Punto Fijo (tambin conocido como iteracin de punto fijo), es otro mtodo para
hallar los ceros de f(x). Para resolver f(x) = 0, se reordena en una forma equivalente:
f(x) = 0
x - g(x) = 0
x = g(x)
Observe que si c es un cero de f(x), f(c)=0 y c=g(c). (Siempre que se tenga c=g(c) se dice
que c es un punto fijo de la funcin g). Para aproximar un cero de f se utiliza la iteracin de
punto fijo (1) xn+1 = g(xn) , n = 0, 1, 2, 3, . . .
donde x0 es una aproximacin inicial del cero de f. , El procedimiento empieza con una
estimacin o conjetura inicial de

, que es mejorada por iteracin hasta alcanzar la

convergencia. Para que converja, la derivada

debe ser menor que 1 en magnitud

(al menos para los valores x que se encuentran durante las iteraciones). La convergencia ser
establecida mediante el requisito de que el cambio en
mayor en magnitud que alguna pequea cantidad .
GRAFICA

de una iteracin a la siguiente no sea

CODIGO MATLAB

INTERFAZ

METODO JACOBI

El Mtodo de Jacobi es uno de los mtodos iterativos ms conocidos.

Supngase que se tiene un sistema 3 x 3. Si los elementos de la diagonal no son
todos cero, la primera ecuacin se puede resolver para x1, la segunda para x2 y la
tercera para x3, para obtener:

En general, para un sistema de ecuaciones lineales de n ecuaciones con n

incgnitas, el Mtodo de Jacobi para encontrar un valor k de una variable x es el
siguiente:

El procedimiento consiste en asignar unos valores iniciales a las variables,

usualmente se escoge "0" por simplicidad, de manera que para generar la
siguiente iteracin se sustituyen los valores obtenidos en la ecuacin siguiente,
con lo que se obtiene:

En la siguiente seccin se ilustra cmo la convergencia de ste mtodo est dada

por:

GRAFICA

METODO

GAUSS-SEIDEL

Mtodo de gauss-seidel el mtodo de eliminacin para resolver ecuaciones simultneas

suministra soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El nmero
exacto depende de las ecuaciones de que se trate, del nmero de dgitos que se
conservan en el resultado de las operaciones aritmticas, y del procedimiento de
redondeo. Utilizando ecuaciones de error, el nmero de ecuaciones que se pueden
manejar se puede incrementar considerablemente a ms de 15 o 20, pero este mtodo
tambin es imprctico cuando se presentan, por ejemplo, cientos de ecuaciones que se
deben resolver simultneamente. El mtodo de inversin de matrices tiene limitaciones
similares cuando se trabaja con nmeros muy grandes de ecuaciones simultneas. Sin
embargo, existen varias tcnicas que se pueden utilizar, para resolver grandes nmeros
de ecuaciones simultneas. Una de las tcnicas ms tiles es el mtodo de gauss-seidel.
Ninguno de los procedimientos alternos es totalmente satisfactorio, y el mtodo de gaussseidel tiene la desventaja de que no siempre converge a una solucin o de que a veces
converge muy lentamente

GRAFICA

CODIGO MATLAB

INTERFAZ

Derivada.
La derivada de una funcin es una medida de la rapidez con la que cambia el
valor de dicha funcin matemtica, segn cambie el valor de su variable
independiente. La derivada de una funcin es un concepto local, es decir, se
calcula como el lmite de la rapidez de cambio media de la funcin en un cierto
intervalo, cuando el intervalo considerado para la variable independiente se
torna cada vez ms pequeo. Por ello se habla del valor de la derivada de una
cierta funcin en un punto dado.
Un ejemplo habitual aparece al estudiar el movimiento: si una funcin
representa la posicin de un objeto con respecto al tiempo, su derivada es la
velocidad de dicho objeto. Un avin que realice un vuelo transatlntico de
4500 km entre las 12:00 y las 18:00, viaja a una velocidad media de 750 km/h.
Sin embargo, puede estar viajando a velocidades mayores o menores en
distintos tramos de la ruta. En particular, si entre las 15:00 y las 15:30 recorre
400 km, su velocidad media en ese tramo es de 800 km/h. Para conocer su
velocidad instantnea a las 15:20, por ejemplo, es necesario calcular la
velocidad media en intervalos de tiempo cada vez menores alrededor de esta
hora: entre las 15:15 y las 15:25, entre las 15:19 y las 15:21, etc.
Entonces el valor de la derivada de una funcin en un punto puede
interpretarse geomtricamente, ya que se corresponde con la pendiente de la
recta tangente a la grfica de la funcin en dicho punto. La recta tangente es a
su vez la grfica de la mejor aproximacin lineal de la funcin alrededor de
dicho punto. La nocin de derivada puede generalizarse para el caso de
funciones de ms de una variable con la derivada parcial y el diferencial.
La derivada de una funcin f en un punto x se denota como f(x). La funcin
cuyo valor en cada punto x es esta derivada es la llamada funcin derivada de
f, denotada por f. El proceso de encontrar la derivada de una funcin se
denomina diferenciacin, y es una de las herramientas principales en el rea
de las matemticas conocida como clculo infinitesimal. Concretamente, el que
trata de asuntos vinculados con la derivada se denomina clculo diferencial.1

GRAFICA

Cdigo Matlab

INTERFAZ

INTEGRACION
La palabra "integral" tambin puede hacer referencia a la nocin de primitiva:
una funcin F, cuya derivada es la funcin dada . En este caso se denomina
integral indefinida, mientras que las integrales tratadas en este artculo son las
integrales definidas. Algunos autores mantienen una distincin entre integrales
primitivas e indefinidas.
Los principios de la integracin fueron formulados por Newton y Leibniz a
finales del siglo XVII. A travs del teorema fundamental del clculo, que

desarrollaron los dos de forma independiente, la integracin se conecta con la

derivacin, y la integral definida de una funcin se puede calcular fcilmente
una vez se conoce una antiderivada. Las integrales y las derivadas pasaron a
ser herramientas bsicas del clculo, con numerosas aplicaciones en ciencia e
ingeniera.
Bernhard Riemann dio una definicin rigurosa de la integral. Se basa en un
lmite que aproxima el rea de una regin curvilnea a base de partirla en
pequeos trozos verticales. A comienzos del siglo XIX, empezaron a aparecer
nociones ms sofisticadas de la integral, donde se han generalizado los tipos
de las funciones y los dominios sobre los cuales se hace la integracin. La
integral curvilnea se define para funciones vectoriales de una variable, y el
intervalo de integracin [a,b] se sustituye por el de la parametrizacin de la
curva sobre la cual se est integrando, la cual, conecta dos puntos del plano o
del espacio. En una integral de superficie, la curva se sustituye por un trozo de
una superficie en el espacio tridimensional.
Las integrales de las formas diferenciales desempean un papel fundamental
en la geometra diferencial moderna. Estas generalizaciones de la integral
surgieron primero a partir de las necesidades de la fsica, y tienen un papel
importante en la formulacin de muchas leyes fsicas cmo, por ejemplo, las
del electromagnetismo. Los conceptos modernos de integracin se basan en la
teora matemtica abstracta conocida como integral de Lebesgue, que fue
desarrollada por Henri Lebesgue.
GRAFICA

CODIGO MATLAB

Integral Mltiple

funcin y el eje x en ese intervalo, la doble integral de una funcin positiva

de dos variables, definida en una regin del plano xy, se puede
interpretar como el volumen entre la superficie definida por la funcin y el
plano xy en ese intervalo. Al realizar una "integral triple" de una funcin
definida en una regin del espacio xyz, el resultado es un hipervolumen, sin embargo es bueno notar que si
el resultado se
puede interpretar como el volumen de la regin de integracin. Para integrales
de rdenes superiores, el resultado geomtrico corresponde a hiper-volmenes
de dimensiones cada vez superiores.
La manera ms usual de representar una integral mltiple es anidando signos
de integracin en el orden inverso al orden de ejecucin (el de ms a la
izquierda es el ltimo en ser calculado), seguido de la funcin y los
diferenciales en orden de ejecucin. El dominio de integracin se
GRAFICA

CODIGO MATLAB

Interfaz

POLINOMIO DE NEWTON
Es un mtodo de interpolacin polinmica. Aunque slo existe un nico polinomio que
interpola una serie de puntos, existen diferentes formas de calcularlo. Este mtodo es til para
situaciones que requieran un nmero bajo de puntos para interpolar, ya que a medida que
crece el nmero de puntos, tambin lo hace el grado del polinomio.
Existen ciertas ventajas en el uso de este polinomio respecto al polinomio interpolador de
LaGrange. Por ejemplo, si fuese necesario aadir algn nuevo punto o nodo a la funcin, tan
slo habra que calcular este ltimo punto, dada la relacin de recurrencia existente y
demostrada anteriormente.

La forma general del polinomio interpolante de Newton para n+1 datos (x0, (x0)), (x1, (x1)), ...,
(xn, (xn)) es:

Los coeficientes ai se obtienen calculando un conjunto de cantidades denominadas

diferencias divididas.
La notacin para las diferencias divididas de una funcin (x) estn dadas por:

Grafica

METODO DE LAGRANGE
En anlisis numrico, el polinomio de Lagrange, llamado as en honor a Joseph-Louis de
Lagrange, es una forma de presentar el polinomio que interpola un conjunto de puntos dado.
Lagrange public este resultado en 1795, pero lo descubri Edward Waring en1779 y fue
redescubierto ms tarde por Leonhard Euler en 1783.1 Dado que existe un nico polinomio
interpolador para un determinado conjunto de puntos, resulta algo engaoso llamar a este
polinomio el polinomio interpolador de Lagrange. Un nombre ms apropiado es interpolacin
polinmica en la forma de Lagrange.
La frmula general para el polinomio de interpolacin de Lagrange es

Donde usamos polinomios bsicos de Lagrange:

Expandiendo el producto para verlo mejor:

GRAFICA

METODO INTERPOLACION SEGMENTADA

En el subcampo matemtico del anlisis numrico, un spline es una curva diferenciable
definida en porciones mediante polinomios.
En los problemas de interpolacin, se utiliza a menudo la interpolacin mediante splines
porque da lugar a resultados similares requiriendo solamente el uso de polinomios de bajo
grado, evitando as las oscilaciones, indeseables en la mayora de las aplicaciones,
encontradas al interpolar mediante polinomios de grado elevado.
Para el ajuste de curvas, los splines se utilizan para aproximar formas complicadas. La
simplicidad de la representacin y la facilidad de cmputo de los splines los hacen populares
para la representacin de curvas eninformtica, particularmente en el terreno de los grficos
por ordenador.
Este es el caso ms sencillo. En l, vamos a interpolar una funcin f(x) de la que se nos dan
un nmero N de pares (x,f(x)) por los que tendr que pasar nuestra funcin polinmica P(x).
Esta serie de funciones nuestras van a ser lineales, esto es, con grado 1: de la forma P(x) =
ax + b.
Definiremos una de estas funciones por cada par de puntos adyacentes, hasta un total de (N1) funciones, hacindolas pasar obligatoriamente por los puntos que van a determinarlas, es
decir, la funcin P(x) ser el conjunto de segmentos que unen nodos consecutivos; es por ello
que nuestra funcin ser continua en dichos puntos, pero no derivable en general.

GRAFICA

METODO DE RUNGE-KUTTAN
En anlisis numrico, los mtodos de Runge-Kutta son un conjunto de mtodos genricos
iterativos, explcitos e implcitos, de resolucin numrica de ecuaciones diferenciales. Este
conjunto de mtodos fue inicialmente desarrollado alrededor del ao 1900 por los
matemticos C. Runge y M. W. Kutta.
El mtodo de Runge-Kutta es un refinamiento del mtodo de Euler
La solucin de un problema de valores iniciales se obtiene generalmente paso a paso por
mtodos de integracin hacia adelante, lo que permite valuar Yi+1 tan pronto se conozcan los
valores Yi, Yi-1 de Y en uno o ms pivotes anteriores. El ms simple de estos mtodos, debido
a Euler, es aplicable a ecuaciones de primer orden y no requiere conocer la solucin en los
pivotes anteriores.
Dado el problema de valores iniciales

se debe integrar la ecuacin diferencial en el intervalo

y evaluar la integral aplicando la frmula de integracin numrica:

(4)

entonces

de donde se obtiene la siguiente expresin aproximada llamada frmula de Euler

Yi+1 = Yi + h f(Xi, Yi)

GRAFICA

(5)