¿Qué son los métodos numéricos?

Un método numérico es un procedimiento mediante el cual se obtiene, casi de una manera

aproximada la solución de ciertos problemas realizando cálculos aritméticos y lógicos con
operaciones básicas, consultando tablas y llenando tablas de datos 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.

Los métodos numéricos se encargan de adaptar métodos matemáticos en variable continua a un

sistema de representación de información discreto. En ocasiones, también se emplean métodos
numéricos cuando no es posible obtener una solución analítica de un problema, o cuando el volumen
de cálculos es demasiado grande para hacer un tratamiento manual.

El análisis numérico suele ser una tarea de matemáticos. Los ingenieros seleccionan el método que
mejor se adapta a un problema particular, y lo aplican. Por ejemplo, un ingeniero civil puede
seleccionar el mejor método de resolución de un sistema de ecuaciones lineales para calcular una
estructura usando un método matricial. En ocasiones, los mismos ingenieros son los que
implementan también el método, ya que para muchos problemas es más importante ser experto en
el problema de ingeniería que se resuelve, más que un experto en programación o Informática. Es
difícil encontrar ingenieros informáticos que tengan conocimientos de otras ramas de la ingeniería,
pero es más fácil encontrar ingenieros especialistas en una rama con conocimientos de informática
suficientes para programar un método numérico.

Los métodos numéricos se emplean en general en cualquier problema que sea difícil de
resolver de manera analítica, o con un volumen de datos inmanejable sin medios
automáticos.1

Ecuaciones no lineales.

En este tema se ve la resolución de ecuaciones no lineales, es decir el cálculo de soluciones o raíces

nos centramos en el caso de única ecuación con una incógnita en tal situación cualquier ecuación
pude ser escrita así:

De manera general incluso en ecuaciones dependientes de una sola incógnita no es posible despejar
esta salvo en casos muy concretos, evidentemente las ecuaciones lineales de una sola incógnita es
decir son triviales por lo que el tema está dedicado a la ecuaciones no lineales.

1
https://mat.caminos.upm.es/wiki/M%C3%A9todos_num%C3%A9ricos
 Solución de ecuaciones no lineales: Método de punto fijo
Un punto X se llama punto fijo que satisface la ecuación:

Existen puntos fijos estables e inestables.

El método de punto fijo es un método iterativo.
La idea principal es encontrar las raíces de una ecuación al proponerlas como puntos fijos de una
formulación alternativa.

Se construye un proceso iterativo a partir del valor semilla x0:

El proceso termina para un dado valor de xi tal que:

Pero dadas las incertidumbres:2

Método de Newton Raphson

Este método, el cual es un método iterativo, es uno de los más usados y efectivos. A diferencia de
los métodos anteriores, el método de Newton-Raphson no trabaja sobre un intervalo sino que basa
su fórmula en un proceso iterativo.

En análisis numérico, el método de Newton 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.

La misma idea puede aplicarse para crear algoritmos que aproximen raíces -ésimas de números
reales positivos.
Observe que cuando el método de Newton-Raphson converge a la raíz, lo hace de una forma muy
rápida y de hecho, observamos que el error aproximado disminuye a pasos agigantados en cada
paso del proceso. Aunque no es nuestro objetivo establecer formalmente las cotas para los errores
en cada uno de los métodos que hemos estudiado, cabe mencionar que si existen estas cotas que
miden con mayor precisión la rapidez o lentitud del método en estudio.

2
https://www.uv.mx/anmarin/slides/MetNum2.0.pdf
El método de Newton-Raphson es un método abierto, en el sentido de que no está garantizada su
convergencia global. La única manera de alcanzar la convergencia es seleccionar un valor inicial lo
suficientemente cercano a la raíz buscada. Así, se ha de comenzar la iteración con un valor
razonablemente cercano al cero (denominado punto de arranque o valor supuesto). La relativa
cercanía del punto inicial a la raíz depende mucho de la naturaleza de la propia función; si ésta
presenta múltiples puntos de inflexión o pendientes grandes en el entorno de la raíz, entonces las
probabilidades de que el algoritmo diverja aumentan, lo cual exige seleccionar un valor supuesto
cercano a la raíz. Una vez que se ha hecho esto, el método linealiza la función por la
recta tangente en ese valor supuesto. La abscisa en el origen de dicha recta será, según el
método, una mejor aproximación de la raíz que el valor anterior. Se realizarán sucesivas
iteraciones hasta que el método haya convergido lo suficiente.

Tres son las formas principales por las que tradicionalmente se ha obtenido el algoritmo de
Newton-Raphson.
La primera de ellas es una simple interpretación geométrica. En efecto, atendiendo al desarrollo
geométrico del método de la secante, podría pensarse en que si los puntos de iteración están lo
suficientemente cerca (a una distancia infinitesimal), entonces la secante se sustituye por la
tangente a la curva en el punto. Así pues, si por un punto de iteración trazamos la tangente a la
curva, por extensión con el método de la secante, el nuevo punto de iteración se tomará como la
abscisa en el origen de la tangente (punto de corte de la tangente con el eje X). Esto es
equivalente a linealizar la función, es decir, f se reemplaza por una recta tal que contiene al punto (

, ( )) y cuya pendiente coincide con la derivada de la función en el punto, . La

nueva aproximación a la raíz, , se logra de la intersección de la función lineal con el eje X de

abscisas.
La regla del trapecio compuesta o regla de los trapecios es una forma de aproximar una
integral definida utilizando n trapecios. En la formulación de este método se supone que f es

continua y positiva en el intervalo [a,b]. De tal modo la integral definida representa el área de
la región delimitada por la gráfica de f y el eje x, desde x=a hasta x=b. Primero se divide el intervalo

[a,b] en nsubintervalos, cada uno de ancho .

Después de realizar todo el proceso matemático se llega a la siguiente fórmula:

La regla se basa en aproximar el valor de la integral de f(x) por el de la función lineal que pasa a
través de los puntos (a, f(a)) y (b, f(b)). La integral de ésta es igual al área del trapecio bajo la
gráfica de la función lineal.

Conclusión:
Tras los resultados obtenidos podemos observar que conforme la regla del trapecio es un método
numérico que nos permite encontrar el área bajo una curva, en este caso, entre más divisiones
realizábamos más se acercaba al valor que obteníamos mediante el método de interpolación por
integración.