Universidad Tecnológica de Puebla

Integrantes:
Hernández Vélez Anette Michelle
Trujillo Rojas Guadalupe Michelle
Romero Hernández Alan Raúl
Castillo Acosta Janson
Métodos numéricos
Materia:
Matemáticas para ingeniería II
Profesor:
País Flores Primo
Cuatrimestre:
Enero-Abril 2022

1
CONTENIDO

Introducción ................................................................................................................................................... 3
¿Por qué se utilizan los métodos numéricos? ............................................................................................. 3
Implementación de los métodos numéricos............................................................................................ 4
Análisis numérico ....................................................................................................................................... 4
Usos del análisis numérico ...................................................................................................................... 5
metodo numerico por newton........................................................................................................................ 6
ejemplos ..................................................................................................................................................... 8
metodo de euler ........................................................................................................................................... 14
ejemplos ................................................................................................................................................... 15
metodo de derivacion................................................................................................................................... 17
ejemplos ................................................................................................................................................... 18

2
INTRODUCCIÓN

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.). 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.

Por lo general, los métodos numéricos se utilizan en ordenadores, dispositivos

electrónicos o software especializados en ingeniería, los cuales, ya tienen incluidos
los métodos numéricos en sus algoritmos de resolución, siendo vitales en el área
de simulación de procesos y para dar respuestas rápidas donde una solución
analítica se vuelve compleja.

¿POR QUÉ SE UTILIZAN LOS MÉTODOS NUMÉRICOS?

Anteriormente comentábamos que 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.

3
IMPLEMENTACIÓN DE LOS MÉTODOS NUMÉRICOS

La mejor forma de entender los métodos numéricos es aplicarlos directamente

mediante la programación informática, ya que de esta manera podremos entender
cómo funcionan. Aplicar métodos numéricos sin entender cómo funcionan es la vía
más rápida a los resultados erróneos o soluciones incorrectas, ya que no se tiene
una idea clara de lo que el software está haciendo con los datos.

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 reutilizable 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

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).

Podemos decir entonces, que el análisis numérico se encarga de realizar un análisis

de los algoritmos numéricos con la finalidad de controlar el error asociado por la
aproximación matemática, y obtener un resultado muy aproximado a la solución
exacta del problema a estudiar.

4
USOS DEL ANÁLISIS NUMÉRICO

Como ya hemos visto, 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.
❖ Autovalores y auto vectores de una matriz.

5
METODO NUMERICO POR NEWTON

En análisis numérico, el método de Newton (conocido también como el método de

Newton-Raphson o el método de Newton-Fourier) es un algoritmo eficiente 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.

Los procedimientos para hallar las raíces o ceros de funciones lineales o cuadráticas
a partir de los coeficientes de la ecuación son sencillos y exactos. Aunque existen
fórmulas para hallar las raíces de ecuaciones de tercer y cuarto grado, dichas
formulas son muy complicadas y nada prácticas. Un teorema, atribuido a Abel,
establece que no es posible encontrar una fórmula general, en términos de los
coeficientes de la ecuación, que permita hallar los ceros exactos de una función
polinomial de grado cinco o mayor. Esto significa que, en general, sólo se pueden
hallar aproximaciones para los ceros de funciones de grado mayor que cuatro
aplicando métodos numéricos.

Descripción del método de Newton

Lo que nos proponemos es hallar un

𝑟 ∈ 𝑅 tal que 𝑓(𝑟) = 0.
En la figura de la derecha se observa la
gráfica de 𝑓.
El punto r es donde la grafica al eje x.
para obtener una aproximación de r,
primero tomamos el punto 𝑥1 cercano a
r (el punto se elige observando la
gráfica de 𝑓 ). Ahora consideramos la
recta tangente de
𝑇1 𝑑𝑒 𝑓 𝑒𝑛 ( 𝑥1 , 𝑓 (𝑥1 )): la abscisa en el
origen de 𝑇1 es 𝑥2 . Se toma a 𝑥2 se
toma como una segunda aproximación
de r. Repetimos el proceso con la
tangente a 𝑓, 𝑇2 𝑒𝑛 ( 𝑥2 , 𝑓 (𝑥2 )) : la
abscisa en el origen 𝑇2 𝑒𝑠 𝑥3 . Este
proceso se repite hasta que se obtenga
el grado de precisión requerido

6
En la obtención de las aproximaciones sucesivas 𝑥2 , 𝑥3 , … a partir de la primera
aproximación 𝑥1 , se utilizan las ecuaciones de las rectas tangentes. La recta
tangente 𝑇1, que pasa por ( 𝑥1 , 𝑓 (𝑥1 )), tiene una pendiente de 𝑓´(𝑥1 ); la ecuación
de esta recta esta dada, entonces por 𝑦 − 𝑓 (𝑥1 ) = 𝑓´(𝑥1 )(𝑥 − 𝑥1 ) (forma punto-
pendiente) (1). La abscisa en el origen de 𝑇1 es 𝑥2 , y se halla haciendo 𝑥 = 𝑥2 y y=0
en (1); es decir:

0 − 𝑓 (𝑥1 ) = 𝑓´(𝑥1 )(𝑥2 − 𝑥1 )

−𝑓 (𝑥1 ) = 𝑓´(𝑥1 )(𝑥2 ) − 𝑓´(𝑥1 )(𝑥1 ) ↔ 𝑓´(𝑥1 )(𝑥1 ) − 𝑓(𝑥1 )

𝑓 (𝑥1 )
𝑥2 = 𝑥1 − , 𝑓´(𝑥1 ) ≠ 0
𝑓´(𝑥1 )

La ecuación de 𝑇2, que pasa por el punto ( 𝑥2 , 𝑓 (𝑥2 )), es

𝑦 − 𝑓 (𝑥2 ) = 𝑓´(𝑥2 )(𝑥 − 𝑥2 ) (2)

Haciendo 𝑥3 = 𝑥2 y y=0 (2)

0 − 𝑓 (𝑥2 ) = 𝑓´(𝑥2 )(𝑥3 − 𝑥2 )

𝑓 (𝑥2 )
𝑥3 = 𝑥2 − , 𝑓´(𝑥2 ) ≠ 0
𝑓´(𝑥2 )

Basado en lo anterior, se deduce la formula general para la aproximación de 𝑥𝑛+1

en términos de aproximación anterior 𝑥𝑛

𝑓 (𝑥𝑛 )
𝑥𝑛+1 = 𝑥𝑛 − , 𝑓´(𝑥𝑛 ) ≠ 0
𝑓´(𝑥𝑛 )

7
EJEMPLOS

1.- 𝑥 3 − 4𝑥 2 − 2 =0

8
9
2.-2𝑥 4 − 2𝑥 3 + 𝑥 2 + 3𝑥 − 4 = 0; 𝑟𝑎𝑖𝑧 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑎

10
11
3.-√3 resolviendo la ecuación 𝑥 2 − 3 = 0

Solución:
Debemos hallar la raíz positiva: se encuentra entre
1 y 2.

12
13
METODO DE EULER

El método de Euler Comentemos en primer lugar, que el método de Euler es muy

interesante como punto de partida en la resolución numérica de ecuaciones
diferenciales ya que es muy simple y permite comprender el resto de los métodos,
pero a efectos prácticos se aplica en contadas ocasiones, pues converge muy
lentamente hacia la solución.

El valor de 𝑦𝑘 lo encontraremos del valor anterior 𝑦𝑘−1 . Por tanto, estamos ante un
método de un solo paso. Consiste en dividir el intervalo [𝑡0 , 𝑡0 + α] en N partes
iguales,
𝛼
𝑡1 = 𝑡0 + ℎ, 𝑡2 = 𝑡0 + 2ℎ, … 𝑡𝑛 = 𝑡0 + 𝑁ℎ = 𝑡 + 𝛼, ℎ =
𝑁

Si aplicamos la definición de derivada

lim 𝑦 (𝑡𝑘 + ℎ) − 𝑦(𝑡𝑘 )

ℎ→∞
𝑦´(𝑡𝑘 ) =
ℎ
deducimos que para h “suficientemente pequeño”

lim 𝑦 (𝑡𝑘 + ℎ) − 𝑦(𝑡𝑘 )

ℎ→∞
𝑦´(𝑡𝑘 ) = 𝑓(𝑡𝑘 , 𝑦 (𝑡𝑘 )) ≅ (1)
ℎ
Por tanto,

𝑦(𝑡𝑘+1 ≅ 𝑦(𝑡𝑘 ) + ℎ𝑓(𝑡𝑘 , 𝑦(𝑡𝑘 )), 𝑘 = 0, 1, … , 𝑁 − 1 (2)

La igualdad (2) nos sugiere el cálculo de los 𝑦𝑘 mediante la ley de recurrencia,

𝑦(𝑡𝑘+1 ) = 𝑦𝑘 + ℎ𝑓 (𝑦𝑘 , 𝑡𝑘 ), 𝑘 = 0, 1, … , 𝑁 − 1 (3)

partiendo de𝑦(0) = 𝑦0 . La ley (3) se conoce como el método de Euler

14
EJEMPLOS

1.- Apliquemos el método de Euler al modelo de crecimiento exponencial:

𝑦´(𝑡) = 0.2𝑦(𝑡), 𝑦(0) = 50

para conocer un valor aproximado de y(1), con un paso h = 0.1.

La fórmula (3) nos proporciona la expresión

𝑦𝑘+1 = 𝑦𝑘 + ℎ0.2 𝑦𝑘 = 𝑦𝑘 + 0.2 𝑦𝑘 k=0,1,2,…9

que da lugar a los valores que aparecen en la Tabla

2.-𝑥1 = 0, 𝑦1 = 1

𝑦2 = 𝑦1 + 𝑓 (𝑥1 , 𝑦1 )ℎ

𝑓 (0,1) = −2(0)3 + 12(0)2 − 20(0) + 8.5 = 8.5

𝑦2 = 2 + 8.5(0.5) = 5.25

3.-Se quiere obtener el valor de la corriente en el siguiente circuito RL hasta un

segundo con un paso de un cuarto de segundo:

15
Planteando la malla correspondiente se puede obtener la ecuación del circuito de la
figura:

𝑑𝑖(𝑡)
𝑣 = 𝑅 ∗ 𝑖 (𝑡 ) + 𝐿
𝑑𝑡
𝑠𝑒𝑛(𝑡) = 𝑖 (𝑡) + 𝑖´(𝑡)

𝑖´(𝑡) = 𝑠𝑒𝑛(2𝜋𝑡) − 𝑖 (𝑡) = 𝑓(𝑡, 𝑖)

Reescribiendo la fórmula de iteración con nuestras variables del problema llegamos

a

𝐼𝑘+1 = 𝐼𝑘 + ℎ𝑓 (𝑦𝑘 , 𝐼𝑘 )

En primer lugar, reconocemos nuestros datos iniciales como 𝑡0 = 0 𝑒 𝐼0 = 0.

Además, la función seria, en este caso, la derivada de la corriente. Respecto a 𝑡𝑘 ,
dado que hay un paso constante ℎ, se puede observar que en general 𝑡𝑘 = 𝑡0 + ℎ ∗
𝑘; por lo tanto, se puede observar que tomar´a tres iteraciones llegar a t = 1 debido
a que los valores de salida siempre están un paso adelantado. Según nuestros
´índices, la primera iteración seria la número 0:

k=0

𝐼1 = 𝐼0 + ℎ𝑓 (0; 0) = 0

k=1

𝐼2 = 𝐼1 + ℎ𝑓 (0,25; 0) = 0,25

k=2

𝐼3 = 𝐼2 + ℎ𝑓 (0,5; 0) = 0.1875

k=3

𝐼4 = 𝐼3 + ℎ𝑓 (0,75; 0) = −0.1093

16
METODO DE DERIVACION

La derivación numérica es una técnica de análisis numérico para calcular una

aproximación a la derivada de una función en un punto utilizando los valores y
propiedades de la misma.

La principal idea que subyace en las técnicas de derivación numérica está muy
vinculada a la interpelación y se podría resumir en lo siguiente: Si de una función
f(x) se conocen sus valores en un determinado soporte de puntos, puede
‘aproximarse” la función f(x) por otra función p(x) que la interpole en dicho soporte
y sustituir el valor de las derivadas de f(x) en un punto x* por el valor de las
correspondientes derivadas de p(x) en dicho punto x*.

Una de las primeras fórmulas que nos permiten aproximar una derivada primera
tiene sus raíces en los comienzos del cálculo diferencial en el siglo XVII. En ese
entonces el concepto de límite no estaba desarrollado de forma explícita y Ya
primera derivada de una función f(x) en el punto x* se consideraba como el valor del
cociente incremental.

Por definición la derivada de una función es:

Las aproximaciones numéricas que podamos hacer (para h > 0) serán:

Diferencias hacia adelante:

Diferencias hacia atrás:

La aproximación de la derivada por este método entrega resultados aceptables con

un determinado error. Para minimizar los errores se estima que el promedio de
ambas entregas la mejor aproximación numérica al problema dado:

Diferencias centrales:

17
EJEMPLOS

1.-

18
 2.- Aproxima el valor de la deriva da de la siguiente función cuando x = 1 usando
diferencias progresivas, regresivas y centrales. Utiliza en todos los casos h = 0.1.
Calcula el error cometido comparando con el valor exacto al sustituir en la función
derivada que se indica.

3𝑥 − 1 2 −18 + 50𝑥 + 18𝑥 2 − 18𝑥 3

𝑓 (𝑥 ) = ( 2 ) → 𝑓´(𝑥 ) =
𝑥 +3 (𝑥 2 + 3)3

Solución

Valor exacto:

−18 + 50𝑥 + 18𝑥 2 − 18𝑥 3

𝑓´(𝑥 ) = → 𝑓´(1) = 0.5
(𝑥 2 + 3)3

Diferencia progresiva

𝑓(1 + 0.1) − 𝑓 (1) 0.298464 − 0.25

𝑓´(𝑥 ) ≈ = = 0.48464
0.1 0.1
Error= |0.5 − 0.48464| = 0.01536

Diferencias regresivas

𝑓(1) − 𝑓(1 − 0.1) 0.25 − 0.199089

𝑓´(1) ≈ = = 0.50917
0.1 0.1
Error |0.509107 − 0.5| = 0.009107

Diferencias centrales

𝑓(1 + 0.1) − 𝑓(1 − 0.1) 0.298464 − 0.199089

𝑓´(1) ≈ = = 0.496875
0.1 0.1
Error |0.5 − 0.496875| = 0.003125

19
 3.- Aproxima el valor de la deriva da de la siguiente función cuando x = 2 usando
diferencias progresivas, regresivas y centrales. Utiliza en todos los casos h = 0.2.
Calcula el error cometido comparando con el valor exacto al sustituir en la función
derivada que se indica.

𝑥 𝑥 2 + 12
𝑓 (𝑥 ) = 3 → 𝑓´(𝑥 ) = 1
√𝑥 2 + 4 3(𝑥 2 + 4)3

Solución

Valor exacto

𝑥 2 + 12
𝑓´(𝑥 ) = 1 → 𝑓´(2) = 0.333333
3(𝑥 2 + 4)3

Diferencia progresiva

𝑓 (2 + 0.2) − 𝑓(2) 1.06399 − 1

𝑓´(2) ≈ = = 0.31995
0.2 0.2
Error |0.33333 − 0.31995| = 0.0133833

Diferencias regresivas

𝑓(2) − 𝑓 (2 − 0.2) 0.25 − 0.199089

𝑓´(1) ≈ = = 0.347751
0.2 0.2
Error |0.347751 − 0.333333| = 0.0144173

Diferencias centrales

𝑓(2 + 0.2) − 𝑓 (2 − 0.2) 1.06399 − 0.93045

𝑓´(1) ≈ = = 0.33385
0.2 0.4
Error |0.33385 − 0.33333| = 0.000516667

20