Métodos numéricos

Los métodos numéricos son técnicas mediante las cuales es posible

formular problemas matemáticos de tal forma que puedan resolverse
usando operaciones aritméticas. Los métodos numéricos nos vuelven aptos para
entender esquemas numéricos a fin de resolver problemas matemáticos,
de ingeniería y científicos en una computadora, reducir esquemas numéricos
básicos, escribir programas y resolverlos en una computadora y usar
correctamente el softwareexistente para dichos métodos y no solo aumenta
nuestra habilidad para el uso de computadoras sino que también amplia la
pericia matemática y la comprensión de los principios científicos básicos.
El análisis numérico trata de diseñar métodos para “aproximar” de una manera
eficiente las soluciones de problemas expresados matemáticamente.
El objetivo principal del análisis numérico es encontrar soluciones “aproximadas”
a problemas complejos utilizando sólo las operaciones más simples de la
aritmética. Se requiere de una secuencia de operaciones algebraicas y lógicas
que producen la aproximación al problema matemático.
1. Aproximación numérica
Aproximación es una representación inexacta que, sin embargo, es
suficientemente fiel como para ser útil. Esta aproximación nunca es utilizada en
ciencias exactas a grado profesional debido a la pérdida de información.
Aunque en matemáticas la aproximación típicamente se aplica a números,
también puede aplicarse a objetos tales como las funciones matemáticas, figuras
geométricas o leyes físicas.
En casos de información incompleta, que impide el uso de representaciones
exactas, pueden usarse aproximaciones. Por otra parte existen problemas que
son demasiado complejos para resolverse analíticamente, o bien imposibles de
resolver con las herramientas disponibles. En estos casos, una aproximación
puede arrojar una solución suficientemente exacta, reduciendo
significativamente la complejidad del problema y el costo de su solución.
La aproximación puede efectuarse en pasos sucesivos. Por ejemplo, es difícil
analizar exactamente el movimiento de varios planetas en órbita alrededor de
una estrella (Problema de los tres cuerpos), a causa de las interacciones
gravitacionales entre ellos, por lo que se efectúa una solución aproximada
realizando iteraciones. Durante la primera interacción, se ignoran las
interacciones gravitacionales entre los planetas y la estrella se supone fija. Si se
requiere una solución más precisa, se realiza otra interacción, usando las
posiciones y velocidades de los planetas que se obtuvieron en la primera
iteración, pero agregando una interacción gravitacional de primer orden entre los
cuerpos. Este proceso puede repetirse hasta obtener una solución
suficientemente precisa.
El tipo de aproximación a emplear depende de la información disponible, del
grado de exactitud requerido, de la sensibilidad del problema a estos datos y del
ahorro (usualmente de tiempo y de esfuerzo) que permite lograr.
 1.1. Aproximación de valores numéricos
Entre las formas más comunes de aproximación se cuenta la representación de
un número irracional por medio de un número con un número finito de decimales,
así como el redondeo de algún número a otro con menos decimales. Por
ejemplo:
√𝟐 = 𝟏. 𝟒𝟏𝟒𝟐𝟏𝟑𝟓𝟔 ≈ 𝟏. 𝟒𝟏��
Los ordenadores trabajan casi exclusivamente con formatos numéricos de coma
flotante según IEEE 754, en los que los números se representan con una
cantidad finita de decimales, lo que al menos en el caso de los números
irracionales o fracciones periódicas implica la necesidad de un redondeo. La
exactitud de su representación en el ordenador se determina por el tipo de dato.
La aproximación diofántica se dedica a la aproximación de números
irracionales por medio de números racionales.
2. Método de newton-raphson
En análisis numérico, el método de Newton (conocido también como el método
de Newton-Raphson o el método de Newton-Fourier) 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.
2.1. Historia
El método numerico de Newton fue descrito por Sir Isaac Newton en De analysi
per aequationes numero terminorum infinitas ('Sobre el análisis mediante
ecuaciones con un número infinito de términos', escrito en 1669, publicado
en 1711 por William Jones) y en De metodis fluxionum et serierum
infinitarum (escrito en 1671, traducido y publicado como Método de las
fluxiones en 1736 por John Colson). Sin embargo, su descripción difiere en
forma sustancial de la descripción moderna presentada más arriba: Newton
aplicaba el método solo a polinomios, y no consideraba las aproximaciones
sucesivas xn, sino que calculaba una secuencia de polinomios para llegar a la
aproximación de la raíz x. Finalmente, Newton ve el método como puramente
algebraico y falla al no ver la conexión con el cálculo.
Isaac Newton probablemente derivó su método de forma similar aunque menos
precisa del método de François Viète. La esencia del método de Viète puede
encontrarse en el trabajo del matemático persa Sharaf al-Din al-Tusi.
El método de Newton-Raphson es llamado así por el matemático inglés Joseph
Raphson (contemporáneo de Newton) se hizo miembro de la Royal Society en
1691 por su libro "Aequationum Universalis", publicado en 1690, que contenía
este método para aproximar raíces. Newton en su libro Método de las fluxiones
describe el mismo método, en 1671, pero no fue publicado hasta 1736, lo que
significa que Raphson había publicado este resultado 46 años antes. Aunque no
fue tan popular como los trabajos de Newton, se le reconoció posteriormente.
2.2. Descripción del método
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.
Sea f: [a, b] -> R función derivable definida en el intervalo real [a, b].
Empezamos con un valor inicial x0 y definimos para cada número natural n
𝐟(𝐗 𝐧 )
𝐗 𝐧+𝟏 = 𝐗 𝐧−
𝐟′(𝐗 𝐧 )
Donde f ' denota la derivada de f.
Nótese que el método descrito es de aplicación exclusiva para funciones de una
sola variable con forma analítica o implícita conocible. Existen variantes del
método aplicables a sistemas discretos que permiten estimar las raíces de la
tendencia, así como algoritmos que extienden el método de Newton a sistemas
multivariables, sistemas de ecuaciones, etcétera.

3. Método del punto fijo

El método del punto fijo es un método iterativo que permite resolver sistemas de
ecuaciones no necesariamente lineales. En particular se puede utilizar para
determinar raíces de una función de la forma f(x), siempre y cuando se cumplan
los criterios de convergencia.
 3.1. Descripción del método
El método de iteración de punto fijo, también denominado método de
aproximación sucesiva, requiere volver a escribir la ecuación f(x)=0 en la
forma x=g(x).

Llamemos x* a la raíz de f. Supongamos que existe y es conocida la función g tal

que:
𝐟(𝐱) = 𝐱 − 𝐠(𝐱)∀𝐱 𝐝𝐞𝐥 𝐝𝐨𝐦𝐢𝐧𝐢𝐨
Entonces:
𝐟(𝐱 ∗) = 𝟎 ⟷ 𝐱 ∗ −𝐠(𝐱) = 𝟎 ⟷ 𝐱 ∗= 𝐠(𝐱 ∗)
Tenemos pues a x* como punto fijo de g.
3.1. Procedimiento
El procedimiento empieza con una estimación o conjetura inicial de x, que es
mejorada por iteración hasta alcanzar la convergencia. Para que converja, la
derivada dg/dx debe ser menor que 1 en magnitud (al menos para los valores x
que se encuentran durante las iteraciones). La convergencia será establecida
mediante el requisito de que el cambio en x de una iteración a la siguiente no
sea mayor en magnitud que alguna pequeña cantidad ε
Algoritmo para la iteración de punto fijo
1. Se ubica la raíz de f(x) analizando la gráfica.
2. Se despeja de manera: x=g(x).
3. Obtenemos de x=g(x) su derivada g’(x).
4. Resolviendo la desigualdad -1 ≤ g’(x) ≤ 1 obtenemos el rango de valores en
los cuales está el punto fijo llamado R.
5. Con R buscamos la raíz en g(x), es decir g(R)=R haciendo iteración de las
operaciones.