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.