c
 



  

  

Saltar a navegación, búsqueda

El 
  
 o


  
 es la rama de las matemáticas que se encarga
de diseñar algoritmos para, a través de números y reglas matemáticas simples, simular
procesos matemáticos más complejos aplicados a procesos del mundo real.

  
[ocultar]

˜Y  Introducción general
˜Y ½ Conceptos generales
˜Y Ô Aplicaciones
˜Y ë Problemas
›Y ë. Clasificación según su dimensión
›Y ë.½ Clasificación atendiendo a su naturaleza o motivación
˜Y ^ Áreas de estudio
›Y ^. Cálculo de los valores de una función
›Y ^.½ Interpolación, extrapolación y regresión
›Y ^.Ô Resolución de ecuaciones y sistemas de ecuaciones
›Y ^.ë Descomposición espectral y en valores singulares
›Y ^.^ Optimización
›Y ^.6 Evaluación de integrales
›Y ^.7 Ecuaciones diferenciales
˜Y 6 Otros temas de análisis numérico
˜Y 7 Enlaces externos
›Y 7. En inglés
›Y 7.½ En castellano
˜Y ÿ Referencias

    

  
El análisis numérico es una rama de las matemáticas cuyos límites no son del todo
precisos. De una forma rigurosa, se puede definir como la disciplina ocupada de
describir, analizar y crear algoritmos numéricos que nos permitan resolver problemas
matemáticos, en los que estén involucradas cantidades numéricas, con una precisión
determinada.

En el contexto del cálculo numérico, un   es un procedimiento que nos puede
llevar a una solución aproximada de un problema mediante un número finito de pasos
que pueden ejecutarse de manera lógica. En algunos casos, se les da el nombre de

  
 a estos algoritmos numéricos.
El análisis numérico cobra especial importancia con la llegada de los ordenadores. Los
ordenadores son útiles para cálculos matemáticos extremadamente complejos, pero en
última instancia operan con números binarios y operaciones matemáticas simples.

Desde este punto de vista, el análisis numérico proporcionará todo el u
uu

necesario para llevar a cabo todos aquellos procedimientos matemáticos susceptibles de
expresarse algorítmicamente, basándose en algoritmos que permitan su simulación o
cálculo en procesos más sencillos empleando números.

  
  
˜Y Algoritmo (métodos constructivos)
˜Y Análisis de errores
˜Y Estabilidad numérica
˜Y Estabilidad de los algoritmos
˜Y Representación finita e infinita de números

A partir de aquí, aparece un concepto adicional, el de  . Este concepto aparece

como consecuencia de la naturaleza finita de los ordenadores que solo pueden operar
con números representados de forma finita.

Definido el error, junto con el error admisible, pasamos al concepto de  de

los algoritmos. Muchas de las operaciones matemáticas pueden llevarse adelante a
través de la generación de una serie de números que a su vez alimentan de nuevo el
algoritmo (feedback). Esto proporciona un poder de cálculo y refinamiento
importantísimo a la máquina que a medida que va completando un ciclo va llegando a la
solución. El problema ocurre en determinar hasta cuándo deberá continuar con el ciclo,
o si nos estamos alejando de la solución del problema.

Finalmente, otro concepto paralelo al análisis numérico es el de la   

 ,
tanto de los números como de otros conceptos matemáticos como los vectores,
polinomios, etc. Por ejemplo, para la representación en ordenadores de números reales,
se emplea el concepto de coma flotante que dista mucho del empleado por la
matemática convencional.

  c

 
En general, estos métodos se aplican cuando se necesita un valor numérico como
solución a un problema matemático, y los procedimientos "exactos" o "analíticos"
(manipulaciones algebraicas, teoría de ecuaciones diferenciales, métodos de integración,
etc.) son incapaces de dar una respuesta. Debido a ello, son procedimientos de uso
frecuente por físicos e ingenieros, y cuyo desarrollo se ha visto favorecido por la
necesidad de éstos de obtener soluciones, aunque la precisión no sea completa. Debe
recordarse que la física experimental, por ejemplo, nunca arroja valores exactos sino
intervalos que engloban la gran mayoría de resultados experimentales obtenidos, ya que
no es habitual que dos medidas del mismo fenómeno arrojen valores exactamente
iguales.
Otro motivo que ha propiciado el auge del análisis numérico ha sido el desarrollo de los
ordenadores. El aumento brutal de la potencia de cálculo ha convertido en posibles y en
eficientes a algoritmos poco dados a su realización a mano.

    

  

     

Los problemas de esta disciplina se pueden dividir en dos grupos fundamentales:

˜Y       : aquellos cuya respuesta son un conjunto finito
de números, como las ecuaciones algebraicas, los determinantes, los problemas
de valores propios, etc.

˜Y        : problemas en cuya solución o planteamiento

intervienen elementos descritos por una cantidad infinita de números, como
integración y derivación numéricas, cálculo de ecuaciones diferenciales,
interpolación, etc.

  

      
 

Asimismo, existe una subclasificación de estos dos grandes apartados en tres categorías
de problemas, atendiendo a su naturaleza o motivación para el empleo del cálculo
numérico:

˜Y  Problemas de tal complejidad que no poseen solución analítica.

˜Y ½ Problemas en los cuales existe una solución analítica, pero ésta, por
complejidad u otros motivos, no puede explotarse de forma sencilla en la
práctica.

˜Y Ô Problemas para los cuales existen métodos sencillos pero que, para elementos
que se emplean en la práctica, requieren una cantidad de cálculos excesiva;
mayor que la necesaria para un método numérico.

     

El análisis numérico se divide en diferentes disciplinas de acuerdo con el problema a
resolver.

  

    
 

Uno de los problemas más sencillos es la evaluación de una función en un punto dado.
Para polinomios, uno de los métodos más utilizados es el algoritmo de Horner, ya que
reduce el número de operaciones a realizar. En general, es importante estimar y
controlar los errores de redondeo que se producen por el uso de la aritmética de punto
flotante.
    
  ! 
 "   

La interpolación resuelve el problema siguiente: dado el valor de una función

desconocida en un número de puntos, ¿cuál es el valor de la función en un punto entre
los puntos dados? El método más sencillo es la interpolación lineal, que asume que la
función desconocida es lineal entre cualquier par de puntos sucesivos. Este método
puede generalizarse a la interpolación polinómica, que suele ser más precisa pero que
sufre el llamado fenómeno de Runge. Otros métodos de interpolación usan otro tipo de
funciones interpoladoras dando lugar a la interpolación mediante splines y a la
interpolación trigonométrica. Otros métodos de interpolación utilizando derivadas
sucesivas de la función son mediante los polinomios de Taylor y la aproximación de
Padé.

La extrapolación es muy similar a la interpolación, excepto que ahora queremos

encontrar el valor de la función desconocida en un punto que no está comprendido entre
los puntos dados.

La regresión es también similar, pero tiene en cuenta que los datos son imprecisos.
Dados algunos puntos, y una medida del valor de la función en los mismos (con un error
debido a la medición), queremos determinar la función desconocida. El método de los
mínimos cuadrados es una forma popular de conseguirlo.

  # 
  

 "  

 

Otro problema fundamental es calcular la solución de una ecuación o sistema de

ecuaciones dado. Se distinguen dos casos dependiendo de si la ecuación o sistema de
ecuaciones es o no lineal. Por ejemplo, la ecuación ½Œ + ^ = Ô es lineal mientras que la
ecuación ½Œ½ + ^ = Ô no lo es.

Mucho esfuerzo se ha puesto en el desarrollo de métodos para la resolución de sistemas

de ecuaciones lineales. Métodos directos, i.e., métodos que utilizan alguna factorización
de la matriz son el método de eliminación de Gauss, la descomposición LU, la
descomposición de Cholesky para matrices simétricas (o hermíticas) definidas positivas,
y la descomposición QR. Métodos iterativos como el método de Jacobi, el método de
Gauss-Seidel, el método de las aproximaciones sucesivas y el método del gradiente
conjugado se utilizan frecuentemente para grandes sistemas.

En la resolución numérica de ecuaciones no lineales algunos de los métodos más

conocidos son los métodos de bisección, de la secante y de la falsa posición. Si la
función es además derivable y la derivada se conoce, el método de Newton es muy
utilizado. Este método es un método de iteración de punto fijo. La linealización es otra
técnica para resolver ecuaciones no lineales.

   

  
 "    

>astantes problemas importantes pueden ser expresados en términos de descomposición

espectral (el cálculo de los vectores y valores propios de una matriz) o de
descomposición en valores singulares. Por ejemplo, el análisis de componentes
principales utiliza la descomposición en vectores y valores propios.
  $
 

c
  u 

u u

u

Los problemas de optimización buscan el punto para el cual una función dada alcanza
su máximo o mínimo. A menudo, el punto también satisface cierta restricción.

Ejemplos de ,problemas de optimización son la programación lineal en que tanto la

función objetivo como las restricciones son lineales. Un método famoso de
programación lineal es el método simplex.

El método de los multiplicadores de Lagrange puede usarse para reducir los problemas
de optimización con restricciones a problemas sin restricciones.

  %
      

c
  u 

u   u

La integración numérica, también conocida como cuadratura numérica, busca calcular el

valor de una integral definida. Métodos populares utilizan alguna de las fórmulas de
Newton±Cotes (como la regla del rectángulo o la regla de Simpson) o de cuadratura
gaussiana. Estos métodos se basan en una estrategia de "divide y vencerás", dividiendo
el intervalo de integración en subintervalos y calculando la integral como la suma de las
integrales en cada subintervalo, pudiéndose mejorar posteriormente el valor de la
integral obtenido mediante el método de Romberg. Para el cálculo de integrales
múltiples estos métodos requieren demasiado esfuerzo computacional, siendo útil el
método de Monte Carlo.

  %

 
 

El análisis numérico también puede calcular soluciones aproximadas de ecuaciones

diferenciales, bien ecuaciones diferenciales ordinarias, bien ecuaciones en derivadas
parciales. Los métodos utilizados suelen basarse en discretizar la ecuación
correspondiente. Es útil ver la derivación numérica.

Para la resolución de ecuaciones diferenciales ordinarias los métodos más utilizados son
el método de Euler y los métodos de Runge-Kutta.

Las ecuaciones en derivadas parciales se resuelven primero discretizando la ecuación,

llevándola a un subespacio de dimensión finita. Esto puede hacerse mediante un método
de los elementos finitos.

  $   
  


˜Y Error de aproximación, error absoluto y error relativo
˜Y Orden de convergencia
˜Y Redondeo
˜Y Sistema de numeración
˜Y Truncamiento
Y