Análisis numérico

(Redirigido desde «Métodos numéricos»)

Ir a la navegaciónIr a la búsqueda

Tablilla de arcilla babilónica YBC 7289 (c. 1800-1600 aC) con anotaciones. La
aproximación de la raíz cuadrada de 2 son cuatro cifras sexagesimales, que son
aproximadamente seis cifras decimales: 1 + 24/60 + 51/602 + 10/603 = 1.41421296...1
El análisis numérico o cálculo numérico es la rama de las matemáticas encargada de
diseñar algoritmos para simular aproximaciones de solución a problemas en análisis
matemático. Se distingue del cómputo simbólico en que no manipula expresiones
algebraicas, sino números.

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 andamiaje

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.

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

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 representación,

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.

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 estos 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.

Por ejemplo, las ecuaciones diferenciales ordinarias aparecen en la mecánica

celeste para la predicción de los movimientos de planetas, estrellas y galaxias; el
álgebra lineal numérica es importante para el análisis de datos;234 Las ecuaciones
diferenciales estocásticass y las cadenas de Markovs son esenciales en la
simulación de células vivas para la medicina y la biología.

Antes de la llegada de los ordenadores modernos, los métodos numéricos dependían a

menudo de fórmulas de interpolación manuales aplicadas a los datos de grandes
tablas impresas. Desde mediados del siglo XX, los ordenadores calculan las
funciones necesarias en su lugar, pero muchas de las mismas fórmulas siguen
utilizándose, no obstante, como parte de los algoritmos del software.5
El punto de vista numérico se remonta a los primeros escritos matemáticos. Una
tablilla de la Colección Babilónica de Yale (YBC 7289), da una aproximación
numérica sexagesimal de la raíz cuadrada de 2, la longitud de la diagonal en un
cuadrado unitario.

El análisis numérico continúa esta larga tradición: en lugar de respuestas

simbólicas exactas, que sólo pueden aplicarse a las mediciones del mundo real
mediante la traducción a dígitos, da soluciones aproximadas dentro de límites de
error especificados.

Índice
1 Introducción general
1.1 Historia
1.2 Métodos directos e iterativos
1.2.1 Discretización e integración numérica
2 Problemas
2.1 Clasificación atendiendo a su naturaleza o motivación
3 Áreas de estudio
3.1 Cálculo de los valores de una función
3.2 Resolución de ecuaciones y sistemas de ecuaciones
3.3 Descomposición espectral y en valores singulares
3.4 Optimización
3.5 Evaluación de integrales
3.6 Ecuaciones diferenciales
4 Fuentes de error y su impacto
5 Otros temas de análisis numérico
6 Referencias
7 Bibliografía
8 Enlaces externos
8.1 En español
8.2 En inglés
8.3 Publicaciones
8.4 Textos on-line
8.5 Material del cursos on-line
Introducción general
El objetivo general del campo del análisis numérico es el diseño y análisis de
técnicas para dar soluciones aproximadas pero precisas a problemas difíciles, cuya
variedad se sugiere en lo siguiente:

Los métodos numéricos avanzados son esenciales para hacer viable la predicción
numérica del tiempo.
El cálculo de la trayectoria de una nave espacial requiere la solución numérica
precisa de un sistema de ecuaciones diferenciales ordinarias.
Las empresas automovilísticas pueden mejorar la seguridad de sus vehículos mediante
simulaciones por ordenador de accidentes de tráfico. Estas simulaciones consisten
esencialmente en la resolución numérica de ecuaciones diferenciales parciales.
Los fondos de cobertura (fondos de inversión privados) utilizan herramientas de
todos los campos del análisis numérico para intentar calcular el valor de las
acciones y los derivados con mayor precisión que otros participantes en el mercado.
Las aerolíneas utilizan sofisticados algoritmos de optimización para decidir el
precio de los billetes, la asignación de aviones y tripulaciones y las necesidades
de combustible. Históricamente, estos algoritmos se han desarrollado en el campo de
la investigación operativa.
Las compañías de seguros utilizan programas numéricos para el análisis actuarial.
El resto de esta sección esboza varios temas importantes del análisis numérico.

Historia
El campo del análisis numérico es anterior a la invención de los ordenadores
modernos en muchos siglos. La interpolación lineal ya se utilizaba hace más de 2000
años. Muchos grandes matemáticos del pasado se preocuparon por el análisis
numérico,5 como se desprende de los nombres de importantes algoritmos como el
método de Newton, el polinomio de interpolación de Lagrange, la eliminación
gaussiana o el método de Euler.

Para facilitar los cálculos a mano, se produjeron grandes libros con fórmulas y
tablas de datos como los puntos de interpolación y los coeficientes de las
funciones. Con estas tablas, a menudo calculadas con 16 decimales o más para
algunas funciones, se podían buscar valores para introducirlos en las fórmulas
dadas y conseguir muy buenas estimaciones numéricas de algunas funciones. El
trabajo canónico en este campo es la publicación del NIST editada por Abramowitz y
Stegun, un libro de más de 1000 páginas con un gran número de fórmulas y funciones
de uso común y sus valores en muchos puntos. Los valores de las funciones ya no son
muy útiles cuando se dispone de un ordenador, pero el gran listado de fórmulas
puede seguir siendo muy útil.

La calculadora mecánica también se desarrolló como herramienta de cálculo manual.

Estas calculadoras evolucionaron hasta convertirse en ordenadores electrónicos en
la década de 1940, y entonces se descubrió que estos ordenadores también eran
útiles para fines administrativos. Pero la invención del ordenador también influyó
en el campo del análisis numérico,5 ya que ahora se podían hacer cálculos más
largos y complicados.

Métodos directos e iterativos

Consideremos el problema de resolver

3x3 + 4 = 28
para la cantidad desconocida x.

Método directo
3x3 + 4 = 28.
Restar 4 3x3 = 24.
Dividir por 3 x3 = 8.
Hacer la raíz cúbica x = 2.
Para el método iterativo, apliquemos el método de bisección a f(x) = 3x3 − 24. Los
valores iniciales son: a = 0, b = 3, f(a) = −24, f(b) = 57.

Método iterativo
a b mid f(mid)
0 3 1.5 −13.875
1.5 3 2.25 10.17...
1.5 2.25 1.875 −4.22...
1.875 2.25 2.0625 2.32...
De esta tabla se puede concluir que la solución está entre 1,875 y 2,0625. El
algoritmo podría devolver cualquier número en ese rango con un error inferior a
0,2.

Discretización e integración numérica

Schumacher (Ferrari) in practice at USGP 2005.jpg
En una carrera de dos horas, la velocidad del coche se mide en tres instantes y se
registra en la siguiente tabla:

Tiempo 0:20 1:00 1:40

km/h 140 150 180
Una discretización sería decir que la velocidad del coche fue constante de 0:00 a
0:40, luego de 0:40 a 1:20 y finalmente de 1:20 a 2:00. Por ejemplo, la distancia
total recorrida en los primeros 40 minutos es aproximadamente (2/3 h × 140 km / h)
= 93,3 kilómetros. Esto nos permitiría estimar la distancia total recorrida como
93,3 kilómetros +100 km +120 km =313,3 km, que es un ejemplo de integración
numérica (véase más adelante) utilizando una suma de Riemann, porque el
desplazamiento es la integral de la velocidad.

Problema mal condicionado: Tómese la función f(x) = 1/(x − 1). Téngase en cuenta
que un cambio en x de menos de 0.1 se convierte en un cambio en f(1.1) = 10 y
f(1.001) = 1000, de casi 1000. Evaluar f (x) cerca de x = 1 es un problema mal
condicionado.

Problema bien condicionado: por el contrario, evaluar la misma función f(x) = 1/(x
− 1) cerca de x = 10 es un problema bien condicionado. Por ejemplo, f(10) = 1/9 ≈
0.111 y f(11) = 0.1, por lo que un cambio modesto en x conduce a un cambio modesto
en f (x).

Los métodos directos calculan la solución de un problema en un número finito de

pasos. Estos métodos darían la respuesta precisa si se realizaran en Aritmética de
precisión infinita. Algunos ejemplos son la eliminación gaussiana, el método de
factorización QR para resolver sistemas de ecuaciones lineales, y el método simplex
de programación lineal. En la práctica, se utiliza precisión finita y el resultado
es una aproximación de la solución verdadera (asumiendo estabilidad).

A diferencia de los métodos directos, no se espera que los métodos iterativos

terminen en un número finito de pasos. Partiendo de una conjetura inicial, los
métodos iterativos forman aproximaciones sucesivas que convergen a la solución
exacta sólo en el límite. Se especifica una prueba de convergencia, que a menudo
implica el residuo, para decidir cuándo se ha encontrado (con suerte) una solución
suficientemente exacta. Incluso utilizando aritmética de precisión infinita, estos
métodos no alcanzarían, en general, la solución en un número finito de pasos.
Algunos ejemplos son el método de Newton, el método de bisección y el método de
Jacobi. En el álgebra matricial computacional, los métodos iterativos son
generalmente necesarios para problemas grandes.6789

Los métodos iterativos son más comunes que los métodos directos en el análisis
numérico. Algunos métodos son directos en principio, pero suelen utilizarse como si
no lo fueran, por ejemplo, el GMRES y el método del gradiente conjugado. Para estos
métodos el número de pasos necesarios para obtener la solución exacta es tan grande
que se acepta una aproximación de la misma manera que para un método iterativo.

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

Problemas de dimensión finita: aquellos cuya respuesta son un conjunto finito de

números, como las ecuaciones algebraicas, los determinantes, los problemas de
valores propios, etc.
Problemas de dimensión infinita: 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.
Clasificación atendiendo a su naturaleza o motivación
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:

Problemas de tal complejidad que no poseen solución analítica.

Problemas en los cuales existe una solución analítica, pero ésta, por complejidad u
otros motivos, no puede explotarse de forma sencilla en la práctica.
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.
Áreas de estudio
El análisis numérico se divide en diferentes disciplinas de acuerdo con el problema
que resolver.

Cálculo de los valores de una función

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 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.

Resolución de ecuaciones y sistemas de ecuaciones

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 {\displaystyle 2x+5=3}2x+5=3 es
lineal mientras que la ecuación de segundo grado {\displaystyle 2x^{2}+5=3}2x^2+5=3
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.

Las ecuaciones algebraicas polinomiales poseen una gran cantidad de métodos

numéricos para enumerar :

Método de Gräeffe (o método de Lobachevsky o de Lobachevsky-Dandelin-Gräeffe o del

cuadrado de las raíces)
Método de Laguerre
Método de Bairstow (o método de Lin-Bairstow)
Método de Bernoulli
Método de Horner
Método de Householder
Método de Newton-Raphson especializado para polinomios
Método de Richmond especializado para polinomios
Método modificado de Richmond
Método de Newton-Horner
Método de Richmond-Horner
Método de Birge-Biète
Método de Jenkins-Traub
Descomposición espectral y en valores singulares
Bastantes 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.

Optimización
Artículo principal: Optimización (matemática)
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.

Evaluación de integrales
Artículo principal: Integración numérica
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.

Ecuaciones diferenciales
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.

Fuentes de error y su impacto

Los algoritmos de los métodos numéricos suelen implementarse por medio de
computadoras. Estas poseen algunas propiedades que causan fallas al emplearlas para
hallar la solución numérica de problemas matemáticos, entre las que se encuentran
las siguientes:10

Las computadoras son capaces de almacenar un número finito de dígitos, por lo que
no pueden almacenar el conjunto de los números reales en su totalidad para realizar
operaciones numéricas con estos. En cambio, cuentan con un subconjunto de los
números reales al cual se conoce como números de punto flotante o números de
máquina. Al error al que conlleva esta limitante se le llama error de redondeo.
Existen problemas que involucran muchos cálculos para su solución. En ocasiones,
las soluciones son sensibles a la precisión de los cálculos intermedios, en cuyo
caso se dice que las soluciones pueden haber sido perturbadas por los datos.
A mayor número de operaciones realizadas se tendrá un error de redondeo mayor. La
velocidad que proveen las computadoras para el procesamiento ha agilizado
significativamente la rapidez con la que se calculan operaciones. Sin embargo, la
propagación de errores de redondeo por los cálculos realizados por computadoras
puede derivar en la inestabilidad de los resultados arrojados por los algoritmos
programados en ellas.
Las fallas en los cálculos intermedios realizados por una computadora para arrojar
un resultado final son, con frecuencia, desconocidos para los programadores y muy
difíciles de detectar: la suma y el producto de números de punto flotante son
operaciones conmutativas, pero no son asociativas y tampoco distributivas. Al no
verificar estas dos propiedades de los números reales, el manejo de las operaciones
realizadas con números de punto flotante resulta una tarea complicada. Por otra
parte, el orden de las operaciones puede incidir en la precisión de los resultados
devueltos por la máquina, pues dos expresiones equivalentes en un sentido
algebraico pueden dar resultados distintos en el contexto de los números de
máquina.

Afortunadamente, existen algunas técnicas para prevenir y atacar el error de

redondeo. En11 se discuten algunas de las implicaciones de estas estrategias para
las operaciones básicas de suma, resta, multiplicación y división. También en11 se
discuten algunos estándares de punto flotante de la IEEE y las conexiones entre el
punto flotante y el diseño de sistemas computacionales.

El mejoramiento en la precisión de los números de punto flotante sigue siendo

motivo de estudio en nuestros días. En 2015, investigadores de la Universidad de
Washington desarrollaron una herramienta computacional a la que llamaron Herbie y
que «detecta automáticamente las transformaciones necesarias para que un programa
mejore su precisión».12 Herbie evalúa el error de una expresión de punto flotante e
identifica qué operaciones contribuyen de forma más significativa a la acumulación
de errores, luego genera alternativas para realizar estas operaciones y hace un
comparativo para finalmente determinar la expresión equivalente óptima (aquella que
minimiza el error) para corregir el programa.

El interés en asegurar cierto nivel de precisión en los resultados numéricos

provistos una computadora se debe a sus posibles repercusiones en la práctica. Por
ejemplo, en el ámbito académico se han dado casos de artículos de investigación en
los que el error de redondeo ha impedido que los resultados sean reproducibles y,
en ocasiones, este ha sido incluso motivo de rechazo para su publicación (13 y14).
Este tipo de error también ha permeado la regulación legal financiera de algunos
países12 y distorsionado índices del mercado bursátil.15

La limitante en la representación de números reales mediante el punto flotante

también tiene repercusiones en las gráficas generadas por medio de una computadora.
Cuando un número es menor a lo que se conoce como el épsilon de máquina, la
computadora es incapaz de representarlo. Esto puede hacer que las gráficas
asociadas a valores numéricos menores al épsilon presenten falsos comportamientos y
afectar la toma de decisiones basadas en ellas, con consecuencias insospechadas,
por ejemplo, al realizar pronósticos, área en la que la precisión juega un papel
crucial.16

Existen otros tipos de error en el contexto de los métodos numéricos que merecen
igual atención y cuidado. Errores de truncamiento y de conversión, entre otros, han
dado origen a múltiples catástrofes: la falla del misil Patriot, la explosión del
cohete Ariane 5, el hundimiento de la plataforma petrolera Sleipner son solo
algunos ejemplos de ello.17 De ahí la importancia de reconocer estas fuentes de
error para anticiparse a ellas y, en su caso, detectarlas y corregirlas.

Otros temas de análisis numérico

error de aproximación, error absoluto y error relativo
orden de convergencia
redondeo
sistema de numeración
truncamiento
Referencias
«Photograph, illustration, and description of the root(2) tablet from the Yale
Babylonian Collection». Archivado desde el original el 13 August 2012. Consultado
el 2 October 2006.
Demmel, J. W. (1997). Applied numerical linear algebra. SIAM.
Ciarlet, P. G., Miara, B., & Thomas, J. M. (1989). Introduction to numerical
linear algebra and optimization. Cambridge University Press.
Trefethen, Lloyd; Bau III, David (1997). Numerical Linear Algebra (1ª ed.).
Philadelphia: SIAM.
Brezinski, C., & Wuytack, L. (2012). Análisis numérico: Desarrollos históricos en
el siglo XX. Elsevier.
Saad, Y. (2003). Métodos iterativos para sistemas lineales dispersos. SIAM.
Hageman, L. A., & Young, D. M. (2012). Métodos iterativos aplicados. Courier
Corporation.
Traub, J. F. (1982). Métodos iterativos para la solución de ecuaciones. American
Mathematical Society.
Greenbaum, A. (1997). Métodos iterativos para la resolución de sistemas lineales.
SIAM.
Forsythe, George E. (1 de enero de 1970). «Pitfalls in Computation, or why a Math
Book isn't Enough». The American Mathematical Monthly 77 (9): 931-956.
doi:10.2307/2318109. Consultado el 2 de marzo de 2016.
Goldberg, David (1 de marzo de 1991). «What Every Computer Scientist Should Know
About Floating-point Arithmetic». ACM Comput. Surv. 23 (1): 5-48. ISSN 0360-0300.
doi:10.1145/103162.103163. Consultado el 2 de marzo de 2016.
Panchekha, Pavel; Sanchez-Stern, Alex; Wilcox, James R.; Tatlock, Zachary (1 de
enero de 2015). «Automatically Improving Accuracy for Floating Point Expressions».
Proceedings of the 36th ACM SIGPLAN Conference on Programming Language Design and
Implementation. PLDI 2015 (ACM): 1-11. ISBN 9781450334686.
doi:10.1145/2737924.2737959. Consultado el 2 de marzo de 2016.
Altman, Micah; Gill, Jeff; McDonald, Michael P. (15 de febrero de 2004). Numerical
Issues in Statistical Computing for the Social Scientist (en inglés). John Wiley &
Sons. ISBN 9780471475743. Consultado el 2 de marzo de 2016.
Altman, Micah; McDonald, Michael P. (1 de agosto de 2003). «Replication with
Attention to Numerical Accuracy». Political Analysis (en inglés) 11 (3): 302-307.
ISSN 1047-1987. doi:10.1093/pan/mpg016. Consultado el 2 de marzo de 2016.
McCullough, B. D.; Vinod, H. D. (1 de enero de 1999). «The Numerical Reliability
of Econometric Software». Journal of Economic Literature 37 (2): 633-665.
Consultado el 2 de marzo de 2016.
McCullough, B. D. (2000). «Is it safe to assume that software is accurate?».
International Journal of Forecasting 16 (3): 349-357.
«Computer Arithmetic Tragedies page of Kees Vuik». ta.twi.tudelft.nl. Consultado
el 2 de marzo de 2016.
Bibliografía
Golub, Gene H.; Charles F. Van Loan (1986). Matrix Computations (3rd edición).
Johns Hopkins University Press. ISBN 0-8018-5413-X.
Higham, Nicholas J. (1996). Accuracy and Stability of Numerical Algorithms. Society
for Industrial and Applied Mathematics. ISBN 0-89871-355-2. (requiere registro).
Hildebrand, F. B. (1974). Introduction to Numerical Analysis (2nd edición). McGraw-
Hill. ISBN 0-07-028761-9.
Leader, Jeffery J. (2004). Numerical Analysis and Scientific Computation. Addison
Wesley. ISBN 0-201-73499-0.
Wilkinson, J.H. (1965). The Algebraic Eigenvalue Problem. Clarendon Press.
(requiere registro).
Kahan, W. (1972). «A survey of error-analysis». Proc. IFIP Congress 71 in
LjubljanaInfo. Processing 71 2 (Amsterdam: North-Holland Publishing): 1214-39.
(examples of the importance of accurate arithmetic).
Trefethen, Lloyd N. (2006). "Numerical analysis", 20 pages. In: Timothy Gowers and
June Barrow-Green (editors), Princeton Companion of Mathematics, Princeton
University Press.
Enlaces externos
Wikimedia Commons alberga una categoría multimedia sobre Análisis numérico.
En español
Artículo sobre análisis numérico en la Enciclopedia libre universal en español
http://docencia.udea.edu.co/ingenieria/analisis-numerico/
http://mat21.etsii.upm.es/matesp/index.htm Archivado el 19 de noviembre de 2005 en
Wayback Machine.
Grupo de métodos numéricos en ingeniería (ETS Ingenieros de Caminos de la
Universidad de La Coruña)
Notas sobre métodos numéricos básicos para ingeniería
En inglés
wikibooks:Numerical Methods
Numerical analysis DMOZ category
Numerical Recipes Homepage - with free, complete downloadable books
Numerical Analysis Project by John H. Mathews
Alternatives to Numerical Recipes
The definition of numerical analysis
Publicaciones
gdz.sub.uni-goettingen, Numerische Mathematik, volumes 1-66, Springer, 1959-1994
(searchable; pages are images).
Numerische Mathematik, volumes 1–112, Springer, 1959–2009
Journal on Numerical Analysis, volumes 1-47, SIAM, 1964–2009
Textos on-line
Hazewinkel, Michiel, ed. (2001), «Numerical analysis», Encyclopaedia of Mathematics
(en inglés), Springer, ISBN 978-1556080104.
Numerical Recipes, William H. Press (free, downloadable previous editions)
First Steps in Numerical Analysis (archived), R.J.Hosking, S.Joe, D.C.Joyce, and
J.C.Turner
CSEP (Computational Science Education Project), U.S. Department of Energy (archived
2017-08-01)
Numerical Methods, ch 3. in the Digital Library of Mathematical Functions
Material del cursos on-line
Numerical Methods (enlace roto disponible en este archivo)., Stuart Dalziel
University of Cambridge
Lectures on Numerical Analysis, Dennis Deturck and Herbert S. Wilf University of
Pennsylvania
Numerical methods, John D. Fenton University of Karlsruhe
Numerical Methods for Physicists, Anthony O’Hare Oxford University
Lectures in Numerical Analysis (archived), R. Radok Mahidol University
Introduction to Numerical Analysis for Engineering, Henrik Schmidt Massachusetts
Institute of Technology
Numerical Analysis for Engineering, D. W. Harder University of Waterloo
Control de autoridades
Proyectos WikimediaWd Datos: Q11216Commonscat Multimedia: Numerical analysis
IdentificadoresBNF: 11930888x (data)GND: 4042805-9LCCN: sh85093237Diccionarios y
enciclopediasBritannica: url
Categorías: Análisis numéricoCiencias de la computación
Menú de navegación
No has accedido
Discusión
Contribuciones
Crear una cuenta
Acceder
ArtículoDiscusión
LeerEditarVer historial
Buscar
Buscar en Wikipedia
Portada
Portal de la comunidad
Actualidad
Cambios recientes
Páginas nuevas
Página aleatoria
Ayuda
Donaciones
Notificar un error
Herramientas
Lo que enlaza aquí
Cambios en enlazadas
Subir archivo
Páginas especiales
Enlace permanente
Información de la página
Citar esta página
Elemento de Wikidata
Imprimir/exportar
Crear un libro
Descargar como PDF
Versión para imprimir
En otros proyectos
Wikimedia Commons

En otros idiomas
‫العربية‬
English
हिन्दी
Bahasa Indonesia
Bahasa Melayu
Português
Русский
‫اردو‬
中文
77 más
Editar enlaces
Esta página se editó por última vez el 6 feb 2022 a las 19:24.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir
Igual 3.0; pueden aplicarse cláusulas adicionales. Al usar este sitio, usted acepta
nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una
organización sin ánimo de lucro.
Política de privacidadAcerca de WikipediaLimitación de responsabilidadVersión para
móvilesDesarrolladoresEstadísticasDeclaración de cookiesWikimedia FoundationPowered
by MediaWiki