Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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.
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.
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 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:
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.
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.
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.
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.
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.