Anda di halaman 1dari 6

An�lisis num�rico

Ir a la navegaci�n
Ir a la b�squeda

El an�lisis num�rico o c�lculo num�rico es la rama de las matem�ticas encargada de


dise�ar algoritmos para, a trav�s de n�meros y reglas matem�ticas simples, simular
procesos matem�ticos m�s complejos aplicados a procesos del mundo real.

El an�lisis num�rico cobra especial importancia con la llegada de los ordenadores.


Los ordenadores son �tiles para c�lculos matem�ticos extremadamente complejos, pero
en �ltima instancia operan con n�meros binarios y operaciones matem�ticas simples.

Desde este punto de vista, el an�lisis num�rico proporcionar� todo el andamiaje


necesario para llevar a cabo todos aquellos procedimientos matem�ticos susceptibles
de expresarse algor�tmicamente, bas�ndose en algoritmos que permitan su simulaci�n
o c�lculo en procesos m�s sencillos empleando n�meros.

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


de los algoritmos. Muchas de las operaciones matem�ticas pueden llevarse adelante a
trav�s de la generaci�n de una serie de n�meros que a su vez alimentan de nuevo el
algoritmo (feedback). Esto proporciona un poder de c�lculo y refinamiento
important�simo a la m�quina que a medida que va completando un ciclo va llegando a
la soluci�n. El problema ocurre en determinar hasta cu�ndo deber� continuar con el
ciclo, o si nos estamos alejando de la soluci�n del problema.

Finalmente, otro concepto paralelo al an�lisis num�rico es el de la representaci�n,


tanto de los n�meros como de otros conceptos matem�ticos como los vectores,
polinomios, etc. Por ejemplo, para la representaci�n en ordenadores de n�meros
reales, se emplea el concepto de coma flotante que dista mucho del empleado por la
matem�tica convencional.

En general, estos m�todos se aplican cuando se necesita un valor num�rico como


soluci�n a un problema matem�tico, y los procedimientos "exactos" o "anal�ticos"
(manipulaciones algebraicas, teor�a de ecuaciones diferenciales, m�todos de
integraci�n, etc.) son incapaces de dar una respuesta. Debido a ello, son
procedimientos de uso frecuente por f�sicos e ingenieros, y cuyo desarrollo se ha
visto favorecido por la necesidad de �stos de obtener soluciones, aunque la
precisi�n no sea completa. Debe recordarse que la f�sica experimental, por ejemplo,
nunca arroja valores exactos sino intervalos que engloban la gran mayor�a de
resultados experimentales obtenidos, ya que no es habitual que dos medidas del
mismo fen�meno arrojen valores exactamente iguales.
�ndice

1 Problemas
1.1 Clasificaci�n atendiendo a su naturaleza o motivaci�n
2 �reas de estudio
2.1 C�lculo de los valores de una funci�n
2.2 Resoluci�n de ecuaciones y sistemas de ecuaciones
2.3 Descomposici�n espectral y en valores singulares
2.4 Optimizaci�n
2.5 Evaluaci�n de integrales
2.6 Ecuaciones diferenciales
3 Fuentes de error y su impacto
4 Otros temas de an�lisis num�rico
5 Referencias
6 Enlaces externos
6.1 En espa�ol
6.2 En ingl�s
Problemas

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

Problemas de dimensi�n finita: aquellos cuya respuesta son un conjunto finito


de n�meros, como las ecuaciones algebraicas, los determinantes, los problemas de
valores propios, etc.

Problemas de dimensi�n infinita: problemas en cuya soluci�n o planteamiento


intervienen elementos descritos por una cantidad infinita de n�meros, como
integraci�n y derivaci�n num�ricas, c�lculo de ecuaciones diferenciales,
interpolaci�n, etc.

Clasificaci�n atendiendo a su naturaleza o motivaci�n

Asimismo, existe una subclasificaci�n de estos dos grandes apartados en tres


categor�as de problemas, atendiendo a su naturaleza o motivaci�n para el empleo del
c�lculo num�rico:

Problemas de tal complejidad que no poseen soluci�n anal�tica.


Problemas en los cuales existe una soluci�n anal�tica, pero �sta, por
complejidad u otros motivos, no puede explotarse de forma sencilla en la pr�ctica.
Problemas para los cuales existen m�todos sencillos pero que, para elementos
que se emplean en la pr�ctica, requieren una cantidad de c�lculos excesiva; mayor
que la necesaria para un m�todo num�rico.

�reas de estudio

El an�lisis num�rico se divide en diferentes disciplinas de acuerdo con el problema


que resolver.
C�lculo de los valores de una funci�n

Uno de los problemas m�s sencillos es la evaluaci�n de una funci�n en un punto


dado. Para polinomios, uno de los m�todos m�s utilizados es el algoritmo de Horner,
ya que reduce el n�mero de operaciones a realizar. En general, es importante
estimar y controlar los errores de redondeo que se producen por el uso de la
aritm�tica de punto flotante.

La extrapolaci�n es muy similar a la interpolaci�n, excepto que ahora queremos


encontrar el valor de la funci�n desconocida en un punto que no est� comprendido
entre los puntos dados.

La regresi�n es tambi�n similar, pero tiene en cuenta que los datos son imprecisos.
Dados algunos puntos, y una medida del valor de la funci�n en los mismos (con un
error debido a la medici�n), queremos determinar la funci�n desconocida. El m�todo
de los m�nimos cuadrados es una forma popular de conseguirlo.
Resoluci�n de ecuaciones y sistemas de ecuaciones

Otro problema fundamental es calcular la soluci�n de una ecuaci�n o sistema de


ecuaciones dado. Se distinguen dos casos dependiendo de si la ecuaci�n o sistema de
ecuaciones es o no lineal. Por ejemplo, la ecuaci�n 2 x + 5 = 3 {\displaystyle
2x+5=3} 2x+5=3 es lineal mientras que la ecuaci�n de segundo grado 2 x 2 + 5 = 3
{\displaystyle 2x^{2}+5=3} 2x^2+5=3 no lo es.

Mucho esfuerzo se ha puesto en el desarrollo de m�todos para la resoluci�n de


sistemas de ecuaciones lineales. M�todos directos, i.e., m�todos que utilizan
alguna factorizaci�n de la matriz son el m�todo de eliminaci�n de Gauss, la
descomposici�n LU, la descomposici�n de Cholesky para matrices sim�tricas (o
herm�ticas) definidas positivas, y la descomposici�n QR. M�todos iterativos como el
m�todo de Jacobi, el m�todo de Gauss-Seidel, el m�todo de las aproximaciones
sucesivas y el m�todo del gradiente conjugado se utilizan frecuentemente para
grandes sistemas.

En la resoluci�n num�rica de ecuaciones no lineales algunos de los m�todos m�s


conocidos son los m�todos de bisecci�n, de la secante y de la falsa posici�n. Si la
funci�n es adem�s derivable y la derivada se conoce, el m�todo de Newton es muy
utilizado. Este m�todo es un m�todo de iteraci�n de punto fijo. La linealizaci�n es
otra t�cnica para resolver ecuaciones no lineales.

Las ecuaciones algebraicas polinomiales poseen una gran cantidad de m�todos


num�ricos para enumerar :

M�todo de Gr�effe (o m�todo de Lobachevsky o de Lobachevsky-Dandelin-Gr�effe o


del cuadrado de las ra�ces)

M�todo de Laguerre

M�todo de Bairstow (o m�todo de Lin-Bairstow)

M�todo de Bernoulli

M�todo de Horner

M�todo de Householder

M�todo de Newton-Raphson especializado para polinomios

M�todo de Richmond especializado para polinomios

M�todo modificado de Richmond

M�todo de Newton-Horner

M�todo de Richomnd-Horner

M�todo de Birge-Bi�te

M�todo de Jenkins-Traub

Descomposici�n espectral y en valores singulares

Bastantes problemas importantes pueden ser expresados en t�rminos de descomposici�n


espectral (el c�lculo de los vectores y valores propios de una matriz) o de
descomposici�n en valores singulares. Por ejemplo, el an�lisis de componentes
principales utiliza la descomposici�n en vectores y valores propios.
Optimizaci�n
Art�culo principal: Optimizaci�n (matem�tica)

Los problemas de optimizaci�n buscan el punto para el cual una funci�n dada alcanza
su m�ximo o m�nimo. A menudo, el punto tambi�n satisface cierta restricci�n.

Ejemplos de, problemas de optimizaci�n son la programaci�n lineal en que tanto la


funci�n objetivo como las restricciones son lineales. Un m�todo famoso de
programaci�n lineal es el m�todo simplex.

El m�todo de los multiplicadores de Lagrange puede usarse para reducir los


problemas de optimizaci�n con restricciones a problemas sin restricciones.
Evaluaci�n de integrales
Art�culo principal: Integraci�n num�rica

La integraci�n num�rica, tambi�n conocida como cuadratura num�rica, busca calcular


el valor de una integral definida. M�todos populares utilizan alguna de las
f�rmulas de Newton�Cotes (como la regla del rect�ngulo o la regla de Simpson) o de
cuadratura gaussiana. Estos m�todos se basan en una estrategia de "divide y
vencer�s", dividiendo el intervalo de integraci�n en subintervalos y calculando la
integral como la suma de las integrales en cada subintervalo, pudi�ndose mejorar
posteriormente el valor de la integral obtenido mediante el m�todo de Romberg. Para
el c�lculo de integrales m�ltiples estos m�todos requieren demasiado esfuerzo
computacional, siendo �til el m�todo de Monte Carlo.
Ecuaciones diferenciales

El an�lisis num�rico tambi�n puede calcular soluciones aproximadas de ecuaciones


diferenciales, bien ecuaciones diferenciales ordinarias, bien ecuaciones en
derivadas parciales. Los m�todos utilizados suelen basarse en discretizar la
ecuaci�n correspondiente. Es �til ver la derivaci�n num�rica.

Para la resoluci�n de ecuaciones diferenciales ordinarias los m�todos m�s


utilizados son el m�todo de Euler y los m�todos de Runge-Kutta.

Las ecuaciones en derivadas parciales se resuelven primero discretizando la


ecuaci�n, llev�ndola a un subespacio de dimensi�n finita. Esto puede hacerse
mediante un m�todo de los elementos finitos.
Fuentes de error y su impacto

Los algoritmos de los m�todos num�ricos suelen implementarse por medio de


computadoras. Estas poseen algunas propiedades que causan fallas al emplearlas para
hallar la soluci�n num�rica de problemas matem�ticos, entre las que se encuentran
las siguientes:1?

Las computadoras son capaces de almacenar un n�mero finito de d�gitos, por lo


que no pueden almacenar el conjunto de los n�meros reales en su totalidad para
realizar operaciones num�ricas con estos. En cambio, cuentan con un subconjunto de
los n�meros reales al cual se conoce como n�meros de punto flotante o n�meros de
m�quina. Al error al que conlleva esta limitante se le llama error de redondeo.
Existen problemas que involucran muchos c�lculos para su soluci�n. En
ocasiones, las soluciones son sensibles a la precisi�n de los c�lculos intermedios,
en cuyo caso se dice que las soluciones pueden haber sido perturbadas por los
datos.
A mayor n�mero de operaciones realizadas se tendr� 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
propagaci�n de errores de redondeo por los c�lculos realizados por computadoras
puede derivar en la inestabilidad de los resultados arrojados por los algoritmos
programados en ellas.

Las fallas en los c�lculos intermedios realizados por una computadora para arrojar
un resultado final son, con frecuencia, desconocidos para los programadores y muy
dif�ciles de detectar: la suma y el producto de n�meros de punto flotante son
operaciones conmutativas, pero no son asociativas y tampoco distributivas. Al no
verificar estas dos propiedades de los n�meros reales, el manejo de las operaciones
realizadas con n�meros de punto flotante resulta una tarea complicada. Por otra
parte, el orden de las operaciones puede incidir en la precisi�n de los resultados
devueltos por la m�quina, pues dos expresiones equivalentes en un sentido
algebraico pueden dar resultados distintos en el contexto de los n�meros de
m�quina.

Afortunadamente, existen algunas t�cnicas para prevenir y atacar el error de


redondeo. En2? se discuten algunas de las implicaciones de estas estrategias para
las operaciones b�sicas de suma, resta, multiplicaci�n y divisi�n. Tambi�n en2? se
discuten algunos est�ndares de punto flotante de la IEEE y las conexiones entre el
punto flotante y el dise�o de sistemas computacionales.

El mejoramiento en la precisi�n de los n�meros de punto flotante sigue siendo


motivo de estudio en nuestros d�as. En 2015, investigadores de la Universidad de
Washington desarrollaron una herramienta computacional a la que llamaron Herbie y
que "detecta autom�ticamente las transformaciones necesarias para que un programa
mejore su precisi�n" .3? Herbie eval�a el error de una expresi�n de punto flotante
e identifica qu� operaciones contribuyen de forma m�s significativa a la
acumulaci�n de errores, luego genera alternativas para realizar estas operaciones y
hace un comparativo para finalmente determinar la expresi�n equivalente �ptima
(aquella que minimiza el error) para corregir el programa.

El inter�s en asegurar cierto nivel de precisi�n en los resultados num�ricos


provistos una computadora se debe a sus posibles repercusiones en la pr�ctica. Por
ejemplo, en el �mbito acad�mico se han dado casos de art�culos de investigaci�n en
los que el error de redondeo ha impedido que los resultados sean reproducibles y,
en ocasiones, �ste ha sido incluso motivo de rechazo para su publicaci�n (4? y5?).
Este tipo de error tambi�n ha permeado la regulaci�n legal financiera de algunos
pa�ses3? y distorsionado �ndices del mercado burs�til.6?

La limitante en la representaci�n de n�meros reales mediante el punto flotante


tambi�n tiene repercusiones en las gr�ficas generadas por medio de una computadora.
Cuando un n�mero es menor a lo que se conoce como el �psilon de m�quina, la
computadora es incapaz de representarlo. Esto puede provocar que las gr�ficas
asociadas a valores num�ricos menores al �psilon presenten falsos comportamientos y
afectar la toma de decisiones basadas en ellas, con consecuencias insospechadas,
por ejemplo, al realizar pron�sticos, �rea en la que la precisi�n juega un papel
crucial.7?

Existen otros tipos de error en el contexto de los m�todos num�ricos que merecen
igual atenci�n y cuidado. Errores de truncamiento y de conversi�n, entre otros, han
dado origen a m�ltiples cat�strofes: la falla del misil Patriot, la explosi�n del
cohete Ariane 5, el hundimiento de la plataforma petrolera Sleipner son s�lo
algunos ejemplos de ello.8? De ah� la importancia de reconocer estas fuentes de
error para anticiparse a ellas y, en su caso, detectarlas y corregirlas.
Otros temas de an�lisis num�rico

Error de aproximaci�n, error absoluto y error relativo


Orden de convergencia
Redondeo
Sistema de numeraci�n
Truncamiento

Referencias
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 ingl�s). 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 ingl�s) 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.

Enlaces externos

Wikimedia Commons alberga una categor�a multimedia sobre An�lisis num�rico.

En espa�ol

Art�culo sobre an�lisis num�rico en la Enciclopedia libre universal en espa�ol


http://docencia.udea.edu.co/ingenieria/analisis-numerico/
http://mat21.etsii.upm.es/matesp/index.htm (enlace roto disponible en Internet
Archive; v�ase el historial y la �ltima versi�n).
Grupo de m�todos num�ricos en ingenier�a (ETS Ingenieros de Caminos de la
Universidad de A Coru�a)
Notas sobre m�todos num�ricos b�sicos para ingenier�a

En ingl�s

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

Anda mungkin juga menyukai