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 algoritmo 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 métodos constructivos 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 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. El análisis numérico se divide en diferentes disciplinas de
acuerdo con el problema a 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.
Interpolación, extrapolación y regresión
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.
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 2x + 5 = 3 es lineal mientras que la ecuación 2x2 + 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.
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. 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.
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.
