El análisis numérico diseña y estudia algoritmos que calculan respuestas aproximadas a problemas continuos: resolver ecuaciones, integrar, ajustar curvas, simular la física. Las computadoras usan precisión finita, así que todo resultado lleva error. El campo enseña a controlar ese error y a saber cuándo se puede confiar en una respuesta.
Conceptos clave
- Coma flotante: números guardados con precisión limitada, de modo que el redondeo, la cancelación y el desbordamiento forman parte de todo cálculo.
- Condicionamiento y estabilidad: un problema puede ser sensible a cambios pequeños en su entrada; un algoritmo puede amplificar los errores de redondeo.
- Búsqueda de raíces: bisección, el método de Newton y el de la secante, y la rapidez con que converge cada uno.
- Sistemas lineales: métodos directos como LU y métodos iterativos para sistemas grandes y dispersos.
- Integración y ecuaciones diferenciales: reglas de cuadratura, y pasos de Euler y Runge-Kutta con sus órdenes de error.
Vocabulario
- Épsilon de máquina: la distancia entre 1 y el siguiente número representable, una medida de la precisión.
- Error de truncamiento y de redondeo: el error de la fórmula y el de la aritmética finita.
- Orden de convergencia: lo rápido que se encoge el error en cada paso.
- Problema rígido: una ecuación diferencial cuyas partes rápidas y lentas obligan a dar pasos minúsculos con los métodos simples.
Qué estudiar, en orden
- Explora la coma flotante: suma 0,1 muchas veces y busca dónde duele la cancelación.
- Implementa la bisección y el método de Newton, y dibuja el error por iteración.
- Resuelve sistemas lineales con eliminación y pivoteo; mira qué pasa sin pivoteo.
- Integra numéricamente con las reglas del trapecio y de Simpson y mide el orden del error.
- Resuelve una ecuación diferencial ordinaria con Euler y Runge-Kutta y compárala con la respuesta exacta.
Etiquetas relacionadas
#linear-algebra #simulation #computational-science #optimization #julia