Software de cómputo numérico.
Paquetes comerciales de Fortran
Paquetes de sofware comercial para cómputo numérico general.
NAG
El Grupo de Algoritmos numéricos (Numerical Algorithms Group) (NAG) ha desarrollado
una biblioteca de Fortran conteniendo alrededor de 1000 subrutinas accesibles al usuario para
resolver problemas generales de matemáticas aplicadas, incluyendo: ecuaciones diferenciales
ordinarias y parciales, transformada rápida de Fourier, cuadratura, álgebra lineal, ecuaciones no
lineales, ecuaciones integrales, y más.
IMSL
La biblioteca numérica de Fortran IMSL hecha por Visual Numerics, Inc. cubre muchas de las áreas
contenidas en la biblioteca NAG. También tiene soporte para analizar y presentar datos
estadísticos en aplicaciones científicas y de negocios
Numerical récipes: Los libros de Numerical Recipes in C/Fortran son muy populares entre los
ingenieros porque pueden ser usados como libro de cocina donde se puede encontrar una "receta
(recipe)" para resolver algún problema a mano. Sin embargo, el software correspondiente
de Numerical Recipes no es comparable en alcance o calidad al dado por NAG o IMSL.
Debe de mencionarse que todo el software listado anteriormente también esta disponible para el
lenguaje C (o al menos puede ser llamado desde C).
El programador sólo tiene que escribir una rutina pequeña (driver) para el problema particular que
tenga, porque el software para resolver las subtareas se encuentra ya disponible. De esta forma la
gente no tiene que reinventar la rueda una y otra vez.
Matlab
( MATrix LABoratory, "laboratorio de matrices") es un software matemático que ofrece un entorno
de desarrollo integrado (IDE) con un lenguaje de programación propio (lenguaje M). Está
disponible para las plataformas Unix, Windows y Apple Mac OS X.
Entre sus prestaciones básicas se hallan: la manipulación de matrices, la representación de datos y
funciones, la implementación de algoritmos, la creación de interfaces de usuario (GUI) y la
comunicación con programas en otros lenguajes y con otros dispositivos hardware. El paquete
MATLAB dispone de dos herramientas adicionales que expanden sus prestaciones, a saber,
Simulink (plataforma de simulación multidominio) y GUIDE (editor de interfaces de usuario - GUI).
Además, se pueden ampliar las capacidades de MATLAB con las cajas de herramientas (toolboxes);
y las de Simulink con los paquetes de bloques (blocksets).
Es un software muy usado en universidades y centros de investigación y desarrollo. En los últimos
años ha aumentado el número de prestaciones, como la de programar directamente procesadores
digitales de señal o crear código VHDL.
1.5 Métodos iterativos.
Trata de resolver un problema (como una ecuación o un sistema de ecuaciones) mediante
aproximaciones sucesivas a la solución, empezando desde una estimación inicial.
Considere el problema de encontrar una raíz a una ecuación cuadrática, por ejemplo:
f(x) = x2 − x − 2 = 0
Un método directo para resolverlo es aplicar la fórmula general
Un método iterativo consta de los siguientes pasos.
1. inicia con una solución aproximada (Semilla).
2. ejecuta una serie de cálculos para obtener o construir una mejor aproximación partiendo de la
aproximación semilla. La fórmula que permite construir la aproximación usando otra se conoce
como ecuación de recurrencia.
Esta aproximación contrasta con los métodos directos, que tratan de resolver el problema de una
sola vez (como resolver un sistema de ecuaciones Ax=bencontrando la inversa de la matriz A). Los
métodos iterativos son útiles para resolver problemas que involucran un número grande de
variables (a veces del orden de millones), donde los métodos directos tendrían un coste
prohibitivo incluso con la potencia del mejor computador disponible.
Ventajas y Desventajas:
Un elemento en contra que tienen los métodos iterativos sobre los métodos directos es que
calculan aproximaciones a la solución. Los métodos iterativos se usan cuando no se conoce un
método para obtener la solución en forma exacta. También se utilizan cuando el método para
determinar la solución exacta requiere mucho tiempo de cálculo, cuando una respuesta
aproximada es adecuada, y cuando el número de iteraciones es relativamente reducido.
Puntos fijos atractivos
Si una ecuación puede ponerse en la forma f(x) = x, y una solución x es un punto fijo atractivo de
la función f, entonces puede empezar con un punto x1 en la base de atracción de x, y sea xn+1 = f(xn)
para n ≥ 1, y la secuencia {xn}n ≥ 1 convergerá a la solución x.
Sistemas lineales
En el caso de un sistema lineal de ecuaciones, las dos clases principales de métodos iterativos son
los métodos iterativos estacionarios y los más generales métodos del subespacio de krylov
Métodos iterativos estacionarios
Los métodos iterativos estacionarios resuelven un sistema lineal con un operador que se aproxima
al original; y basándose en la medida de error (el residuo), desde una ecuación de corrección para
la que se repite este proceso. Mientras que estos métodos son sencillos de derivar, implementar y
analizar, la convergencia normalmente sólo está garantizada para una clase limitada de matrices.
Métodos del subespacio de Krylov
Los métodos del subespacio de Krylov forman una base ortogonal de la secuencia de potencias de
la matriz por el residuo inicial (la secuencia de Krylov). Las aproximaciones a la solución se forman
minimizando el residuo en el subespacio formado. El método prototípico de esta clase es
el método del gradiente conjugado. Otros métodos son el método del
residuo mínimo generalizado y el método del gradiente biconjugado.
Convergencia
Dado que estos métodos forman una base, el método converge en N iteraciones, donde N es el
tamaño del sistema. Sin embargo, en la presencia de errores de redondeo esta afirmación no se
sostiene; además, en la práctica N puede ser muy grande, y el proceso iterativo alcanza una
precisión suficiente mucho antes. El análisis de estos métodos es difícil, dependiendo de lo
complicada que sea la función del espectro del operador.
Pre condicionante
El operador aproximativo que aparece en los métodos iterativos estacionarios puede incorporarse
también en los métodos del subespacio de Krylov, donde se pasan de ser transformaciones del
operador original a un operador mejor condicionado. La construcción de precondicionadores es un
área de investigación muy extensa.
El método Jacobi es el método iterativo para resolver sistemas de ecuaciones lineales más simple y
se aplica
sólo a sistemas cuadrados, es decir a sistemas con tantas incógnitas como ecuaciones.
1. Primero se determina la ecuación de recurrencia. Para ello se ordenan las ecuaciones y las
incógnitas. De la ecuación i se despeja la incógnita i. En notación matricial se escribirse como:
x = c + Bx (1)
Donde x es el vector de incógnitas.
2. Se toma una aproximación para las soluciones
3. Se itera en el ciclo que cambia la aproximación
xi+1 = c + Bxi (2)
https://sites.google.com/site/metnumvmc/unidad-i-2
