Condicionamiento y estabilidad numérica
El condicionamiento mide la sensibilidad de la solución de un problema a las perturbaciones en sus datos, mientras que la estabilidad mide cuánto error añade un algoritmo particular en la aritmética de precisión finita; juntos determinan la precisión de un resultado calculado.
Definition
El condicionamiento es una propiedad intrínseca de un problema que describe cómo su solución exacta responde a las perturbaciones de la entrada, mientras que la estabilidad numérica es una propiedad de un algoritmo que describe con qué fidelidad resuelve el problema a pesar de los errores de redondeo.
Scope
Este tema cubre la aritmética de punto flotante y el error de redondeo unitario, el número de condición de problemas como la resolución de sistemas lineales y la evaluación de funciones, el error hacia adelante y hacia atrás, la regla general de que el error hacia adelante está acotado por el número de condición multiplicado por el error hacia atrás, y las definiciones de estabilidad hacia atrás y hacia adelante.
Core questions
- ¿Cómo se modela la aritmética de punto flotante y cuál es el papel del error de redondeo unitario?
- ¿Qué cuantifica el número de condición de un problema y cómo se define para sistemas lineales y para la evaluación de funciones?
- ¿Cómo se relacionan el error hacia adelante, el error hacia atrás y el condicionamiento?
- ¿Qué distingue un algoritmo estable hacia atrás de uno estable hacia adelante, y por qué la estabilidad hacia atrás es el objetivo habitual?
Key theories
- Número de condición
- El número de condición es el factor por el cual las perturbaciones relativas en los datos pueden amplificarse en la solución; para un sistema lineal es igual a la norma de la matriz multiplicada por la norma de la inversa, y establece un límite en la precisión alcanzable independientemente del algoritmo.
- Análisis de error hacia atrás
- En lugar de acotar directamente el error en la respuesta, se demuestra que el resultado calculado es la respuesta exacta a un problema cercano; un algoritmo es estable hacia atrás cuando este problema cercano difiere del original en una cantidad del orden del error de redondeo unitario.
- El error hacia adelante es igual al número de condición multiplicado por el error hacia atrás
- La regla general central del análisis numérico establece que el error hacia adelante (de la solución) está acotado aproximadamente por el número de condición del problema multiplicado por el error hacia atrás, separando claramente las contribuciones del problema y del algoritmo.
Mechanisms
Los números de punto flotante representan números reales con precisión finita, por lo que cada operación elemental incurre en un error relativo acotado por el error de redondeo unitario. El análisis de error hacia atrás rastrea estos errores atribuyéndolos a perturbaciones de los datos en lugar del resultado, produciendo límites de la forma: la respuesta calculada es igual a la respuesta exacta de una entrada perturbada. La combinación de un límite de error hacia atrás con el número de condición del problema produce una estimación del error hacia adelante, lo que explica por qué un algoritmo estable aún puede perder precisión en un problema mal condicionado.
Clinical relevance
La comprensión del condicionamiento y la estabilidad es esencial siempre que los resultados calculados deban ser confiables: explica por qué algunas formulaciones de mínimos cuadrados pierden precisión, guía la elección de algoritmos estables y formulaciones bien planteadas en la simulación y el análisis de datos, y advierte cuando un modelo mal condicionado no puede producir una respuesta fiable independientemente del método utilizado.
History
El marco conceptual fue establecido por Wilkinson, cuyo análisis de error hacia atrás en la década de 1960 explicó la fiabilidad práctica de la eliminación gaussiana, y fue posteriormente sistematizado y extendido a todo el campo por Higham; el estándar de punto flotante IEEE 754 posteriormente estableció el comportamiento de redondeo sobre una base firme y portátil.
Key figures
- James H. Wilkinson
- Nicholas J. Higham
- Lloyd N. Trefethen
- William Kahan
Related topics
Seminal works
- trefethen1997
- higham2002
Frequently asked questions
- ¿Si un algoritmo es estable, siempre dará una respuesta precisa?
- No. Un algoritmo estable hacia atrás solo garantiza que su respuesta es exacta para un problema cercano; si el problema en sí está mal condicionado, ese problema cercano puede tener una solución muy diferente, por lo que el error hacia adelante aún puede ser grande.
- ¿Qué es el error de redondeo unitario?
- El error de redondeo unitario es el error relativo máximo incurrido cuando un número real se redondea al número de punto flotante más cercano; establece la granularidad de la aritmética de punto flotante y aparece en esencialmente cada límite de estabilidad.