Sei sulla pagina 1di 1

La maggior parte dei metodi di soluzione forniti dall'analisi numerica sono fondate sull'algebra lineare o sulla costruzione di successioni

convergenti di numeri o funzioni. Non vanno peraltro trascurati i contributi della combinatorica e della geometria, come pure i collegamenti con i metodi probabilistici e fisico matematici. Alcuni problemi della matematica del continuo possono essere risolti con algoritmi che risolvono il problema in un numero finito (e possibilmente noto a priori) di passi, questi metodi sono detti metodi diretti. Un tipico esempio dato dal metodo di eliminazione di Gauss per risolvere i sistemi di equazioni lineari. Tuttavia, per la maggior parte dei problemi numerici non ci sono metodi diretti. In tali casi, spesso possibile usare un metodo iterativo. Un tale metodo inizia da un tentativo, e trova approssimazioni successive che sperabilmente convergono alla soluzione. Tipicamente, si scrive il problema della forma x=F(x) e si applica il teorema di punto fisso. Un classico esempio di algoritmo iterativo il metodo di Newton per calcolare gli zeri di una funzione. Anche quando esiste un metodo diretto, a volte preferibile un metodo iterativo perch pi efficiente o pi stabile, ad esempio quando si devono risolvere sistemi di equazioni lineari con migliaia di incognite.

Le applicazioni[modifica | modifica sorgente]


L'impatto sul mondo reale decisivo e sfata il luogo comune secondo il quale la matematica non avrebbe alcun fine pratico. Un esempio per tutti: l'algoritmo FFT (Trasformata veloce di Fourier), che uno dei successi dell'analisi numerica, alla base degli algoritmi ricostruttivi delle immagini di tomografia computerizzata e di risonanza magnetica, come di risoluzione di problemi della multimedialit (compressione JPEG di immagini, compressione MP3 di musica, compressione mpeg di filmati, campionamento e filtraggio di segnali, solo per citare i pi importanti). Ma gli algoritmi di analisi numerica sono applicati quotidianamente per risolvere molti altri problemi scientifici e tecnici. Ne sono esempi la progettazione di strutture come ponti e aeroplani, le previsioni meteorologiche, l'analisi di molecole (chimica computazionale). Gli algoritmi di analisi numerica sono anche alla base dei programmi di CAE, e quasi tutti i supercomputer sono costantemente impegnati a eseguire algoritmi di analisi numerica. L'efficienza degli algoritmi e della loro implementazione ha una grande importanza. Pertanto, un metodo euristico ma efficiente pu essere preferito a un metodo con una solida base teorica ma inefficiente, e i linguaggi di programmazione datati ma efficienti Fortran e C sono i pi usati. In generale, l'analisi numerica una scienza sia teorica che sperimentale. Infatti usa assiomi, teoremi e dimostrazioni, come il resto della matematica, ma usa anche i risultati empirici delle elaborazioni eseguite per studiare i metodi migliori per risolvere i problemi.