Proceso sistemático de modificar parámetros, observables o funcionales en un modelo para eliminar divergencias o cantidades mal definidas y producir cantidades efectivas finitas dependientes de la escala, normalmente introduciendo una regularización, restando las partes divergentes (contratermos) y definiendo parámetros renormalizados.

Principio

Las divergencias indican sensibilidad a estructuras de pequeña o gran escala descuidadas; la renormalización separa las piezas singulares dependientes de la escala de los observables finitos, redefine parámetros para absorber infinitos y sigue cómo cambian las descripciones efectivas con la escala (flujo del grupo de renormalización).

Demostración

En cálculos de campo cuántico, una integral de lazo divergente se regulariza (recorte, regularización dimensional), se elige un contratermo para cancelar el polo y las constantes de acoplamiento físicas se definen a una escala de renormalización μ; la variación del acoplamiento con μ sigue de la ecuación del grupo de renormalización.

Aplicación incorrecta

Sustraer divergencias de modo ad hoc sin especificar un esquema o escala de renormalización, o suponer que la renormalización elimina toda sensibilidad a la física de pequeña escala en lugar de reexpresarla en parámetros efectivos dependientes de la escala; o confundir regularización con resolver el modelo mal planteado.

Consecuencia

La renormalización produce cantidades predictivas finitas, aclara qué parámetros son medibles físicamente, genera ecuaciones de flujo que codifican clases de universalidad y permite construir teorías efectivas válidas a escalas dadas controlando errores de escalas omitidas.

Inversión

Dejar las divergencias sin tratar (eliminación ingenua del recorte) o confiar solo en manipulaciones formales que ignoren la dependencia de escala conduce a predicciones mal definidas; a la inversa, regularizaciones finitas exactas sin redefinición de parámetros pueden cambiar el contenido del modelo en lugar de extraer su comportamiento efectivo.

Límite

Se aplica cuando las contribuciones divergentes pueden aislarse y absorberse mediante la redefinición de un número finito de parámetros (casos renormalizables) o tratarse en sentido de teoría efectiva; no es aplicable cuando las divergencias son esenciales para la formulación del modelo o no pueden relacionarse con desplazamientos de parámetros.

Tensión semántica

Existe tensión entre la renormalización como procedimiento pragmático de resta y redefinición y como proceso límite matemáticamente riguroso: las elecciones de esquema y escala introducen artefactos, y distinguir predicciones físicas de cantidades dependientes del esquema es central.

Síntesis

La renormalización es la extracción disciplinada de observables finitos y conscientes de la escala de modelos con divergencias: regularizar para revelar la estructura singular, absorber las partes singulares en parámetros redefinidos y estudiar la dependencia de escala resultante para obtener descripciones efectivas predictivas y universales.