Anlisis Numrico

1
1. ERRORES DE REDONDEO Y ESTABILIDAD

Qu es un mtodo numrico? Un mtodo numrico es un procedimiento mediante el cual se
obtiene, casi siempre de manera aproximada, la solucin de ciertos problemas realizando clculos
puramente aritmticos y lgicos (operaciones aritmticas elementales, clculo de funciones,
consulta de una tabla de valores, clculo proposicional, etc.). Un tal procedimiento consiste de
una lista finita de instrucciones precisas que especifican una secuencia de operaciones algebraicas
y lgicas (algoritmo), que producen o bien una aproximacin de la solucin del problema (solucin
numrica) o bien un mensaje. La eficiencia en el clculo de dicha aproximacin depende, en parte,
de la facilidad de implementacin del algoritmo y de las caractersticas especiales y limitaciones
de los instrumentos de clculo (los computadores). En general, al emplear estos instrumentos de
clculo se introducen errores llamados de redondeo.


1.1. ARITMTICA FINITA. Siendo los computadores la herramienta bsica en los mtodos
numricos es conveniente indicar cmo son los nmeros del computador y cmo se simula su
aritmtica. La mayora de los computadores usan slo un subconjunto finito, relativamente
pequeo, de los nmeros reales para representar a "todos" los nmeros reales; este conjunto,
que slo contiene nmeros racionales y que describiremos ms adelante, es llamado conjunto de
nmeros de punto flotante o conjunto de nmeros de mquina en punto flotante o simplemente
conjunto de punto flotante. Cada nmero del computador se representa mediante un nmero
finito de dgitos (aritmtica finita), segn se indica a continuacin: Un nmero del computador o
de punto flotante, distinto de cero, se describe matemticamente en la forma


*
(.a
1
a
2
. . . a
t
)

*

e


En la cual los smbolos que all aparecen, tienen el siguiente significado:
= +1 o = 1 es el signo del nmero.

es un entero que denota la base del sistema numrico usado. Por lo general = 2 (Sistema
Binario), = 8 (Sistema Octal) o =16 (Sistema Hexadecimal).
a
i
, i = 1,2,...,t, es un entero con 0 a
i
1. Los enteros 0,1,...,( 1) son llamados dgitos
en la base . Nosotros asumiremos en todo lo que sigue que a1 0, en cuyo caso el nmero se
dice que est en forma normalizada.

(.a
1
a
2
. . . a
t
)

denota la suma
a
1

+
a
2

+ . . . +
a
t

1

2

t


A esa suma se le llama mantisa o fraccin del nmero de punto flotante.

El entero t indica el nmero de dgitos en la base que se usan para representar el nmero de
punto flotante, y es llamado precisin. Por lo general t=6 o t=7 con =10 (precisin sencilla),
t=14 o t=15 con =10 (doble precisin). En algunos computadores se pueden hacer
representaciones en precisin sencilla, doble precisin e incluso en precisin mayor.

El valor e es un entero llamado el exponente, y es tal que LeU para ciertos enteros L y U; es
comn encontrar L = U o L = U1. Un caso frecuente es L = 63 y U= 64, para un total de
128 posibles exponentes. El nmero cero requiere una representacin especial.

Anlisis Numrico
2
De modo que un conjunto de punto flotante F queda caracterizado por cuatro parmetros:
a) La base ,
b) La precisin t,
c) Los enteros L y U tales que LeU, donde e es el exponente.

Cualesquiera sean los parmetros elegidos, los conjuntos de punto flotante correspondientes
comparten las mismas caractersticas cualitativas, entre ellas la carencia de algunas de las
propiedades algebraicas de que gozan los nmeros reales. Una de las caractersticas de todo
conjunto de punto flotante F es que es finito y tiene
2(-1)
t-1
(U-L+1)+1

nmeros diferentes (incluyendo el cero), y donde los distintos de cero estn en forma
normalizada. En efecto:
a
1
puede tomar 1 valores y a
i
, i = 2,3,...,t puede tomar valores, as que hay
(-1)
t-1
fracciones positivas distintas.

Ahora, considerando que el nmero de posibles exponentes es UL+1, que el nmero de punto
flotante puede ser positivo o negativo, y teniendo en cuenta que el nmero cero est tambin en
el conjunto de punto flotante, concluimos que el conjunto F tiene
2(-1)
t-1
(U-L+1)+1 nmeros diferentes.

Lo anterior nos dice que se usan 2(-1)
t-1
(U-L+1)+1 nmeros de punto flotante para
"representar" el conjunto continuo de los nmeros reales (que es infinito), lo que implica que
muchos nmeros reales tendran que ser representados por un mismo nmero de punto flotante.

Como ejemplo, consideremos el conjunto de punto flotante F con parmetros = 2 (Binario),
t=3, L = 1, U = 2. Tal conjunto F tiene 2(21)2
31
(2(1)+1)+1 = 33
nmeros diferentes (incluyendo el cero).

Los nmeros de F, distintos de cero, son de la forma (.a
1
a
2
a
3
)
2
*2
e

Con a
1
=1, a
2
, a
3
= 0,1 y e = 1, 0, 1, 2;

As que las fracciones positivas distintas son:
(.100)
2
=
1
+
0
+
0
=
1
=
8
2 2
2
2
3
2 16

(.101)
2
=
1
+
0
+
1
=
5
=
10
2 2
2
2
3
8 16

(.110)
2
=
1
+
1
+
0
=
3
=
12
2 2
2
2
3
4 16

(.111)
2
=
1
+
1
+
1
=
7
=
14
2 2
2
2
3
8 16

Anlisis Numrico
3
Combinando estas mantisas con los exponentes, obtenemos todos los nmeros positivos de F que
aparecen en la tabla siguiente:
Mantisa Exponente (-1) Exponente (0) Exponente (1) Exponente (2)
(.100)
2
= 8/16 (.100)
2
*2
-1
=(4/16) (.100)
2*2
0
=(8/16) (.100)
2*2
1
=(16/16) (.100)
2*2
2
=(32/16)
(.101)
2
=10/16 (.101)
2
*2
-1
=(5/16) (.101)
2*2
0
=(10/16) (.101)
2 *2
1
=(20/16) (.101)
2 *2
2
=(40/16)
(.110)
2
=12/16 (.110)
2
*2
-1
=(6/16) (.110)
2*2
0
=(12/16) (.110)
2*2
1
=(24/16) (.110)
2*2
2
=(48/16)
(.111)
2
=14/16 (.111)
2
*2
-1
=(7/16) (.111)
2 *2
0
=(14/16) (.111)
2 *2
1
=(28/16) (.111)
2 *2
2
=(56/16)
Tabla 1. Clculo de los valores positivos de F

Como estamos ms familiarizados con los nmeros decimales (en base =10), los 33 elementos
de F en forma (racional) decimal son:

0, (4/16), (5/16), (6/16), (7/16), (8/16), (10/16), (12/16), (14/16),
(16/16), (20/16), (24/16), (28/16), (32/16), (40/16), (48/16), (56/16)

Una representacin de los nmeros positivos y el cero de F en la recta de nmeros reales se
muestra en la Figura 1 siguiente.

Figura 1. Representacin de los valores de F en la recta de los reales

Algunos hechos que se pueden observar en un conjunto de punto flotante F son:

1. Todo nmero real x que entra en el computador o que es el resultado de un clculo, es
reemplazado (si es posible) por un nmero de punto flotante que notaremos fl(x). Existen reglas
para escoger tal nmero (reglas de redondeo), por lo general es el nmero de punto flotante ms
cercano a x. La diferencia |x fl(x)| se llama error (absoluto) de redondeo.

2. Si observamos la distribucin de los elementos de F, en la recta real, vemos que no estn
igualmente espaciados (estn ms densamente distribuidos en la cercana del cero), lo que
implica que el error de redondeo puede depender del tamao del nmero (entre ms grande sea
el nmero en valor absoluto, mayor puede ser el error de redondeo).

En el ejemplo, el nmero de punto flotante positivo ms pequeo es (4/16) = (1/4), y el nmero
de punto flotante positivo ms grande es (56/16) = (7/2). En general, en un conjunto de punto
flotante F con parmetros , t, L y U, se tiene que

F
L
= (.100 . . . 0)

*

L
=
L-1

es el nmero de punto flotante positivo ms pequeo (para el ejemplo, F
L
=2
((1)1)
=(1/4), y

F
U
= (. . . . )

*

U
= (1-
-t
)
U
con = -1
es el nmero de punto flotante positivo ms grande (para el ejemplo, F
U
=(12
(3)
)2
2
=(7/2).

Anlisis Numrico
4
A la regin R
L
= { x

/ 0 < |x| < F
L
}
se le llama regin de underflow o subflujo, y en algunos computadores si un nmero real cae en
esta regin, el nmero se redondea a cero.

Por otra parte,
A la regin R
U
= { x

/ |x| > F
U
}
se le llama regin de overflow o sobreflujo, y en algunos computadores si un nmero real cae en
esta regin, el nmero es redondeado al nmero de punto flotante ms cercano (F
U
, F
U
) o se
informa del fenmeno overflow.

Se define como rango del conjunto F, al conjunto
R
F
= { x

/ x=0 o F
L
<= |x| <= F
U
}
De acuerdo con esto, todo nmero de punto flotante, distinto de cero, fl(x), debe satisfacer:
F
L
<= |fl(x)| <= F
U


3. La combinacin aritmtica usual +, , , de dos nmeros de punto flotante no siempre
produce un nmero de punto flotante.

Supongamos que fl(x) y fl(y) F. Veamos, como ejemplo, que la suma usual ( fl(x)+ fl(y) ) no
necesariamente ser un nmero del conjunto F. Para ello consideremos el conjunto de punto
flotante F dado en el ejemplo:

fl(x) = (28/16) F, fl(y) = (5/16) F, sin embargo fl(x) + fl(y)= (28/16) + (5/16) = (33/16),
valor que no pertenece al conjunto F.

Por consiguiente, la adicin usual no es cerrada en el sentido matemtico ordinario. Se dice que la
adicin normal es cerrada ya que al sumar dos valores de un conjunto numrico (naturales,
enteros, reales, etc.), el resultado es un valor que tambin existe en ese conjunto. Cosa que no
siempre sucede en los conjuntos de punto flotante. Una manera de simular la adicin y las dems
operaciones aritmticas entre nmeros reales, pero realizadas por el computador es la siguiente:
Si x e y son nmeros reales en el rango de F , definimos las operaciones

a las que nos referiremos como operaciones de punto flotante, as:

x

y = fl( fl(x) + fl(y) )
x y = fl( fl(x) - fl(y) )
x y = fl( fl(x) x fl(y) )
x y = fl( fl(x) fl(y) )

donde +, , y son las operaciones aritmticas usuales.

Ilustraremos estas operaciones en el conjunto F del ejemplo, al tiempo que pondremos de
manifiesto la carencia de ciertas propiedades para tales operaciones. Supondremos que fl(x) se
escoge como el nmero de punto flotante ms cercano a x y que cuando el nmero x equidista de
dos nmeros de punto flotante, se escoge fl(x) como el ms cercano a la derecha si es positivo o
el ms cercano hacia la izquierda si es negativo:

Anlisis Numrico
5
Ejemplo 1.1. Tomemos en F, los nmeros (28/16) y (5/16) y supongamos que x e y
pertenecen a los nmeros reales, y son tales que fl(x) = (28/16) y fl(y) = (5/16). Entonces:


------------------------------------------------------------------------------------------------------

------------------------------------------------------------------------------------------------------


------------------------------------------------------------------------------------------------------
Anlisis Numrico
6

------------------------------------------------------------------------------------------------------




Anlisis Numrico
7
1.2. ERRORES DE REDONDEO. Sabemos que todo nmero real x 0 puede escribirse en la
forma decimal normalizada siguiente
x = (.a
1
a
2
. . . a
t
a
(t+1)
. . .)
*
10
n
, n algn entero

Para simplificar el anlisis de los errores de redondeo, supongamos que nuestro conjunto de punto
flotante F es de t-dgitos (precisin t) en base 10 (decimal); en tal caso la forma de punto flotante
(normalizada) de x, la cual se denomina fl(x), se obtiene finalizando la mantisa de x despus de
t-dgitos.

Se acostumbran dos formas para hacerlo:

i. Cortando o truncando el nmero x: En este caso
fl(x) = (.a
1
a
2
. . . a
t
)
*
10
n
, no importa como sea a
(t+1)


ii. Redondeando el nmero x: En este caso
fl(x) = (.a
1
a
2
. . . a
t
)
*
10
n
, si 0 <= a
(t+1)
< 5

fl(x) = (.a
1
a
2
. . . a
t
)
*
10
n
1.0
*
10
(n-t)
si a
(t+1)
>= 5

El error |x fl(x)| que resulta al reemplazar un nmero x por su representante de punto
flotante, fl(x), se seguir denominando error de redondeo, independientemente de que se use el
mtodo de cortado o de redondeo.

Ejemplo 1.2. En la siguiente tabla se muestran algunos valores del conjunto de los reales,
expresados en Forma Normalizada, y en las versiones de punto flotante tanto en formato cortado
como en formato redondeado.
Valor Real Forma Normalizada fl(x) Cortado fl(x) Redondeado
2.718281828 (.2718281828)
*
10
1
(.27182)
*
10
1
(.27183)
*
10
1

3.141592653 (.3141592653)
*
10
1
(.31415)
*
10
1
(.31416)
*
10
1

-123456789 -(.123456789)
*
10
9
-(.12345)
*
10
9
-(.12346)
*
10
9

.0000213475 (.213475)
*
10
-4
(.21347)
*
10
-4
(.21348)
*
10
-4

.66666666 (.66666666)
*
10
0
(.66666)
*
10
0
(.66667)
*
10
0

Tabla 2. Valores reales en representaciones de punto flotante

Cmo medir los errores de redondeo? Hay varias formas acostumbradas para medir errores
de aproximacin; algunas de ellas se dan en la siguiente definicin.

Definicin 1.1. Sea x* una aproximacin de un nmero real x:
El error de x* con respecto a x es e=xx*;
El error absoluto de x* con respecto a x es E= |xx*|;
El error relativo de x* con respecto a x, con x 0
Er
=
| xx* |
| x |

Tambin se define el error porcentual de x* con respecto a x, como Ep=(Er*100)% y se expresa
en porcentaje (%).
Anlisis Numrico
8
Un caso particular de aproximacin de un nmero x es cuando x* =fl(x), y se tiene
E= |xfl(x)| y

Er
=
| x fl(x) |
x 0
| x |

Ejemplo 1.3. Encuentre el error absoluto y el error relativo de x* con respecto a x, en cada uno
de los siguientes casos:

a) x= (.50)
*
10
2
, x*=(.51)
*
10
2


E= |xfl(x)| = | (.50)
*
10
2
- (.51)
*
10
2
| = | -(.01)
*
10
2
| = (.1)
*
10
1
= 1.0

Er =
| x fl(x) |
=
1.0
=
1
=
.2
*
10
-1
= .02 = 2%
| x | (.50)
*
10
2
50

b) x= (.50)
*
10
-3
, x*=(.51)
*
10
-3


E= |xfl(x)| = | (.50)
*
10
-3
- (.51)
*
10
-3
| = | -(.01)
*
10
-3
| = (.1)
*
10
-4
= .00001

Er =
| x fl(x) |
=
(.1)
*
10
-4

=
(.1)
*
10
-1

=
1
= .2
*
10
-1
= .02 = 2%
| x | (.5)
*
10
-3
.5 50

c) x= (.50)
*
10
6
, x*=(.51)
*
10
6


E= |xfl(x)| = | (.50)
*
10
6
- (.51)
*
10
6
| = | -(.01)
*
10
6
| = (.1)
*
10
5
= 10000

Er =
| x fl(x) |
=
(.1)
*
10
5

=
(.1)
=
1
= .2
*
10
-1
= .02 = 2%
| x | (.5)
*
10
6
(.5)
*
10
1
50
Este ejemplo nos muestra que el error relativo es invariante al cambio de escala y se usa como
una medida de precisin o cercana.

Teniendo en cuenta la menor cota superior para el error relativo usando redondeo, se define el
concepto de cifras significativas.

Definicin 1.2. Se dice que el nmero x* aproxima con sus primeros t-dgitos o cifras
significativas al nmero x 0, si t es el mayor entero no negativo para el cual

Er
=
| x x* |
< 5*10
-t

| x |

Los t-dgitos significativos, a que se refiere esta definicin, son los primeros t-dgitos en la
mantisa de x* cuando x* se escribe en forma decimal normalizada.

De acuerdo con la definicin anterior, si x* = fl(x) en una aritmtica de punto flotante decimal con
redondeo a t-dgitos, entonces fl(x) aproxima a x con t cifras significativas, es decir, todos los
dgitos en la mantisa de fl(x) son significativos con respecto a x.
Anlisis Numrico
9
Tambin se define el concepto de cifras decimales exactas, como sigue:
Definicin 1.3. Se dice que el nmero x* aproxima con sus primeras k-cifras decimales exactas
al nmero x, si k es el mayor entero no negativo tal que
E = |x x*| <= 5*10
-(k+1)

Las k cifras decimales exactas, a que se refiere esta definicin, son las primeras k cifras contadas
a partir del punto decimal en x*, cuando x* se escribe en forma decimal.

Los dos conceptos anteriores pueden aparecer definidos de manera distinta en otros textos. Aqu
se usarn las definiciones dadas.

Ejemplo 1.4.
a) Si x = .003451 y x* = .003348, entonces
.00005 < |xx*| = .000103 < .0005 = 510
4
< 510
3
< 510
2
< 510
1


as que k=3 es el mayor entero no negativo tal que (.003451.003348) 5 10
(k+1)
. Luego
0.003348 aproxima a .003451 con sus tres primeras cifras decimales exactas, que son en este
caso 0, 0 y 3.

b) Con cuntas cifras significativas aproxima .333 a (1/3)?
Er =
| x fl(x) |
=
(1/3) - .333
= | 1 - .999| = .001
| x | (1/3)

y .0005 < .001< .005 = 510
3
<510
2
<510
1
, entonces t = 3 es el mayor entero
no negativo tal que
(1/3) - .333
= < 510
t

(1/3)
Por lo tanto .333 aproxima a (1/3) con 3 cifras significativas. Observe que .333 es el nmero en
aritmtica de punto flotante decimal con redondeo a tres dgitos que representa a (1/3).


1.3. PRDIDA DE CIFRAS SIGNIFICATIVAS.
Sean x= .43574628 e y= .43574781. Si usamos aritmtica (de punto flotante) decimal con
redondeo a 6 dgitos, entonces los representantes de x e y son

fl(x)= .435746 , fl(y)= .435748

Se garantiza que fl(x) y fl(y) aproximan a x e y, respectivamente, con todas sus seis cifras
significativas.

Ahora, xy = 1.5310
6
= .15310
5


x

y = fl(fl(x)fl(y)) = fl(.435746.435748) = fl(2.010
6
) = fl(.210
5
) = .210
5

por tanto el error relativo de x

y con respecto a x y es

Anlisis Numrico
10
Luego x

y aproxima al valor exacto x y con nicamente una cifra significativa (1), as
que hubo prdida de 5 cifras significativas ( fl(x), fl(y) tenan cada uno 6 cifras significativas con
respecto a x e y, respectivamente); lo anterior sugiere que en un computador debe evitarse la
resta de nmeros "casi iguales".

Veamos otra situacin: Supongamos que queremos estimar e
5
y e
5
a partir del polinomio
de Taylor, es decir,

Cul es la aproximacin que se obtiene para e
5
y e
5
, si se trabaja en una aritmtica (de
punto flotante) decimal con redondeo a 4 dgitos?
Las aproximaciones correspondientes a e
5
y e
5
aparecen en la Tabla 3.

Grado n Trmino

0 1.000 1.000 1.000
1 -5.000 -4.000 6.000
2 12.50 8.500 18.50
3 -20.83 -12.33 39.33
4 26.04 13.71 65.37
5 -26.04 -12.33 91.41
6 21.70 9.370 113.1
7 -15.50 -6.130 128.6
8 9.688 3.558 138.3
9 -5.382 -1.824 143.7
10 2.691 .8670 146.4
11 -1.223 -.3560 147.6
12 .5097 .1537 148.1
13 -.1960 -.4230
*
10
-1
148.3
14 .7001
*
10
-1
.2771
*
10
-1
148.4
15 -.2333
*
10
-1
.4380
*
10
-2
148.4
16 .7294
*
10
-2
.1167
*
10
-1

17 -.2145
*
10
-2
.9525
*
10
-2

18 .5959
*
10
-3
.1012
*
10
-1

19 -.1568
*
10
-3
.9963
*
10
-2

20 .3920
*
10
-4
.1000
*
10
-1

21 -.9333
*
10
-5
.9991
*
10
-2

22 .2121
*
10
-5
.9993
*
10
-2

23 -.4611
*
10
-6
.9993
*
10
-2

Tabla 3. Aproximaciones de e
5
y e
5
en una aritmtica (de punto flotante) decimal
con redondeo a 4 dgitos

Anlisis Numrico
11
De acuerdo con los resultados de la Tabla 3, en una aritmtica decimal con redondeo a 4 dgitos,
e
5
.9993
*
10
-2
(La

se estabiliz en n = 22 )


e
5
148.4 (La

se estabiliz en n = 15 )

El valor exacto de e
5
es 6.737946999...10
3
y el de e
5
es 148.4131591.... Se observa que
para e
5
todos los cuatro dgitos obtenidos en la aproximacin son significativos, mientras que
para e
5
slo hay un dgito significativo.

A qu se debe el problema en el clculo de e
5
? Se debe, entre otros, a la suma alternada (hay
que evitarlas) y al hecho de que hay trminos relativamente grandes con respecto al nmero
pequeo e
5
, los cuales al ser sumados producen prdida de cifras significativas.

Una forma ms adecuada de calcular e5 es aumentando la precisin de la aritmtica o
calculando (1/e
5
). Para la aritmtica de punto flotante decimal con redondeo a cuatro dgitos:

(1 / e
5
) = (1 / 148.4) = 6.739
*
10
-3


que es una mejor aproximacin de e
5
.


1.4. ESTABILIDAD DE UN ALGORITMO.

El ejemplo anterior, muestra en que forma un algoritmo mal concebido puede conducir a una
respuesta defectuosa de un problema perfectamente bien planteado. La deficiencia fue corregida
cambiando el algoritmo.

Cuando al aplicar un algoritmo para resolver un problema, el efecto acumulativo de los errores,
incluyendo errores de redondeo, es limitado de modo que se genera un resultado til, el algoritmo
se dice estable; en caso contrario, es decir, cuando los errores crecen de manera incontrolada de
modo que se genera una respuesta defectuosa al problema, el algoritmo se dice inestable.

Ejemplo 1.5. Algoritmo inestable: Las integrales
x
n
e
(x-1)
dx

se pueden calcular mediante la relacin de recurrencia
I
n
= 1 nI
(n1)
, n = 2,3,4, con I
1
= xe
(x-1)
dx = 1/e

que es inestable.

0
1
0
1
Anlisis Numrico
12
Usando aritmtica (de punto flotante) decimal con redondeo a 6 dgitos y la frmula de
recurrencia I
n
= 1 nI
(n1)
, obtenemos:

I
1
.367879=I
*
1
, I
2
.264242=I
*
2
, I
3
.207274=I
*
3
,
I
4
.170904=I
*
4
, I
5
.145480=I
*
5
, I
6
.127120=I
*
6
,
I
7
.110160=I
*
7
, I
8
.118720=I
*
8
, I
9
.0684800 =I
*
9


Es claro que el valor .0684800 (I
9
) es incorrecto, pues x
9
e
(x1)
es continua y positiva sobre
el intervalo (0,1). Qu caus este resultado? Observe que nicamente hay error de redondeo en
el clculo de I
1
, donde (1/e) fue redondeado a 6 dgitos significativos. Como la frmula de
recurrencia obtenida en la integracin por partes es exacta para la aritmtica real, entonces no
hay error de frmula y as el error en I9 es debido en su totalidad al error de redondeo en I
1
.
El error inicial fue 4.41210
7
. (Ese valor sale de = (1/e) I
1
).

Al calcular I
2
, tenemos

I
2
= 1 2I
1
= 1 2(I
*
1
+ ) = 1 2I
*
1
2 = I
*
2
2. Entonces, I
2
I
*
2
= 2.

Ahora, I
3
= 1 3I
2
= 1 3(I
*
2
2) = 1 3I
*
2
+ (2)(3) = I
*
3
+ (2)(3)
As que I
3
I
*
3
= (2)(3).

Al llegar al clculo de I
9
, obtenemos I
9
= I
*
9
+ (2)(3)...(9)

Es decir, I
9
I
*
9
= (2)(3)...(9) = 9!

De donde
I
9
- I
*
9
362880 (4.41210
7
) .160102656. Valor real valor aproximado = error

El valor de I
9
, con por lo menos 4 cifras decimales exactas, es
I
9
= .0684800 + .160102656 = .091622656
Valor real = valor aproximado + error

Observe que el error absoluto, debido a los clculos, crece a medida que n aumenta, y es mucho
ms grande que el valor real (en valor absoluto) que se est aproximando (se puede ver que si
es el error inicial, entonces el error despus de n pasos es

En conclusin, el algoritmo dado por la frmula de recurrencia

I
n
= 1 nI
(n1)
, n = 2,3,4, con I
1
= 1/e ES INESTABLE


Cmo podemos escoger un algoritmo diferente el cual evite esta inestabilidad?
Si reescribimos la relacin de recurrencia como

I
(n-1)
= (1 I
n
) / n
Anlisis Numrico
13
Entonces en cada paso del clculo el error en I
n
es dividido por n. As que, si comenzamos con
un valor para algn I
n
con n>>1, y trabajamos hacia atrs, cualquier error inicial o errores de
redondeo que ocurran estarn decreciendo en cada paso. Este es un ejemplo de algoritmo
estable.

Para obtener un valor inicial, notemos que

Por lo tanto I
n
0 cuando n +.

Por ejemplo, si aproximamos I
20
por 0 y usamos el valor 0 como un valor inicial, entonces
cometemos un error inicial tal que 0 <= <= (1/21); este error es multiplicado por (1/20) al
calcular I
19
, as que el error en el clculo de I
19
, que es (1/20), es tal que

0 <= (1/20) <= (1/20)
*
(1/21)

Procediendo de la manera anterior, el error en el clculo de I
15
es tal que

0 <= (1/16)
*
(1/17)
*

*
(1/20) <= (1/16)
*
(1/17)
*

*
(1/20)
*
(1/21) 2.56
*
10
-8
< 5
*
10
-8


Lo que garantiza una precisin de por lo menos 7 cifras decimales exactas de precisin para los
valores calculados de I
15
,..., I
9
.

I
20
.00000000000, I
19
.05000000000, I
18
.05000000000,
I
17
.0527777778, I
16
.05571895425, I
15
.05901756536,
I
14
.06273216231, I
13
.06694770269, I
12
.07177325364,
I
11
.07735222886, I
10
.0838770701, I
9
.09161229299


1.5 CONDICIONAMIENTO DE UN PROBLEMA.
Para ciertos problemas "buenas" respuestas no pueden ser obtenidas por cualquier algoritmo,
porque el problema es sensible a errores pequeos cometidos en la representacin de los datos o
en la aritmtica. Hay que distinguir entre algoritmos inestables y problemas sensibles a cambios
pequeos en los datos.

Un problema se dice bien condicionado si pequeos cambios en los datos inducen slo un cambio
pequeo en el resultado, es decir, problemas "cercanos" tienen respuesta "cercana". El buen
condicionamiento es algo inherente al problema.

Veamos un ejemplo. Consideremos el siguiente sistema de ecuaciones lineales:

X + Y = 2

10.05 X + 10 Y = 21

La solucin exacta (nica) de este sistema es x = 20 e y = 18 . En este caso, el punto (20,18)
es la interseccin de las rectas casi paralelas:
Anlisis Numrico
14
L1: X + Y = 2, con pendiente m1 = 1.0

L2: 10.05 X + 10 Y = 21, con pendiente m2 = 1.005

Ahora cambiamos el coeficiente 10.05 por 10.1 (un cambio relativo de aproximadamente 0.5%), y
consideramos el sistema perturbado

X + Y = 2

10.1 X + 10 Y = 21

La solucin exacta de este sistema perturbado es x = 10, y = 8.

Se observa que un cambio pequeo en uno de los datos del problema (coeficientes y trminos
independientes del sistema) ha producido un gran cambio en la solucin (de ms de 100%). Este
problema se dice que est mal condicionado.

-------------------------------------------------------------------- FIN DEL DOCUMENTO