Analisis de errores

Acceder a la precision de los resultados de los calculos es una meta

importante en el analisis numerico. Podemos distinguir varias
clases de error que pueden limitar esta precision:
Errores en los datos de entrada, provocados por limitaciones
y/o imperfecciones de los instrumentos fsicos;
Errores de redondeo, por el calculo de n
umeros que estan
representados con un n
umero finito de dgitos;
Errores de aproximacion, cuando aproximamos la solucion de
un problema P resolviendo un problema P. Un ejemplo de
esto es la aproximacion de una suma infinita por otra finita;
e 1+

1
1
1
+ + +
1! 2!
N!

El error resultante de aproximacion es llamado com

unmente error
de truncamiento. Lo que hacemos es discretizar un problema: por
ejemplo cocientes diferenciales son aproximados por cocientes de
diferencias, integrales definidas por sumas finitas, etc. En dichos
casos, el error de aproximacion es llamado error de discretizacion.
En este captulo se analizaran los dos primeros tipos de errores.

Representacion de numeros
Se tienen dos tipos de maquinas para representar los n
umeros:
1 Computadoras anal
ogicas, se caracterizan por resolver un
problema matematico simulandolo por un problema fsico,
resolviendolo por medicion y retornando un resultado. Los
n
umeros son representados por cantidades fsicas, como por
ejemplo, la longitud de una barra o la intensidad de un
voltaje. Es claro que la precision de los dispositivos analogicos
se encuentra directamente limitada por las mediciones fsicas
que emplean.
2 Computadoras digitales, entre las cuales tenemos las PCs;
expresan los dgitos de la representacion de un n
umero por
una secuencia discreta de cantidades fsicas. Un ejemplo de
esto es la representacion del n
umero binario 11010110 con
una secuencia de ocho diodos: el 1 se representa con el diodo
encendido, y el 0 con el diodo apagado.

La representacion de dgitos en computadoras digitales no requiere

tanta precision como la representacion de n
umeros en las
computadoras analogicas. Nosotros estudiaremos este tipo de
computadoras.

Un n
umero entero N se puede representar como
N = (n pn + n1 pn1 + + 0 )
donde p N, p > 1 es la base del sistema de numeracion y
i 0, 1, . . . , (p 1) ,
i = 0, 1, . . . , n

Ejemplo
El n
umero 18 (base 10) admite la descomposicion en base 2:
18 = 1 24 + 0 23 + 0 22 + 1 21 + 0 20 = 10010(2)
Un n
umero arbitrario se puede representar, en particular, en base 2,
como:
x = (n 2n + n1 2n1 + + o 20 + 1 21 + 2 22 + )
donde i {0, 1}. Para cualquier otra base se puede realizar esto
de manera analoga.

En las computadoras digitales se ha de representar los n

umeros con
un n
umero finito de lugares, la longitud de palabra. La
representacion de punto fijo especifica un n
umero fijo n 1 de lugares
antes de y un n
umero fijo n2 de lugares despues del punto decimal
(binario), tales que n = n1 + n2 = longitud de palabra
(usualmente n1 = 0 o n1 = n). De este modo, un n
umero x se
representa en la maquina como (en base 2)
x = (n1 1 2n1 1 + n1 2 2n1 2 + + 0 20 + 1 21 + 2 22 +

Ejemplo
Para n = 10, n1 = 4, n2 = 6
145,6132 0145

613200

En esta representacion, la posicion del punto decimal (binario) es

fija.

Representacion de numeros con punto flotante

Mas importante es la representacion de punto flotante. Aqu el

punto decimal (binario) no se encuentra fijo. Esto es hecho con un
exponente. Cada n
umero puede ser representado en la forma
x = a 10b (x = a 2b ) con |a| < 1, b entero
Ejemplo
30,421 = 0,30241 102 .

El exponente b indica la posicion del punto decimal con respecto a

la mantisa a. Rutishauser propuso la notacion : 0,30241 10 2
En cada computadora existen, por supuesto, n
umeros finitos t y e,
n = t + e, de lugares disponibles para la representacion de mantisa
y exponente, respectivamente.

Ejemplo

Para t = 4, e = 2, el n
umero 5420 en el sistema decimal se expresa:
0 5420

10

04

o bien
5420

04

Representacion de numeros normalizada

Una representacion de punto flotante es normalizada si el primer

dgito de la mantisa es distinto de 0. Entonces |a| 10 1 (
|a| 21 ). Los dgitos significativos (bits) de un n
umero son los
dgitos de la mantisa sin contar ceros al principio.
En lo que sigue, consideraremos solamente representaciones de
punto flotante y su aritmetica de punto flotante correspondiente.
Los n
umeros t y e, junto con la base B, determinan el conjunto
A R de los n
umeros reales que pueden ser representados
exactamente con una computadora dada. Los elementos de A son
llamados n
umeros de maquina.

Errores de redondeo y aritmetica de punto flotante

El conjunto A de n
umeros de maquina es finito. Luego surgen las
preguntas: Como representar un n
umero x
/ A ? Ademas, dados
dos n
umeros de maquina, es posible que su suma o su producto no
sean n
umeros de maquina.
Es natural postular que la aproximacion de cualquier n
umero
x
/ A por un n
umero de maquina rd(x) deba cumplir la condicion


x rd(x) |x g|,
para todo g A.

Ejemplo
Para t = 4
rd(0,1428510 0) = 0,142910 0
rd(3,1415910 0) = 0,314210 1

En general se procede como sigue: x

/ A se normaliza primero a
b
1
x = a 10 , donde |a| 10 . Supongamos que la representacion
decimal de |a| es dada por
|a| = 0.1 2 . . . i i+1 . . . ,

0 i 9,

1 6= 0.

Entonces se forma

0.1 2 . . . t
0
a :=
0.1 2 . . . t + 10t

si 0 t+1 4,
si t+1 5

Finalmente se coloca
rd0 (x) := sign(x) a0 10b .

Nota
Cuando se aproxima un n
umero real x mediante otro n
umero x el

error que resulta

es(x
 error absoluto es |x x | y el error

 x ). El

x x  x x 
 si x 6= 0.

relativo es 
x   x 
El error relativo de aproximar x por rd0 (x) es (recordar que
|a| 101 )
 rd0 (x) x  5 10(t+1)


5 10t .


x
|a|

Con la abreviacion eps = 5 10t podemos escribir

rd0 (x) = x(1 + ), con || eps .
La cantidad eps = 5 10t es llamada precision de la maquina.
En el sistema binario, podemos definir todo lo anterior
analogamente.

Siempre que rd0 (x) A, se podra definir correctamente

rd0 (x) := rd(x). Sin embargo, esto no siempre ocurre como se
muestra en el siguiente ejemplo.

Ejemplo
Para t = 4, e = 2 tenemos
rd0 (0,3197410 110)
rd0 (0,9999710 99)
rd0 (0,01234510 99)
rd0 (0,5432110 110)

=
=
=
=

0,319710 110
/A
0,100010 100
/A
0,123510 100
/A
0,543210 110
/A

En el primer y segundo caso el exponente es muy grande para el

espacio: entonces tenemos un overflow de exponente (sobreflujo).
El tercer y cuarto casos son instancias de un underflow, esto es, el
exponente del n
umero representado es muy negativo. En estos
casos podemos prevenir el underflow definiendo
rd(0,01234510 99) = 0,012310 99 A.
rd(0,5432110 110) = 0 A.

Como el overflow y el underflow son poco frecuentes y requieren

un tratamiento especial, para simplificar la teora asumiremos en
adelante que e = . De este modo tendremos rd := rd0 , y
aseguraremos que
rd : R A
rd(x) = x(1 + )

con || eps,

x R.

Como los resultados de las operaciones aritmeticas no son

necesariamente n
umeros de maquina, requeriremos definir
operaciones de punto flotante, + , , , / , las cuales son
definidas como:
x + y := rd(x + y),
x y := rd(x y),
x y := rd(x y),
x/ y := rd(x/y),

para x, y A,

lo cual implica
x + y
x y
x y
x/ y

:= (x + y)(1 + 1 )
:= (x y)(1 + 2 )
:= (x y)(1 + 3 )
:= (x/y)(1 + 4 )

|i | eps .

De lo anterior se observara que las operaciones de punto flotante

no satisfacen las leyes conocidas para las operaciones aritmeticas
usuales. Por ejemplo,
x + y = x, si |y| <

eps
|x|,
B

x, y A

La precision de maquina eps puede tambien definirse entonces

como
eps = mn{g A/1 + g > 1 g > 0}.

Ademas, las operaciones de punto flotante no son asociativas o

distributivas.
Ejemplo:t = 8 Con
a := 0,2337125810 4,
b := 0,3367842910 2,
c := 0,3367781110 2.

a + (b + c) = 0,2337125810 4 + 0,6180000010 3,
= 0,6413712610 3,
(a + b) + c = 0,3367845210 2 0,3367781110 2,
= 0,6410000010 3.
El resultado exacto es
a + b + c = 0,64137125810 3.

Propagacion de errores
Para expresar el resultado de operaciones de punto flotante, una
notacion ha sido ampliamente aceptada, y la usaremos
frecuentemente: dada una expresion E a calcular, fl(E) denota el
valor de la expresion obtenida por aritmetica de punto flotante.
Ejemplo
fl(x y) := x
y
fl a + (b + c)
:= a + (b + c)
fl (a + b)
+ c := (a + b) + c
fl cos(x)
:= cos (x)



fl x := x


Las operaciones +, , , /, cos, , junto con algunas otras (que
posean substitutos ) seran llamadas operaciones elementales.
Como se vio, dos diferentes pero matematicamente equivalentes
maneras de evaluar la misma expresion a + b + c pueden llevar a
diferentes resultados, cuando usamos aritmetica de punto flotante.
Para propositos numericos es necesario distinguir entre distintos
esquemas de evaluacion incluso si ellos son matematicamente
equivalentes. Llamaremos algoritmo a una secuencia finita de
operaciones elementales (dadas como instrucciones de
computadora) que prescriben como calcular la solucion de un
problema a partir de una entrada de datos dada.
Formalizemos un poco la nocion de algoritmo. Supongamos que el
problema consiste en calcular los n
umeros reales y 1 , . . . , ym a
partir de las entradas x1 , . . . , xn .

Si introducimos los vectores

x1

x = ... ,
xn

y1

y = ... ,
ym

entonces resolver el problema significa determinar el valor

y = (x) donde
: D Rm , D Rn ,
yi = i (x1 , . . . , xn ),

i = 1, . . . , m.

En cada paso del calculo hay un conjunto de operandos de

n
umeros. Una sola operacion calcula un nuevo n
umero a partir de
uno o mas operandos del conjunto de operandos. El nuevo n
umero
es un resultado intermedio o el final.
Una operacion corresponde a una transformacion del conjunto de
operandos. Escribiendo estos consecutivamente como vectores,

x(i)

(i)
x1

= ... Rni ,

(i)

x ni

podemos asociar a cada operacion elemental un mapeo elemental

(i) : Di Rni+1 ,

D i R ni ,

tal que


(i) x(i) = x(i+1) .

Dado un algoritmo, entonces su secuencia de operaciones

elementales da lugar a la descomposicion de en una secuencia de
mapeos elementales
(i) : Di Di+1 , i = 0, 1, . . . , r, Dj Rnj ,
= (r) (r1) (0) , D0 = D, Dr+1 Rnr+1 = Rm ,
que caracteriza al algoritmo.

Ejemplo

Para (a, b, c) = a + b + c, consideremos los dos algoritmos

:= a + b, y := c + y := b + c, y := a + . Las
descomposiciones son:

(0)

(a, b, c) :=

a+b
c

R2 ,

(1) (u, v) := u + v R

(0)

(a, b, c) :=

a
b+c

R2 ,

(1) (u, v) := u + v R.

Ejemplo

Para (a, b) := a2 b2 se tienen los algoritmos Algoritmo 1:

1 := a a,
2 := b b,
y := 1 2 ,

Ejemplo

Algoritmo 2:
1 := a + b,
2 := a b,
y := 1 2 .

Sus descomposiciones correspondientes son

Algoritmo 1:
 2 


a
u
(0)
(1)
(a, b) :=
, (u, v) :=
, (2) (u, v) := u v.
b
v2

Algoritmo 2:

a
(0) (a, b) := b ,
a+b

(1)

(a, b, u) :=

u
ab

, (1) (a, b, u) := uv.

Notese que las descomposiciones de los algoritmos pueden ser

simplificadas:

Algoritmo 1:

0 (0)

(a, b) :=

a2
b2

0(1) (u, v) := u v.

Algoritmo 2:

0 (0)

(a, b) :=

a+b
ab

0(1) (u, v) := u v.

Estrictamente hablando, los mapeos 0(0) no son elementales. Sin

embargo lo mas importante al hacer las descomposiciones es que
las componentes de los mapeos intermedios sean elementales, para
poder hacer as el analisis de error que se estudiara a continuacion.
bf Ejemplo:
y := a + b + c,
y := rd((a + b) + c)
= rd(a + b) + c
= (a + b)(1 + 1 ) + c
= [(a + b)(1 + 1 ) + c](1 + 2 )

a+b
= (a + b + c) 1 +
1 (1 + 2 ) + 2 .
a+b+c

Despreciamos el termino 1 2 por ser de grado superior; luego el

error relativo (al haber calculado primero (a + b)) es
y :=

y y
y
a+b
= 1
1 + 2 ,
y
y
a+b+c

el cual es peque
no si (a + b) es peque
no.

Si se hubiese calculado primero (b + c) tendriamos

y

b+c 0
+ 02 ,
a+b+c 1

que es peque
no si (b + c) es peque
no.

Vamos a hacer ahora un analisis diferencial de error de un

algoritmo para calcular y := (x) si esta funcion esta dada por la
descomposicion:
= (r) o (r1) o . . . o (0) .
Para este fin necesitamos investigar como los errores de entrada,
as como los errores por redondeo acumulados durante el curso del
algoritmo afectan el resultado final. Iniciamos esta investigacion
considerando solamente los errores de entrada x.

Supongamos que la funcion

: D Rm ,

1 (x1 , . . . , xn )

..
=
,
.
m (x1 , . . . , xn )

esta definida en un conjunto abierto D de R n , y que sus funciones

componentes i , i = 1, 2, . . . , n, poseen derivadas continuas en D.
Sea x un valor aproximado de x.

Entonces denotamos por

xi := xi xi ,

x := x x,

al error absoluto xi y x, respectivamente. El error relativo de xi es

definido como la cantidad
xi :=

xi xi
xi

si xi 6= 0.

Reemplazando x por x obtenemos el resultado y := (x) en vez de

y = (x). Expandiendo en series de Taylor y despreciando los
terminos de mayor orden, tenemos
yi := yi yi = i (x) i (x)
=

n
X
i (x)
j=1

xj

xj ,

n
X
j=1

(xj xj )

i = 1, . . . , m,

i (x)
xj

de donde

y1

..
y = .

ym

1 (x)
x1
..
.
m (x)
x1

...

...

1 (x)
xn
..
.
m (x)
xn

x1
.
.. = D(x)x

x
n

con la matriz jacobiana D(x).

i (x)
La cantidad
representa la sensitividad con que y i reacciona
xj
a las perturbaciones xj de xj .
Si yi 6= 0 para i = 1, . . . , m y xj 6= 0 para j = 1, . . . , n entonces se
tiene:
yi

yi yi
=
yi

n
X
i (x) x
j xj

xj
yi
j=1


n
X
xj i (x) x
j xj
=
yi xj
xj
j=1


n
X xj i (x)
=
xj .
yi xj
j=1

Numero de condicion
Los factores de amplificacion (xj /i )i /xj para el error relativo
son llamados n
umeros de condicionamiento. Si alguno de estos
n
umeros es en valor absoluto muy grande, se dice que el problema
es mal condicionado. En otro caso, se dice que esta bien
condicionado. Como se puede observar, la condicion del problema
esta descrita por mn n
umeros. Por estas razones, hay una manera
mas practica de definir la condicion del problema. En algebra
lineal, usando una norma conveniente k k, el n
umero de condicion
c debera satisfacer
k(x) (x)k
kx xk
c
.
k(x)k
kxk

Ejemplo
Para (a, b, c) := a + b + c se tiene
a (a, b, c)
b (a, b, c)
c (a, b, c)
a +
b +
c
y
a
y
b
y
c
a
b
c
=
a +
b +
c .
a+b+c
a+b+c
a+b+c

El problema estara bien condicionado cuando los sumandos a, b, c

sean peque
nos comparados con a + b + c (por ejemplo, cuando
todos tengan el mismo signo).

Ejemplo

Para y = (a, b) := a + a2 + b,


a
a
b
1

y
1 +
a +
b
2
y
y 2 a2 + b
a +b
a
a + a2 + b

a +
b .
a2 + b
2 a2 + b

Desde que




 a

 a2 + b  1,



 a + a2 + b 


 2
1
 2 a +b 

para b > 0;

tendremos que es bien condicionado si b > 0, y mal

condicionado si b a2 .

Cuando se substraen dos n

umeros x, y A del mismo signo, uno
debe tener cuidado con la cancelacion (esto es, cuando los n
umeros
tienen valores absolutos casi iguales). Por ejemplo, para calcular
p
y = x2 + 1 1
cuando el valor de x es cercano a cero, se sugiere calcular
equivalentemente

p
x2 + 1 + 1
x2
2
y = ( x + 1 1)
=
.
x2 + 1 + 1
x2 + 1 + 1

Para evitar desbordamientos (overflow, underflow)

x2 + y 2
z := p
x4 + y 4
en caso |x| < |y|, hacemos t :=

x
(|t| < 1). Entonces calculamos
y

t2 + 1
z=
.h
t4 + 1

Para las operaciones aritmeticas (x 6= 0, y 6= 0)

(x, y) := x y
(x, y) := x/y
(x, y) := x y

(x) := x

xy x + y
x/y x y
x
y
xy
x +
y si x y 6= 0
xy
xy
x 12 x

Se sigue que la multiplicacion, division, y raz cuadrada no son

peligrosas. Si los operandos son del mismo signo, la adicion no es
peligrosa.

En efecto, tendremos que

|x+y | max{|x |, |y |}
Si los operandos
tienen

  signos distintos, entonces almenos uno de
 x   y 
o
 es mayor que uno; entonces los
los factores 
x + y x + y
errores seran amplificados, y drasticamente amplificados si x y.

Un algoritmo para calcular la funcion : D R m , D Rn , para

un dado x = (x1 , . . . , xn )T D corresponde a la descomposicion
de en mapeos elementales (i) , i = 0, 1, . . . , r. Luego y = (x)
se obtiene por una cadena de resultados intermedios
x(0) := x (0) (x(0) ) = x(1) (r) (x(r) ) = x(r+1) = y.

Suponemos de nuevo que cada (i) es continuamente diferenciable

en Di , y denotemos por (i) el mapeo remanente
(i) = (r) (r1) (i) : Di Rm ,
Entonces (0) .

i = 0, 1, 2, . . . , r.

De la regla de la cadena, tenemos

D(x) = D(r) (x(r) ) D(r1) (x(r1) ) D(0) (x),
D(x(i) ) = D(r) (x(r) )D(r1) (x(r1) ) D(i) (x(i) ),

i = 0, 1, . . . , r

En el calculo con punto flotante bajo la influencia de los errores de

entrada y los errores por redondeo en lugar de los resultados
intermedios x(i) se obtienen valores aproximados x(i) con
x(i+1) = fl((i) (x(i) )).
De esto se obtiene, para los errores absolutos x (i) = x(i) x(i) ,
x(i+1) = [fl((i) (x(i) )) (i) (x(i) )] + [(i) (x(i) ) (i) (x(i) )].

Usando series de Taylor, y despreciando terminos de orden superior:

(i) (x(i) ) (i) (x(i) ) D(i) (x(i) )x(i) .
Como (i) es elemental, o bien involucra solo operaciones
elementales independientes, tenemos que
fl((i) (u)) = rd((i) (u)).

Notese ahora que (i) : Di Di+1 Rni+1 es un vector de

(i)
funciones componentes j : Di R,

(i)
1 (u)

..
(i) (u) =
.
.

(i)

ni+1 (u)

As, podemos trabajar con las componentes. De este modo:

(i)

(i)

(i)

fl(j (u)) = rd(j (u)) = (1 + j )j (u),

|j | eps,

j = 1, 2, . . . , ni+1

Entonces podemos simplemente escribir

fl((i) (u)) = (I + Ei+1 ) (i) (u).
Con la matriz identidad I y la matriz diagonal de error

1 0
0
0 2
0

Ei+1 = ..
|j | eps .
.. ,
.
.
.
.
.
0 0 ni+1

Esto nos da
fl((i) (x(i) )) (i) (x(i) ) = Ei+1 (i) (x(i) ),
pero Ei+1 (i) (x(i) ) Ei+1 (i) (x(i) ) (despreciando terminos de
orden superior). Por consiguiente
fl((i) (x(i) )) (i) (x(i) ) Ei+1 (i) (x(i) ) = Ei+1 x(i+1) =: i+1 .

Por lo anterior, x(i+1) puede ser expresado con una aproximacion

de primer orden como
x(i+1) i+1 + D(i) (x(i) ) x(i)

= Ei+1 x(i+1) + D(i) (x(i) ) x(i) , para i 0,

x(0) := x

Luego
x(1) D(0) (x) x + 1
x(2) D(1) (x(1) ) [D(0) (x)x + 1 ] + 2
..
.

y = x(r+1) D(r) D(0) x + D(r) D(1) 1 + +

Finalmente, llegamos a la formula que describe el efecto de los

errores de entrada x y los errores de redondeo i en el resultado
y = x(r+1) = (x):

y D(x) x + D (1) (x(1) ) 1 + + D (r) (x(r) ) r + r+1

= D(x) x + D (1) (x(1) ) E1 x(1) + + D (r) (x(r) ) Er x

Ejemplo

Para los dos algoritmos que calculan y = (a, b) = a 2 b2 dados

tenemos:
Algoritmo 1:
 
 2 
 2 
a
a
a
(0)
(1)
(2)
x=x =
, x =
, x =
, x(3) = y = a2
b
b
b2
(1) (u, v) = u v 2 ,

(2) (u, v) = u v,

D(x) = (2a, 2b)

D (1) (x(1) ) = (1, 2b),

D (2) (x(2) ) = (1, 1),

1 =

1 a2
0

E1 =

1 0
0 0

pues
fl(

(0)

(x

(0)

))

(0)

(x

(0)

)=

a a
b

a2
b

Tambien
2 =
3 = 3 (a2 b2 ),
a
Con x =
,
b

0
2 b2

E2 =

0 0
1 0

|i | eps para i = 1, 2, 3.

y 2aa 2bb + a2 1 b2 2 + (a2 b2 )3 .

Analogamente para el algoritmo 2:

x=

x(0)

a
b

x(1)

a+b
ab

(1) (u, v) = u v,
D(x) = (2a, 2b),

x(2) = y = a2 b2 ,

D (1) (x(1) ) = (a b, a + b),

1 =

1 (a + b)
2 (a b)

2 = 3 (a b ),

E1 =

1 0
0 2

Por tanto
y 2aa 2bb + (a2 b2 )(1 + 2 + 3 ).

|i | eps

Estabilidad de un algoritmo

Un algoritmo es llamado numericamente mas estable que otro para

calcular (x) si, para un conjunto dado de datos x, el efecto total
de redondeo del primero es menor que el del otro.

Ejemplo
En el ejemplo anterior, el efecto total por redondeo usando el
Algoritmo 1 es
 2



a 1 b2 2 + (a2 b2 )3  a2 + b2 + |a2 b2 | eps,
y usando el Algoritmo 2

|(a2 b2 )(1 + 2 + 3 )| 3|a2 b2 | eps .

Esto muestra que el algoritmo 2 es numericamente mas estable
que el algoritmo 1 siempre que 13 < |a/b|2 < 3; en otro caso el
algoritmo 1 es mas estable.