objeto de estudio.

Este problema es uno de los desafos con los que nos vamos a encontrar en
el analisis numerico, ya que una buena estimacion del error nos puede ayudar a decidir como
de bueno resulta un metodo respecto a otros. Por ejemplo, algunos metodos numericos usan
un esquema iterativo para calcular una solucion (en este tipo de esquemas, la aproximaci on
actual es calculada a partir de una que se ha calculado con anterioridad); este proceso de
calculo sucesivo de aproximaciones se sigue para obtener aproximaciones cada vez mejores.
En estos casos el error es estimado como la diferencia entre dos aproximaciones sucesivas,
con lo que el error relativo porcentual se puede expresar como :

a
=
aproximaci on actual aproximaci on anterior
aproximaci on actual
100
Lo unico que nos queda por discutir acerca del error es su signo. Lo que nos va a interesar en
la mayora de los casos no va a ser su signo, sino su magnitud, es decir su valor absoluto,
ya que generalmente esta medida se utilizar a para compararla con una tolerancia que
pondremos como lmite de precision, y que nos indicar a que es lo que vamos a considerar
una buena aproximaci on.
Los siguientes teoremas relacionan el error relativo con el n umero de cifras signicativas y
han sido de amplio uso. Para las pruebas correspondientes vease [Sca66].
Teorema 1.3.1. (Scarborough)
Si el error relativo de cualquier n umero no es mayor que
1
210
n
= el n umero es correcto
a n cifras signicativas
Teorema 1.3.2. (Scarborough)
Si la tolerancia t = (0.5 10
2n
)% y |
a
| < t = el resultado es correcto al menos a n
cifras signicativas
Ejemplo 4. Sabemos que e
x
= 1 + x +
x
2
2!
+ +
x
n
n!
. Queremos calcular e
0.5
, con valor
verdadero 1.648721271. A nadir terminos hasta que el
a
este por debajo de una tolerancia

s
establecida a priori que nos asegure tres cifras signicativas.
Para que sea correcto al menos a tres cifras signicativas ha de ser t = (0.5 10
23
)% =
0.05%
11
ERRORES DE REDONDEO
No. terminos Aproximaci on
v
= (val.verd. aprox)/val.verd.%
a
%
1 1 39.3
2 1.5 9.02 33.3
3 1.625 1.44 7.69
4 1.645833333 0.175 1.27
5 1.648437500 0.0172 0.158
6 1.648697917 0.0142 0.0158
Despues de que se consideren seis terminos, el error relativo aproximado porcentual es
menor que 0.05%, y el c alculo termina. Notese, sin embargo, que el resultado es exacto a
cinco cifras signicativas, en lugar de tres, que era lo solicitado. Esto ocurre debido a que
las formulas que estiman el error cometido son conservadoras, lo que signica que aseguran
que el resultado obtenido sea al menos tan bueno como lo especicado.
1.4 ERRORES DE REDONDEO
La principal causa de los errores de redondeo es debido al hecho de que los ordenadores
retienen un n umero jo de cifras signicativas.
Para apreciar bien este efecto entraremos en la representacion de los n umeros reales en el
ordenador. Las cantidades fraccionales en el ordenador se presentan en el formato de coma
otante, en el que el n umero es representado por una parte racional, denominada mantisa
y por otra entera, que es el exponente, como :
m b
e
donde b es la base del sistema de numeraci on utilizado. Generalmente esto se suele alma-
cenar en varias palabras de ordenador, donde se utilizar a un bit para expresar el signo de
la mantisa, los siguientes se utilizan para expresar el exponente, y el resto para la man-
tisa. Consideremos el siguiente ejemplo : supongamos una maquina hipotetica que tiene
un conjunto de n umeros en coma otante almacenados en una palabra de siete bits. Se
empleara el primer bit como bit de signo, los siguientes tres bits son el signo del exponente
(1 bit) y el propio exponente (2 bits), y los restantes corresponderan a la mantisa, ver
gura 1.4. Para evitar ambig uedades en la representacion la mantisa es expresada en su
forma normalizada, es decir, que el primer dgito que se encuentre a la derecha del punto
decimal sea distinto de cero.
El n umero mas peque no que podemos formar en esta maquina imaginaria es :
12