Está en la página 1de 27

UNIVERSIDAD NACIONAL DE SAN JUAN

Facultad de Ingeniería
Departamento de Matemática

MÉTODOS NUMÉRICOS
Ingeniería en Alimentos
Ingeniería Química
Ingeniería Industrial
Ingeniería de Minas
Ingeniería en Metalurgia Extractiva

UNIDAD DE APRENDIZAJE N° 1

Análisis de errores en la solución de algoritmos por computadora

Profesor Responsable: Esp. Ing. María Rosa Castro

2017
Introducción

Al momento de aplicar las matemáticas a situaciones del mundo real nos encontramos a menudo
con problemas que no pueden ser resueltos analíticamente o de manera exacta y cuya solución
debe ser abordada con ayuda de algún procedimiento numérico y utilizando una computadora
personal.
Un microprocesador, como cualquier sistema digital, emplea dos estados (0 y 1) para la
representación de información. Cabe recordar que los símbolos 1 y 0 representan esos dos
estados y no tienen ningún significado numérico por sí mismos. Sin embargo, cuando estos
símbolos se utilizan para representar los dígitos del sistema numérico binario, ellos se deben
manejar de acuerdo a las reglas del sistema numérico. Por lo tanto, en esta unidad se verá el
tratamiento de los sistemas numéricos necesarios para su implementación en computadoras.
Los sistemas numéricos posicionales más relevantes en el estudio de los métodos numéricos son
binario, octal, decimal y hexadecimal. Para esto analizaremos las conversiones entre ellos, la
representación y manejo del sistema binario en la computadora, así como los diversos errores
que ello puede ocasionar y algunas formas de evitarlos. Dada la naturaleza electrónica de las
computadoras, los sistemas binario, octal y hexadecimal resultan los más indicados a usarse en
estos dispositivos, por lo que, a fin de tener una idea de los procesos numéricos internos en ellas,
conviene hacer un estudio de tales sistemas y su conversión al decimal, ya que éste es finalmente
nuestro enlace con las máquinas.
Por un lado, dada la finitud de la memoria de las máquinas, es imposible representar a todos los
1
números reales en ella. Así, números como 𝜋, √2, =0,333…., números muy pequeños (o muy
3
grandes) se manejan usando números que son aproximaciones de ellos o simplemente no se
manejan. Una de las características más sobresalientes de los métodos numéricos es el uso de los
números reales en cálculos extensos. Cabe entonces preguntarse qué efecto tiene tales
aproximaciones en los cálculos que hacemos con dichos números, en los resultados que
obtenemos e incluso que números reales pueden representarse exactamente en la computadora.
El conocimiento de todo esto nos ayudará a evitar cierto tipo de errores, analizar su propagación
e incluso interpretar mejor los resultados dados por una máquina.

Objetivos Específicos de la unidad


Al término del estudio de los contenidos de ésta unidad y al realizar todas las actividades
propuestas por el equipo de cátedra, se espera que el alumno logre:
 Entender el concepto de sistemas de numeración.
 Distinguir entre sistemas de numeración posicional y no posicional.
 Describir el sistema decimal, binario, hexadecimal y octal.
 Convertir un número en binario, octal o hexadecimal a un número en el sistema decimal y
viceversa
 Convertir un número en binario a octal y viceversa.
 Convertir un número en binario a hexadecimal y viceversa.
 Representar números en el sistema de punto fijo y en punto flotante.
 Entender la diferencia entre error de truncamiento y de redondeo.
 Entender el concepto de cifras significativas.
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 2
 Conocer la diferencia entre exactitud y precisión.
 Apreciar la utilidad del error relativo.
 Ser capaz de relacionar el error relativo con las cifras significativas.
 Ser capaz de aplicar las reglas de redondeo.
 Determinar la cantidad de cifras decimales correctas y los dígitos significativos de un
resultado.
 Reconocer las causas graves de errores en computación.
 Evaluar errores propagados en distintas operaciones.

Sistema de Numeración

Se define sistema de numeración como el conjunto de reglas que permiten nombrar y escribir
cualquier número, a partir de un número finito de símbolos.
Podemos clasificar los sistemas de numeración en dos grandes tipos:
Posicionales: El valor de los símbolos que componen el sistema depende del valor que se les ha
asignado, y de la posición que ocupan en el número, ej.: Números decimales.
No Posicionales: El valor de los símbolos que componen el sistema es fijo, y no depende de la
posición que ocupa el símbolo dentro del número ej.: Números romanos
En un sistema de numeración posicional es obligado hablar de la base.
Base de un sistema de numeración es el número por el que hay que multiplicar a una unidad
inferior para obtener la inmediata superior. Es también el cardinal del conjunto de símbolos. Es
decir, siendo b la base, la unidad inferior siempre tiene de peso b0 = 1, la inmediata superior
tendrá un peso de 1 x b = b, la inmediata superior siguiente será el producto de la anterior por b:
b x b = b2, etc.
Gráficamente:

……... b5 b4 b3 b2 b1 b0
En un sistema de numeración de base b existen b símbolos diferentes que van desde 0 hastab-1:
0, 1, 2, 3,. . . . ., b-1
Teorema Fundamental de la Numeración
Dado un sistema de numeración de base b, con b-1 dígitos, cualquier número natural N puede
descomponerse de la forma:
N  xn1 . b n1  ........  x2 . b 2  x1 . b1  x0

Siendo n el número de cifras del número N en ese sistema, donde los coeficientes xi son menores
que la base b.

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 3
Demostración:
Si realizamos la división del número natural N, en la base b se obtiene el cociente c0 y el resto x0,
esto es:
N  c0 b  x0
(1)
Repitiendo el procedimiento:
c0  c1b  x1

c1  c2 b  x2

....................…...

c n 2  c n 1b  x n 1

c n 1  c n b  x n

Donde cada cociente es menor que el dividendo:


N > c0 > c1 > c2 >…….>cn -2 >cn -1 >cn
Y además el último cociente cn< b que no permite más divisiones
Sustituyendo, todas estas ecuaciones en (1) resultan:
N   c1b  x1  b  x0  c1b 2  x1b  x0   c2 .b  x2  .b 2  x1.b  x0  c2 .b 3  x 2 .b 2  x1.b  x0  ... 
 xn1.bn1  ....  x2 .b2  x1.b1  x0

Métodos de representación numérica
Un número N, en un sistema de numeración posicional, se representa como:

N = dp-1*bp-1 + d p-2*b p-2+.....+ d0*b0 + d-1*b-1 +…+ d-q*b-q (1)


Dónde:
b: base o raíz del sistema numérico.
d: dígitos o símbolos del sistema numérico, que son los b dígitos permitidos.
p: número de dígitos enteros.
q: número de dígitos fraccionarios.

N se puede expresar como:

p = 0 número fraccionario
q = 0 número entero
p>0 y q>0 número mixto
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 4
Sistema Decimal

N10 = 27,510 = 2. 101 + 7. 100 + 5. 10-1

b (base)= 10
d (dígitos)= 0,1,2,3,4,5,6,7,8,9
p=2 y q=1.

Nuestro sistema numérico decimal consta de 10 dígitos: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Utilizando estos


10 símbolos podemos escribir números tan grandes como queramos, debido a la notación
posicional, mediante la cual cada dígito tiene un valor relativo según su posición. Se dice
también que según la posición cada número tiene un “peso”. De esta forma cuando ponemos tres
dígitos seguidos, como 543, queremos indicar el número quinientos cuarenta y tres:

543=5.100+4.10+3.1=5. 102+4.101+3.100= 543


La notación posicional permite además realizar las operaciones elementales de suma,
multiplicación, resta o división. En cualquier otro sistema no posicional, será difícil realizar esas
operaciones; por ejemplo, piense en los números romanos, que si permiten representar números
grandes, pero con los cuales no se pueden realizar operaciones.

Notación: la base en la que está escrito un número la indicaremos como subíndice de ese número.
Ejemplo: 567010 indica el número 5670 escrito en base 10.

Sistema Binario
El sistema de numeración binario o de base 2 es un sistema posicional que utiliza sólo dos
símbolos para representar un número: {0,1}. Estos dígitos se llaman abreviadamente bits, cuyo
nombre proviene de la contracción inglesa “Binary digit”. Es muy importante este sistema de
numeración en el campo de la computación, porque en él se basa toda la lógica interna de una
computadora. Los agrupamientos se realizan de 2 en 2: dos unidades de un orden forman la
unidad de orden superior siguiente. En el sistema binario el número 2 no existe, cuando llegamos
a 2 unidades se forma un nuevo orden, entonces 2 se escribe "10" en este sistema:
Vamos a escribir el número 14 en éste sistema1:

1
Para profundizar sobre el Sistema Binario, te recomiendo que visites la siguiente página:
http://www.ceibal.edu.uy/UserFiles/P0001/ODEA/HTML/091111_binario.elp/sistema_binario.html

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 5
Sistema Octal
El sistema de numeración octal es un sistema de numeración en base 8, una base que es potencia
exacta de 2 o de la numeración binaria. Esta característica hace que la conversión a binario o
viceversa sea bastante simple. El sistema octal usa 8 dígitos {0, 1, 2, 3, 4, 5, 6, 7} y tienen el mismo
valor que en el sistema de numeración decimal.
En informática a veces se utiliza la numeración octal en vez de la hexadecimal. Tiene la ventaja de
que no requiere utilizar otros símbolos diferentes de los dígitos. Sin embargo, para trabajar
con bytes o conjuntos de ellos, asumiendo que un byte es una palabra de 8 bits, suele ser más
cómodo el sistema hexadecimal, por cuanto todo byte así definido es completamente
representable por dos dígitos hexadecimales.
Ejemplo: 1748=12410=11111002

Sistema Hexadecimal
Como hemos visto, los números binarios son muy adecuados para su uso en aparatos
electrónicos, pero tienen un gran inconveniente; cuando los escribimos, necesitamos una gran
cantidad de cifras para representar un número relativamente pequeño. Si pudiéramos agrupar
los bits, conseguiríamos evitar este inconveniente.
Dado que vamos a trabajar con 8 o 16 bits, parece lógico agruparlos de 4 en 4 con el fin de
obtener números de 2 o 4 cifras. Como regla general, con "n" bits se pueden obtener" 2 elevado a
n" combinaciones distintas, por tanto, con 4 bits podemos obtener 16 combinaciones, cada una
de las cuales la asociaremos con un dígito hexadecimal.
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 6
Necesitamos 16 dígitos para representar todas las posibles combinaciones, como sólo conocemos
10 dígitos distintos (del 0 al 9), utilizaremos las 6 primeras letras mayúsculas del abecedario (de
la "A" a la "F").
El sistema hexadecimal fue introducido en el ámbito de la computación por primera vez por IBM
en 1963.
Conversión de un sistema de numeración a otro
Para la realización de conversiones entre números de bases diferentes se efectúan operaciones
aritméticas simples. Entre estas las divisiones sucesivas y las potencias de la base.
1. Conversión de un número en base b a la base 10
Se realizará en dos partes:
a) La parte entera: se aplica el teorema fundamental de la numeración. Para convertir la parte
entera de un número de un sistema numérico de base b, al sistema numérico de base 10 se
multiplica cada digito del número por la base correspondiente elevada a una potencia igual a la
posición del digito, tomando como posición cero a la del digito situado más a la derecha. De la
suma resulta el equivalente decimal.
b) La parte fraccionaria, se amplía el teorema fundamental de la numeración. Cada dígito
fraccionario se debe multiplicar por la base elevada a un exponente negativo.
N  x p 1. b p 1  ....  x2 . b2  x1. b1  x0  d1. b 1  d 2 .b 2  .......  d q . b  q

Parte Entera Parte Fraccionaria

Ejemplo: Escribir en la base decimal el número 4123,567 8 y 101,1101 2


4123,567 8 = 4.83 + 1.82 + 2.81 + 3.80 + 5.8-1 + 6.8-2 + 7.8-3
= 2048 + 64 + 16 + 3 + 0.625 + 0.094 + 0.014 = 2131 + 0.733 = 2131.733 10
101,1101 2 = 1.22 + 0.21 + 1.20 + 1.2-1 + 1.2-2 + 0.2-3 + 1.2-4
= 4 + 0 + 1 + 0.5 + 0.25 + 0 + 0.0625 = 5.8125 10
96,5116= 9.161+6.160+5.16-1+1.16-2=144+6+0,3125+0,004=150,316510

Ejercicio 1: Resolver las siguientes conversiones de números en distintas bases a decimal


a) 11001002= e) 144,238= i) 1111,10112=15,687510
b)6416= f) FB,13416=251,0751953110 j)0,1E16=
c) 368= 3010 g) 111110,1002= k) 0,3738=
d) 111,102= h) 76,408= l) 1F,416=

2. Conversión de un número en base 10 a la base b


Se realizará en dos partes:
a) La parte entera: se hacen las divisiones sucesivas del número entero en la base b, hasta
que el cociente sea menor que la base. El último cociente y los números obtenidos como

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 7
restos componen el número en base b, pero colocados en orden inverso al que se han ido
obteniendo.

Ejemplo: Conversión del número 26, 1875 a binario


Para convertir el número decimal 26, 1875 a un número en binario, se separa la parte entera de
la parte fraccionaria. Trabajando con la parte entera, se aplica las divisiones sucesivas en la base
2.

Resulta que el número 26 10= 11010 2

b) La parte fraccionaria, se multiplica la parte fraccionaria por la base b a la que se pretende


pasar, y la parte entera del resultado es el primer dígito fraccionario obtenido. Se toma la
parte fraccionaria de dicho resultado y se la vuelve a multiplicar por la base. Se repite el
método sucesivas veces hasta obtener una parte fraccionaria nula (en cuyo caso, el cambio
de base es exacto) o hasta que se tenga como aproximación una cantidad suficiente de
dígitos.
Tomando la parte fraccionaria del número dato y multiplicándolo por la base (2), obtenemos:

Nos detenemos cuando la parte decimal es nula, por lo tanto el número decimal 0,1875 en binario
es: 0,00112. Finalmente el número completo convertido es 26,187510= 11010,00112
NOTA: un número real no entero presentará siempre cifras después del punto decimal, pudiendo
ser necesario un número finito o infinito de éstas, dependiendo de la base en que se represente;
por ejemplo el número 1.610 representado en binario sería 1.100110011001...2, requiriendo
infinitas cifras para ser exacto, como ocurre con muchos números representados en decimal.
Ejercicio 2:
a) Convertir a binario el número 538,71875 10
Respuesta: La parte entera 538 10 = 1000011010 2
La parte fraccionaria: 0,7187510= 0,101112
Por lo tanto el resultado final es: 538,71875 10 = 1000011010,10111 2
b) 5,812510=
Respuesta: 5,8125 10 = 101,1101 2
c) 27,7510=
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 8
3. Conversión entre la base binaria, octal y hexadecimal
Como acabamos de comprobar, el código binario produce números con muchas cifras, y para
evitarlo utilizamos códigos intermedios que son bases mayores, que no se alejen de la binaria.
Esto se fundamentan en la facilidad de transformar un número en base 2, a otra base que sea una
potencia de 2 (22=4; 23=8; 24=16, etc.), y viceversa. Usualmente se utilizan como códigos
intermedios los sistemas de numeración en base 8 (u octal) y en base 16 (o hexadecimal).
Para hacer conversiones de números binarios a números escritos en las bases octal o
hexadecimal, y a la inversa, se pueden aplicar los procedimientos antes estudiados, pero para
estos dos casos concretos hay otros más rápidos y sencillos.
Cada 3 símbolos binarios (3 bits) se agrupan para formar una cifra de la representación en octal,
por tanto en general puede hacerse la conversión fácilmente, de la forma siguiente:
Para transformar un número binario a octal se forman grupos de tres cifras binarias partir del
punto base hacia la izquierda y hacia la derecha (añadiendo ceros no significativos cuando sea
necesario para completar grupos de 3. Posteriormente se efectúa directamente la conversión a octal
de cada grupo individual de 3 cifras, y basta con utilizar la tabla siguiente para poder realizar
rápidamente la conversión.
Tabla 1: Conversión entre las bases octal y binaria
B8 0 1 2 3 4 5 6 7
B2 000 001 010 011 100 101 110 111

Así por ejemplo:

De octal a binario se pasa sin más que convertir individualmente a binario (tres bits) cada cifra
octal, manteniendo el orden del número original.
Por ejemplo:

Ejercicio 3: Convertir los siguientes números a la base octal o a binario según corresponda
a) 101112 = 23 10= 278
b) 13 10 = 1101 2=15 8
c) 11010111 2 = 3278=215 10
Tomar el número binario y hacer grupos de tres cifras, de derecha a izquierda, convirtiendo cada
grupo de estos a su equivalente octal, así:

d) 43, 07 8 = 100011, 000111 2


Conversión de octal a binario, consiste en convertir cada cifra del número en las tres cifras
binarias correspondientes.
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 9
e) 1001, 001 2=
f) 10011, 01 2=
Para representar un número en base hexadecimal (esto es, b=16) es necesario disponer de un
alfabeto de 16 símbolos: {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E, F}
Al ser b=16=24, de modo similar al caso octal, cada símbolo hexadecimal se corresponde con 4
símbolos binarios (4 bits) y las conversiones a binario se realizan agrupando o expandiendo en
grupos de 4 bits.
En la Tabla 2 se pueden ver las 16 combinaciones posibles con 4 bits y su equivalente en
hexadecimal.
Tabla 2: Conversión entre el sistema binario y el hexadecimal
B10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
B16 0 1 2 3 4 5 6 7 8 9 A B C D E F
B2 0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111

Se pueden comprobar las transformaciones siguientes:

De la misma forma que manualmente es muy fácil convertir números de binario a octal, y
viceversa, y de binario a hexadecimal, y viceversa, también resulta sencillo efectuar esta
operación electrónicamente o por programa, por lo que a veces la computadora utiliza este tipo
de notaciones intermedias como código interno o de entrada/salida, y también para visualizar el
contenido de la memoria o de los registros.
Ejercicio 4: Convertir los siguientes números a la base hexadecimal o a binario según
corresponda
a) 11010111 2 = D7 16
b) 43F9 16 = 100 0011 11111001 2
c) 1FA 16=
d) 1000101,00111010 2=
e) 12A5, 7C16 =
f) 3F6D, 4 16=
Manejo de números en la computadora
Por razones prácticas, solo puede manejarse una cantidad finita de bits para cada número en una
computadora, y esta cantidad o longitud varia de una maquina a otra. Por ejemplo, cuando se

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 10
realizan cálculos en ingeniería, es mejor trabajar con una longitud grande, por otro lado, una
longitud pequeña es más económica y útil para cálculos y procesamientos administrativos.
Para una computadora, el número de bits generalmente se llama palabra. Las palabras van desde
ocho bits hasta 64 bits. Para facilitar su manejo, la palabra se divide en partes más cortas
denominadas bytes; por ejemplo, una palabra de 32 bits puede dividirse en cuatro bytes (ocho
bits cada uno).
La computadora distingue entre números de tipo entero (sin decimales) y de tipo real (con
decimales) y utiliza representaciones internas distintas para ambos tipos. Sin embargo,
cualquiera que sea la forma empleada para representar los números en una computadora, hay
siempre unos límites, superior e inferior, al valor que pueda ser representado. Estos límites
dependen tanto de la forma como se representen como del número de bits asignados para cada
número. Se emplea el término overflow (desbordamiento) cuando una operación produce un
número tan grande que se sale de estos límites (el término underflow se usa en relación al límite
inferior). Por ejemplo, si una computadora empleara ocho bits para almacenar enteros positivos,
el número más grande que podría almacenar sería 11111111 (binario) =255 (decimal). Cualquier
intento de almacenar un número de más de ocho bits produciría necesariamente un
desbordamiento.
Con el objeto de reducir los errores de desbordamiento, y de reducir el espacio que se puede
malgastar, (reservando un número excesivo de bits si éstos no son necesarios), existe una cierta
flexibilidad en la representación. Así por ejemplo, la mayor parte de las computadoras disponen
de la posibilidad de representar los números en simple y doble precisión, de forma que los
números en doble precisión ocupan más bits por lo que son más exactos. Afortunadamente los
lenguajes de programación permiten a los programadores tener la posibilidad de elegir el tipo de
representación más adecuada para cada número en función de cómo lo vayan a manejar a lo
largo del programa.
Representación de números enteros
Cada palabra almacena un número, aunque en ciertas circunstancias se usan varias palabras para
contener un número. Por ejemplo, considérese una palabra de 16 bits para almacenar números
enteros. De los 16 bits, el primero representa el signo del número, un 0 es un signo más y un 1 un
signo menos. Los 15 bits restantes pueden usarse para guardar números binarios desde
000000000000000 hasta 111111111111111. Al convertir este número en decimal se obtiene
32767.
Por lo tanto, cada palabra de 16 bits puede contener un número cualquiera del rango: -32768 a
32767. Por ejemplo, al representar el número -2610 en una palabra de 16 bits, primero se lo debe
convertir al sistema binario, resultando: -2610=-110102 y su almacenamiento quedaría asi:
1 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0

Signo número

Representación de números reales


Al escribir un número en forma decimal, la cantidad de cifras decimales indica la precisión del
mismo. Sabemos que muchos números reales no pueden representarse mediante un número

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 11
finito de cifras decimales. La precisión de una fracción decimal es una medida de cuánto se
aproxima la representación al valor exacto del número. Por ejemplo, en base diez, el número
racional 1/3 no puede representarse de forma exacta. Sin embargo, la representación con cuatro
decimales 0.3333 es más precisa que la que sólo emplea dos: 0.33.
En las CPU las fracciones tienen necesariamente que almacenarse mediante un número finito de
dígitos binarios. Como en el caso de las fracciones decimales, esto limita su precisión e implica
que los cálculos que empleen estos números, raramente proporcionarán un resultado exacto.
Los números reales en base diez que nosotros utilizamos habitualmente para realizar cálculos
matemáticos son expresados en dos formas:
- Punto fijo: se emplean tres campos para la representación: signo, parte entera y parte
decimal. Los notaremos de la siguiente forma: P(B, t, d), donde B es la base del sistema
numérico, t es la cantidad de cifras totales que componen el número y d es la cantidad de
cifras decimales.
Por ejemplo: 9,803 pertenece al sistema P (10, 4, 3) y 45,1567 pertenece al sistema
P (10, 6, 4)
- Punto flotante: donde un número también se expresa con tres campos: signo, mantisa y
exponente. Esta notación se emplea cuando el número a representar es muy grande o muy
pequeño y llevaría muchos dígitos su representación en punto fijo, lo cual puede resultar
en errores de cálculo, de representación etc.
Todo número representado en punto flotante tiene la forma:

N= ±0, d 1 d 2 d 3 … dt. Be, m ≤ e ≤ M, 0 ≤ di ≤ 9, i ϵ {1, 2, 3,…, t}

La notación usada es F(B, t, m, M), B es la base del sistema numérico, t número de cifras
de la mantisa y m y M rango de valores del exponente. Por ejemplo: 0,789 102 pertenece al
sistema F(10, 3,-1, 3)
Para el caso de números binarios, el análisis es similar. Tanto punto fijo como punto flotante son
los dos sistemas de representación de números binarios con signo.
El número decimal +0,2 en binario es +0, 0011001100110011…, al normalizarlo resulta:
+0,11001100110011 x 2-10, almacenado en una palabra de 16 bits quedaría así:
bits truncados en el almacenamiento

Doble precisión
La doble precisión es un esfuerzo para aumentar la exactitud de los cálculos adicionando más bits
a la mantisa. Esto se hace al utilizar dos palabras, la primera en la forma expuesta anteriormente,
y los bits de la segunda para aumentar la mantisa de la primera. Entonces, con una palabra de 16
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 12
bits puede usarse en doble precisión una mantisa de 24 bits. Los 24 bits de la mantisa permiten
expresar alrededor de 7 dígitos de exactitud en un número decimal, en lugar de 3 de la precisión
sencilla.
La desventaja del uso de la doble precisión es que se emplean más palabras, con lo cual se
acrecienta el uso de memoria por un programa.
Algunas ideas básicas sobre el cálculo con ordenador
La utilización de ordenadores ha cambiado la forma de resolver problemas numéricamente. A la
hora de hacer cálculos con lápiz y papel solemos utilizar aritmética racional, mientras que si esos
mismos cálculos los hacemos con el ordenador, en la mayoría de los casos, podemos utilizar
aritmética finita y guardar los valores obtenidos en la memoria del ordenador, lo que
habitualmente conlleva una pérdida de exactitud. Por lo tanto, al realizar cálculos con el
ordenador se cometen errores y el análisis de estos errores es importante.
Se describirán aspectos básicos relacionados con la identificación, cuantificación y minimización
de errores. Destacaremos que dos son los errores numéricos más comunes: los errores de
redondeo y los errores de truncamiento. Los primeros son como consecuencia de que los
ordenadores solo pueden representar cantidades con un número finito de dígitos. Los segundos
vienen como consecuencia de la diferencia entre una formulación matemática y su aproximación
obtenida mediante un método numérico.
Como es normal que los errores se propaguen a lo largo de una sucesión de operaciones, habrá
que prestar especial atención al fenómeno de la propagación de los errores, destacando los
métodos que proporcionen resultados fiables. Además, como bastantes métodos numéricos están
definidos mediante técnicas iterativas que involucran sucesiones numéricas, daremos una
definición para describir la rapidez de su convergencia, estando en general interesados en que
ésta sea lo más rápida posible. Terminaremos hablando del costo computacional de los métodos
numéricos.
Fuentes de error
Comenzamos repasando algunos conceptos básicos referentes a la representación aproximada de
los números.
A la hora de realizar un cálculo es importante asegurarse de que los números que intervienen se
puedan utilizar con confianza. Para ello, se introduce el concepto de cifras o dígitos
significativos, que designan formalmente la confianza que se tiene sobre un valor numérico. Se
trata del número de dígitos que se ofrecen con certeza, más uno estimado. Los ceros no siempre
son cifras significativas, ya que pueden usarse sólo para ubicar el punto decimal: los números
0,00001845, 0,0001845 y 0,001845 tienen cuatro cifras significativas. Asimismo, cuando se
incluye ceros en números muy grandes, no queda claro cuántos son significativos. Por ejemplo, el
número 45300 puede tener tres, cuatro o cinco cifras significativas, dependiendo de si los ceros
se conocen o no con exactitud. La incertidumbre se puede eliminar usando la notación científica,
donde 4,53. 104, 4,530. 104, 4,5300. 104 muestran, respectivamente, que el número tiene tres,
cuatro y cinco cifras significativas.
El concepto de cifras significativas tiene dos implicancias importantes en el estudio de los
métodos numéricos:

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 13
1- Los métodos numéricos dan resultados aproximados. Por lo tanto, se deben desarrollar
criterios para especificar qué tan confiables son dichos resultados. Por ejemplo es posible afirmar
que la aproximación es aceptable siempre y cuando sea correcta con cuatro cifras significativas.
2- Aunque ciertas cantidades tales como π,e o √7 representan cantidades específicas, no se
pueden expresar exactamente con un número finito de dígitos. Como las computadoras retienen
sólo un número finito de cifras significativas, tales números jamás se podrán representar con
exactitud. A la omisión del resto de cifras significativas se le conoce como error de redondeo.
Ejercicio 5: Indique cuantas cifras o dígitos significativos tienen los siguientes números
Número Cantidad de cifras significativas
19,5 3 cifras significativas y 1 cifra decimal
0,0195 3 cifras significativas y 4 cifras decimales
25,2
75,32
0,00654 3 cifras significativas y 5 cifras decimales
12370
50,072 5 cifras significativas y 3 cifras decimales
12300134
0,00123700

Exactitud y precisión
Otros conceptos a los que también hay que prestar cierta atención son la exactitud y la
precisión. La exactitud mide la cercanía entre los valores calculados y los valores exactos,
mientras que la precisión se refiere a la cercanía entre distintos valores calculados.
Los métodos numéricos deben ser lo suficientemente exactos o sin sesgo para satisfacer los
requisitos de un problema de ingeniería. También deben ser suficientemente precisos para ser
adecuados para ser utilizados en modelados matemáticos. Estos conceptos se ilustran a
continuación:

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 14
Definiciones de error
A la hora de representar cantidades y cálculos matemáticos exactos mediante aproximaciones
aparecen errores numéricos, que incluyen los errores de redondeo que se producen cuando se
representan números exactos mediante números con límite de cifras significativas, y los errores
de truncamiento, que se producen al emplear aproximaciones como procedimientos matemáticos
exactos. En ambos casos el error numérico viene dado por la diferencia entre el valor exacto y su
valor aproximado, lo que se denomina error.
Esto es, si p*es el valor aproximado y p el valor exacto (habitualmente desconocido), el error
cometido a la hora de utilizar el valor aproximado es:
E=p*-p
Para facilitar el manejo y el análisis se emplea el error absoluto definido como:
Ea=|𝑝∗ − 𝑝|
Sin embargo, para problemas en los que la magnitud del valor real puede ser particularmente
muy grande (o muy pequeña), el error relativo puede ser más importante que el error absoluto.
|𝑝∗ −𝑝|
Er= , si p≠0
𝑝
|p∗ −p|
El error relativo porcentual está dado por: Er%= * 100
p

Supongamos que el valor para un cálculo debería ser p= 0,10. 102 pero se obtuvo el resultado
p*= 0,08. 102, entonces, evaluando el error absoluto es:
Ea=|𝑝∗ − 𝑝|=|0,08 . 102 − 0,10 . 102 | = 0,2 . 101
Sin reparar en las cantidades que se comparan, puede pensarse que el error absoluto es muy
pequeño y, lo más grave, aceptar p* como una buena aproximación a p. Si se calcula el error
relativo:
|p∗ −p| |0,08 .102 −0,10 .102 |
Er = = = 0,2 . 100
p 0,10 . 102

Y el error relativo porcentual es:


Er%= 𝐸𝑟 * 100= 20%.
Por lo general, nos interesa el error absoluto, pero cuando el valor exacto de una cantidad es muy
pequeño o muy grande, los errores relativos son muy significativos.
Por ejemplo si p=0,24. 10-4 y p*=0,12. 10-4, entonces el Ea =0,12. 10-4, el Er =0,5. 100, se observa
que la aproximación es tan sólo la mitad del valor verdadero y, por lo tanto, está muy lejos de ser
aceptable como aproximación a p. Finalmente el error relativo porcentual es igual a 50%.
De igual manera puede observarse que si p=0,46826564. 106 y p*=0,46830000. 106, entonces
Ea= 0,3436. 102y si no se tienen en cuenta las cantidades en cuestión, puede creerse que el Ea es
muy grande y que se tiene una mala aproximación a p. Sin embargo, al calcular el error relativo:
Er= 0,7337715404. 10-4, se advierte que el error es muy pequeño, como ocurre en realidad.

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 15
Conclusión: Cuando se manejan cantidades “muy grandes” o “muy pequeñas”, el error absoluto
puede ser engañoso, mientras que el error relativo es más significativo en esos casos.
Ejercicio 6: Suponga que se tiene que medir la longitud de un puente y la de un remache, y se
obtiene 9999 y 9 cm, respectivamente. Si los valores verdaderos son 10000 y 10 cm. Calcule: a)
el error absoluto, b) el error relativo porcentual en cada caso.
Respuesta: a) El error absoluto en la medición del puente y en el remache es de 1 cm.
b) El error relativo porcentual para el puente es de 0,01% y para el remache es de 10%. Por lo
tanto, aunque ambas medidas tienen un error absoluto de 1 cm, el error relativo porcentual del
remache es mucho mayor. Se concluye entonces que se ha hecho un buen trabajo en la medición
del puente, mientras que la estimación para el remache dejó mucho que desear.
Redondeo y truncado
En situaciones reales a veces es difícil contar con el valor verdadero de una cantidad
determinada. Sin embargo, en métodos numéricos, el valor verdadero solo se conocerá cuando
se tengan funciones que se resuelvan analíticamente. Éste es el caso cuando se estudie el
comportamiento teórico de una técnica específica para sistemas simples. Sin embargo, en muchas
aplicaciones reales, no se conoce a priori la respuesta verdadera.
En la práctica es imposible conocer exactamente el valor del error correspondiente a una
aproximación, de manera que deberemos contentarnos con acotarlo o estimarlo (sin conocerlo).
Muchos métodos numéricos proporcionan una estimación del error, además de la aproximación,
esperando que dicha estimación coincida aproximadamente con el error.
En general, es obvio que solo se pueden guardar un número finito de cifras significativas, de
manera que cantidades específicas como 2/3,√3, o π no se pueden representar con exactitud,
puesto que tienen infinitas cifras decimales. Existen dos posibilidades. La más simple es cortar o
truncar el número, descartando todas las cifras que estén detrás de las que el ordenador puede
guardar.
La otra es redondear el número, el resultado depende entonces del valor de la primera cifra a
descartar. Las reglas del redondeo se aplican al decimal situado en la siguiente posición al
número de decimales que se quiere transformar, es decir, si tenemos un número de 3 decimales y
queremos redondear a 2, se aplicará las reglas de redondeo:
- Dígito menor que 5: Si el siguiente decimal es menor que 5, el anterior no se modifica.
Ejemplo: n=12,612. Redondeando a 2 decimales deberemos tener en cuenta el tercer
decimal: n*= 12,61.
- Dígito mayor que 5: Si el siguiente decimal es mayor o igual que 5, el anterior se
incrementa en una unidad. Ejemplo 1: n=12,618. Redondeando a 2 decimales deberemos
tener en cuenta el tercer decimal: n*= 12,62. Ejemplo 2: n=12,615. Redondeando a 2
decimales deberemos tener en cuenta el tercer decimal: n*= 12,62.
Resumiendo: Si estamos trabajando con n cifras, el redondeo produce el mismo resultado que el
truncamiento si la cifra(n+1)-ésima es 0, 1, 2, 3 o 4, mientras que si la cifra (n+1)-ésima es 5, 6, 7,
8 o 9, entonces la cifra n-ésima se incremente en 1 ya que se le suma la base dividida en 2 (β/2).
Cuando se omiten cifras significativas hablaremos de error de redondeo.

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 16
En el caso en que el valor real que se quiere aproximar, es un número irracional por tener
infinitas cifras no se puede calcular el error absoluto, por lo tanto se calcula la cota del error.
Una cota del error es un número ϵque cumple: E≤ϵ
Si la aproximación es por redondeo, la cota de error absoluto es media unidad del orden t de la
última cifra decimal, donde el orden t será uno si la última cifra significativa corresponde a las
décimas, dos si corresponde a las centésimas, tres a las milésimas y así sucesivamente.
𝟏 𝟏
𝝐= 𝒕
= . 𝜷−𝒕
𝟐. 𝟏𝟎 𝟐
Los errores que se cometen con el redondeo tienen menor probabilidad de acumularse durante la
repetición de cálculos, puesto que el valor exacto, generalmente es más grande que el valor
redondeado. Además, el error absoluto más grande que puede ocurrir, es unas dos veces más
grande tanto a la hora de truncar como a la hora de redondear. Los errores de redondeo se
producen frecuentemente cuando los números que están implicados en los cálculos difieren
significativamente en su magnitud y cuando se restan dos números que son casi idénticos.
Corte o truncado.
Los errores de truncamiento, resultan de representar aproximadamente un procedimiento
matemático exacto. Tienen relación con el método de aproximación que se usará ya que
generalmente frente a una serie infinita de términos, se tenderá a cortar el número de términos,
introduciendo en ese momento un error, por no utilizar la seria completa (que se supone es
exacta).
Para llevar a cabo operaciones con algunas funciones matemáticas las computadoras ejecutan
estas funciones utilizando series infinitas de términos, pero es difícil llevar a cabo estos cálculos
hasta el infinito, por lo tanto la serie tendrá que ser truncada.
En un proceso iterativo, se entiende como el error por no seguir iterando y seguir aproximándose
a la solución. En un intervalo que se subdivide para realizar una serie de cálculos sobre él, se
asocia al número de paso, resultado de dividir el intervalo “n” veces.
Truncamiento es el término usado para reducir el número de dígitos a la derecha del punto
decimal, descartando los menos significativos.
Por ejemplo dados los números reales: 3,14159265358979…; 32,438191288;
6,3444444444444… Para truncar estos números a dígitos decimales, sólo consideramos los 4
dígitos a la derecha de la coma decimal.
El resultado es: 3,1415; 32,4381; 6,3444 nótese que en algunos casos, el truncamiento dará el
mismo resultado que el redondeo, pero el truncamiento no redondea hacia arriba ni hacia abajo
los dígitos, meramente los corta en el dígito especificado. El error de truncamiento puede ser
hasta el doble del error máximo que se puede obtener usando redondeo.
En una aproximación cualquiera, la cota de error por truncamiento es una unidad del orden t
de la última cifra decimal significativa:
𝟏
𝝐= = 𝜷−𝒕
𝟏𝟎𝒕

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 17
Error numérico total.
El error numérico total se entiende como la suma de los errores de redondeo y truncamiento
introducidos en el cálculo.
Pero aquí surge un problema, mientras más cálculos se tengan que realizar para obtener un
resultado, el error de redondeo se irá incrementando. Pero por otro lado, el error de
truncamiento se puede minimizar al incluir más términos en la ecuación, disminuir el paso a
proseguir la iteración (o sea mayor número de cálculos y seguramente mayor error de
redondeo). El error numérico total es la suma de los errores de redondeo y de truncamiento (los
errores de truncamiento decrecen conforme el número de cálculos aumenta, por lo que se encara
el siguiente problema: la estrategia de disminuir un componente del error total lleva al
incremento del otro).
La suma de los errores de redondeo y de truncamiento es lo que habitualmente llamamos error
numérico total (también llamado error verdadero), que está incluido en la solución numérica.
En general, si se incrementa el número de cifras significativas en el ordenador, se minimizan los
errores de redondeo, y los errores de truncamiento disminuyen a medida que los errores de
redondeo se incrementan. Por lo tanto, para disminuir uno de los dos sumandos, del error total
debemos incrementar el otro. El reto consiste en identificar dónde los errores de redondeo no
muestren los beneficios de la reducción del error de truncamiento y determinar el tamaño del
incremento apropiado para un cálculo en particular. Estas situaciones son poco comunes en
casos reales porque habitualmente los ordenadores utilizan suficientes cifras significativas como
para que los errores de redondeo no predominen.
Como el error total no se puede calcular en la mayoría de los casos, se suelen utilizar otras
medidas para estimar la exactitud de un método numérico, que suelen depender del método
específico. En algunos métodos el error numérico se puede acotar, mientras que en otros se
determina una estimación del orden de magnitud del error.
Terminamos recordando que cuando buscamos las soluciones numéricas de un problema real los
resultados que obtenemos generalmente no son exactos. Una fuente habitual de inexactitudes
radica en la simplificación del modelo del problema original. También suelen aparecer errores a
la hora de interpretar una colección de datos. Además, habrá que estar atentos a los errores que
no están relacionados directamente con los métodos numéricos aplicados, como por ejemplo,
entre otros, equivocaciones, errores de formulación o del modelo, e incertidumbre en la
obtención de datos.
Ejercicio 7: Redondear y truncar el número π a las milésimas y acotar los errores de redondeo y
truncado.
Respuesta: el número π es igual a 3,14159265358979…
Redondeando: 3,142 y la cota del error de redondeo es:
1 1
𝜖𝑅𝑒𝑑 = . 𝛽−𝑡 = . 10−3 = 0,0005
2 2
Truncando: 3,141 y la cota del error de truncado es:
𝜖 𝑇 = 𝛽−𝑡 = 10−3 = 0,001

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 18
Número de cifras decimales correctas y dígitos significativos de un número.
Cuando se indica el número de dígitos significativos de un valor numérico no se cuentan los
posibles ceros localizados al comienzo del número, puesto que los mismos solo ayudan a indicar
la localización del punto decimal. Por el contrario, si se indica el número de cifras decimales,
entonces debe contarse aquellos ceros iníciales que estén a la derecha del punto decimal. Por
ejemplo, el número 0,00147 está dado con tres dígitos significativos pero tiene cinco cifras
decimales, mientras que el número 13,24 está dado con cuatro dígitos significativos y solo dos
decimales.
Se dice que el número x* aproxima a x con t cifras decimales correctas si t es el entero no
negativo más grande para el cual se cumple que:
1
|𝑥 − 𝑥 ∗ | < ∗ 10−𝑡
2
Ejemplo: si x = 0,001234 y x* = 0,001234 ± 0,000004,
1
Entonces|𝑥 − 𝑥 ∗ | < ∗ 10−5 (pero |𝑥 − 𝑥 ∗ |≮0.5. 10-6) así que x* tiene 5 decimales correctos. En
2
efecto, 0,001234 + 0,000004 = 0,001238 y 0,001234 – 0,000004 = 0,00123
Ejercicio 8: Si sabemos que x* = 1,5756457865 es una aproximación de un número desconocido
x, y que|𝑥 − 𝑥 ∗ | < 0,000000005, ¿Cuántas cifras decimales correctas tiene la aproximación x*?
Respuesta: Como |𝑥 − 𝑥 ∗ | < 0,000000005= 0,5. 10-8, entonces al menos sabemos que x* tiene
como mínimo, 8 decimales correctos.
Se dice que el número x* aproxima a x con t dígitos o cifras significativas si t es el entero no
negativo más grande para el cual se cumple que:
|𝑥 − 𝑥 ∗ | 1
< ∗ 101−𝑡 = 5 ∗ 10−𝑡 𝑠𝑖 𝑥 ≠ 0
|𝑥| 2
En virtud de estas definiciones, el número de cifras decimales correctas da una idea de la
magnitud del error absoluto, mientras que el número de dígitos significativos da la magnitud del
error relativo.
Ejemplo: Informar el intervalo donde se encuentra la aproximación x* que aproxima al valor
verdadero x=10 con dos dígitos significativos.
|𝑥 ∗ − 10|
< 5 ∗ 10−2
10
−2
𝑥 ∗ − 10
−5. 10 < < 5. 10−2
10

−0,5 < 𝑥 − 10 < 0,5
10 − 0,5 < 𝑥 ∗ < 10 + 0,5
9,5 < 𝑥 ∗ < 10,5

Cualquiera sea el valor de x* en el intervalo (9,5; 10,5) cumple la condición

Ejercicio 9: Informar el intervalo de la aproximación de x=1000 con cuatro dígitos significativos.


Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 19
Respuesta: (999,5; 1000,5)

Operaciones Básicas. Aproximación a la aritmética interna de la computadora


Aunque realmente estas operaciones se realizan internamente en binario, por simplicidad los
veremos con ejemplos en el sistema decimal.
Suma o Resta
Se reducen los números al mismo exponente (por ejemplo, al mayor), se suman luego las
mantisas, se normaliza el número y finalmente el resultado se redondea o bien se trunca a t
dígitos.
Ejemplo: 0,539.103 + 0,554.103 = 1,093.103 = 0,1093.104 = 0,109.104
Exponentes iguales normalizar redondear

Producto
Se multiplican las mantisas y se suman los exponentes, después se normaliza el número y
finalmente el resultado se redondea a t dígitos.
Ejemplo: 0,579.103 x 0,123.103 = 0,071217.106 = 0,71217.105 = 0,712.105
Normalizar redondear

División
Se dividen las mantisas y se resta el exponente del numerador menos el del numerador, después
se normaliza el número y finalmente el resultado se redondea a t dígitos.
Ejemplo:
0,579.103: 0,123.105 = 4,70731.10-2 = 0,470731.10-1 = 0,471.10-1
Normalizar redondear
Observación: En los ejemplos anteriores puede observarse como las operaciones de la
computadora con números en punto flotante, al ser la precisión t un número finito de cifras
significativas, pueden venir afectadas de errores, cuya existencia es importante tener en cuenta.

Ejercicio 10: Realice las siguientes operaciones en el sistema F(10, 3,-2, 5)


a) 0,339.104 + 0,254.103 =
Solución: 0,339.104 + 0,254.103 = 0,339.104 + 0,0254.104 = 0,3644.104 = 0,364.104

b) 0,339.104– 0,254.103 =

Solución: 0,339.104– 0,254.103 = 0,339.104– 0,0254.104 = 0,3136.104 = 0,314.104


c) 0,739.104. 0,624.10-6 =
Solución: 0,739.104. 0,624.10-6 = 0,461.10-2
d) 0,675. 103: 0,235. 10 -2=

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 20
Causas de errores graves en computación
Existen muchas causas de errores en la ejecución de un programa, para describirlos trabajaremos
en una computadora imaginaria que trabaja con números en el sistema decimal, en forma tal que
tiene una mantisa de cuatro dígitos decimales y una característica de dos dígitos decimales, el
primero de los cuales es usado para el signo.
a) Suma de números muy distintos en magnitud.
Para sumar 0,002 a 600 en la computadora descrita anteriormente, se normalizan:
0,002=0,2000 x 10-2
600=0,6000 x 103
Estos números normalizados no pueden sumarse directamente y, por lo tanto, la computadora
debe desnormalizarlos antes de efectuar la suma:
0,000002. 103 + 0,60000. 103 = 0,600002. 103
Como sólo puede manejar cuatro dígitos, los últimos dos son eliminados y la respuesta de la
operación e 0,6000. 103 o 600. Por el resultado, la suma no se realizó. Éste tipo de errores cuyo
origen es el redondeo es muy común por lo que se recomienda que no se sumen o resten,
cantidades pequeñas con grandes cantidades.
b) Resta de números casi iguales
Para restar 0,2144 de 0,2145:
0,2145. 100- 0,2144. 100= 0,0001. 100
La computadora automáticamente normaliza el resultado y se almacena como: 0,1000. 10-3. En la
respuesta solo hay un digito significativo, por lo tanto no se debe confiar en su exactitud, ya que
un pequeño error en alguno de los número originales produciría un error relativo muy grande.
c) Overflow y underflow
Cuando una operación de dos números válidos da como resultado un número tan grande o tan
pequeño que la computadora no puede manejarlo, ocurre un “overflow” o un “underflow”
respectivamente. Un ejemplo, al multiplicar: 0,5000. 108. 0,2000. 109=0,1000. 1017.
Cada uno de los números que se multiplican puede guardarse en la palabra de la computadora,
sin embargo, su producto es muy grande y no puede almacenarse porque la característica
requiere tres dígitos. Entonces se dice que ha llevado a cabo un overflow.
El underflow puede aparecer en la multiplicación o división y por lo general no es tan serio como
el overflow.
d) División entre un número muy pequeño
La división entre un número muy pequeño puede causar overflow.
2000000: 0,000005= 0,2000. 107: 0,5000. 10-5=0,4000. 1012
e) Error de discretización
Dado que un número específico no se puede almacenar exactamente como número binario de
punto flotante, el error generado se conoce como error de discretización (error de

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 21
cuantificación), ya que los números expresados exactamente por la máquina (números máquina)
no forman un conjunto continuo sino discreto.
f) Errores de salida
Aun cuando no se haya cometido error alguno durante la fase de cálculos de un programa, puede
presentarse un error al imprimir resultados.
Por ejemplo, si la respuesta de un cálculo es 0,015625 y se redondea a tres cifras decimales, el
número resultante será 0,016, o bien truncando el número será 0,015 con lo cual se presenta un
error de redondeo o truncado.
Propagación de errores.
Una vez que se sabe cómo se producen los errores en un programa de cómputo, podría pensarse
en tratar de determinar el error cometido en cada paso, y conocer de esa manera el error total en
la respuesta final. Sin embargo, esto no es práctico. Resulta más adecuado analizar las
operaciones individuales realizadas por la computadora para ver cómo se propagan los errores
de dichas operaciones.
a) Suma o resta
Al sumar dos números a y b se espera que el resultado sea c = a + b, sin embargo siempre se
tendrá que considerar que tanto la cantidad a como b contienen un margen de error y por lo
tanto la suma de estas también.
Considerando que los errores de a y b están dados por:
𝜀𝑎 = 𝑎∗ − 𝑎
𝜀𝑏 = 𝑏 ∗ − 𝑏
El error de la suma estaría dado por:
𝜀𝑐 = (𝑎∗ + 𝑏 ∗ ) − (𝑎 + 𝑏) = (𝑎 + 𝜀𝑎 + 𝑏 + 𝜀𝑏 ) − (𝑎 + 𝑏) = 𝜀𝑎 + 𝜀𝑏
o sea 𝑐 ∗ = 𝑐 + 𝜀𝑐
El error absoluto está dado por:
|𝜀𝑐 | = |(𝑎∗ + 𝑏 ∗ ) − (𝑎 + 𝑏)| = |𝜀𝑎 + 𝜀𝑏 | ≤ |𝜀𝑎 | + |𝜀𝑏 |
Se dice que los errores 𝜀𝑎 y 𝜀𝑏 se han extendido a c y 𝜀𝑐 se conoce como error de propagación.
Dicho error es causado por valores inexactos de los valores iniciales y se propaga en las
operaciones siguientes, con lo cual causa un error en el resultado final.
Teorema de los Errores Absolutos: La cota del error absoluto de una suma algebraica (suma o
resta) es menor o igual que la suma de los errores absolutos de cada uno de los términos.
Ejemplo: Sea la operación S = a + b – c, donde a*=2000±50, b*=4000±30 y c*=1000±60
Aplicando el teorema de los errores absolutos:
|𝜀𝑠 | = |𝜀𝑎 + 𝜀𝑏 + 𝜀𝑐 | ≤ |𝜀𝑎 | + |𝜀𝑏 | + |𝜀𝑐 |
|𝜀𝑠 | ≤ 50 + 30 + 60 = 140

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 22
El error absoluto de S es muy grande, si calculamos el error absoluto porcentual, resulta igual a
14000.
Evaluando el error relativo de S y el error relativo porcentual:
50 30 60
|𝜀𝑅𝑠 | ≤ |𝜀𝑅𝑎 | + |𝜀𝑅𝑏 | + |𝜀𝑅𝑐 | ≤ + + = 0,0925
2000 4000 1000
|𝜀𝑅𝑠 |% = 9,25
Al comparar el error absoluto y el relativo de S podemos concluir que el segundo es
significativamente menor que el primero.
b) Multiplicación y/o división
Si se multiplican dos números aproximados a* y b* se obtiene:
(𝑎∗ . 𝑏 ∗ ) = (𝑎 + 𝜀𝑎 ) . (𝑏 + 𝜀𝑏 ) = (𝑎. 𝑏) + (𝑎. 𝜀𝑏 ) + (𝑏. 𝜀𝑎 ) + (𝜀𝑎 . 𝜀𝑏 )
Si 𝜀𝑎 y 𝜀𝑏 son suficientemente pequeños, puede considerarse el producto muy pequeño en
comparación con los otros términos y por lo tanto eliminar el último término.
(𝑎∗ . 𝑏 ∗ ) − (𝑎. 𝑏) ≅ (𝑎. 𝜀𝑏 ) + (𝑏. 𝜀𝑎 )
Dividiendo ambos lados de la ecuación por (a.b) se tiene el error relativo:
(𝑎∗ . 𝑏 ∗ ) − (𝑎. 𝑏) (𝑎. 𝜀𝑏 ) (𝑏. 𝜀𝑎 )
≅ +
(𝑎. 𝑏) (𝑎. 𝑏) (𝑎. 𝑏)
Tomando valor absoluto miembro a miembro:
(𝑎∗ . 𝑏 ∗ ) − (𝑎. 𝑏) 𝜀𝑏 𝜀𝑎
| |≤| |+| |
(𝑎. 𝑏) 𝑏 𝑎
El error relativo propagado del producto de a* y b* es menor o igual a la suma de los errores
relativos de los factores.
Teorema de los Errores Relativos: La cota del error relativo de un producto o cociente de
números es menor o igual a la suma de los errores relativos de cada uno de los factores del producto
o cociente.
(𝑎.𝑏)
La cota del error relativo para la operación: 𝑆 = . Aplicando el teorema de los errores
𝑐
relativos tendremos:
|𝜀𝑟𝑆 | = |𝜀𝑟𝑎 + 𝜀𝑟𝑏 + 𝜀𝑟𝑐 | ≤ |𝜀𝑟𝑎 | + |𝜀𝑟𝑏 | + |𝜀𝑟𝑐 |
Hallamos así, una cota del error relativo de S que se ha llamado 𝜀𝑟𝑆 .
Ejemplo: Dados a = 100 ± 1, b = 2000 ± 40 y c = 2500 ± 50 hallar una cota del error relativo
propagado al hacer la siguiente operación: S = (a. b): c
Solución: a = 100 𝜀𝑎 = 1, 𝜀𝑟𝑎 %= 1
b = 2000𝜀𝑏 = 40, 𝜀𝑟𝑏 % = 2
c = 2500𝜀𝑟𝑐 = 50, 𝜀𝑟𝑐 %= 2

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 23
Al realizar la operación observamos que al haber un producto y cociente, podemos aplicar el
teorema de los errores relativos, obteniendo:
|𝜀𝑟𝑆 | ≤ |𝜀𝑟𝑎 | + |𝜀𝑟𝑏 | + |𝜀𝑟𝑐 | ≤ 0,01 + 0,02 + 0,02 = 0,05
Luego, la cota del error relativo porcentual de la operación S es aproximadamente 5%.

Bibliografía
- Chapra, Steven C. et. al., Métodos Numéricos para ingenieros. Sexta edición. Mc. Graw
Hill.2011
- Nieves, Antonio, et. al., Métodos Numéricos. Aplicados a la Ingeniería. Segunda edición.
Compañía Editorial Continental.2004.
- Mathews, J. y Fink, C.D. Métodos Numéricos con MATLAB. Tercera edición. Prentice-Hall. 2000
- Nakamura, Shoichiro. Análisis numérico y visualización gráfica con MATLAB. Editorial
Prentice Hall. 1997.
- Cheney, Ward y Kincaid, David.Métodos Numéricos y Computación. Sexta edición. CENGAGE
Learning. 2011.
- Figueroa Nieto, Jaime. Introducción al análisis numérico para ingeniería. Editorial USM. 2013.

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 24
Ejercicios propuestos

1. Dada la siguiente tabla resuelta de conversión de números entre los sistemas: decimal, binario,
octal y hexadecimal, verificar los resultados entre los distintos sistemas, para ello elabore en
forma manual cada conversión con la finalidad de verificar el resultado.

2. Complete el siguiente cuadro con las actividades indicadas.


P (10 , 4 , 3) F (10 , 4 , -1 , 3)
Números Redondee Trunque Redondee Trunque
0,0423445
39,45678
165,42752
36,19

3. a. Si x = 0.001234 y x* = 0.001234 ±0.000006, verifique que x* tiene 4 decimales correctos y


solo dos dígitos significativos.
b. Si se sabe que x* = 4.6565434 aproxima a un número x con |𝑥 ∗ − 𝑥| ≤0.000001, entonces como
mínimo ¿cuántos decimales exactos habría en la aproximación?
4. Estimar los errores absolutos, relativos y porcentuales que se cometen al tomar como valores
Métodos Numéricos (INQ- IND- IEA- IDM- IME)
Esp. Ing. María Rosa Castro 25
de π:
a) 22/7,
b) 333/106,
c) 355/113.
5. Realice las siguientes operaciones y exprese el resultado en un sistema numérico de punto
flotante.
a) 0,579.103 : 0,123.105 =
b) 0,936.104 – 0,524.103 =
c) 0,973.104 . 0,264.10-5 =
d) 41,5675.101 + 3,4567.102 =
6. Trabajando en el sistema P (10,5, 1) y los números son: 𝑥 = √5 e y=√33, obtenga:
a) x + y
b) 0.1x + y
c) Analice el error absoluto y relativo de cada operación. Exponga su conclusión.
7. Suponga que p* es una aproximación de p a cuatro dígitos significativos. Encuentre un
intervalo para p* cuando p = 38.79
8. Dados a = 100 ±1; b = 2000 ±40; c = 2500 ± 50 halle una cota del error relativo propagado al
hacer las siguientes operaciones:
a) x = a – b + c b) y = (a . c) / b
9. Dados los números: π y e redondeados a seis cifras decimales ¿cuántos dígitos significativos y
cifras decimales correctas tendrá el cociente π/e?
10. Calcula el error relativo que se comete cuando el número 1.503 aparece redondeado a 1.5.
11. Sean los valores de a = 3,02±0,03 y b = 12,27±0,02, calcule cada una de las siguientes
operaciones y su error relativo porcentual. Concluya.
(a) 𝑎 + 𝑏
(b) 𝑏 − 𝑎
(c) 𝑎. 𝑏
𝑏
(d)
𝑎

12. Resuelva el siguiente sistema, redondeando siempre a tres cifras decimales. Comparar con la
solución exacta x = 1, y = 1. Evaluar el error cometido. Informar la cota del error de redondeo y la
cantidad de cifras correctas de la solución aproximada encontrada.
0,780 𝑥 + 0,563 𝑦 = 0,217
{
0,457 𝑥 + 0,330 𝑦 = 0,127
1 3 3
13. Realice la operación: S= + −
3 11 20

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 26
(i) En forma exacta, (ii) truncando a tres cifras decimales y (iii) redondeando a tres cifras
decimales. Calcule los errores relativos, la cota del error de redondeo y truncado. Exponga sus
conclusiones.

Métodos Numéricos (INQ- IND- IEA- IDM- IME)


Esp. Ing. María Rosa Castro 27