ARITMETICA DEL COMPUTADOR

DESARROLLO

La aritmética de punto flotante es aquella situación o la forma de aplicar las matemáticas a situaciones
del mundo real, estos se utilizan por la sencilla razón de que hay problemas que no se pueden realizar
analíticamente por lo tanto la solución es por medio de un procedimiento numérico. Desde que se
crearon los números se comenzó a hablar respecto a los sistemas numéricos, pero no de la manera que
se conoce hoy día. Se dice que el antiguo matemático píngala fue aquel que presento la primera
descripción que se conoce sobre un sistema de numeración binaria, esto fue en el siglo tercero. Este
descubrimiento coincidió con el concepto del número cero (Muñoz, 2005), (Libros)

1. SISTEMAS NUMÉRICOS. ARITMÉTICA DEL PUNTO FLOTANTE

Cuando hablamos de sistemas numéricos, hablamos de algo de vital importancia para la informática,
de manera que permite trabajar con el sistema decimal pero basándonos en rangos más amplios. Así
como también el estudio del truncado de números decimales. El sistema o unidad aritmética del
computador es aquel capaz de realizar dichas operaciones aritméticas utilizando datos expresados en
el sistema binario. Estas operaciones son las básicas que utilizamos en el sistema decimal, es decir: la
suma, la resta, la multiplicación, la división, las cuales se hacen del mismo modo que en el sistema
decimal. Se realizan de una forma más sencilla que la utilizada por el sistema decimal que todos
conocemos (Muñoz, 2005).

1.1. SUMA DE NÚMEROS BINARIOS.

La suma de números binarios es una operación muy sencilla de realizar, mucho más sencilla que la
suma de números decimales. Para la aplicación de esta operación es necesario recordar las diferentes
combinaciones posibles (chamos, 2005), las cuales son:

+ 0 1

0 0 1

1 1 0 + 1
Tabla #1

A continuación una breve explicación del procedimiento que se debe realizar para efectuar las sumas
de números binarios: Este proceso se hace en base a la representación interna de la computadora,
efectuamos las posibles combinaciones que podemos observar en la tabla anterior.
Las sumas 0 + 0, 0 + 1, 1 + 0 Son evidentes:
0+0 =0
0+1 =1
1+0 =1
1 + 1 = 10  Suma 0 con acarreo 1

En el ejemplo anterior se realizó la suma de dos números binarios, teniendo en cuenta que la suma
1 + 1, que sabemos que es 2 en el sistema decimal, debe escribirse en binario con dos cifras (10) y,
por tanto 1 + 1 es 0 y se arrastra una unidad, Que se suma a la posición siguiente a la izquierda.
Veamos algunos ejemplos:

a. 010 + 101 = 111

En base 10  2 + 5 = 7

b. 001101 + 100101 = 110010

En base 10  13 + 37 = 50

c. 1011011 + 1011010 = 10110101

En base 10  91 + 90 = 181

d. 110111011 + 100111011 = 1011110110

En base 10  443 + 315 = 758

1.2. RESTA DE NUMEROS BINARIOS

Las restas de números binarios las realizamos mediante técnicas expresadas en la siguiente tabla, esta
operación es tan fácil como la resta de números decimales (chamos, 2005).

− 0 1

0 0 1

1 1 + 1 0
Tabla #2

Las restas 0 − 0, 1 − 0, 1 − 1 son evidentes:

0−0 =0
1−0 =1
0 − 1 = 1 y se acarrea 1
1−1 =0
Ejemplo
a. 111 − 101 = 010
En base 10  7 − 5 = 2

b. 11011001 − 10101011 = 00101110

En base 10  217 − 171 = 46

c. 1 11111 ⟶ 𝑎𝑐𝑎𝑟𝑟𝑒𝑜𝑠.
1 0 1 0 1 0 1 0 ⟶ 170
−
0 1 0 0 1 1 1 1 ⟶ 79

0 1 0 1 1 0 1 1 ⟶ 91

1.3.MULTIPLICACIÓN DE NÚMEROS BINARIO

La multiplicación de números binarios es más fácil que en cualquier otro sistema de numeración, por
la sencilla razón que solo existen dos posibles combinaciones y seguidamente se utiliza una resta para
completar el procedimiento dependiendo los números que se van a dividir (chamos, 2005).

𝑥 0 1

0 0 0

1 0 1
Tabla #3

(Aritmética y representación de la información en el computador, Robótica libros)

0∗0 =0
0∗1 =0
1∗0 =0
1∗1 =1

Nota: en cualquier clase de ordenador, la solución de las operaciones de multiplicar se realiza

mediante una serie de sumas dependiendo de la cantidad de 1 y 0 que se multiplican unos por otros.
Por la razón anterior se presenta un problema en la programación porque cada suma de dos unos
origina un arrastre (Yela, 2012).

Veamos por ejemplo, una multiplicación:

Ejemplo 1:
110100010101 ⟶ 𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜.
𝑥 1101 ⟶ 𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑜𝑟.
______________________________
110100010101
+ 000000000000
110100010101
110100010101
__________________________________
1010101000010001

Para comprobar que el resultado es correcto, convertimos los factores y el resultado al sistema
decimal:
3,349 ∗ 13 = 43,537

La multiplicación binaria cumple dos pasos principales los cuales son:

a) La multiplicación de cada digito del multiplicador por el multiplicando.

b) Luego se suman los resultados.

Ejemplo 2:

Multipliquemos 10110 por 1001:

10110
𝑥 1001
10110
+ 00000
00000
10110
11000110

1.4. DIVISION DE NUMEROS BINARIOS.

Esta operación se realiza de igual forma que en el sistema decimal, tambien es muy facil de realizar
porque no es posible que exista otro valor en el cociente que no sean ceros y unos (chamos, 2005).

La estructura de la division de los numeros binarios es la siguiente.

1) Cociente: es el numero por el cual se dividira la cifra de ceros y unos.
2) Resto: es el residuo de la division al momento de efectuarse.

El procedimiento de divison es el siguiente:

1) Se resta el divisor de la misma cantidad de cifras del Dividendo.

2) Por cada resta se adiciona un uno al Cociente y se baja la siguiente cifra del dividendo.
3) Si no es posible la resta de numeros binarios se coloca un cero en el Cociente y se baja la siguiente
cifra en el Dividendo.

Ejemplo 1:
42
Consideremos el siguiente ejemplo, = 7, en binario:
6

Ilustración 1.Tomada de (aritmética binaria, 2005).

2. FORMATOS DE REPRESENTACIÓN BINARIA PARA NÚMEROS ENTEROS

Cuando hablamos de la representación de un entero, se dice que son empleados todos los bits que
utiliza una palabra de computador, con una condición que plantea que se debe hacer la reserva de bit
para un respectivo signo. Un ejemplo claro seria, si tenemos una maquina cuya longitud de palabra de
32 bits, entonces se dice que los enteros estarían comprendidos de la siguiente manera: −(231 −
1) 𝑦 231 − 1 = 2147483647. Entonces podemos resaltar que cualquier numero representado en este
formato es exacto, por lo tanto cualquier operación aritmética realizada con los números enteros por
obligación debe ser exacta, siempre y cuando cumplan con lo siguiente (Villa, 2015):

1) La solución de dicha operación no esté fuera del rango del número entero más grande o más
pequeño que se puede representar (generalmente con signo). En caso de que este se dice que se
comete un error de desbordamiento por exceso o por defecto (en inglés: Overflow y Underflow) y
 es necesario recurrir inmediatamente a técnicas de escalado para llevar a cabo las operaciones.

2) La división se interpreta de manera que da lugar a un número entero, despreciando cualquier resto
obtenido. Por estos motivos, la aritmética de punto fijo se emplea muy raramente en cálculos no
triviales. En el punto fijo se utilizan tres campos para la representación: signo, parte entera y parte
decimal.

Nota: Un número entero es un número totalmente completo que puede ser negativo. Por lo tanto, el
número se debe codificar de manera que se pueda distinguir si es positivo o negativo y de forma que
siga las reglas de adición. El truco para la codificación consiste en utilizar un método
denominado complemento doble.

Según lo planteado podemos decir que un número entero 0 se representa de forma binaria de la
siguiente manera: Binario (Base 2) de forma que sea un entero natural, con la excepción de que el bit
de peso mucho mayor representa el signo más o menos. Por lo tanto, para un número entero o cero,
este bit se debe establecer en 0 lo que corresponde al signo más, así como 1 es el signo menos. De este
modo, si un número natural se codifica utilizando 4 bits, el mayor número posible será 0111 (o 7 en
base decimal).

Se dice que Generalmente, el mayor número entero posible codificado utilizando 𝑛 bits será 2𝑛−1 − 1.

Siguiendo con lo planteado con anterioridad podemos decir lo siguiente:

Un número entero negativo se codifica utilizando complementos dobles. El principio de

los complementos dobles:

Para aplicar los complementos dobles debemos seguir los siguientes pasos:

1) Se elige cualquier número negativo.

2) Se convierte el respectivo número a su valor absoluto (su equivalente positivo).
3) Luego se representa en base binaria utilizando 𝑛 − 1 bits
4) Seguidamente cada bit se cambia con su complemento (es decir, los ceros se reemplazan con unos
y viceversa).
5) Se suma 1 Nótese que al sumar un número y sus complementos dobles el resultado es 0. Veamos
esto con un ejemplo (Villa, 2015).

Ejemplo: Queremos codificar el valor −5 utilizando 8 bits. Para hacer esto debemos llevar a cabo
el siguiente procedimiento.
1) Escriba el número |−5| en sistema binario 00000101
2) Cámbielo por su complemento 11111010
3) Sume 1: 11111011
4) La representación binaria en 8 bits de 5 es 11111011

2.1 CODIGO BINARIO NARUTAL

Podemos afirmar que el código binario natural es aquel que todos conocemos como código binario, es
decir. Es un sistema de numeración que se encuentra ponderado en base dos, de acuerdo a sus dos
dígitos (Echeverria, 2017).

A continuación podemos encontrar una tabla en la cual se expresa la representación de números

binarios a decimales.

Ilustración 1.Tomada de libro (formateo de datos).

2.2. CODIGO BINARIO MAGNITUD Y SIGNO
Cuando nos referimos a la representación de magnitud y signo de cualquier número binario estamos
afirmando que el bit más significativo de dicho número se utiliza para la representación del signo del
número. En cuanto a los bits restantes del procedimiento anterior se utilizan para representar la
magnitud de este (Villa, 2015).

A continuación planteamos un ejemplo de lo definido

Ejemplo 1:

310 = 0011 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒: − 310 = 1011

Numero rojo  signo.

Numero negro  magnitud.

Ejemplo 2:

Tenemos el siguiente número:

−510 = 1101 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑑𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑠𝑒𝑟𝑖𝑎 510 0101

Numero rojo  signo.

Numero negro  magnitud.

2.3. CODIGO BINARIO EN COMPLEMENTO A UNO

En este sistema la representación de los números positivos es igual que en el sistema binario natural.
En cuanto los números negativos utilizamos el complemento a uno, el cual consiste en agarrar la
representación del positivo y hacer el cambio, es decir que los bits que están en 0 se cambian por 1 y
viceversa (el bit más significativo del número expresado como positivo, que es cero, pasaría a ser 1)
(chamos, 2005).

Por ejemplo, la representación de 33 y −33 seria:

+33  00100001
−33  11011110
2.4 CODIGO BINARIO EN COMPLEMENTO A DOS
En este sistema la representación de los números positivos será igual que en el complemento a uno;
en cambio para los números negativos se utiliza lo que conocemos como complemento a dos que
consiste en cambiar los bits que son ceros a uno y viceversa y ya obtenido el resultado se le suma 1
(Superior, 2007).

Por ejemplo, la representación de 33 y −33 seria:

+33  00100001
−33  11011110 + 00000001 = 11011111

3. ESTANDAR IEEE 754 PARA NÚMEROS REALES

Este estándar IEEE 754 es un sistema que ha sido definido por el Instituto de Ingeniería Eléctrica y
Electrónica (Instituto of Electrical and Electronics Engineers, IEEE), el cual establece dos formatos
básicos para la representación de los números reales en la computadora digital, los cuales son:
precisión simple y precisión doble (pes, 2017).

3.1. PRESICION SIMPLE ESTANDAR IEEE 754

Al referirnos a precisión simple estamos estudiando la forma de reescribir un número real; y se utiliza
lo siguiente:
 Se utilizan 32 bits (4 bytes):  1 bit para el signo (s) de dicho número.
 Se usan 8 bits  para el exponente (exp).
 Se utilizan 23 bits para la mantisa (m); los cuales se distribuyen como se muestra en la
imagen:

Ilustración 4. Formatos de microcontroladores (2012).

Ejemplo 1:

Para representar el número 101110,010101110100001111100001111100010011 2 en el estándar

IEEE 754 con precisión simple, exponente en Exceso a 2𝑛−1 − 1 y mantisa en Signo Magnitud,
primero debemos realizar el procedimiento de normalizar:

1,01110010101110100001111100001111100010011 2 ∗ 25

El exponente, en Exceso a 2𝑛−1 − 1, será:

510 + (28−1 − 1)10 = 510 + (27 − 1)10 = 510 + (128 − 1)10 = 13210 = 10000100𝐸𝑥𝑎 127

De lo anterior podemos determinar que de la mantisa se seleccionan los 23 bits más significativos:
1,0111001010111010000111, si podemos observar el resto de bits no los podemos representar,
porque no caben dentro de lo que llamamos mantisa (Diaz, 1998).

Por otro lado podemos mencionar que la mantisa se normaliza cuando se ubica la coma decimal los
bits que se escogió o los bits más significativos, el cual es el que vale por 1. Por lo anterior podemos
escoger otros bits más en la mantisa, seguidamente se puede decir que la precisión del número que se
presento es mayor. Por lo tanto los bits de la mantisa serán los siguientes:
01110010101110100001111

Cabe mencionar que al bit omitido se le llama bit implícito. Por otra parte, el bit de signo vale 0, ya
que, el número es positivo. En consecuencia, el número se puede representar como:

0  𝑠𝑖𝑔𝑛𝑜 (31)
10000100  (30 … .32)
01110010101110100001111  (22) … . (0)

También utilizamos el sistema hexadecimal para la representación de los números reales en la

máquina.
 (ingenieria, 2017)

Así pues, se plantea el siguiente ejemplo:

101110,010101110100001111100001111100010011 2 = 42395𝐷0𝐹𝐶𝐹𝐿 (𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 𝑠𝑖𝑚𝑝𝑙𝑒)

En este caso, los números no son exactamente iguales, ya que, con precisión simple no se han podido
representar todos los bits de la mantisa.

Ejemplo 2:

Expresado el siguiente número: 𝟑𝑬𝟒𝟎𝟎𝟎𝟎𝟎𝟏𝟔 del estándar IEEE 754 con precisión simple, exponente
en Exceso a 2𝑛−1 − 1 y mantisa en Signo Magnitud con bit implícito, para identificar a qué número
representa en base 10, se pueden realizar los siguientes pasos:

1) Convertir 𝟑𝑬𝟒𝟎𝟎𝟎𝟎𝟎𝟏𝟔 a base 2:

3  0011
E  1110
4  0000
0  0000
0  0000
0 0000
0 0000
2) Se Obtienen los bits del signo, de la mantisa y del exponente:

0  𝑠𝑖𝑔𝑛𝑜 (31 𝑏𝑖𝑡𝑠)

011111  𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒 (30) … . . (23)

10000000000000000000000  𝑚𝑎𝑛𝑡𝑖𝑠𝑎 (22). . (0)

3) Pasar el exponente a base 10:

011111002 − (28−1 − 1)10 = 12410 − (27 − 1)10 = 12410 = (128 − 1)10 = 12410 − 12710 = −3

4) Escribimos el numero en notación científica de la siguiente manera:

Para realizar esto la mantisa tienen que estar escrita con el bit implícito (1), seguidamente se debe
colocar la coma decimal (,), así como también los bits de la mantisa
( 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎) , es importante mencionar que se debe tener en cuenta que los
ceros por la derecha se pueden despreciar. Por otra parte afirmamos que el número es positivo ya que
el bit que se utiliza de signo es cero, entonces; por lo tanto el número es el siguiente:

𝟏, 𝟏 ∗ 𝟐−𝟑

5) Expresar el número en base 10. Para ello, hay dos formas de hacerlo, la primera es:

1,1 𝑥 2−3 = 0,00112 = ( 2−3 + 2−4 )10 = 0,12510 + 0,062510 = 0,187510

y la segunda:

1,1 ∗ 2−3 = ( ( 20 + 2−1 ) ∗ 2−3 )10 = ( ( 1 + 0,5) ∗ 0,125 )10 = ( 1,5 𝑥 0,125 )10 = 0,187510

Por lo tanto tenemos lo siguiente:

3𝐸400000𝐶𝐹𝐿 (𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 𝑠𝑖𝑚𝑝𝑙𝑒) = 1,1 ∗ 2−3 = 0,00112 = 0,187510

3.2.Precisión Doble en el Estándar IEEE 754:
No solo existe la precisión simple. Cabe mencionar que para escribir un número real se emplean 64
bits(8 bytes): 1 bit para el signo (s) de dicho número, 52 bits para la mantisa ()
Por otro lado, en precisión doble, para escribir un número real se emplean 64 bits (8 bytes): 1 bit para
el signo (s) del número, 52 bits para la mantisa (m) y 11 bits para el exponente (exp).

Ilustración # Tomada (pes, 2017)

𝑆  𝑆𝑖𝑔𝑛𝑜 (63)

𝐸𝑥𝑝  𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑒 (62) … . . (52)

𝑀  𝑀𝑎𝑛𝑡𝑖𝑠𝑎 (51) … (0)

Ejemplo 1 :

Si se quiere escribir el número 19,562510 en el estándar IEEE 754 con precisión doble, exponente en
Exceso a 2𝑛−1 − 1 y mantisa en Signo Magnitud con bit implícito, los pasos a seguir son:

1) Cambiar 19,562510 a base 2. Primero la parte entera:

A continuación, la parte fraccionaria:

0,5625 ∗ 2 = 1,125  𝑎−1 = 1

0,125 ∗ 2 = 0,25  𝑎−2 = 0
0,25 ∗ 2 = 0,5  𝑎−3 = 0
0,5 ∗ 2 = 1  𝑎−4 = 1

De tal manera que:

19,562510 = 10011,10012

2) A continuación se pide normalizar el número binario obtenido, colocando la coma decimal a la

derecha del bit más significativo:

10011,10012 = 1,00111001 ∗ 24

3) Escribir el exponente en Exceso a 2𝑛−1 − 1 :

410 + (211−1 − 1)10 = 410 + (210 − 1)10 = 410 + (1024 − 1)10 = 102710 = 10000000011𝐸𝑥.𝑎 1023

4) Establecer la mantisa utilizando bit implícito. Para ello, se cogen los ocho bits que están a la
derecha de la coma (00111001) y el resto de la mantisa se rellena con ceros:

0011100100000000000000000000000000000000000000000000

5) Seguidamente se expresa el número en el estándar IEEE 754 con precisión doble. En este caso,
hay que tener en cuenta que el bit de signo vale 0, ya que, el número es positivo:

𝟔𝟑 𝟔𝟐 … 𝟓𝟐 𝟓𝟏 …. 0
𝟎 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟏 𝟎𝟎𝟏𝟏𝟏𝟎𝟎𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎

Signo exponente mantisa

6) Luego se representa el numero en hexadecimal:

0100  4 0000  0 0000  0

0000  0 0000  0 0000  0
0011  3 0000  0 0000  0
0011  3 0000  0 0000  0
1001  A 0000  0
0000  0 0000  0
Nuestro nuevo número el cual se encuentra representado en el sistema decimal es el siguiente:

19,562510 = 10011,10012 = 1,00111001 ∗ 24 = 4033𝐴00000000000𝐶𝐹𝐿 (𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 𝑑𝑜𝑏𝑙𝑒)

4. CORTE Y REDONDEO. ERROR ABSOLUTO Y RELATIVO.

El desarrollo de los conceptos de cifras o dígitos es utilizado para señalar de forma segura la manera
de contar, de un valor numérico. Se dice que el número de cifras significativas es el número de
dígitos, en cambio se plantea que los ceros no siempre son cifras significativas por la sencilla razón de
que en algunos casos solo pueden ser utilizados para ubicar el punto decimal (Eafit, 2008).

El corte y redondeo en método numéricos cumple las siguientes características de forma que pueda
obtener el resultado del error requerido:

1) La obtención de resultados aproximados: esto quiere decir que se deben seguir pautas de manera
que se especifique que tan precisos serán los resultados que se obtendrán. Una forma muy
eficiente de identificar esto es detectándolo en términos de cifras significativas; es decir cuando
mencionamos que existe una aproximación que es aceptable, pero esta tiene una condición y es
que sea correcta si quiera 4 cifras significativas; seguidamente se debe tener certeza de que las
primeras 4 cifras son correctas.

2) Se habla de la representación de números específicos como π, e entre otros; estos no se pueden

representar con una cantidad finita de dígitos, por la razón de que las computadoras personales
solo cuentan con diez cifras significativas que pueden variar entre 7 y 14 por esto se dice que estos
valores no se podrán representar de manera exacta; cabe mencionar que el proceso que se realiza
con las cifras omitidas se les conoce como error de redondo.
Nota: Podemos definir que el uso de los valores o cifras significativas es de vital importancia al
momento de identificar la exactitud y precisión de un valor cualquiera. Por esta razón se tendrá en
cuenta un cierto grado de error que se querrá determinar.

4.1 EXACTITUD Y PRESICION

La búsqueda de errores directamente asociados con los cálculos y las medidas tienen características
específicas que se utilizan para su determinación, las cuales son:

1) El número de cifras significativas que se identifican, las cuales representan una cantidad.
2) La extensión utilizada en las lecturas repetidas que hacen parte de un instrumento que mide alguna
propiedad física.
Cuando hablamos de exactitud nos referimos a la forma de aproximación de cualquier medida o
número a un valor verdadero que se supone este representa. También existe el término inexactitud el
cual es un antónimo de exactitud o alejamiento de la verdad. En métodos numéricos “un alejamiento
del error aproximado”. En cuanto a la precisión lo conocemos como el grado de coincidencia que
existe entre los resultados de medición, entre otros.

4.1. APROXIMACIONES Y ERRORES DE REDONDEO.

En el cálculo de errores existen dos de ellos utilizados con frecuencia en el cálculo de errores
numéricos, estos son los siguientes:

 Errores de redondeo: Estos se generan del procedimiento que cumple por la representación de
cantidades que cumple la computadora con un número finito de dígitos.
 Errores de truncamiento: Los errores de truncamiento son aquellos que representan la diferencia
que existe entre la solución exacta de un problema y la aproximación que se obtiene con la
aplicación de un método numérico.

4.2. DEFINICIÓN DE ERROR

Todo aquello que conocemos como errores numéricos es el uso de lo que llamamos aproximaciones
las cuales utilizamos para la representación de cantidad de forma exacta las cuales incluyen las
diferentes clases de errores, entre ellos están el error de truncamiento, los cuales resultan de la
aplicación de aproximaciones de forma que obtengamos un procedimiento matemático exacto, en
cuanto a los errores de redondeo son producidos cuando se están utilizando números que tienen un
límite de cifras significativas que le permiten representar números exactos.

Ejemplo de error:

𝑒𝑟𝑟𝑜𝑟
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑓𝑟𝑎𝑐𝑐𝑖𝑜𝑛𝑎𝑙 =
𝑣𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜

Donde: 𝐸𝑟𝑟𝑜𝑟 = 𝑣𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜 – 𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜.

El error relativo es aquel que se puede multiplicar por el 100% de tal manera que expresemos 𝐸𝑣 =
(𝑒𝑟𝑟𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜/𝑣𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜) ∗ 100  error relativo porcentual.

𝑣  Significa la normalización del error al valor verdadero.

En los métodos numéricos dicho valor verdadero única y exclusivamente se conocerá en funciones
que solo serán resueltas analíticamente. Así como también cabe destacar que en aplicaciones reales,
muchas veces no se conoce la respuesta. En dichos casos lo que es sugerido hacer es normalizar el
error.

𝑒𝑟𝑟𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝐸𝑎 = ∗ 100
𝑣𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜

Ejemplo 1:

Cálculo de errores. Planteamiento del problema.

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 verdadero y b)
el error relativo porcentual verdadero en cada caso.

Solución

a) El error en la medición del puente es:

𝐸𝑡 = 10000 – 9999 = 1 𝑐𝑚 y en la del remache es de 𝐸𝑡 = 10 – 9 = 1 𝑐𝑚

b) El error relativo porcentual para el puente es:

1
𝐸𝑟 = ∗ 100 = 0,01%
10000

Y para el remache es:

1
𝐸𝑡 = ∗ 100 = 10%
10

Por lo tanto, aunque ambas medidas tienen un error 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.

Ejemplo.
Al medir la longitud de una varilla para construcción se obtiene el resultado aproximado de 19999 cm.
mientras que al medir la longitud de un clavo, se obtiene el resultado de 9 cm. Suponiendo que los
valores verdaderos de la varilla y el clavo son de 20000 cm. y 10 cm. respectivamente, calcular el
error absoluto en ambos casos.
Solución. Tenemos los siguientes resultados:

Para el caso de la varilla, el error absoluto se calcula como:

𝐸𝑣 = 20000 − 19999 = 1𝑐𝑚

Para el caso del clavo, el error absoluto se calcula como:

𝐸𝑣 = 10 − 9 = 1𝑐𝑚

Como podemos observar en lo anterior, en ambos casos el error absoluto es igual, pero obviamente
uno de ellos tiene mayor trascendencia; es decir en el caso del clavo existe mayor trascendencia que
en el caso de la varilla.

Por ejemplo, en el caso de la varilla el error relativo porcentual es:

1
𝐸𝑣 = ∗ 100 = 0,005%
20000

Mientras que en el caso del clavo, el error relativo porcentual es:

1
𝐸𝑣 = ∗ 100 = 10%
10

Podemos observar, que el error relativo porcentual refleja mejor la gravedad del error que se está
cometiendo. Es claro, que en el caso de la varilla no es trascendente ya que representa solamente un
0,005% con respecto al valor verdadero, mientras que en el caso del clavo, el error si es
representativo ya que es del 10% del valor verdadero.

4.3. OCTAVE UPM

Es un software utilizado para la implementación de ejercicios con el fin de calcular un error. También
lo llamamos GNU Octave ya que como su nombre lo dice  Es un proyecto GNU. Se dice que es
considerado un equivalente libre de lo que conocemos como MATLAB. Porque cuenta con muchas
características de este; una de las principales es que ambos ofrecen un intérprete que permite ejecutar
varias órdenes de manera interactiva. Este tiene funciones específicas (Herraiz, 2013).
Una función es un subprograma que recibe cero o más valores de entrada y retorna un único objeto de
salida. Es una tarea independiente que puede o no depender de variables externas. Lo ideal es que
funcione como “caja negra”, es decir, que se la pueda invocar desde cualquier programa cada vez que
se la necesite y que realice una función bien específica.
(universidad politécnica de Madrid, Israel heraiz,2013)
Ejemplo de ejercicio propuesto en OctaveUpm con el fin de realizar iteraciones:

# Ejemplo 1

Ni = input ("\n Introduzca el número de iteraciones: ");

If floor (ni) ~=ni disp. ("Error: El número no es entero");

Endif nv = input ("\n Introduzca el número de variables: ");

If floor (nv) ~=nv disp. ("Error: El número no es entero");

Endif ne = input ("\n Introduzca un número entero: ");

if floor(ne)~=ne disp.("Error: El número no es entero");

Con respecto a lo anterior implementar un método de los mencionados en OctaveUpm.

 EJERCICIOS/ACTIVIDADES

1.1. ADICIÓN O SUMA DE LOS SISTEMAS BINARIOS

Ejercicios en clase:

𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟏𝟎𝟏𝟎𝟏 𝟎𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟏𝟏𝟏
+ 𝟏𝟎𝟎𝟎𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏 + 𝟏𝟏𝟎𝟏𝟏𝟏𝟎𝟎𝟎𝟏𝟎𝟎
___________________________ ___________________________

𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟏𝟎𝟏𝟏 𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏
+ 𝟏𝟏𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟎 + 𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎
_______________________ _________________________________

1.2. SUSTRACCIÓN O RESTA DE NÚMEROS BINARIOS

Ejercicios en clase

𝟏𝟎𝟏𝟎𝟎𝟎𝟏𝟎𝟏𝟏𝟎𝟏 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎 𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎𝟏𝟎

−𝟏𝟏𝟎𝟏𝟏𝟏𝟎𝟏𝟏𝟏𝟏𝟎 − 𝟎𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟏𝟏 − 𝟎𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟎𝟏
_______________________ ______________________ ________________________

𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟎𝟏𝟎𝟏𝟏𝟏 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟏
− 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟏𝟎𝟏𝟎𝟏𝟏𝟏𝟎𝟏𝟏𝟎 − 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎 𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟎
__________________________________ ______________________________________
1.3.MULTIPLICACION DE NUMEROS BINARIOS:

𝟏𝟎𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟏𝟎𝟏 𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟏𝟏𝟏𝟎𝟏𝟏𝟏𝟏𝟏𝟎
𝒙 𝟏𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟎 𝒙 𝟏𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟎
_______________________________ _______________________________

𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟎𝟏 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏
𝒙 𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟎𝟏 𝒙 𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏
__________________________________ _______________________________

𝟏𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟏𝟏𝟏
𝒙 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎
_____________________________________

1.4. DIVISION DE NUMEROS BINARIOS:

𝟏𝟏𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟏 ÷ 𝟏𝟎𝟏

𝟏𝟎𝟏𝟎𝟎𝟎𝟏𝟏𝟏𝟎 ÷ 𝟏𝟎𝟎𝟏

𝟏𝟎𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟏 ÷ 𝟏𝟎𝟏𝟏𝟏

𝟏𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟏𝟎𝟏𝟎𝟏 𝟏 ÷ 𝟏𝟏 𝟏𝟏𝟏𝟎𝟏𝟎

𝟏𝟏𝟎𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟎𝟏𝟏𝟎𝟎𝟏𝟎𝟎𝟎𝟎𝟎 ÷ 𝟏𝟏𝟏𝟎𝟎𝟏𝟏𝟏

𝟏𝟎𝟎𝟏𝟎𝟎𝟎𝟎𝟏𝟎𝟎𝟏𝟎𝟏𝟏𝟏𝟎𝟏𝟎𝟏𝟏𝟏𝟎𝟏𝟎𝟏𝟏𝟎𝟎𝟏 ÷ 𝟏𝟎𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟏

2. FORMATOS DE REPRESENTACIÓN BINARIA PARA NÚMEROS ENTEROS

a) Queremos codificar el valor 4 utilizando 8 bits. ¿Qué procedimiento se debe seguir para llegar a este
resultado?
b) Se desea codificar un valor negativo utilizando 8 bits. ¿Cuáles son los pasos a seguir para la solución
de dicha tarea?
2.1.Identificar el complemento 1 y 2 de los siguientes números binarios:

a) 101111000001111
b) 111111111100000
c) 000011111100011
d) 111111100001110

2.2. Escribir el número 𝟏𝟎𝟏𝟏𝟏𝟏, 𝟎𝟏𝟎𝟏𝟎𝟏𝟏𝟏𝟎𝟏𝟎𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟏𝟎𝟎𝟎𝟎𝟏𝟏𝟎𝟎𝟏𝟎𝟎𝟎𝟏𝟏𝟏𝟏𝟏𝟐 en el

estándar IEEE 754 con precisión simple, exponente en Exceso a 𝟐𝒏−𝟏 − 𝟏.
¿Qué procedimiento se debe efectuar para resolver lo anterior?, explique detalladamente los pasos
a seguir.

3. efectuar las siguientes conversiones de números decimales a binarios, octales y

hexadecimales.

a) 1345
b) 8975
c) 0986
d) 4578
e) 1234567
f) 345689
g) 2390
h) 12346
i) 98045
j) 23789

3.1. Identificar la parte entera y la parte decimal de los siguientes números y normalizar.

a) 23,6785
b) 44,8975
c) 12,3456
4. Ejercicio planteado

Aplicaciones de errores en la vida cotidiana.

Problema: para un ingeniero construyendo una autopista, no importa si tiene 10 metros o 10.0001
metros de ancho. Posiblemente ni siquiera sus mediciones eran así de precisas.
Para alguien diseñando un microchip, 0,0001 metros (la décima parte de un milímetro) es una
diferencia enorme, pero nunca tendrá que manejar distancias mayores de 0,1 metros.
Un físico necesita usar la velocidad de la luz (3000000000) y la constante de gravitacional universal
(más o menos 0,0000000000667) juntas en el mismo cálculo.
 BIBLIOGRAFIA

chamos, M. (4 de 12 de 2005). Manuelchamoslamus. Obtenido de

http://centros.edu.xunta.es/iesmanuelchamosolamas/electricidade/fotos/numeracion.htm
Diaz, V. (1998). Aritmetica de punto fijo. Obtenido de https://www.uv.es/~diaz/mn/node11.html
Eafit, U. (2008). Punto flotante. Obtenido de El desarrollo de los conceptos de cifras o dígitos es utilizado
para señalar de forma segura la manera de contar, de un valor numérico. Se dice que el número de
cifras significativas es el número de dígitos, en cambio se plantea que los ceros no siempre s
Echeverria, E. G. (4 de Noviembre de 2017). Matematicas y Computacion . Obtenido de Codigo binario:
https://matematicasycomputacion.wordpress.com/el-codigo-binario/
Herraiz, I. (2013). Obtenido de http://mat.caminos.upm.es/ice-octave/pdf/2_introduccion.pdf
ingenieria, F. d. (7 de 9 de 2017). instituto de computacion. Obtenido de
https://eva.fing.edu.uy/pluginfile.php/178539/mod_resource/content/1/SistemasDeNumeracion1_2
017.pdf
Libros, R. (s.f.). Aritmetica y Representacion de la Aritmetica en el computador. Obtenido de
http://robotica.uv.es/pub/Libro/PDFs/CAPI4.pdf
Microcontroladores, I. (2009). Obtenido de http://www.puntoflotante.net/IEEE-754.htm
Muñoz, D. M. (6 de abril de 2005). Ampliacion del estructura del computador. Obtenido de Aritmetica de
punto flotante: http://www.dacya.ucm.es/dani/aritm_pf.PDF
pes, C. (2017). Obtenido de Formatos de representacion para numeros enteros:
http://www.carlospes.com/curso_representacion_datos/06_01_estandar_ieee_754.php
Superior, E. P. (2007). Operaciones y Practicas . Obtenido de
http://arantxa.ii.uam.es/~ig/practicas/enunciados/prac3/operacionescomplementoa2.pdf
Villa, H. A. (8 de Diciembre de 2015). Rpresentacion de un numero binario. Obtenido de
https://www.researchgate.net/publication/287646222_Representacion_de_numeros_en_binario
Yela, P. (2012). Aritmetica Binaria. 8. Obtenido de
https://pabloyela.files.wordpress.com/2012/03/binario.pdf