Métodos Numéricos I

UNIDAD 1. ANÁLISIS DEL ERROR

Tipos de error

1.2.6 Aritmética del punto flotante

Los números que conocemos como escritos en notación científica o notación exponencial
se asemejan a la notación de punto flotante.

Un sistema de números en punto flotante es un subconjunto F ⊂ ℜ de números reales, cuyos

elementos x, x ∈ R-{0} se pueden escribir como:

E
x = ± m × 10 , con 1≤ m <10
Otra forma equivalente:
d t 10 E
x = ± 0. d 1 d 2 . . . ×

Los parámetros que caracterizan el sistema de números flotantes de base diez, son:

• La base B
• La mantisa m, que representa a la parte fraccionaria del número
E
• El exponente E, que varía entre dos cotas: E min ≤ E ≤ max
di di
• La precisión t referida a la cantidad de dígitos donde: 0 ≤ ≤ B-1

En las computadoras se utiliza la notación de base 2:

x=±m× 2 E , con 1≤ m < 2

Para una palabra de memoria de 32 bits la representación se hace en 3 campos: 1 bit para
el signo; 8 bits para el exponente E; y 23 bits para la mantisa.

El campo de la mantisa m puede representar los 23 bits que denominaremos:

b0 b1b2 Lb22

b
Si las cifras que siguen a b22 , o sea, 23 , b24 , ... no son todas 0, esta representación del
número flotante x , designado
fl (x) , no es exacta, sino aproximada.

Sin embargo
fl (x)
puede ser expresado en forma aproximada mediante dos técnicas:
truncamiento y redondeo (cifras 7).

Definición de Número en Punto Flotante

Si un número x puede ser almacenado exactamente en el computador usando la
b23 = b24
representación de punto flotante con = .... = 0 , se llama número en punto flotante,
y se lo designa
fl (x)
 Métodos Numéricos I
UNIDAD 1. ANÁLISIS DEL ERROR
Tipos de error

Ejemplo:
1110
x= = 101.12
210
2
Este cociente puede multiplicarse y dividirse por 2 , de modo que aparezca el primer
dígito distinto de cero a la izquierda, y después la coma decimal (flotante). En general
esto se obtiene cambiando el exponente de la base convenientemente.

Luego:
fl ( x) = 1.011× 2 2

m = (b0 .b1b2 b3 L) ( 2 , b0 = 1
En el caso general, la expresión de m en binario es: con

0 E=2 1.001…0

1{
bit 8{
bits 23
12bits
3

Ejemplo:
x = 7110 = 10001112
Expresando en forma de número flotante en base B=2, con exponente E=6 al desplazar
f ( x) = (1.000111) 2 × 2 6 , siendo su representación en bits:

0 E=6 1.000 11 10…0

Notas:

b b
1) El punto decimal que aparece entre 0 y 1 en el tercer campo de 23 bits es mostrado
a los fines didácticos pero no suele ser almacenado realmente. Por consiguiente, los 23 bits

se enumeran desde
b1 hasta b23 .

2) El exponente se coloca en base 10, pero en rigor tiene expresión binaria.

3) El bit del signo: 0 indica un número positivo; 1 es negativo.

 Métodos Numéricos I
UNIDAD 1. ANÁLISIS DEL ERROR
Estrategias para minimizar el error

1.3 Propagación del error en distintas

operaciones aritméticas4
1. Suma
2. Resta
3. Multiplicación
4. División
5. Evaluación de Funciones

1.3.1. Suma
Si se suman las aproximaciones de dos números a y b se tiene un resultado c y el error
absoluto que se comete cumple.

(a * + b* ) − (a + b) = ec ≤ ea + eb
Esto es, la suma de los errores de las aproximaciones de a y b en valor absoluto son
aproximadamente mayores o iguales al error del resultado, conocido como el error
de propagación.
Demostración:

Se espera que al sumar a + b sea exactamente c

( )
 error = a * + b* − (a + b)

Donde
a * = a + ea

y
b * = b + eb

 error = (a + ea + b + eb ) − (a + b) = ea + eb = ec
Esto es:
c * = c + ec
El error absoluto es:

(a * + b* ) − (a + b) = ea + eb ≤ ea + eb
O bien:

ec ≤ ea + eb

(Burden, 1998; Chapra, 1999; Maron, 1995; Nieves, 2003; Sheid, 1995; Wheatley, 2000)
 Métodos Numéricos I
UNIDAD 1. ANÁLISIS DEL ERROR
Estrategias para minimizar el error

Ejemplo:
Si a=1.00009 y b=2.00009
 c=a+b=3.00018
Si tenemos un equipo que sólo maneje 4 decimales
 a*=1.0000, b*=2.0000 y c*=3.0001

ec ≤ ea + eb
.00018 ≤ .00009 + .00009

1.3.2. Resta
Si se restan las aproximaciones de dos números a y b se tiene un resultado c y el error
absoluto que se comete cumple.

( a * − b * ) − ( a − b ) = e c ≤ e a + eb

Esto es, la resta de los errores de las aproximaciones de a y b en valor absoluto son
aproximadamente mayores o iguales al error del resultado, conocido como el error
de propagación.

Demostración:

Se espera que al restar a − b sea exactamente c

( )
 error = a * − b* − (a − b)
*
Donde a = a + e a

y
b * = b + eb

 error = (a + ea − b + eb ) − (a − b) = ea + eb = ec
Esto es:

c * = c + ec
El error absoluto es:

(a * − b * ) − (a − b) = e a + eb ≤ e a + eb
O bien:

ec ≤ ea + eb
 Métodos Numéricos I
UNIDAD 1. ANÁLISIS DEL ERROR
Estrategias para minimizar el error

1.3.3. Multiplicación
Si se multiplican las aproximaciones de a y b, el error relativo que se comete cumple:

(a * ⋅b *) − (a ⋅ b ) ≈
eb e a
+
e e
≤ a + b
(a ⋅ b ) b a a b
Esto es, el error de propagación relativo en valor absoluto en la multiplicación es
aproximadamente menor o igual a la suma de los errores relativos de a y b en valor
absoluto.
Demostración:

a ⋅b = c

= =
=
=
El error absoluto es:

∆a ( a * ⋅b*) − ( a ⋅ b) ( a * −b)(b * −b) eb e a e e

δa = = = = + ≤ a + b
a ( a ⋅ b) (a ⋅ b) b a a b

Ejemplo:
a= 1.004
b= 3.001
Aproximación:
=1
=3

Operaciones:
a*b=c (1.004)(3.001)= 3.0130

= |3- 3.0130|=-0.0130

∆a (3) − (3.0130) (1 − 1.004)(3 − 3.001) eb e a e e

δa = = = = + ≤ a + b
a 3.0130 3.001 b a a b
 Métodos Numéricos I
UNIDAD 1. ANÁLISIS DEL ERROR
Estrategias para minimizar el error

1.3.4. División
Si se dividen las aproximaciones de a y b, el error relativo que se comete cumple:
a* a
−
b * b ≈ ea − eb ≤ ea + eb
a a b a b
b
Esto es, el error de propagación relativo del cociente en valor absoluto es
aproximadamente menor o igual a la suma de los errores relativos de a y b en valor
absoluto.
Demostración:
a
=c
b
a* a
−
δa = b * b
a
b

a* a a *− b * a* a* a a  a*   a 
∆a = − ⊂ − ⊂ − − + = .. *  −  
b* b a b b* b b* b b  b
 a *  a   a *  b*
 −   − 
∆a  b *   b   a   b  ea eb e e
δa = = = = − ≤ a + b
a a a a b a b
   
b b
Ejemplo:
a= 10.0005
b= 3.3300
Aproximación:
= 10
=3

Operaciones:
a 10.0005
=C = 3.0031
b 3.3300
a* a a* b* a* a* a a
∆a = * − = − = * − − + =
b b a b b b b* b
 Métodos Numéricos I
UNIDAD 1. ANÁLISIS DEL ERROR
Estrategias para minimizar el error

10 10.0005 10 3 10 10 10.005 10.0005

∆a = − = − = − − + =
3 3.3300 10.0005 3.3300 3 3.3300 3 3.3300
∆a = 3.3333 − 3.0030 − 3.3335 + 3.0031 = −0.0001
 a *  a   a *  b*
 −   − 
∆a  b *   b   a   b  ea eb e e
δa = = = = − ≤ a + b
a a a a b a b
   
b b
 10   10.0005   10   3 
 −   − 
∆a  3   3.3300   10.0005   3.3300  ea eb e e
δa = = = = − ≤ a + b
a  10.0005   10.0005  a b a b
   
 3.3300   3.3300 
0.9999 − 0.9009 0.9999 0.9009
≤ +
3.0031 3.0031 3.0031
0.0329 ≤ 3.329 + .2999 = 0.0329 ≤ 0.6328

1.3.5. Evaluación de Funciones

Supóngase operaciones básicas sin errores, cuando se evalúa una función f (x ) en
un punto a:

e f ≈ ea f ′( a*)
Esto es, el error al evaluar una función en un argumento inexacto es proporcional a la
primera derivada de la función en el punto donde se ha evaluado.