01 Errores 2022

Última revisión: Marzo 2022
NOTAS DE CLASE
Tema: Errores en los Métodos Numéricos
Cap. I Preliminares. Análisis del error
Notas de Clase Errores en los Métodos Numéricos

métodos numéricos Motivación
errores
Problema Necesidad de construir un MODELO
Resistencia al aire
Analíticamente:
d: variable dependiente
I: variable independiente
d = f (I, p, f) p: parámetros
Fuerza de f: fuerzas (externas) actuantes
gravedad

métodos numéricos Modelización
errores
QUÉ ES UN MODELO MATEMÁTICO?
Expresa las características esenciales del sistema físico en términos

matemáticos
• Simplifica la realidad
• Reproducible
• Construido a partir de:
– Datos empíricos
* Observaciones y experimentos
– Análisis teóricos
* Leyes fundamentales

errores
INGENIERÍA
• Resolución de problemas técnicos prácticos utilizando herramientas

científicas y matemáticas disponibles, experiencia y sentido común.
• Los modelos matemáticos proveen a priori estimaciones del
comportamiento del caso de estudio. De relevancia creciente dado lo
costoso de realizar prototipos o experiencias directas
(http://www.airbus.com/innovation/proven-concepts/in-
design/simulation-and-tests/).
• En general, los problemas abordados por la ingeniería no se dispone
de solución analítica
• Soluciones aproximadas son normalmente suficientes, habilitando el
uso de los Métodos Numéricos

errores
Situación REAL NO SIEMPRE se requiere una RESPUESTA EXACTA
MODELO MATEMÁTICO para describir y analizar APROXIMACIÓN
SOLUCIÓN ANALÍTICA: Puede NO tener

Puede ser DIFÍCIL o COSTOSA (objetivos)
MÉTODOS NUMÉRICOS
Una SOLUCIÓN APROXIMADA al PROBLEMA ORIGINAL

errores
MÉTODO NUMÉRICO OBJETIVO

Resolver problemas numéricos COMPLEJOS utilizando operaciones aritméticas
SIMPLES.
MÉTODO NUMÉRICO DEFINICIÓN

Es un ALGORITMO diseñado para dar respuesta NUMÉRICA a un
problema con una PRECISIÓN prescripta.
ALGORITMO RECORDEMOS
Conjunto FINITO de reglas o instrucciones bien definidas, tal que, siguiéndolas
paso a paso se obtiene la solución a un dado problema.
CÁLCULO NUMÉRICO OBJETIVO

EVALÚA los MÉTODOS NUMÉRICOS diseñados.

errores
DIREMOS
El CÁLCULO de un MÉTODO NUMÉRICO dará NÚMEROS que se
APROXIMAN a los que se obtendrían aplicando la SOLUCIÓN ANALÍTICA
de un problema, en el caso que existiera.
Si el cálculo aproxima a la solución “exacta”:
NOS PREGUNTAMOS
¿Qué tan PRECISOS (próximos a la solución “exacta”) son los resultados?
¿Qué tanto ERROR se ha introducido?
RECORDAMOS
Siendo VV el valor real y VA una aproximación de VV , entonces:
Error Absoluto: e = | VV – VA |
Error Relativo Absoluto: eR = | ( VV – VA ) / VV | con la condición VV ≠ 0
Error Porcentual Absoluto: eP = 100.| ( VV – VA ) / VV |(%) con la condición VV ≠ 0

errores
EXACTITUD vs. PRECISIÓN

Exactitud creciente
• Exactitud
 cuán cerca un valor
calculado está del valor real
 Falta de exactitud es una
Precisión creciente
desviación sistemática de la
verdad (sesgo)
• Precisión
 Cuán próximos están los
valores calculados o
medidos uno del otro
 Falta de precisión refiere a
la magnitud o dispersión

métodos numéricos conceptos básicos
errores fuentes de error
TRATAMIENTO INFORMACIÓN RESUMIMOS
ENTRADA PROCESO SALIDA

INFORMACIÓN INFORMACIÓN INFORMACIÓN
MÉTODO RESULTADOS
DATOS
NUMÉRICO
ERROR ERROR ERROR
FUENTES DE ERROR
• Distintos ERRORES en cada ETAPA.
• Los ERRORES se PROPAGAN dando el ERROR TOTAL.
¿Cómo MEDIMOS el ERROR?

métodos numéricos conceptos básicos
errores fuentes de error
ERRORES en el CÁLCULO al implementar en MÁQUINA el MÉTODO.

Es decir: Tiempo
MÉTODO ALGORITMO
PROCESO COMPUTACIONAL
NUMÉRICO
Espacio
INTENCIONALMENTE al usar un ALGORITMO COMPUTACIONAL
TIEMPO FINITO (ALGORITMO)

Introducimos restricciones:
ESPACIO FINITO (COMPUTADORA)
RIGUROSAMENTE: FINITO no alcanza. FINITO debe entenderse como

RAZONABLE.
ERRORES
• ERROR DE TRUNCAMIENTO (tiempo).
• ERROR DE REDONDEO (espacio).

métodos numéricos truncamiento
errores redondeo
Cap. I (pp. 28)

ERROR DE TRUNCAMIENTO
SURGE debido a la limitación en TIEMPO.

Debemos realizar un número finito de acciones.
EJEMPLOS:
• Evaluar funciones con la Serie de Taylor.
• Proceso iterativo convergente. TRUNCAR
• Evaluar por intervalos.
Faltará evaluar términos, iteraciones o intervalos TRUNCADOS  ERROR

NO PODEMOS IMPLEMENTAR EL LÍMITE ANALÍTICO

errores redondeo
x 2 x3 x 4 x5 xn NO PODEMOS IMPLEMENTAR
e  1  x      ...   Pn ( x)
x
2! 3! 4! 5! n! EL CONCEPTO DE SERIE
Generación de la sucesión de sumas parciales: x0 , x1 , … , xn

Término Resultado
x0 1
x1 1.5
x2 1.625
x3 1.645833333
x4 1.648437500
x5 1.648697917
e0.5=1.6487212707001281468…
Cuándo se deja de agregar términos? Posibles criterios:

| xk – xk-1 | < tolerancia e0.5=1.6487212707001281468
| (xk – xk-1 ) / xk | < tolerancia con la condición xk ≠ 0

errores redondeo
Cap. I (pp. 28-)

ERROR DE REDONDEO
SURGE debido a la limitación en ESPACIO (la memoria ocupa espacio).

Los números reales se representan por una INFINIDAD de dígitos.
En MÁQUINA sólo podemos tener un representación FINITA.
RECUERDE (de INFORMÁTICA I…)
¿ Qué sucede cuando se representa el número decimal 0.1 en el sistema binario ?
0.1d = 0. 0001 1001 1001 1001 1001 1001 1001 1001……….b

errores redondeo
TRES IMPORTANTES CONSTANTES EN LA COMPUTADORA
Estos tres valores definen el rango de números disponibles y la precisión de nuestra

computadora
realmax := máximo número (normalizado)  21024  1.8E+308

realmin := minimo número (normalizado)  2-1022  2.2E-308
, eps o epsilon: valor positivo más pequeño de forma tal que sumado a 1 se
obtenga como resultado un valor mayor que 1
eps =  = 0.00…..12 x 20 = 2-52  2.2E-16
# número de dígitos binarios = - log2(eps) = 52

# número de dígitos decimales = - log10(eps)  15.6 ! 15-16 DÍGITOS

errores redondeo
ORIGEN COMPUTACIONAL DEL ERROR DE REDONDEO
salto redondeo
(mayor a realmax)
Conjunto DISCRETO de valores
Underflow “agujero” en cero

(menor a realmin)
errores redondeo
ORIGEN COMPUTACIONAL DEL ERROR DE REDONDEO
Para evitar problemas comunes con la aritmética de punto

flotante prácticamente la totalidad de operaciones en MATLAB
son realizadas en aritmética de precisión doble, conforme al
estándar IEEE 754. Debido a que las computadoras sólo
representan números con una precisión finita (doble precisión
admite 52 bits en la mantisa), los cálculos en ocasiones llevan
a resultados matemáticamente no intuitivos. Es importante
notar que estos resultados NO son ERRORES de Matlab. Los
siguientes ejemplos tratan de ilustran la problemática.

errores redondeo
% verdadero
ERROR DE REDONDEO: EJEMPLOS ans = 1
% falso
ans = 0
Command Window
>> a = 0.0;
for i=1:10
a=a+0.1; 0.1 no tiene representación exacta, luego
end
a==1
se arriba al siguiente resultado no intuitivo
ans =
0
El número 4/3 no tiene representación

Command Window
>> e = 1 – 3 *( 4 / 3 – 1 )
exacta, por esta razón el siguiente calculo
e= no resulta en un cero. Sin embargo revela
2.2204e-16 la cantidad “eps”.

errores redondeo
% verdadero
ERROR DE REDONDEO : EJEMPLOS ans = 1
% falso
Command Window ans = 0
>> b = 1e-16 + 1 - 1e-16;
c = 1e-16 - 1e-16 + 1;
b==c
El orden de cálculo afecta el resultado
ans =
0
Command Window
Existen “saltos” entre números en punto
>> ( 2^53 + 1 ) – 2^53
flotante. A medida que la magnitud del
ans = número crece, lo hace el “salto”, como se
0 evidencia
Command Window
>> sin(pi) Dado que pi no es realmente π, no nos

debería sorprender que sin(pi) no resulte
ans = en un valor cero.
1.2246e-16
errores redondeo
OPERACIONES ARITMÉTICAS QUE CAUSAN MAS ERROR DE REDONDEO
• División por números cercanos a cero
• Multiplicación por números grandes
• Suma de cantidades de distinto orden de magnitud
• Resta de dos números casi iguales

errores redondeo
ERROR NUMÉRICO TOTAL
ERROR DE REDONDEO
Error de truncamiento
Agregando términos, iteraciones o disminuyendo el intervalo.
Significa número de operaciones Error de redondeo
DISMINUIR UNA COMPONENTE DE ERROR CONDUCE

A UN INCREMENTO EN LA OTRA
 SOLUCIÓN DE COMPROMISO

errores redondeo
Representación grafica del Error Total
Error Total
Error
Error óptimo
‘’’’’’’’’’’’’’’’’’’’’’’’’
‘’’’’’’’
Error de Error de
Redondeo Truncamiento
Incremento / partición

métodos numéricos ejemplos
errores
COMPETENCIA REDONDEO vs. TRUNCAMIENTO
x3 x5 x7 xn
Considere la serie de Taylor para el seno(x) sin(x)  x     ... 
3! 5! 7! n!
Valor verdadero = Valor suma + Error de truncamiento
ALGUNOS CASOS
Evalúe la serie anterior en (pi/6) y (13*pi/6)

errores
Condición de salida térm. / Suma < 5.E-6 ó # térm. > 15 MATLAB sinserie.m
Vemos que para valores grandes de x la serie converge más lentamente …

errores
En el caso de utilizar 5 términos siempre
1
Se puede demostrar que para cualquier serie alternante
Etrunc  x 11  3.6e  6 convergente el error de truncamiento es menor que el
11!
primer término despreciado (ANALISIS 1er. año)
x 10-6
-6
x 10
4
Nótese que valores de x mayores a /4
[0, /2]
3.5
aprox. el error aumenta rápidamente
3 cuando x tiende a /2. El error máximo
Error Total
es de 3.6e-06, en acuerdo con el error

2.5
de truncamiento expresado
2 anteriormente.
1.5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6

errores
Si usamos 15 términos … x 10
x 10-16
-16
1.5
1
Etrunc  x 31  1.46e  28 1
31!
0.5
Total
0
error total
-0.5
Error
-1
Cómo se entiende ?...

-1.5
-2
-2.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
pi/2 x
El error por redondeo está controlando el comportamiento.

Para pequeños valores de x, sólo un reducido número de términos es necesario
para obtener una “buena solución”.
VERIFICAMOS EL COMPORTAMIENTO OPUESTO DE LOS ERRORES DE

TRUNCAMIENTO Y REDONDEO

errores
para ir pensando …
- Qué causa la terminación del proceso iterativo?

- Para valores de x = {pi/2, 11pi/2, 21pi/2, 31pi/2} analice:
Qué tan exacto es el resultado calculado?
Cuántos términos son requeridos?
Cuál es el término más grande en la serie?
métodos numéricos Propagación de errores
errores Notación normalizada
Representación interna
PROPAGACIÓN DEL ERROR
Medidas indirectas : Magnitudes que se calculan a partir de los valores

encontrados en las medidas de otras magnitudes.
• Conocemos x ±δx , y ±δy ,...

• Calculamos z = f (x, y,...)
• ¿Cuál es el error de z?
Propagación de errores : Conjunto de reglas que permiten asignar un error a z,

conocidas las incertidumbres de x e y, ...
• Permiten asignar un error al resultado final.

• Indica la importancia relativa de las diferentes medidas directas.
• Planificación del experimento.
Hipótesis de partida :
• Medidas dependientes.- Hipótesis pesimista. Siempre en la situación
más desfavorable. Conjunto de reglas prácticas.

RESUMEN
El error absoluto de la suma y de El error relativo del producto es

la diferencia de dos o mas igual a la suma de los
magnitudes es la suma de los errores relativos:
errores absolutos de dichas
magnitudes:
El error relativo del cociente

es la suma de los errores
relativos:

REPASO ALUMNO
PROPAGACIÓN DE ERRORES EN SUMAS Y DIFERENCIAS
El error absoluto de la suma y de

la diferencia de dos o mas
magnitudes es la suma de los
errores absolutos de dichas
magnitudes:

REPASO ALUMNO
PROPAGACIÓN DEL ERROR EN EL PRODUCTO
El error relativo del producto es

igual a la suma de los
errores relativos:
RESUELVA EL EJ.8
(Cap. I, pp. 41)0

REPASO ALUMNO
PROPAGACIÓN DEL ERROR EN EL COCIENTE
El error relativo del cociente

es la suma de los errores
relativos:

NOTACION NORMALIZADA
x = ± 0. d1 d2 d3 … dk dk+1 x 10n
donde:
d1  {1,2,…,8,9} y dj  {0,1,…,8,9} j > 1
d1 d2 d3 …. dk+1: mantisa
n: exponente

REDONDEO TRUNCADO
El redondeo truncado consiste en truncar el resultado de una operación al número

de dígito significativos que se estén utilizando. Por ejemplo se redondea 7/9 a 4
dígito significativos tenemos 0.7777.
REDONDEO SIMÉTRICO
El redondeo simétrico consiste en aumentar en uno el último dígito retenido si la

primer dígito descartado está entre 5 y 9, o dejarlo igual si el primer dígito
descartado está entre 0 y 4.
Ejemplo: 1/3 + 2/3 = 1, su resolución mediante la calculadora puede llevarnos a

un resultado diferente. Si realizamos la suma empleando únicamente 4 dígitos
significativos se obtiene
0.3333 + 0.6666 = 0.9999 (redondeo truncado)

0.3333 + 0.6667 = 1.000 (redondeo simétrico)

Cap. I (pp. 29)

REDONDEO TRUNCADO Y SIMETRICO (cont.)
fltrunc(x) = ± 0. d1 d2 d3 … dk x 10n ; k número máximo de cifras decimales
d1  {1,2,…,8,9} y dj  {0,1,…,8,9} 1 < j  k
flred(x) = ± 0. r1 r2 r3 … rk x 10n ; k número máximo de cifras decimales
r1  {1,2,…,8,9} y rj  {0,1,…,8,9} 1 < j  k se calcula redondeando

el número d1 d2 d3 … dk dk+1 dk+2… al número más próximo (siendo flred(x) =
± 0,999…9 dk+1 x 10n = 0.1 x 10n+1 si dk+1  5)

REDONDEO TRUNCADO Y SIMETRICO (cont.)
X = 22 / 7 = 3.142857142857142857…
Utilizando 6 dígitos significativos:

fltrunc(x) = 0,314285 x 101
flred(x) = 0,314286 x 101
X = 0.23159966
fltrunc(x) = 0,231599
flred(x) = 0,231600

Ejemplo 1.17
EJEMPLO
Vamos a comparar los resultados de calcular f(500) y g(500), usando 6 dígitos

significativos con redondeo simétrico. Siendo f(x) = x((x+1) - x) y
g(x) = x/((x+1) + x)
Mostrar que ambos f(x) y g(x) son algebraicamente equivalentes

< f(x) = g(x) >
 DEBERÍA OBTENERSE EL MISMO RESULTADO

PASO A PASO Evaluar f(500); 500 = 0.500000x103
f(500) = 0.500000x103 ((0.500000x103 + 0.100000x101) - 0.500000x103) =
= 0.500000x103 ((0.500000x103 + 0.001000x103) - 0.500000x103) =
= 0.500000x103 (0.501000x103 - 0.500000x103) =
= 0.500000x103 (22.383029285599391361039376176564 –
22.360679774997896964091736687313) =
= 0.500000x103 (0.223830x102 – 0.223607x102) =
= 0.500000x103 (0.000223x102) = 0.500000x103 (0.223000x10-1)=
= 0.111500000000x102 = 0.111500x102 = 11.15

PASO A PASO Evaluar g(500); 500 = 0.500000x103
g(500) = 0.500000x103 /((0.500000x103 + 0.100000x101) + 0.500000x103) =
= 0.500000x103 /((0.500000x103 + 0.001000x103) + 0.500000x103) =
= 0.500000x103 /(0.501000x103 + 0.500000x103) =
= 0.500000x103 /(22.383029285599391361039376176564 +
22.360679774997896964091736687313) =
= 0.500000x103 /(0.223830x102 + 0.223607x102) =
= 0.500000x103 / 0.447437x102 =
= 1.1174757563634656946117553979666x101 = 0.111748x102 = 11.1748

PASO A PASO Evaluar g(500); 500 = 0.500000x103
El valor exacto es de 11.174755300747198…
f(500) = 11.15
g(500) = 11.1748
La respuesta de g(500) tiene un error absoluto menor que el obtenido para

f(500).
CALCULE EN AMBOS CASOS LOS ERRORES ABSOLUTO y

RELATIVO
RESUELVA El EJEMPLO 1.18 (Cap. I, pp 31) y EL

EJERCICIO 12 y 13 (Cap. I, pp. 42)

There are 10 2 types of people in the world:
those who understand binary
and
those who don't.
Repase INFORMATICA I – Representación interna

ALGEBRA – Sistemas de numeración

Cap. I (pp. 21-22)

COMPUTADORA SIMPLE
Conjunto de todos los números reales positivos de la forma 0.d1d 2d 3d 4( 2 ) x 2n

n pertenece al conjunto {-3,-2,-1,0,1,2,3,4}; d1 = {1}; dj = {1,0} j=2,3,4.
{0.10002 x 2-3, 0.10012 x 2-3, … , 0.11102 x 24, 0.11112 x 24}
Mantisa Exponente
n=-3 n=-2 n=-1 n=0 n=1 n=2 n=3 n=4
0.1000(2) 0.0625 0.125 0.25 0.5 1 2 4 8
0.1001(2) 0.0703125 0.140625 0.28125 0.5625 1.125 2.25 4.5 9
0.1010(2) 0.078125 0.15625 0.3125 0.625 1.25 2.5 5 10
0.1011(2) 0.0859375 0.171875 0.34375 0.6875 1.375 2.75 5.5 11
0.1100(2) 0.09375 0.1875 0.375 0.75 1.5 3 6 12
0.1101(2) 0.1015625 0.203125 0.40625 0.8125 1.625 3.25 6.5 13
0.1110(2) 0.109375 0.21875 0.4375 0.875 1.75 3.5 7 14
0.1111(2) 0.1171875 0.234375 0.46875 0.9375 1.875 3.75 7.5 15
BITVIEWER.EXE

Por ejemplo que pasaría si en nuestra computadora de 4 cifras como

describimos en los párrafos anteriores se realiza la operación (1/10 + 1/5) +
1/6? . Supongamos además que nuestra computadora redondea todos los
números reales al número binario más próximo de los que dispone.
1
 0.1101( 2 ) x 2 - 3  0.01101( 2 ) x 2 - 2  0.0111( 2 ) x 2 - 2 La computadora debe decidir
10
1 ahora cómo almacenar el
 0.1101( 2 ) x 2 - 2  0.1101( 2 ) x 2 - 2 número 0.01101(2) x 2-2 .
5
__ _______________ Supongamos que se redondea
3 como 0.0111(2) x 2-2 .
 1.0100( 2 ) x 2 - 2
10
3
 0.1010( 2 ) x 2 - 1  0.1010( 2 ) x 2 - 1
10
1
 0.1011( 2 ) x 2 - 2  0.01011( 2 ) x 2 - 1  0.0110( 2 ) x 2 - 1
6
__ ________________
7
 1.0000( 2 ) x 2 - 1
15

Ahora la computadora decide como almacenar el número 1.0000(2) x 2-1. Puesto que
suponemos que redondea, almacena 0.1000(2) x 20 . Por lo tanto, la solución a nuestro
problema original es
7
 0.1000( 2 ) x 20
15
El error en el cálculo efectuado por la computadora es
7
 0.1000( 2 )  0.4667  0.5000  0.0333
15
Equivalente a un error del 7% aproximadamente !!...
(1/10 + 1/5) + 1/6 =? 1/10 + (1/5 + 1/6) ….

PRÓXIMA NOTAS DE CLASE
Tema: Derivación Numérica
Notas de Clase

01 Errores 2022

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

01 Errores 2022

Cargado por

Copyright:

Formatos disponibles

Última revisión: Marzo 2022

Tema: Errores en los Métodos Numéricos

Cap. I Preliminares. Análisis del error

Notas de Clase Errores en los Métodos Numéricos

Problema Necesidad de construir un MODELO

Notas de Clase Errores en los Métodos Numéricos

QUÉ ES UN MODELO MATEMÁTICO?

Expresa las características esenciales del sistema físico en términos

Notas de Clase Errores en los Métodos Numéricos

• Resolución de problemas técnicos prácticos utilizando herramientas

Notas de Clase Errores en los Métodos Numéricos

Situación REAL NO SIEMPRE se requiere una RESPUESTA EXACTA

MODELO MATEMÁTICO para describir y analizar APROXIMACIÓN

SOLUCIÓN ANALÍTICA: Puede NO tener

Una SOLUCIÓN APROXIMADA al PROBLEMA ORIGINAL

Notas de Clase Errores en los Métodos Numéricos

MÉTODO NUMÉRICO OBJETIVO

MÉTODO NUMÉRICO DEFINICIÓN

problema con una PRECISIÓN prescripta.

CÁLCULO NUMÉRICO OBJETIVO

Notas de Clase Errores en los Métodos Numéricos

Notas de Clase Errores en los Métodos Numéricos

EXACTITUD vs. PRECISIÓN

Notas de Clase Errores en los Métodos Numéricos

TRATAMIENTO INFORMACIÓN RESUMIMOS

ENTRADA PROCESO SALIDA

¿Cómo MEDIMOS el ERROR?

Notas de Clase Errores en los Métodos Numéricos

ERRORES en el CÁLCULO al implementar en MÁQUINA el MÉTODO.

TIEMPO FINITO (ALGORITMO)

RIGUROSAMENTE: FINITO no alcanza. FINITO debe entenderse como

Notas de Clase Errores en los Métodos Numéricos

Cap. I (pp. 28)

SURGE debido a la limitación en TIEMPO.

Faltará evaluar términos, iteraciones o intervalos TRUNCADOS  ERROR

Notas de Clase Errores en los Métodos Numéricos

Generación de la sucesión de sumas parciales: x0 , x1 , … , xn

Cuándo se deja de agregar términos? Posibles criterios:

Notas de Clase Errores en los Métodos Numéricos

Cap. I (pp. 28-)

SURGE debido a la limitación en ESPACIO (la memoria ocupa espacio).

RECUERDE (de INFORMÁTICA I…)

¿ Qué sucede cuando se representa el número decimal 0.1 en el sistema binario ?

0.1d = 0. 0001 1001 1001 1001 1001 1001 1001 1001……….b

Notas de Clase Errores en los Métodos Numéricos

TRES IMPORTANTES CONSTANTES EN LA COMPUTADORA

Estos tres valores definen el rango de números disponibles y la precisión de nuestra

realmax := máximo número (normalizado)  21024  1.8E+308

eps =  = 0.00…..12 x 20 = 2-52  2.2E-16

# número de dígitos binarios = - log2(eps) = 52

Notas de Clase Errores en los Métodos Numéricos

ORIGEN COMPUTACIONAL DEL ERROR DE REDONDEO

Conjunto DISCRETO de valores

Underflow “agujero” en cero

ORIGEN COMPUTACIONAL DEL ERROR DE REDONDEO

Para evitar problemas comunes con la aritmética de punto

Notas de Clase Errores en los Métodos Numéricos

El número 4/3 no tiene representación

Notas de Clase Errores en los Métodos Numéricos

>> sin(pi) Dado que pi no es realmente π, no nos

OPERACIONES ARITMÉTICAS QUE CAUSAN MAS ERROR DE REDONDEO

• División por números cercanos a cero

• Multiplicación por números grandes