Métodos Numéricos

FCyT-UNC@
Ingeniería en Informática

Preparado por Lic. Eduardo A. Fernández

2018
 Índice general
página
1. Errores de Redondeo y Estabilidad 2
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Aritmética Finita . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Errores de Redondeo . . . . . . . . . . . . . . . . . . . . . . . 9
1.4. Errores de Redondeo Clásicos . . . . . . . . . . . . . . . . . . 14
1.5. Estabilidad de un Algoritmo . . . . . . . . . . . . . . . . . . . 15
1.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Bibliografía 18

1
Capítulo 1

Errores de Redondeo y
Estabilidad

1.1. 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. A continuación consideramos
algunos problemas típicos, ya formulados matemáticamente, para los cua-
les estudiaremos técnicas numéricas de solución.

1. Encontrar el área de la región comprendida entre las gráficas de y =

2senx, y = e− x con x ∈ [0, π ].
2. Encontrar las raíces de la ecuación polinómica x5 + 11x4 − 21x3 −
10x2 − 21x − 5 = 0.

3. Resolver los siguientes sistemas de ecuaciones:

a) El sistema lineal AX = b con

b) El sistema no lineal

2
 4. Dada la siguiente tabla de datos correspondiente a una cierta función
y = f ( x ),

encontrar el polinomio de menor grado que pase a través de los pun-

tos dados. ¿Cuál será una estimación para los valores f ( x ) corres-
pondientes a x = −1,5 y x = 1,5?.

5. Hallar el valor de cada una de las siguientes integrales:

6. Resolver el problema de valor inicial

Los problemas anteriores sirven como motivación para el estudio de cinco

grandes temas en un primer curso de métodos numéricos: solución nu-
mérica de una ecuación no-lineal en una variable, solución numérica de
sistemas de ecuaciones lineales y no-lineales, interpolación polinomial, in-
tegración numérica y solución numérica de problemas de valor inicial para
ecuaciones diferenciales ordinarias.
¿Qué es un método numérico?

3
 Un método numérico es un procedimiento mediante el cual se obtiene,
casi siempre de manera aproximada, la solución de ciertos problemas rea-
lizando cálculos puramente aritméticos y lógicos (operaciones aritméticas
elementales, cálculo de funciones, consulta de una tabla de valores, cálcu-
lo proposicional, etc.). Un tal procedimiento consiste de una lista finita de
instrucciones precisas que especifican una secuencia de operaciones alge-
braicas y lógicas (algoritmo), que producen o bien una aproximación de la
solución del problema (solución numérica) o bien un mensaje. La eficien-
cia en el cálculo de dicha aproximación depende, en parte, de la facilidad
de implementación del algoritmo y de las características especiales y limi-
taciones de los instrumentos de cálculo (los computadores). En general, al
emplear estos instrumentos de cálculo se introducen errores llamados de
redondeo.

1.2. Aritmética Finita

Siendo los computadores la herramienta básica en los métodos numéri-
cos es conveniente indicar cómo son los números del computador y cómo
se simula su aritmética.
La mayoría de los computadores usan sólo un subconjunto finito, re-
lativamente pequeño, de los números reales para representar a "todos"los
números reales; este conjunto, que sólo contiene números racionales y que
describiremos más adelante, es llamado conjunto de números de punto
flotante o conjunto de números de máquina en punto flotante o simple-
mente conjunto de punto flotante.
Cada número del computador se representa mediante un número finito
de dígitos (aritmética finita), según se indica a continuación:
Un número del computador o de punto flotante, distinto de cero, se
describe matemáticamente en la forma

forma en la cual los símbolos que allí aparecen, tienen el siguiente signifi-
cado: σ = +1 o σ = −1 es el signo del número.
β es un entero que denota la base del sistema numérico usado. Por lo
general β = 2 (Sistema Binario), β = 8 (Sistema Octal) o β = 16 (Sistema
Hexadecimal).
ai , i = 1, 2, . . . , t, es un entero con 0 ≤ ai ≤ β − 1. Los enteros 0, 1, . . . , β −
1 son llamados dígitos en la base β . Nosotros asumiremos en todo lo que

4
sigue que a1 6= 0 , en cuyo caso el número se dice que está en forma nor-
malizada.
(.a1 a2 . . . at ) β denota la suma βa11 + βa22 + · · · + βatt y es llamada la mantisa
o fracción del número de punto flotante.
El entero t indica el número de dígitos en la base β que se usan para
representar el número de punto flotante, y es llamado precisión. Por lo
general t = 6 o t = 7 con β = 10 (precisión sencilla), t = 14 o t = 15 con
β = 10 (doble precisión). En algunos computadores se pueden hacer re-
presentaciones en precisión sencilla, doble precisión e incluso en precisión
mayor.
e es un entero llamado el exponente, y es tal que L ≤ e ≤ U para
ciertos enteros L y U; es común encontrar L = −U o L = −U ± 1. Un caso
frecuente es L = −63 y U = 64, para un total de 128 posibles exponentes.
El número cero requiere una representación especial.
De acuerdo con lo anterior un conjunto de punto flotante F queda ca-
racterizado por cuatro parámetros:
1. La base β,
2. La precisión t,
3. Los enteros L y U tales que L ≤ e ≤ U , donde e es el exponente.
Cualesquiera sean los parámetros elegidos, los conjuntos de punto flotante
correspondientes comparten las mismas características cualitativas, entre
ellas la carencia de algunas de las propiedades algebraicas de que gozan
los números reales.
Una de las características de todo conjunto de punto flotante F es que
es finito y tiene

números diferentes (incluyendo el cero), y donde los distintos de cero es-

tán en forma normalizada. En efecto: a1 puede tomar β − 1 valores y ai ,
i = 2, 3, . . . , t puede tomar β valores, así que hay

fracciones positivas distintas.

Ahora, considerando que el número de posibles exponentes es U −
L + 1, que el número de punto flotante puede ser positivo o negativo, y
teniendo en cuenta que el número cero está también en el conjunto de
punto flotante, concluimos que el conjunto F tiene

5
números diferentes.
Lo anterior nos dice que se usan 2( β − 1) βt−1 (U − L + 1) + 1 números
de punto flotante para representar.el conjunto continuo de los números
reales (que es infinito), lo que implica que muchos números reales tendrían
que ser representados por un mismo número de punto flotante.

Ejemplo 1.1 Encuentre el conjunto de números en la forma de punto flotante F

con parámetros β = 2 (Binario), t = 3, L = −1, U = 2.

Como estamos más familiarizados con los números decimales (en base
β = 10), los 33 elementos de F en forma (racional) decimal son

Una representación de los números positivos y el cero de F en la recta real

se muestra en la figura siguiente:

Algunos hechos que se pueden observar en un conjunto de punto flotante

F son:

6
 1. Todo número real x que entra en el computador o que es el resultado
de un cálculo, es reemplazado (si es posible) por un número de punto
flotante que notaremos f l ( x ). Existen reglas para escoger tal número
(reglas de redondeo), por lo general es el número de punto flotante
más cercano a x. La diferencia x − f l ( x ) se llama error (absoluto) de
redondeo.

2. Si observamos la distribución de los elementos de F, en la recta real,

vemos que no están igualmente espaciados (están más densamente
distribuidos el la cercanía del cero), lo que implica que el error de re-
dondeo puede depender del tamaño del número (entre más grande
sea el número en valor absoluto, mayor puede ser el error de redon-
deo).
En el ejemplo, el número de punto flotante positivo más pequeño es
4 1 56 7
16 = 4 , y el número de punto flotante positivo más grande es 16 = 2 .

En general, en un conjunto de punto flotante F con parámetros β, t, L y U,

se tiene que
FL = (,100 . . . 0) β × β L = β L−1
es el número de punto flotante positivo más pequeño (para el ejemplo,
FL = 2−1−1 = 14 ), y

FU = (.γγ . . . γ) β × βU = (1 − β−t ) βU con γ = β−1 .

es el número de punto flotante positivo más grande (para el ejemplo, FU =

(1 − 2−3 )22 = 72 ).
A la región R L = { x ∈ R : 0 < | x | < FL } se le llama región de under-
flow o subflujo, y en algunos computadores si un número real cae en esta
región, el número es redondeado a cero.
Por otra parte, a la región RU = { x ∈ R : | x | > FU } , se le llama región
de overflow o sobreflujo, y en algunos computadores si un número real
cae en esta región, el número es redondeado al número de punto flotante
más cercano ( FU , − FU ) o se informa del fenómeno overflow.
Se define como rango del conjunto F, al conjunto

R F = { x ∈ R : x = 0 ∨ FL ≤ | x | ≤ FU } .

De acuerdo con ésto, todo número de punto flotante, distinto de cero,

f l ( x ), debe satisfacer
FL ≤ | f l ( x )| ≤ FU .

7
 3. La combinación aritmética usual +, −, ×, ÷ de dos números de pun-
to flotante no siempre produce un número de punto flotante.

Ejemplo 1.2 Supongamos que f l ( x ), f l (y) ∈ F. Veamos, que la suma usual

f l ( x ) + f l (y) no necesariamente será un número en F . Para ello consideremos el
28 5
conjunto de punto flotante F dado en el ejemplo: f l ( x ) = 16 ∈ F, f l (y) = 16 ∈
33
F, sin embargo f l ( x ) + f l (y) = 16 ∈/ F.
Luego la adición usual no es cerrada en el sentido matemático ordinario.

Una manera de simular la adición y las demás operaciones aritméticas

entre números reales, pero realizadas por el computador es la siguiente:
Si x e y son números reales en el rango de F, definimos las operaciones
⊕, , ⊗ y a las que nos referiremos como operaciones de punto flotante,
así
x ⊕ y = f l ( f l ( x ) + f l (y))
x y = f l ( f l ( x ) − f l (y))
x ⊗ y = f l ( f l ( x ) × f l (y))
x y = f l ( f l ( x ) ÷ f l (y))
donde +, −,× y ÷ son las operaciones aritméticas usuales.
Ilustraremos estas operaciones en el conjunto F del ejemplo, al tiempo
que pondremos de manifiesto la carencia de ciertas propiedades para tales
operaciones. Supondremos que f l ( x ) se escoge como el número de punto
flotante más cercano a x y que cuando el número x equidista de dos nú-
meros de punto flotante, se escoge f l ( x ) como el más cercano a la derecha
si es positivo o el más cercano hacia la izquierda si es negativo:
Tomemos en F, los números 28 16 y 16 y supongamos que x, y ∈ R son
5
28 5
tales que f l ( x ) = 16 y f l (y) = 16 . Entonces

32
x⊕y =
16
24
x y=
16
32 8
x⊗y = =
64 16
56
x y= Fenómeno Overflow.
16
28
En esta última operación se observa el fenómeno overflow ya que 5 >
56
16 = FU .

8
 Tomemos 6
16 ∈ F y supongamos que z ∈ R es tal que f l (z) = 6
16 ,
entonces
z y = 0 fenómeno underflow.
1 4
Aquí se observa el fenómeno underflow ya que 0 < 16 < 16 = FL .
Como 1 = 16 , 8 = 16 , 8 = 16 ∈ F, entonces existen u, v, w ∈ R tales
16 7 14 5 10

f l (u) = 1, f l (v) = 78 y f l (w) = 58 . Entonces

20
u ⊕ (v w) = ,
16
24
(u ⊕ v) w= ,
16
luego
u ⊕ (v w) 6= (u ⊕ v) w.
Análogamente, como 3 ∈ F, entonces existe r ∈ R tal que f l (r ) = 3 y
se tiene que
24
r ⊗ (y ⊗ x ) = .
16
28
(r ⊗ y ) ⊗ x = .
16
Así que,
r ⊗ (y ⊗ x ) 6= (r ⊗ y) ⊗ x.
Finalmente, como 1
4 ∈ F, existe s ∈ R tal que f l (s) = 3 y
32
r ⊗ (v s) = .
16
20 3
Como r ⊗ v = 8 yr⊗s = 4 entonces
28
(r ⊗ v ) (r ⊗ s ) = .
16
Así que
r ⊗ (v s ) 6 = (r ⊗ v ) (r ⊗ s ).

1.3. Errores de Redondeo

Sabemos que todo número real x 6= 0 puede escribirse en la forma
decimal normalizada siguiente

x = ±(.a1 a2 . . . at at+1 . . . ) × 10n , n algún entero.

9
Para simplificar el análisis de los errores de redondeo, supongamos que
nuestro conjunto de punto flotante F es de tdígitos (precisión t) en base 10
(decimal); en tal caso la forma de punto flotante (normalizada) de x, f l ( x ),
se obtiene finalizando la mantisa de x después de t dígitos. Se acostum-
bran dos formas para hacerlo:
1. Cortando o truncando el número x: En este caso

f l ( x ) = ±(.a1 a2 . . . at ) × 10n , (no importa como sea at+1 ).

2. Redondeando el número x: En este caso

El error | x − f l ( x )| que resulta al reemplazar un número x por su represen-

tante de punto flotante, f l ( x ), se seguirá denominando error de redondeo,
independientemente de que se use el método de cortado o de redondeo.
Ejemplo 1.3 Supongamos t = 5 y usemos las reglas de redondeo y cortado para
encontrar el representante de punto flotante decimal en cada uno de los siguientes
casos:
1. e = 2,718281828 . . . (irracional).

2. π = 3,141592653 . . . (irracional).

3. x = −123456789 (racional).

4. y = ,0000213475 (racional).
2
5. z = 3 (racional periódico)
¿Cómo medir los errores de redondeo?.
Hay varias formas acostumbradas para medir errores de aproximación;
algunas de ellas se dan en la siguiente definición.

Definición 1.1 (Error) Sea x ∗ una aproximación de un número real x. El error

de x ∗ con respecto a x es e = x − x ∗ ; el error absoluto de x ∗ con respecto a x es
|x−x∗ |
E = | x − x ∗ | y el error relativo de x ∗ con respecto a x, x 6= 0, es Er = | x| .
También se define el error porcentual de x ∗ con respecto a x, como Er × 100 y se
expresa en porcentaje.

10
Un caso particular de aproximación de un número x es cuando x ∗ = f l ( x ),
y se tiene
| x − f l ( x )|
E = | x − f l ( x )| y Er = , x 6= 0.
|x|
Ya vimos que el error de redondeo puede depender del tamaño del núme-
ro, pues los números de punto flotante no están distribuidos de manera
uniforme en la recta real; desde este punto de vista el error relativo es una
mejor medida del error de redondeo que el error absoluto.
Estimemos la menor cota superior para el error relativo cuando un nú-
mero real x 6= 0 es aproximado por su representante de punto flotante,
f l ( x ), en una aritmética decimal de t dígitos.

Proposición 1.1 Si f l ( x ) se obtiene truncando x a t dígitos entonces

| x − f l ( x )|
≤ 101−t
|x|
Demostración:
Supongamos sin pérdida de generalidad que x > 0. Sea x = (0, d1 · · · dt dt+1 · · · ) ·
10n . Entonces

| x − f l ( x )| |(0, d1 · · · dt dt+1 · · · ) · 10n − (0, d1 · · · dt ) · 10n |

=
|x| |(0, d1 · · · dt dt+1 · · · ) · 10n |
(0, 0 · · · 0dt+1 dt+2 · · · )
=
(0, d1 · · · dt dt+1 · · · )

Como (0, d1 · · · dt dt+1 · · · ) ≥ 0, 1 = 10−1 y (0, 0 · · · 0dt+1 dt+2 · · · ) ≤

· · 01} = 10−t , entonces
0, 0| · {z
t dígitos
| x − f l ( x )|
≤ 10 · 10−t = 101−t
|x|
.

Proposición 1.2 Si f l ( x ) se obtiene redondeando x a t dígitos entonces

| x − f l ( x )| 1
≤ · 101−t
|x| 2
.
Demostración:
Separamos en casos, según el valor de dt+1 .

11
 Si dt+1 < 5 entonces f l ( x ) = (0, d1 · · · dt ) · 10n . Entonces, haciendo la
misma cuenta que antes,

| x − f l ( x )| (0, 0 · · · 0dt+1 dt+2 · · · )

=
|x| (0, d1 · · · dt dt+1 · · · )
Como dt+1 < 5 entonces (0, 0 · · · 0dt+1 dt+2 · · · ) ≤ 5 · 10−(t+1) . Luego

| x − f l ( x )| 10 1
≤ 5 · 10−(t+1) · 10 = · 10−t = · 101−t
|x| 2 2
Veamos el caso dt+1 ≥ 5. Ahora tenemos f l ( x ) = [(0, d1 · · · dt ) + 10−t ] ·
10n .Entonces

| x − f l ( x )| |(0, d1 · · · dt dt+1 · · · ) − [(0, d1 · · · dt ) + 10−t ]|

=
|x| (0, d1 · · · dt dt+1 · · · )
|(0, 0 · · · 0dt+1 dt+2 · · · ) − 10−t |
=
(0, d1 · · · dt dt+1 · · · )
− t
10 − (0, 0 · · · 0dt+1 dt+2 · · · )
=
(0, d1 · · · dt dt+1 · · · )
(0, 0 · · · 0(9 − dt+1 )(9 − dt+2 ) · · · )
=
(0, d1 · · · dt dt+1 · · · )
Como dt+1 ≥ 5 entonces (0, 0 · · · 0(9 − dt+1 )(9 − dt+2 ) · · · ) ≤ (0, 0| ·{z
· · 0} 499 · · · ) =
t dígitos
5 · 10−(t+1) . Luego

| x − f l ( x )| 1
≤ 5 · 10−(t+1) · 10 = · 101−t
|x| 2
.
Ejemplo 1.4 Encuentre el error absoluto y el error relativo de x ∗ con respecto a
x, en cada uno de los siguientes casos:
1. x = (0,50) × 102 , x ∗ = (0,51) × 102 .
2. x = (0,50) × 10−3 , x ∗ = (0,51) × 10−3 .
3. x = (0,50) × 106 , x ∗ = (0,51) × 106 .
Este ejemplo nos muestra que el error relativo es invariante al cambio
de escala y se usa como una medida de precisión o cercanía.
Teniendo en cuenta la menor cota superior para el error relativo usando
redondeo, se define el concepto de cifras significativas.

12
Definición 1.2 Se dice que el número x ∗ aproxima con sus primeros t dígitos
o cifras significativas al número x 6= 0, si t es el mayor entero no negativo para
el cual
| x − x∗ |
Er = < 5 × 10−t .
|x|
Los t dígitos significativos, a que se refiere esta definición, son los prime-
ros t dígitos en la mantisa de x ∗ cuando x ∗ se escribe en forma decimal
normalizada.
De acuerdo con la definición anterior, si x ∗ = f l ( x ) en una aritmética
de punto flotante decimal con redondeo a t dígitos, entonces f l ( x ) aproxi-
ma a x con t cifras significativas, es decir, todos los dígitos en la mantisa
de f l ( x ) son significativos con respecto a x.
También se define el concepto de cifras decimales exactas, como sigue:

Definición 1.3 Se dice que el número x ∗ aproxima con sus primeras k cifras
decimales exactas al número x, si k es el mayor entero no negativo tal que

E = | x − x ∗ | ≤ 5 × 10−(k+1) .

Las k cifras decimales exactas, a que se refiere esta definición, son las pri-
meras k cifras contadas a partir del punto decimal en x ∗ , cuando x ∗ se
escribe en forma decimal.
Los dos conceptos anteriores pueden aparecer definidos de manera dis-
tinta en otros textos.
Aquí se usarán las definiciones dadas.

Ejemplo 1.5 Sean x = 0,003451 y x ∗ = 0,003348, determine con cuantas deci-

males exactas x ∗ aproxima a x, así mismo, determine con cuantos dígitos signifi-
cativos x ∗ aproxima a x.

Ejemplo 1.6 Sean ahora y = 28,003451 y x ∗ = 28,003348, repita el ejemplo

anterior con estos valores.

Ejemplo 1.7 ¿Con cuántas cifras significativas aproxima 0,333 a 13 ?.

Ejemplo 1.8 ¿Dónde debe estar x ∗ para que aproxime a 1000 con 4 cifras signi-
ficativas?.

13
1.4. Errores de Redondeo Clásicos
Suma de números de órdenes muy distintos
Supongamos que tenemos un número real de valor absoluto pequeño,
y otro de valor absoluto grande. Entonces la suma de máquina de los dos
puede hacer que el más pequeño desaparezca.
Para ejemplificar, supongamos que nuestra aritmética tiene una preci-
sión de k = 5 dígitos de mantisa. Sean x = 0, 88888888 · 107 e y = 0, 1 · 102 .
Entonces

x ⊕ y = f l ( f l ( x ) + f l (y))
= f l (0, 88888 · 107 + 0, 1 · 102 )
= f l (0, 888881 · 107 )
= 0, 88888 · 107
El término x ha absorbido a y.

Resta de números cercanos

Al restar dos números cercanos, el resultado estará próximo a cero, lo
que puede ocasionar que se pierdan dígitos significativos. Este fenómeno
se conoce como cancelación catastrófica, y tiene un gran impacto en el error
relativo.
A modo de ejemplo, supongamos nuevamente que la precisión es de
k = 5 dígitos, y sean que x = 0, 12346923 e y = 0, 12345175 entonces

x y = f l ( f l ( x ) − f l (y))
= f l (0, 12347 − 0, 12345)
= f l (0, 00002)
= 0, 00002
Sin embargo x − y = 0, 00001748, lo que muestra que hemos perdido 3
dígitos significativos del resultado en la operación con redondeo.

Multiplicación por números grandes o división por números pequeños

En este caso, se produce una amplificación del error absoluto acarrea-
do. Supongamos que x ∗ es una aproximación de máquina de x. Dividien-
do a x ∗ por un número muy pequeño, digamos 10−n para cierto n > 0,

14
obtenemos el número de máquina x ∗ /10−n que aproxima a x/10−n con
un error absoluto de

| x ∗ /10−n − x/10−n | = | x ∗ − x | · 10n

El error absoluto | x ∗ − x | del primer redondeo se ve amplificado en un
factor de 10n .
Ejemplo 1.9 Encuentre las raíces de la ecuación cuadrática x2 − 400,2x + 80 =
0 usando la fórmula usual y aritmética decimal con redondeo a 4 dígitos.

1.5. Estabilidad de un Algoritmo

Los ejemplos y anteriores, muestran como un algoritmo mal concebido
puede conducir a una respuesta defectuosa de un problema perfectamente
bien planteado. La deficiencia fue corregida cambiando el algoritmo.
Cuando al aplicar un algoritmo para resolver un problema, el efecto
acumulativo de los errores, incluyendo errores de redondeo, es limitado
de modo que se genera un resultado útil, el algoritmo se dice estable; en
caso contrario, es decir, cuando los errores crecen de manera incontrolada
de modo que se genera una respuesta defectuosa al problema, el algoritmo
se dice inestable.
Supongamos que queremos calcular
Z 1
In = x n e x−1 dx , n = 1, 2, 3, 4, . . .
0

Integrando por partes llegamos a la siguiente fórmula de recurrencia:

In = 1 − nIn−1 , n = 2, 3, 4, . . . con I1 = e−1 .

Usando aritmética (de punto flotante) decimal con redondeo a 6 dígitos

y la fórmula de recurrencia In = 1 − nIn−1 , obtenemos

I1 ≈ 0,367879 = I1∗ , I2 ≈ 0,264242 = I2∗ , I3 ≈ 0,207274 = I3∗

I4 ≈ 0,170904 = I4∗ , I5 ≈ 0,145480 = I5∗ , I6 ≈ 0,127120 = I6∗

I7 ≈ 0,110160 = I7∗ , I8 ≈ 0,118720 = I8∗ , I9 ≈ −0,0684800 = I9∗ .
Es claro que el valor−0,0684800(≈ I9 ) es incorrecto, pues x9 e x−1 es
continua y positiva sobre el intervalo (0, 1). Observe que únicamente hay
error de redondeo en el cálculo de I1 , donde 1e fue redondeado a 6 dígitos
significativos. Como la fórmula de recurrencia obtenida en la integración

15
por partes es exacta para la aritmética real, entonces no hay error de fór-
mula y así el error en I9 es debido en su totalidad al error de redondeo en
I1 . El error inicial fue e = 4,412 × 10−7 .
Al calcular I2 , tenemos I2 = 1 − 2I1 = 1 − 2( I1∗ + e) = 1 − 2I1∗ − 2e =
I2∗ − 2e entonces I2 − I2∗ = −2e.
Ahora,

I3 = 1 − 3I2 = 1 − 3( I2∗ − 2e) = 1 − 3I2∗ + (−2)(−3)e = I3∗ + (−2)(−3)e

así que
I3 − I3∗ = (−2)(−3)e
.
Al llegar al cálculo de I9 , obtenemos

I9 = I9∗ + (−2)(−3) · · · (−9)e

es decir
I9 − I9∗ = 9!e,
de donde

I9 − I9∗ ≈ 362880(4,412 × 10−7 ) ≈ 0,160102656.

El valor de I9 , con por lo menos 4 cifras decimales exactas, es

I9 = −0,0684800 + 0,160102656 = 0,091622656.

Observe que el error absoluto, debido a los cálculos, crece a medida que
n aumenta, y es mucho más grande que el valor real (en valor absoluto)
que se está aproximando (se puede ver que si e es el error inicial, entonces
el error después de n pasos es en = In − In ∗= (−1)n−1 n!e, y lı́m |en | =
n→∞
n −1
lı́m |(−1) n!e| = +∞; mientras que 0 < In ≤ 1
n+1 ). En conclusión, el
n→∞
algoritmo dado por la fórmula de recurrencia

In = 1 − nIn−1 , n = 2, 3, 4, . . . con I1 = e−1

es inestable.
¿Cómo podemos escoger un algoritmo diferente el cual evite esta ines-
tabilidad?.
Si reescribimos la relación de recurrencia como
1 − In
In−1 = , n = N, N − 1, N − 2, . . . , 3, 2
n

16
entonces en cada paso del cálculo el error en In es dividido por n. Así que,
si comenzamos con un valor para algún In con n > 1, y trabajamos hacia
atrás, cualquier error inicial o errores de redondeo que ocurran estarán
decreciendo en cada paso. Este es un ejemplo de algoritmo estable.
Para obtener un valor inicial, notemos que
Z 1 Z 1
n x −1 1
In = x e dx ≤ x n dx = .
0 0 n+1
Por lo tanto In −→ 0 cuando n −→ ∞.
Por ejemplo, si aproximamos I20 por 0 y usamos el valor 0 como un
1
valor inicial, entonces cometemos un error inicial e tal que 0 ≤ e ≤ 21 ; este
1
error es multiplicado por 20 al calcular I19 , así que el error en el cálculo de
1 1 1 1
I19 , que es 20 e, es tal que 0 ≤ 20 e ≤ 20 21 .
Procediendo de la manera anterior, el error en el cálculo de I15 es tal
que

1 1 1 1 1 1 1
0≤ ··· e ≤ ··· ≈ 2,56 × 10−8 < 5 × 10−8
17 16 20 16 17 20 21
lo que garantiza una precisión de por lo menos 7 cifras decimales exactas
de precisión para los valores calculados de I15 , · · · , I9 .
Haciendo los cálculos para I20 , · · · , I9 , obtenemos

17
1.6. Ejercicios
1. Convierta:

a) 35810 al sistema octal.

b) 35810 a binario (base 2).
c) 5468 a binario.
d) 1011001102 a decimal.
e) 0,210 a octal y binario.
f ) 0,0101011102 a decimal.

2. La derivada de f ( x ) = 1/(1 − 3x2 )2 está dada por (1−6x

3x2 )2
. ¿Espera-
rías dificultades para evaluar esta función para x = 0,577?. Inténtelo
con aritmética de 3 y 4 dígitos con corte.

3. Evalúe el polinomio

y = x3 − 7x2 + 8x + 0,35

en x = 1,37. Utilice aritmética de 3 dígitos con corte. Evalúe el error

relativo porcentual.

4. Utilice aritmética de 5 dígitos con corte para determinar las raíces

√
de
−b± b2 −4ac
la ecuación siguiente, por medio de las ecuaciones x1 , x2 = 2a
y x1 , x2 = √−2c2
:
b± b −4ac

x2 − 5000,002x + 10 = 0

Calcule los errores relativos porcentuales de sus resultados.

18
Bibliografía

[1] CHAPRA, Steven C. y CANALE, Raymond P. Métodos numéricos

para ingenieros. México: McGraw-Hill. 2007

[2] VELÁSQUEZ Zapateiro Jorge y OBESO Virgilio Fernández. Análisis

Numérico, Notas de clase. Barranquilla: Ediciones Uninorte, 2007.

19