1 Introduccón 1

NOCIONES BÁSICAS SOBRE ERRORES

1 Introduccón

En este curso desarrollaremos métodos numéricos para resolver problemas que surgen en diversas
áreas.
La mayoria de los métodos son sencillos en su descripción y aplicación, pero antes es importante
entender el concepto de error, pues generalmente obtenemos aproximaciones de la solución ver-
dadera.
No es raro que a veces los resultados finales al resolver numericamente un problema esten distantes
de lo que se esperaba obtener, aunque se hallan realizado correctamente todas las fases para la
resolución del problema.
Algunas causas de estos errores pueden ser
• Errores en los datos de entrada (dados imprecisos obtenidos de experimentos)

• Error de redondeo (debido a la propia estructura de la máquina, la representación de los

números reales es finita)

• Error de truncamento (se cambia una serie infinita por una finita)
Estudiaremos los errores que surgen de la representación de números en el computador y lo errores
resultantes de las operaciones numéricas efectuadas.

2 Algunas Definiciones

Antes de analizar los errores asociados con los métodos numéricos es útil repasar algunos conceptos
básicos referentes a la representación aproximada de los números.
• Cifras Significativas
Cuando se emplea un número para relizar un cálculo debe haber seguridad de que se pueda
usar con confianza. Las cifras significativas son las cifras que, empiezan con la cifra distinta
de cero del extremo izquierdo y termina con la cifra correcta del extremo derecho incluyendo
los ceros finales que son exactos.

– Exactitud a n cifras decimales significa que pueden confiar en n dı́gitos a la derecha del
lugar decimal.
– Exactitud a n dı́gitos significativos significa que puede confiar en un total de n dı́gitos
que sean importantes empezando con el dı́gito que sea distinto de cero del extremo
izquierdo.

• Notación cientı́fica
Es una forma de representar un número utilizando potencias en base diez (o base dos). Esta
notación se emplea para expresar fácilmente números muy grandes o muy pequeños.
Los números se escriben como un producto

m × be

siendo b la base del sistema, e el exponente, m la mantisa.

Cuando 0.1b ≤ m < b la notación cientı́fica esta normalizada.

• Exactitud y precisión
Los errores de cálculos y medidas se pueden caracterizar con respecto a su exactitud y presición

– La exactitud se refiere a que tan cercano está el valor calculado o medido del valor
verdadero.
– La precisión se refiere a que tan cercanos se encuentran, unos de otros, diversos valores
calculados o medidos
3 Errores de Truncamiento 2

Los métodos numéricos deben ser lo suficientemente exactos y precisos.

• Definiciones de error
Los errores numéricos surgen del uso de proximaciones para representar operaciones y canti-
dades matemáticas exactas.

– Error absoluto (Ea ): diferencia entre el valor real y el valor calculado.

Ea = |p − p∗ |

– Error relativo (Er ): cociente entre el valor absoluto y el valor real.

|p − p∗ |
Er =
|p|

siempre que p 6= 0.
– Error porcentual (Ep ): error relativo multiplicado por 100%

|p − p∗ |
Ep = × 100%
|p|

siempre que p 6= 0.

En la práctica es imposible trabajar con estos conceptos ya que generalmente no se conoce a p

como cantidad exacta, entonces debemos usar una cota cercana (tolerancia) ya sea para el error
absoluto o relativo.
Una desventaja del error abssoluto es que no mide bien la cercanı́a buscada, cuando tenemos
números muy grandes en magnitud o demasiado pequeños.
Ejemplo:
Si p = π × 105 y p∗ = 3, 14 × 105
Ea = 159.265359 < 160( parece grande)
Er = 0.5069.. × 10−4
El error absoluto no es suficiente para describir la presición de un cálculo.
Definición Se dice que un número p∗ aproxima a p con k cifras significativas si k es el mayor entero
no negativo para el cual
|p − p∗ |
< 5 × 10−k
|p|
Ejemplo:
Determine el número de cifras significativas de cada una de las aproximaciones.
a)p = 3.141592 y p∗ = 3.14 b)p = 1000000 y p∗ = 999996

3 Errores de Truncamiento

Son errores provenientes de la utilización de procesos que deberian ser infinitos o muy grandes para
la determinación de un valor y que, por razones practicas son truncados. Estos procesos infinitos se
utilizan bastante en la evaluación de funciones matemáticas, tales como exponenciación, logaritmos,
funciones trigonométricas e otras. Esta terminologı́a se originó en la sustitución de una función por
uno de sus polinomios de Taylor. Por ejemplo

2 x4 x6 x8
ex = 1 + x2 + + + + ···
2! 3! 4!
Podriamos usar los cinco primeros términos a la hora de calcular la integral numericamente.
1/2 
x4 x6 x8
Z Z 
x2 2
e dx = 1+x + + + dx = 0, 544986720817
0 2! 3! 4!
4 Errores de redondeo - Representación de números en la computadora 3

4 Errores de redondeo - Representación de números en la computadora

Cuando se usa una calculadora o una computadora digital para realizar cálculos numéricos, se
debe considerar un error inevitable, el llamado error de redondeo. Este error se origina porque
la aritmética realizada en una máquina involucra números con sólo un número finito de dı́gitos, y
muchos cálculos se realizan con representaciones aproximadas de los números verdaderos.
La computadora recibe, normalmente, información en decimal, que es transformada a binario
por un programa interno. Posteriormente efectúa las operaciones pertinentes, pasa el resultado a
decimal e informa al usuario de este resultado.

4.1 Sistemas de Numeración

Llamaremos sistema de numeración en base b a la representación de números mediante un alfabeto
compuesto por b simbolos. Asi todo número se expresa por un conjunto de cifras, contribuyendo
cada una de ellas con un valor, que depende

(a) de la cifra en si

(b) de la posición que ocupa dentro del número.

En el sistema de numeración decimal b = 10, se utilizan las cifras {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} y por

ejemplo el número 378.53 puede obtenerse como la suma de : 300+70+8+0.5+0.03

378.53 = 3 × 102 + 7 × 101 + 8 × 100 + 5 × 10−1 + 3 × 10−2

Cada posición por tanto tiene un peso especı́fico. La cifra 3 del lado izquierdo cuya posición es 2
es la más significativa y tiene peso 102 . La cifra 3 del lado derecho cuya posición es -2 es la menos
significativa y tiene peso 10−2 .

El sistema binario
En el sistema binario b es 2 y se necesita tan solo un alfabeto de dos elementos para representar
cualquier número {0, 1} los elementos de este alfabeto se denominan cifras binarias o bits.

4.1.1 Conversiones
Las conversiones permiten abtener las cifras correspondientes a una misma cantidad en distintas
bases. En informática la conversión más usada es la de decimal a binario y viceversa.

• De base 2 a base 10
Para transformar un número en base 2 a decimal, basta tomar en cuenta la descomposición
polinómica.
Ejemplo:
1111001.1011112 = 1 × 26 + 1 × 25 + 1 × 24 + 1 × 23 + 0 × 22 + 0 × 21 + 1 × 20 + 1 × 2−1 +
0 × 2−2 + 1 × 2−3 + 1 × 2−4 + 1 × 2−5 + 1 × 2−6

• De base 10 a base 2

a) La parte entera del número se obtiene dividiendo la parte entera decimal por la base b en
los cocientes obtenidos (divisiones sucesivas).
b) La parte fraccionaria del número en base b se obtiene multiplicando por b sucesivamente.
El número fraccionario en base b se forma de la parte entera de los productos obtenidos.

Ejemplo:
13.875 = 1101.1112
217.732 = 11011001.10111 . . .2
5 Aritmética en punto flotante 4

4.2 Representación de um número entero

Los números enteros se pueden representar en una computadora utilizando el método la signo
magnitud.
Al conjunto de bits que representa la magnitud del número se antepone un bit, denominado bit
del signo, que toma el valor 0 para números positivos y el 1, para los negativos. Luego continúa la
representación en base dos del número en valor absoluto.
En general se puede afirmar que si se utilizan n bits para representar un número A con signo en
notación signo-magnitud, el rango de valores posibles para A está comprendido entre

−(2n−1 − 1) ≤ A ≤ (2n−1 − 1)

4.3 Representación de un número real en punto flotante

Los números fraccionarios y reales se introducen en la máquina en punto flotante. Esta repre-
sentación consiste en escribirlos en forma exponencial binaria normalizada y codificar tres campos:
el signo, el exponente y la matisa. Cada uno de los campos se codifica de la manera siguiente:

1. El bit de signo se pone a 0 cuando el número es positivo y a 1 cuando el número es negativo.

2. El campo exponente se codifica mediante la notación signo-magnitud.

3. El campo mantisa se codifica como el equivalente binario directo del número decimal dado.

Ejemplo
Si se usan 32 bits para la representación pueden dividirse del modo siguiente: 1 bit para el signo,
7 bits para el exponente y 24 bits para la mantisa:

1 bit (signo) | 7 bits (exponente) | 24 bits (mantisa)

El número más pequeño representado serı́a

 
011111111000000000000000000000000
El número más grande representado serı́a
 
00111111111111111111111111111111

5 Aritmética en punto flotante

Hay limitaciones para representar números en una computadora digital pues sólo se cuenta con un
múmero finito de bits para cualquiera arquitectura. Sea r un número real cualquiera, tiene una
representación
r = ±(.d1 d2 d3 . . . dk dk+1 . . .) × be
donde:

• b es la base en que la máquina opera.

• 0 ≤ dj ≤ (b − 1) j = 2, . . . y d1 6= 0

• e el exponente

Una computadora o calculadora representa un número real en un sistema llamado aritmética de

punto flotante. En este sistema el número real r será representado en la forma

f l(r) = ±(.d1 d2 d3 . . . dk ) × be

donde:

• k es el número de dı́gitos en la mantisa 0 ≤ dj ≤ (b − 1) j = 2, . . . , k y d1 6= 0

5 Aritmética en punto flotante 5

• e el exponente en el intervalo [−m, M ]

Las dos formas más comunes de realizar la terminación de la mantisa son

Truncamiento Se cortan los dı́gitos dk+1 , dk+2 , . . . para obtener f l(r) = ±(.d1 d2 . . . dk ) × 10e

Redondeo (En base 10) Se forma la suma d1 d2 . . . dk .dk+1 1 + 0.5 (donde el punto que esta entre
dk y dk+1 es el punto decimal). Luego f l(r) = ±(.d1 d2 . . . δk ) × 10e que es la parte entera de
la suma anterior.

En cualquier máquina, apenas es representado exactamente un subconjunto de números reales,

estos números se denominan números de la máquina. Para representar un sistema en punto
flotante normalizado en base b, con k dı́gitos significativos, con limites del exponente m y M ,
usaremos la notación F(b, k, m, M ).
Ejemplo
Considere una máquina que opera en el sistema en el sistema F(10, 3, 5, 5). Los números serán
representados de la siguiente forma

0.d1 d2 d3 × 10e , d1 6= 0, d2 , d3 = 0, 1, . . . , 9, e ∈ [−5, 5]

• El número más pequeño es 0.100 × 10−5 = 10−6

• El número más grande es 0.999 × 105 = 99900

• El número 235.98 = 0.23598 × 103 será representado en la máquina por 0.235 × 103 si usamos
truncamiento y por 0.236 × 103 si usamos redondeo.

• El número 0.345 × 10−7 no puede ser representado en esta máquina pues el exponente es
menor que -5. Esta situación se conoce como “underflow”.

• El número 0.987 × 108 no puede ser representado en esta máquina pues el exponente es mayor
que 5. Esta situación se conoce como “overflow”.

El error que resulta al reemplazar eun número real x por su número de punto flotante se denomina
error de redondeo. Este error esta acotado por
( 1−t
b |x| cuando se hace truncamiento
|x − f l(x)| ≤ 1 1−t
b |x| cuando se hace redondeo
2

5.1 Operaciones aritméticas en punto flotante

Los cálculos matemáticos generalmente se reducen a ciertas operaciones matemáticas elementales,
de las cuales el conjunto clásico es +, −, ×, /. Matemáticamente estos simbolos representan opera-
ciones en R. Sobre una máquina digital estas operaciones tienen análogos llamados operaciones de
punto flotante sobre F. Para distinguir las operaciones aritméticas usuales de las operaciones de
punto flotante, se les denota por los simbolos ⊕, , ⊗, , respectivamente. Luego definimos:

suma: x ⊕ y = f l(f l(x) + f l(y))

resta: x y = f l(f l(x) − f l(y))

multiplicación: x ⊗ y = f l(f l(x) × f l(y))

división: x  y = f l(f l(x)/f l(y)) .

Ejemplos
Dados x = 0, 937 × 104 y y = 0.1272 × 102 .
Calculemos la suma y el producto en punto flotante a cuatro cifras significativas.
6 Efectos numéricos 6

aliniando tenemos x = 0, 937 × 104 y y = 0.001272 × 104 , asi:

x + y = 0.938272 × 104 (resultado exacto), para representarlo en la máquina tenemos que
f l(x + y) = 0.9382 × 104 (truncamiento), f l(x + y) = 0.9383 × 104 (redondeo).

xy = 0.1191864 × 106 (resultado exacto), para representarlo en la máquina tenemos que

f l(xy) = 0.1191 × 106 (truncamiento), f l(xy) = 0.1192 × 106 (redondeo).

Podemos verificar que las operaciones en punto flotante no verifican las reglas aritméticas normales

• x ⊕ y = x no implica que y=0

Ejemplo F(3, 10, 4, 4) x = 0, 123 y y = 0.000061

• no asociatividad a ⊕ (b ⊕ c) puede ser diferente de (a ⊕ b) ⊕ c)

Ejemplo F(8, 10, 3, 3) x = 0, 23371258×−4 , y = 0.33678429×−2 y z = −0, 336777811×−2

• no distributividad a ⊗ (b ⊕ c) puede ser diferente de (a ⊗ b) ⊕ (a ⊗ c)

Ejemplo F(2, 10, 2, 2) x = 0, 94×2 , y = 0.33×2 y z = −0, 32×2

6 Efectos numéricos

Además de los errores causados por las operaciones aritméticas tenemos ciertos efectos numéricos
que contribuyen a que el resultado final sea errado.

• Cancelamiento Ocurre en la cancelación de dos números casi iguales.

• Propagación del error El cancelamiento ocurre también cuando una suma parcial es muy
grande comparada con el resultado final. perdida de cifras significativas

Efectos

1. Inestabilidad numérica Dos formulaciones equivalentes de un mismo problema pueden

arrojar distintos resultadosal efectuar los cálculos en un ordenador. Asi mismo al realizar
largas cadenas de cómputos los errores pueden acumularse de tal modo que resten validez
a los resultados. Se dice que un proceso es inestable cuando los pequeños errores que se
producen en una de sus etapas se agrandan en etapas posteriores, por lo tanto se pierde
exactitud.

2. Mal condicionamiento se refiere que pequeõs cambios en los datos de entrada provocan
grandes variaciones en la solución.