ERRORES

Indice
1. Errores 2. Clases de errores 3. N umeros en coma otante 4. Aritm etica del punto otante 4.1. Errores 4.2. Operaciones en punto otante 4.3. Problemas con operaciones en punto otante 5. Algoritmos o m etodos num ericos 5.1. Convergencia y velocidad de convergencia 5.2. Estabilidad num erica 5.3. Coste operativo y eciencia 6. Conclusiones

Errores

Denici on 1.1. Si p es una aproximaci on de p, el error absoluto es p = |p p | , y p | el error relativo es p = |p , siempre que p = 0. |p| Normalmente no se conoce p y, por tanto, tampoco se conocer a con exactitud el error absoluto (ni el relativo) de tomar p como una aproximaci on de p. Por tanto, se pretende encontrar cotas superiores de esos errores. Cuanto m as peque nas sean esas cotas superiores, mejor ser a la aproximaci on. Denici on 1.2. Se dice que el n umero p aproxima a p = 0 con t d gitos (o cifras) p | signicativos (exactos), si t es el mayor entero no negativo para el cual |p < 5 10t |p| o sea, 5 10t es una cota superior del error relativo.

Ejemplo 1.3. Cota superior de |p p | para distintos valores de p tomando cuatro d gitos signicativos para p : p 0.1 0.5 100 1000 max|p p | 0.00005 0.00025 0.05 0.5 As para p = 0.1 se tiene: |0.1 p | < 5 104 |0.1|

luego, max|p p | < 0.1 5 104 y as , 0.1 0.00005 < p < 0.1 + 0.00005, o sea: 0.09995 < p < 0.10005. Y para p = 1000, se tiene 999.5 < p < 1000.5.

Clases de errores

A) Errores en las entradas. Propagaci on. Los errores en las entradas o datos iniciales suelen ser consecuencia del hecho de que nuestros datos provienen de un experimento y son inherentes a la imperfecci on de las medidas f sicas; o bien, se producen al tomar (de forma voluntaria) un n umero limitado de d gitos para los datos de entrada. A la hora de valorar el resultado obtenido en cualquier m etodo num erico es importante conocer la magnitud de dichos errores y c omo se propagan. Propagaci on del error Sea f : D Rn Rn la funci on que nos dene el c alculo a realizar, donde f viene dada por yi = fi (x1 , x2 , ..., xn ), para i = 1, . . . , m. Supongamos que f es de clase C 1 (D). Sea x = |x x |, de forma que xi = |xi x i |. Si reemplazamos los datos de entrada x por los datos aproximados x , el resultado de nuestro c alculo ser a y = f (x ), en lugar de y = f (x). Aplicando Taylor, se tiene:
n

|y i

| yi

= |fi (x) fi (x )|
j =1

|x j x j|

fi (x) . xj

As , una forma de aproximar el efecto que tienen los datos de entrada en la salida (en t erminos de errores absolutos) es:
n

yi
j =1

fi (x) xj . xj

Y, en terminos de errores relativos:

yi x

yi = yi

j =1

xj fi (x) fi (x) xj

xj

i (x) Al valor de fi (jx) f se le llama n umero de condici on. xj Si aparece alg un n umero de condici on grande, decimos que estamos ante un pro blema mal condicionado, en otro caso hablamos de un problema bien condicionado.

B) Errores de truncamiento o discretizaci on Los errores de truncamiento o discretizaci on provienen, por ejemplo, de la sustituci on de una expresi on continua por otra discreta (por ejemplo al aproximar la derivada de f por una expresi on en diferencias), f (x0 ) Usando el desarrollo de Taylor de f : f (x0 + h) = f (x0 ) + f (x0 )h + De donde, f (x0 + h) f (x0 ) 1 1 = f (x0 ) + f (x0 )h + f (x0 )h2 + h 2! 3! As el error cometido es f (x0 + h) f (x0 ) 1 1 f (x0 ) = f (x0 )h + f (x0 )h2 + = O(h) h 2! 3! Otro caso donde aparecen errores de truncamiento es al aproximar un proceso innito por uno nito (por ejemplo, truncando los t erminos de una serie). Sea (an ) una sucesi on de t erminos no negativos, mon otona decreciente y con limn an = 0, por el criterio de Leibnitz, sabemos que si
+ k

f (x0 + h) f (x0 ) h 1 1 f (x0 )h2 + f (x0 )h3 + 2! 3!

S=
n=1

(1) an

Sk =
n=1

(1)n an

se tiene: S = |S Sk | ak+1 .

C) Errores de redondeo Si trabajamos con ordenadores, los n umeros reales se representan mediante aproximaciones a dichos n umeros (con un n umero nito de d gitos), lo cual produce un Error de redondeo. 3

N umeros en coma otante

Todo n umero real se representa en el ordenador con un n umero nito de d gitos. As 3 no tiene una representaci on exacta. Se representa mediante una aproximaci on. Casi siempre la representaci on y la aritm etica computacional son satisfactorias y pasan inadvertidas. R se representa mediante un conjunto nito de n umeros racionales que se representan como n umeros en punto otante o n umeros m aquina. Un n umero en punto otante tiene la forma m bc , donde b1 m < 1 o 1 m < b. En un n umero de punto otante podemos distinguir: Signo Base (b) Exponente o caracter stica (c) Mantisa o parte fraccionaria (m) Por ejemplo, en notaci on cient ca normalizada en el sistema decimal (n umeros 1 m aquina decimales ) x = r 10n donde 10 r < 1 ( o 1 r < 10) (si x = 0) y n Z . As : 732.5051 = 0.7325051 103 (= 7.325051 102 ) 0.005612 = 0.5612 102 (= 5.612 103 ) En notaci on cient ca en el sistema binario x = q 2m donde (si x = 0) y m Z. As :
1 2

q < 1 ( o 1 q < 2)

10011.101001(2 = 0.10011101001(2 25 (= 1.0011101001(2 24 ) Ejemplo 3.1. En 1985, el IEEE (Institute for Electrical and Electronic Engineers, http://standards.ieee.org) public o la Norma de la aritm etica binaria de punto otante 754 (est andar IEEE 754 de doble precisi on). Se representa con 64 bits y consta de: 1 bit de signo (0 positivo, 1 negativo )(s) 11 bits de exponente (c) en exceso 1023 c 1023 es el exponente 52 bits de mantisa (f ) que se utiliza en la forma (1 + f ). la base es 2. Se obtiene (1)s 2c1023 (1 + f ) Tiene entre 15 y 16 d igitos decimales de precisi on y un rango aproximado entre 308 308 10 y 10 . 4

Aritm etica del punto orante

0.d1 d2 ...dk 10n con 1 d1 9, 0 di 9; i = 2, ..., k Se puede normalizar cualquier n umero real positivo y para convertirlo en y = 0.d1 d2 ...dk dk+1 dk+2 ... 10n

Por simplicidad, en lo que sigue, supongamos n umeros m aquina decimales:

Si y est a en el rango de la m aquina puede ponerse en forma de punto otante, f l(y ), tomando k d gitos decimales. Hay dos maneras de elegir esos k d gitos decimales: corte y redondeo. En el corte simplemente se eliminan todos los d gitos a partir del dk+1 . En el redondeo se agrega 5 10n(k+1) a y y luego se realiza el corte. O sea, si dk+1 5 agregamos 1 a dk y cortamos, si dk+1 < 5 simplemente cortamos. Ejemplo 4.1. El n umero es un n umero irracional, luego tiene una expresi on decimal innita de la forma = 3.14159265 . . . . En forma decimal normalizada es = 0.314159265 101 El n umero en punto otante con cinco d gitos y corte se representa por f l( ) = 0.31415 101 = 3.1415 Con redondeo ser a f l( ) = (0.31415 + 0.00001) 101 = 3.1416 El error cometido al reemplazar un n umero por su forma en punto otante recibe el nombre de error de redondeo independientemente de si se ha aplicado el m etodo de corte o de redondeo.

4.1

Errores

Proposici on 4.2. El error absoluto en la representaci on de un n umero p = 0 en punto otante con t decimales, viene dado por: |p f l(p)| 5 |p| 10t k con k = 2 si es por corte y k = 1 si es por redondeo. 5

Demostraci on. i) Caso de corte: |p f l(p)| = = | 10q (0.d1 d2 . . . dt dt+1 . . . ) (10q (0.d1 d2 . . . dt ))| = = 10qt (0.dt+1 dt+2 . . . ) = = 10t 10t
1 0.1 10qt (0.dt+1 dt+2 ... ) |p | 10q (0.d1 d2 ... ) 0.dt+1 dt+2 ... |p| 0.d1 d2 ... t

|p| = 10

|p| 5 k

(con k = 2) ii) Caso de redondeo: |p f l(p)| 10q 10t = 10qt =

1 2 1 2 1 2

= =

10

| ||p p| t

= 10q 10t
|p| (0.d1 d2 ... ) t

1 2

1 2

0.5 10 10

|p| = 5 10

|p| 10q (0.d1 d2 ... ) |p| 10t 0 = .1 t

|p| k

(con k = 1)

Corolario 4.3. El error relativo en la representaci on de un n umero p = 0 en punto otante con t decimales viene dado por: |p f l(p)| 5 10t k |p| (con k = 2 si es por corte y k = 1 si es por redondeo). Luego, si es por redondeo, f l(p) aproxima a p con t d gitos signicativos.

4.2

Operaciones en punto otante

Representamos las operaciones en la computadora mediante: , , , . Supondremos una aritm etica de d gitos nitos (equivale a realizar operaciones exactas sobre representaciones de punto otante, y luego convertir el resultado exacto en su representaci on de punto otante), viene denida por: x y = f l(f l(x) + f l(y )) x x y = f l(f l(x) f l(y )) y = f l(f l(x)/f l(y )) 6

x y = f l(f l(x) f l(y ))

Ejemplo 4.4. Sean x = 1/3 e y = 5/7. En corte a cinco d gitos tenemos f l(x) = 0.33333 100 ; Oper. xy x y xy x y Resultado 0.10476 101 0.38095 100 0.23809 100 0.46666 100 f l(y ) = 0.71428 100 Error abs. 0.190 105 0.238 105 0.524 105 0.667 105 Error rel. 0.182 104 0.625 105 0.220 104 0.143 104

4.3

Problemas con operaciones en punto otante

Comencemos con algunos ejemplos de operaciones en coma otante, para luego indicar algunos problemas que se observan en los ejemplos y = 5/7 u = 0.714251 v = 98765.9 w = 0.111111 104 Oper. y u (y u) w (y u) v uv y w Problemas: La divisi on por un n umero muy peque no (o la multiplicaci on por un numero muy grande) da un error absoluto muy grande. Si p lo representamos por p + , y calculamos p/d, donde d es peque no, se obtendr a un error aproximado de e/d y, si d es muy peque no, el cociente ser a muy grande. La sustracci on de n umeros casi iguales da errores relativos muy grandes: Sean x, y (con x > y ) tales que (con k d gitos): f l(x) = 0.d1 d2 . . . dp p+1 . . . k 10n f l(y ) = 0.d1 d2 . . . dp p+1 . . . k 10n f l(f l(x) f l(y )) = 0.p+1 . . . k 10np donde 0.p+1 . . . k p+1 . . . k = 0.p+1 . . . k . As x 7 y tendr a k p d gitos. f l(y ) = 0.71428 100 f l(u) = 0.71425 100 f l(v ) = 0.98765 105 f l(w) = 0.11111 104 Error rel. 0.136 0.136 0.136 0.164 104 0.122 104

Error abs. 0.472 105 0.425 0.466 0.162 101 0.779

La p erdida de d gitos es peligrosa si se quiere mantener un error relativo peque no. Recordemos que p aproxima a p con t d gitos signicativos si: |p p | < 5 10t |p| La propagaci on de estos errores al resto de c alculos. Podemos evitar estos problemas: - minimizando el n umero de operaciones, - ordenando adecuadamente las operaciones, - replanteando el problema en otros t erminos. Ejemplo 4.5. Resoluci on de x2 + 62.10 x + 1 = 0. Las ra ces aproximadas son b + b2 4ac x1 = = 0.0161072 2a b b2 4ac x2 = = 62.08390 2a Como b2 es mucho mayor que 4ac en el c alculo de x1 el numerador tiene una resta de n umeros casi iguales. Trabajando con redondeo a cuatro d gitos tenemos que b2 4ac = 3856 4 = 62.07 62.10 + 62.06 = 0.15 101 2 y se obtiene un error relativo grande f l ( x1 ) = | 0.0161072 + 0.015| 6.9 101 |0.0161072| El c alculo de x2 no presenta ese problema (no aparece la resta). Soluci on: hacer desaparecer la resta en el c alculo de x1 . x1 = b2 (b2 4ac) 2c = 2a(b b2 4ac) b + b2 4ac f l(x1 ) = 0.1611 101 8

y el error relativo es ahora: | 0.0161072 + 0.1611 101 | 2 104 |0.0161072| En el caso de que b fuera negativo las cosas ocurrir an exactamente al contrario. Para x1 obtendr amos una buena aproximaci on y para x2 habr a que considerar la segunda opci on. Ejemplo 4.6. Evaluaci on del polinomio P (x) = x3 6.1x2 + 3.2x + 1.5 en el punto x = 4.71 usando aritm etica de tres d gitos. x x2 x3 6.1x2 3.2x Exacto 4.71 22.1841 104.487 135.323 15.072 Corte 4.71 22.1 104. 135. 15.0 Redondeo 4.71 22.2 104. 135. 15.1 Exacto : P (4.71) = 104.487 135.323 + 15.072 + 1.5 = 14.2639 Corte a 3 d gitos: P (4.71) = ((104. 135.) + 15.0) + 1.5 = 14.5 Redondeo a 3 d gitos: f (4.71) = ((104. 135.) + 15.1) + 1.5 = 14.4 Errores relativos (con 3 d gitos): 14.2639(14.5) 0.017. En corte: 14.2639 En redondeo:
14.2639(14.4) 14.2639

0.00962.

Soluci on: evaluar P(x) en forma anidada : P (x) = ((x 6.1)x + 3.2)x + 1.5. As la evaluaci on de P (x) en 4.71 queda: En corte: P (4.71) = 14.2 con un error relativo: En redondeo: P (4.71) = 14.3 con un error relativo: 14.2639 + 14.3 0.0026 14.2639 14.2639 + 14.2 0.0045 14.2639

Algoritmos o m etodos num ericos

Un algoritmo es un procedimiento que describe, sin ninguna ambig uedad, una sucesi on nita de pasos a realizar en un orden espec co. Si estos pasos consisten en operaciones aritm etico-l ogicas conducentes a la soluci on num erica de un cierto problema, el algoritmo ser a llamado num erico o tambi en m etodo num erico. Hay dos tipos de m etodos: m etodos directos y m etodos iterativos. A) M etodos directos Son aquellos que, al menos te oricamente y supuesta la ausencia de errores, en un n umero nito de pasos conducen a la soluci on exacta del problema. Por ejemplo: la regla de Cramer para la soluci on de un sistema lineal compatible determinado. B) M etodos iterativos Son m etodos que utilizan sucesiones, que nos proporcionan aproximaciones cada vez mejores de la soluci on buscada. Por ejemplo, usemos el desarrollo en serie del n umero e para aproximar su valor.
+

e=
n=0

1 n!

se tiene: 1 1 1 , Sn = 1 + 1 + + + 2! 2! n! que proporcionar an aproximaciones a e, cuanto mayor sea n. S0 = 1 , S 1 = 1 + 1 , S 2 = 1 + 1 +

5.1

Convergencia y velocidad de convergencia

Denici on 5.1. La aplicaci on de un m etodo iterativo conduce a una sucesi on (sn ) de aproximaciones de la soluci on s buscada. Se dice que el m etodo es convergente si dicha sucesi on es convergente a la soluci on del problema sobre el que se aplica. Denici on 5.2. La velocidad u orden de convergencia de un m etodo iterativo convergente ((sn ) s) es el mayor n umero real q , tal que existe el l mite limn |sn+1 s| =C=0 |sn s|q

No es necesario que tal q exista, y si existe, no necesariamente es un entero. Si q = 1, decimos que la convergencia es lineal. Si q = 2, decimos que la convergencia es cuadr atica. Si q > 1, decimos que la convergencia es superlineal. A la constante C se le suele llamar constante de error asint otico. 10

5.2

Estabilidad num erica

Diremos que un m etodo num erico es inestable cuando peque nos errores en algunas de sus etapas generan, a lo largo del resto del proceso, errores que degradan seriamente la exactitud de los resultados del c alculo en su conjunto. Sea por ejemplo,
1

In =
0

xn ex1 dx

n N

Aplicando integraci on por partes, se llega a : In = 1 nIn1 , para n = 2, 3, . . . , siendo I1 = 1/e. Si aplicamos la f ormula recurrente anterior y tomando 6 cifras en la representaci on num erica, se tiene: I1 0.367879 I2 0.264242 I3 0.207274 I4 0.170904 I5 0.145480 I6 0.127120 I7 0.110160 I8 0.118720 I9 0.0684800?? El valor de I9 no puede ser correcto puesto que para todo n, In expresa el area de la regi on del primer cuadrante delimitada por la funci on xn ex1 , para valores de x entre 0 y 1. Esta funci on es positiva en [0, 1], luego In 0.

5.3

Coste operativo y eciencia

El n umero de operaciones elementales que un m etodo necesita en su aplicaci on se denomina coste operativo y supone una medida de lo que se denomina complejidad del m etodo. Para cada problema suele haber varios m etodos posibles, c omo elegir entre ellos? Una posibilidad ser a: elegir el m etodo que diese menos errores. Hay otra posibilidad mejor: quedarse con el m etodo que, dando errores dentro de unos l mites predeterminados, necesite el menor trabajo. Este equilibrio entre precisi on y coste operativo se llama eciencia, y diremos que un m etodo es m as eciente que otro si, dando errores parecidos es menos costoso, o que siendo parecido de costoso es m as preciso.

Conclusiones
Los c alculos num ericos pueden ser inexactos. El error nal de un proceso de c alculo efectivo es fruto de la acumulaci on de distintos tipos de errores. Unos iniciales (de entrada, redondeo de los datos, truncadura del problema, ...) y otros generados a lo largo del proceso. 11

 El aumento de la precisi on (aumento de las unidades de memoria para almacenar los n umeros), en general reduce el error nal. No obstante, a veces conviene sacricar precisi on frente a econom a de tiempo o de recursos. (Un equilibrio entre precisi on suciente y coste adecuado se le suele llamar eciencia ). Hay operaciones o procesos de c alculo que propagan fuertemente los errores de redondeo, operaciones o algoritmos inestables (inestabilidad num erica). Hay problemas que tienen una naturaleza que los hace especialmente sensibles a la variaci on de los datos, problemas mal condicionados. Para cierto tipo de problemas se puede denir una medida de esta sensibilidad mediante un n umero de condici on. Lectura recomendada: Cap tulo 4 del texto: I. Mart n Llorente, V.M. P erez Garc a: C alculo Num erico para computaci on en Ciencia e Ingenier a, ed. Sintesis.

12