01 Aritmética Computacional

Tema 1: Cuestiones Básicas sobre Aritmética
Computacional
Vera Egorova
Departamento de Matemática Aplicada y C.C.

Despacho S4-16
E.T.S. Ingenieros Industriales y de Telecomunicación
[email protected]
Vera Egorova (UC) Aritmética Computacional 1 / 37

Contenido
1 Motivación
2 Representación de los números sobre el computador
3 Errores, condicionamiento y estabilidad numérica

Motivación

¿Qué es un Método Numérico?
Método Numérico
es un procedimiento mediante el cual se obtiene, casi siempre de
manera aproximada, la solución de ciertos problemas realizando
cálculos puramente aritméticos y lógicos.
Consiste de una lista finita de instrucciones precisas que especifican

una secuencia de operaciones algebraicas y lógicas (algoritmo), que
producen una aproximación de la solución del problema (solución
numérica).
La eficiencia en el cálculo depende:
de la facilidad de implementación del algoritmo
de las características especiales y limitaciones de los
instrumentos de cálculo

Métodos numéricos en ingeniería
5 razones para estudiar:
Los métodos numéricos son herramientas

muy poderosas (manipular sistemas de
ecuaciones grandes, manejar no linealidades
y resolver geometrías complicadas).
Hay paquetes o programas "enlatados" que
contengan métodos numéricos.
Se puede diseñar sus propios programas
para resolver los problemas;
Los métodos numéricos son un medio para
reforzar su comprensión de las matemáticas;
Los métodos numéricos son un vehículo
eficiente para aprender programación, a
reconocer y controlar los errores de
aproximación que son inseparables de los
cálculos numéricos a gran escala.

Representación de los números sobre el
computador

Sistema binario
Sistema binario es un sistema de numeración en el que los números

se representan utilizando solamente dos cifras: cero y uno (0 y 1).
Para transformar un número del sistema decimal al sistema binario:
1 Se transforma la parte entera a binario.

2 Se sigue con la parte fraccionaria, multiplicando cada número por
2. Si el resultado obtenido es mayor o igual a 1 se anota como un
uno (1) binario. Si es menor que 1 se anota como un 0 binario.
3 Después de realizar cada multiplicación, se colocan los números
obtenidos en el orden de su obtención. Algunos números se
transforman en dígitos periódicos, por ejemplo: el 0.1.

Ejercicio
Sea el número decimal 10.5708, pasarse a binario hasta 8 decimales.
1 La parte entera: 10 = (1010)2

2 La parte fraccionaria:
0.5708 × 2 = 1.1416 → 1
0.1416 × 2 = 0.2832 → 0
0.2832 × 2 = 0.5664 → 0
0.5664 × 2 = 1.1328 → 1
0.1328 × 2 = 0.2656 → 0
0.2656 × 2 = 0.5312 → 0
0.5312 × 2 = 1.0624 → 1
0.0624 × 2 = 0.1248 → 0
3 0.5708 = (0.10010010)2
4 10.5708 = (1010.10010010)2
Tipos de números
Los cálculos de ordenador utilizan 2 tipos de números:

Integer (Números enteros) Representados por un número finito de digitos.
Hoy en día, los cálculos se hacen en aritmética binaria.
Con 64 bits se pueden representar 264 valores:
Sólo positivos (enteros sin signo): del 0 al 264 − 1
Positivos y negativos (enteros con signo): del −263 al 263 − 1
Números de punto flotante (Números reales)
Representados de la forma
(−1)s 0.a1 a2 a3 . . . × 10e
s – signo,
a1 6= 0, ai – "digitos", constituyen la parte fraccional o mantisa del número
e – exponente

Aritmética de punto flotante
Forma de punto flotante normalizada:
(−1)s 0.a1 a2 a3 . . . × β e
Los "dígitos" ai respecto de la base β son enteros positivos tales que

1 ≤ a1 ≤ β − 1, 0 ≤ ai ≤ β − 1, i = 1, 2, . . .
Un sistema de números de punto flotante es discreto y finito. El número de elementos del
conjunto es
2(β − 1)β t−1 (U − L + 1),
donde t es numero de dígitos en mantisa (o precisión), L, U - números enteros (L < 0, U > 0)
que determinen el rango del exponente: L ≤ e ≤ U.
Debido a la normalización el cero no puede ser representado como un número de punto flotante.
Por otra parte,
xmin = β L+1 ≤ |x| ≤ xmax = β U (1 − β −t )

Desbordmiento
En la recta de los números reales hay cinco regiones excluidas para

los números de punto flotante:
1 Los números negativos x < −xmax ⇒ desbordamiento
(overflow) negativo.
2 Los números negativos x > −xmin ⇒ desbordamiento a cero
(underflow) negativo.
3 El cero.
4 Los números positivos x < xmin ⇒ desbordamiento a cero
(underflow) positivo.
5 Los números positivos x > xmax ⇒ desbordamiento (overflow)
positivo.
Aritmética de punto flotante. Base 2
En cálculo científico se utiliza el punto flotante, codificando por separado en signo s, el

exponente e de la potencia de 2 correspondiente y la mantisa m:
x = (−1)s × m × 2e , 1<m<2
1 Signo: 0 – número positivo, 1 – negativo

2 Exponente:
log2 |x| = e + log2 m
Puesto que 1 < m < 2, se tiene 0 < log2 m < 1
Entonces, e = blog2 |x|c, (parte entera)
Pongamos que se toman del total de ne bits en el número, para el exponente. Con esos
bits concretos, para considerar tanto exponentes negativos como positivos, al exponente e
se le suma 2ne −1 , de tal manera que el número eb , que se guarda como ne bits del
exponente (en representación binaria) es:
eb = e + 2ne −1 − 1.
3 Mantisa: m = 2−e |x|, Puesto que 1 < m < 2, se guarda en la representación binaria la
parte fraccionaria del m.

Estándar IEEE754. Precisión simple
Ejercicio
Codificar el número π en formato real de precisión simple
1 Signo: 0 (π es positivo)
2 Exponente: e = blog2 |π|c = 1, eb = e + 2ne −1 − 1 = 1 + 27 − 1 = 128
eb = (128)10 = (10000000)2
3 Mantisa: m = 2−e π = 1 |.5707963
{z . .}.
guardamos
0.5707963 . . . = (0.10010010000111111011010)2
La representación de π en forma de real de punto flotante de precisión simple:
0 10000000 10010010000111111011010
¿Qué son el menor y mayor número de punto flotante positivo representable en
precisión simple?
El número real de menor valor absoluto será:
xmin = 0 00000001 0···0
o lo que es lo mismo (eb = 1, e = 1 − 127):
xmin = 1 · 2−126 · 1 = 2−126 ≈ 10−38

El número con mayor valor absoluto será:
xmax = 0 11111110 1···1
o lo que es lo mismo (eb = 28 − 1, e = 28 − 1 − 127 = 128):
xmax = 1 · 2128 (1 − 2−24 ) ≈ 1038

Estándar IEEE754
Precisión simple Precisión doble

Memoria 23 + 8+ 1 = 32 bits 52 + 11 + 1 = 64 bits
xmin 2−126 ≈ 10−38 2−1022 ≈ 10−308
xmax 2128 (1 − 2−24 ) ≈ 1038 21024 (1 − 2−53 ) ≈ 10308
Dígitos significativos 7 16

Números especiales (IEEE754)
Números denormalizados proporcionan la garantía de la suma y

resta de números de punto flotante sin subdesbordamientos
Ceros
Infinitos: Cuando un cálculo produce un desbordamiento
(overflow)
NaN (Not A Number) - resultado de las operaciones
matemáticamente ilegales
Valor Exponente Mantisa

Normalizados L≤e≤U 6= 0
Denormalizados ceros (e = L − 1) 6= 0
±0 ceros (e = L − 1) 0
±∞ unos (e = U + 1) 0
NaN unos (e = U + 1) 6= 0

Números especiales (IEEE754)
(±Infinity )+1 = ± Infinity

(± Infinity) · (± 1) = ∓ Infinity
(±Infinity )+(±Infinity ) = ±Infinity
(±Infinity )+(∓Infinity ) = NaN
1/(±0) = ±Infinity
1/(±Infinity ) = ±0
0/0 = NaN
(±Infinity )/(±Infinity ) = NaN
0·(±Infinity ) = NaN

Precisión de la máquina
Cuando sumamos números en coma flotante, el resultado puede ser

exactamente igual a uno de los sumandos (siendo ambos no nulos):
1.000 × 100 + 1.000 × 10−4 = 1.000 + 0.0001 = 1.0001 ≈ 1.000 × 100
Al menor número en coma flotante que podemos sumar a 1 de

manera que obtengamos un valor mayor que 1 se llama epsilon de la
máquina εM = β 1−t .
El epsilon de la máquina determina la precisíon relativa de la
aritmética computacional. Si x e y son dos positivos en coma flotante
con x > y , su suma se puede escribir
y
x +y =x 1+
x
y
Salvo que x ≥ εM , la suma x + y será x.

Errores, condicionamiento y estabilidad numérica

Errores absolutos y relativos
Valor verdadero = Valor aproximado + error
Error exacto en la aproximación: E = Ve − Vaprox

Error absoluto: ∆V = |Ve − Vaprox |
Error relativo: δV = |∆V|Ve |
|
El error relativo también se puede multiplicar por 100%.

Ejercicio
¿Cuál estimación es más precisa?

9 √
= 0.818 o 18 = 4.24
11
1 Calculamos los valores con más cifras:
9 √
= 0.8181818 . . . , 18 = 4.2426 . . .
11
2 Errores absolutos:
9 √
∆1 = | − 0.818| ≤ 0.00019, ∆2 = | 18 − 4.24| ≤ 0.0027
11
3 Errores relativos:
0.00019 0.0027
δ1 = = 0.024%, δ2 = = 0.064%
0.818 4.24
9
11 = 0.818 es más precisa!
Fuentes de errores
Errores iniciales son el resultado de medidas de precisión

limitada.
Errores del método numérico (errores de aproximación, errores
de truncamiento) que resultan al usar una aproximación en lugar
de un procedimiento matemático exacto.
Aproximaciones por la serie de Taylor
Errores de redondeo que se producen cuando se usan números
que tienen un límite de cifras significativas para representar
números exactos.
√
Representación de los números reales tales como π, e, 5, . . .
Representación de algunos números reales en sistema binario (por
ejemplo, 0.1)
Errores de propagación son debidos a la propagación de
errores previos en el algoritmo.

Errores de redondeo
El Estándar IEEE754 enumera cuatro posibles alternativas para redondear el

resultado de una operación:
Redondeo al más próximo
Redondeo hacia 0 (truncamiento)
Redondeo hacia +∞
Redondeo hacia −∞
La política de redondeo implícitamente contemplada en el estándar es el redondeo al
más próximo. El error relativo máximo cometido al redondeo de un número es la
mitad del epsilon de la maquina:
Unidad de redondeo
u = εM /2
En el sistema IEEE-754:
Simple precisión: u = 2−24
Doble precisión: u = 2−53
Tolerancia
Los signos de los errores pueden ser positivos o negativos. Cuando

se realizan cálculos, no importa mucho el signo del error, sino más
bien que su valor absoluto sea menor que una tolerancia prefijada εs .
Los cálculos se repiten hasta que
|∆x| < εs
Si se cumple la relación anterior, entonces se considera que el

resultado obtenido está dentro del nivel aceptable fijado previamente.
Es conveniente también relacionar los errores con el número de cifras

significativas en la aproximación. Si
εs × 100% = (0.5 × 102−n )%

se tendrá la seguridad que el resultado es correcto en al menos n
cifras significativas.
No os fiáis del ordenador
1 Ejecutar sobre el ordenador: 0.3 − 0.2 − 0.1

2 Ejecutar sobre el ordenador:
1025 + 345 − 1025 + 54 + 1050 − 2 − 1050
3 Calcular e−30 utilizando el desarrollo en serie de la función
exponencial
∞
x
X xk
e =
k!
k =0
Cualquier procedimiento numérico debe considerar el control de

errores para medir cómo afectan al resultado!

Operaciones aritméticas
Cuando se suman dos números de punto flotante, el número de la

mantisa con el exponente menor se modifica de tal forma que los
exponentes sean los mismos.
0.1557 × 101 + 0.4381 × 10−1
Cálculos grandes: aunque el error de redondeo individual sea
pequeño, el efecto acumulativo durante el proceso de muchos
cálculos puede ser relevante.
Suma de un número grande y uno pequeño
Sumar la serie en orden ascendente.
Cancelación por resta: cuando se restan dos números de punto
flotante casi iguales
Se puede evitar empleando una transformación.
Evaluación de ex usando series infinitas
1
Presentar e−x = ex .

Ecuación cuadrática
ax 2 + bx + c = 0
Raices: √
−b ± b2 − 4ac
x1,2 = (1)
2a
¿Qué
√
pasa si b2 ac?
b2 − 4ac ≈ |b|
Cancelación en una de las raices.
¿Cómo evitar la cancelación?
Multiplicar
√ numerador y denominador de la raíz "problemática" por
−b − b2 − 4ac:
2c
x1,2 = √ (2)
−b ∓ b2 − 4ac
Si b > 0, utilizar (2) para x1 y (1) – para x2
Si b < 0, utilizar (1) para x1 y (2) – para x2
Análisis de la propagación del error
Denotaremos la versión punto flotante de la máquina de un número x

como fl(x). Este número puede ser escrito de la forma
fl(x) = x(1 + ),
donde ε es un número pequeño dependiente de x.

El error relativo del número de punto flotante:
|x − fl(x)| |x − (x + x)|
= = ||
|x| |x|

Análisis de la propagación del error
Se tiene representaciones de punto flotante fl(x) y fl(y ) para los

números reales x e y . Y que los simbolos ⊕, , ⊗, representan
las operaciones de suma, resta, multiplicación y división de la
máquina, respectivamente:
x ⊕y = fl(fl(x) + fl(y ))
x y = fl(fl(x) − fl(y ))
x ⊗y = fl(fl(x) · fl(y ))
x y = fl(fl(x)/fl(y ))

Error de la suma
Consideramos la suma:
x ⊕ y = fl(fl(x) + fl(y )
Según la definición de punto flotante tenemos:
x ⊕ y = (x(1 + x ) + y (1 + y ))(1 + x+y )

Elegimos = max(|x |, |y |, |x+y |) < u:
x ⊕ y = (x + y )(1 + x+y )2 = (x + y )(1 + 2 + 2 )
Error relativo de la suma:
|(x + y ) − (x ⊕ y )| |x| + |y | |x| + |y | |x| + |y |

≤ (2 + 2 ) ' · 2 ≤ εM
|x + y | |x + y | |x + y | |x + y |
Error de la suma
|(x + y ) − (x ⊕ y )| |x| + |y |
≤ · εM
|x + y | |x + y |
Error del producto
|xy − fl(fl(x) · fl(y ))|

≤ 3 + 32 + 3 ' 3 ≤ 2εM
|xy |
Error de la división
|x/y − fl(fl(x)/fl(y ))| 3 + 2
≤ ' 3 ≤ 2εM
|x/y | 1−
Error (absoluto) en una función
∆f (x̂) = |f (x) − f (x̂)| ∼

= |f 0 (x̂)|∆x̂

Ejercicio
Dado un valor de x̂ = 2.5 con un error ∆x̂ = 0.01, estimar el error

resultante en la función f (x) = x 3 .
Valor verdadero:
f (2.5) = 15.625
∆f (x̂) = |f 0 (x̂)|∆x̂ = 3 · 2.52 · 0.01 = 0.1875
Ya que el valor verdadero se encuentra entre 15.4375 y 15.8125.
De hecho,
f (2.49) = 15.4382, f (2.51) = 15.8132

Propagación de errores
Error absoluto:
∆(a ± b) = ∆a + ∆b
∆(a · b) = ab(δa + δb ) = b∆a + a∆b
∆ ba = ba (δa + δb )

∆(an ) = nan−1 ∆a
Error relativo:
aδa +bδb
δ(a ± b) = a±b
δ(a · b) = δa + δb
δ(an ) = nδa

Ejercicio
Calcular el valor y los errores:
m2 n3
X = √ ,
k
m = 28.3(±0.02), n = 7.45(±0.01), k = 0.678(±0.003)
2 3
X = √ ·7.45 = 4.02
28.3
· 105
0.678
δm = 0.02
28.3 = 0.00071
0.01
δn = 7.45 = 0.00135
δk = 0.003
0.678 = 0.00443
δX = 2δm + 3δn + 0.5δk = 0.0769
∆X = X · δX = 3.1 · 103

Estabilidad
1 Un proceso numérico es inestable cuando pequeños errores en
los datos de entrada, o errores de redondeo en alguna de las
etapas el proceso, producen errores grandes en los datos de
salida
2 Un proceso numérico es estable cuando no es inestable.
3 Un mismo algoritmo puede ser estable para algunos datos
iniciales e inestable para otros. Entonces se dice que el algoritmo
es condicionalmente estable.
El producto ⊗ de dos números de máquina es un cálculo estable,

sólo se pueden producir errores de desbordamiento (overflow)
La división de dos números de máquina es un cálculo estable,
sólo se pueden producir errores de desbordamiento (overflow)
La suma ⊕ de dos números de máquina es estable cuando los
dos números tienen el mismo signo, y puede ser inestable cuando
los dos números tienen signo distinto.
Estabilidad y condición
Es importante que los cálculos realizados por la computadora sean

bien considionados, es decir pequeños cambios en los datos deben
de resultar en pequeños cambios en la solución.
Número de condición
x̂f 0 (x̂)
Número de condición = f (x̂)
Un valor > 1: el error relativo se amplifica;

Un valor < 1: el error relativo se atenúa;
Un valor 1: función está mal condicionada

Bibliografía
1 CAPÍTULO 3 de:
Chapra S.C.; Canale R. (2005) Métodos Numéricos para
Ingenieros. Ed. McGRaw-Hill
2 D. Goldberg, What Every Computer Scientist Should Know About
Floating-Point Arithmetic
https://docs.oracle.com/cd/E19957-01/806-3568/
ncg_goldberg.html

01 Aritmética Computacional

Cargado por

Copyright:

Formatos disponibles

01 Aritmética Computacional

Cargado por

Información del documento

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 Aritmética Computacional

Cargado por

Copyright:

Formatos disponibles

Tema 1: Cuestiones Básicas sobre Aritmética

Departamento de Matemática Aplicada y C.C.

Vera Egorova (UC) Aritmética Computacional 1 / 37

2 Representación de los números sobre el computador

3 Errores, condicionamiento y estabilidad numérica

Vera Egorova (UC) Aritmética Computacional 2 / 37

Vera Egorova (UC) Aritmética Computacional 3 / 37

Consiste de una lista finita de instrucciones precisas que especifican

Vera Egorova (UC) Aritmética Computacional 4 / 37

5 razones para estudiar:

Los métodos numéricos son herramientas

Vera Egorova (UC) Aritmética Computacional 5 / 37

Vera Egorova (UC) Aritmética Computacional 6 / 37

Sistema binario es un sistema de numeración en el que los números

Para transformar un número del sistema decimal al sistema binario:

1 Se transforma la parte entera a binario.

Vera Egorova (UC) Aritmética Computacional 7 / 37

Sea el número decimal 10.5708, pasarse a binario hasta 8 decimales.

1 La parte entera: 10 = (1010)2

Los cálculos de ordenador utilizan 2 tipos de números:

(−1)s 0.a1 a2 a3 . . . × 10e

Vera Egorova (UC) Aritmética Computacional 9 / 37

Forma de punto flotante normalizada:

Los "dígitos" ai respecto de la base β son enteros positivos tales que

Vera Egorova (UC) Aritmética Computacional 10 / 37

En la recta de los números reales hay cinco regiones excluidas para

En cálculo científico se utiliza el punto flotante, codificando por separado en signo s, el

1 Signo: 0 – número positivo, 1 – negativo

Vera Egorova (UC) Aritmética Computacional 12 / 37

El número real de menor valor absoluto será:

xmin = 0 00000001 0···0

o lo que es lo mismo (eb = 1, e = 1 − 127):

xmin = 1 · 2−126 · 1 = 2−126 ≈ 10−38

xmax = 0 11111110 1···1

o lo que es lo mismo (eb = 28 − 1, e = 28 − 1 − 127 = 128):

xmax = 1 · 2128 (1 − 2−24 ) ≈ 1038

Precisión simple Precisión doble

Vera Egorova (UC) Aritmética Computacional 15 / 37

Números denormalizados proporcionan la garantía de la suma y

Valor Exponente Mantisa

Vera Egorova (UC) Aritmética Computacional 16 / 37

(±Infinity )+1 = ± Infinity

Vera Egorova (UC) Aritmética Computacional 17 / 37

Cuando sumamos números en coma flotante, el resultado puede ser

1.000 × 100 + 1.000 × 10−4 = 1.000 + 0.0001 = 1.0001 ≈ 1.000 × 100

Al menor número en coma flotante que podemos sumar a 1 de

Vera Egorova (UC) Aritmética Computacional 18 / 37

Vera Egorova (UC) Aritmética Computacional 19 / 37

Valor verdadero = Valor aproximado + error

Error exacto en la aproximación: E = Ve − Vaprox

El error relativo también se puede multiplicar por 100%.

Vera Egorova (UC) Aritmética Computacional 20 / 37

¿Cuál estimación es más precisa?

Errores iniciales son el resultado de medidas de precisión

Vera Egorova (UC) Aritmética Computacional 22 / 37

El Estándar IEEE754 enumera cuatro posibles alternativas para redondear el

Los signos de los errores pueden ser positivos o negativos. Cuando

Si se cumple la relación anterior, entonces se considera que el

Es conveniente también relacionar los errores con el número de cifras

εs × 100% = (0.5 × 102−n )%

fl(x) = x(1 + ),

x ⊕ y = (x(1 + x ) + y (1 + y ))(1 + x+y )

x ⊕ y = (x + y )(1 + x+y )2 = (x + y )(1 + 2 + 2 )