Metodos Numricos y Teora del Error

1. Introduccin.

En el campo de la ingeniera y ciencias, existen infinidad de fenmenos que requieren

representarse mediante modelos matemticos. Desafortunadamente, la gran mayora de estos
modelos no tiene una solucin exacta no es fcil el hallarla. Es estos casos es en donde los
mtodos numricos proporcionan una solucin aproximada al problema original. Un mtodo
numrico es aquel que obtiene nmeros que se aproximan a los que se obtendran aplicando la
solucin analtica de un problema.
2. EL COMPUTADOR Y SU ARITMETICA
El sistema numrico con el cual estamos familiarizados es el decimal. Las
computadoras, en su mayora, utilizan en sistema numrico binario, esto se debe
principalmente a que este sistema solamente utiliza dos dgitos para la representacin
de los nmeros. Esta afirmacin puede parecer extraa dado que nosotros nos
comunicamos, con la computadora en base 10, ingresamos la informacin en esta base
y a su vez la computadora nos responde en la misma base.
Esta situacin cmo se explica?. Al recibir la informacin, la computadora convierte
nuestra entrada a base dos (quizs a otras bases como octal, hexadecimal) y en esa
base ejecuta las operaciones. Finalmente convierte los datos obtenidos a base 10 y
esta es la informacin que nos entrega. Este proceso de conversin de una base a otra
tiene varios problemas, algunos de los cuales sern analizados en el siguiente ejemplo:

Ejemplo 1: Calcular

en una mquina cuya capacidad es de 8 dgitos.

La respuesta que dar es 9999,9945. El valor exacto de esta suma es 10,000.

Para entender qu ocurri en este proceso y en general en todos los procesos que
ejecuta la mquina, es necesario comprender cmo se almacenan los nmeros en la
computadora y cmo se realizan los clculos numricos.
Teora de Errores

3. Aproximacin numrica y teora de errores

Debemos conformarnos siempre, en la practica de la ingeniera y de las ciencias, con una solucin
aproximada a un problema por las siguientes razones:
Los modelos matemticos son aproximados; esto es; simplificaciones al problema real. No se
toman en cuenta todos los factores que afectan a un fenmeno. Por ejemplo, en el caso del
tiro parablico, se suele despreciar la resistencia del aire, sin embargo, esta puede ser
importante.

Los modelos matemticos requieren de parmetros, los cuales la mayora de las veces
provienen de mediciones experimentales y estas, solo tienen una precisin limitada, que
depende del instrumento de medicin. Por ejemplo la constante de los gases ideales.
Tambin pueden provenir de clculos y estos tienen una precisin limitada que depende
tanto del mtodo como del instrumento de clculo que se utilicen. Por ejemplo .

 Los modelos matemticos resultantes son imposibles de resolver por mtodos analticos
y se debe de aproximar la solucin numricamente. Por ejemplo una ecuacin de quinto
grado.
Por lo anterior, humildemente tenemos que aceptar que siempre se tendrn presentes errores,
estos pueden clasificarse en :
Errores inherentes.

Errores de truncamiento.
Errores de redondeo.
3.1.
Errores inherentes
Los errores inherentes son aquellos que tienen los datos de entrada de un problema, y son debidos
principalmente a que se obtienen experimentalmente, debindose tanto al instrumento de
medicin, como a las condiciones de realizacin del experimento. Por ejemplo, s el experimento
es a temperatura constante y no se logra esto mas que en forma aproximada. Tambin pueden
deberse a que se obtengan de clculos previos. Por ejemplo el valor calculado es el de un nmero
irracional como

3.2.
Errores de truncamiento
Los errores de truncamiento se originan por el hecho de aproximar la solucin analtica de un
problema, por medio de un mtodo numrico. Por ejemplo al evaluar la funcin exponencial por
medio de la serie de Taylor, se tiene que calcular el valor de la siguiente serie infinita :

Ante la imposibilidad de tomar todos los trminos de la serie, se requiere

truncar despus de cierto nmero de trminos. Esto nos introduce ciertamente
un error, que es el error de truncamiento. Este es independiente de la manera de
realizar los clculos. Solo depende del mtodo numrico empleado.
3.3.
Errores de redondeo
Los errores de redondeo, se originan al realizar los clculos que todo mtodo numrico o analtico
requieren y son debidos a la imposibilidad de tomar todas las cifras que resultan de operaciones
aritmticas como los productos y los cocientes, teniendo que retener en cada operacin el
nmero de cifras que permita el instrumento de clculo que se este utilizando. Por ejemplo al
calcular el valor de , tenemos que quedarnos solo con la mayor cantidad de cifras 3, que maneje
nuestro instrumento de calculo.

Los errores anteriores tambin suelen denominarse como las fuentes de error.
La magnitud del error generada por alguna o todas las fuentes de error
mencionadas anteriormente, se puede cuantificar con ayuda de los siguientes
parmetros:
Error.

Error relativo.
Error porcentual.

3.4.
3.4.1 Error
El error se define como la diferencia entre el valor real Vr y una aproximacin a este valor Va :

e = Vr - Va
3.4.2. Error relativo
El error relativo se define como el cociente del error entre el valor real Vr (s

):

3.4.3. Error porcentual

El error porcentual es simplemente el error relativo expresado en por ciento (%).

Tambin es usual emplear el valor absoluto en los parmetros anteriores, en

cuyo caso se denominan respectivamente error absoluto, error relativo absoluto
y error porcentual absoluto.

4. Cifras Significativas

El concepto de cifras significativas se ha desarrollado para designar formalmente la confiabilidad

de un valor numrico. El nmero de cifras significativas es el nmero de dgitos que se puede usar
con plena confianza. Por ejemplo podemos calcular un numero irracional con varias cifras, pero de
ellas no todas, sobre todo las ultimas pueden tomarse con plena confianza de que son correctas.
Por otro lado, los ceros no siempre son cifras significativas ya que pueden usarse solo para ubicar
al punto decimal. Por ejemplo los siguientes nmeros tienen todos 4 cifras significativas:
0.00001985, 0.0001985, 0.001985, 1985, 19.85.1 Para asegurar que un cero nos represente una
cifra significativa, es comn emplear la notacin cientfica. Por ejemplo los siguientes nmeros
tienen 3, 4 y 5 cifras significativas:
,
y
. Tambin se suele poner
explcitamente los ceros. Los siguientes nmeros tienen 5 cifras significativas: 19850, 0.019850,
19.850.

5. Precisin y exactitud

Los errores asociados con los clculos y mediciones se pueden caracterizar observando su
precisin y exactitud. La mayora de la gente piensa que estos trminos son sinnimos, pero no es
as. La precisin se refiere al nmero de cifras significativas que representan una cantidad. La
exactitud se refiere al grado de aproximacin que se tiene de un nmero o de una medida al valor
verdadero que se supone representa, es decir, que tan cerca estamos del valor buscado. Por
ejemplo, s leemos la velocidad del velocmetro de un auto, esta tiene una precisin de 3 cifras
significativas y una exactitud de 5 Kph.

6. Manejo y representacin de los nmeros en la computadora

Posiblemente estamos acostumbrados hasta el momento a suponer que trabajamos con nmeros
reales, al realizar operaciones. Esto es as, por la educacin que hemos recibido, en nuestros

cursos de matemticas previos (lgebra, Calculo Diferencial e Integral, Ecuaciones Diferenciales,

etc.). Pero en la realidad nunca es as. Al trabajar con un dispositivo de calculo, como es una
computadora, estamos trabajando con un conjunto de nmeros, el cual no es el de los nmeros
reales. El conjunto de los nmeros reales, tal como lo conocemos tiene las siguientes
caractersticas:
Es infinito en ambos extremos.

Es continuo.
Cada numero puede tener una cantidad ilimitada de cifras.
Los nmeros pueden ser tan pequeos como se desee.
En contraste el conjunto de los nmeros que se manejan en una computadora:
Es finito en ambos extremos.

No es continuo.
Cada numero tiene una cierta cantidad mxima de cifras.
Los nmeros no pueden ser tan pequeos como se desee.
Lo anterior se debe a como se representan los nmeros en la computadora. Una computadora
almacena los nmeros en sistema binario, usando un numero determinado de bytes (dependiendo
del tipo de dato del que se trate y de la computadora que se emplee). Esto ocasiona que exista un
limite al intervalo de valores que se puede manejar. Tambin se limita la cantidad de cifras que se
emplean para representar un numero. Otra consecuencia es que el conjunto de nmeros no sea
continuo sino discreto, esto es, existen huecos entre un numero y otro. Al realizar operaciones es
prcticamente inevitable que se tengan errores de redondeo. Estos pueden ocurrir por:
Convertir los nmeros al sistema binario. Ya sea al leerlos o al asignarlos a alguna variable.

Al enviar un numero a algn dispositivo, es decir, al imprimirlo.

El resultado es muy pequeo y sobrepasa la capacidad de representarlo. Se redondea
comnmente a 0.
El resultado es muy grande y puede ocasionar un error al aproximarse al mayor
valor que se pueda representar.
Todo esto ocasiona que se trabaje con lo que se conoce como aritmtica de dgitos finitos. Como
se ve mas adelante, puede causar que ciertos hechos que tomamos como ciertos, no lo sean en un
momento dado. Clculos aritmticos que ocasionan mas error

Por lo general, la aritmtica de dgitos finitos lleva a resultados aceptables, hay

casos en los cuales no es as. Prcticamente cualquier operacin numrica tiene
sus casos problemticos. Nos limitaremos por simplicidad solo a las 4
operaciones aritmticas bsicas. Los casos problemticos ms comunes son:
Divisin entre nmeros cercanos a 0.

Multiplicacin por nmeros grandes.

Suma de cantidades de distinto orden de magnitud.
Resta de nmeros casi iguales.

7. Tipos de redondeo

Al realizar los clculos que todo mtodo numrico o analtico requiere debemos de redondear.
Para redondear se emplea usualmente:
Redondeo truncado

Redondeo simtrico.

7.1.
Redondeo truncado
El redondeo truncado consiste en truncar el resultado de una operacin al nmero de cifras
significativas que se estn utilizando. Por ejemplo s redondeamos
tenemos 0.7777.

a 4 cifras significativas

7.2.
Redondeo simtrico
El redondeo simtrico consiste en aumentar en uno la ltima cifra retenida s la primera cifra
descartada esta entre 5 y 9, o dejarla igual s la primera cifra descartada esta entre 0 y 4. Por
ejemplo s redondeamos

a 4 cifras significativas tenemos 0.7778.

Por ejemplo:
. En la practica puede no ser as. S Realizamos la suma
empleando nicamente 4 cifras significativas y usamos ambos tipos de
redondeo. Se obtiene:
0.3333+0.6666=0.9999 (Redondeo truncado)
0.3333+0.6667=1.000 (Redondeo simtrico)
Puede demostrarse que por lo general el redondeo simtrico lleva a resultados
ms precisos.

8. Propagacin de errores

Por lo regular los mtodos numricos consisten de muchos clculos, y es difcil decir que tanto
afecta al resultado el error de redondeo que se acumula en cada operacin. Para estimar el efecto
del error de redondeo que se acumula existen varios enfoques:
Uso de la aritmtica de precisin doble. Este consiste en resolver el problema 2 veces, una
con aritmtica de precisin simple y otra con aritmtica de precisin doble. La solucin se
toma considerando solo las cifras que no hallan cambiado. El inconveniente es que se
toma ms tiempo los clculos con precisin doble que en simple, y adems el hecho de
resolver 2 veces el problema.

Uso de la aritmtica de intervalo. Consiste en retener en cada paso el valor ms

pequeo y ms grande que puede tomar el valor buscado, para que al final se
obtenga un intervalo que contenga el valor real. Los inconvenientes son que no
sabemos a ciencia cierta en que parte del intervalo estar la solucin, aunque
comnmente se supone que a la mitad y adems se consume el doble de tiempo y
memoria al almacenar los lmites superior e inferior en los que puede estar la
solucin.
Uso de aritmtica de dgitos significativos. Consiste en retener en cada etapa solo
las cifras que se piensa que son significativas. La desventaja es que se pierde
informacin y no se tiene certeza de que tan significativa es una cifra.
Enfoque estadstico. Consiste en suponer un comportamiento aleatorio con una
distribucin de probabilidad conocida. La teora involucrada es extensa. De los
enfoques mencionados es el que ha dado ms xito.
2

Los tipos de errores mencionados anteriormente se propagan de distinta manera. Para estudiar
como se propagan en conjunto los errores hay que introducir 2 conceptos : La estabilidad y la
convergencia.

8.1.
Estabilidad y convergencia
La estabilidad puede definirse comnmente de 2 maneras. Todo problema requiere datos de
entrada y nos origina por lo menos una salida. S cambios pequeos en los datos de entrada
producen cambios pequeos en la salida, se dice que el algoritmo es estable (tambin se le
denomina problema bien condicionado) y en caso contrario inestable (o problema mal
condicionado).

Por otro lado s en es un error en alguna etapa de un proceso y k es una

constante independiente de n el nmero de etapa, entonces s el error despus
de n operaciones se puede representar por f(n)=kn , se dice que el crecimiento
del error es lineal. S en cambio el error se representa por f(n)=
para k>1, el
crecimiento del error se dice que es exponencial.
El crecimiento del error lineal es por lo general inevitable, y cuando k y n son
pequeos, los resultados son aceptables. El crecimiento del error exponencial
debe ser evitado, ya que el trmino kn ser grande, aun para valores
relativamente pequeos de n. Por lo tanto s el crecimiento del error es lineal el
mtodo es estable y s es exponencial es inestable.
La convergencia se refiere al hecho de que los mtodos numricos obtienen n
trminos de una sucesin de valores. Comenzamos con un valor inicial que sea
una aproximacin de la solucin de un problema x0. Aplicando un mtodo
numrico se obtiene otra aproximacin x1. Se repite el procedimiento para
obtener x2 y as sucesivamente, es decir, se generar la sucesin x0 , x1 ,...,xn
(todos los trminos son aproximaciones a la solucin del problema). S la
sucesin obtenida al cabo de n iteraciones tiende a un lmite se dice que el
mtodo es convergente o divergente en caso contrario.
8.2.
Criterio de convergencia.
Por la definicin anterior de la convergencia tenemos que s un mtodo numrico es convergente,
entonces debe de ocurrir que:

En la practica esto no es posible de conseguir. Por esta razn tenemos que

definir algn criterio que nos permita decidir s existe o no la convergencia.
Este criterio se denomina criterio de convergencia. El criterio de convergencia
podemos implementarlo usando los parmetros de cuantificacin del error. Esto
es:
3

Error: en=x-xn

Error relativo:
Error porcentual: epn=100ern
S la convergencia existe entonces debe de ocurrir que:
Error:

Error relativo:

Error porcentual:
Tal como estn expresados los criterios anteriores no son prcticos, por lo siguiente:
No es posible tomar l limite.

No se conoce el valor real x.

No es posible lograr el 0.

Por estas razones debemos de modificar los criterios. Como no conocemos el valor real
empleamos el que este mas cerca, es decir, el valor de la ultima iteracin. Por otro lado, como no
es posible lograr el 0 humildemente pedimos que el criterio de convergencia sea menor o igual a
una tolerancia. Adems, empleamos valores absolutos para tomar en cuenta el signo del error.
Finalmente obtenemos:
Error: en=|xn-xn-1|<=Tol

Error relativo:
Error porcentual: epn=100|ern|<=Tol
Para no tener que tomar l limite el mtodo numrico se aplica hasta que se cumpla alguno de los
criterios anteriores. Como consecuencia, no se conoce de antemano, l numero de iteraciones a
realizar.

Para dejar completamente determinado el criterio de convergencia para un

problema dado, demos de fijar la tolerancia. Para poder especificarla debemos
de tomar en cuenta que:
Debe de ser un numero pequeo, no negativo, pero distinto a 0.

La tolerancia ms pequea posible se obtiene tomando en cuenta l numero de

cifras significativas, que maneje el instrumento de calculo que se utilice. Por
ejemplo, s usamos una calculadora, no es posible lograr mas de 8 cifras
significativas.
En la practica, por lo regular la solucin de un problema puede determinarse
experimentalmente en un laboratorio. Estas mediciones tienen una precisin
limitada debido a la naturaleza tanto del fenmeno en s, como de las tcnicas de
medicin. No es practico fijar una tolerancia que sobrepase la precisin que pueda
alcanzarse en un laboratorio, ya que el valor calculado no podra verificarse con la
precisin obtenida.
Dependiendo de para que se quieran los resultados, se puede fijar la tolerancia. S
solo requerimos una estimacin burda de la solucin la tolerancia puede ser baja,
digamos 1 o 2 cifras significativas. Pero s vamos calcular la trayectoria de un vuelo
a la Luna, la tolerancia debe de ser la mayor que se pueda alcanzar. Recuerda que
esta de por medio vidas humanas. Un valor tpico de las cifras que se pretenden
alcanzar es 4.
6

Existe otro criterio de convergencia que debe de emplearse. Como es posible que un problema
dado no tenga convergencia, podra ocurrir que los criterios anteriores nunca se cumplieran. Por
esta razn debemos de poner un tope al numero de iteraciones a realizar, es decir, existe un
numero mximo de iteraciones. Este puede ser fijado considerando, la importancia que tenga para
nosotros obtener el resultado. S es muy importante y no tenemos limitaciones por el tiempo de
maquina que tenemos asignado, puede fijarse muy alto. En caso contrario se puede usar un valor
moderado. Un valor tpico y razonable puede ser 20.

Queda por contestar una pregunta. Cul de los criterios anteriores es mejor ?
Criterio de convergencia basado en el error. Este criterio, nos da una idea de los decimales
que se han alcanzado. l numero de ceros despus del punto decimal, nos indica cuantos
decimales correctos se tiene. Lo que no nos indica es cuantas cifras significativas se
tienen. Esto es, el que conozcamos cuantos decimales tiene correctos un cierto numero,
no nos dice, cuantas cifras son significativas. Por ejemplo, s en un calculo obtenemos un
valor del error de 0.000586, esto nos dice que podemos esperar 3 decimales correctos. Sin
embargo, s el valor del numero que estamos estimando es digamos, 18.65789, tenemos 5
cifras significativas.8 S en vez de eso, el valor correcto fuese 0.000000789, tenemos 3
decimales correctos pero de ellos ninguno ser una cifra significativa.9 En pocas palabras,
este criterio nos indica l numero de decimales significativos, pero no l numero de cifras
significativas. Con esto podemos concluir que no es lo mismo hablar de que un cierto
numero tienen tantos decimales correctos, que s tiene tantas cifras significativas. Por
ejemplo, consideremos el conocido numero de Avogadro 6.2217x10 23 el cual representa l
numero de molculas que existe en un mol de una sustancia. Este valor esta calculado con
5 cifras significativas. S deseramos calcularlo con 5 decimales, tendramos primero que
calcular 17 cifras mas para llegar al punto decimal.10 Piensa en el trabajo para lograr esto.
Adems este numero no tiene decimales.11 Finalmente, la tolerancia para este criterio
puede fijarse en primera instancia, como
, donde ND es el numero de
decimales deseado. Puesto que no estamos trabajando con el error real (ya que no
conocemos el valor real y en su lugar usamos la ultima aproximacin), sino con una
aproximacin a l, es comn pedir por seguridad un decimal adicional, entonces
finalmente tomaremos

Criterio de convergencia basado en el error relativo. En este criterio, s podemos

conocer l numero de cifras significativas alcanzado. Existe un teorema que dice lo
siguiente:
. S el error relativo en valor absoluto es menor o
igual a
, entonces el valor xa coincide con x en al menos NCS cifras
significativas. Este criterio es mas til que el anterior. Dado que el teorema es
valido solo con el error relativo real, al aplicarlo al criterio de convergencia
obtenemos.
. Pedimos una cifra significativa adicional
por seguridad. La tolerancia por lo tanto podemos tomarla como
.
Adems este criterio es independiente del tamao de los valores que se manejen.
Solo tiene un problema. No es aplicable s la solucin del problema es 0.
El error porcentual. Esencialmente es equivalente al caso anterior.
12

13

8.3.
Orden de Convergencia.
En la practica adems de que un algoritmo sea convergente, interesa tambin que tan rpido es el
algoritmo para llegar a la solucin. Claramente mientras menor sea l numero de iteraciones
requerido para alcanzar una precisin dada, mayor ser la velocidad de convergencia y viceversa.

Un concepto que ayuda a visualizar esto es el de orden de convergencia. Se

define con ayuda de la siguiente ecuacin:

donde:
en+1=x-xn+1: Error en la iteracin n+1.
en=x-xn: Error en la iteracin n.
: Constante de error asinttico.
: Orden de convergencia.
La
es una constante que depende del mtodo numrico y de la solucin del
problema. Se supone que es distinta de 0. El exponente
es una constante
dependiente normalmente solo del mtodo numrico. Esta ecuacin puede
escribirse de otra manera, s no tomamos l limite:

Esta ecuacin dice que el error de una iteracin es aproximadamente

proporcional a una potencia del error de la iteracin anterior. S suponemos que
existe convergencia entonces los errores deben de tender a 0. En esta ecuacin
es mas importante el exponente . Dado que los errores tienden a 0, mientras
mayor sea el valor de , menor ser el numero de iteraciones que se
requieren. En pocas palabras a mayor orden de convergencia mayor velocidad
de convergencia y viceversa. El orden de convergencia normalmente es un
valor constante. Un valor tpico es 1, en cuyo caso se dice que el mtodo
numrico tiene convergencia lineal. Otro valor frecuente es 2, en este caso se
dice que el mtodo tiene convergencia cuadrtica. Existen mtodos de
convergencia cubica, cuartica, etc., pero a medida que aumente el orden de
convergencia tambin el mtodo es mas complicado. El orden de convergencia
no es necesariamente un entero. Por ejemplo existe un mtodo numrico cuyo
14

orden de convergencia es

9. Ejemplos
9.1. Calculo del seno
Calcula el valor de la funcin seno mediante su serie de Taylor en los ngulos de: 0.5, 3.1416,
25.65634 radianes.

La serie de Taylor es:

Como no es posible realizar la suma debemos de truncarla, s hacemos esto se

obtiene la sucesin:

S la denotamos como:

Obtenemos la sucesin:
S0 , S1 , S2 , ...,Sn, ...
En l limite se tendr:

Lo anterior nos define un mtodo numrico para calcular la funcin seno. Para
saber cuando pararnos requerimos de un criterio de convergencia. Se realiz un
programa que hiciera los clculos. Se emplearon los criterios de convergencia
basados en el error y en el error relativo. Se fij l numero de cifras
significativas y de decimales a calcular en 4. Como mximo de iteraciones se
uso 50. Para ilustrar el efecto del error de redondeo, se implementaron los
clculos en precisin simple y en
Precisin doble. Se obtuvieron los siguientes resultados:
sen(0.5) Criterio de Convergencia Basado en el Error

Precisin Valor
Error
Iteracin
Simple
.4794255
.1550099E-5
4
Doble
.479425519704819 .155009920634921E-5 4
sen(0.5) Criterio de Convergencia Basado en el Error Relativo
Precisin Valor
Error relativo
Iteracin
Simple
.4794255
.3233243E-5
4
Doble
.479425519704819 .323324300154818E-5 4
sen(3.1416) Criterio de Convergencia Basado en el Error
Precisin Valor
Error
Iteracin
Simple
-.7343389E-5
.7952368E-6
9
Doble
-.73345031523786E-7 .7952370128533E-7 9
sen(3.1416) Criterio de Convergencia Basado en el Error Relativo
Precisin Valor
Error relativo
Iteracin
Simple
-.736581E-6
.1428089E-5
12
Doble
-.735692356101936E-6 .1428914700367E-5 12
sen(25.65634) Criterio de Convergencia Basado en el Error

Precisin Valor
Error
Iteracin
Simple
283.984
.2146577E-8
43
Doble
-129.162185668945
.2369967586136E-5 40
sen(25.65634) Criterio de Convergencia Basado en el Error Relativo
Precisin Valor
Error relativo
Iteracin
Simple
283.9879
.4675847E-4
36
Doble
-129.162185668945
.1863894752092E-8 41
Valor real de los senos de los ngulos considerados
Argumento sen(x) Precisin Simple
sen(x) Precisin Doble
0.5
.4794255
.479425538604203
3.1416
-.723998E-7
-.734641020662558E-7
25.65634
.4999997
.499999130236019
Los valores reales fueron calculados con las funciones de librera que proporciona el compilador.

Al analizar los resultados podemos observar que para el sen (0.5), en todos los
casos los resultados son consistentes, es decir, se logr llegar a las cifras
significativas o dgitos exigidos. Los valores de la precisin doble coinciden
bien con los de la precisin simple. Por esto, concluimos que no afecto
significativamente el error de redondeo.
Para el sen (3.1416), los resultados del criterio del error respecto al del error
relativo difieren. De hecho el del error relativo coincide mejor que el del error
con el valor real. De los clculos de la precisin simple a la doble ya hay
discrepancia. De hecho, inclusive en los valores reales de las funciones de
biblioteca hay diferencias. Podemos concluir que es mejor emplear el error
relativo, adems de realizar los clculos con precisin doble.
Finalmente para el sen (25.65634), se observan problemas serios. De acuerdo a
lo que viste en calculo, esta serie del seno converge para todo x, y el seno esta
acotado al intervalo [0,1. Entonces, por que los resultados tan absurdos ?.
Estos se deben a la gran cantidad de clculos realizados, razn por la cual el
error de redondeo crece tanto que los valores obtenidos no tienen sentido. En
este caso el error creci en forma exponencial y por lo tanto el mtodo no fue
estable en este caso. La serie del seno converge para todo x suponiendo que no
existe redondeo, pero como en la realidad no es caso, puedes ver los
resultados.
15

9.2. Resolucin de la ecuacin cuadrtica

Hasta ahora en las matemticas que se haz visto, se puede demostrar que 2 expresiones son
iguales. Esto implica que s se utiliza una u otra para realizar clculos los resultados sern
idnticos. Pero en la practica puede no ser as. Ciertamente mientras ms operaciones se tengan
que realizar mayor error se tendr. Tambin puede ocurrir que en una expresin se realicen las
operaciones aritmticas que causan ms error, mientras que en la otra no. Ambos factores no son
mutuamente excluyentes. Por ejemplo la conocida ecuacin del chicharronero para resolver la
ecuacin cuadrtica, puede tener problemas. La ecuacin cuadrtica

x2+62.10x+1=0
Tiene las races aproximadas x1=-0.01610723, x2=-62.08390. Las soluciones se
calculan con
,
Supongamos que usamos una regla de calculo. Solo podemos usar 4 cifras en
los clculos. Calculemos primeramente el determinante

ahora calculemos x1 y x2
,

Podemos observar que x2 coincide muy bien con el valor real a 4 cifras
significativas. Sin embargo, con x1 no ocurre as. Cul es el problema ? La
dificultad se tiene al restar -62.10+62.06. Estos nmeros son casi iguales en 4
cifras significativas. En x2 tenemos una suma de nmeros casi iguales y no nos
ocasiona problemas.
Para arreglar esta dificultad podemos manipular la ecuacin del chicharronero.
S racionalizamos el numerador tenemos

S recalculamos x1

Que es el valor real. S por curiosidad usamos esta formula para x2 obtenemos

Aqu adems de restar 2 nmeros casi iguales, dividimos entre un numero

cercano a 0, lo cual ocasiona mayor error de redondeo, que en el caso anterior
para x1.

Resumen

Los mtodos numricos nos sirven para resolver problemas que no puedan manejarse con los
mtodos analticos tradicionales, o no sea sencillo aplicarlos. Estos mtodos proporcionan una
sucesin de valores que se aproxima a la solucin del problema.

Al resolver un problema siempre tendremos presente errores: El error de

redondeo, el error inherente y el error de truncamiento.
Al aplicar un mtodo numrico, debemos de emplear un criterio de
convergencia. l ms recomendable es el que esta basado en el error relativo.
El orden de convergencia es un valor que nos indica que tan rpido un mtodo
numrico puede llegar a la solucin. Mientras mayor sea, es mejor, pero hay
que pagar un precio. El mtodo numrico es ms complicado.
El error de redondeo es prcticamente inevitable y puede invalidar por
completo la solucin de un problema. Puede minimizarse su efecto, ya sea
reduciendo de alguna manera l numero de clculos a realizar, reformulando
la solucin de un problema de tal forma que se evite las operaciones aritmticas
que ocasionan mas error.
La suposicin comn de que trabajamos con nmeros reales al realizar clculos,
no es cierta. Puede acarrearnos serias discrepancias entre valores tericos y
valores calculados. Esto se debe a la forma en que se representan y como se
manejan los nmeros en la computadora.
La precisin y la exactitud no son sinnimos. Una nos indica que tan confiable
es un valor, y la otra que tan cerca estamos de el.
Existen mtodos numricos que son estables y otros que no. Se prefiere los
primeros.