EL BIT FANTASMA EN MATLAB Y JAVA

Por: Univ. Jorge Enrique Callisaya Sanchez, María Alejandra Mamani Cordero, Juan
Gabriel Churata Paco, Giovanny Freddy Quiroz Loza
Carrera de Informática
Facultad de Ciencias puras y naturales
Universidad mayor de San Andrés
La Paz - Bolivia
Correspondencia: sanchezenrique580@gmail.com, alesisima719@gmail.com, jeandarkmaknae@gmail.com,
xperiacell97@gmail.com.

Resumen

La precisión y exactitud en los errores de punto flotante es muy importante saber calcularlo y
usarlo en el ámbito computacional, pero su mala aplicación suele ocasionar grandes desastres
en el área científica, en esta investigación se dirigirá estrictamente al área informática.

Tras la indagación de los métodos y metodologías de las computadoras para llegar a una
cantidad precisa de dígitos para nuestros números que tienen punto flotante, nuestra misión
será saber a dónde van los decimales perdidos, como usarlos, representarlos y saber manejarlos.

Los resultados a los que llegamos son una serie de interesantes conclusiones. Ya que cosas tan
pequeñas como una milésima de decimal pueden provocar un error enorme que muchas veces
lleva a la pérdida económica, de información, de vidas.

Con todo esto esperamos informar y concientizar a la población de desarrolladores en general,

para que empleen el manejo correcto de los números de punto flotante. Las consecuencias que
provocan su mal uso y por último dar a conocer dónde quedan estos números.

Palabras clave: Punto flotante; error de redondeo; sistema de números; punto fijo; patrones de
bits; precisión arbitraria.

Abstract

The precision and accuracy of floating point errors is very important to know how to calculate
it and use it in the computational field, but its bad application usually causes major disasters
in the scientific area, in this research it will be strictly directed to the computer area.

After investigating the methods and methodologies of computers to arrive at an accurate

number of digits for our floating point numbers, our mission will be to know where the lost
decimals go, how to use them, represent them and know how to handle them.

The results we reach are a series of interesting conclusions. Since things as small as a
thousandth of a decimal can cause a huge error that often leads to economic loss, information
and lives.

With all this we hope to inform and raise awareness among the population of developers in
general, so that they can use the correct handling of floating point numbers. The consequences
that cause its misuse and finally to reveal where these numbers are.
Keywords: Floating point; rounding error; number system; fixed point, bit patterns; arbitrary
precision.
Introducción
En la década de los 90’s (1985) donde fue
comprendido el estándar binario de
aritmética de punto flotante, algo no quedo
claro del todo en el ámbito de la informática.
Con esto los problemas de cálculos
numéricos de redondeo, en el punto flotante
que ocurren a menudo, causando grandes
tragedias tanto físicas como monetarias.
Mencionamos algunos de esos desastres a
continuación, esto para entender la gravedad
del asunto: Misiles que pierden sus
objetivos. Mal funcionamiento de las naves
espaciales (NASA), Sistemas que pierden el
control.
Con todo esto nos basaremos en la
arquitectura de los ordenadores, los
algoritmos y diferentes métodos usados para
encontrar soluciones para los errores.
Muchos argumentan que el ámbito humano
no es parte de un error, pero es más que
comprobado que nosotros somos los
causantes de estos errores.
Métodos
Puesto que Matlab y la mayoría de los otros
entornos de computación técnica usan el
punto flotante, que implica un conjunto de
números con una precisión casi exacta. Esto
conduce a los fenómenos de redondeo, corte
y desbordamiento.
Dado que un número real se la puede
representar de la siguiente forma:
𝑚 ∗ 𝑏𝑒
Donde “m” es la mantisa, “b” es la base del
sistema numérico que se va a utilizar y “e”
es el exponente.
La cual se la puede representar en el
computador de la siguiente forma (Figura
1).
Figura 1. Grafica extraída del Internet
“http://slideplayer.es/slide/145100/”
Tras leer artículos varios acerca de las
tragedias provocadas por la mala
implementación de la teoría de errores y su
manejo, además de artículos relacionados
acerca del uso de estos errores.
Se puso en práctica, el uso, cálculo y
desviación que un error puede sufrir en su
implementación en desarrollo de
programas.
Esta práctica se aplica a cómo la
computadora hace tratamiento de estos
errores, como los almacena y trabaja con
ellos.
Se puso en práctica los métodos usados en
el artículo “Donde se fueron los decimales”
de los autores Chuck Allison. En los cuales
se describe lo siguiente:
El concepto de sistemas numéricos,
sistemas de precisión arbitraria, espacio de
sistema de punto flotante.
Además, los errores en cálculos y medidas JAVA
se pueden caracterizar con respecto a sus
cálculos de redondeo, truncamiento, etc. el
redondeo se refiere reducir el número de
cifras manteniendo un valor similar al
original. El Truncamiento numérico se
refiere a reducir el número de dígitos a la
derecha el separador decimal descartando
los menos significativos.

Esta definición es mejor entendida por la

siguiente gráfica (Figura 2):

Figura 3.1 Gráfica extraída de una captura de un

computador.
MATLAB

Figura 2. Grafica extraída del Internet

“tandeformacion.es/esblogdelasdudas”
Los errores numéricos surgen del uso de
aproximaciones para representar funciones,
fórmulas, operaciones, y cantidades
matemáticas exactas. Éstas incluyen los
errores de truncamiento que resultan del
empleo de aproximaciones como un
procedimiento matemático exacto, y los
errores de redondeo que se producen cuando
se usan números que tienen un límite de
cifras significativas para representar
números aproximados en el computador.
Figura 3.2 Gráfica extraída de una captura de un
computador
Este algoritmo nos reveló que existe un
error al querer representar una de las dos
soluciones reales de la ecuación, haciendo
otro análisis en la solución de la segunda
solución se obtiene el siguiente algoritmo en
la gráfica (figura 4.1 y figura 4.2).
JAVA

En la siguiente gráfica (figura 3.1 y figura

3.2) se muestra un algoritmo en JAVA y en
MATLAB sobre la clásica fórmula para la
solución de una ecuación cuadrática.
Figura 4.1 Gráfica extraída de una captura de un
computador.
MATLAB
Figura 4.2 Gráfica extraída de una captura de un
computador.
Esta forma nos acerca un poco más al
resultado verdadero.
Otro ejemplo se tiene en el algoritmo de la
serie de Taylor para exponenciales que se
mostrará en la siguiente gráfica (figura 5).
Figura 5. Gráfica extraída de una captura de un
computador.
Este algoritmo es muy útil al colocar valores
positivos pero a la hora de colocar valores
negativos, empieza a surgir valores que se
alejan del valor verdadero.
Una vez entendidos estos conceptos y
ejemplos procedemos a la definición e
implementación de los errores y sus
respectivas fórmulas matemáticas.
Fórmula del error:
𝑉𝑉 = 𝑉𝐴 + 𝐸
Dónde: VV es el Valor Verdadero
VA es el Valor Aproximado
E es el error
𝐸
𝐸𝑟 =
𝑉𝑉
Dónde: Er es el Error relativo
E es el Error verdadero
VV es el Valor Verdadero
𝐸𝑝 = 𝐸𝑟 ∗ 100%
Dónde: Ep es el Error porcentual
Er es el Error relativo
Hasta este punto definimos los errores y
dimos las fórmulas necesarias, esto con el
motivo de saber cómo operan estos en
nuestra computadora ya que esta trabaja con
el sistema numérico binario.
Entonces no ayudará bastante definir los
números de punto flotante y su
representación en la máquina, sobre el
número mínimo (Underflow) y el número
máximo (Overflow).
Se puede explicar mejor con la siguiente
gráfica (Figura 6):
Figura 6. En la gráfica se señala que el Underflow es
el error del límite del número más pequeño entre el
cero y el uno, y el Overflow es error de
desbordamiento que se da al tener números muy
grandes que no puede representar el computador.

La notación científica es usada en
los microprocesadores con la cual se pueden
representar números
racionales extremadamente grandes y
pequeños de una manera muy eficiente y
compacta, y con la que se pueden realizar
operaciones aritméticas. El estándar para la
representación en coma flotante es el IEEE
754.
Una representación gráfica es la siguiente
(Figura 7):
Figura 7. Gráfica extraída del texto “Métodos
numéricos para ingenieros”
Todo esto fue aplicado en una hoja de
cálculo de Excel para simular una máquina
que almacena nuestros números de punto
flotante en 7 bits. En la (figura 8) se
representa dicho ejemplo.
Figura 8. Gráfica extraída de una captura de pantalla.
En esta grafica podemos observar que la
casilla azul es el bit que representa el signo
del número, la casilla de verde claro son el
signo del exponente, las casillas de color
amarillo son los bits que sirven para
almacenar el exponente convertido a base
dos, y por último las casillas de color
naranja son los bits que usa la mantisa.
El siguiente paso es saber cuál es el número
más pequeño que se puede almacenar en
nuestra computadora supuesta.
Para lo cual se toma el primer bit de la
mantisa se multiplica por dos el cual se
eleva a la potencia al exponente para luego
ser sumados con los demás bits de la
mantisa operados de la misma forma. Tras
hacer los cálculos pertinentes hallamos que
el número más pequeño que se almacena es
el marcado en la casilla verde oscura, el cual
es el 0,0625.
Si el número que queremos almacenar es
más pequeño que el hallado entonces lo que
se provoca es el ya conocido error de
Underflow que no puede ser manejado por
nuestra máquina experimental.
Los mismos pasos se aplican a la forma para
hallar el número más grande que puede
almacenar nuestra máquina supuesta de 7
bits como se observa en la segunda casilla
de color verde oscuro dicho número es el 7.
Este número es el límite superior de
almacenamiento de nuestra máquina
experimental de 7 bits si nosotros
manipulamos números como el 8 e incluso
el 7.00000001 provocamos un error
denominado Overflow que es un error de
desbordamiento.
¿Qué pasa con los números con mayor
cantidad de cifras significativas?, pues es
sencillo los número con más decimales o
cifras significativas se redondean usando
métodos conocidos y establecidos por la
IEEE. Lo cual nos conlleva a un pequeño
error denominado error de redondeo, esto
afectará directamente en la exactitud y
precisión de nuestra máquina experimental.
Esto nos lleva a tocar el tema de
propagación de errores que se da en el
siguiente caso. Cuando las variables son los
valores de mediciones experimentales
tienen incertidumbre debido a la medición
de limitaciones.
Vemos como es la propagación de errores en
funciones de una sola variable. Para la cual
se tiene un Error estimado el cual es una
aproximación al Error Verdadero pero
mucho ojo esta estimación es sólo una
aproximación. Además de eso tenemos el
conjunto o ámbito en el que se da dicha
propagación, matemáticamente esto se
conoce como dominio de una función.
Entonces se podemos deducir que el Error
estimado es una simple aproximación que
gráficamente es una tangente que toca a la
curva del Error verdadero en un solo punto.
Resultados
Por todo lo visto en la aplicación los
resultados fueron mencionando poco a poco
en las figuras y desarrollo.
Discusión
Muchas veces las personas estamos
conscientes de lo que representa un
pequeñísimo error en nuestra área de
estudio. Además de toda la teoría y
aplicación mostrada aquí. Tenemos que si o
si poner en discusión el error humano. Ya
que al estar informados con artículos como
este o libros dedicados especialmente al
tema. Simplemente decidimos hacer caso
omiso y no dar la pertinencia y estudios
necesarios al ámbito de errores. Lo que
conlleva irónicamente a que tengamos
errores en todo el desarrollo de nuestro
trabajo, esto es una total irresponsabilidad
de nuestra parte, ya que ponemos en riesgo
no solo nuestro profesionalismo, si no la
seguridad de nuestra empresa, cliente o
inclusive las vidas de las personas citamos
el caso del transbordador espacial
Challenger que tuvo trágicas consecuencias
sobre sus tripulantes.
Ahora que es más fácil entender cómo
funciona el manejo de números de punto
flotante es responsabilidad de cada uno
saber si tomar la decisión justa y necesaria
de hacer los cálculos pertinentes.
Conclusiones
Gracias a la estandarización que dio la IEEE
podemos llevar de mejor manera el uso de la
sistematización de los puntos flotantes y sus
errores. Este trabajo enseña a los estudiantes
y profesionales de la rama de Informática
acerca de su correcto uso.
Para un trabajo altamente profesional y serio
debemos informarnos sobre cómo funciona
cada software en el ámbito de su manejo de
punto flotante y sus respectivos errores.
Hacer los cálculos de manejo de punto
flotante no es nada difícil hoy en día gracias
a internet y aún más sencillo los errores con
el sin fin de información del tema.
Invertir un poco de tiempo que muchas
veces al hablar de error, punto flotante y su
manejo, creemos que será una labor larga y
tortuosa. Simplemente llega a ser un estudio
de dos a tres días que llegaran a salvar por
mucho, errores a gran escala, que se dan por
no poner en práctica dichos estudios.
Agradecimientos
Agradecer a la Lic. Brígida Carvajal por motivar
a realizar este artículo, también a los autores de
cada uno de los libros que consultamos para
lograr dicha investigación.
Referencias
Allison C. Where did all my decimals go?
Utah Village State College.
Chapra S. & Canale R. (2000). Métodos
numéricos para ingenieros. McGraw-Hill
Interamericana.
Cleve Moler .IEEE Standard unifies
arithmetic model-Floating points.
Presentado: Universidad Mayor de San
Andrés, 15 de Marzo de 2018.