ICI3140 Mtodos Numricos

Profesor : Dr. Hctor Allende-Cid

e-mail : hector.allende@ucv.cl
Aprendizaje esperado

Entender las diferencias entre exactitud y precisin.

Aprender a cuantificar el error.

Aprender como la estimacin del error puede ser usada
para decidir cuando termina un clculo iterativo.

Entender como los errores de redondeo ocurren debido a
la limitada habilidad de los computadores digitales de
representar nmeros.

Entender porque los nmeros de punto flotante tienen
limitaciones en su rango y precisin.

ICI3140 Dr. Hctor Allende 2

Aprendizaje esperado

Reconocer que ocurren errores de truncamiento cuando
formulaciones matemticas exactas son representadas
por aproximaciones.

Conocer como usar series de Taylor para estimar errores
de truncamiento.

Reconocer que los esfuerzos para minimizar errores de
truncamiento pueden aumentar los errores de redondeo.

ICI3140 Dr. Hctor Allende 3

Exactitud vs Precisin.

dv c
dt
= g d v2
m
De acuerdo al
modelo fsico

v: velocidad vertical [m/s]

t: tiempo [s]
g: aceleracin de gravedad
c_d: coeficiente de arrastre
agrupado
m: masa del saltador

gm gcd
v(t ) = tanh t
cd m Solucin analtica m=68.1 [kg]
g=9.81[m/s^2]
c_d=0.25[kg/m]
Exactitud vs Precisin.

dv v v(ti +1 ) v(ti )
=
dt t ti +1 ti
Forma numrica

c
v(ti +1 ) = v(ti ) + g d v(ti ) 2 (ti +1 ti )
m
Exactitud vs Precisin

Exactitud: Que tan cercana es el valor computado o
medido al valor verdadero

Precisin: Que tan cercanas son los valores computados
o medidos entre s.

(+) precisin (+) exactitud

(-) precisin (-) exactitud
(+) precisin (-) exactitud
(-) precisin (+) exactitud

Ejercicio: Asigne los casos

correspondientes.
Errores

Surge entre la diferencia entre una aproximacin y el
valor real.

Verdadero valor = aproximacin + error

ET = verdadero _ valor aproximacin

Se denomina error verdadero.

ET = verdadero _ valor aproximacin

Error absoluto
Errores

Problemas con el error absoluto

Error relativo fraccional verdadero:

verdadero _ valor aproximacin

verdadero _ valor

Error relativo tambin puede ser multiplicado por 100%

verdadero _ valor aproximacin

T = 100%
verdadero _ valor
Errores

Se mide el largo de un puente (9999 [cm]) y un perno (9
[cm])

Los verdaderos valores segn los planos deberan ser

10000 [cm] y 10 [cm]

En qu caso el error es ms terrible?

Errores

Qu pasa cuando no se tiene una solucin analtica o no
existe un valor real?

error _ aproximado
a = 100%
aproximacin
aproximacin _ actual aproximacin _ anterior
a = 100%
aproximacin _ actual

Error aproximado
Error de Truncamiento

Cuando se obtiene una aproximacin a un verdadero
valor:

(1) n 2 n +1
sen( x) =
k
x x
e =
x
n = 0 ( 2n + 1)!

k = 0 k!

(1) n 2 n
cos( x) = x
n = 0 ( 2n)!
Errores de redondeo

Limitaciones de como un computador puede representar
un nmero.

Se puede deber a 2 razones:

 Computadores digitales tiene una magnitud y limites de precisin
para representar nmeros.
 Ciertas manipulaciones numricas son muy sensibles a errores de
redondeo. Se puede deber a razones matemticas o como se
realizan las operaciones aritmticas en el computador.
Representacin de Nmeros en un Computador

Los computadores digitales son los principales medios

de clculo en anlisis numrico.

La mayora de los computadores representan los nmeros
en forma de enteros o de punto flotante.

La mayora de los computadores usan nmeros binarios
(base 2) para representar los nmeros, algunas veces se
utiliza el sistema octal (base 8) o el hexadecimal (base 16).

ICI3140 Dr. Hctor Allende 13

Nmeros Binarios

Son nmeros que estn compuestos por 2 dgitos: {0,1}.
 Ejemplo: 0101012 ---> 2110

Representacin de un nmero decimal en binario:
n2n+ n-12n-1++ 020+ -12-1+ -22-2+...)
x = (
i = 0 o 1
 Ejemplo:
18.5=1 24+0 23+0 22+1 21+0 20+1 2-1
10010.1

ICI3140 Dr. Hctor Allende 14

Entero  Binario

Sea D un nmero entero en base 10, para transformarlo
a base 2:
 1. Dividir el nmero por 2
 2. Dividir la parte entera del resultado por 2
 3. Repetir 2 hasta que el resultado sea 1.
 4. Unir los digitos obtenido en el resto de cada division partiendo
desde la ltima divisin hasta la primera.
 5. El nmero binario es la unin de los dgitos.

ICI3140 Dr. Hctor Allende 15

Decimal  Binario

Ejemplo: 217

217 : 2 = 108 : 2 = 54 : 2 = 27 : 2 = 13 : 2 = 6 : 2 =3 : 2 = 1
1 0 0 1 1 0 1

11011001

ICI3140 Dr. Hctor Allende 16

Decimal  Binario

Ejemplo: 0.34375

34375 * 2 = 0 68750

68750 * 2 = 1 37500

37500 * 2 = 0 75000 0.01011

75000 * 2 = 1 50000

50000 * 2 = 1 00000

ICI3140 Dr. Hctor Allende 17

Decimal  Binario

Ejemplo:
217.34375  11011001.01011

ICI3140 Dr. Hctor Allende 18

Binario  Decimal

Ejemplo:
11011001.01011

127 + 1 26 + 0 25 + 1 24 + 1 23 + 0 22 + 0 21
+ 1 20 + 0 2-1 + 1 2-2 + 0 2-3 + 1 2-4 + 1 2-5 =
128 + 64 + 16 + 8 + 1 + 0.25 + 0.0625 + 0.03125 =
217.34375

ICI3140 Dr. Hctor Allende 19

Binario  Decimal

Ejercicio

23.4325 a binario

10101.01010 a decimal

ICI3140 Dr. Hctor Allende 20

Representacin Punto Fijo

La representacin de un nmero viene dada por:

x = b1b2...bn1.a1a2..an2

n1 n2

n = n1 + n2

Ejemplo:
n=10 n1=4 n2=6  30.421 0030 421000
0.0437 0000 043700

ICI3140 Dr. Hctor Allende 21

Representacin Punto Flotante

Los nmeros reales pueden ser representados de la forma:

x = a 10b
x = a 2b
Con |a|<1, b entero

Ejemplo:
30.421  0.30421 102

ICI3140 Dr. Hctor Allende 22

Punto Flotante Normalizado

Notacin cientfica normalizada (base 10):
exponente
x = 0.a1a2a3..an 10e

signo mantisa base

Notacin en punto flotante normalizada (base 2):

exponente

x = 0.a1a2a3..an 2e
signo mantisa base

ICI3140 Dr. Hctor Allende 23

Representacin en Punto Flotante

Un mismo nmero puede tener varias representaciones
(0.110x25 = 110x22=0.0110x26).

Los nmeros suelen estar normalizados.
Un nmero est normalizado en base dos si tiene la forma:

0.1 xxxxxxxx 2xxx Tiene siempre un 1 a la izquierda:

1. xxxxxxxx 2xxx Se puede almacenar en forma implcita

ICI3140 Dr. Hctor Allende 24

Formato de punto flotante de 32 bits

El rango de valores representable por cada uno de los
campos es:
 Exponente (8 bits): -128+127
 Mantisa (23 bits normalizados 1.M): Los valores binarios
representables oscilan entre 1.000 y 1.111

1 bit 8 bits 23 bits

sig. exponente mantisa

32 bits (4 bytes)

http://www.exploringbinary.com/binary-converter/
http://kipirvine.com/asm/workbook/floating_tut.htm

ICI3140 Dr. Hctor Allende 25

Formato de punto flotante de 32 bits

Overflow y Underflow

La cantidad de nmeros representables es 232. El espacio de representacin no es

uniforme: Mayor densidad cerca del cero.

-n 0 n 2n 4n

Precisin: Depende del nmero de bits en la mantisa.
 Con 32 bits es imposible distinguir entre dos nmeros que se diferencien en 2-2310-7

ICI3140 Dr. Hctor Allende 26

Estndard IEEE 754

Hasta la dcada de los 90 cada computador utilizaba su propio formato en
punto flotante (nmero de bits para exponente y mantisa, como se
realizaba redondeo, acciones tomadas en condiciones excepcionales).
 En algunas mquinas (Crays, IBM System 370) era necesario utilizar ciertos
trucos para obtener resultados correctos.
 Era imposible escribir programas portables que produjesen los mismos
resultados en mquinas diferentes.

John Palmer (Intel) promueve la creacin de un estndar para punto
flotante (1976) antes de comenzar el diseo del coprocesador matemtico
del i8086/8 y del i432. Primeras reuniones comenzaron en 1977.

El primer borrador fue elaborado por Willian Kahan (Intel), Jerome Coonen
(Berkeley) y Harold Stone (Berkeley): documento K-C-S. Inspirado en el
trabajo de Kahan en el IBM 7094 (1968)

Proceso de estandarizacin bastante lento. El estndar no fue introducido
hasta 1985.

El i8087 (coprocesador) fue la primera implementacin comercial
importante (1981).

El i486 fue el primer -Procesador que implementaba el estndar (1989)

ICI3140 Dr. Hctor Allende 27

Estndard IEEE 754

Caractersticas del Estndar:
 Signo explcito
 Representacin del exponente en exceso
 Mantisa normalizada con un 1 implcito (1.M)

Representaciones

Nombre N Bits Caracterstica

Precisin simple 32 bits (4 bytes) 8 de exponente, 23 de mantisa
Precisin simple extendida >=43 bits >=11 de exponente, >=31 mantisa
Precisin doble 64 bits (8 bytes) 11 de exponente, 52 de mantisa
Precisin doble extendida >=80 bits >=15 de exponente, >=63 de mantisa
Precisin cudruple 128 bits (16 bytes) 15 de exponente, 112 de mantisa

Codificaciones con significado especial:

 Cero (e=0, m=0): nmero no normalizado que representa al cero.
 Infinito: representan cualquier valor de la regin de overflow. El estndar
especifica la aritmtica con el infinito.

ICI3140 Dr. Hctor Allende 28

Cmo lo hace JULIA?

http://julia.readthedocs.org/en/latest/manual/integers-and-
floating-point-numbers/
 Mtodos Numricos
Profesor : Dr. Hctor Allende-Cid
e-mail : hector.allende@ucv.cl