FIGURA 1
Las tres fases en la solución de problemas en ingeniería en a) la era anterior a
las computadoras y b) la era de las computadoras.
Los tamaños de los recuadros indican el nivel de importancia que se presenta en
cada fase. Las computadoras facilitan la implementación de técnicas de solución
y, así, permiten un mayor interés sobre los aspectos creativos en la formulación
de problemas y la interpretación de los resultados
PUNTO FLOTANTE
CIFRAS SIGNIFICATIVAS
= 3.141592653589793238462643...
hasta el infinito. Como las computadoras retienen sólo un número finito de cifras
significativas, tales números jamás se podrán representar con exactitud. A la
omisión del resto de cifras significativas se le conoce como error de redondeo.
EXACTITUD Y PRECISIÓN
Donde
Et = valor verdadero – valor aproximado (1.2)
donde Et se usa para denotar el valor exacto del error. El subíndice t indica que
se tratadel error “verdadero” (true). Como ya se mencionó brevemente, esto
contrasta con los otros casos, donde se debe emplear una estimación
“aproximada” del error.
error verdadero
Error relativo fraccional verdadero
valor verdadero
error verdadero
t 100% (1.3)
valor verdadero
Ejemplo.-
FIGURA 6.- La representación de un entero decimal –173 en una computadora de 16 bits usando el método de
magnitud con signo.
Ejemplo.-
2.- Determine el rango de enteros de base 10 que pueda representarse en una
computadora de 16 bits.
Solución.
Representación del punto-flotante. Las cantidades fraccionarias generalmente
se representan en la computadora usando la forma de punto flotante. Con este
método, el número se expresa como una parte fraccionaria, llamada mantisa o
significando, y una parte entera, denominada exponente o característica, esto
es,
m.be
0.0294 × l00
Sin embargo, al hacerlo así, la inclusión del cero “inútil” a la derecha del punto
decimal nos obliga a eliminar el dígito 1 del quinto lugar decimal. El número
puede normalizarse para eliminar el cero multiplicando la mantisa por 10 y
disminuyendo el exponente en 1, para quedar
0.2941 × 10–1
1
m 1 (1.4)
b
donde b = la base. Por ejemplo, para un sistema de base 10, m estaría entre
0.1 y 1; y para un sistema de base 2, entre 0.5 y 1.
FIGURA 7.- La forma en que un número de punto flotante se guarda en una palabra.
Ejemplo.-
3.- Determine un conjunto hipotético de números con punto flotante para una
máquina que guarda información usando palabras de 7 bits. Emplee el primer
bit para el signo del número, los siguientes tres para el signo y la magnitud del
exponente, y los últimos tres para la magnitud de la mantisa (véase figura 8).
FIGURA 8.- El número positivo de punto flotante más pequeño posible del ejemplo 3
Solución.
Et = 0.00000065…
Et = –0.00000035…
3. El intervalo entre los números, Δx, aumenta conforme los números crecen en
magnitud. Ésta es la característica, por supuesto, que permite que la
representación de punto flotante conserve los dígitos significativos. Sin embargo,
también quiere decir que los errores de cuantificación sean proporcionales a la
magnitud del número que será representado. Para normalizar los números de
punto flotante, esta proporcionalidad se expresa, para los casos en que se
emplea el corte, como
x
(1.5)
x
y, para los casos donde se utiliza el redondeo, como
x
/2 (1.6)
x
= b1–t (1.7)
Ejemplo.-
Se debe reconocer que aún hay casos donde el error de redondeo resulta crítico.
Por tal razón muchas computadoras permiten la especificación de precisión
extendida. La más común de estas especificaciones es la doble precisión, en la
cual se duplica el número de palabras utilizado para guardar números de punto
flotante. Esto proporciona de 15 a 16 dígitos decimales de precisión y un rango
aproximado de 10–308 a 10308.
En muchos casos el uso de cantidades de doble precisión llega a reducir, en
gran medida, el efecto del error de redondeo. Sin embargo, el precio que se paga
por tales medidas remediales consiste en mayores requerimientos de memoria
y de tiempo de ejecución. La diferencia en el tiempo de ejecución de un cálculo
pequeño podría parecer insignificante. No obstante, conforme los programas van
siendo cada vez más grandes y complicados, el tiempo de ejecución agregado
se vuelve más considerable y repercute de manera negativa para resolver el
problema en forma efectiva. Por lo tanto, la precisión extendida no debería
utilizarse en forma generalizada. Por el contrario, deberá ser empleada en forma
selectiva, donde se obtenga un máximo beneficio al menor costo en términos de
tiempo de ejecución.
Errores de truncamiento
f ''(xi )
f(xi1 ) f(xi ) f' xi xi1 xi xi1 xi
2
(1.10)
2!
f ''(xi ) f 3 (x )
f(xi1 ) f(xi ) f' xi x i1 x i xi1 xi i xi1 xi ....
2 3
2! 3!
(1.11)
f n (xi )
xi1 xi Rn
n
..+
n!
Observe que debido a que la ecuación (1.11) es una serie infinita, el signo igual
reemplaza al signo de aproximación que se utiliza en las ecuaciones (1.8) a
(1.10). Se incluye un término residual para considerar todos los términos desde
el n + 1 hasta infinito:
n1
(xi )
xi1 xi
n1
Rn (1.12)
n 1!
donde el subíndice n indica que éste es el residuo de la aproximación de n-ésimo
orden y x es un valor de x que se encuentra en algún punto entre xi y xi+l. Por
ahora es suficiente darse cuenta de que existe este valor que da una estimación
exacta del error. Con frecuencia es conveniente simplificar la serie de Taylor
definiendo un tamaño de paso o incremento h = xi+1 – xi y expresando la
ecuación (1.11) como:
f ''(xi ) 2 f 3 (xi ) 3 f n (xi ) n
f(xi1 ) f(xi ) f' xi h h h ....+ h Rn (1.13)
2! 3! n!
n1
(xi ) n1
Rn h (1.14)
n 1!