Gabriel Cremona Parma Teora y propagacin de errores

CAPITULO 3 PROPAGAO DE ERROS

10 Representao de Nmeros nos Computadores
Usualmente ao realizar a anlise matemtica de um problema, supe-se que se esta desenvolvendo o
problema no domnio dos nmeros reais, pelo que se trabalha sobre certos supostos ou caractersticas deste
conjunto de nmeros:
-

infinito em ambos os extremos do conjunto;

contnuo em todo o domnio;

Cada nmero pode ser representado por uma quantidade ilimitada de cifras significativas;

Os nmeros podem representar magnitudes to grandes ou to pequenas como necessrio.

Em geral, pode-se indicar que quando se trabalha no domnio dos nmeros reais, se esta
desenvolvendo o trabalho no mbito da aritmtica infinita, onde a representao dos nmeros no um
problema.
Este paradigma de soluo s possvel no mbito das resolues terica dos problemas, o qual
geralmente permite chegar a um resultado prtico, simples e aplicvel ao mundo real. Mas revistam existir
problemas que no podem ser resolvidos analiticamente de maneira exata, devendo-se aplicar procedimentos
numricos auxiliados por computadores ou calculadores; mesmo que ao precisar obter o resultado numrico
final de qualquer expresso matemtica exata. Mas ao trabalhar com estes dispositivos de clculos, deve-se
trabalhar com um subconjunto dos nmeros reais que apresentam caractersticas especiais como:
-

finito em ambos os extremos do conjunto

No contnuo em nenhum ponto do domnio

Cada nmero pode ser representado por uma quantidade limitada de cifras significativas

Os nmeros no podem representar magnitudes to grandes ou to pequenas como

necessrio
Estas caractersticas do conjunto de nmeros que um dispositivo de clculo pode trabalhar se deve
forma de representao e armazenamento dos nmeros nele: um computador armazena os nmeros em
sistema binrio1 utilizando um determinado nmero de byte

dependendo do tipo de dado e do tipo de

computador que se empreguem. Isto faz que se limite o intervalo dos nmeros a representar e que se realiza o
trabalho sobre um conjunto discreto de nmeros. Por isso, resulta inevitvel que se produzam erros nas

Representando todos los nmeros por ceros y unos debido a ser un sistema digital-electrnico donde los estados bsicos de

todo circuito es encendido (1) o apagado (0)

2

byte o carcter es la mnima representacin en un computador, compuesto por n bits, por ejemplo, 7 u 8 bits conforman un

carcter cualquiera de los presentes en un computador: 7 bits dan lugar a 128 caracteres y 8 bits permiten representar 256
caracteres.
30 / 64

Gabriel Cremona Parma Teora y propagacin de errores

operaes numricas realizadas nestes dispositivos de clculos.

Estes erros numricos inerentes ao prprio sistema computacional podem ocorrer por:
-

Converter os nmeros do sistema decimal ao sistema binrio tanto ao momento de ingress-os

ou de process-os.
-

Ao ter que visualizar em algum dispositivo o resultado ou sada de um processo.

Por ultrapassar a capacidade de representao de um nmero pequeno, caso em que o valor

resulta aproximado de zero.

-

Por ultrapassar a capacidade de representao de um nmero grande, acionando um erro por

aproximao ao maior valor que pode representar o computador ou, no podendo continuar o
processo de clculo, dando uma mensagem de erro como resultado.
Isto termina ocasionando que se deva trabalhar com a aritmtica de dgitos finitos o que pode causar
que certos feitos tomados como certos, no o sejam [LEYVA&SILVA, 2002]. Nesta ordem de coisas, a
aritmtica de dgitos finitos leva em geral a resultados aceitveis, mas existem casos em que no assim;
virtualmente qualquer operao pode ter seus casos problemticos, mais os mas usuais so os seguintes:
-

Diviso de nmeros prximos a zero

Como exemplo, considere-a funo e = 1/x, a que no est definida para o valor de x = 0,
mas sim quando x0. medida que se calcula com valores mas prximos a zero, o
resultado da funo vai crescendo, at que em algum momento, os 8 dgitos da calculadora
no sejam suficiente para sua representao, superando ento a capacidade de clculo e
representao de nmeros grandes da calculadora, computador ou baco.

Multiplicao por nmeros grandes:

Este caso basicamente similar ao caso anterior pelas mesmas razes.

Soma de nmeros de distinta ordem de magnitude:

Por exemplo, suma-se naturalmente 1 a 109 e se obter 1.000.000.001, mas ao realizar este
clculo com uma calculadora, o resultado ser 109; o que acontece pois o resultado tem
mais cifras do que a calculadora pode dirigir, e resolve desta forma pois um valor resulta
insignificante frente ao outro. Para resolver isto, deve-se primeiro somar os nmeros de
ordem semelhante pois assim pode se estar aproximando da ordem de magnitude do nmero
maior.

Subtrao de nmeros quase iguais:

Isto ocasiona problemas pois o resultado muito prximo a zero e as calculadoras tm uma
capacidade limitada para representar nmeros pequenos, usualmente, de 10-99, Quando o
resultado menor a este valor. Arredonda-se a zero, entretanto o valor verdadeiro pode ser
distinto a zero e constar de vrias cifras e ainda representar seu resultado como nulo.

A perda de cifras significativas devido ao erro de arredondamento do instrumento de clculo pode

evitar-se ou minimizar-se reformulando o problema para evitar estas situaes.
31 / 64

Gabriel Cremona Parma Teora y propagacin de errores

10.1 Aritmtica Finita

J foi indicado que a aritmtica finita sozinho uma forma de representar os nmeros em um
dispositivo eletrnico de clculo e simular sua aritmtica. Para isso, utilizam um subconjunto finito,
relativamente pequeno, dos nmeros reais para representar o domnio completo deles. Este conjunto, que
solo contm nmeros racionais [ASMAR, 1999] chamado conjuntos de nmeros de ponto flutuante ou
conjunto de nmeros de mquina em ponto flutuante ou simplesmente conjunto de ponto flutuante. Tambm
existe outro conjunto de nmeros para o computador, o conjunto dos nmeros inteiros, que no esto sendo
considerados aqui por no ser til para o clculo com nmeros reais.
Assim definido, segundo ASMAR [1999], cada nmero neste conjunto de ponto flutuante
representado mediante um nmero finito de dgitos (aritmtica finita) e que se pode representar da seguinte
forma:

N = (. a1a 2 ...a t ) e
Aonde:
-

N: o nmero a representar;

: signo do nmero;

Pelo qual s apresenta dois valores possveis: =+1 =-1;

: o inteiro que indica a base do sistema numrico utilizado;

Em geral pode ser 2 (binrio), 8 (sistema octal), 10 (sistema decimal) o 16 (sistema

hexadecimal);

ai, com i = 1,2,3,....t: um inteiro positivo ou zero: 0 ai -1;

Estes inteiros positivos (0,1,2, -1) so chamadas dgitos na base . Dever-se-

assegurar que a1 0 para uma escritura padronizada do nmero;

(,a1,a2, at) : indica a mantissa o frao do nmero do ponto flutuante;

a1

a2

+ ...

at

A mantissa expressa-se pela suma:

Pode se indicar tambm a mantissa como: m = (,a1,a2, at);

O inteiro positivo t indica o nmero de dgitos na base que se usam para representar o

nmero de ponto flutuante, e chamado de preciso da mquina;

Em geral, para = 10, t pode ser 6 o 7 (simples preciso) para a representao de

bytes de 7 u 8 bits; o 14 o 15 (dupla preciso do computador), podendo ser tambm
outros valores;

A representao em simples ou dupla preciso, depende da eletrnica do prprio

computador e da linguagem de programao do mesmo;

e um inteiro chamado expoente, que para certos valores L y U dependentes do computador-

resulta: L e U. comum que seja: L = -U L = -U 1.

32 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Ou esta relacionada com a quantidade de bits que o processador pode dirigir para
suas operaes (8, 16, 32, 64,128 bits como os mas usuais)

Um caso freqente nos computadores : L = -63 e, Ou = 64 para um total de 128

possveis expoentes (128 = 64+63+1 ; 27 = 128)

Estes distintos expoentes do lugar aos distintos nmeros do conjunto de nmeros

de pontos flutuante valente se esteja trabalhando.

Em definitiva, e em apie ao expresso anteriormente, um nmero em ponto flutuante fica

caracterizado pelos parmetros:
-

A base

A preciso t (quantidade de dgitos representveis pelo computador)

Os inteiros L e Ou e conseqentemente, o expoente e:

Que deve cumprir com a desigualdade: L e U, e

A quantidade de expoentes e se pode calcular como: U L + 1

Tambm segundo ASMAR [1999], qualquer sejam os parmetros escolhidos, os conjuntos de ponto
flutuante correspondentes compartilham as mesmas caractersticas qualitativas e a carncia de algumas das
propriedades dos nmeros reais.
No conjunto de ponto flutuante, a quantidade de elementos ou nmeros diferentes que tem o conjunto
de valores se pode calcular segundo a expresso [ASMAR, 1999]:

V F = 2( 1) t 1 (U L + 1) + 1
Quer dizer, que se dever utilizar uma quantidade VF valores de ponto flutuante (finito) para
representar todo o conjunto de valores do conjunto de nmeros reais infinito por definio- o que indica que
muitos nmeros reais estaro representados pelo mesmo valor do conjunto do ponto flutuante.
Por exemplo, para um conjunto de ponto flutuante F de base =2, preciso t = 3 (3 dgitos
significativos em notao padronizada) e, L = -1, U = 2, se ter:

V F = 2(2 1) 2 1 [2 ( 1) + 1] + 1 = 33
Quer dizer, 33 nmeros diferentes (incluindo o zero) para representar todos os nmeros com 3 dgitos
de preciso em sistema binrio.
Neste conjunto, os nmeros que conformam o conjunto de ponto flutuante so da forma:

N = (, a1a2 a3t )2 2 e
Sendo o sistema binrio composto por zeros e uns, resulta ento que os possveis valores das 3
33 / 64

Gabriel Cremona Parma Teora y propagacin de errores

posies da mantissa so:

-

a1 = 1 (deve ser diferente de zero, por definio)

a2 = {0,1}

a3 = {0,1}

e = {-1,0,1,2}

Pelo que as fraes positivas resultam:

-

(,100)2 = (08/16)10

(,101)2 = (10/16)10

(,110)2 = (12/16)10

(,111)2 = (14/16)10

Por combinao destes quatro nmeros bsicos e os expoentes, obtm-se o resto dos 32 valores, que
somado ao zero resultam nos 33 valores calculados inicialmente, que se representam na Figura 10. Estes
valores representados na figura so os seguintes:

0;

4
5
6
7
8 10 12 14 16 20 24 28 32 40 48 56
; ; ; ; ; ; ; ; ; ; ; ; ; ; ;
16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16

Figura 10 Representao positiva, includo o zero, dos nmeros F

Adaptado: ASMAR, 1999

Alguns feitos observveis no conjunto dos nmeros de ponto flutuante F so:

-

Todo nmero real x que ingressado no computador ou que resulta de um calculo,

substitudo, de ser possvel, por um nmero de ponto flutuante FL(x) (Figura. 10);

Existem regras para escolher tal nmero, que so as regras de arredondamento, pelo
general o nmero mas prximo ao valor original x;

A diferencia |x fl(x)| o erro (absoluto) de arredondamento por ponto flutuante;

A distribuio dos nmeros de ponto flutuante no so uniformemente distribudos sobre a

reta real, pelo que o erro de arredondamento vai depender do valor de grandeza do nmero a
arredondar;

No exemplo, o valor mais pequeno FL = 1/4 e o mais grande FU = 7/2;

Podem-se calcular estes extremos com as expresses:

FL = L-1 e, FU = (1 - t ) U
34 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Regio de underflow o sub-fluxo:

]0 ; FL [

Regio de owerflow o sobre-fluxo:

]FU ; + [

Intervalo do conjunto de nmeros de ponto flutuante:

]FL ; FU [

Por sua vez, devem-se definir as operaes aritmticas de soma (r), subtrao (t),multiplicao (q) e
diviso (t) no conjunto de nmeros de ponto flutuante, ou simplesmente operaes de ponto flutuante, para
poder simular as operaes aritmticas tradicionais, pois devido aos prprios problemas e efeitos da
aproximao pelas caractersticas deste conjunto de nmeros, algumas das propriedades conhecidas no so
aplicveis neste caso. Assim, sortes operaes se definem da seguinte forma:
-

x r y = fl(fl(x) + fl(y))

x s y = fl(fl(x) - fl(y))

x q y = fl(fl(x) x fl(y))

x s y = fl(fl(x) / fl(y))

Aonde +, -, x, / So as operaes aritmticas normais e fl(x) a representao de x no conjunto de

nmeros de ponto flutuante.
Cabe esclarecer caractersticas dos processos de arredondamentos so os mesmos aos j indicados
previamente e que no todas as propriedades usuais das operaes aritmticas se cumprem no conjunto dos
nmeros de pontos flutuante. Alm disso, a operao entre dois elementos do conjunto F de ponto flutuante
pode dar um elemento no pertencente ao mesmo, devendo-se por isto gerar como resultado o valor mais
prximo e do lugar aos erros de arredondamento por aritmtica de ponto flutuante.
Por sua vez, as propriedades da aritmtica infinita que no se cumprem na aritmtica de ponto
flutuante so:
-

u r (v s w) (u r v) s w

u q (v q w) (u q v) q w

A propriedade associativa da soma no se cumpre;

A propriedade associativa da multiplicao no se cumpre;

u q (v s w) (u q v) s (u q w)

A propriedade distributiva da multiplicao em relao soma no se cumpre.

Esta no aplicabilidade de algumas propriedades usuais na aritmtica clssica por causa dos
diferentes arredondamentos que se provocam em cada operao de ponto flutuante.

10.2 Erros de Arredondamento

J se indico que um nmero real no nulo, pode escrever-se na forma decimal normalizada da seguinte
forma:
35 / 64

Gabriel Cremona Parma Teora y propagacin de errores

x = (. a1a 2 ... at at +1 ...) 10 e , sendo e algum inteiro.

Para simplificar o desenvolvimento deste tema que, supor-se que o conjunto de pontos flutuante F
de t-dgitos (preciso t) em base 10 (sistema decimal). Neste caso [ASMAR, 1999] a forma de ponto
flutuante do valor x, indicada como FL(x), obtm-se finalizando a mantissa de x depois de t-dgitos; ao que
pode ser desenvolvida de duas formas diferentes:
-

Cortando ou truncando o nmero x, para o que neste caso:

fl ( x ) = (. a1a 2 ... at ) 10 e , sem importar que represente at +1...

Arredondando o nmero x segundo regras fixas de arredondamento j conhecidas:

fl ( x ) = (. a1a 2 ... at ) 10 e , para : 0 at +1 < 5

fl ( x ) = (. a1a 2 ... at ) 10 e 1.0 10 e 1 , para : a t +1 > 5

Assim sendo, o erro x fl ( x ) que resulta de substituir um nmero por seu representante de ponto
flutuante FL(x), seguir-se denominando erro de arredondamento, independentemente de qual dos dois
mtodo se utilize.
Para medir o erro de arredondamento, utilizam-se as mesmas expresses gerais que as vista para
qualquer tipo de erro, utilizando o conceito de erro, erro absoluto, erro relativo e erro percentual, onde solo
se deve ter em conta que, o calor observado o valor no conjunto dos nmeros reais, e o valor verdadeiro o
valor nos nmeros de ponto flutuante, pois este o conjunto de referncia. Assim, pode-se indicar que para
calcular, por exemplo, para o erro relativo, resulta a seguinte expresso:

Er =

x fl ( x )
x

, x 0

J se indicou que o erro de arredondamento depende do tamanho do nmero, pois os nmeros de ponto
flutuante no esto distribudos uniformemente na reta de representao, por tal motivo que o erro relativo
uma melhor medida do erro de arredondamento que o erro absoluto.
Podem-se estimar a cota superior para o erro relativo para um valor x no nulo que aproximado por
seu representante de ponto flutuante FL(x), em uma aritmtica decimal de t-dgitos:
Sendo, x = (. a1a 2 ...a t at +1 ...) 10 e , e o expoente e algum inteiro, um nmero real positivo qualquer em
forma decimal padronizada; por isso, se fl(x) obtm-se por arredondamento, resulta:
a) Si 0 at +1 < 5 , ento: fl ( x ) = (. a1a 2 ...at ) 10 e , o que implica que:

36 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Er =
Er =
Er <

(. a1a 2 ...at at +1 ...) 10 e (. a1a 2 ...at ) 10 e

(. a1a 2 ...at at +1 ...) 10 e
(.at+1at + 2 ...) 10 et
(.at+1at + 2 ...)
=
10 t
e
(
)
.
...
...
a
a
a
a
(. a1a 2 ...at at +1 ...) 10
t t +1
1 2
0,5
10 e t = 5 10 t
0,1
Resumindo ento: Er < 5 10 t

b) Se 5 at +1 9 , ento: fl ( x ) = (. a1a 2 ...at ) 10 e + 1.0 10 e t , o que implica que:

Er =
Er =
Er

(. a1a2 ...at at +1 ...) 10 e [(. a1a2 ...at )10 e + 1.0 10 et ]

(. a1a2 ...at at +1...)10 e
(.at+1at + 2 ...) 10 et 1.0 10 et (.at+1at + 2 ...) 1.0 t
=
10
(. a1a2 ...at at +1 ...)
(. a1a2 ...at at +1...)10 e
0.5
10 t , pois : (. at+1at + 2 ...) 0.5
(. a1a2 ...at at +1 ...)

0.5
10 e t = 5 10 t
0.1
pois : . a1a2 ... at at +1 ... 0.100...05 > 0.100...00

Er <

Resumindo ento: Er < 5 10 t

De a) e b) tem-se finalmente que sob as condies fixadas inicialmente, resulta:

Er =

x fl ( x )
x

< 5 10 t , onde ento, 5 10 t a menor cota superior para o Er em decimal e para

sistema em base binria resultar, de forma anloga: Er =

x fl ( x )
x

< 2 t

De forma semelhante, pode-se verificar que se fl(x) obtm-se por corte ou truncamento de decimais,
ento o erro relativo resulta:

Er =

x fl ( x )
x

< 10 10 t = 10 t +1 y, E = x fl ( x ) < 10 10 t = 10 e ( t +1) = 10 e +t 1

Baseado neste estudo de cotas de erros, pode definir-se que [ASMAR, 1999] que: O nmero x*
aproxima com seus primeiros t-dgitos ou cifras significativas ao nmero x 0, sei t o maior inteiro no
37 / 64

Gabriel Cremona Parma Teora y propagacin de errores

negativo para o qual:

Er =

x x*
x

< 5 10 t

Os t-dgitos significativos referidos so os primeiros t-dgitos n a mantissa de x* quando se escreve

em forma decimal normalizada.
De acordo com esta definio, se x*=fl(x) em uma aritmtica de ponto flutuante decimal com
arredondamento a t-digitos, ento fl(x) aproxima de x com t cifras significativas, quer dizer, todos os dgitos
na mantissa do fl(x) so significativos com respeito ao X.
Assim se pode voltar a definir o conceito de cifras decimais exatas, previamente introduzidas como um
axioma:
Diz-se que o nmero x* aproxima com suas primeiras cifra no decimais exatas ao nmero x, se k o
maior inteiro no negativo tal que:

E = x x * 5 10 k +1
As k-cifras decimais exatas a que se fazem referncia, so as primeiras cifra contadas a partir do
separador decimal em x*, quando x* se escreve na forma decimal normalizada.

10.3 Perda de Cifras Significativas

A perda de cifras significativas pode acontecer quando se opera, por exemplo na subtrao, com
nmeros muito prximos entre se; por isso se deve tomar cuidado em quais so os nveis de magnitude dos
nmeros a operar no computador. Podem-se visualizar este problema de perda de cifras significativas nos
dois seguintes exemplos [ASMAR, 1999].
EXEMPLO 1
Seja x = 0,43574628 e, y = 0,43574781, os valores exatos de dois variveis X e Y. Utilizando a
aritmtica de ponto flutuante decimal com arredondamento a 6 dgitos, ento resultam que os representantes
de x e y so fl(x) = 0,435746 e, fl(y) = 0,435748. Calcular nesta aritmtica de ponto flutuante a 6 dgitos a
diferena entre as duas variveis.
Sendo que fl(x) e fl(y) aproximam de x e y respectivamente com todas suas seis cifras significativas,
resulta ento que o valor exato da diferena entre as variveis :
x y = 0,43574628 - 0,43574781 = -0,00000153
x y = -1,53x10-6 = 0,153x10-5 (notacin normalizada)
38 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Mas, em aritmtica de ponto flutuante a diferena entre elas resulta:

x s y = fl(fl(x) - fl(y)) = fl(0, 435746 0, 435748) = fl(-0,000002) = fl(-0, 2x10-5)
Neste resultado j se observa a simples vista, perdida-a de 5 cifras significativas. Isto se demonstra a
partir do clculo do erro relativo de x s y com respeito a x y que resulta em:

0,2 x10 5 0,153x10 5

0,153x10 5

0,047
= 0,307... < 0,5 = 5 x10 1
0,153

Ento, x s y aproxima ao valor exato x y com uma nica cifra significativa (10-1); assim que teve
uma perda de cinco cifras significativas a partir da aproximao inicial de seis cifras significativas dos
nmeros representantes de cada valor.
EXEMPLO 2
Encontrar por aritmtica de ponto flutuante a 4 dgitos as razes da equao quadrtica:
x2 - 400,2x + 80 = 0. Sabendo que as razes exatas desta equao so x1=400,0 e, x2=0,2, definir a qualidade
do resultado obtido.
De acordo com a frmula usual para resoluo desta equao, resulta:

*
1, 2

400,2

(400,2)2 4 1 80
2

400,2 160200 320 400,2 159900 400,2 399,9

=
=
2
2
2

Ento, as duas razes se calculam como:

x1* =

400,2 + 399,9 800,2

=
= 400,1 e,
2
2

x 2* =

400,2 399,9 0,3

=
= 0,1500
2
2

Resulta ento que a primeira raiz uma boa aproximao do valor a 4 dgitos, enquanto que a segunda
raiz uma aproximao pobre da mesma.
A deficincia na estimativa da segunda raiz se deve a que os nmeros do numerador (400,2 e 399,9)
so nmeros muito prximos entre se (em uma aritmtica finita com arredondamento a 4 dgitos) este caso,
obtm-se uma aproximao mas exata para a segunda raiz, aumentando a preciso da aritmtica ou
racionalizando a frao [ASMAR, 1999]
Assim ento, racionalizando a frao, obtm-se:
39 / 64

Gabriel Cremona Parma Teora y propagacin de errores

x =
*
2

x 2* =

400,2

(400,2)2 320
2

160
400,2 +

(400,2)

400,2 +
400,2 +

2
2
(400,2)2 320
(
400,2) (400,2 ) + 320
=
(400,2)2 320 2 400,2 + (400,2)2 320

= 80
320
400,2 +

(400,2)2
2

80
80
= * = 400,1 = 0,2000
320 x1

Valor a 4 dgitos que coincide, neste caso, com os valores exatos da mesma, pelo que se pode estimar
como uma excelente aproximao do clculo.

10.4 Preciso Numrica do Computador

Existem dois tipos de nmeros na aritmtica de um computador: os tipos inteiros, semelhantes aos
nmeros inteiros tradicionais, com a nica diferena, um conjunto finito de valores, pelo que se deve cuidar
o possvel overflow nos clculos aritmticos e, o tipo real de ponto flutuante, com todas as caractersticas j
indicadas, que resulta ideal para a representao de qualquer nmero. Nestes ltimos, foi indicado j que um
nmero em ponto flutuante tinha a seguinte expresso:

x = (. a1a 2 ...at ) e
Agora, para sintetizar esta expresso se podem fazer as seguintes simplificaes de notao:
-

= 10 (trabalhando em base numrica 10);

a = (,a1a2an) Indicando a mantissa decimal do nmero, com a mesma condio que o

primeiro valor depois da vrgula decimal no seja nulo;

-

= 1, Mas no ser mais indicado;

e = expoente: L e U donde L y U som os mnimos y mximos valores do conjunto finito

dos nmeros de ponto flutuante;

Assim, resultar que o nmero N em notao de aritmtica de ponto flutuante, pode-se expressar de
maneira simplifica como a 10e, onde |a| < 1, e Z.
E sendo que os nmeros reais tm uma representao parcial e finita no conjunto dos nmeros reais de
ponto flutuante, qualquer nmero real deve ser aproximado do valor do nmero de ponto flutuante mas
prximo, o que provoca uma aproximao do nmero real que depender da preciso numrica do
computador (pnc). Como quando se trabalha com um computador, tem-se uma quantidade de finitas de
dgitos disponveis (t) para a mantissa, se indicar com o o arredondado da, tem-se que fl(x) = 10e em
lugar do valor do x. A citada preciso do computador eps -em definitiva- o nmero mas pequeno que pode
ser representado.

40 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Em base 10, e quantidade t de dgitos disponveis, a preciso se pode calcular como:

pnc = 5 10-t
E, por analogia, em base 2, pode se indicar a preciso numrica do computador como:
pnc = 2-t
Deve ser notado que todo nmero em representao em ponto flutuante estar vinculado com o
nmero real que representa por meio de seu erro relativo, que dever ser menor preciso do computador
para que sorte adoo de valor em ponto flutuante seja correta:

fl ( x) x
x

pnc , o que se demonstra lembrando que sempre : a 5 10 t 1

Expresso que pode tambm ser escrita como fl ( x) = x(1 + ) , onde pnc , expresso utilizada
para os clculos de erros por arredondamento.
Ento, quando se trabalha com um computador, deve-se tomar cuidado na soluo do problema, pois
se estaro utilizando os dados arredondados e no os dados exatos, o que indevidamente trar consigo um
problema de erros (arredondamento) que poder ou no se propagar atravs do problema e / ou do algoritmo
que solucione o problema..
Por isso resulta necessrio realizar um estudo sobre o condicionamento do problema. Assim se pode
indicar que um problema bem condicionado aquele em que pequenos erros relativos nos dados produzem
pequenos erros relativos no resultado, e no caso contrrio, o problema resultasse mal condicionado [DIAZ,
1998]. O nvel de condio se pode medir por meio do ndice de condio.
Embora a noo de pequeno possa parecer ambgua, depende da exigncia e rigor pretendidos nos
resultados. Normalmente pode ser encarada como uma medida comparativa entre diversos resultados
possveis.

10.5 Representao Binria dos Nmeros em Ponto Flutuante

De acordo com o DIAZ [1998] em qualquer computador, os nmeros em ponto flutuantes so
representados por meio da aritmtica de ponto flutuante, mas com certas restries sobre o nmero de dgitos
da mantissa e do expoente do nmero, imposta pela longitude da palavra ou byte disponvel, ou seja, do
nmero de bits que vo se empregar para armazenar um nmero.
Considere-se como exemplo, um computador capaz de armazenar palavras de 32 bits; para representar
um nmero em ponto flutuante neste computador, os bits se acomodam da seguinte forma:
-

Signo do nmero real:

1 bit
41 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Signo do expoente:

Expoente inteiro: 7 bits

Mantissa real:

23 bits

32 bits

Total:

1 bit

Como se indico, a mantissa deve ser normalizada, quer dizer, o bit mas significativo (o primeiro)
sempre 1 e nunca 0, como isto uma normativa, o primeiro bit no deve ser armazenado,
proporcionando-se assim um bit significativo mas. Segundo DIAZ [1998] esta forma de armazenar um
nmero em ponto flutuante a conhece como tcnica do bit fantasma.
Diz-se que se um nmero real em ponto flutuante pode ser armazenado com a mantissa ocupando 7
bits e o expoente 24 bits, ento um nmero mquina no computador. A restrio de que a mantissa m no
requeira mas de 7 bits significa que:

m (1111111)2 = 2 7 1 = 127
Ainda, como 2127 10 38 , o computador de 32 bits pode dirigir nmeros to pequenos como 10-38 e
to grande como 1038. Este intervalo no resulta suficientemente amplo para alguns tipos de clculos, pelo
que se recorre a nmeros em dupla preciso, com palavras de 64 bits ou de preciso estendida, com palavras
de 128 bits.
Segundo o mesmo autor, devido a que o expoente deve ser representado por no mas de 24 bits, os
nmeros de mquina tm uma preciso limitada a 7 cifras decimais, posto que o bit menos significativo (o
ltimo) representa unidades de 2 24 10 7 ; por tal motivo, os nmeros de mas de 7 dgitos decimais sero
objeto de aproximao quando se armazenarem no computador.

11 Algoritmos de Clculo
11.1 Definies Conceituais
Definio 1: Uma operao elementar uma operao matemtica ou funo cuja ao se efetua em
um tempo finito.
So operaes elementares, as quatro operaes aritmticas bsicas como a adio, substruo,
multiplicao e diviso. Com estas operaes elementares possvel avaliar qualquer funo polinomial e
racional em uma quantidade de passos ou composio de operaes elementares.
Definio 2: Um algoritmo uma sucesso finita de operaes elementares. Se denotar com fi uma
operao elementar, um algoritmo a composio de n operaes elementares:

f = f n o f n 1 o ... f 2 o f 1
42 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Um dispositivo de clculo tem a finalidade de avaliar a ou as solues de um problema matemtico,

quando for possvel, sendo o resultado numrico desta avaliao o principal objetivo do clculo numrico.
Definio 3: Um problema dar um dado x n e obter um resultado P (x)
Em conseqncia, so problemas todas as funes cujo domnio um espao vetorial real de
dimenses finitas, cuja esta imagem includa na reta real Quando este imagem em um espao vetorial de
mais de uma dimenso, pode-se interpretar como um conjuntos de problemas, onde cada problema a
funo projeo correspondente [MLLER, 1997]
De acordo com o MLLER [1997] deve-se ressaltar a diferena entre problema e algoritmo, que so
conceitos diferentes, mas ligados entre eles: para resolver um mesmo problema podem criar-se vrios
algoritmos diferentes, os que tero vantagens e desvantagens, como sua rapidez e eficincia.
Assim por exemplo, se para resolver um problema por meio da avaliao de um polinmio em
especial, podem-se definir dois algoritmos diferentes para chegar ao mesmo resultado final, deve-se
determinar qual dos dois algoritmos consegue obter a soluo com a aplicao de menos operaes
elementares. Desta forma, aquele algoritmo que chegue soluo mais rpido, ser o mais eficiente pois
efecta menos operaes elementares e conseqentemente, menos possveis perdas de cifras significativas
por problemas da aritmtica finita.
Assim indicado e conforme ao MLLER [1997], o conceito de eficincia desta algoritmo ligado ao
custo em operaes elementares que se requerem para executar um algoritmo. Agora bem, o computador
requer menos tempo para realizar uma soma que uma multiplicao (que um conjunto de somas) e assim
que cada operao elementar toma certo tempo em efetuar-se, o que em geral depende do prprio
computador e da linguagem em que est escrito o programa que permite solucionar o problema mediante um
algoritmo. Por isso, resulta mas conveniente medir a eficincia em termos de tempo de execuo em lugar do
nmero de operaes elementares executada.
Definio 4: O custo do algoritmo f = f 1 o ... o f n esta dado por: C = m1 + ... + m n , Onde mi o
tempo de execuo de fi.. Assim, se C1 e C2 so os custos em tempos de dois algoritmos que resolvem o
mesmo problema, dir-se que o primeiro algoritmo mas eficiente que o segundo se se cumprir que C1 C2..
Embora as operaes elementares se reduzem s quatro operaes bsicas, deve-se recordar que
existem mtodos matemticos para poder calcular numericamente qualquer funo transcendente por meio
destas quatro operaes elementares, como o so o desenvolvimento em srie do Taylor, as fraes contnuas
e alguns mtodos iterativos. Estes mtodos permitem alm de avaliar o algoritmo, determinar com que nivelo
de erro se est realizando o clculo, permitindo assim obter o resultado at daquelas expresses tericas que
precisam de infinitos clculos para sua resoluo terica, para o que se devem eliminar ou desconsiderar
certa quantidade de termos, o que d lugar aos erros de truncamento, definidos formalmente da seguinte
43 / 64

Gabriel Cremona Parma Teora y propagacin de errores

forma:
Definio 5: Sejam P(x) e P(x) dois problemas. O erro de truncamento do primeiro relativo ao
segundo dado por sua diferena P(x) - P(x).
O nome surge da necessidade considerar um nmero finito de termos em uma expresso com infinitos
termos tericos. A este erro, quando se utilizam mtodos de aproximao por reiterao, teoricamente
infinitos, com um nmero finito das mesmas, lhe chama erro de aproximao ou erro do mtodo.
Segundo MLLER [1997], e de acordo com ele, o conceito de eficincia foi obtido para aqueles
problemas onde se pode encontrar a soluo mediante um algoritmo. Para aqueles problemas onde no
possvel encontrar um algoritmo que da soluo e caso que possvel aproximar ela de maneira arbitrria
mediante um mtodo algortmico, a eficincia est ligada ao custo em operaes como tambm ao erro do
mtodo. Nesta situao a eficincia um conceito mais subjetivo que depende do usurio, pois existem
problemas onde o erro de aproximao deve ser o menor possvel e outros problemas onde a exatido no
um requisito primitivo do problema.

11.2 Condicionamento e Estabilidade de um Problema

Em geral se pode indicar que um algoritmo mau concebido pode conduzir a uma resposta errnea de
um problema bem traado ou condicionado. Em geral, essa deficincia se pode corrigir trocando o algoritmo
de resoluo [ASMAR, 1998] Quando ao aplicar um algoritmo para resolver um problema, o efeito
acumulativo dos erros, incluindo erros de arredondamento, limitado de modo que se gere um resultado til,
o algoritmo se diz estvel; caso contrrio, quando os erros crescem de maneira incontrolada de modo que se
gera uma resposta defeituosa ao problema, o algoritmo se diz instvel.
Segundo ASMAR [1998] para certos problemas boas respostas no se podem obter por meio de
qualquer algoritmo, porque o problema sensvel a erros pequenos cometidos na representao dos dados ou
na aritmtica. Por isso se deve distinguir entre algoritmos instveis e problemas sensveis em trocas de
pequenos nos dados.
O mesmo autor continua indicando que um problema bem condicionado aquele que pequenas
mudanas nos dados induzem sozinha pequenas mudanas no resultado, quer dizer, problemas prximos
tm respostas prximas. O bom condicionamento inerente ao problema e no ao algoritmo de resoluo
do problema. Pode observar-se como exemplo disto o seguinte exemplo:
Exemplo: Considere o seguinte sistema de equaes lineares:

x + y = 2

10.05 x + 10 y = 21
A soluo exata, nica, deste sistema x = 20 e e = -18, sendo o ponto P(20;-18) a intercesso das
44 / 64

Gabriel Cremona Parma Teora y propagacin de errores

duas retas representativas do sistema. Para analisar o condicionamento de um problema, considere o

coeficiente de x da segunda reta (10.05) arredondado a um dgito (10.1). Assim, resolvendo o sistema
perturbado:

x + y = 2

10.1x + 10 y = 21
Resultan como soluciones X = 10 e y = -8, es decir, el punto de interseccin de las rectas es el punto
(10;-8). Se puede observar entonces que un pequeo cambio en uno de los datos del problema ha producido
un gran cambio en la solucin (125% de diferencia en los resultados) Este problema es un ejemplo de
problema mal condicionado.

11.2.1 Condicionamento de um problema

Para definir o nmero ndice que mede o nvel bom ou mau condicionamento de um problema, devese calcular o valor do fator chamado normalmente (kappa):
Seja P(x) um problema dado por P: n . A condio do problema P o nmero mais pequeno
positivo tal que:

x i xi
xi

pnc

( )

P x i P ( xi )
P ( xi )

pnc

Diz-se finalmente [MLLER, 1997] que o problema P est bem condicionado se no demasiado
grande, caso contrario, o problema esta m condicionado.
Na definio, pnc representa um nmero pequeno. Se pnc a preciso do computador, ento x i pode
se interpretar como o arredondamento de xi . Tambm necessrio indicar que depende somente do
problema, de x e no do algoritmo com o que se calcula o problema. Para compreender isto, se apresentar a
continuao um exemplo.
EXEMPLO
Sejam x1 e x2, dois nmeros reais, se considerar o problema de calcular P(x1,x2) = x1 x2 para os
valores perturbados x1 y x2 :
Sendo: x1 = x1 (1 + 1 ) y, x2 = x 2 (1 + 2 ) , con i pnc , resulta para a soluo do problema:

x1 = x1 (1 + 1 ) x1 =

x1
x2
e, x2 = x2 (1 + 2 ) x2 =
1 + 1
1+ 2
45 / 64

Gabriel Cremona Parma Teora y propagacin de errores

pelo tanto: x1 x2 =

x1
x
x x x x
2 1 2 1 2 = 1 + 2 + 1 2
x1 x2
1 + 1 1 + 2

E, como pnc um nmero pequeno, i tambm , conseqentemente, o produto de 1 2 um

infinitsimo de ordem superior, pelo que se pode desapreciar frente soma 1 + 2 , resultando ento a
siguente expreso para resolver o problema citado:

x1 x 2 x1 x2
x x x x
= 1 + 2 1 2 1 2 2 pnc , onde ento resulta = 2 , e por isso o problema
x1 x 2
x1 x2
esta bem condicionado.

11.2.2 Incidncia dos erros de arredondamento

Definida a condio do problema se deve estabelecer a incidncia que os erros de arredondamento pela
preciso do computador tm na implementao de um algoritmo para resolver certo problema.
Como j se indicou, um algoritmo uma sucesso finita de operaes elementares que resolve certo
problema:

P(x ) = f n ( f n1 (... f 2 ( f1 ( x ))))

A amplificao do erro, efetuando a operao f i , est dada pela condio ( f i ) pelo que o algoritmo
que resolve o problema pelo algoritmo dado se estima com a seguinte expresso:

(P ) ( f1 ) ( f 2 ) ... ( f n )
Para demonstrar esta expresso pode proceder-se por induo sobre n [MLLER, 1997]. Para n = 1, o
resultado trivial. Caso que a expresso certa para um determinado n, resulta o problema da forma:

P(x ) = f n +1 ( f n ( f n1 (... f 2 ( f1 ( x ))))) = f n +1 (P( x ))

Y, si se utiliza la definicin de condicin, se obtiene que:

P( x ) P( x )
P( x )

( P) pnc

f n +1 (P( x )) f n+1 (P( x ))

f n +1 (P( x ))

( f n+1 ) ( P) pnc

O que finalmente, utilizando a hiptese de induo permite demonstrar expresso inicial da

amplificao de erro.

46 / 64

Gabriel Cremona Parma Teora y propagacin de errores

11.2.3 Estabilidade de algoritmos

Segundo DIAZ [1998] a instabilidade em um clculo um fenmeno que se produz quando os erros r
arredondamento individuais se propagam atravs do clculo de forma incremental. Dito de outra forma, um
algoritmo numericamente estvel se a pequenos erros nos dados e a pequenos valores da unidade de
arredondamento, corresponde-lhe um pequeno erro relativo nos resultados. Caso contrrio, diz-se que o
problema instvel numericamente. Em geral, a instabilidade se corresponder com um ndice de
condicionamento alto. Tambm se deve ter em conta que um algoritmo implementado em um problema mal
condicionado no poder, em geral, ser estvel. Note-se que esta estabilidade relacionada com o algoritmo
que resolve o problema, enquanto que a condio, est-o com o problema mesmo que dito algoritmo
pretende solucionar.
A estabilidade de um algoritmo se pode analisar, segundo MLLER [1997] em uma anlise para
diante (forward analysis) ou em uma anlise para trs (backward analysis), o que permite diferentes formas
de analisar o mesmo algoritmo.
Definio: um algoritmo numericamente estvel, no sentido para diante, se:

( f1 ) ( f 2 ) ... ( f n ) C (P ) , onde C uma constante no demasiada grande1

Esta relao expressa o fato de que a influncia dos erros de arredondamento durante o clculo de P(x)
no muito mas grande que a influncia dos erros nos dados, questo inevitvel.

Assim, por exemplo, considere o problema de calcular

analisarem dois algoritmos de resoluo:

1
, com x = 104, para o que se
x(x + 1)

1
1
1
, ento, resulta:
=
x(x + 1) x x + 1

Algoritmo 1:

Aqui, as operaes efetuadas esto bem condicionadas, pelo que o algoritmo numericamente estvel.

Con la salvedad ya hecha respecto a este termino subjetivo.

47 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Algoritmo 2:
Neste caso s as trs primeiras operaes esto bem condicionadas, mas a ultima operao, subtrao,
esta mal condicionada, pois ambos, diminuendo e subtraendos so nmeros pequenos e aproximadamente
iguais, pelo que se pode concluir que este algoritmo numericamente instvel.

Segundo o mesmo autor chamado, a verificao se um algoritmo for estvel em sentido para diante,
sobre tudo naqueles algoritmos onde o nmero de operaes elevado, complexa e difcil. Por esta razo
se introduz na anlise numrica a anlise para trs para estudar a estabilidade de um algoritmo.
Definio: Um algoritmo para resolver um problema numericamente estvel em sentido de anlise
para trs se o resultado numrico do algoritmo pode ser interpretado como um resultado exato para os dados
perturbados, quer dizer:

y = P(x ) e se,

xi xi
xi

C pnc , onde C uma constante no demasiado grande e pnc a

preciso numrica do computador.

Nesta ltima definio se pode observar que neste estudo para trs, a estabilidade no requer conhecer
de antemo a condio do problema, o que apresenta vantagens e desvantagens. Assim pode chegar-se
concluso de que um algoritmo em particular seja estvel, at se o problema est mal condicionado. Em
conseqncia, necessrio distinguir claramente as noes de estabilidade de um algoritmo e de
condicionamento de um problema.

12 Polinomio de Taylor
12.1 Estudio Local de una Funcin
Siempre, el valor de un polinomio se puede calcular en cualquier punto de su dominio, sin ms que
efectuar las operaciones indicadas. Sin embargo, el valor de las funciones no polinmicas (trascendentes o
fraccionarias) pueden ser conocidos solo en algunos puntos en particular de su dominio de definicin, pero
no en todos o, resultar en complejos clculos.
Por tal motivo se expresa en las Ciencias Matemticas que las funciones polinnicas son mas simples
de manejar y procesar. Por ello, el poder expresar una funcin cualquiera como un polinomio, es un objetivo
48 / 64

Gabriel Cremona Parma Teora y propagacin de errores

deseable para efectos de su valoracin en cualquier punto de su dominio; sea esta valoracin exacta o
aproximada.
Siendo as, por medio de la aproximacin local de funciones se pretende calcular el valor aproximado
de una funcin en un punto, conocido el valor de la funcin en un punto cercano. Entonces, el problema se
reduce a calcular el valor de la funcin en un punto f ( x) conociendo el valor de la misma funcin en un
punto cercano f ( x0 ) (Figura 11)

Figura 11 Elementos de la aproximacin local de funciones

Adaptado: VERA BALLESTERO, 2004

En este sentido, la aproximacin mediante la recta tangente y el teorema del valor medio son
aproximaciones poco convenientes en cuanto el valor analizado se aleja del valor conocido. Por ello se
pretende hallar una funcin polinmica que coincida (Figura 12), con el menor error posible, con la funcin
dada en un entorno cercano del punto f ( xo ) = p ( xo ) f (x ) p ( x ) [VERA BALLESTEROS, 2004].

Figura 12 Polinomio de aproximacin local de funciones

Adaptado: VERA BALLESTERO, 2004

12.2 POLINOMIOS DE APROXIMACION

12.2.1 Polinomios especiales
POLINOMIO DE MC LAURIN
Toda funcin polinmica
forma: p ( x) = p (0) + p(0) x +

p( x) = a 0 + a1 x + a 2 x 2 + ... + a n x n se puede expresar de la siguiente

p" (0) 2
p n (0) n
x + ... +
x
2!
n!

49 / 64

Gabriel Cremona Parma Teora y propagacin de errores

En general: p ( x) =

k =0

p k ( 0) k
x , resultando un polinomio centrado en el origen.
k!

POLINOMIO DE TAYLOR
Toda funcin polinmica

p( x) = a 0 + a1 x + a 2 x 2 + ... + a n x n se puede expresar de la siguiente

forma: p ( x) = p (0) + p(x0 )( x x0 ) +

p ( x) =
k =0

p" ( x0 )
p n ( x0 )
( x x 0 ) 2 + ... +
( x x 0 ) n . En general:
n!
2!

p k ( x0 )
( x x0 ) k , De lo que resulta un polinomio centrado en el punto de abscisa x0
k!

12.2.2 Polinomio de Taylor de una funcin no polinmica

Dada una funcin f se debe encontrar un polinomio de grado n que tome aproximadamente los
mismos valores de la funcin f en un entorno reducido del punto x0 :

y = f ( x)
f ( x) p n ( x); x ( xo , xo + ) :
p n ( x)
Suponiendo conocidos el valor de la funcin f ( x) y los de sus derivadas en el punto x0 se debe
calcular el valor aproximado de la funcin en un punto cercano x , utilizando para ello una funcin
polinmica de aproximacin.
Como funcin de aproximacin se debe buscar aquella funcin polinmica que pase por el
punto ( x0 , f ( x0 ) ) , que presenta la misma pendiente, la misma concavidad, el mismo crecimiento, etc. As es
evidente que cuanto mas condicionantes coincidan entre la funcin y el polinomio de aproximacin a su paso
por el punto dato, mas semejantes sern entre ellas cuando el punto incgnita se aleje del punto de
acumulacin.
Por eso la funcin polinmica de aproximacin deber cumplir que:

p n ( x 0 ) = f ( x0 ) : (1)

p n ( x 0 ) = f ( x 0 ) : ( 2)
p " ( x ) = f " ( x ) : (3)
y = f ( x)
n 0
0
x E * ( xo ; ) ;
(
)

(
)

f
x
p
x

' ''
n
' ''
p n ( x)
p n ( x 0 ) = f ( x 0 ) : ( 4)
...

p n( n ) ( x0 ) = f ( n ) ( x0 ) : (n)

50 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Donde la condicin:
-

(1) asegura que los dos pasan por el punto dato

(2) asegura que los dos pasan por el punto dato y la pendiente es la misma

(3) asegura que los dos pasan por el punto dato y la concavidad es la misma

(4) asegura que los dos pasan por el punto dato y el crecimiento es el mismo

(n) asegura que los dos pasan por el punto dato y otras coincidencias mas

El polinomio que cumpla con estas condiciones se puede encontrar mediante la frmula de Taylor:

p n ( x) = p n ( x0 ) + p n ( x0 )( x x0 ) +

p n" ( x0 )
p ( n ) ( x0 )
( x x0 ) 2 + ... + n
( x x0 ) n
n!
2!

Y, si se tiene en cuenta los valores asignados al polinomio, resulta:

f n" ( x0 )
f n( n ) ( x 0 )
2
p n ( x) = f n ( x0 ) + f ( x0 )( x x 0 ) +
( x x0 ) + ... +
( x x0 ) n
n!
2!

Un polinomio as construido se aproximar suficientemente a la funcin f ( x) por lo menos en un

entorno del punto de acumulacin, as tambin esta funcin ser de mayor aproximacin cuanto mayor sea el
grado del polinomio. Por lo tanto se puede asegurar que:

f n" ( x0 )
f n( n ) ( x0 )
2
f ( x) f n ( x0 ) + f ( x0 )( x x0 ) +
( x x0 ) + ... +
( x x0 ) n
n!
2!

Expresin que puede generalizarse como:

n

f ( x) p n ( x) =
k =0

f k ( x0 )
( x x0 ) k
k!

Que es el Polinomio de Taylor para una funcin no polinmica.

Observaciones al polinomio de Taylor:
-

El n-simo monomio ser de grado n , ya que el ltimo coeficiente puede ser cero al estar

definido como la derivada n-sima de la funcin, y esta funcin no es polinmica, por lo que la
funcin puede tomar cualquier valor, incluido el valor nulo.
-

El primer polinomio de Taylor siempre coincide con la recta tangente a la curva dada en el

punto de acumulacin, pues resulta: y = f ( x 0 ) + f ( x 0 )( x x0 ) , que es la ecuacin de la recta

tangente en el punto en estudio.

51 / 64

Gabriel Cremona Parma Teora y propagacin de errores

12.2.3 Resto de Taylor

Con el trmino resto de Taylor se hace referencia al error que se comete al aproximar una funcin
no polinmica mediante el polinomio de Taylor. Si se aproxima la funcin mediante el trmino n-simo de
Taylor, el error ser dado por la diferencia de los valores de la funcin y del polinomio:

y = f ( x)
f ( x ) p n ( x ) Rn ( x ) = f ( x ) p n ( x )
p n ( x)
Teorema del Resto: Sea f una funcin definida en el intervalo cerrado [a, b] tal que f
continua en el mismo intervalo cerrado y f

( n +1)

(n )

es

existe en el intervalo (a, b ) . Sean x y x0 puntos del

intervalo cerrado de definicin, siendo x x0 . Sea tambin:

p n ( x) = f n ( x0 ) + f n ( x0 )( x x 0 ) +

f n" ( x0 )
f ( n) ( x0 )
( x x0 ) 2 + ... + n
( x x0 ) n
n!
2!

Siendo as, entonces existe un punto c entre x y x0 tal que el error que se comete al aproximar la
funcin f mediante el n-simo polinomio de Taylor en un entorno del punto x0 , queda definido por la
expresin: Rn ( x) =

f n( n +1) (c)
( x x0 ) n +1
(n + 1)!

A esta expresin del Resto de Taylor se la indica como expresin de Lagrange. Aun existiendo otras
expresiones posibles de utilizar para calcular el error, esta es la mas simple, pues es trmino siguiente del
desarrollo, con la derivada evaluada en el punto intermedio c [VERA BALLSTERO, 2004].
Entonces, para hallar el valor de una funcin en un punto, se desarrolla la funcin en un punto cercano
conocido y se toma, como valor aproximado de la funcin el que tome el polinomio. Por su parte, el error
cometido en esta aproximacin se calcula con la expresin de Lagrange, en la que, como el punto c no esta
bien determinado, el error no se conoce con exactitud, pero se puede conocer una acotacin del error
teniendo en cuenta el entorno de variacin de c .

13 PROPAGACIN DE ERRORES
13.1 INTRODUCCIN
Los errores no solo afectan al propio valor de la medicin, sino que se propagan, extienden o
reproducen cuando los datos se someten a diversas transformaciones por medio de algn algoritmo de
clculo. La propagacin de los errores est tanto presente en la produccin de informacin derivada como en
la propia modelacin del dato que se deba hacer. Como informacin derivada se hace referencia a aquella
52 / 64

Gabriel Cremona Parma Teora y propagacin de errores

que surge de clculos de nuevos valores a partir de varios datos iniciales, cada uno de ellos con sus propios
errores y, como modelacin a aquellos procesos matemticos realizados sobre el mismo dato, por ejemplo
para cambiar de un sistema coordenado para otro equivalente.
Puede indicarse dos tipos de propagacin, dependiendo del caso, aquella propagacin simple, en la
que el error pasa de un dato para otro, y aquella propagacin es cascada, en la que los errores se propagan y
combinan de forma a veces incontroladas mediante operaciones booleanas de cruzamiento, unin ,
diferencias entre los datos1.
Cuando los valores medidos toman parte en el clculo de nuevas magnitudes, es importante conocer
la repercusin de sus propios errores en el clculo. La finalidad del estudio de propagacin de errores es
establecer modelos matemticos que regulen la expresin del error de una medida obtenida por clculos,
donde participaron medidas ya efectuadas con un error propio imbuidos en ellas.
La obtencin de las nuevas informaciones se hacen a partir de los datos iniciales y mediante funciones
concretas. Dado que los valores datos nunca estarn exentos de errores, es necesario conocer como se
transmiten estos errores. Cabe entonces, hablar de modelos de propagacin de los errores. Este modelo de
propagacin puede hacerse mediante representaciones matemticas que dependern del proceso involucrado,
de las hiptesis de propagacin del error y del conocimientos sobre la calidad de los datos y el propio
comportamiento de las funciones [ARIZA LOPEZ, 2002]
Ni que decir relativo al propio proceso computacional de clculo que debido a las limitantes de
almacenamiento y procesamiento del medio de clculo numrico, provoca nuevos errores que se propagarn
directamente a los resultados a travs del algoritmo de clculo, dependiendo de la estabilidad de algoritmo y
del condicionamiento del problema, como se indic oportunamente.
Segn ARIZA LOPEZ [2002], si las hiptesis planteadas para la propagacin de errores estn
equivocadas podrn a veces generar valores extraos que llamarn la atencin respecto a la existencia de
algn problema. Es por ello por lo que la fiabilidad de un ndice de error se mejora con la ayuda de datos
complementarios. Cuando estos datos no sean posibles, una estrategia es fijar los errores mximos y mnimos
que se pueden tolerar en los errores propagados, aunque esta estrategia debe ser manejada con precaucin,
pues en algunos casos, los errores mximos y mnimos se saturan rpidamente hacia valores extremos2
El planteamiento de modelos matemticos no es conveniente cuando existe una alta correlacin entre
las variable, pues esta correlacin puede enmascarar el real efecto de los errores en el resultado final, y
tambin cuando la definicin de este modelo matemtico es difcil y complejo de determinar correctamente.

1
2

Operaciones usuales en los sistemas de informaciones geogrficos SIG

Como por ejemplo los valores 1 y 0.
53 / 64

Gabriel Cremona Parma Teora y propagacin de errores

En estos casos, un estudio estadstico sobre los datos finales y su relacin con los datos iniciales son una
mejor solucin al estudio de la propagacin de errores. [ARIZA LOPEZ, 2002] Existe entonces un
planteamiento similar a otras reas de las Ciencias, donde se puede distinguir entre mtodos fsicos, que
requieren el conocimiento de todos y cada uno de los procesos involucrados en la transformacin y los
mtodos estadsticos, o de cajas negras en los que no importa las relaciones matemticas que ocurren en
los procesos, solo se analiza el resultado final en relacin con los datos iniciales y / o los datos verdaderos
que pueden ser simplemente datos obtenidos de una mejor fuente o instrumental de mayor precisin.
Segn Crosetto y Tarantola in ARIZA LOPEZ [2002] dado que los efectos de la propagacin son
difciles de medir, se plantea la necesidad de realizar una calibracin con datos y operaciones conocidas. En
este sentido, la simulacin permite esta calibracin, mientras que los anlisis de sensibilidad
correspondientes permiten cuantificar en qu medida influyen individualmente cada una de las fuentes de
errores en la incertidumbre final. Indica finalmente el mismo autor que aun existiendo algunos trabajos
experimentales relacionados con este tema, es una asignatura pendiente dentro de la teora de propagacin
de errores.

13.2 MODELOS PARA LA PROPAGACIN DE ERRORES

13.2.1 Introduccin
Pueden encontrarse varios modelos para el anlisis de la propagacin de errores; en general, en las
Ciencias Geodsicas, los mtodos matemticos basados en el desarrollo en serie de funciones por el
polinomio de aproximacin de Taylor son los ms utilizados. Por ello, y siendo la magnitud del error un
valor pequeo en relacin con la grandeza de la medida, los polinomios de aproximacin de primer y
segundo orden de Taylor son los utilizados, resultando el de segundo orden menos practico por la
complejidad de su desarrollo matemtico y posterior valoracin, as como que ya se estara trabajando con
infinitsimos, motivo por el cual, el mtodo del polinomio de primer orden de Taylor es el que se utiliza en
la prctica para el anlisis de la propagacin de errores.
Analizando una funcin f aplicable en n , que es continua en un dominio D , siendo

x0 D un valor que aproxima a funcin con un error x , se debe conocer con que error z la
funcin z 0 = f ( x 0 ) aproxima a z = f ( x) . Entonces, siendo x [x0 x ; x 0 + x ] D , se llama como

f min f max a los valores mnimos y mximos de la funcin en el intervalo indicado. Luego, por ser la
funcin continua, resulta z 0 [ f min ; f max ] y, z = mx[ f ( x0 ) f min ; f max f ( x0 )]
Pero calcular los extremos de una funcin en un intervalo (mximo y mnimo) no es simple ni es
eficiente, por lo que se debe procurar otra forma de determinar el error de aproximacin. Siendo la funcin
continua y diferenciable al menos en el intervalo en estudio, el polinomio de aproximacin de Taylor resulta
una forma razonable y eficiente de realizar dicha evaluacin.
54 / 64

Gabriel Cremona Parma Teora y propagacin de errores

13.2.2 Mtodo de Primer orden de Taylor

Cuando las funciones de trabajo no son lineales, se debe linealizar la funcin, para lo cual se aplica la
aproximacin de funciones mediante el desarrollo en serie de Taylor:

f n" ( x0 )
f n( n ) ( x0 )
2
f ( x) f n ( x0 ) + f ( x0 )( x x0 ) +
( x x0 ) + ... +
( x x0 ) n
n!
2!

En este caso, el desarrollo de la funcin se realizar hasta el primer trmino de Taylor, considerndose
los dems trminos del polinomio de aproximacin de Taylor (Resto) despreciables, con lo que se est
provocando la linearizacin de la funcin en el entorno del punto en estudio, por medio de la tangente;
recordando que para poder desarrollar Taylor la funcin original debe ser continua y derivable, resulta:

f ( x) f n ( x0 ) + f n ( x0 )( x x 0 )
Para este caso, el error por aproximacin resulta: Rn ( x) =

f n" (c)
( x x0 ) 2
2

Dado que se plantea la hiptesis de varias variables, resulta:

F
F
F
F ( x) f ( x1 , x 2 ,..., x n ) +
( x x1 ) +
( x x 2 ) + ... +
( x x n )
x 2
x n

x1
Se debe analizar la correlacin entre las variables, para que no resulten enmascaradas por alta
correlacin, efectos de propagacin de errores.

13.2.3 Mtodo de segundo orden de Taylor

Se desarrolla de forma similar a la anterior solo que considerando hasta el trmino de segundo orden
del desarrollo en serie general, lo que significa una complejidad mayor para la obtencin de los estadsticos.
La ventaja es que permite reducir el error de simplificacin del modelo de primer orden en los casos de
funciones que no se ajusten a un modelo lineal adecuadamente. En este caso, el desarrollo de la serie de
Taylor:
Siendo: f ( x) f n ( x0 ) + f n ( x 0 )( x x 0 ) +

f n" ( x 0 )
( x x0 ) 2
2!

Entonces, para varias variables, con ( x x1 ) = i :

F
2F
2F
F
F 2 F

F ( x) f ( x1 , x 2 ,..., x n ) +
1 +
2 + ... +
n + 2 1 + 2 2 + ... + 2 n

x
x
x
x 2
x n
n
2
x1
1

55 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Con lo cual queda indicada la diferencia de complejidad de ambas aproximaciones, y teniendo en

cuenta que al trabajar con errores, se esta trabajando siempre con valores infinitesimales, este mtodo de
segundo orden no estara adicionando ventajas reales al de primer orden, sino solo complicaciones operativas
y, por tal motivo no se tan utilizada como el caso del modelo de primer orden de Taylor.

13.3 DESARROLLO BSICO DEL MODELO DE PRIMER ORDEN DE TAYLOR

Siendo el modelo genrico de primer orden de Taylor el modelo el adoptado para el estudio de
propagacin de errores en las ciencias Geodsicas, se realizar aqu un estudio prctico de este caso, el cual
permitir su aplicacin en cualquier algoritmo de clculo.
Sea la funcin general de varias variables:

F = f ( x1 , x 2 ,..., x n ) ; donde xi son las variables aleatorias mensuradas.

Y sea considerada la siguiente funcin como la que expresa la existencia de errores aleatorios:

F + F = f ( x1 + 1 , x 2 + 2 ,..., x n + n ) , donde i expresan los errores en cada valor, medido o calculado.

Desarrollando la funcin de aproximacin de Taylor en derivadas parciales por tratarse de una funcin
de varias variables, resulta:

F
2F
2F
F
F 2 F
F + F = f ( x1 , x 2 ,..., x n ) +
1 +
2 + ... +
n + 2 1 + 2 2 + ... + 2 n + ...
x 2
x n x1
x 2
x n
x1

Donde, pueden no considerarse las derivadas de orden superior por ser infinitsimos, resulta:

F + F = f ( x1 , x 2 ,..., x n ) +

F
F
F
1 +
2 + ... +
n
x1
x 2
x n

Y, recordando que: F = f ( x1 , x 2 ,..., x n ) , resulta entonces: F =

F
F
F
1 +
2 + ... +
n ,
x1
x 2
x n

expresin genrica del error verdadero de propagacin de los errores de las diversas variables de la funcin.
Considerando al error medio cuadrtico como la media de los cuadrados de los errores verdaderos, la
expresin anterior da como resultado el siguiente desvo estndar o error medio cuadrtico:
2

F 2 F
1 +
=
x1
x 2
2
F

F
2
2 + ... +

x n

2
n

La que generalizadas, y llevada al valor absoluto para evitar las compensaciones naturales por signos,
56 / 64

Gabriel Cremona Parma Teora y propagacin de errores

resultan las siguientes expresiones para el error total propagado y su desvo estndar:
2
n

F
F
2

F =
i y, F =
i2

xi
i =1 xi
i =1

En estas expresiones se debe tener en cuenta que, cuando cada medida se ha realizado solo una vez, el
valor utilizado para estos clculos debe considerarse como el error de lectura o sensibilidad del instrumento
de medida.
Finalmente, cabe indicar que el anlisis de errores con la aplicacin de la ley de propagacin de
errores y variancias es muy til, tanto en estudios preliminares de levantamiento para definir el mtodo e
instrumental de trabajo, as como para el anlisis de los errores y precisiones en los valores finales calculados
con los datos de campo.

13.3.1 Estudio de caso: transporte de coordenadas por levantamiento polar

Los levantamientos por medio de coordenadas polares, mismo siendo un mtodo clsico de trabajo de
campo, es de uso y costumbre en el rea de la topografa catastral; en general, el mtodo es usado
actualmente cuando se trabaja on estaciones totales (LPS: Local Position System) aunque tambin se puede
utilizar con teodolito y cinta mtrica. Este mtodo tambin es utilizado junto con la tecnologa GPS (Global
Position System) dando lugar a nuevos mtodos hbridos de trabajo de campo.
Se analiza primero el proceso bsico de clculo, independiente de la forma de obtenerse los datos, sean
estos obtenidos por medicin directa o mtodos indirectos de clculos. AL final se analizar el error que se
introduce al determinar el acimut a partir de dos puntos de coordenadas conocidas.
PRESENTACIN DEL PROBLEMA
El caso del levantamiento polar en campo define un modelo matemtico simple, en el cual las
variables involucradas son, de acuerdo con la Figura 13:
-

Las coordenadas de la estacin E(ye; xe);

La distancia en el terreno d=PE.

El ngulo horizontal de la medicin (desde una orientacin inicial o acimut)

El ngulo vertical de la medida

Las incgnitas son las coordenadas del punto levantado P(yp; xp).

As entonces, el modelo matemtico general resulta

y = ye + d cos sen
x = xe + d cos cos

57 / 64

Gabriel Cremona Parma Teora y propagacin de errores

Donde, cada dato puede obtenerse de manera directa o indirecta, lo que afectar al valor final de la
propagacin del error, as como por ejemplo, al medir el acimut a partir de dos puntos demarcado en campo,
se estar adicionando u nuevo error que se propagar hacia el resultado de las coordenadas del punto medido.

Figura 13 - Esquema do levantamiento polar

ANLISIS DE LA PROPAGACIN DE LOS ERRORES

Basando el trabajo no principio de superposicin de pequeos efectos. Se puede estudiar el error sobre
cada uno de los ejes, para finalmente calcular el error total y su propagacin.
As, iniciando con las frmulas de las abscisas, resulta:
y = ye + d cos sen

ye d

ye d v

Frmula de base.

Variables.

Desvo estndar de cada variable.

De acuerdo con la expresin de propagacin de errores ya vista:

2y

y
=
y E

2 y 2 2 y
e + d +
d

2 y 2
v +
h

Y, desarrollando las derivadas parciales de primer orden:

2y = e2 + d2 cos 2 sen 2 + v2 d 2 sen 2 sen 2 + h2 d 2 cos 2 cos 2

Mas, como se puede suponer que en general v = h = a , resulta entonces

2y = e2 + d2 cos 2 sen 2 + a2 d 2 sen 2 sen 2 + cos 2 cos 2

De manera semejante, se puede deducir la expresin para las ordenadas que:

58 / 64

Gabriel Cremona Parma Teora y propagacin de errores

x2 = e2 + d2 cos 2 cos 2 + a2 d 2 sen 2 cos 2 + cos 2 sen 2

Finalmente, a resultante do desvo estndar se puede calcular por aplicacin del Teorema de Pitgoras,
por el hecho de haberse calculado las componentes sobre los ejes, entonces resulta:
2p = 2y + x2 ; y por las expresiones anteriores, resulta:
2p = 2 e2 + d2 cos 2 + a2 d 2

Donde cada variable indica:

Desvos estndares de:
-

p = Punto levantado

e = Punto estacin

d = Medida linear

a = Medidas angulares

Mediciones:
-

= ngulo vertical de la medicin de la distancia.

d = Distancia medida estacin-punto

Se puede notar que:

-

El valor del acimut no forma parte de la expresin del desvo estndar, por lo que se puede

indicar que la precisin del punto no depende de la medida del acimut.

-

La precisin del punto depende de las precisiones de las coordenadas del punto estacin.

La precisin del punto tiene en cuenta la pendiente del terreno.

La precisin del punto es siempre menor a la de la estacin, o sea, el trabajo puede ir

degradndose punto a punto.

En el caso de se tener que calcular el acimut a partir de dos puntos de coordenadas conocidas, la
expresin final resulta:

p2 = 2 e2 + d2 cos 2 + a2 d 2 + d 2 cos 2 ( e21 + e2 )

Donde la nica diferencia con al anterior expresin es el ltimo trmino que es la influencia de haber
utilizado dos puntos (punto estacin y punto de arranque) para calcular el acimut de origen.

59 / 64

Gabriel Cremona Parma Teora y propagacin de errores

ESTUDIO DE CASO
Como estudio de caso, se ejemplificar teniendo en cuenta tres grupos de distancias: cortas, medias y
largas., apenas para definir diferentes niveles de trabajo, y se fijaran los desvos estndares de las
mediciones, pudiendo calcular asi los diferentes desvos estndares de los untos levantados.
Los datos considerados, teniendo en cuenta esos tres tipos de distancias, con relacin al catastro
tcnico inmobiliario son los fiados en la Tabla 1. Los desvos estndares adoptados para os ejemplos se
pueden visualizar en la Tabla 2.
Se considero para el estudio de caso que las mediciones son horizontales. Con todo esto, los resultados
de los clculos basados en la expresin definida para los desvos estndares fijados como ejemplo, son los
presentados en la Tabla 3.
Tabla 1 Tipos de distancia

Tipo de distancia
Corta
Medias
Largas

Extremos fijados
Menos de 500m
Entre 500 a 2000m
Mas de 2000m

Ejemplo
50m y 500m
1000m
5000m

Tabla 2 Desvos adoptados

Desvo Estndar
e
d
a

Medicin
0,10m
0,05m
20 y 05

Tabla 3 Resultados de clculo

Tipo de distancia
50m
500m
1000m
5000m

p Del punto levantado

a=20
a=05
0,15m
0,15m
0,16m
0,15m
0,18m
0,15m
0,51m
0,19m

Se puede observar en los resultados que la precisin del punto levantado es disminuida en relacin al
punto estacin, dependiendo de la distancia y de la precisin angular.
AMPLIACIN AL CASO DE LEVANTAMIENTO POR COORDENADAS POLARES: CALCULO DEL ACIMUT
En el caso del clculo de coordenadas de un punto por coordenadas polares, se tiene la posibilidad de
calcular el acimut a partir de dos puntos conocidos, por ello, el modelo matemtico estar influenciado por
este proceso de clculo de acimut (Figura 14) y la precisin final del punto levantado tendr la propagacin
relativa a este nuevo proceso, de la forma indicada a continuacin.

60 / 64

Gabriel Cremona Parma Teora y propagacin de errores

SEGUNDO MODELO MATEMTICO

Figura 14 Segundo modelo de trabajo

Datos:
-

Coordenadas de la estacin E(ye; xe)

Coordenadas del punto de arranque E1(ye1; xe1)

Distancia terreno d=PE

ngulo horizontal de la medicin:

ngulo vertical de la medida:

Incgnitas:

Acimut de arranque

Coordenadas del punto P(y;x)

SOLUCIN:
En primer lugar, se debe calcular el acimut de la lnea de arranque para despus calcular el acimut del
punto a levantar.
Por analoga con el primer modelo presentado, se calculan entonces las coordenadas del punto
levantado.

e = arctan

dey
ye1 ye
= arctan
dex
xe1 xe

y, por lo tanto: = e + p

Respetando ahora el modelo bsico desarrollado previamente, resulta:

y = ye + d cos sen
x = xe + d cos cos
En definitiva, solo varia la forma de clculo del acimut del punto, lo que tendr reflejo en las
expresiones finales de la propagacin de los errores

61 / 64

Gabriel Cremona Parma Teora y propagacin de errores

ANLISIS DE LA PROPAGACIN DE ERRORES DEL 2 MODELO MATEMTICO

La principal diferencia con el primer modelo es la forma de obtener el acimut Del punto, el el primer
modelo, ste era medido en campo, ahora se de calcular con otros datos.
El objetivo inicial es determinar la precisin de este clculo para el acimut. La expresin final a
evaluar para este clculo es:

e = arctan

ye1 ye
xe1 xe

Por simplicidad, se aplicar nuevamente el principio de superposicin de pequeos efectos en este

proceso:
OBJETIVO 1: DEFINIR LA PRECISIN DEL ACIMUT CALCULADO ENTRE DOS PUNTOS
Propagacin en las diferencias de coordenadas:

dey = ye1 ye

Formula de base

ye1 ye

Variables

e1 e

Desviaciones patrones de cada variable

2

Se acuerdo con la expresin de propagacin de errores, resulta:

Y, calculando las derivadas parciales, resulta que:

2
dey

2
dey
= e21 + e2

Por analoga, se puede calcular la precisin con respecto al eje x::

Resultado igual a la ya obtenida para el eje y, entonces:

2
dex
= e21 + e2

2
2
2
de
= dey
= dex

Propagacin em el clculo de la tangente:

Z=

dey
, en la que por condiciones semejantes a las anteriores, resulta:
dex

Z2

Z 2 Z 2
de +
=
de
dex
dey

62 / 64

dey 2 dey 2
e
e1 +
=
ye
ye1

Gabriel Cremona Parma Teora y propagacin de errores

2
Pero, luego de calcular las respectivas derivadas, resulta: z

2
= de

d ex

2
d ey
+ 4
d ex

As, finalmente se obtiene la expresin de la precisin:

2
z2 = de

d e2
4
d ex

, siendo d e la distancia entre los pontos datos.

Propagacin en el clculo del ngulo del acimut entre los puntos datos

e = arctan Z

Formula de base

Variable

Desvo patrn de la variable

Segn ya se conoce:

2e

= e z2
z

Resulta finalmente:

Mas, reemplazando todas las expresiones anteriores, resulta:

2e

z2

(1 + z 2 )2

2e = e21 + e2

Con lo que se puede concluir que la precisin del ngulo calculado entre dos puntos con el eje X esta
relacionada directamente con la precisin de estos dos puntos.
Propagacin em el acimut del punto levantado

= e + p
e

Formula de base

Variables

e h

Desviaciones patrones de cada variable

De acuerdo con la ya conocida frmula de propagacin::

2

2 2
h
=
e +

Pero luego Del calculo de las derivadas parciales, resulta::

2 = 2e + h2 2 = e21 + e2 + h2

63 / 64

Gabriel Cremona Parma Teora y propagacin de errores

OBJETIVO 2: DEFINIR LA PRECISIN DEL PUNTO LEVANTADO

Por analogia con el modelo 1, resulta:

y2 = e2 + d2 cos 2 sen 2 + v2 d 2 sen 2 sen 2 + 2 d 2 cos 2 cos 2

x2 = e2 + d2 cos 2 cos 2 + v2 d 2 sen 2 cos 2 + 2 d 2 cos 2 sen 2

2p = 2 e2 + d2 cos 2 + v2 d 2 sen 2 + 2 d 2 cos 2

Pero si se reemplaza la expresin de por la recin deducida, resulta:

2p = 2 e2 + d2 cos 2 + v2 d 2 sen 2 + d 2 cos 2 e21 + e2 + h2

Expresin que luego del lgebra correspondiente y la igualacin de la precisin horizontal y vertical
de los ngulos medidos, resulta:

2p = 2 e2 + d2 cos 2 + a2 d 2 + d 2 cos 2 e21 + e2

Expresin semejante, a no ser por el ltimo trmino, a la deducida para el primer modelo. Este trmino
introduce en la expresin la influencia por el clculo del acimut a partir de dos puntos conocidos.
.-

64 / 64