1.

Aproximación y errores

1.1 Exactitud y precisión

1.2 Definición de error
1.3 Tipos de errores
1.4 Errores de redondeo y errores de truncamiento
1.5 Serie de Taylor
1.1 Exactitud y precisión

• La exactitud se refiere a qué tan cercano está el valor calculado o medido del
valor verdadero.

• La precisión se refiere a qué tan cercanos se encuentran, unos de otros,

diversos valores calculados o medidos.
Un ejemplo de puntería ilustra los
conceptos de exactitud y precisión.
a) Inexacto e impreciso
b) exacto e impreciso
c) inexacto y preciso
d) exacto y preciso.

La inexactitud (conocida
también como sesgo ) se define como una
desviación sistemática del valor verdadero.

La imprecisión (también llamada

incertidumbre ) se refiere a la magnitud
en la dispersión de los disparos.
1.2 Definición de error y
1.3 Tipos de errores

Suponga que 𝑝∗ es una aproximación a 𝑝.

• El error real es 𝐸 = 𝑝 − 𝑝∗ ,
• el error absoluto es 𝐸𝐴 = 𝑝 − 𝑝∗ ,
()(∗
• el error relativo es 𝐸𝑅 = , siempre y cuando 𝑝 ≠ 0 y
(
• el error relativo porcentual es 𝐸𝑅𝑃 = 𝐸𝑅 × 100
Ejemplo 1
Observación:

• Por lo general, interesa el 𝐸𝐴 y no el 𝐸𝑅.

• Pero cuando se manejan cantidades “muy grandes” o “muy pequeñas”, el error
absoluto puede ser engañoso, mientras que el error relativo es más
significativo en esos casos.
• Por ejemplo, si
𝑝 = 0.24 × 10)3 y 𝑝∗ = 0.12 × 10)3,
entonces:
Sin reparar en las cantidades que se
comparan, puede pensarse que el
𝐸𝐴 es muy pequeño y, lo más grave,
aceptar 𝑝∗ como una buena
aproximación a 𝑝.

Aquí se observa que la “aproximación”

es tan sólo la mitad del valor verdadero
y, por lo tanto, está muy lejos de ser
aceptable como aproximación a 𝑝.

Finalmente,
Otro ejemplo, pero ahora con cantidades muy grandes
Si

entonces
Si dejan de considerarse las cantidades en
cuestión, puede creerse que el 𝐸𝐴 es muy
grande y que se tiene una mala aproximación a 𝑝.

Aquí se advierte que el error es muy pequeño,

como en realidad ocurre.
 • El velocímetro y el odómetro de un automóvil
Cifras significativas: ejemplifican el concepto de cifras significativas.

• Las cifras significativas de un número son

aquellas que pueden utilizarse en forma
confiable. Se trata del número de dígitos que se
ofrecen con certeza, más uno estimado.

• Por convención al dígito

estimado se le da el valor de
la mitad de la escala menor
de división en el
instrumento de medición.

• El velocímetro da una lectura de 3 cifras significativas: 48.5

• El odómetro da una lectura de 7 cifras significativas: 87 324.45
Reglas para dígitos significativos (o cifras)
1. Cualquier dígito diferente de cero es significativo; 22 tiene 2 cifra significativas y
22.3 tiene 3 cifras significativas.
2. Los ceros ubicados entre dígitos distintos de cero son significativos; 4009 tiene 4
cifras significativas.
3. Los ceros a la izquierda del primer dígito diferente de cero no son significativos;
0.046 tiene dos cifras significativas.
4. Si un número es mayor que la unidad, todos los ceros escritos a la derecha del
punto decimal cuentan como cifras significativas; 8.200 tiene 4 cifras significativas.
5. Si un número es menor que la unidad, solamente los ceros que están al final del
número o entre dígitos diferentes de cero son significativos; 0.00460010 tiene 6
cifras significativas.
6. Para números sin punto decimal, los ceros que están después del último dígito
diferente de cero pueden ser o no significativos; Por ejemplo, en el número 8200,
no está claro si los ceros son significativos o no. El número de dígitos significativos
en 8200 es al menos dos, pero podrían ser tres o cuatro.
Para evitar la incertidumbre se usa notación científica para colocar ceros
significativos a la derecha de un punto decimal:

8.200 × 105 tiene cuatro dígitos significativos

8.20 × 105 tiene tres dígitos significativos
8.2 × 105 tiene dos dígitos significativos
Definición

Se dice que el número 𝑝∗ aproxima a 𝑝 con 𝑡 dígitos significativos (o cifras) si 𝑡

es el entero más grande no negativo, para el cual se cumple
Ejemplo 2
¿Con cuántas cifras significativas 𝑝∗ = 10.2 aproxima a 𝑝 = 10?
Solución

𝑝 − 𝑝∗
≤ 5 × 10):
𝑝

10 − 10.2
= 0.02 = 2×10);
10
Note que

5 × 10)5 < 2×10); ≤ 5 × 10);

Así, 10.2 aproxima a 10 con dos cifras significativas

Ejemplo 3 Supóngase que 𝑝 = 10. Para que 𝑝∗ aproxime a 𝑝 = 10 con dos cifras
significativas, usando la definición, 𝑝∗ debe cumplir con

𝑝 − 𝑝∗
≤ 5 × 10): −5 × 10)? ≤ 𝑝∗ − 10 ≤ 5 × 10)?
𝑝
10 − 𝑝∗
≤ 5 × 10); 10 − 5 × 10)? ≤ 𝑝∗ ≤ 5 × 10)? + 10
10

𝑝∗ − 10
≤ 5 × 10); 9.5 ≤ 𝑝 ∗ ≤ 10.5
10
Esto es, cualquier valor de 𝑝∗
𝑝∗ − 10 ≤ 5 × 10)?
en el intervalo 9.5, 10.5
cumple la condición.
En general, para 𝑡 dígitos significativos y 𝑝 > 0:

𝑝 − 𝑝∗ Si, por ejemplo, 𝑝 = 1000 y 𝑡 = 4

≤ 5 × 10):
𝑝
1000 − 5×1000 × 10)3 ≤ 𝑝 ∗ ≤ 1000 + 5×1000 × 10)3
𝑝∗ − 𝑝
≤ 5 × 10): 999.5 ≤ 𝑝∗ ≤ 1000.5
𝑝
𝑝∗ − 𝑝 ≤ 5𝑝 × 10):

−5𝑝 × 10): ≤ 𝑝∗ − 𝑝 ≤ 5𝑝 × 10):

𝑝 − 5𝑝 × 10): ≤ 𝑝∗ ≤ 𝑝 + 5𝑝 × 10):
1.4 Errores de redondeo y errores de truncamiento

Manejo de números en la computadora:

• Por razones prácticas, en una computadora sólo puede manejarse una
cantidad finita de bits para cada número; esta cantidad o longitud varía de una
máquina a otra.
• Para una computadora dada, el número de bits generalmente se llama palabra.
• Las palabras van desde 8 hasta 64 bits y, para facilitar su manejo, cada una se
divide en partes más cortas denominadas bytes;
• por ejemplo, una palabra de 32 bits puede dividirse en 4 bytes (8 bits cada
uno).
• Cada palabra, cualquiera que sea su longitud, almacena un número, aunque en
ciertas circunstancias se usan varias palabras para contener un número.
• Cuando se desea almacenar un número real se usa su representación binaria,
llamada de punto flotante:

donde 𝑑? = 1 y 𝑑C y 𝑑DE con 𝑖 = 2, … , 8 y 𝑗 = 1,2, … , 7 pueden ser ceros o

unos y se guarda en una palabra (en este caso de 16 bits), como se muestra en
la diapositiva siguiente.

• El primer bit se usa para guardar el signo del número (un cero es un signo más
y un uno es un signo menos). En los bits del uno al siete se almacena el
exponente de la base 2 y en los ocho restantes la fracción.
• El exponente es un número binario de seis dígitos, ya que el bit uno se emplea
para su signo. En algunas computadoras el exponente se almacena en base
ocho (octal) o base 16 (hexadecimal), en lugar de base 2.
• La fracción es llamada mantisa y el exponente característica.
• Esquema de una palabra de 16 bits para un número entero:

• Esquema de una palabra de 16 bits para un número de punto flotante:

• El número mayor que puede guardarse en una palabra de 16 bits, usando la
notación de punto flotante, es

• y los números que se pueden guardar en punto flotante binario van de

alrededor de 2)J3 a cerca de 2J5 ; en decimal, de 10)?K a cerca de 10?L en
magnitud (incluyendo números positivos, negativos y el cero).
• Nótese que primero se normaliza el número (en el ejemplo siguiente se ilustra
la normalización), después se almacenan los primeros ocho bits y se truncan
los restantes.
Ejemplo 4
Errores de redondeo
• Como no es posible guardar un número binario de longitud infinita o un
número de más dígitos de los que posee la mantisa de la computadora que se
está empleando, se almacena sólo un número finito de estos dígitos;
• la consecuencia es que se comete automáticamente un pequeño error,
conocido como error de redondeo, que al repetirse muchas veces puede llegar
a ser considerable.
• Por ejemplo, si se desea guardar la fracción decimal 0.0001, que en binario es
la fracción infinita
0.000000000000011010001101101110001011101011000...
quedaría, después de normalizarse, almacenada en una palabra de 16 bits como

• Si se desea sumar el número 0.0001 con él mismo diez mil veces, usando una
computadora, naturalmente que no se esperará obtener 1 como resultado, ya
que los números que se adicionen no serían realmente 0.0001, sino valores
aproximados a él (véase el problema siguiente).
Problema
Errores de truncamiento
• Los errores de truncamiento son aquellos que resultan al usar una
aproximación en lugar de un procedimiento matemático exacto.
Ejemplo 5

, 𝜉 en (𝑥S ,𝑥? )

W
ℎ
M 𝑓 𝑥 𝑑𝑥 ≈ [𝑓 𝑥S + 𝑓(𝑥? )]
X 2

YZ YZ
Error de truncamiento = 𝑓′′(𝜉) ≈ 𝑓′′(𝑥?)
?; ?;
1.5 Serie de Taylor
Teorema de Taylor Si la función 𝑓 y sus primeras 𝑛 + 1 derivadas son continuas
en un intervalo que contiene 𝑎 y 𝑥, entonces existe un número 𝜉 entre 𝑎 y 𝑥, y
el valor de la función en 𝑥 está dado por
𝑓 𝑥 = 𝑃] (𝑥) + 𝑅] (𝑥)
donde
𝑓′′(𝑎) 𝑓 (5) (𝑎) 𝑓 ] 𝑎
𝑃] (𝑥) = 𝑓 𝑎 + 𝑓 E 𝑎 𝑥 − 𝑎 + (𝑥 − 𝑎); + (𝑥 − 𝑎) 5 + ⋯ + 𝑥−𝑎 ]
2! 3! 𝑛!
y
o

Aquí 𝑃] = 𝑃] (𝑥) es llamado el 𝒏-ésimo polinomio de Taylor para 𝑓 alrededor

de 𝑎 y 𝑅] 𝑥 recibe el nombre de residuo (o error de truncamiento)
relacionado con 𝑃] (𝑥).
• La serie infinita obtenida al tomar el límite de 𝑃] (𝑥) conforme 𝑛 → ∞ recibe el
nombre de serie de Taylor para 𝑓 alrededor de 𝑥S.
• En caso de que 𝑥S = 0 entonces al polinomio de Taylor se le llama polinomio
de Maclaurin y
• a la serie de Taylor se le llama serie de Maclaurin.

• En esencia, el teorema establece que cualquier función suave puede

aproximarse mediante un polinomio.
Ejemplo 6 Si 𝑓 𝑥 = cos 𝑥 y 𝑥S = 0, determine el segundo polinomio de Taylor
para 𝑓 alrededor de 𝑥S.
Por lo tanto, la aproximación para cos 0.01 provista por el polinomio de Taylor
es 0.99995.

El error de truncamiento, o término restante, relacionado con esta

aproximación es