C AT E D R A 0 3

Capitulo I I I
Aproximación Numérica y
Errores
 DEFINICIONES

COMPUTACION NUMERICA

Significa “Calcular con Números”

APROXIMACIÓN NUMÉRICA Y ERRORES
Aproximación numérica
 Modelo matemático

Representación de la realidad

•Simbólico
•Icónico
•Analítico/Matemático
•Simulación
Errores
Errores humano
s
• Lectura

• Transmisión

• Transcripción

• Programación
 Errores inherentes

Errores de redondeo

• Truncado 1.666
• Simétrico 1.667
 Errores por truncamiento

Serie de Taylor

Propagación de errores
• Gráficas de proceso
Números enteros

Números reales
APROXIMACIÓN NUMÉRICA Y
ERRORES
Aproximaciones y errores de
redondeo
Dos errores más comunes en computación numérica:
Errores de redondeo:

Se deben a que la computadora sólo puede presentar

cantidades con un número finito de dígitos

Errores de truncamiento:
Representan la diferencia entre una formulación
matemática exacta de un problema y la aproximación
dada por un método numérico
Aproximaciones y errores de
redondeo
Cifras significativas

• El concepto de cifra significativa se ha desarrollado

para designar formalmente la confiabilidad de un valor
numérico

• Las cifras significativas de un número son aquellas

que pueden ser usadas en forma confiable
Aproximaciones y errores de
redondeo
Implicaciones de las cifras significativas en los métodos numéricos

1. Los métodos numéricos obtienen resultados aproximados

• Se debe desarrollar criterios para especificar que tan precisos son los
resultados
• Una manera de hacerlo es en términos de cifras significativas

2. Ciertas cantidades representan números específicos, , e, √7, pero no

se pueden expresar exactamente con un número finito de dígitos
Ejemplo,  = 3.141592653589793238462643… hasta el infinito
• En las computadoras tales números jamás se podrán representar en forma
exacta
• A la omisión del resto de cifras significativas se le conoce como error de
redondeo
 Exactitud y precisión
EXACTITUD: se refiere a qué tan cercano está un valor calculado o medido
del valor verdadero

PRECISIÓN: se refiere a qué tan cercano está un valor individual calculado o

medido con respecto a otros

INEXACTITUD: o sesgo, se define como un alejamiento sistemático de la

verdad

IMPRECISIÓN: o incertidumbre, se refiere a la magnitud del esparcimiento de

los valores
Exactitud y precisión

Aumenta la exactitud Los métodos numéricos deber

ser:
• Lo suficientemente exactos
Aumenta la precisión

o sin sesgo para que

cumplan con los requisitos
de un problema particular
de ingeniería

• Lo suficientemente precisos
para el diseño en ingeniería
 Definiciones de error
• Los errores numéricos se generan con el uso de
aproximaciones para representar las operaciones y
cantidades matemáticas

• Estos incluyen:

• Errores de redondeo: se producen cuando los números

tienen un limite de cifras significativas que se usan
para representar números exactos

• Errores de truncamiento: que resultan de representar

aproximadamente un procedimiento matemático
exacto
 Definiciones de error
• Error verdadero
Et = valor verdadero - aproximación
Un defecto de esta definición es que no toma en cuenta el orden de magnitud del va
lor que se esta probando.

• Error relativo porcentual Et

t = 100%
valor verdadero
• Error aproximado

Error aproximado Aproximación actual - Aproximación anterior

a = 100% a = 100%
valor aproximado Aproximación actual

• Los signos de las ecuaciones pueden ser positivos o negativos

• No importa el signo, sino que su valor absoluto sea menor que una tolerancia
prefijada s
a  s
 Definiciones de error
• Estos errores pueden ser relacionados con el número de
cifras significativas en la aproximación

• Puede tenerse la seguridad de que el resultado es

correcto en al menos n cifras significativas, si

 s = (0.5 102−n )%

• De esta forma se debe especificar el valor del error

esperado
 Representación de punto flotante
y errores de redondeo
1. Hay un rango limitado para representar cantidades
• Hay números grandes positivos y negativos que no pueden ser
representados (overflow)
• No pueden representarse números muy pequeños (underflow)
2. Hay sólo un número finito de cantidades que puede ser
representado dentro de un rango
• El grado de precisión es limitado
• Para aquellos que no pueden ser representados exactamente, la
aproximación real se puede lograr: cortando o redondeando
3. El intervalo entre números aumenta tanto como los números
crecen en magnitud
• El error cuantificable más grande ocurrirá para aquellos valores que
caigan justo debajo del limite superior de la primera serie de
intervalos igualmente espaciados
 TEORÍA DE ERRORES
Error Absoluto

a = x−x
~

Error Relativo
~
x−x
r = x0
x
Corrección
x = ~x   a
Ejemplo
 Definiciones
• Número de cifras decimales:
cantidad de cifras luego del punto o coma decimal

• Número de dígitos:
cantidad de cifras a la derecha del primer número
distinto de cero
• Ejemplo
0.00147 (3 dígitos – 5 decimales)

• Notación de punto flotante

0.147 10−2
a = m 10q qZ 0.1  m  1
 Ejemplo
• ERROR absoluto Nro de decimales correctos
• ERROR relativo Nro de cifras significativas correctas

x = 0.001234  0.000006
x  0.001228 , 0.001240 
 a = 0.6 10 −5  0.5 10 − 4 4D

0.000006
r = = 4.86 10−3  0.5 10−2 2S
0.001234
 Redondeo
• Si la cifra en primer lugar a descartar es menor
que 5, dejar la última cifra como está.

• Si la cifra en primer lugar a descartar es mayor

que 5,sumarle 1 a la última cifra.

• Si la cifra en primer lugar a descartar es igual a

5, es indistinto

1.4142 → 1.414 ( = 0.0002)

1.4142 → 1.415 ( = 0.0008)
 Problemas numéricos?
Overflow / Underflow:
• Comunicación: sistema decimal
• Almacenamiento: sistema binario
• Set de números: set infinito
• Rangos limitados: Los dispositivos digitales usan
una cadena de bits (palabra)
para almacenar un número
 Aritmética de punto flotante
1
x= f  e
f = 0.x1 x2 x3 x1  0  f 1
Palabra de longitud finita 
Exponente: overflow/underflow
Fracción: errores de redondeo
El conjunto de números reales es infinito. Entonces,
No es posible representar TODOS los números con una
sola palabra.
• Overflow:
• mensaje de error (infinito)
• Si la corrida continúa, se propaga el error
• Underflow:
• El numero tiende a cero
• La corrida continúa
Limitaciones típicas
Precisión Tamaño Número de Rango del
de cifras signifi- exponente
palabra cativas
Simple 32 bits 7 10-38- 1038

Doble 64 bits 15 10-307- 10307

Quad 128 bits

 Epsilon machine
• Es característico de la aritmética de cada máquina
en cuestión
• Depende del tamaño de palabra, la base, tipo de
redondeo
• Valores típicos:

Precisión Computadora Calculadora

Simple 10-8 10-10

Doble 10-16 10-12

Ejemplo
c = a +b 2 2

a = 1030 b =1

s = maxa , b 
2 2
a b
c=s 2 + 2
s s
2
 1 
c = 10 30
1 +  30  = 10
2 30

 10 
 Comparación entre errores de
redondeo y de truncado
• Si se suman números positivos con redondeo, los
errores de redondeo serán positivos o negativos
al azar y tenderán a cancelarse
• Si se suman números positivos con truncado, los
errores de truncado siempre van en la misma
dirección y se refuerzan entre sí.
• Se prefiere ARITMETICA CON REDONDEO
Redondeo Truncado
1374 . 8 = 1375 − 0 .2 = 1374 + 0 .8
+
3856. 4 = 3856 + 0 . 4 = 3856 + 0 .4
− − − − − − − − − − − − − − − − − − − −
5231 . 2 = 5231 + 0 . 2 = 5230 + 1 .2
 Análisis de error en punto flotante
y = 6.10(3.52 + 0.116) / 1.01
y = 6.10(3.52 + 0.116) /1.01
Cálculo exacto
Cálculo exacto
y = 6.10(3.636)/1.01 = 22.1796/1.01 = 21.96
y = 6.10(3.636)/1.01 = 22.1796/1.01 = 21.96
0.352 101
+ 0.364 101
0.0116 101 X
------------------ 0.61 101
0.3636 101 → 0.364 101 ------------------
0.22204 102 → 0.222 102

0.222 10 2
1
= 2.198 101 → 0.220 102 = fl ( y)
0.101 10
 CUALIDADES DE LOS APARATOS DE
MEDIDA
RESOLUCIÓN: Es la mínima división de la escala del
aparato
Ejemplos: 1 mm en una regla milimetrada;

SENSIBILIDAD: Es el número de divisiones de la escala

que recorre el indicador del aparato cuando la
magnitud a medir varía en una unidad.
–1
Ejemplos.: 1 mm en la regla milimetrada.

Umbral de sensibilidad:
variación mínima de la magnitud que no es apreciada por el
aparato (evidentemente es menor que la resolución)
PRECISIÓN y EXACTITUD
PRECISIÓN: es la característica que más
completamente indica el error de la medida
debido intrínsicamente al aparato, es decir, que no
puede rebajarse salvo que midamos con un
aparato más preciso
Hay otros errores que afectan circunstancialmente a un aparato,
pero que pueden corregirse mediante calibrado, es decir,
ajustándolos para que den medidas correctas o corrigiendo sus
escalas tras una confrontación con un patrón o un aparato más
preciso. Debido a esta circunstancia, es necesario definir otra
cualidad.
EXACTITUD: Es la cualidad de un aparato que
indica que es preciso y está bien calibrado. Sólo
un aparato exacto permite medidas exactas,
pero la exactitud está siempre limitada por la
precisión del aparato.
 CIFRAS SIGNIFICATIVAS
• El número de cifras significativas de
una medida es el número de dígitos
fiables que dicha medida contiene.
x 10 6
t= = = 3.3333333333 s ?
c 3 10 5

• Los ceros a la izquierda no son significativos

indican la colocación del punto decimal; así,
0.000345 tiene TRES cifras significativas.
• Los ceros a la derecha y después del punto
decimal si son significativos; como ejemplo,
3.4120 tiene CINCO cifras significativas.
• En números enteros terminados en ceros,
éstos pueden ser significativos o no; debe
distinguirse si sólo sirven para localizar el
punto decimal o son parte de la medida.
 Estabilidad
• Algoritmo: método computacional bien definido para resolver
una dada clase de problemas.

• Condicionamiento: mide con cuánta exactitud es posible

resolver un problema empleando una dada precisión en
punto flotante, independientemente del algoritmo que se
emplea.

• Estabilidad: mide cuan bien un algoritmo resuelve un

problema tratando de lograr la máxima exactitud asequible,
la cual está definida por el condicionamiento del problema.

• Los algoritmos que brindan respuestas innecesariamente

inexactos se denominan inestables.

• Un proceso numérico es inestable si errores pequeños que

surgen en una etapa del proceso se magnifican en etapa
posteriores, degradando la exactitud del resultado final
ERRORES EN MEDIDAS DIRECTAS
Las medidas directas son las realizadas midiendo una magnitud
física por medio de un instrumento y un procedimiento de medida.
Las medidas indirectas son las que se obtienen a través de la
medida directa de otra u otras magnitudes relacionadas con ella
mediante una fórmula conocida.
Error en una medida directa:

En cada medida directa x se comete el error Dx que impone la

resolución del aparato.
Este es el error absoluto de cada medida. La medida se expresa
como x  x
Por ejemplo: midiendo una longitud de 22 mm con una regla milimetrada,
cometemos un error de 1 mm. Esto debe expresarse como (221) mm.

Criterio general para expresar el error absoluto:

Ya que el error representa la incertidumbre en el conocimiento de

la medida, en general debe expresarse con UNA sola cifra
significativa.
 ERRORES EN MEDIDAS DIRECTAS

• Error absoluto: • Error relativo: x

sensibilidad x precisión x
Determinación del error absoluto:
comparamos el error debido a la sensibilidad
con el error cuadrático medio. Se toma la mayor
de ambas cantidades. Se expresa con una sola
cifra significativa, salvo si esta es 1, en cuyo
caso se admiten dos cifras significativas.

Determinación del error relativo:

cociente entre el error absoluto y el valor aceptado.
Se expresa en tanto por uno o tanto por ciento.
 ERRORES EN MEDIDAS DIRECTAS

Cuando sólo se presentan errores accidentales el

mejor valor representativo del valor verdadero es
el valor medio
1 1 N
x = ( x1 + x2 + ...) =  xi
N N i =1
• Error del aparato • Serie de medidas: Error
cuadrático medio
Resolución
x = N
N  i
( x − x) 2
i =1
x =
N (N −1)
 ERRORES EN MEDIDAS DIRECTAS
Medida resultante de un conjunto de medidas directas

x1 x1 1 1 N
Valor aceptado: media aritmética x = ( x1 + x2 + ... + xN ) =  xi
x2 x2 N N i =1

x3 x3 Error absoluto de la serie: la mayor de las dos cantidades

… …
siguientes:

1 N
xN xN * El error estándar de los datos =  ( xi − x)2
N i=1

* El valor cuadrático medio de los errores (RMS) 1

(x1 )2 + (x2 )2 ... +
x RMS = N)
2
N
(x
El error absoluto del conjunto será la mayor x = MAX ( , xRMS )
de las dos cantidades
xRMS = 5 10 −3 s
Ti (s) Ti (Ti-T)2 Ti2
1,92 0,01 4,00E-04 1,00E-04
Ejemplo:
medida del periodo 1,94 0,01 4,93E-32 1,00E-04  = 4 10−3 s
de un péndulo simple 1,96 0,01 4,00E-04 1,00E-04
1,95 0,01 1,00E-04 1,00E-04 T = 1.940  0.005 s
1,94 0,01 4,93E-32 1,00E-04
1,93 0,01 1,00E-04 1,00E-04
T = 1.94 s
 ERRORES EN MEDIDAS INDIRECTAS
• La medida indirecta de una magnitud x se determina a través de
la medida de otras con las que mantiene una relación funcional
x = x(x1, x2 ,...x N )

Ley de propagación del error de Gauss

2 2 2
 x   x   x 
x =  x1  +  x2  ... +  xN 
 x1   x2   xN 
La ley de propagación de Gauss nos da el valor medio del error
absoluto de la magnitud medida en forma indirecta a partir de los
errores absolutos x1, x2,…
Ejemplo: cálculo de la energía cinética de un cuerpo de masa M = (2.140.04) kg que
se mueve con una velocidad constante v = (4.50.1) m/s.
1
Ec = Mv 2 = 21.6675 J (Sin ajustar d ecimales)
2
2 2
 Ec
2
 Ec 
2
 v2   4.52 
Ec =  M  +     =   + 2.14  4.5  0.1 = 1.088 J
2
v =  M + Mvv 2 0.04
 M   v   2   2 

Expresamos el error con 2 cifras significativas al ser la primera un 1 Ec = 1.1 J

Ec = (21.7 1.1)J
Ajustamos el resultado al mismo orden decimal que el error:
 ERRORES EN MEDIDAS INDIRECTAS
Valor máximo del error en medidas indirectas
Si supusiéramos que de todas las variables que intervienen en la magnitud
x sólo una de ellas, xi, influye en el error x por haber sido todas las demás
medidas sin error alguno, la ley de propagación del error nos daría:
2
 x  x

x =  xi  = xi
x
 i  xi
Pero realmente no hay ninguna variable que sea medida sin error, por lo
que podemos considerar que el error máximo en la medida indirecta será la
suma de una serie de términos de error individual de la forma expresada en
la ecuación anterior:
x x x
x = x1 + x2 + ... + xN
x1 x2 x N
Salvo que se indique expresamente lo contrario, debe preferirse expresar los
resultados de las medidas acompañados de su error máximo, dado por la
ecuación inmediata anterior en lugar del error medio dado por la fórmula de
Gauss.
Ec = (21.7 1.5)J
El anterior ejemplo de la energía cinética, si se usa el error máximo, da como resultado
(compruébese)
 ERRORES EN MEDIDAS INDIRECTAS
Caso particular que se presenta con frecuencia:

• La función consta exclusivamente de productos y/o cocientes

x = x1a  x2b ...  xNn

Derivadas x x x x x x
= a = b = n
parciales x1 x1 x2 x2 xN xN

Error máximo (expresado como error relativo, es decir, como

cociente entre el error y la magnitud)

x x x x
= a 1 + b 2 + ... + n N
x x1 x2 xN

Ejemplo: error cometido en el cálculo de una fuerza centrípeta

v2 F M v R
F =M = +2 +
R F M v R
 ERRORES EN MEDIDAS INDIRECTAS
Cálculo del error en la media empleando la ley de propagación de Gauss
Consideramos x1, x2,... xN (las N medidas realizadas de
una magnitud, cada una afectada de un error 1 N
individual x1, x2,...xN), como medidas directas a x=  xi
N i=1
partir de las cuales se obtendrá la media como
medida indirecta, siendo la relación funcional entre
ellas x xi
Obsérvese que =
xi N
2 2 2
 x   x   x 
Valor medio del error: x =  x1  +  x2  ... +  xN 
x
 1  x
 2  x
 N 

1  1
2

2
1  1
2
1 (Δx1 )2 + (Δx2 )2 + ... + (ΔxN =
ΔxRMS
Δx =  Δx1  +  Δx2  + ... +  ΔxN  = (Δx1 )2 + (Δx2 )2 ... + (ΔxN 2) =
N  N  N  N N )2 N N

Valor máximo del error:

x x x
xN = (x1 + x2 + ... + xN )
1
x = x1 + x2 + ... +
x1 x2 x N N
 ERRORES EN MEDIDAS INDIRECTAS
• Magnitud x que se determina a través de la med
ida de otras con las que mantiene una relación
f uncional
x = x( x1, x2 ,...x N )
Ley de propagación del error de Gauss
2 2 2
 x   x   x 
x =  x1  +  x 2  ... +  x N 
 x1   x 2   x N 
• La ley de propagación de Gauss nos da el valor medio del
error absoluto de la magnitud medida en forma indirecta

El error máximo cometido se puede determinar sumando

los valores absolutos de los errores individuales
 VALOR MÁXIMO ERROR (INDIRECTAS)

• Si supusiéramos que cada variable xi es la

única que influye en el error
2
 x  x
x =  xi  = xi
 xi  xi
El error máximo en la medida indirecta será la
suma de los términos de error individual

x x x
x Máximo = x1 + x 2 + ... + x N
x1 x2 x N
 CASO PARTICULAR 1: productos
• La función consta exclusivamente de productos
y/o cocientes
x= x1 
a
x 2 ...
b n
xN
Derivadas parciales
x x x x x x
= a = b = n
x1 x1 x2 x2 x N xN

Error máximo (expresado como error relativo)

x x1 x2 x N
=a +b + ... + n
x x1 x2 xN
 CASO PARTICULAR 1: productos

• Fórmula de los logaritmos neperianos

Ln x = a  Ln x1 + b  Ln x2 + ... + n  Ln x N

dx dx1 dx2 dx N
=a + b  + ... + n 
x x1 x2 xN

x x x x
= a 1 + b 2 + ... + n N
x x1 x2 xN
 CASO PARTICULAR 2: error en la media

• Cálculo del error en la media empleando la ley

de propagación de Gauss.

Consideramos x1, x2,... xN (las N medidas realizadas de

una magnitud, cada una afectada con error individual
x1, x2,...xN), como medidas directas a partir de las
cuales se obtendrá la media como medida indirecta,
siendo la relación funcional entre ellas
1 N
x =  xi
N i =1
 CASO PARTICULAR 2: error en la media

• Propagación de Gauss: valor medio del error

2 2 2
 1  +  1 
x =  x1   x 2  + +  1
x 
...  N  =
N  N  N 

=
1
(x1 )2 + (x2 )2 ... + (xN )2 =
N
1 (x1 )2 + (x2 )2 + ... + (x N )2 x RMS
= =
N N N

xMC → Media cuadrática

 CASO PARTICULAR 2: error en la media

• Propagación de Gauss: valor máximo del error

x x x
x máx = x1 + x 2 + ... + x N =
x1 x2 x N

= (x1 + x2 + ... + x N )

1
N
Error máximo: igual al promedio de los errores
 MÉTODO DE MÍNIMOS CUADRADOS

X
 MÉTODO DE MÍNIMOS CUADRADOS

Ajuste lineal

Y
y = b + mx N N
( xi , yi )
aN + b  xi =  yi
yi − b − mxi
i=1 i=1

N N N 2 N
S =  ( yi − b − mxi ) 2
i =1 a  xi + b  xi =  xi yi
i=1 i=1 i=1
X

CRITERIO: Minimizar S
Sistema de ecuaciones a resolver
S S
=0 =0
m b
 MÉTODO DE MÍNIMOS CUADRADOS

xy −N xy 2
b =   2−  
x xy y x
m=
( x)2 − N  x2 ( x) − N  x2

DESVIACIONES (ERRORES EN LOS DATOS)

 x y
x = y =   =  2y + m2 2x
N N

N 2  2  x2
m = b =
N  x − ( x)
2 2 N  x 2 − ( x)2

Coeficiente de correlación

x  y
 xy −
r= N r 1 r 1
  
  x 2 − ( x )2   y 2 − ( y )2 
1 1
 N  N 
Carguío de SCOOP Línea de pendiente

Estimación lineal