UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE INGENIERÍA MECÁNICA

LICENCIATURA EN INGENIERÍA MECÁNICA
LABORATORIO DE MÉTODOS NUMÉRICOS

INFORME #2
ERRORES POR TRUNCAMIENTO Y REDONDEO

INTEGRANTES:
FERRUFINO, MIRCALA
GOMEZ, JESUS
ELIAS GUMBS

INSTRUCTOR:
DANIEL GONZALEZ

MATERIA:
METODOS NUMERICOS

GRUPO:
1MI-122/A

FECHA DE ENTREGA:
LUNES, 30 DE SEPTIEMBRE DEL 2019
 INTRODUCCION
En este trabajo podemos observar el tipo de error de redondeo el cual tiene la diferencia
entre aproximar el calculo de un numero y su valor matemático exacto debido al redondear,
unos de los objetivos del análisis numérico es estimar errores en los cálculos, incluyendo el
error de redondeo.

En cuanto a ecuaciones o algoritmos de aproximación, especialmente cuando utilizamos

números finitos. El truncamiento son términos para reducir los números a la derecha
separados por un decimal debemos de considerar que solo es de 4 digitos decimales a la
derecha. Sin embargo para los números negativos, el truncamiento no se redondea en la
misma dirección que la función anterior.

Objetivos
 Entender sobre las fuentes de error en algorítmos numéricos.
 Aprender a usar Scilab para programar, graficar y realizar exploraciones numéricas.
 MARCO TEORICO
Los errores de truncamiento son aquellos que resultan al usar una aproximación en lugar de
un procedimiento matemático exacto. Estos tipos de errores son evaluados con una
formulación matemática: la serie de Taylor. Taylor es una formulación para predecir el valor
de la función en Xi+1 en términos de la función y de sus derivadas en una vecindad del punto
Xi. Siendo el termino final:
Rn= ((ƒ(n+1) (ξ))/(n+1)!)hn+1
En general, la expansión en serie de Taylor de n-ésimo orden es exacta para un polinomio
de n-ésimo orden. Para otras funciones continuas diferenciables, como las exponenciales o
senoidales, no se obtiene una estimación exacta mediante un numero finito de términos. Cada
una de los términos adicionales contribuye al mejoramiento de la aproximación, aunque sea
un poco.
Los errores de redondeo se deben a que las computadoras solo guardan un numero finito de
cifras significativas durante un cálculo. Las computadoras realizan esta función de maneras
diferentes; esta técnica de retener solo los primeros siete términos se llamó “truncamiento”
en el ambiente de computación. De preferencia se llamará de corte, para distinguirlo de los
errores de truncamiento.
Un corte ignóralos términos restantes de la representación decimal completa. La mayor parte
de las computadoras tienen entre 7 y 14 cifras significativas, los errores de redondeo
parecerían no ser muy importantes. Sin embargo, hay dos razones del por qué pueden resultar
críticos en algunos métodos numéricos:
1) Ciertos métodos requieren cantidades extremadamente grandes para obtener una
respuesta. Además, estos cálculos a menudo dependen entre sí, es decir, los cálculos
posteriores son dependientes de los anteriores. En consecuencia, aunque un error de redondeo
individual puede ser muy pequeño, el efecto de acumulación en el transcurso de la gran
cantidad de cálculos puede ser significativo.
2) El efecto de redondeo puede ser exagerado cuando se llevan a cabo operaciones
algebraicas que emplean números muy pequeños y muy grandes al mismo tiempo. Ya que
este caso se presenta en muchos métodos numéricos, el error de redondeo puede resultar de
mucha importancia.
 PROCEDIMIENTO Y RESULTADOS
Paso 1 Escriba la siguiente rutina para calcular la función exponencial. Guardela en un
archivo llamado miexp.sci.

Paso 2 En Scilab, cargue la función (use F5) y asegurese que no hay errores de sintaxis.
Ejecute la instrucción format(25) lo que hará que Scilab imprima los resultados con todas las
cifras disponibles. Pruebe la rutina con x = 5 y err_max = 1D-4 comparela con la función
exp(x) definida en Scilab.
Paso 3 Ahora llame a la función con valores de error permitido cada vez más pequeños: 1D-
6,1D-8,1D-10, etc. Compare con el resultado dado por Scilab. Fíjese como nuestra respuesta
se va acercado más al resultado dado por Scilab.
Paso 4 Ahora, utilice un error de 1D-6 y vaya aumentando x a valores 10, 20, 50. Fíjese como
el número de iteraciones va aumentando, revise los términos también.
Pruebe su programa con el mismo error pero ahora con x = −5. Repita ahora con x = −50. Compare
con la función de Scilab... ¿Qué pasó aquí?

En un análisis -5 las variaciones fueron minimas y el -50 fueron mas y aumento su resultado.
Paso 6 Ahora defina un vector v con valores de 0 a 5 incrementando en .1: v = 0:.1:5; y
calcule exp(v). Compare con miexp(v,0.0001). ¿Qué pasó? Trate de arreglar miexp() para
evitar el problema. Empiece por comentar o eliminar la línea que imprime resultados (la línea
41 y 42). No la necesitaremos ya que era principalmente para ver que estaba haciendo el
programa.
Paso 7 Escriba el siguiente guión o “script” en un archivo llamado compara.sci. Córralo y
observe las gráficas. Estudie como se obtuvieron las gráficas.
En el paso anterior se modificó la función miexp() para que funcionara con argumentos
vectoriales como la función exp() de Scilab. ¿Porqué no usamos esa modificación para
simplemente usar correr el vector en una sola operación?
Puede resultar interesante observar cómo se "vectoriza" el cálculo de
esta función:
1. La orden y=ones(x) crea un vector de unos, con las mismas dimensiones que x : así y será
fila o columna (u otra matriz) según lo sea x
2. La operación de comparación x>=0 produce un vector booleano de las mismas
dimensiones que x. Así, y(x>=0) extrae de y sólo aquellas componentes tales que la
correspondiente componente del vector x es mayor o igual que cero.
Otra posibilidad, obviamente, es dar valor a las componentes de y/a una, utilizando un bucle.
Pero esta opción llevaría bastante más tiempo de cálculo.
 CONCLUSION
Con el desarrollo de este informe podemos concluir que el error de truncamiento sucede
cuando reducimos el número de dígitos a la derecha del separador decimal, descartando los
menos significativos. El error de truncamiento puede ser hasta el doble del error máximo que
se puede tener usando redondeo.
El error del programa realizado en la experiencia de laboratorio, hace asumiendo que cada
iteración mejora el estimado de la respuesta, de manera que la última iteración se toma como
el valor real o verdadero haciendo de ella un error aproximado que va mejorando a medida
que pedimos más precisión ósea menor error y esto aumenta el número de iteraciones.
JESUS GOMEZ
Con la finalización del informe se obtuvo un manejo adecuado de las funciones de Scilab en
el desarrollo de programas que cumplieran de forma matemática el desarrollo de funciones y
a su vez estimando el resultado obtenido por el programa con el obtenido por medio de la
función de manera directa.
Se pudo observar cómo al momento de buscar disminuir el error se realizaban más
interacciones en busca de la respuesta más cercana al valor real.
ELIAS GUMBS

Los errores numéricos se generan con el uso de aproximaciones para representar las
operaciones y cantidades matemáticas. Estos incluyen de truncamiento que resultan de
representar aproximadamente un procedimiento matemático exacto, y los errores de
redondeo, que resultan de presentar aproximadamente números exactos.
Además, pasando a la parte práctica, su estudio nos puede ayudar a modificar, entender e
incluso simplificar algún tipo de software que manejemos, las aplicaciones de los métodos
numéricos son muy variadas y necesarias lo cual nos hace ver los resultados precisos y que
pueden variar según las iteraciones que le demos.

MIRCALA FERRUFINO
 BIBLIOGRAFIA
Libro De Metodos Numericos Para Ingenieros (7ª Ed.), Steven C. Chapra, Raymond P.
Canale
Guia De Laboratorio Métodos Numéricos Errores Por Truncamiento Y Redondeo Dr.
Victor Sánchez Urrutia.