Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Las aproximaciones tienen un interés especial cuando se trabaja con número muy
grandes o muy próximos a 0. En este caso utilizaremos una notación especial
denominada “Notación Científica”, llamada así porque es en el ámbito de la
ciencia donde mas suele utilizarse.
Los ceros no siempre son cifras significativas: normalmente sirven para ubicar punto decimal
La incertidumbre se puede eliminar utilizando la notación científica: 4.53 × 𝟏𝟎𝟒 ,
4.530 × 𝟏𝟎𝟒 , 4.5300 × 𝟏𝟎𝟒 muestran, respectivamente, que el número tiene tres,
87324,45 km/h
cuatro y cinco cifras significativas.
Aproximaciones y errores de redondeo
Cifras significativas
MATLAB
Todos los cálculos dentro de MATLAB son realizados usando doble precisión. La forma de aparición del
punto flotante es controlada por el formato en uso. La siguiente tabla muestra el valor de 10 en 7
formatos diferentes:
format short 31.4159 Muestra 4 cifras decimales
format short e 3.1416e+001 Muestra 4 cifras decimales
format long 31.41592653589793 Muestra 14 cifras decimales
format long e 3.141592653589793e+001 Muestra 15 cifras decimales
format hex 403f6a7a2955385e
format rat 3550/113
format bank 31.42 Muestra 2 cifras decimales
>> pi >> format bank
ans = >> pi
3.1416 ans =
3.14
2) Si la cifra eliminada es mayor que 5 se aumenta en una unidad la última cifra retenida. Si
redondeamos 3,678 a tres cifras significativas quedaría 3,68
3) Si la cifra eliminada es 5 se toma como última cifra el número más próximo; es decir, si la cifra
retenida es par se deja, y si es impar se toma la cifra superior: para redondear 3,675, según
la regla debemos dejar 3,68
Las dos primeras reglas son de sentido común. La tercera es un convenio razonable porque, si se sigue
siempre, la mitad de las veces redondeamos por defecto y la otra mitad por exceso.
Aproximaciones y errores de redondeo
Operaciones - Cifras significativas
Suma: La suma de dos o más medidas no debe ser más precisa que la menos precisa de
las medidas.
Ejemplo: Se tienen que sumar las siguientes medidas: 2,361 m; 8,16 m 3,1 m. Matemáticamente
hablando, podríamos sumarlas de la siguiente manera,
NO ES CORRECTO No podemos asumir que en la
medida 8,16m la cifra de las milésimas sea un cero,
pues en la realidad no lo sabemos
13,6 m
Aproximaciones y errores de redondeo
Operaciones - Cifras significativas
Resta: La diferencia de dos medidas no debe ser más precisa que la menos precisa de
las mismas. Ejemplo: Dadas las siguientes medidas 56,38 cm y 5,2 cm, encontrar su diferencia.
Producto: El producto de dos o más medidas no debe tener más cifras significativas que
la medida que tiene el menor número de ellas. Ejemplo: Calcular la superficie de una pieza
rectangular de 4,34 m de largo por 1,2 m de ancho.
Aproximaciones y errores de redondeo
Operaciones - Cifras significativas
Cociente: El cociente de dos medidas no debe tener más cifras significativas que la
medida que tiene el menor número de ellas. Ejemplo: Determinar la rapidez media de un
móvil que recorre 8,825 m en 2,31 s.
• La exactitud se refiere a qué tan cercano está el valor Inexacto e Impreciso Exacto e Impreciso
calculado o medido del valor verdadero.
Para ambos tipos de errores, la relación entre el resultado exacto, y el aproximado esta dado por:
Para tomar en cuenta el orden de magnitud del valor que se estima, se define error relativo
porcentual como:
𝑒𝑟𝑟𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
ɛ𝑡 = ∗ 100%
𝑣𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
Aproximaciones y errores de redondeo
Ejemplo (calculo de errores):
Suponga que tiene que medir la longitud de un puente y la de un remache, y se obtiene 9999 y 9
cm respectivamente. Silos valores verdaderos son 10000 y 10 cm, calcule a) el error verdadero y b)
el error relativo porcentual en cada caso.
1
Remache: ɛ𝑡 = ∗ 100% = 10%
10
Conclusión: aunque ambas medidas tienen un error de 1cm, el error relativo porcentual del remache
es mucho mayor. Entonces podemos afirmar que se ha realizado una buena medición para el
puente, pero no para el remache.
Aproximaciones y errores de redondeo
Error relativo en métodos numéricos
En situaciones reales, a veces, es difícil contar con el valor verdadero. De hecho en métodos
numéricos, el valor verdadero solo se conocerá cuando se tengan funciones que se resuelvan
analíticamente, en otros casos no contaremos con dicha información y por tanto tendremos que usar
la mejor estimación posible al valor verdadero (el subíndice “a” significa que el error esta
normalizado a un valor aproximado):
𝑒𝑟𝑟𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
ɛ𝑎 = ∗ 100%
𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
En este caso no podemos usar la formula Et = valor verdadero – valor aproximado para calcular el
termino de error determinar estimaciones del error en ausencia del conocimiento de los valores
verdaderos.
Aproximaciones y errores de redondeo
Error relativo en métodos numéricos
En métodos iterativos se hace una aproximación considerando la aproximación anterior,
efectuándose este proceso varias veces esperando que cada vez las aproximaciones sean mejores.
Es estos casos el error se calcula como:
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
ɛ𝑎 = ∗ 100%
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙
Los signos de esta ecuación pueden ser negativos o positivos en función si la aproximación es mayor
o menor que el valor verdadero. No obstante, el signo no es tan importante, sino mas bien que su
valor absoluto porcentual sea menor que la tolerancia porcentual fijada ɛ𝑠 .
Estime el valor de 𝑒 0,5 𝒄𝒐𝒍𝒐𝒄𝒂𝒏𝒅𝒐 𝒕𝒆𝒓𝒎𝒊𝒏𝒐 𝒑𝒐𝒓 𝒕𝒆𝒓𝒎𝒊𝒏𝒐 𝒚 calcule los errores: relativo porcentual
verdadero y normalizado tomando como valor verdadero 𝑒 0,5 =1,648721… agregue términos hasta que
|ɛ𝑎 | < ɛ𝑠 (3 cifras significativas)
Solución: En primer lugar determinamos el criterio de error que asegure que un resultado sea
correcto en al menos 3 cifras significativas (agregaremos términos hasta que ɛa sea menor a este
valor):
La primera estimación para el error relativo verdadero y la estimación aproximada del error es:
1,648721 − 1,5
𝐸𝑡 = ∗ 100% = 9,02%
1,648721
𝑒 𝑥 = 1 + 𝑥 → para x=0,5 𝑒 0,5 = 1 + 0,5=1,5
1,5−1
ɛ𝑎 = ∗ 100% = 33% → |ɛ𝑎 |𝑛𝑜 < ɛ𝑠
1,5
Aproximaciones y errores de redondeo
Ejemplo – Estimación del error con métodos iterativos
En matemáticas con frecuencia las funciones se representan
2 3
mediante𝑛 series infinitas. Por ejemplo, la
función exponencial se calcula usando 𝑒 𝑥 = 1 + 𝑥 + 2! + 3! + ⋯ + 𝑥𝑛! expansión en series de Maclaurin
𝑥 𝑥
Estime el valor de 𝑒 0,5 𝒚 calcule los errores: relativo porcentual verdadero y normalizado tomando como
valor verdadero 𝑒 0,5 =1,648721… agregue términos hasta que |ɛ𝑎 | < ɛ𝑠 (3 cifras significativas)
Solución:
Aproximaciones y errores de redondeo
Errores de redondeo
¿Qué es y a que se debe el error por redondeo (digitalmente hablando)?
¿Pueden los números 𝝅, 𝒆 𝑜 𝟕 ser representados exactamente?
El error por redondeo se origina en las computadoras o calculadoras debido a que estas emplean un
número determinado de cifras durante un cálculo.
Los números tales como 𝝅, 𝒆 𝑜 𝟕 no pueden expresarse como un número fijo de cifras significativas
por tanto no pueden ser representadas exactamente por la computadora.
Debido a que las computadoras usan una representación en base 2, no pueden representar
exactamente en base 10.
Esta discrepancia por omisión de cifras significativas se llaman error por redondeo
Aproximaciones y errores de redondeo
Representación de números en la computadora - Conceptos básicos
• Numéricamente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan los número en la computadora. La unidad fundamental mediante la cual se representa la
información se llama palabra consistente en una cadena de dígitos binarios
• Un sistema numérico es simplemente una convención para representar cantidades: base 10, base
octal, base binaria, etc. Una base es el número que se ha utilizado como referencia para construir
un sistema. Ejemplo: base 100, 1, 2, 3, 4, 5, 6, 7, 8, 9 base binaria 0, 1
Numero en base 10
Numero en base 2
Aproximaciones y errores de redondeo
Representación de números en la computadora - Conceptos básicos
• Numéricamente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan los número en la computadora. La unidad fundamental mediante la cual se representa la
información se llama palabra consistente en una cadena de dígitos binarios
• Un sistema numérico es simplemente una convención para representar cantidades: base 10, base
octal, base binaria, etc. Una base es el número que se ha utilizado como referencia para construir
un sistema. Ejemplo: base 100, 1, 2, 3, 4, 5, 6, 7, 8, 9 base binaria 0, 1
Aproximaciones y errores de redondeo
Representación de números en la computadora - Rango de enteros
¿Cuál es el rango de enteros de base 10 que se puede representar en una computadora de 16bits?
Método de magnitud
-173 computadora 16bits
con signo: 0(+) y 1(-)
Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante
• Las cantidades fraccionarias generalmente se representan en la computadora usando la forma de
punto flotante. Con este método, el número se expresa como una parte fraccionaria, llamada
mantisa o significado, y una parte entera llamada exponente o característica:
𝑚 ∗ 𝑏𝑒 156,78 0,15678*103 (sistema en base 10 de punto flotante)
1
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 ≤𝑚<1
𝑏 (𝑏𝑎𝑠𝑒)
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟏𝟎 → 𝒎: 𝟎, 𝟏 𝒚 − 𝟏
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟐 → 𝒎: ¿ ?
Hay que tener en cuenta que la mantisa es usualmente normalizada si tiene primero cero dígitos: por
ejemplo, suponga que la cantidad 1/34 = 0,029411765… guardada en un sistema que únicamente
permite guardar cuatro lugares decimales.
Entonces 1/34 se guardara como 0,0294 X 100 la inclusión del cero es “inútil” y lo que se hace es
disminuir el exponente en 10,294 X 10−1 y conservar una cifra significativa adicional al guardar el
numero
Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante
1
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 ≤𝑚<1
𝑏 (𝑏𝑎𝑠𝑒)
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟏𝟎 → 𝒎: 𝟎, 𝟏 𝒚 𝟏
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟐 → 𝒎: 𝟎, 𝟓 𝒚 𝟏
Ventajas:
• Permite que tanto fracciones como números muy grandes se representen en la computadora
Desventajas:
• La consecuencia de normalizar es que el valor absoluto de la mantisa queda limitado
• Los números en coma flotante requieren mas espacio y más tiempo de procesado que los números
enteros
• Su uso introduce una fuente de error debido a que la mantisa conserva sólo un número finito de cifras
significativas y por tanto se introduce un error de redondeo.
Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante
Determine un conjunto hipotético de números con punto flotante para un máquina que guarda
información usando palabras de 7 bits. Emplee el primer bit para el signo del número, los siguientes
tres para el signo y la magnitud del exponente, y los últimos tres para la magnitud de la mantisa
¿Cuál es el numero más pequeño que podemos representar, a
𝑒∗ (-1) partir de allí calcule los restantes?
+𝑚 ∗ 𝑏
1
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 ≤ 𝑚 < 1 → 𝟎, 𝟓 𝒂 𝟏
𝑏
000 0 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0
001 1 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,015625
010 2 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,03125
011 3 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,046875
100 4 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,0625
1 0
101 5 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,078125
1∗2 +1∗2 = 3
110 6 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,093750
111 7 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,109375
Aproximaciones y errores de redondeo
000 0 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0
0 001 1 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,015625
010 2 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,03125
011 3 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,046875
100 4 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,0625
101 5 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,078125
Disminuimos la magnitud del exponente 110 6 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,093750
111 7 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,109375
¿Qué podemos hacer para
seguir incrementado estos 000 0 𝟐−𝟐 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0
valores? 001 1 𝟐−𝟐 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,03125
Brecha de espacio se incrementa: 010 2 𝟐−𝟐 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,0625
0,125000-0,109375=0,015625 011 3 𝟐−𝟐 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,09375
0,125000-0,156250=0,03125 100 4 𝟐−𝟐 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,125000
Y continua creciendo a medida 101 5 𝟐−𝟐 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,156250
que disminuimos la magnitud del 110 6 𝟐−𝟐 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,187500
exponente!!! 111 7 𝟐−𝟐 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,218750
Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante
¿Qué repercusiones tiene lo expuesto?
• Rango de cantidades que pueden
representarse es limitado.
La causa: un error en el sistema guiado de trayectoria provocado 37 segundos después del despegue. El error los
produjo el sistema que controlaba el sistema inercial de referencia (SRI).
En concreto se produjo una excepción de software al intentar convertir un número en coma flotante de 64bits,
relacionado con la velocidad horizontal del cohete respecto a la plataforma de lanzamiento, en un entero con signo
16bits. El numero mas grande que se puede convertir de esta forma es el 32768; el intento por convertir un numero
mayor provoco que el sistema de seguimiento de trayectoria dejase de funcionar.
Aproximaciones y errores de redondeo
Detalles de MATLAB
• Matlab utiliza la aritmética de punto o coma flotante, la cual involucra un conjunto de números con
precisión finita y presenta todos los inconvenientes comentados anteriormente (roundoff - underflow
– overflow). Por lo general es posible utilizar Matlab sin preocuparse de ellos.
• Matlab ha usado siempre el formato IEEE de doble precisión.
• Los número en coma flotante se almacenan en palabras de 64 bits; con 52 para la mantisa “m”, 11
bits para “e” y un bit para el signo del número.
• La mayoría de los números en coma flotante diferentes de cero son normalizados: 𝑥 = ± (1 + f ) ∗ 𝑏𝑒
• La mantisa satisface que: 0 ≤ 𝑓 ≤ 1 y debe de ser representado en sistema binario con un numero entero en el
intervalo 0 ≤ 252 𝑓 ≤ 252 . El exponente es un entero en el intervalo −1022 ≤ 𝑒 ≤ 1023
• En Matlab ξ=eps≈2.2204 · 10−16, este es el máximo espacio relativo entre números.
• Eps/2 es llamado roundoff level y es el máximo valor relativo que resulta cuando el resultado de
una operación es redondeada al mas cercano punto flotante.
Aproximaciones y errores de redondeo
Detalles de MATLAB
¿Cual será el resultado de x=(0,1+0,1+0,1)-0,3 ?
6.1232e-17 -2.4493e-16 0 0
-1.8370e-16 1.2246e-16 0 0
FIN