MÉTODOS NÚMERICOS

Fase 1. COLABORATIVO 1

HOLMAN RODRIGUEZ

WILSON LEONARDO GUANTIVAR AVENDAÑO

79580425
CARLOS ALBERTO GARCÍA PARRA
79415249
Elkin Gutiérrez de Piñeres
79576523

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Ingeniería de sistemas

GRUPO

100401_77

Presentado a:

Martín Gómez Orduz

BOGOTÁ
 MÉTODOS NÚMERICOS
2

Marzo 2018

TABLA DE CONTENIDO

INTRODUCCIÓN....................................................................................................................3

DESARROLLO.........................................................................................................................4

Punto 1 Aportes individuales...................................................................................................4

Aporte 1: WILSON LEONARDO GUANTIVAR AVENDAÑO........................................4

Aporte 1: Carlos Alberto García Parra................................................................................10

Aporte 1: Holman Rodríguez...................................................................................................11

Aporte 1: Elkin Gutiérrez de Piñeres.......................................................................................16

Punto 2.................................................................................................................................18

Punto 3.....................................................................................................................................19

Aporte 3: Solucionar................................................................................................................23

CONCLUSIONES...................................................................................................................26

BIBILOGRAFÍA.....................................................................................................................27
 MÉTODOS NÚMERICOS
3

INTRODUCCIÓN

Anteriormente buscábamos las soluciones posibles a una ecuación, usando diferentes métodos

matemáticos, en la unidad I, buscaremos la raíz de una ecuación buscando su valor más

aproximado y el error porcentual relativo de la misma.

 MÉTODOS NÚMERICOS
4

DESARROLLO

Punto 1 Aportes individuales.

1. Desde su campo de formación plantee y de solución a dos ejemplos sobre los tipos de
errores (error absoluto, relativo, error relativo aproximado, error por truncamiento y por
redondeo), teniendo en cuenta la precisión y exactitud de los mismos.

Aporte 1: Wilson Leonardo Guantivar Avendaño

Tipos de Errores
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. Para los tipos de errores, la relación entre
el resultado exacto o verdadero y el aproximado está dado por: 
E   =   P*   -   P
Bien sea una medida directa (la que da el aparato) o indirecta (utilizando una
fórmula) existe un tratamiento de los errores de medida. Podemos distinguir
dos tipos de errores que se utilizan en los cálculos:
 Error absoluto. 
Es la diferencia entre el valor de la medida y el valor tomado como exacto.
Puede ser positivo o negativo, según si la medida es superior al valor real o
 MÉTODOS NÚMERICOS
5

inferior (la resta sale positiva o negativa). Tiene unidades, las mismas que las
de la medida.
Sin embargo, para facilitar el manejo y el análisis se emplea el error absoluto
definido como:
EA      =   |  P*  -   P  |

 Error relativo.
 Es el cociente (la división) entre el error absoluto y el valor exacto. Si se
multiplica por 100 se obtiene el tanto por ciento (%) de error. Al igual que el
error absoluto puede ser positivo o negativo (según lo sea el error absoluto)
porque puede ser por exceso o por defecto. No tiene unidades.
Y el error relativo como
         ER   =   | P* - P| / P ,  si  P =/ 0
El error relativo también  se puede multiplicar por el 100% para expresarlo
como:
ERP   =   ER   x  100

Ejemplo 1:

Medidas de tiempo de un recorrido efectuadas por diferentes alumnos: 3,01 s; 3,11 s; 3,20 s;

3,15 s

1. Valor que se considera exacto:

2. Errores absoluto y relativo de cada medida:

Medidas Errores absolutos Errores relativos

3,01 s 3,01 - 3,12 = - 0,11 s -0,11 / 3,12 = - 0,036    (- 3,6%)
3,11 s 3,11 -3,12 = - 0,01 s -0,01 / 3,12 = - 0,003    (- 0,3%)
3,20 s 3,20 -3,12 = + 0,08 s +0,08 / 3,12 = + 0,026    (+ 2,6%)
3,15 s 3,15 - 3,12 = + 0,03 s +0,03 / 3,12 = + 0,010    (+ 1,0%)

Ejemplo 2:
 MÉTODOS NÚMERICOS
6

Supóngase que se tiene que medir la longitud de un puente y de un remache, obteniéndose 9

999 y 9 cm, respectivamente. Si los valores son 10 000 y 10 cm, calcúlese a) el error y b) el
error relativo porcentual de cada caso.

Solución: a) El error de medición del puente es:

EA = 10 000 - 9 999 = 1cm

y para el remache es de

EA = 10 - 9 = 1cm

b) El error relativo porcentual para el puente es de:

ERP = 1/ 10 000 x 100% = 0.01%

y para el remache es de

ERP = 1/10 x 100% = 10%

por lo tanto ambas medidas tiene un erro de 1 cm, el error relativo procentual
del remache es mucho m´s grande. Se puede concluir que se ha hecho un buen
trabajo en la medida del puente, mientras que la estimación para el remache
deja mucho que desear.
Errores de Redondeo
Error de redondeo. La casi totalidad de los números reales requieren, para su
representación decimal, de una infinidad de dígitos. En la práctica, para su
manejo sólo debe considerarse un número finito de dígitos en su
representación, procediéndose a su determinación mediante un adecuado
redondeo.
 MÉTODOS NÚMERICOS
7

Los errores de redondeo se deben a que las computadoras sólo guardan un

número finito de cifras significativas durante un cálculo. Las computadoras
realizan esta función de maneras diferentes. Por ejemplo, si sólo se guardan
siete cifras significativas, la computadora puede almacenar y usar "pi" como
"pi" = 3.141592, omitiendo los términos restantes y generando un error de
redondeo.
Ya que la mayor parte de las computadoras tiene entre 7 y 14 cifras
significativas, los errores de redondeo parecerían no ser muy importantes. Sin
embargo, hay dos razones del porqué pueden resultar crítico en algunos
métodos numéricos:
1. Ciertos métodos requieren cantidades extremadamente grandes para obtener una
respuesta. En consecuencia, aunque un error de redondeo individual puede ser
pequeño, el efecto de acumulación en el transcurso de la gran cantidad de cálculos
puede ser significativo.
1. El efecto del 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.

Reglas de Redondeo                     

Las siguientes reglas dan la pauta a seguir en el redondeo de números cuando

se realizan cálculos a mano.
1. En el redondeo, se conservan las cifras significativas y el resto se descarta. El último
dígito que se conserva se aumenta en uno si el primer dígito descartado es mayor de 5.
De otra manera se deja igual. Si el primer digito descartado es 5 o es 5 segundo de
ceros. entonces el último dígito retenido se incrementa en 1, sólo si es impar.
2. En la suma y en la resta, el redondeo se lleva acabo de forma tal que el último dígito
en la columna de las milésimas.
3. Para la multiplicación y para la división el redondeo es tal que la cantidad de cifras
significativas del resultado es igual al número más pequeño de cifras significativas que
contiene la cantidad en la operación.
 MÉTODOS NÚMERICOS
8

4. Para combinaciones de las operaciones aritméticas, existen dos casos generales. Se

puede sumar o restar el resultado o de las divisiones.
(Multiplicación o División)  +/-  (multiplicación o división)
o también se pueden multiplicar o dividir los resultados de las sumas y las
restas.
Ejemplos:

Los siguientes ejemplos tienen por objeto ilustrar las reglas de redondeo.
5.6723 --------------------------  5.67´   3 Cifras Significativas
10.406 ---------------------------- 7.4     4 Cifras Significativas
10.406 ---------------------------- 7.4     2 Cifras Significativas
88.21650 ------------------- 88.216     5 Cifras Significativas
1.25001 -------------------------- 1.3     2 Cifras Significativas
Errores de Truncamiento

Los errores de truncamiento son aquellos que resultan al usar una

aproximación en lugar de un procedimiento matemático exacto. Además para
obtener conocimiento de las características  de estos errores se regresa a la
formulación matemática usada ampliamente en los métodos numéricos para
expresar Funciones en forma polinomial: Serie de Taylor

Por ejemplo:
La serie de Taylor provee un medio para predecir el valor de una función en un
punto en términos del valor de la función y sus derivadas en otro punto.
Teorema de Taylor: Si la función f y sus primeras n+1 derivadas son
continuas en un intervalo que contiene a a y a x, entonces el valor de la función
en un punto x está dado por: 
La expansión en series de Taylor de n-ésimo orden debe ser exacta para un
polinomio de n-ésimoorden.
Para otras funciones continuas diferenciables, como las exponenciales o
sinusoidales, no se obtiene una estimación exacta mediante un número finito de
términos.
 MÉTODOS NÚMERICOS
9

El valor práctico de las series de Taylor radica en el uso de un número finito de

términos que darán una aproximación lo suficientemente cercana a la solución
verdadera para propósitos prácticos.
¿Cuántos términos se requieren para obtener una “aproximación razonable”?
La ecuación para el término residual se puede expresar como:

Significa que el error de truncamiento es de orden hn+1. El error es proporcional

al tamaño del paso h elevado a la (n+1)-ésima potencia.
Se necesitan 1189085.184Mb para almacenar la copia de seguridad,
analizaremos los errores.

P1=1189084.193Mb valor real

P2=1189084.184Mb valor aproximado

Aporte 1: Carlos Alberto García Parra

El error absoluto que se comete al tomar un valor aproximado de un valor real es el valor
absoluto de su diferencia

El error relativo que se comete es el valor del cociente del error absoluto entre el valor real.
 MÉTODOS NÚMERICOS
10

En ocasiones utilizamos ceros para poder expresar una medición. Por ejemplo, si decimos que
el número de habitantes de una ciudad es 3800000, probablemente sólo controlemos las dos
primeras cifras. En tal caso sería más razonable decir que el número de habitantes es 3,8
millones o bien 38 cientos de miles. Veamos otro ejemplo de esta situación.

Dar una cota del error absoluto y otra del error relativo en las siguientes medidas: 3 millones
de personas, 0,57 millones de euros, 0,570 millones de euros.

En el primer caso, si se trata de una estimación fiable, es admisible que el error absoluto sea
menor que medio millón de personas. Por tanto:

Ea < 0,5 millones de personas;

Er < 0,5 / 3 =1,66666… < 0,17 ⇒ Er < 17%

En el segundo caso, si se trata de un número aproximado, entonces:

Ea < 0,005 millones de euros;

Er < 0,005 / 0,57 = 0,00877… < 0,009⇒ Er < 0,9%

En el tercero y último de los casos, si 0,570 fuera un número exacto, daría igual poner 0,57.
Pero tratándose de un número aproximado, el cero final significa que esa cifra (la de las
milésimas) está controlada. Por tanto:

Ea<0,0005 millones de euros;

Er<0,0005 /0,570=0,000877…<0,0009⇒Er<0,09%
 MÉTODOS NÚMERICOS
11

Aporte 1: Holman Rodríguez

Error absoluto

Cuando hablamos de error absoluto nos referimos a una medida ( ε ¿¿ a)¿es la diferencia entre
el valor real de la medida ( X́ ) y el valor que se ha obtenido en la medición (x i).Este tipo de
valor puede ser positivo o negativo, todo depende de la medida es superior al valor real o
inferior y tiene las mismas unidades que las de la medida.

ε a= X́ −X i

a. Ejemplo 1.

Juan realiza una tabla con el cálculo de cada uno de valores obtenidos tras cada medición (x i)
donde se suela escribir en una tabla junto con las veces que produce a lo largo de todas las
mediciones ( f i ).entonces Juan pesa 30 veces el mismo objeto es decir ( n=30 ) .

Medida ( xi ) Frecuencia ( f i ) x i∗f i

3.60 g 3 10.80 g

3.40 g 2 6,80 g

4.50 4 18,00 g

3.45 g 5 17,25 g

3.50 g 5 17,50 g
 MÉTODOS NÚMERICOS
12

3.52 g 5 17,60 g

4.10 g 6 24,6 g

x i∗f 112,55

La media de las medidas obtenidas ( X́ )será este valor X i∗f i lo dividido por el número de
medidas que hicimos ( n=20 )

30
X i∗f i
n
X i∗f i ∑i=1 112,55
X́ =∑ = = =3,751 666 …
i=1 n 30 30

El error absoluto ( ε a ) de cada media es la diferencia entre el valor real y el valor obtenido en la
medición.

Medida ( xi ) Frecuencia ( f i ) x i∗f i ε a= X́ −X i

3.60 g 3 10.80 g 0,1517 g

3.40 g 2 6,80 g 0,3517 g

4.50 g 5 22,50 g -0,7483 g

3.45 g 5 17,25 g 0,3017 g

3.50 g 5 17,50 g 0,2517 g

3.52 g 5 17,60 g 0,2317 g

4.10 g 5 20,5 g -0,3483 g

x i∗f 112,55 1,6885

 MÉTODOS NÚMERICOS
13

Impresión absoluta ( Ea ) es la media de los errores absolutos tomados con signos positivos:

∑| X́−X i| 1,6885
Ea= i=1 = =0,056284=5.6284 ∙ 10−3 g
n 30

1.1 Ejemplo 2.
En un parque se va realizar un experimento el objetivo es poder medir el tiempo en que se
demora en llegar al suelo una bola que se deja caer desde una determinada altura.

Con el fin de realizar este tipo de experimento se utiliza un cronometro cuya precisión es de
0,2 s .las medidas obtenidas tras repetir el experimento son : 3.1 , 3.2 , 3.7 , 3.4 , 3.5 , 3.4 ,
3.1 , 3.4 , 3.5 , 3.9.

Determinar científicamente el resultado obtenido.

Tiempo Frecuencia t i∗f i ε a=t́−t i

(t i ) ( f i)
3.1 s 2 6.2 s 0.32 s
3.2 s 1 3.2 s 0.22 s
3.4 s 3 10.2 s 0.02 s
3.5 s 2 7s -0.08 s
3.7 s 1 3.7 s -0.28 s
3.9 s 1 3.9 s -0.48 s
t i∗f i 34.2 s
 MÉTODOS NÚMERICOS
14
10
t i∗f i
t i∗f i ∑
n
i=1 34.2
t́=∑ = = =3.42 s
i=1 n 10 10

10

∑|t́−t i| 1.4
Ea= i=1 = =0.14 s
n 10

Relativo

Cuando se habla de error relativo hace referencia es el cociente (la división) entre el error
absoluto y el valor exacto. Donde se multiplica por 100 se obtiene el tanto por ciento (%) de
error .el error absoluto puede ser positivo o negativo porque puede ser por exceso por
defecto .no tiene unidades.

εa
ε r= ∗100 %
X́

Ejemplo 1

Con base al primer ejemplo del error absoluto vamos averiguar el error relativo con los datos
obtenidos:

5.6284 ∙10−3 g
ε r= ∗100 %=414,04 %
3,751 7

Ejemplo 2

Con base al primer ejemplo del error absoluto vamos averiguar el error relativo con los datos
obtenidos:

0.14 s
ε r= ∗100 %=4,093 %
3.42 s
 MÉTODOS NÚMERICOS
15

Aporte 1: Elkin Gutiérrez de Piñeres

a. Una copia de seguridad de un computador tiene 1,134TB, para realizarla se

tienen dispuestas en una partición con 1189084.193Mb.
Por error en los cálculos se tiende a tomar 1Tb=1000Mb como tomaron no es
posible realizar la copia en este disco.

Se necesitan 1189085.184Mb para almacenar la copia de seguridad,

analizaremos los errores.

P1=1189084.193Mb valor real

P2=1189084.184Mb valor aproximado

-Error de truncamiento: es el resultado de usar una aproximación o serie de

aproximaciones, en lugar de un procedimiento matemático exacto.

P1=1189084.1
P2=1189085.1
- Error de redondeo: Los errores de redondeo son el resultado de limitaciones
computacionales.
P1=1189084.2
P2=1189085.2
Error Verdadero

E v =P1−P2

E v =1189084.193 Mb−1189085.184 Mb=29 MB

 MÉTODOS NÚMERICOS
16

Error Relativo

P 1−P 2
Er =
p1

1189084.193 Mb−1189085.184 Mb
Er = =2.439 x 10−8
1189084.193 Mb

Error Relativo Porcentual

Er =( 1189084.193 Mb−1189085.184 Mb
1189084.193 Mb )∗100=2.439 x 10 −6

Error Relativo absoluto Porcentual:

1189084.193 Mb−1189085.184 Mb
Erp= |( 1189084.193 Mb
∗100 =2.439 x 10−6 ) |

A pesar que el error no es significativo, sabemos que a la hora de realizar la copia de

seguridad podrían quedar cientos de archivos de sin copiar.
b. Si P1=253.1578 y P2=259.1496, donde P1 es el valor real y P2 el valor
aproximado.

Por truncamiento, tomando 3 cifra después de la coma.

P1=253.157
P2=259.149

Error absoluto

Ea =¿ |P 1−P 2|=|253.157−259.149|=|5.992|=5.992 ¿

Error relativo
 MÉTODOS NÚMERICOS
17

P 1−P 2
Er =
p1

Ea 5.992
Er = = =0.02369911
|P1| |253.157|

Por redondeo, tomando 3 cifra después de la coma.

P1=253.158
P2=259.150

Error absoluto

Ea =¿ |P 1−P 2|=|253.158−259.150|=|5.992|=5.992¿

Error relativo

P 1−P 2
Er =
p1

Ea 5.992
Er = = =0.02369901
|P1| |253.158|
 MÉTODOS NÚMERICOS
18

Trabajo colaborativo

Punto 2

2. Usar el Método de Punto Fijo para aproximar la raíz de f ( x )=x 2−5 x−e x, comenzando
con xo=0, con 5 iteraciones.
Despejamos la ecuación

x 2−e x
x=
5

02−e0
x= =−0.2
5

El error aproximado

Ea = ( aproximaciónaproximación
actual−aproximación anterior
actual )∗100 %
Ea = ( −0,2−0
−0,2 )
∗100 %=100 %

Remplazamos valores en la formula y hallamos las 5 iteraciones que nos dan la

aproximación a la raíz.

Iteració Aprox. a la Error

n raíz aprox.
X1 0 100,00%
X2 -0,2 -28,41%
 MÉTODOS NÚMERICOS
19

X3 -0,155746151 6,35%
X4 -0,166303908 -1,51%
X5 -0,163826372 0,36%

La raíz aproximada es x5=-0.163826372

Punto 3

3. Determine la raíz de la función 0=x 2−e−x , usando el Método de Newton-Raphson con

xo= -2. Realice 3 iteraciones. Calcule el error relativo porcentual en la última iteración,
con base en el hecho de que la raíz es 0,70346742250.

f ( X n)
X n+1=X n−
f ´ ( X n)

Con f ´ (X n )≠ 0

f ( X n )=x 2−e−x

f ´ ( X n )=2 x +e−x

Para la primera iteración nos dan a xo= -2.

Remplazamos

f ( Xn) x 2−e− x −22−e−−2

X n+1=−2− = = =−1
f ´ ( Xn) 2 x +e− x 2∗−2+e−−2

Lo calculamos para las siguientes iteraciones de la misma forma y encontramos los siguientes
valores:
 MÉTODOS NÚMERICOS
20

Iteración Raíz Raíz actual Error relativo p.

X1 -2 -1 0,703467423 170,347%
X2 -1 1,392211191 0,703467423 49,471%
X3 1,3922111912 0,835087529 0,703467423 15,761%
X4 0,835087529 0,709834095 0,703467423 0,897%
X5 0,709834095 0,703483404 0,703467423 0,00%

Punto 4

4. Aproxime con 10-4 de precisión la raíz de la ecuación x−0,8−0,2 sen ( x )=0 en el intervalo
[0,1/2ϖ] utilizando el método de la secante.

El teorema de la secante nos dice que: 

Para tomar como referencia dos puntos X0 y X1. 

Pero en este caso nos piden aproximar con una precisión de 10⁻⁴, para el intervalo. 
1.-El primer paso será graficar la función (Adjunto la grafica). Y al graficar nos damos cuenta
que existe una raiz  que es bastante proxima a 1. 
2.- Vamos ahora a establecer el primer rango de iteración: donde: 
Xi= 0 
Xd= 

Xm1=  = 

Evaluando la función en Xm1=    

f(Xm1)=-0.15 

Como f(Xm1)<0, vamos a realizar la siguiente iteración hacia la derecha. 

3.- Segunda iteración. 

 MÉTODOS NÚMERICOS
21

Xm2=  = 

Evaluando la función en Xm2 me queda: 

F(Xm2) = 0.193321 >0 por lo que itero hacia la izquierda. 

4.- Tercera iteración. 

Xm3=  = 

F(Xm3) = 0.015 >0 por lo que itero hacia la izquierda. 

5.- Cuarta iteración: 

Xm4= = 0.8835729338

F(Xm4) = -0.07 < 0 por lo que ahora itero hacia la derecha. 

6.- Quinta Iteración: 

Xm5= = 0.932660319

F(Xm5) = -0.027 <0 

7.- Sexta Iteración: 

Xm6 = =09572040116
 MÉTODOS NÚMERICOS
22

F(Xm6) = -6.31*10⁻³ <0 Nos estamos acercando al valor de aproximación requerido,

iteramos a la derecha. 

8.- Septima Iteración:  

Xm7 = = 0.9694758579 

F(Xm7) = 4.55*10⁻³ >0 Itero hacia la izquierda. 

9.- Octava Iteración. 

Xm8= =0.9633399318
F(Xm8) =-8.80*10⁻⁴

Raiz= 0.9633399318
Error= |F(Xm8)| = 8.8*10⁻⁴
 MÉTODOS NÚMERICOS
23

Punto 5

5. Determine las raíces reales de f ( x )=−26+82,3 x−88 x 2+ 45,4 x 3-9 x 4 +0,65 x 5 usando el
Método de la Regla Falsa aproximar en el intervalo [0.5 , 1] con ξa = 0,1%

Interval Evaluar Verificar

os   Intervalos   Raíz  
A B f(A) f(B) f(A)*f(B) Raíz
-

0,1151305

0 1 2,71828 24 -0,312957 SI

Iteracio

n A B f(A) f(B) Xr f(Xr)

-

0,1151305 0,9593668 0,0281957

0 0 1 2,71828 24 05 77
-

0,9593668 0,9593668 1,4826357 1,8460246

1 0 05 2,71828 05 57 92
0,9593668 1,4826357 0,9593668

2 1,482635757 05 57 05 0 2,71828
 MÉTODOS NÚMERICOS
24

1,4826357

3 1,482635757 0 57 0 0 2,71828
1,4826357

4 1,482635757 0 57 0 0 2,71828
1,4826357

5 1,482635757 0 57 0 0 2,71828

6. Demostrar que f(x) = x3 + 2x2 – 6 tiene una raíz en [1, 2] y utilizando el Método de
bisección determine una aproximación a la raíz con una precisión de al menos 10-4.
 MÉTODOS NÚMERICOS
25

CONCLUSIONES

Con el análisis numérico es encontrar soluciones “aproximadas” a problemas complejos

utilizando sólo las operaciones más simples de la aritmética. Se requiere de una secuencia de

operaciones algebraicas y lógicas que producen la aproximación al problema matemáticos

como en este caso de la raíz de una ecuación.

 MÉTODOS NÚMERICOS
26

BIBILOGRAFÍA

Mesa, F., & Bravo, J. E. (2012). Elementos de cálculo numérico. Bogotá, CO: Ecoe

Ediciones. Recuperado de: http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?

docID=10584232&p00=m%C3%A9todo+newton-+raphson&ppg=9

Nieves, H. A. (2014). Métodos numéricos: aplicados a la ingeniería: aplicados a la ingeniería.

México, D.F., MX: Larousse - Grupo Editorial Patria. Pág. 57 – 60. Recuperado de

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=11013582&p00=m

%C3%A9todos+num%C3%A9ricos+tipos+error