Teoría de Errores-2

Unidad 0: Introducción al curso Teorı́a de errores Exactitud, dispersión y propagación de errores Condición de una función, algoritm
Teorı́a de errores
Samir Posada
Departamento de Informática y Sistemas
Escuela de Ingenierı́a
Universidad EAFIT
Medellı́n,2019
Indice
Unidad 0: Introducción al curso
Objetivos
Programa
Evaluación
Teorı́a de errores
Fuentes de error
Error absoluto y relativo
Decimales correctos y cifras significativas
Los números en el computador
Exactitud, dispersión y propagación de errores
Exactitud
Errores en la solución de un problema
Propagación de errores
Condición de una función, algoritmos y estabilidad
Condición de una función
Algoritmos y estabilidad
Objetivos
• Establecer criterios mı́nimos para un buen desempeño del curso

• Presentar las competencias especı́ficas
• Plantear una primera definición del análisis numérico
• Identificar las etapas que intervienen en la solución de un
problema
• Reconocer las posibles formas de solución de un problema
Competencias
Identificar, justificar y aplicar métodos numéricos, de manera eficiente

y con herramientas computacionales, en la solución de problemas de
aplicación que involucran modelos matemáticos, procurando que la
solución obtenida mediante la aplicación de los diferentes algoritmos
disponga de argumentos de calidad.
• Conocimiento: Identifica, utiliza y reformula las nociones y
conceptos que permiten generar y caracterizar los métodos
numéricos.
• Comprensión: Analiza los métodos numéricos desde el punto de
vista matemático y algorı́tmico
• Aplicación: Utiliza métodos numéricos para la solución de
problemas.
Etapas
Figura 1: Figura 1. Etapas en la solución de un problema

Problema:
Modelo:
Formulación matemática :
• Si dos triángulos tienen 2 ángulos correspondientes iguales
entonces los triángulos son semejantes (Criterio AA).
• Si dos triángulos 4ABC y 4A0 B 0 C 0 son semejantes, entonces
A B C
0
= 0 = 0
A B C
Nota que los ángulos ∠BAD y ∠CAE en la figura son iguales (es el
mismo ángulo). Ası́ mismo, ∠ADB y ∠AEC son iguales (puesto que
BD y CE son paralelos). Luego, los triángulos 4ADB y 4AEC son
semejantes. Ası́,
125 + 33 X
=
33 15
Solución:
125 + 33 X 2370
= → 15(125 + 33) = 33X → X =
33 15 33
Ası́, X = 71.81 y por tanto la altura del árbol es 71.81 + 5 = 76.81
Soluciones
Figura 2: Diferentes soluciones para un problema

Métodos numéricos
Definition
Los métodos numéricos son técnicas mediante las cuales es posible
formular problemas de tal manera que puedan resolverse con
aproximaciones usando operaciones aritméticas de manera eficiente.
Clasificación:
• Métodos directos
• Métodos iteractivos
• Métodos basados en la discretización del continuo
Objetivo terminal
Diseñar y aplicar métodos numéricos, de manera eficiente, en la

solución de problemas de aplicación que involucran modelos
matemáticos y en el diseño de software, procurando que la solución
obtenida mediante la aplicación de los diferentes algoritmos sea
optima, precisa y exacta.
Reconocer y utilizar los fundamentos matemáticos que permiten

definir los métodos numéricos y establecer sus propiedades.
Programa
1. Teorı́a de errores
2. Solución numérica de ecuaciones no lineales
3. Solución numérica de sistemas de ecuaciones
4. Interpolación
5. Diferenciación e integración
6. Solución numérica de ecuaciones diferenciales
Evaluación
Parciales (45 %):

• Primer parcial (15 %). Semana 6.
• Segundo parcial (15 %). Semana 11.
• Tercer parcial (15 %). Semana 17.
Seguimiento (30 %)
• 8 quices (20 %). Semanas 3,5,7,8,9,13,14,15.
• 6 tareas (10 %). Semanas 3,5,8,9,13,15.
Práctica final (25 %)

Objetivos
• Detectar la presencia de errores en cómputos numéricos al

utilizar la computadora como herramienta de trabajo, reduciendo
su efecto y causas.
• Reconocer la forma como se manejan los aspectos numéricos en
un computador, determinando estrategias para minimizar los
efectos inadecuados en la realización de cálculos numéricos.
• Reconocer los fundamentos matemáticos que le permitan definir
soluciones de acuerdo a las condiciones del problema.
Figura 3: Fuentes de error

Error absoluto E
Establece la diferencia que existe entre el valor verdadero x y el valor

aproximado x̂, ası́, E = x − x̂. Dependiendo del signo de E decimos
que x̂ se subaproxima o se sobreaproxima a x.
El error absoluto posee las mismas unidades que el valor aproximado.
En un sentido práctico, el error absoluto se usa para acotar el valor de

x: x ∈ [x̂ − E, x̂ + E]
A veces el error absoluto se expresa como E = 0.d1d2 ∗ 10−d

Error relativo ε
E
ε=
x
E
ε̂ =
x̂
E E x̂E − xE (x̂ − x)E −E 2

ε − ε̂ =
− = = =
x x̂ xx̂ xx̂ xx̂
El error relativo no posee unidades, por lo que es común que se
presente su valor en términos de porcentaje ε̂ = Ex̂ ∗ 100 %
Notación numérica
Sea k la cantidad de cifras enteras y m la de cifras decimales

expresadas en una base β tenemos
dk dk−1 · · · d2 d1 d0 .d−1 d−2 · · · d−m
Para cada i, −m ≤ i ≤ k se cumple di < β. La expresión polinómica

que representa este número es
dk β k +dk−1 β k−1 +· · ·+d2 β 2 +d1 β 1 +d0 β 0 +d−1 β −1 +d−2 β −2 +· · ·+d−m β −m

Notación de punto flotante
Definition
Decimos que un número en base 10 está escrito en notación de
punto flotante normalizada si el número es de la forma
±0.d1 d2 d3 . . . dk . . . ∗10±n
donde para cada i, 1 ≤ i, se cumple que 0 ≤ di < 10 y d1 6= 0

Clases de redondeo
Redondeo por corte o defecto:

x = ±0.d1 d2 . . . dk dk+1 dk+2 . . . ∗β ±n → x̂ = ±0.d1 d2 . . . dk ∗ β ±n
Redondeo por exceso:
x = ±0.d1 d2 . . . dk dk+1 dk+2 . . . ∗β ±n → x̂ = ±0.d1 d2 . . . (dk + 1) ∗ β ±n

Redondeo simétrico basado en la estadı́stica:
x = ±0.d1 d2 . . . dk dk+1 dk+2 . . . ∗β ±n →
x̂ = ±0.d1 d2 . . . dk ∗ β ±n si dk+1 < 5

x̂ = ±0.d1 d2 . . . (dk + 1) ∗ β ±n si dk+1 ≥ 5
Redondeo simétrico basado en la distancia:

x = ±0.d1 d2 . . . dk dk+1 dk+2 . . . ∗β ±n →
x̂ = ±0.d1 d2 . . . dk ∗ β ±n si dk+1 < 5

x̂ = ±0.d1 d2 . . . (dk + 1) ∗ β ±n si dk+1 > 5
x̂ = ±0.d1 d2 . . . (dk + 1) ∗ β ±n si dk+1 = 5 y dk+2 es impar

x̂ = ±0.d1 d2 . . . dk ∗ β ±n si dk+1 = 5 y dk+2 es par.
Decimales correctos
Definition
(Decimales correctos). A un número en notación decimal x se le
determina como x̂ correcto hasta d decimales si x cumple que1
x̂ − 0,5 ∗ 10−d ≤ x < x̂ + 0,5 ∗ 10−d
Sea E = |x − x̂|. Se dice que un número x̂ tiene d decimales correctos

si se cumple que E ≤ 0,5 ∗ 10−d
1 Esta definición está sujeta al tipo de redondeo; por ejemplo, por corte, a un
número en notación decimal x se lo determina como x̂ correcta hasta d decimales

si x cumples que x̂ ≤ x < x̂ + 10−d
Cifras significativas
Definition
Sea d el número de decimales correctos. La cantidad de cifras
significativas que tiene un número se obtiene contando hacia la
derecha, a partir de la cifra de mayor posición diferente de 0, todas
aquellas cifras que ocupen posiciones mayores o iguales a 10−d
El error relativo en valor absoluto |ε| entre un número escrito en base

10 y su representacióne en punto flotante normalizada con k cifras
significativas es2
|ε| < 5 ∗ 10−k
2 Este valor cambia si es redondeo por corte: |ε| < 10−k+1

Figura 4: Relación entre el error y la calidad de las cifras en un valor

numérico
Los números en el computador
x(2) = ±0.d1 d2 d3 . . . dk dk+1 dk+2 . . . ∗2±n , d1 6= 0 y di < 2
En un computador que utiliza 32 bits. Supongamos que la

distribución de los 32 bits se realiza de la siguiente forma:
± 0.d1 d2 d3 d4 . . . d24 ± e 1 e 2 . . . e7
| {z } | {z }
23 bits fı́sicos 7 bits exponente
Números máquina máximos y mı́nimos

Suponiendo que positivo se representa con un 1 y negativo como 0, el
número que representa el valor máximo positivo que se puede
almacenar en nuestro computador es:
1 111
| {z. . . 1} 1 1| .{z
. . 1} = 16777215 ∗ 2127 ≈ 16777215 ∗ 1038
24 bits mantisa 7 bits exponente
Figura 5: Lı́mites de almacenamiento en la recta real.

Densidad de los números reales
Al disponer de una cantidad finita de dı́gitos para almacenar los

datos, un numero máquina tiene un consecutivo. Pero la propiedad de
la densidad de los número reales establece que entre dos números
reales siempre existen números reales.
Ası́, si x = 0.d1 d2 . . . d24 ∗ 2n , entonces existe un número en nuestro
computador de 32 bits que es el siguiente,
xs = 0.d1 d2 . . . (d24 + 1) ∗ 2n que cumple la propiedad
xs − x = 2n−24
y que todos los números reales que pertenecen al intervalo [x, xs ], son
representados por x o xs , según el redondeo usado.
Distribución de los números máquinas en la recta real
La distancia entre dos números máquina consecutivos es mayor a

medida que estos valores se separan de 0.
Sea x = 0.d1 d2 . . . d24 ∗ 2n y xs = 0.d1 d2 . . . (d24 + 1) ∗ 2n , como
xs − x = 2n−24 , a medida que n crece la distancia entre los números
es mayor.
Figura 6: Distribución de los números máquina

Propiedades de las operaciones definidas en los números

máquina
• Modulativa de la suma: No existe un único número e tal que

x + e = e + x = x.
• Clausurativa de la multiplicación: Dados números x y y, no
siempre x ∗ y es un número.
• Asociativa de la multiplicación: Dados números x, y, z, no
siempre se garantiza que x ∗ (y ∗ z) = (x ∗ y) ∗ z
• Perdida de correción: Existen valores x para los que x + 1 = x.
• Conmutatividad de la suma: La suma puede no ser
conmutativa.
Actividad
• Determine el valor máximo, en valor absoluto, del error relativo

entre un número y su representación binaria normalizada en
punto flotante con k cifras significativas. (Ejemplo 7 del libro
pero en base 2)
• Dado x = 45 , escrı́balo en base binaria y determine el número
máquina que lo representa. Determine el error absoluto y el error
relativo en código binario.
• Desarrolle un programa que permita averiguar cuál es el número
más pequeño que puede ser sumado a 1 sin que se pierda
información (el épsilon de la máquina).
• Diseñe y ejecute un algoritmo que permita calcular el número
máximo de la máquina.
Exactitud y dispersión
Definition
La exactitud es la medida de la cercanı́a de una valor aproximado x̂
al valor verdadero x. Por lo tanto la exactitud está expresada en
términos de
x − x̂
E = |x − x̂| o ε =
x
Definition
Dado un conjunto finito de valores x̂0 , x̂1 , . . . x̂i , . . . , x̂n , que se
aproximan a un valor verdaderos x, la dispersión3 mide la
aproximación entre los valores dados.
Más precisamente, supongamos que la aplicación de un método
numérico origina un conjunto de valores {x̂0 , x̂1 , x̂2 , . . . , x̂n , x̂n+1 , . . . };
la dispersión es la medida del error entre dos valores aproximados
(supongamos xn y xn−1 ). Normalmente se identifica a xn como la
aproximación actual y a xn−1 como la aproximación anterior.
Ası́, la dispersión se mide como

xn − xn−1
E = |xn − xn−1 | o ε =
xn
3 Algunos autores usan el término precisión

Figura 7: Ejemplo del método de Newton. En este caso el error usado es el

error relativo.
Errores inherentes
• Datos
• Incertidumbre en las medidas
• Almacenamiento de números en el computador
• Formulación del modelo
• Valores experimentales
• Representación binaria
Errores de truncamiento
La expansión en series de Taylor de cos(x) alrededor de 0 es
x2 x4 x6 x8 x10
cos(x) = 1 − + − + − + ···
2! 4! 6! 8! 10!
Calcule cos(pi/4) con una precisión de tres decimales correctos.
Solución:
Si se desea calcular 3 decimales correctos de cos(π/4), entonces la

cota máxima del error absoluto es 0,5 ∗ 10−3 . La idea es sumar
términos de la serie hasta obtener la precisión deseada establecida por
la tolerancia igual a 0,5 ∗ 10−3 .
∞
x2 x4 x6 x8 x10 X (−1)n x2n
cos(x) = 1 − + − + − + ··· =
2! 4! 6! 8! 10! i=0
(2n)!
i = 0, cos(π/4) = 1, E0 = no existe
(π/4)2
i = 1, cos(π/4) = 1 − 2 = 0.69157486, E1 = 0,30
(π/4)2 (π/4)4
i = 2, cos(π/4) = 1 − 2 + 4 = 0.70742921, E2 = 0,15 ∗ 10−1
(π/4)6
i = 3, cos(π/4) = 0.70742921 − 6 = 0.70710321, E3 = 0,32 ∗ 10−3
8
i = 4, cos(π/4) = 0.70710321 + (π/4)
8 = 0.70710681, E4 = 0,35 ∗ 10−5
Note que el valor del error E coincide con el valor del término que se
agrega en cada iteración. A medida que se aumentan las iteraciones,
los resultados se estabilizan.
Actividad
1. Investigue el uso de series de Taylor para aproximar

funciones (teorema de Taylor).
2. Determine la incidencia en la calidad de las
aproximaciones que tiene la elección del valor de x̂
(centro) con respecto al valor xi en el que se desea
evaluar la serie.
3. Realice ejemplos similares para aproximar valores
utilizando otras funciones (3 ejemplos).
4. Realice aproximaciones para combinaciones aritméticas
de las funciones escogidas en el numeral 3. (2 ejemplos)
Error de redondeo
El redondeo surge ante la necesidad, obligación o imposición de

utilizar una cantidad fija de dı́gitos en los datos numéricos.
• Almecenamiento de números de precisión simple o
doble.
• Cálculos con monedas.
• Constantes numéricas.
• Formato de visualización.
Propagación de errores en cálculos
Suma
Dados valores x, y, existen valores aproximados x̂, ŷ tales que si

z = x + y entonces ẑ = x̂ + ŷ. Definimos para cada variable su
respectivo error absoluto como Ex = x − x̂ y Ey = y − ŷ. Ası́, el error
absoluto en la suma se propaga del siguiente modo:
Ez = z − ẑ Definición del error
Ez = (x + y) − (x̂ + ŷ) Sustituimos
Ez = (x − x̂) + (y − ŷ) Reordenamos
Ez = Ex + Ey Sustituimos
Concluimos que |Ez | ≤ |Ex | + |Ey |.

Ex Ey
Cada valor tiene su error relativo asociado εx = x , εy = y y
εz = Ezz
Ez Ex Ey
= + Dividimos por z
z z z
Ex Ey
εz = + Sustituimos
x+y x+y
xEx yEy
εz = + Amplificación
x(x + y) y(x + y)
x Ex y Ey
εz = + Reordenamiento
x+y x x+y y
x y
εz = εx + εy Sustitución
x+y x+y

x
|Ex | + y |Ey |.

|εz | ≤
x+y x + y
Figura 8: Propagación del eror absoluto en las operaciones básicas.

Figura 9: Propagación del eror relativo en las operaciones básicas.

Dada una expresión aritmética x ⊗ y donde x, y son dos operandos y

⊗ es una operación, el error total en la expresión se calcula como la
cantidad de error propagado en x multiplicada por el error en x,
sumada con la cantidad de error propagado en y multiplicada por el
error en y, sumada con el error de redondeo que se sucede en el
número resultante al efectuar la operación.
errortotal = cx ∗ errorx + cy ∗ errory + errorr

Ejemplo
Determine el máximo error relativo posible si utilizamos aritmética de
k cifras y redondeo simétrico al calcular el valor de la siguiente
expresión:
5y
w = 6x −
x
Solución: Sea ε1 el error relativo que se sucede en el número
resultante de 6x, ε2 al calcular 5y, ε3 al calcular 5y
x y ε4 al calcular
5y
6x − x .
Ası́,
ε6x = ε6 + εx + ε1
ε6x = εx + ε1
ε5y = ε5 + εy + ε2
ε5y = εy + ε2
ε 5y = ε5y − εx + ε3
x
ε 5y = εy + ε2 − εx + ε3
x
5y
6x x
εw = ε6x− 5y = ε6x − ε 5y + ε4
x 6x − 5y
x 6x − 5y
x
x
5y
6x x
εw = (εx + ε1 ) − (εy + ε2 − εx + ε3 ) + ε4
6x − 5y
x 6x − 5y
x
Si aplicamos valor absoluto a ambos lados de la ecuación y utilizamos

las propiedades de valor absoluto:
a |a|
|a ± b| ≤ |a| + |b| |a ∗ b| = |a| ∗ |b| =

b |b|
obtenemos el siguiente resultado:

6x 5y
x
|εw | ≤ (|εx | + |ε1 |) + 5y (|εy | + |ε2 | + |εx | + |ε3 |) + |ε4 |

5y
6x − x 6x − x
Por las condiciones del problema, la cota máxima para cada uno de
los errores involucrados es 5 ∗ 10−k . Ası́ se cumple que |εi | < 5 ∗ 10−k
!
6x 5y
|εw | < (1 + 1) + x
(1 + 1 + 1 + 1) + 1 5 ∗ 10−k

6x − 5y x
6x − 5yx

!
12x 20y
x −k
|εw | < + 5y + 1 5 ∗ 10

6x − 5y
x
6x − x
12x2 20y

|εw | < 2 + + 1 5 ∗ 10−k
6x − 5y 6x2 − 5y
12x2 + 20|y|

|εw | < + 1 5 ∗ 10−k
|6x2 − 5y|
Condición de una función
Definition
Una función se dice bien condicionada (estable) si pequeños
cambios en los valores de entrada genera pequeños cambios en los
valores de salida.
Definition
Sea x un dato de entrada y sea y un valor de salida asociada a x
(y = f (x)) entonces
εy = Cf × εx
donde Cf es el número de condición de la función f .
La serie de Taylor de f alrededor de x0 es:
f 0 (x0 ) f 00 (x0 ) f (n) (x0 )

f (x) = f (x0 )+ (x−x0 )+ (x−x0 )2 +· · ·+ (x−x0 )n +. . .
1! 2! n!
Sea Ex = x − x0 . Truncamos la serie en el segundo término
f (x) ≈ f (x0 ) + f 0 (x0 )Ex ⇒ f (x) − f (x0 ) ≈ f 0 (x0 )Ex
Si Ef (x) = f (x) − f (x0 ) entonces Ef (x) ≈ f 0 (x0 )Ex . De donde
Ef (x) xf 0 (x0 )Ex xf 0 (x0 )

≈ ⇒ εf (x) ≈ εx
f (x) xf (x) f (x)
Ası́, concluimos que
x0 f 0 (x0 ) xf 0 (x)
Cf = =
f (x) f (x)
Si Cf > 1 mal condicionada en x, Cf ≤ 1 bien condicionada en x

Forma anidada de Hörner
Supongamos que tenemos un polinomio P (x) de grado n en la forma
P (x) = an xn + an−1 xn−1 + . . . + a2 x2 + a1 x + a0
El método de Hörner o algoritmo de Ruffini-Hörner es una

técnica para evaluar polinomios al expresarlo como una colección de
multiplicaciones encajadas. Por ejemplo
P5 (x) = ((((a5 x + a4 )x + a3 )x + a2 )x + a1 )x + a0
Error y estabilidad
Sea εn representando el error después de n operaciones.

Si
εn ≈ K · n · ε0 EST ABLE
Donde K es una constante independiente de n, en tal caso se dice que
el crecimiento del error es lineal. Si
εn ≈ K n · ε0 IN EST ABLE
Con K > 1, decimos que el crecimiento del error es exponencial.


Teoría de Errores-2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Teoría de Errores-2

Cargado por

Copyright:

Formatos disponibles

Unidad 0: Introducción al curso Teorı́a de errores Exactitud, dispersión y propagación de errores Condición de una función, algoritm

• Establecer criterios mı́nimos para un buen desempeño del curso

Identificar, justificar y aplicar métodos numéricos, de manera eficiente

Figura 1: Figura 1. Etapas en la solución de un problema

Figura 2: Diferentes soluciones para un problema

Diseñar y aplicar métodos numéricos, de manera eficiente, en la

Reconocer y utilizar los fundamentos matemáticos que permiten

Parciales (45 %):

Práctica final (25 %)

• Detectar la presencia de errores en cómputos numéricos al

Figura 3: Fuentes de error

Establece la diferencia que existe entre el valor verdadero x y el valor

El error absoluto posee las mismas unidades que el valor aproximado.

En un sentido práctico, el error absoluto se usa para acotar el valor de

A veces el error absoluto se expresa como E = 0.d1d2 ∗ 10−d

E E x̂E − xE (x̂ − x)E −E 2

Sea k la cantidad de cifras enteras y m la de cifras decimales

dk dk−1 · · · d2 d1 d0 .d−1 d−2 · · · d−m

Para cada i, −m ≤ i ≤ k se cumple di < β. La expresión polinómica

dk β k +dk−1 β k−1 +· · ·+d2 β 2 +d1 β 1 +d0 β 0 +d−1 β −1 +d−2 β −2 +· · ·+d−m β −m

Notación de punto flotante

donde para cada i, 1 ≤ i, se cumple que 0 ≤ di < 10 y d1 6= 0

Redondeo por corte o defecto:

x = ±0.d1 d2 . . . dk dk+1 dk+2 . . . ∗β ±n → x̂ = ±0.d1 d2 . . . (dk + 1) ∗ β ±n

x̂ = ±0.d1 d2 . . . dk ∗ β ±n si dk+1 < 5

Redondeo simétrico basado en la distancia:

x̂ = ±0.d1 d2 . . . dk ∗ β ±n si dk+1 < 5

x̂ = ±0.d1 d2 . . . (dk + 1) ∗ β ±n si dk+1 = 5 y dk+2 es impar

x̂ − 0,5 ∗ 10−d ≤ x < x̂ + 0,5 ∗ 10−d

Sea E = |x − x̂|. Se dice que un número x̂ tiene d decimales correctos

número en notación decimal x se lo determina como x̂ correcta hasta d decimales

El error relativo en valor absoluto |ε| entre un número escrito en base

2 Este valor cambia si es redondeo por corte: |ε| < 10−k+1

Figura 4: Relación entre el error y la calidad de las cifras en un valor

Los números en el computador

x(2) = ±0.d1 d2 d3 . . . dk dk+1 dk+2 . . . ∗2±n , d1 6= 0 y di < 2

En un computador que utiliza 32 bits. Supongamos que la

Números máquina máximos y mı́nimos

Figura 5: Lı́mites de almacenamiento en la recta real.

Densidad de los números reales

Al disponer de una cantidad finita de dı́gitos para almacenar los

Distribución de los números máquinas en la recta real

La distancia entre dos números máquina consecutivos es mayor a

Figura 6: Distribución de los números máquina

Propiedades de las operaciones definidas en los números

• Modulativa de la suma: No existe un único número e tal que

• Determine el valor máximo, en valor absoluto, del error relativo

3 Algunos autores usan el término precisión

Figura 7: Ejemplo del método de Newton. En este caso el error usado es el

La expansión en series de Taylor de cos(x) alrededor de 0 es

Si se desea calcular 3 decimales correctos de cos(π/4), entonces la

1. Investigue el uso de series de Taylor para aproximar

El redondeo surge ante la necesidad, obligación o imposición de

Propagación de errores en cálculos

Dados valores x, y, existen valores aproximados x̂, ŷ tales que si

Concluimos que |Ez | ≤ |Ex | + |Ey |.

Figura 8: Propagación del eror absoluto en las operaciones básicas.

Figura 9: Propagación del eror relativo en las operaciones básicas.

Dada una expresión aritmética x ⊗ y donde x, y son dos operandos y

errortotal = cx ∗ errorx + cy ∗ errory + errorr

Si aplicamos valor absoluto a ambos lados de la ecuación y utilizamos

Condición de una función

La serie de Taylor de f alrededor de x0 es: