Análisis Numérico y Cálculo Avanzado

Errores de Truncamiento
Los errores de truncamiento son los que resultan de utilizar una aproximación en lugar de un
procedimiento exacto y representan la diferencia entre la formulación matemática exacta y
su aproximación obtenida por el método numérico.
Los polinomios figuran entre las funciones más sencillas. Son adecuados para trabajar en
cálculos numéricos porque sus valores se pueden obtener efectuando un número finito de
operaciones algebraicas sencillas. Por lo tanto, cualquier otra función que pueda aproximarse
por polinomios facilita su estudio, entre ellas las funciones logarítmicas, exponenciales y
trigonométricas, las cuales no pueden evaluarse tan fácilmente.
Muchas funciones pueden aproximarse mediante polinomios y estas aproximaciones, en lugar
de la función original, pueden emplearse para realizar cálculos cuando la diferencia entre el
valor real de la función y la aproximación polinómica es suficientemente pequeña.
Existen varios métodos para aproximar una función dada mediante polinomios. Uno de los
más ampliamente utilizados hace uso de la Fórmula de Taylor con la cual podemos estimar el
valor de una función en un punto, en términos del valor de la función y sus derivadas en otro.

Teorema de Taylor
Si una función 𝑓 y sus primeras 𝑛 + 1 derivadas son continuas en un intervalo que contiene 𝑎
y 𝑥, entonces el valor de la función en 𝑥 viene dado por:

′ (𝑎)(𝑥
𝑓 ′′ (𝑎) 2
𝑓 (𝑛) (𝑎)
𝑓(𝑥) = 𝑓(𝑎) + 𝑓 − 𝑎) + (𝑥 − 𝑎) + ⋯ + (𝑥 − 𝑎)𝑛 + 𝑅𝑛
2! 𝑛!
Hagamos algunas observaciones:
a) La Serie de Taylor de 𝑛-ésimo orden será exacta para un polinomio de 𝑛-ésimo orden.

b) 𝑓(𝑎), 𝑓 ′ (𝑎), … , 𝑓 (𝑛) (𝑎) son valores conocidos y son los coeficientes de la serie.
c) 𝑅𝑛 es el residuo o resto de la serie y representa el error cometido al tomar un polinomio
de 𝑛 términos como aproximación de 𝑓(𝑥). La expresión de Lagrange del residuo es:
𝑓 (𝑛+1) (𝜉)
𝑅𝑛 = (𝑥 − 𝑎)𝑛+1 con 𝜉 ∈ (𝑎, 𝑥)
(𝑛 + 1)!
d) No podemos conocer, exactamente, el valor de 𝜉 pero sabemos que es un punto en (𝑎, 𝑥).
e) 𝑥 − 𝑎 = ℎ es el paso.
f) 𝑅𝑛 = 𝒪(ℎ𝑛+1 ) ≡ (𝑅𝑛 ≤ 𝑘 ∙ ℎ𝑛+1 ) siendo 𝑘 un número real, es el orden del error de
truncamiento. Conocer 𝑅𝑛 = 𝒪(ℎ𝑛+1 ) permite comparar métodos.
g) La aproximación mejora si ℎ → 0 o 𝑛 → ∞, es decir, si se achica el paso o se agregan más
términos.
 Análisis Numérico y Cálculo Avanzado

Ejemplo
Deseamos aproximar la función 𝑓(𝑥) = 0.8𝑥 3 − 1.2𝑥 2 + 0.5𝑥 + 0.4, mediante un desarrollo
de Taylor, desde 𝑎 = 1 con ℎ = 1. Esto es, deseamos predecir el valor de la función en 𝑥 = 2.

Ya que se trata de una función conocida, es posible calcular valores de 𝑓(𝑥) entre 1 y 2. El
valor verdadero en 𝑥 = 2 es 𝑓(2) = 3

Con una aproximación de orden cero tenemos:

𝑓(𝑥) = 𝑓(𝑎) + 𝑅0 , es decir: 𝑓(𝑥) ≅ 𝑓(𝑎)

𝑓(𝑥) ≅ 0.8 𝑎3 − 1.2 𝑎2 + 0.5 𝑎 + 0.4

𝑓(𝑥) ≅ 0.5

Como se muestra en la figura 3.1, la aproximación de orden cero es una constante. Usando
esta formulación, resulta un error de truncamiento (error verdadero) de:

𝑒𝑣 = |3 − 0.5| = 2.5

Con una aproximación de primer orden:

𝑓(𝑥) = 𝑓(𝑎) + 𝑓 ′ (𝑎) ℎ + 𝑅1 , es decir: 𝑓(𝑥) ≅ 𝑓(𝑎) + 𝑓 ′ (𝑎) ℎ

𝑓(𝑥) ≅ 0.5 + (2.4 𝑎2 − 2.4 𝑎 + 0.5) ℎ

𝑓(𝑥) ≅ 1

Como se muestra en la figura 3.1, la aproximación de primer orden es una recta. Usando esta
formulación resulta un error de truncamiento (error verdadero) de:

𝑒𝑣 = |3 − 1| = 2

Con una aproximación de segundo orden:

𝑓′′ (𝑎) 2
𝑓′′ (𝑎)
𝑓(𝑥) = 𝑓(𝑎) + 𝑓 ′ (𝑎)
ℎ+ ℎ + 𝑅2 , es decir: 𝑓(𝑥) ≅ 𝑓(𝑎) + 𝑓 ′ (𝑎)
ℎ+ ℎ2
2! 2!
4.8 𝑎 − 2.4 2
𝑓(𝑥) ≅ 1 + ℎ
2
𝑓(𝑥) ≅ 2.2

Como se muestra en la figura 3.1, la aproximación de segundo orden es una parábola. Usando
esta formulación resulta un error de truncamiento (error verdadero) de:

𝑒𝑣 = |3 − 2.2| = 0.8
 Análisis Numérico y Cálculo Avanzado

Finalmente, con una aproximación de tercer orden:

𝑓′′ (𝑎) 𝑓′′′ (𝑎)

𝑓(𝑥) = 𝑓(𝑎) + 𝑓 ′ (𝑎) ℎ + ℎ2 + ℎ3
2! 3!
4.8 2
𝑓(𝑥) = 2.2 + ℎ
6
𝑓(𝑥) = 3

Ahora el error de truncamiento es 0. Porque

un Polinomio de Taylor de 𝑛-ésimo orden
aproxima, exactamente, un polinomio de
grado 𝑛.

En los problemas del mundo real, calcular el

valor de una función en un punto puede ser,
o bien difícil de calcular, o bien costoso del
punto de vista computacional. Quizás no
contemos con las herramientas analíticas o
numéricas para hacerlo. Figura 3.1 aproximación paso a paso mediante una
Serie de Taylor centrada en 𝑎 = 0 de la función
Naturalmente no necesitaremos conocer el 𝑓(𝑥) = 0.8𝑥 3 − 1.2𝑥 2 + 0.5𝑥 + 0.4, con poso ℎ = 1.
comportamiento de la función en todo su
dominio de existencia, nos bastará conocer su comportamiento en un intervalo determinado,
que es el que necesitamos para su cálculo o estudio.

Para funciones continuas y diferenciables, como las exponenciales o senoidales, no se obtiene

una estimación exacta con un número finito de términos. La determinación de cuántos
términos se requiere para obtener una aproximación razonable se basa en el término residual
de la expansión. El criterio de Scarborough es útil para lograr este objetivo. De acuerdo con
Scarborough, se tiene la seguridad de que el resultado es correcto en la menos 𝑛 cifras
significativas si se cumple el siguiente criterio:

𝑒𝑎 < 𝑒𝑠 = (0.5 × 102−𝑛 )%

donde 𝑒𝑠 es una tolerancia prefijada.

Ejemplo
Usando un desarrollo de Mc Laurin, obtener 𝑒 1 con 3 cifras significativas correctas.

El desarrollo en serie de Mc Laurin para 𝑒 𝑥 es:

𝑥2 𝑥3 𝑥𝑛
𝑒𝑥 = 1 + 𝑥 + + +⋯+ + 𝑅𝑛
2! 3! 𝑛!
 Análisis Numérico y Cálculo Avanzado

Como se desea estimar 𝑒 𝑥 para 𝑥 = 1 con 3 cifras significativas correctas, agregaremos

términos hasta que el error relativo porcentual de aproximación 𝑒𝑎 sea menor a la tolerancia
prefijada por el criterio de Scarborough:

𝑒𝑠 = (0.5 × 102−3 )% = 0.05%

Construyamos una tabla, lo que hará más sencillo el proceso iterativo:

N° Término Término 𝑒1 𝑒𝑎 [%]

1 1.000000 1.000000
𝑣𝑛𝑢𝑒𝑣𝑜 − 𝑣𝑣𝑖𝑒𝑗𝑜
2 1.000000 2.000000 50.00 𝑒𝑎 = | | ∙ 100
𝑣𝑛𝑢𝑒𝑣𝑜
3 0.500000 2.500000 20.00
2−1
4 0.166667 2.666667 6.25 𝑒𝑎 = | |
2
5 0.041667 2.708334 1.54
𝑒𝑎 = 50
6 0.008333 2.716667 0.31
7 0.001389 2.718056 0.05
El error relativo porcentual de
8 0.000198 2.718254 0.01
aproximación es menor a 𝑒𝑠 .

En la columna Término encontramos el cálculo de cada término agregado de la serie. En la

columna 𝑒 1 encontramos el acumulado de la columna Término y representa el valor estimado
de 𝑒 1 en cada iteración. En la columna 𝑒𝑎 se calcula el error de aproximación por cada nueva
iteración, cuando el error alcanza un valor por debajo del 𝑒𝑠 dado por Scarborough, el proceso
iterativo termina y el valor en la columna 𝑒 1 es el valor buscado.

Si usamos una calculadora para calcular el valor de 𝑒 1 con seis cifras decimales tendremos:

𝑒 1 ≅ 2.718282

En la octava fila, en la columna 𝑒 1 de la tabla, hemos obtenido 2.718254, es un valor correcto

en 5 cifras significativas (Scarborough es conservador, asegura al menos 𝑛 cifras significativas
correctas). No obstante, como se pidieron 3, sólo podemos asegurar:

𝑒 1 ≅ 2.71

En este punto hay dos observaciones importantes: por un lado, la cuarta cifra significativa (que
es un 8) no puede ser asegurada como correcta por el criterio de Scarborough, por lo que
debe ser descartada; por otro lado, como no podemos saber si es correcta o no, no podemos
usar redondeo simétrico para redondear la cifra retenida.

Diferenciación Numérica
La serie de Taylor puede usarse para obtener un valor aproximado de la derivada de una
función. Sabemos que:
 Análisis Numérico y Cálculo Avanzado

𝑓 ′′ (𝜉)
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓 ′ (𝑥𝑖 ) (𝑥𝑖+1 − 𝑥𝑖 ) + 𝑅1 con 𝑅1 = (𝑥𝑖+1 − 𝑥𝑖 )2
2!
Despejando:

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑅1
𝑓 ′ (𝑥𝑖 ) = −
𝑥𝑖+1 − 𝑥𝑖 𝑥𝑖+1 − 𝑥𝑖
𝑓 ′′ (𝜉)
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) (𝑥𝑖+1 − 𝑥𝑖 )2
𝑓 ′ (𝑥𝑖 ) = − 2!
𝑥𝑖+1 − 𝑥𝑖 𝑥𝑖+1 − 𝑥𝑖
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓 ′′ (𝜉)
𝑓 ′ (𝑥𝑖 ) = − (𝑥𝑖+1 − 𝑥𝑖 )
𝑥𝑖+1 − 𝑥𝑖 2!

Aproximación de Error de Error de

=
𝑓 ′ (𝑥𝑖 ) aproximación truncamiento

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 )
𝑓 ′ (𝑥𝑖 ) = ± 𝒪(ℎ) con ℎ = 𝑥𝑖+1 − 𝑥𝑖
ℎ
Esta fórmula se conoce como diferencia finita dividida hacia adelante, pues, conocido el valor
de la función en un punto 𝑥𝑖 y el valor de la función en un punto 𝑥𝑖+1 , que se obtiene de sumar
un paso ℎ al valor 𝑥𝑖 , podemos estimar el valor de la pendiente de la recta tangente a la
función en 𝑥𝑖 como la pendiente de la recta secante que une los puntos (𝑥𝑖 . 𝑓(𝑥𝑖 )) y
(𝑥𝑖+1 , 𝑓(𝑥𝑖+1 )).

De manera análoga pueden obtenerse las fórmulas para:

𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = ± 𝒪(ℎ) Diferencia finita dividida hacia atrás.
ℎ
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′ (𝑥𝑖 ) = ± 𝒪(ℎ2 ) Diferencia finita dividida centrada.
2ℎ
Observe que el error de truncamiento en esta última es del orden de ℎ2 , en contraste con las
aproximaciones hacia adelante y hacia atrás, que fueron de orden ℎ. Esto significa que, el
análisis de la Serie de Taylor ofrece la información práctica de que la diferencia centrada es
una representación más exacta de la derivada. Para la derivada segunda:

𝑓(𝑥𝑖+2 ) − 2𝑓(𝑥𝑖+1 ) + 𝑓(𝑥𝑖 ) Diferencia finita dividida hacia adelante.

𝑓 ′′ (𝑥𝑖 ) = ± 𝒪(ℎ)
ℎ2
𝑓(𝑥𝑖 ) − 2𝑓(𝑥𝑖−1 ) + 𝑓(𝑥𝑖−2 )
𝑓 ′′ (𝑥𝑖 ) = ± 𝒪(ℎ) Diferencia finita dividida hacia atrás.
ℎ2
𝑓(𝑥𝑖+1 ) − 2𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 )
𝑓 ′′ (𝑥𝑖 ) = ± 𝒪(ℎ) Diferencia finita dividida centrada.
ℎ2
 Análisis Numérico y Cálculo Avanzado

Ejemplo
Calcular la derivada numérica de 𝑓(𝑥) = 0.8𝑥 3 − 1.2𝑥 2 + 0.5𝑥 + 0.4 en 𝑥 = 1, usando ℎ =
0.5 y ℎ = 0.25. Verificar el orden de error cometido.

𝑓 ′ (𝑥) = 2.4𝑥 2 − 2.4𝑥 2 + 0.5

𝑓 ′ (1) = 0.5 (que es el valor verdadero).

Apliquemos las fórmulas de diferenciación numérica con paso ℎ = 0.5:

𝑓(1 + 0.5) = 𝑓(1.5) = 1.15

𝑓(1 − 0.5) = 𝑓(0.5) = 0.45

𝑓(1) = 0.5

La aproximación con diferencias hacia adelante es:

𝑓(1.5) − 𝑓(1) 1.15 − 0.5

𝑓 ′ (1) ≅ =
0.5 0.5
𝑓 ′ (1) ≅ 1.3 → 𝑒𝑣 = |0.5 − 1.3| = 0.8

La aproximación con diferencias hacia atrás es:

𝑓(1) − 𝑓(0.5) 0.5 − 0.45

𝑓 ′ (1) ≅ =
0.5 0.5
𝑓 ′ (1) ≅ 0.1 → 𝑒𝑣 = |0.5 − 0.1| = 0.4

La aproximación con diferencias centradas es:

𝑓(1.5) − 𝑓(0.5) 1.15 − 0.45

𝑓 ′ (1) ≅ =
2 ∙ 0.5 1
𝑓 ′ (1) ≅ 0.7 → 𝑒𝑣 = |0.5 − 0.7| = 0.2

Apliquemos las fórmulas de diferenciación numérica con paso ℎ = 0.25:

𝑓(1 + 0.25) = 𝑓(1.25) = 0.7125

𝑓(1 − 0.25) = 𝑓(0.75) = 0.4375

La aproximación con diferencias hacia adelante es:

𝑓(1.25) − 𝑓(1) 0.7125 − 0.5

𝑓 ′ (1) ≅ =
0.25 0.25
𝑓 ′ (1) ≅ 0.85 → 𝑒𝑣 = |0.5 − 0.85| = 0.35
 Análisis Numérico y Cálculo Avanzado

La aproximación con diferencias hacia atrás es:

𝑓(1) − 𝑓(0.75) 0.5 − 0.4375

𝑓 ′ (1) ≅ =
0.25 0.25
𝑓 ′ (1) ≅ 0.25 → 𝑒𝑣 = |0.5 − 0.25| = 0.25

La aproximación con diferencias centradas es:

𝑓(1.25) − 𝑓(0.75) 0.7125 − 0.4375

𝑓 ′ (1) ≅ =
2 ∙ 0.25 0.5
𝑓 ′ (1) ≅ 0.55 → 𝑒𝑣 = |0.5 − 0.55| = 0.05

En conclusión:

a) La aproximación numérica de la derivada con diferencias finitas centradas es más exacta.

b) El error disminuye aproximadamente a la mitad en los métodos de orden ℎ, cuando el paso

disminuye a la mitad.

c) El error disminuye aproximadamente a la cuarta parte en los métodos de orden ℎ2 , cuando

el paso disminuye a la mitad.

Número de Condición
La condición de un problema matemático relaciona su sensibilidad con los cambios en los
datos de entrada. Se dice que un cálculo es numéricamente estable si la inexactitud de los
valores de entrada se aumenta considerablemente por el método numérico.

= 1 (en módulo) → no se amplifica.

𝑥̃ 𝑓 ′ (𝑥̃)
𝑁𝐶 = < 1 (en módulo) → se atenúa.
𝑓(𝑥̃) > 1 (en módulo) → se amplifica, se dice mal condicionado.

Ejemplo
Calcule e interprete el número de condición para:
𝜋 𝜋
𝑎) 𝑓(𝑥) = 𝑡𝑔 𝑥 con 𝑥̃ = + 0.1 ( )
2 2
𝜋 𝜋
𝑏) 𝑓(𝑥) = 𝑡𝑔 𝑥 con 𝑥̃ = + 0.01 ( )
2 2
Calcularemos el número de condición como:

𝑥̃ 𝑠𝑒𝑐 2 𝑥̃
𝑁𝐶 = ⇒ 𝑎) 𝑁𝐶 = −11.18 𝑏) 𝑁𝐶 = −101.04
𝑡𝑔 𝑥̃
En este caso, la causa principal del mal condicionamiento parece ser la derivada. Siendo peor
aún en el caso (𝑏). Esto tiene sentido, ya que en la vecindad de 𝜋/2, la tangente tiende tanto
a infinito positivo como infinito negativo.
 Análisis Numérico y Cálculo Avanzado

Guía de Problemas
1. Determine el valor aproximado 𝑒 4 con al menos tres cifras significativas; para ello:
a) Calcule la tolerancia máxima del error relativo porcentual de aproximación.
b) Obtenga con una calculadora el valor de 𝑒 4 con siete cifras significativas.
c) Desarrolle 𝑒 𝑥 en Serie de Taylor centrada en cero (Serie de Mc Laurin).
d) Confeccione una tabla con los cálculos de 𝑒 4 utilizando polinomios de Taylor de grado 0, 1, 2,
3, …, 𝑛 calculando para cada uno el error relativo porcentual de aproximación hasta alcanzar
la tolerancia máxima.
e) Exprese correctamente el resultado. ¿Se obtuvieron al menos tres cifras significativas correctas
al llegar a la tolerancia? Comente.
2. Aproxime la función 𝑓(𝑥) = 𝑙𝑛 𝑥 mediante un desarrollo en Serie de Taylor centrado en 𝑎 = 1 y
estime 𝑙𝑛 1.2 con al menos 3 cifras significativas. Estime el error cometido con su aproximación.
3. Determine el valor aproximado de 𝑠𝑒𝑛(𝜋/3) con al menos tres cifras significativas. para ello:
a) Calcule la tolerancia máxima del error relativo porcentual de aproximación.
b) Obtenga con una calculadora el valor de 𝑠𝑒𝑛(𝜋/3) con seis cifras significativas.
c) Aproxime 𝑠𝑒𝑛(𝜋/3) con una Serie de Taylor centrada en cero (Serie de Mc Laurin).
d) Confeccione una tabla con los cálculos de 𝑠𝑒𝑛(𝜋/3) utilizando polinomios de Taylor de grado
0, 1, 2, 3, …, 𝑛 calculando para cada uno el error relativo porcentual de aproximación hasta
alcanzar la tolerancia máxima.
e) Exprese correctamente el resultado. ¿Se obtuvieron al menos tres cifras significativas correctas
al llegar a la tolerancia? Comente.
4. Aproxime 𝑥 − 𝑠𝑒𝑛(𝑥) en 𝑥 = 𝜋/6 con al menos 3 cifras significativas; para ello:
a) Calcule la tolerancia máxima del error relativo porcentual de aproximación.
b) Desarrolle 𝑥 − 𝑠𝑒𝑛(𝑥) en Serie de Taylor centrada en 𝜋/3.
c) Confeccione una tabla con los cálculos de 𝜋/6 − 𝑠𝑒𝑛(𝜋/6) utilizando polinomios de Taylor de
grado 0, 1, 2, 3, …, 𝑛 calculando para cada uno el error relativo porcentual de aproximación
hasta alcanzar la tolerancia máxima.
5. Usando los pasos descriptos en el ejercicio 4 (adaptados para este caso), calcule el valor
aproximado de 𝑐𝑜𝑠(2,01) con al menos cuatro cifras significativas, con un desarrollo en Serie de
Taylor centrado en 𝜋/4.
6. Aproxime la función 𝑓(𝑥) = (𝑠𝑒𝑛 𝑥)/𝑥 mediante un desarrollo en Serie de Taylor centrado en
𝑎 = 0 y estime (𝑠𝑒𝑛 2.3)/2.3 con al menos 4 cifras significativas. Estime el error cometido con su
aproximación.
7. Calcule el valor de la raíz cuadrada de 2 con al menos dos cifras significativas, utilizando una Serie
de Taylor centrada en 1. Determine los errores relativos porcentuales de aproximación ¿Hasta
qué grado debió llegar? Estime el error cometido con su aproximación.
 Análisis Numérico y Cálculo Avanzado

8. Utilice aproximaciones en diferencias de 𝒪(ℎ) hacia atrás y hacia adelante y una aproximación de
diferencias centrada de 𝒪(ℎ2 ) para estimar la primera derivada de la función: 𝑦 = −0.2𝑥 4 −
0.9𝑥 3 − 0.6𝑥 2 − 0.2𝑥 + 1.4. Evalúe la derivada en 𝑥 = 0.1, usando un paso ℎ = 0.2. Compare
los resultados con el valor exacto de las derivadas.
9. Estime la derivada segunda de la función del punto anterior con una aproximación de diferencias
centrada de 𝑂(ℎ2 ) en 𝑥 = 0.1, usando un paso ℎ = 0,1 y ℎ = 0,05. Compare los resultados.
10. Evalúe e interprete los números de condición para:

a) 𝑓(𝑥) = √𝑥 − 1 + 1 para 𝑥̃ = 1.0001

b) 𝑓(𝑥) = 𝑒 −𝑥 para 𝑥̃ = 9

c) 𝑓(𝑥) = √𝑥 2 + 1 − 𝑥 para 𝑥̃ = 300

d) 𝑓(𝑥) = 𝑥 −1 (𝑒 𝑥 − 1) para 𝑥̃ = 0.001
 Análisis Numérico y Cálculo Avanzado

Respuestas
𝑥2 𝑥3
1. a) 0.05% b) 54.59815 c) 𝑒 𝑥 = 1 + 𝑥 + 2!
+ 3!
+⋯

d) N° Término Término 𝑒4 𝑒𝑎 [%]

1 1.000000 1.000000
2 4.000000 5.000000 80.00
3 8.000000 13.000000 61.54
4 10.666667 23.666667 45.07
5 10.666667 34.333334 31.07
6 8.533333 42.866667 19.91
7 5.688889 48.555556 11.72
8 3.250794 51.806350 6.27
9 1.625397 53.431747 3.04
10 0.722399 54.154146 1.33
11 0.288959 54.443105 0.53
12 0.105076 54.548181 0.19
13 0.035025 54.583206 0.06
14 0.010777 54.593983 0.02

e) Se obtuvieron hasta 4 cifras significativas correctas (Scarborough es conservador), 𝑒 4 ≅ 54.5

2. N° Término Término 𝑙𝑛(1.2) 𝑒𝑎 [%]

1 0.200000 0.200000
2 -0.020000 0.180000 11.11
3 0.002667 0.182667 1.46
4 -0.000400 0.182267 0.22
5 0.000064 0.182331 0.04

Una estimación del error puede obtenerse con el resto: 𝑅6 ≅ −0.000011

𝑥3 𝑥5
3. a) 0.05% b) 0.866025 c) 𝑠𝑒𝑛 𝑥 = 𝑥 − 3!
+ 5!
+⋯

d) N° Término Término 𝑠𝑒𝑛 (𝜋/3) 𝑒𝑎 [%]

1 1.047198 1.047198
2 -0.191397 0.855801 22.36
3 0.010495 0.866296 1.21
4 -0.000274 0.866022 0.03

e) Se obtuvieron hasta 5 cifras significativas correctas. 𝑠𝑒𝑛(𝜋/3) ≅ 0.866

4. a) 0.05%
b) Se puede desarrollar el 𝑠𝑒𝑛 𝑥 y restar a 𝑥 el desarrollo, es decir:

√3 1 𝜋 √3 𝜋 2 1 𝜋 3
𝑥 − 𝑠𝑒𝑛 𝑥 = 𝑥 − − (𝑥 − ) + (𝑥 − ) + (𝑥 − ) − ⋯
2 2 3 2 ∙ 2! 3 2 ∙ 3! 3
c) N° Término Término 𝜋/6 − 𝑠𝑒𝑛 (𝜋/6) 𝑒𝑎 [%] Nota: también se puede desarrollar
1 0.523599 0.523599 directamente como 𝑥 − 𝑠𝑒𝑛 𝑥, en
2 -0.866025 -0.342426 252.91 ese caso, habrá una variación en los
3 0.261799 -0.080627 324.70
datos de la tabla. No obstante, con
4 0.118713 0.038086 311.70
5 -0.011962 0.026124 45.79 más o menos iteraciones, se
6 -0.002712 0.023412 11.58 alcanzará un valor con 3 cifras
7 0.000164 0.023576 0.70 significativas correctas.
8 0.000025 0.023601 0.11
9 -0.000001 0.023600 0.00
 Análisis Numérico y Cálculo Avanzado

√2 √2 𝜋 √2 𝜋 2 √2 𝜋 3
5. a) 0.005% b) 𝑐𝑜𝑠 𝑥 = 2
− 2
(𝑥 − 4 ) − 2∙2! (𝑥 − 4 ) + 2∙3! (𝑥 − 4 ) + ⋯

c) N° Término Término 𝑐𝑜𝑠 2.01 𝑒𝑎 [%]

1 0.707107 0.707107
2 -0.865924 -0.158817 545.234
3 -0.530206 -0.689023 76.950
4 0.216431 -0.472592 45.797
5 0.066260 -0.406332 16.307
6 -0.016228 -0.422560 3.840
7 -0.003312 -0.425872 0.778
8 0.000579 -0.425293 0.136
9 0.000089 -0.425204 0.021
10 -0.000012 -0.425216 0.003

6. Se puede desarrollar el 𝑠𝑒𝑛 𝑥 y dividir término a término por 𝑥, es decir:

𝑥3 𝑥5
𝑠𝑒𝑛 𝑥 = 𝑥 − + +⋯
3! 5!
𝑠𝑒𝑛 𝑥 𝑥2 𝑥4
=1− + +⋯
𝑥 3! 5!
N° Término Término (𝑠𝑒𝑛 2.3)/2.3 𝑒𝑎 [%]
1 1.000000 1.000000
2 -0.881667 0.118333 745.073
3 0.233201 0.351534 66.338
4 -0.029372 0.322162 9.117
5 0.002158 0.324320 0.665
6 -0.000104 0.324216 0.032
7 0.000004 0.324220 0.001

Una estimación del error puede obtenerse con el resto: 𝑅16 ≅ 0.000000002
7. 𝑒𝑠 = 0.5%
N° Término Término √𝑥 𝑒𝑎 [%]
1 1.000000 1.000000
2 0.500000 1.500000 33.3
3 -0.125000 1.375000 9.1
4 0.062500 1.437500 4.3
5 -0.039063 1.398437 2.8
6 0.027344 1.425781 1.9
7 -0.020508 1.405273 1.5
8 0.016113 1.421386 1.1
9 -0.013092 1.408294 0.9
10 0.010910 1.419204 0.8
11 -0.009274 1.409930 0.7
12 0.008009 1.417939 0.6
13 -0.007008 1.410931 0.5
14 0.006199 1.417130 0.4

Se necesitó una aproximación de orden 13. Una estimación del error puede obtenerse con el
resto: 𝑅14 ≅ −0.005535
8. Derivada exacta: 𝑦 ′ (0.1) = −0.3478
Hacia adelante: 𝑦 ′ (0.1) ≅ −0.565, 𝑒𝑣 = 0.2172
Hacia atrás: 𝑦 ′ (0.1) ≅ −0.209, 𝑒𝑣 = 0.1388
Centrada: 𝑦 ′ (0.1) ≅ −0.387, 𝑒𝑣 = 0.0392
 Análisis Numérico y Cálculo Avanzado

9. Derivada exacta: 𝑦 ′′ (0.1) = −1.764

Para ℎ = 0.1, centrada: 𝑦 ′′ (0.1) ≅ −1.768, 𝑒𝑣 = 0.004
Para ℎ = 0.05, centrada: 𝑦 ′′ (0.1) ≅ −1.765, 𝑒𝑣 = 0.001
Podemos ver cómo, al reducir el paso ℎ a la mitad, el error disminuye a la cuarta parte.
10. a) 𝑁𝐶 ≅ 49, en módulo es mayor a 1, está mal condicionado.
b) 𝑁𝐶 ≅ −9, en módulo es mayor a 1, está mal condicionado.
c) 𝑁𝐶 ≅ −1, en módulo es igual a 1, la inexactitud no se amplifica.
d) 𝑁𝐶 ≅ 0.0005, en módulo es menor a 1, la inexactitud se atenúa.