CAPÍTULO 1

INTRODUCCIÓN A LA TEORÍA DE
ERRORES

1.1. El análisis numérico

1.2. Teoría de errores

1.3. Problemas

17
18 | Capítulo 1. Introducción a la teoría de errores

1.1. El análisis numérico

El extraordinario progreso experimentado por las ciencias y la tecnología en los últimos

siglos, es consecuencia en gran parte, por el enorme desarrollo de la matemática. Varias
teorías matemáticas se aplicaron para predecir fenómenos físicos que no pudieron ser
confirmados hasta que transcurrieron varias décadas. Un claro ejemplo lo constituyen las
ecuaciones desarrolladas por el físico James Clarke Maxwell que predijeron la existencia
de las ondas de radio. A su vez, los desarrollos de Albert Einstein sobre ciertas ecuaciones
de campo, produjeron la predicción de la propiedad de la gravedad de curvar las
trayectorias de la luz y los trabajos del físico Paul Dirac predijeron la existencia de la
antimateria.
Los primeros planteos matemáticos han surgido como consecuencia de la necesidad de
resolver problemas prácticos tales como el cálculo de áreas y volúmenes, problemas de
navegación, etc. Entre los griegos ya existían ideas claras sobre diversas cuestiones
referentes a problemas sobre determinación de máximos y mínimos. Así, dos problemas
clásicos de la antigüedad son la determinación de la línea de longitud mínima que une a
dos puntos dados y la determinación de la curva que encierra un área máxima, entre
todas aquellas que tienen una longitud fija dada. Posteriormente, científicos y
matemáticos estudiaron diversos fenómenos presentes en la naturaleza, construyendo
modelos matemáticos que permitieron el análisis y la determinación de parámetros
característicos. El uso y desarrollo de modelos matemáticos dio origen a diversos métodos
numéricos. La aparición del cálculo diferencial permitió un increíble desarrollo del campo
de aplicación de la matemática y el advenimiento de la computadora digital, ha
provocado una verdadera revolución en el uso y desarrollo de modelos matemáticos.
El objetivo principal del análisis numérico consiste en el desarrollo de métodos
computacionales para el análisis y resolución de problemas matemáticos. En estos últimos
a veces se pueden obtener fórmulas que constituyen las llamadas soluciones analíticas. El
álgebra y el análisis matemático proveen una gran variedad de soluciones analíticas de
diversos problemas matemáticos, pero muchos de los problemas que se originan en las
ciencias y la ingeniería son imposibles de resolver por vía analítica en forma exacta; o su
resolución, si es posible, resulta excesivamente difícil, ya que debe ser obtenida a través de
procedimientos tan complicados que los hacen inadecuados en la práctica.
 1.1. El análisis numérico | 19

Los modelos matemáticos, en general, describen con cierto grado de aproximación a

magnitudes del problema real y, por otra parte, la determinación de parámetros, conduce
a errores inevitables de medición. En general, en la práctica no se necesita la solución
exacta de determinado problema, sino los valores de dicha solución con un cierto grado de
precisión. El tipo de problema que se esté resolviendo origina la precisión necesaria en los
resultados numéricos, y es ésta la que generalmente determina el método a usar y la
complejidad de la resolución del problema. Es inadecuada la creencia que hacer
matemática, en la actualidad, se reduce simplemente a la computación. Cabe destacar que
un sustento teórico sobre temas de análisis numérico debe tenerse aun cuando se tenga la
posibilidad de uso de paquetes comerciales de subrutinas sobre métodos numéricos, dado
que es importante el conocer las limitaciones y las reales posibilidades de esas subrutinas.
Pero más aún, muchos problemas no pueden ser directamente resueltos con dichos
programas. En esos casos puede ser necesario reformar y adaptar los programas o
desarrollar nuevas metodologías de cálculo. Esto requiere un buen conocimiento sobre
cuestiones teóricas de los métodos numéricos y sobre programación en computadoras.
Se denomina algoritmo a un conjunto finito de pasos destinados a la obtención de
determinado objetivo. En el análisis numérico este objetivo generalmente consiste en la
implementación de un procedimiento numérico para resolver un determinado problema
matemático. Un algoritmo debe ser preciso, en el sentido que las instrucciones en cada
paso deben especificar sin ambigüedad qué acción se va a realizar y, además, debe
terminar después de un número finito de pasos. Se denomina método numérico a un
algoritmo que permite la resolución de problemas cuyas soluciones consisten en uno o más
valores numéricos. Los valores numéricos obtenidos por este procedimiento constituyen lo
que se denomina solución numérica del problema.
Uno de los parámetros que establecen la eficiencia de un método numérico es su
facilidad de implementación en un dispositivo de cálculo. Por ello, la elección de un
método numérico para resolver determinado problema matemático, está influenciada por
los elementos de cálculo que se tienen a disposición.
Actualmente existe un buen número de razones que obligan a estudiar y utilizar
los métodos numéricos, entre las cuales cabe destacar:
a) Los mismos son herramientas extremadamente poderosas para la solución de varios
problemas originados en las ciencias y en la ingeniería. Permiten, por ejemplo, el
tratamiento y resolución de grandes sistemas de ecuaciones, el tratamiento de no
20 | Capítulo 1. Introducción a la teoría de errores

linealidades y geometrías complicadas que son comunes en la práctica de la ingeniería y

que, a menudo, son imposibles de resolver analíticamente. Por lo tanto amplían, en
quienes los estudian y aplican, su habilidad para resolver problemas.
b) Existen situaciones que no pueden resolverse mediante el empleo de software sobre
métodos numéricos. Si se conocen los aspectos teóricos del tema y las propiedades de los
métodos numéricos, así como la programación de computadoras, entonces se tiene la
capacidad de diseñar programas propios. Por otra parte, en muchos casos esto evita la
compra de software costoso.
c) Los métodos numéricos constituyen una herramienta eficiente para aprender a utilizar
adecuadamente los dispositivos de cálculo. Como los mismos en su mayoría están
elaborados para implementarse en computadoras, resultan ideales para apreciar tanto la
eficiencia, como las limitaciones de las mismas. Por otra parte, mediante el uso de
métodos numéricos se aprende a reconocer y controlar los errores de aproximación que son
inevitables en los cálculos.
Los problemas que trata el análisis numérico se pueden clasificar en dos grandes
grupos fundamentales:

1) Problemas de dimensión finita. Son aquellos cuya respuesta

está constituida por un conjunto finito de números. Estos problemas son por ejemplo, los
relativos a la resolución de sistemas de ecuaciones lineales, al cálculo de valores y vectores
propios, y a la resolución de ecuaciones no lineales y sistemas de ecuaciones no lineales.

2) Problemas de dimensión infinita. Son los que implican, en

su solución o planteamiento, a elementos descritos por una cantidad infinita de números.
Entre estos cabe destacar la integración numérica, la derivación numérica, la resolución
de ecuaciones diferenciales ordinarias o en derivadas parciales, la interpolación de
funciones y la integración de funciones.
La raíz de una ecuación no lineal es un número real o complejo y la solución de
un sistema de ecuaciones lineales está constituido por un conjunto finito de números.
Estas situaciones corresponden claramente al primer grupo. Por otra parte, la resolución
de una ecuación diferencial ordinaria implica la obtención de una función que pertenece a
una cierta clase. A su vez, el problema de la interpolación implica la determinación de la
expresión analítica de una función que reemplace a la función original. La característica
común que implica la determinación de aplicaciones o funciones, hace que se traten de
problemas que corresponden al segundo grupo antes definido.
 1.2. Teoría de errores | 21

1.2. Teoría de errores

1.2.1. Introducción

Los errores numéricos más comunes se generan al hacer uso de aproximaciones en el

manejo y representación de números y en la resolución aproximada de modelos
matemáticos. Cuando se utilizan aproximaciones en lugar de números exactos, se generan
errores, que se denominan errores de redondeo. La expresión decimal de los números
reales permite uniformar los cálculos, ya que las operaciones se realizan como si todos los
dígitos fuesen enteros. Pero, este tipo de expresión tiene el inconveniente de exigir el uso
de infinitas cifras, no sólo para representar a los números irracionales, sino también a los
racionales, cuyos denominadores contienen factores distintos de 2 y 5. Entonces,
necesariamente al trabajar con estos números, se deben eliminar infinitas cifras desde una
en adelante. Tanto las calculadoras como las computadoras digitales, necesariamente
introducen al operar con números, los denominados errores de redondeo. Esto es obvio
dado que no es posible almacenar las infinitas cifras significativas que corresponden a la
representación decimal de cada número exacto. Las computadoras y calculadoras trabajan
con un promedio de 10 dígitos significativos (comúnmente varía de 7 a 14 dígitos).
Otro tipo de errores aparece cuando un proceso de límites es detenido antes de llegar al
valor del límite buscado. Estos errores se denominan errores de truncamiento, y los
mismos aparecen, por ejemplo, cuando de una serie infinita se considera tan solo una
cantidad finita de términos. Finalmente, cabe destacar que otra fuente de errores surge
cuando se reemplaza a un modelo matemático dado por otro más simple, mediante el uso
de fórmulas que discretizan el problema original. Así por ejemplo, las derivadas de
funciones pueden ser aproximadas mediante cocientes de diferencias finitas; las funciones
no lineales pueden ser aproximadas por funciones lineales; las integrales definidas se
pueden aproximar mediante sumas finitas, etc. Los errores originados por esta vía se
denominan errores de discretización.
Muchos autores incluyen en una sola clase los dos últimos tipos de errores
analizados, y utilizan los términos de truncamiento y de discretización como sinónimos.
Además de los errores mencionados, cabe destacar que los datos experimentales que
surgen de medidas, están generalmente afectados por errores de medición.
22 | Capítulo 1. Introducción a la teoría de errores

1.2.2. Error absoluto y error relativo de una aproximación

Cuando se utilizan símbolos o expresiones matemáticas para representar exactamente a

un número dado, se dice que la representación es exacta. En cambio cuando se emplea un
conjunto finito de dígitos para representar a un número que involucra a infinitos dígitos
en su expresión, se dice que la representación es aproximada. Así, los símbolos

1 / 2,  y 2

constituyen representaciones exactas; en cambio, el número 3,141592654 constituye una

representación aproximada del número .
Todas estas consideraciones permiten comprender que es necesario realizar un
estudio especial sobre los números aproximados. De aquí en más vamos a denotar con x E
un valor exacto dado y con x A , una aproximación al mismo.

1.2.1 Definición. Dados x E y x A , se denomina error

absoluto en x A y se denota por ex al valor
A

ex  x E  x A (2.1)
A

Se dice que la aproximación es por exceso o defecto, según que el error dado por (2.1) sea
negativo o positivo.

Un defecto de la definición 1.2.1 radica en que no tiene en cuenta el orden de

magnitud del valor que se está aproximando. Esto, en la práctica, puede conducir a una
información inadecuada o insuficiente. Así, un error de 1 cm puede ser significativo si
surge de la medición del espesor de una plaqueta electrónica y, a su vez, ser insignificante
si corresponde a la medición de la altura de una torre de transmisión. Una manera de
tener en cuenta el orden de magnitud del valor cuya determinación da origen al error,
consiste en normalizar el error respecto del valor exacto. Esto conduce a la definición,
desde un punto de vista teórico, del denominado error relativo.
 1.2. Teoría de errores | 23

1.2.2 Definición. Dados x E y x A , se denomina error relativo

  al valor dado por

en x A y se denota por r x A

r x   x  x  / x , x  0.
A E A E E
(2.2)

El error relativo porcentual se define como

   
r x A %  r x A 100%. (2.3)

Lamentablemente, las expresiones (2.1) a (2.3) implican el uso del valor exacto x E , el
cual, por lo general, se desconoce. De todas formas, cuando se aplica un método numérico,
lo que importa es la obtención de una determinada aproximación al valor exacto
desconocido. De conocerse el valor exacto, no tiene sentido el aplicar un método para
obtener una aproximación al mismo, de manera que, en la práctica, las expresiones (2.1) a
(2.3) en rigor no son de utilidad. Su importancia está en el campo teórico, por ejemplo
para probar con casos particulares a los distintos métodos numéricos.
Una forma de superar al problema descrito, consiste en normalizar el error
respecto de la mejor estimación posible del valor exacto, generándose un valor que se
 
designa con r x A , donde el símbolo de la tilde sobre la letra r indica claramente que se
trata de una aproximación al error relativo. Luego es
   
r x A  x E  x A / x A . (2.4)

Dado que el numerador de la expresión (2.4) no se conoce, se recurre a la determinación

de una cota para el error absoluto, es decir un valor C tal que sea

ex  C.
A

Esto implica que el valor exacto x E está dentro del intervalo cerrado

 C  x A ,C  x A  .

El signo de las expresiones (2.1) a (2.3) puede ser positivo o negativo, pero en general éste
no tiene importancia y, en la práctica, interesa obtener las correspondientes cotas de
error.
24 | Capítulo 1. Introducción a la teoría de errores

Ejemplo 1.2.1 Sean los valores exactos del espesor

de una placa de aluminio y de la longitud de una cuerda metálica dados respectivamente
por 10 mm y 10.000 mm. Si se establecen medidas que arrojan los valores 9 mm y
9.999 mm, se generan los errores que se describen a continuación:
 Espesor de la placa

x E  10 mm, x A  9 mm, ex A  1 mm, r  x A  %   1 / 10  100%  10%.

 Longitud de la cuerda.

x E  10.000 mm, x A  9.999 mm, exA  1 mm, r  x A  %   1 / 10.000 100%  0, 01%.

Es evidente que a pesar que en ambos casos el error absoluto es el mismo, en el cálculo
del espesor de la placa se comete un error relativo bastante significativo, mientras que en
el cálculo de la longitud de la cuerda, el mismo es muy pequeño. ■

Ejemplo 1.2.2 Se desean determinar los errores

absoluto y relativo que se cometen al calcular el valor de la integral
1


2
I  e x dx ,
0

con la fórmula de aproximación

1
1
x4 x6 
 1  x 2   dx .
 
2
ex dx 
0 0  2! 3! 
Dado que es
1 4 6
 1  x 2  x  x dx  1,4571428571;
 0  2!

3! 

si se adopta como valor exacto a

I E  1, 462617459
resultan los errores:

eI A  I E  I A  0, 005474602,

r  I A   0, 005474602 / 1, 462617459  0, 003743017. ■

 1.2. Teoría de errores | 25

Ejemplo 1.2.3 Los errores: absoluto,

relativo y porcentual, que se cometen al calcular el área de un círculo con la fórmula
aproximada
A   11 / 14 d 2 ,

donde d indica el diámetro, están dados por:

ex  0, 0003161223,
A

r  x A   0, 00040249,

r  x A  %  0, 0402%.

En rigor la fórmula usada para el cálculo del área, produce un error al usar
11 / 14  0, 7857142857 como aproximación al valor exacto  / 4. ■

1.2.3. Redondeo de números

Si en la expresión decimal de un número se eliminan todas las cifras que siguen a una
dada, se dice que el número se ha redondeado al orden de la última cifra decimal retenida.
Existen distintas clases de redondeo:
 Redondeo por defecto: cuando la última cifra retenida no se altera.
 Redondeo por exceso: cuando la última cifra retenida se incrementa en 1 (cuando ésta
es 9 repercute modificando a todas las cifras anteriores).
 Redondeo al valor más próximo: se aplica redondeo por defecto o exceso según que la
primer cifra descartada sea  5 ó  5.
De aquí en más se usará el término redondeo para indicar redondeo al valor más
próximo. A modo de ejemplo, consideremos el número 7,4721 que al ser redondeado con 2
cifras decimales queda 7,47. A su vez, el número 508,406 al ser redondeado con 2 cifras
decimales, se transforma en 508,41. Finalmente el número 88,35 redondeado con 1 cifra
decimal se transforma en 88,4.
Es importante la determinación del error absoluto que se comete al aplicar las
reglas de redondeo. En el teorema siguiente se determina una acotación para el error
absoluto que se comete al efectuar redondeo al valor más próximo.
26 | Capítulo 1. Introducción a la teoría de errores

1.2.3 Teorema. Sea el número real x  e, d1d2d 3 dN  ,

donde e denota la parte entera de x y d1d2d3 dN  indica los infinitos dígitos decimales
que le corresponden. Entonces, el error absoluto que se comete al redondear x a N cifras
decimales, no supera a media unidad del N  ésimo lugar decimal, es decir se verifica

x  x  0, 5  10 N , (2.5)
donde x denota al número redondeado.

Demostración
Para todo x es

x  e, d1d2d 3 dN  x  e, d1d2d 3  dN  1 .  (2.6)

Supongamos que es dN 1  5, entonces, al reemplazar en (2.6) al número del tercer

 
miembro por e, d1d2d3 dN dN 1  1 , resulta

e, d1d2d3 dN  x  e, d1d2d3 dN dN 1  1 .  (2.7)

Al restar a todos los miembros de (2.7) el número x se obtiene

  
0  x  x  0, 0000  0 dN 1  1  0, dN 1  1  10 N . 
Dado que por hipótesis es dN 1  5 resulta dN 1  1  5 y es


x  x  0, 0000  0 5  0, 5  10 N . (2.8)

Por otra parte, si es dN 1  5, el número x se obtiene sumando una unidad al último

digito retenido de x . Luego al restar miembro a miembro el valor x en (2.6), resulta

   
0  e, d1d2d3  dN  1  x  0, 0000  0 10  dN 1  0, 10  dN 1  10 N . 

Dado que en este caso es 10  dN 1  5 y x  e, d1d2d 3  d N  1 , resulta 
x  x  0, 5  10N . (2.9)

De (2.8) y (2.9) resulta (2.5) lo que implica que el error que se comete al redondear a x
con N cifras decimales, no supera al valor 0, 5  10 N . ■
 1.2. Teoría de errores | 27

1.2.4. Cifras significativas y correctas de un número

Se denominan cifras significativas a todos los dígitos que corresponden a un número dado,
excepto los ceros, cuando esas cifras nulas sólo se usan para fijar la posición de la coma
decimal. En números que no contienen ceros, todas las cifras son significativas. A su vez,
todos los ceros entre dos dígitos significativos son significativos. Por ejemplo, los números
9,824; 0,05301; 7005 son todos números de cuatro cifras significativas.
Cabe destacar que no son significativos los ceros colocados después de un dígito
no nulo, cuando esos ceros se usan tan sólo para completar una cantidad de cifras dada.
Por ejemplo, si se conoce que una cantidad del orden de seis millones tiene exactos los
dígitos 564, y no se conoce cuáles son los restantes dígitos exactos, entonces se completa
con ceros para obtener 5.640.000. Los ceros agregados para dar al número el orden
correcto no son significativos en este caso ya que no proporcionan información sobre los
dígitos correctos que van en las posiciones que ellos ocupan. Queda claro entonces que si
un número no tiene coma decimal y termina con uno o más ceros, éstos pueden ser o no
significativos. Es decir que en este caso, para especificar el número de cifras significativas
se requiere información adicional. Para indicar claramente cuándo los ceros son
significativos, es especialmente útil la notación científica, que en el caso del número
5.640.000 viene dada por 5, 64  106. Como puede observarse, con esta notación sólo se
escriben los dígitos significativos.

1.2.4 Definición. Dado el número aproximado x A , un dígito significativo

del mismo se denomina dígito correcto, si el valor absoluto del error ex es menor o igual
A

que media unidad del orden del dígito en cuestión.

De la definición anterior, se deduce que un número aproximado tiene todas sus

dígitos significativos correctos, cuando el valor absoluto de su error no supera a media
unidad del orden de la última cifra. Así: 3; 3,1; 3,14; 3,1416 son valores aproximados a 
con todas sus cifras correctas. Se habla de cifras correctas y no de cifras exactas ya que
por ejemplo 3,1416 tiene sus cifras correctas pero no todas coinciden con las
correspondientes cifras del número exacto.
28 | Capítulo 1. Introducción a la teoría de errores

Ejemplo 1.2.4 Sean el valor exacto

x E  33 / 17  1, 941176471
y el valor aproximado x A  1, 9411. Es inmediato que se verifican:

ex  0,76471  104  0, 5; ex  0,76471  104  0, 05; ex  0,76471  10 4  0, 005;

A A A

ex  0,76471  104  0, 0005.

A

En consecuencia, se puede afirmar que los dígitos 1, 9, 4 y 1, de x A son correctos. Por

otra parte es
ex  0,76471  10 4  0, 00005  0, 5  104.
A

Esto implica, de acuerdo con la definición 1.2.4, que el último 1 de x A no es un dígito

correcto. ■

Nota 1.2.1 En las cantidades aproximadas se

escriben únicamente los dígitos significativos correctos y si no se indica explícitamente el
error absoluto de la aproximación, o una cota para el mismo, ello significa que no supera
a media unidad del orden del último dígito conservado. Así, si en la aproximación del
valor aproximado x A  4, 38 se sabe que todos los dígitos son correctos, entonces, ello
implica que se verifica
ex  0, 5  10 2.
A

Sobre la base del análisis previo, se establece el siguiente criterio para determinar
la cantidad de cifras decimales correctas de una aproximación x A a un valor exacto x E :
La N  ésima cifra decimal de x A es correcta, si se verifica que es

x E  x A  0, 5  10 N . (2.10)

Según se demostró en el teorema 1.2.3, al redondear un número real x a N dígitos

decimales, el error absoluto que se comete no supera a media unidad del orden del último
dígito conservado, en consecuencia al redondear un número, el mismo queda expresado
con todos sus dígitos correctos. Así, el número 3,142 que surge de redondear a tres cifras
decimales el valor de , tiene correctas todas sus cifras. ■
 1.2. Teoría de errores | 29

1.2.5. El error de redondeo en la computadora digital

Dado que los dispositivos de cálculo almacenan y trabajan con números constituidos por
un número finito de dígitos, inevitablemente surgen errores de redondeo. Supongamos que
estamos trabajando con una computadora que almacena 7 dígitos decimales significativos,
entonces el número  es almacenado mediante la expresión 3,141592; donde los restantes
números fueron eliminados directamente mediante el procedimiento llamado de corte.
Este proceso ignora automáticamente a todos los dígitos de la representación decimal
completa, que no están dentro de las siete cifras significativas. El error absoluto que se
comete al almacenar el número  de la manera indicada, viene dado por 0,000000654....
La computadora puede ser diseñada para efectuar redondeos en lugar de cortes
para los dígitos que deben descartarse. Esto disminuye los errores de redondeo pero
incrementa el costo computacional. El proceso de redondeo se efectúa de acuerdo con las
reglas descriptas en el punto 1.2.3, es decir se conservan las 7 cifras significativas y el
resto se descarta; pero el último dígito retenido se aumenta en una unidad si el primer
dígito descartado es mayor o igual a 5; de lo contrario no se altera.

 Aritmética de punto fijo

Las primeras computadoras utilizaban aritmética de punto fijo, en la cual se mantiene un
número fijo de cifras decimales en cada número, antes y después de operar con los
mismos. Por ejemplo, si se tienen los números: a  8321, 34, b  0, 018 y se realiza el
cálculo c  a  b en aritmética de punto fijo con dos dígitos decimales, resulta

c  8321, 34  0, 01  83, 21.

Por otra parte, el cálculo exacto está dado por

c  8321, 34  0, 018  149, 78412.

Este simple ejemplo demuestra que la aritmética de punto fijo puede conducir a errores
muy importantes, si no se tiene un especial cuidado en su manejo. Este problema queda
superado mediante la aritmética de punto flotante.
30 | Capítulo 1. Introducción a la teoría de errores

 Aritmética de punto flotante

Se denomina así porque la coma decimal no ocupa una posición fija sino que ésta varía en
forma continua, ajustando los distintos números que se utilizan, de manera que se
mantenga una cantidad fija de cifras significativas.
La coma decimal se coloca a la izquierda del primer dígito y se multiplica al
número completo por una potencia adecuada de 10. Así, el número 8432,41 se escribe en
notación de punto flotante como 0, 843241  104. Los números a y b, del ejemplo anterior,
se almacenan en punto flotante de la siguiente manera:
a  8321, 34 se almacena como 0, 843241  104 y b  0, 018 como 0,18  101 , luego es

c  a  b  0,14978412  103  149, 78412.

Cabe destacar que al almacenar números en punto flotante en un dispositivo de

cálculo, el exponente y el signo que le corresponden ocupan espacios en la memoria. Por lo
tanto, los números no pueden ser expresados con tantas cifras en aritmética de punto
flotante como en la aritmética de punto fijo, con la consecuente pérdida de precisión. Así
por ejemplo, en el caso de una computadora que permite almacenar números con un total
de 10 cifras, en aritmética de punto fijo, el número 184325,8324 queda almacenado como
tal, pero en aritmética de punto flotante se almacena como 0,184325E  06 donde la
notación E  06 significa 106. Es decir que el símbolo E , el signo + y el exponente,
ocupan un total de 4 espacios. Dado un número x , la expresión en punto flotante que le
corresponde, viene dada por

x  signo x  0, d d d
1 2
d
N N 1 
 be . (2.11)

Este número se almacena en punto flotante como

 
x  signo x (0, d1d2 dN )be . (2.12)

La expresión 0, d1d2 dN se denomina mantisa y los dígitos que la componen son
comúnmente expresados en la base b y es 0  di  b  1, d1  0. Generalmente se usan
b  2, 8,10 o 16.
El sistema binario de numeración ( b  2 ) es especialmente adecuado para ser utilizado
por circuitos electrónicos. A su vez, los sistemas octal ( b  8 ) y hexadecimal ( b  16 )
están íntimamente relacionados con el sistema binario, ya que 8 y 16 son obtenidos como
 1.2. Teoría de errores | 31

potencia de 2. Estos son utilizados porque permiten una escritura mucho más compacta
de los números, que en el sistema binario.
En (2.11) la letra e representa al exponente, el cual verifica c  e  C , donde los
enteros c y C varían según el tipo de computadora. Por otra parte, en la mantisa, N
indica la cantidad de decimales con que se trabaja y es un número que varía según el tipo
de computadora. Muchas computadoras tienen la posibilidad de extender el valor de N .
Así, un valor común es N  6 que para b  16, (sistema hexadecimal), equivale a 6 ó 7
dígitos decimales de precisión. En este caso se dice que se trabaja con precisión simple,
para distinguir de la precisión doble la cual se obtiene cuando es N  14 y se trabaja con
16 dígitos decimales de precisión.
Cabe destacar que existe software sofisticado, para el tratamiento y resolución de
problemas matemáticos, basado en el cálculo simbólico. Este enfatiza el cálculo exacto
con expresiones que contienen variables que no toman un valor numérico dado y que por
lo tanto son manipulados como símbolos. Estos programas pueden manipular números con
decenas de dígitos decimales, propiedad que permite eliminar o atenuar el efecto de los
errores de redondeo. Entre los sistemas algebraicos computacionales más usados en
ingeniera están el MAPLE y el MATHEMATICA.

1.2.6. Propagación de errores de redondeo

Al efectuar las cuatro operaciones algebraicas básicas con números aproximados, los
errores se propagan a los resultados correspondientes. Existen muchas otras situaciones en
las cuales al operar con números almacenados en punto flotante, surgen errores
significativos. Así, al dividir un número dado por otro de valor cercano a cero, puede
producirse un error de redondeo importante. En efecto, sea x E un número real exacto que
al ser almacenado con una cantidad finita de dígitos, se transforma en x A , con
x E  x A  e, donde e denota el error de redondeo. Si se realiza la operación x E / z, donde
z es un número real cualquiera, se tiene
xE xA  e xA e
   . (2.13)
z z z z

De (2.13) se deduce que el error de redondeo que se comete al realizar la operación

indicada viene dado por e / z y que la magnitud de este error depende del valor de z .
32 | Capítulo 1. Introducción a la teoría de errores

Así, si el valor de z es relativamente grande, el error de redondeo no toma valores

importantes; pero si el valor de z es relativamente pequeño, el error de redondeo pasa a
ser significativo.
Otro tipo de operación que comúnmente produce errores de redondeo de
significación, es la resta de números aproximados entre sí. Concretamente, supongamos
los números x y z que tienen las siguientes expresiones en punto flotante

 
fl x  0, d1d2 dN cN 1cN  2 cM  10k , (2.14)


fl z  0, d1d2 dN eN 1eN 2 eM  10k . (2.15)

La expresión en punto flotante de la resta de (2.14) y (2.15), viene dada por

      fl 0,d d d c c
fl fl x  fl z 1 2 N N 1 N  2 
cM  10k  0, d1d2 d NeN 1eN  2 eM  10k 
 fl  0, 00  0a a a  10   0, a
N 1 N 2 M
k
a
N 1 N 2
aM  10 k N
.

Es evidente, que el número utilizado para representar a x  z tiene solamente M  N

cifras significativas, lo cual indica una pérdida importante de precisión. No obstante, se
pueden desarrollar estrategias para eliminar este tipo de errores reformulando el problema
original.

1.2.7. Errores de truncamiento

En el subapartado 1.2.1 se indicó que estos errores se manifiestan en procesos que
involucran infinitos términos, cuando tan sólo un finito es considerado. Un ejemplo de
este tipo de errores se obtiene al considerar la serie de Taylor. Sea f una función que
admite derivadas continuas en el intervalo  a, b  , hasta la de orden N  1 con N  0. Si
además es x n , x n 1  a, b  y h  x n 1  x n , entonces se verifica

1 1 1 (N )
   
f x n 1  f x n 
1!
   
f  x n h  f  x n h 2  ... 
2! N!
f  
x n h N  ET . (2.16)

El resto de la serie corresponde al valor del error de truncamiento, que viene dado por

1
ET   
f (N 1) cn h N 1 , (2.17)
N  1 !
donde cn es un punto que está entre x n y x n 1 . Esta serie permite obtener el valor

 
f x n 1 en base a los valores de f y de sus derivadas en el punto x n .
 1.2. Teoría de errores | 33

El término de error dado por (2.17) presenta dos problemas que son característicos en los
errores de truncamiento de los diferentes métodos numéricos. En primer lugar, no se
conoce el valor exacto de cn , tan sólo se sabe que es un valor que está entre x n y x n 1 .
Por otra parte, se necesita conocer la expresión analítica de f (N 1) . No obstante, las
expresiones analíticas de los errores de truncamiento son útiles no solo en la teoría, sino
también para probar la eficiencia de los métodos, en los casos particulares en que se
conocen las soluciones exactas.

Ejemplo 1.2.5 Si se calcula el valor de e1,5 mediante la

fórmula (2.16) con N  6, x n  0 y x n 1  x, resulta
1 1 1 1 1 1
ex  1  x  x 2  x 3  x 4  x 5  x 6. (2.18)
1! 2! 3! 4! 5! 6!

Dado que es x E  e1,5 , si se usan 9 dígitos decimales para expresar este valor resulta

x E  e 1,5  4, 481688927.

Al tomar distinta cantidad de términos en (2.18) se obtienen los valores y los

correspondientes errores relativos que se detallan a continuación.

N  1, x A  1, r  x A   0, 776869.

N  2, x A  2, 5; r  x A   0, 442173.

N  3, x A  3, 625; r  x A   0,191151.

N  4, x A  4,1875; r  x A   0, 0656405.

N  5, x A  4, 39843; r  x A   0, 0185756.

N  6, x A  4, 46171; r  x A   0, 00445591.

De la expresión del error de truncamiento dado por (2.17), al tener en cuenta que es
c6   0, x , x  1, 5 y que la función exponencial es monótona creciente, resulta

ET 
c
e 6x7

 
e1,5 1, 5
 0, 0151932. ■
 6  1 ! 7!
34 | Capítulo 1. Introducción a la teoría de errores

1.2.8. Errores de discretización

Estos errores surgen cuando se implementan aproximaciones a cálculos matemáticos

exactos, al discretizar el modelo matemático original. Así por ejemplo, de acuerdo con la
definición de derivada, es
1
 
f  x  lim
h 0 h
  
f x h  f x .  
Esto sugiere que el cociente

 f x  h   f  x   / h
puede ser usado para aproximar a f  x   con la precisión deseada, siempre que h sea lo
suficientemente pequeño.
El reemplazo de expresiones analíticas que involucran a derivadas por otras que
involucran a cocientes incrementales, conduce a modelos discretos. Tal como se estableció
en el subapartado 1.2.1, los errores que surgen al realizar este tipo de operaciones se
denominan errores de discretización. La misma situación se plantea cuando las integrales
definidas se reemplazan por sumas finitas o cuando las funciones no lineales se reemplazan
por funciones lineales. Así por ejemplo, el valor de la integral
b
I 
 f x  dx
a

se puede aproximar mediante la siguiente suma finita

N /21 N /2
h 
     
 f x 0  f x N  2  f x 2i  4  f x 2i 1
3
   ,
i 1 i 1 

donde es N  2 un número par y

x i  a  ih, i  0,1, 2, , N , h  b  a  / N .

1.3. Problemas

1. Indicar cuántas cifras significativas poseen los siguientes números:

a ) 3, 81  103

b) 0, 030  102
 1.3. Problemas | 35

c) 9800

d ) 16, 063

e) 0, 00491

2. Redondear los siguientes números a tres cifras significativas:

a ) 30.485, 002

b) 84, 56  102

c) 0, 09343  103

d ) 0, 025  103

e) 7.307, 01032  102

3. Determinar el error absoluto y relativo cometido, al aproximar el valor

x E  36, 08 por el valor x A  36,1.

4. Dada la aproximación x A si es ex  0, 77  10 1, indicar en qué posición decimal

A

se encuentra el último dígito correcto.

5. Dados los dos números exactos x E y yE , si x A y yA , son las correspondientes

aproximaciones, demostrar que el error absoluto de la suma x A  yA , está limitado por las
sumas de las cotas de los errores absolutos de los sumandos y que el error absoluto del
producto, si se desprecia el error ex ey , verifica la desigualdad
A A

ex .y A
 x A C y  yA C x ,
A A A

donde C x , y C y , denotan las correspondientes cotas de error absoluto.

A A
36 | Capítulo 1. Introducción a la teoría de errores

6. Analizar el error de truncamiento que se origina al evaluar la función

x
e mediante la fórmula
1 1 1
e x  1  x  x 2  x 3  ET .
1! 2! 3!

Obtener el valor que proporciona la fórmula para x  1 / 2. Verificar con el valor exacto
de e 0,5 si el error estimado es adecuado.

7. Demostrar que el error de truncamiento de la formula


e x t 1 1! 2! 3 ! N 1  N  1 !  N 
e x t
I x   x t
dt   2  3  4    1
x x x x
  xN
  1 N!

x t N 1
dt, x  0,

se puede acotar mediante la desigualdad

  xN ! N!


ET x, N N 1  x
e x t dt 
x N 1
.

Sugerencia. Considerar que es

N  e x t
   
ET x, N  1 N !
x
t N 1
dt,

y que al ser x  t  0, t   0,   resulta e x t  1.