Métodos Numéricos

Aproximaciones y Errores de redondeo

1 Cifras significativas
Las cifras significativas tienen dos implicaciones importantes en
el estudio de los métodos Numéricos.

 Para tener la confiabilidad de un resultado de un problema

planteado se puede establecer mediante un número de
cifras significativas.

 En cantidades tales con 𝜋, 𝑒 𝑙𝑛3, 𝑜 √5 que constan de

infinitos decimales y como las computadoras retienen un
número finito de cifras significativas, la omisión de las
restantes cifras significativas se cono como error de
redondeo.

2 Exactitud
La exactitud se refiere a que tan cercano esta el valor calculado
o medido del valor verdadero.

1
3 Precisión
La precisión se refiere a que tan cercano se encuentran, unos
de otros de los valores calculados o medidos.

2
4 Definiciones de Error
Los errores de truncamiento que resultan del empleo de
aproximaciones como procedimiento matemático.
Los errores de redondeo que se producen cuando se usan
números que tienen un límite de cifras significativas para
representar números exactos.
Para ambos tipos de errores, la relación entre el resultado exacto
ó verdadero y el aproximado esta dado por:
𝑉𝑉 = 𝑉𝐴 + 𝜀
Donde:
𝑉𝑉 = 𝑉𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
𝑉𝐴 = 𝑉𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝜀 = 𝐸𝑟𝑟𝑜𝑟

5 Error verdadero es:

𝜀 = |𝑉𝑉 − 𝑉𝐴 |

6 Error relativo verdadero

𝑉𝑉 − 𝑉𝐴
𝜀𝑡 = | | × 100 %
𝑉𝑉

Cuando no se conoce el verdadero valor, entonces el error se

puede normalizar, utilizando:
𝐴𝑎𝑐𝑡 − 𝐴𝑎𝑛𝑡
𝜀𝑎 = | | × 100
𝐴𝑎𝑐𝑡
Este cálculo se repiten hasta que:
|𝜀𝑎 | < 𝜀𝑠
Donde 𝜀𝑠 es fijado previamente

3
Es conveniente también relacionar estos errores con el número
de cifras significativas en la aproximación. Es posible demostrar
que si el siguiente criterio se cumple, se tendrá la seguridad que
el resultado es correcto en al menos n cifras significativas.
𝜀𝑠 = (0.5 × 102−𝑛 )%

Ejemplo 1
Suponga que se tiene que medir la longitud de una avenida y la
de una calle, y se obtiene 3492 m y 128 m, respectivamente. Si
los valores verdaderos son 3500 m y 130 m, calcule:
a) el error verdadero y
b) el error relativo porcentual verdadero en cada caso.
Solución
a) El error en la medición de la avenida es:

𝜀𝑡 = 3 500 − 3 492 = 8 𝑚

Y en el de la calle es de:

𝜀𝑡 = 130 − 128 = 2 𝑚

b) El error relativo verdadero para la avenida es:

3 500 − 3 492
𝜀𝑡 = | | × 100 = 0.2296 %
3 500

Y para la calle es de:

130 − 128
𝜀𝑡 = | | × 100 = 1.54 %
130
4
Ejemplo 2
Estimar el valor de 𝑒 1.5 , sabiendo que:
𝑥2 𝑥3 𝑥𝑛
𝑒𝑥 = 1 + 𝑥 + + + ⋯+
2! 3! 𝑛!
con 4 cifras significativas.
Solución
Hallando el error con 4 cifras significativas

𝜀𝑠 = (0.5 × 102−4 )% = 0.005 %

Primera aproximación

𝑒 1.5 = 1

Segunda aproximación

𝑒 1.5 = 1 + 1.5 = 2.5

Error normalizando

2.5 − 1
𝜀𝑎 = | | × 100 = 60 %
2.5

Como 60 % > 0.005 %

Tercera aproximación

(1.5)2
𝑒 1.5 = 1 + 1.5 + = 3.625
2!

5
Error normalizando

3.625 − 2.5
𝜀𝑎 = | | × 100 = 31.0345 %
3.625

Como 31.0345 % > 0.005 %

Cuarta aproximación

(1.5)2 (1.5)3
𝑒 1.5 = 1 + 1.5 + +
2! 3!

𝑒 1.5 = 4.1875

Error normalizando

4.1875 − 3.625
𝜀𝑎 = | | × 100 = 13.4328 %
4.1875

Como 13.4328 % > 0.005 %

Quinta aproximación

(1.5)4
𝑒 1.5 = 4.1875 + = 4.3984
4!

Error normalizando

4.3984 − 4.1875
𝜀𝑎 = | | × 100 = 4.7949 %
4.3984

6
Como 4.7949 % > 0.005 %

Sexta aproximación

(1.5)5
𝑒 1.5 = 4.3984 + = 4.4617
5!

Error normalizando

4.4617 − 4.3984
𝜀𝑎 = | | × 100 = 1.4187 %
4.4617

Como 1.4187 % > 0.005 %

Séptima aproximación

(1.5)6
𝑒 1.5 = 4.4617 + = 4.4775
6!

Error normalizando

4.4775 − 4.4617
𝜀𝑎 = | | × 100 = 0.3529 %
4.4775

Como 0.3529% > 0.005 %

Octava aproximación

(1.5)7
𝑒 1.5 = 4.4775 + = 4.4809
7!

7
Error normalizando

4.4809 − 4.4775
𝜀𝑎 = | | × 100 = 0.0759 %
4.4809

Como 0.0759% > 0.005 %

Novena aproximación

(1.5)8
𝑒 1.5 = 4.4809 + = 4.4815
8!

Error normalizando

4.4815 − 4.4809
𝜀𝑎 = | | × 100 = 0.0134 %
4.4815

Como 0.0134 % > 0.005 %

Decima aproximación

(1.5)9
𝑒 1.5 = 4.4815 + = 4.4816
9!

Error normalizando

4.4816 − 4.4815
𝜀𝑎 = | | × 100 = 0.0022 %
4.4816

Como 0.0022% < 0.005 %

8
7 Series de Taylor
La serie de Taylor proporciona 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.
La aproximación de orden cero es:

𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥1 )
La aproximación de primer orden es:

𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 )

La aproximación de segundo orden es:

𝑓´´(𝑥𝑖 )
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) + (𝑥𝑖+1 − 𝑥𝑖 )2
2!

Asi sucesivamente la aproximación n-esima es:

𝑓´´(𝑥𝑖 )
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) + (𝑥𝑖+1 − 𝑥𝑖 )2
2!
𝑓´´´(𝑥𝑖 ) 𝑓 (𝑛) (𝑥𝑖 )
+ (𝑥𝑖+1 − 𝑥𝑖 )3 + ⋯ + (𝑥𝑖+1 − 𝑥𝑖 )𝑛
3! 𝑛!
+ 𝑅𝑛

Donde:

𝑓 (𝑛+1) (𝜉)
𝑅𝑛 = (𝑥 − 𝑥𝑖 )𝑛+1
(𝑛 + 1)! 𝑖+1

9
Representa en residuo de la aproximación de n-esimo orden y 𝜉
es un valor de 𝑥 que se encuetra en algún punto entre 𝑥𝑖 𝑦 𝑥𝑖+1
Si ℎ = 𝑥𝑖+1 − 𝑥𝑖 , entonces:

𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )ℎ + ℎ + ℎ +⋯
2! 3!
𝑓 (𝑛) (𝑥𝑖 ) 𝑛
+ ℎ + 𝑅𝑛
𝑛!

Donde el termino residual es:

𝑓 (𝑛+1) (𝜉) 𝑛+1

𝑅𝑛 = ℎ
(𝑛 + 1)!

Ejemplo 3
Use la expansión de Taylor hasta la aproximación de tercer
orden para aproximar la función 𝑓(𝑥) = 8𝑥 3 − 36𝑥 2 + 46𝑥 − 15,
desde 𝑥𝑖 = 0 para estimar el valor de 𝑓(𝑥𝑖+1 ) = 𝑓(1.45), si
𝑓(1.45) = 0.399
Solución
𝑓(𝑥) = 8𝑥 3 − 36𝑥 2 + 46𝑥 − 15 → 𝑓(0) = −15

𝑓´(𝑥) = 24𝑥 2 − 72𝑥 + 46 → 𝑓´(0) = 46

𝑓´´(𝑥) = 48𝑥 − 72 → 𝑓´´(0) = −72

𝑓´´´(𝑥) = 48 → 𝑓´´´(0) = 48

𝑓 (4) (𝑥) = 0 → 𝑓 (4) (0) = 0

10
Aproximación de orden cero:

𝑓(𝑥𝑖+1 ) = 𝑓(0) → 𝑓(1.45) = −15

Su error de truncamiento es:

𝜀𝑡 = 0.399 + 15 = 15.399

Aproximación de primer orden

𝑓(𝑥𝑖+1 ) = 𝑓(0) + 𝑓´(0)ℎ

𝑓(1.45) = −15 + 46(1.45) = 51.7

Su error de truncamiento es:

𝜀𝑡 = 0.399 − 51.7 = −51.301

Aproximación de segundo orden

𝑓´´(0) 2
𝑓(𝑥𝑖+1 ) ≅ 𝑓(0) + 𝑓´(0)ℎ + ℎ
2!

𝑓(1.45) ≅ −15 + 46(1.45) − 36(1.45)2

𝑓(1.45) = −23.99

Su error de truncamiento es:

𝜀𝑡 = 0.399 + 23.99 = 24.389

11
Aproximación de tercer orden

𝑓´´(0) 2 𝑓´´´(0) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(0) + 𝑓´(0)ℎ + ℎ + ℎ
2! 3!

𝑓(1.45) ≅ −15 + 46(1.45) − 36(1.45)2 + 8(1.45)3

𝑓(1.45) ≅ 0.399

Su error de truncamiento es:

𝜀𝑡 = 0.399 − 0.399 = 0

Ejemplo 4
Use la expansión de Taylor hasta la aproximación de septimo
𝜋
orden para aproximar la función 𝑓(𝑥) = cos 𝑥, desde 𝑥𝑖 = para
4
𝜋 𝜋
estimar el valor de 𝑓(𝑥𝑖+1 ) = 𝑓 ( 3 ), si 𝑓 ( 3 ) = 0.5
Solución
𝜋 𝜋 𝜋
ℎ= − =
3 4 12

aproximación de orden cero:

𝜋 𝜋
𝑓 ( ) = cos ( ) = 0.70710678
3 4

que tiene un error verdadero porcentual de:

0.5 − 0.70710678
𝜀𝑡 = | | 100 % = 41.42 %
0.5

12
 Aproximación de primer orden:

𝜋 𝜋 𝜋 𝜋
𝑓 ( ) = cos ( ) − 𝑠𝑒𝑛 ( ) ( ) = 0.52198665
3 4 4 12

que tiene un error verdadero porcentual de:

0.5 − 0.52198665
𝜀𝑡 = | | 100 % = 4.39 %
0.5

En exel se presenta los resultados siguientes:

8 Diferenciación Numérica
La diferenciación numérica llamada también como diferencias
fintas divididas está dada por:

𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )ℎ + ℎ + ℎ +⋯
2! 3!

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓´´(𝑥𝑖 ) 𝑓´´´(𝑥𝑖 ) 2

𝑓´(𝑥𝑖 ) = + ℎ+ ℎ
ℎ 2! 6
o
13
 ∆𝑓𝑖
𝑓´(𝑥𝑖 ) = + 𝑂(ℎ)
ℎ

Donde ∆𝑓𝑖 se le conoce como la primera diferencia hacia

adelante y a ℎ se le llama el tamaño del paso o incremento esto
es, la longitud del intervalo sobre el cual se realiza la
aproximación.

La aproximación a la primera derivada con diferencias hacia

atrás se determina a partir de la serie de Taylor que se expande
hacia atrás, es decir:

𝑓´´(𝑥𝑖 ) 𝑓´´´(𝑥𝑖 )
𝑓(𝑥𝑖−1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(−ℎ) + (−ℎ)2 + (−ℎ)3
2! 3!
+⋯

𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖−1 ) ≅ 𝑓(𝑥𝑖 ) − 𝑓´(𝑥𝑖 )ℎ + ℎ − ℎ +⋯
2! 3!

𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 ) 𝑓´´(𝑥𝑖 ) 𝑓´´´(𝑥𝑖 ) 2

𝑓´(𝑥𝑖 ) = + ℎ− ℎ +⋯
ℎ 2! 6

14
 ∇𝑓𝑖
= + 𝑂(ℎ)
ℎ

Donde 𝑂(ℎ) es el error y ∇𝑓𝑖 es la primera diferencia hacia atrás

La aproximación a la primera derivada con diferencias centradas

está dada por:
𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )ℎ + ℎ + ℎ +⋯
2! 3!

𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖−1 ) ≅ 𝑓(𝑥𝑖 ) − 𝑓´(𝑥𝑖 )ℎ + ℎ − ℎ +⋯
2! 3!

Restando estas ecuaciones se tiene

𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) = 2𝑓´(𝑥𝑖 )ℎ + ℎ +⋯
3

15
 𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) 𝑓´´´(𝑥𝑖 ) 2
𝑓´(𝑥𝑖 ) = − ℎ +⋯
2ℎ 6

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓´(𝑥𝑖 ) = + 𝑂(ℎ2 )
2ℎ

𝑓(𝑥𝑖+1 )−𝑓(𝑥𝑖−1 )
Donde es la aproximación de la primera derivada
2ℎ
con diferencias centradas y 𝑂(ℎ2 ) es el error de la aproximación.

Ejemplo 5
Usando las aproximaciones con diferencias finitas hacia
adelante, hacia atrás y centradas para estimar la primera
derivada de 𝑓(𝑥) = 𝑠𝑒𝑛(𝑥) + cos(𝑥), en 𝑥 = 1 y con ℎ = 1. y ℎ =
0.5
Solución
𝑓´(𝑥) = cos 𝑥 − 𝑠𝑒𝑛 𝑥

𝑓´(1) = cos(1) − 𝑠𝑒𝑛(1) = − 0.301169

16
Como 𝑓(𝑥) = 𝑠𝑒𝑛(𝑥) + cos(𝑥)

Para ℎ = 1
𝑓(𝑥𝑖−1 ) = 𝑓(0) = 1
𝑓(𝑥𝑖 ) = 𝑓(1) = 1.381773

𝑓(𝑥𝑖+1 ) = 𝑓(2) = 0.493151

Aproximación hacia adelante

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓(2) − 𝑓(1)

𝑓´(𝑥𝑖 ) = =
ℎ 1

𝑓´(1) = 0.493151 − 1.381773 = −0.888622

− 0.301169 + 0.888622
𝐸𝑡 = | | 100 % = 195.06 %
− 0.301169

Aproximación hacia atrás

𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 ) 𝑓(1) − 𝑓(0)

𝑓´(𝑥𝑖 ) = =
ℎ 1

𝑓´(𝑥𝑖 ) = 1.381773 − 1 = 0.381773

− 0.301169 − 0.381773
𝐸𝑡 = | | 100 % = 230.26 %
− 0.301169

Aproximación centrada:

17
 𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) 𝑓(2) − 𝑓(1)
𝑓´(𝑥𝑖 ) = =
2ℎ 2

0.493151 − 1
𝑓´(1) = = −0.253425
2

− 0.301169 + 0.253425
𝐸𝑡 = | | 100 % = 15.85 %
− 0.301169

Para ℎ = 0.5
𝑓(𝑥𝑖−1 ) = 𝑓(0.5) = 1.357008

𝑓(𝑥𝑖 ) = 𝑓(1) = 1.381773

𝑓(𝑥𝑖+1 ) = 𝑓(1.5) = 1.068232

Aproximación hacia adelante

18
 𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓(1.5) − 𝑓(1)
𝑓´(𝑥𝑖 ) = =
ℎ 0.5

1.068232 − 1.381773
𝑓´(1) = = −0.627082
0.5

− 0.301169 + 0.627082
𝐸𝑡 = | | 100 % = 108.21 %
− 0.301169
Aproximación hacia atrás

𝑓(𝑥𝑖 ) − 𝑓(𝑥𝑖−1 ) 𝑓(1) − 𝑓(0.5)

𝑓´(𝑥𝑖 ) = =
ℎ 0.5

1.381773 − 1.3570081
𝑓´(𝑥𝑖 ) = = 0.04953
0.5

− 0.301169 − 0.04953
𝐸𝑡 = | | 100 % = 116.45 %
− 0.301169

Aproximación centrada:

𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) 𝑓(2) − 𝑓(1)

𝑓´(𝑥𝑖 ) = =
2ℎ 1

1.068232 − 1.3570081
𝑓´(1) = = −0.288776
1

− 0.301169 + 0.288776
𝐸𝑡 = | | 100 % = 4.11 %
− 0.301169

19