APROXIMACIONES Y ERRORES EN EL ANÁLISIS NUMÉRICO

1. INTRODUCCION
Las técnicas numéricas son muy sencillas en su descripción y en sus aplicaciones, por lo
que es importante entender el concepto de “error” para utilizar en forma efectiva los
métodos numéricos. Para validar una técnica numérica para un problema dado se
necesita de alguna manera que esta tenga solución analítica. De no tenerla se usara
aproximaciones o estimaciones de los errores.

/…/…/…/ 8bits /……………./ 32 bits

/…………../ 16 bits /…………………./ 64 bits

Los errores más comunes son los errores de redondeo y los errores de truncamiento.

 Los errores de redondeo se deben a que la computadora solo puede representar

cantidades numéricas con un número finito de dígitos.
 Los errores de truncamiento son los que representa la diferencia entre la
formulación matemática exacta de un problema y la aproximación dada por un
método numérico.

Otros errores que se pueden dar que no están relacionados con los métodos numéricos:
 Errores por equivocación.
 Errores en la formulación del modelo.
 Incertidumbre en la obtención de los datos.

2. CIFRAS SIGNIFICATIVAS
Cuando empleamos un número en un determinado cálculo, se debe tener la seguridad
de que puede usarse con confianza. El concepto de cifras significativas se ha
desarrollado para designar formalmente la confiablidad de un valor numérico.

Los ceros causan siempre confusión al operar.

Ejemplo:

0.00001845
0.001845 Tiene 4 cifras significativas
0.01845

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de

los métodos numéricos.
a) Los métodos numéricos dan resultados aproximados por lo que se deseen
desarrollar para especificar qué tan confiables son dichos resultados. “El
valor obtenido será correcta cuando se especifica la cantidad de ‘n’ cifras
significativas”.
b) Ciertas cantidades como π, e, √7 representan números específicos, no se
puede expresar exactamente como un numero finito de dígitos.

Ejemplo: sea
π = 3.141592653589793238462643….

Y debido a que las computadoras retienen solo un número finito de cifras

significativas tales números jamás se podrán representar con exactitud.
A la omisión del resto de cifras significativas se le conoce como errores de
redondeo.

En el sistema decimal un cierto número real se encuentra representado por

un numeral N, tal que su descomposición polinómica.

𝑁 = 𝑎𝑚 × 10𝑚 + 𝑎𝑚−1 × 10𝑚−1 + 𝑎𝑚−2 × 10𝑚−2 + ⋯

Siendo los coeficientes:

𝑎𝑖 = (𝑖 = 𝑚, 𝑚 − 1, 𝑚 − 2, … )

Valores enteros y positivos menores que diez.

Orden: El orden de un número es el mayor valor que adopta el exponente
de 10 en la descomposición polinómica del número, asumiendo que sus
coeficientes de cero (?)

Cifras significativas: serán todos los coeficientes comprendidos en la

descomposición polinómica numeral.

Ejemplo:
Sea, N=27.048
𝑁 = 2 × 101 + 7 × 100 + 0 × 10−1 + 4 × 10−2 + 8 × 10−3
m= 1
C.S.= 5
Notación científica: 2.0748 × 101 <> 2.7048𝐸 + 01
Ejemplo:

Sea, N=0.002804

Descomposición polinómica:

𝑁 = 2 × 10−3 + 8 × 10−4 + 0 × 10−5 + 4 × 10−6

m= -3
C.S.= 4

Notación científica: 2.804 × 10−3

Entonces las cifras significativas son los dígitos de un número que consideramos no
nulos.

8723 → 4c.s./son significativas todos los dígitos distintos de cero.

105 → 3c.s. / los ceros situados entre dos cifras significativas son significativas.

0.005 → 1c.s./los ceros a la izquierda de la primera cifra significativa no lo son.

8.00→ 3c.s./para números mayores que uno los ceros a la derecha del punto decimal
son significativos.

7x102→ 1c.s./para números sin punto decimal los ceros posteriores a la última cifra
distinta de cero pueden o no considerarse significativas.

7.0x10→ 2c.s./para este caso que es 70 podríamos considerar una o dos cifras
significativas.

TAREA:

Escribir las cifras significativas de los siguientes números.

DESARROLLO:

Números Cifras significativas

145071 6

4.9900x10 5

4.21300x10 6

34800 3

0.459 3

96800 3

0.00129 3
 3. CONCEPTO DE EXACTITUD Y PRECISION

Los errores asociados a los cálculos se pueden caracterizar con respecto a su exactitud
y precisión.

 EXACTITUD: se refiere a que tan cercano está el valor calculado o medido

respecto al valor verdadero.
 PRECISION: se refiere a que tan cercanos se encuentran los valores
calculados o medidos unos de otros.

a) Inexacto e impreciso.
b) exacto e impreciso.
c) inexacto y preciso.
d) exacto y preciso.

 INEXACTITUD: (sesgo) es una desviación sistemática del valor verdadero.

 IMPRECISION: se llama también incertidumbre, esta se refiere a la

magnitud en la dispersión de los valores calculados o medidos.

Nota:

>> format long (formato largo/ para que tenga más decimales)
4. ERRORES

ERROR DE TRUNCAMIENTO

Sabemos que el valor de e=2.71…. (Usamos format long en matlab)

>>exp(1) = 2.718281828459046 %valor verdadero

Sin embargo existe la serie de expansión de Maclaurin para evaluar la expresión “𝑒 𝑥 ”

𝑥
𝑥2 𝑥3 𝑥4 𝑥5
𝑒 = 1+𝑥+( )+( )+( )+( )+⋯
2! 3! 4! 5!

𝑒𝑥 = 1

Error= valor verdadero- valor calculado

>> 𝑉𝑟𝑒𝑎𝑙 = 𝑒𝑥𝑝(1);

>> 𝑉𝑐𝑎𝑙 = 1;

>> 𝐸1 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 1.71 … ;

>> %𝑑𝑜𝑠 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠 𝑑𝑒 𝑒(𝑥)

>> 𝑥 = 1;

>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥;

>> 𝑉𝑐𝑎𝑙 = 2;

>> 𝐸2 = 𝑉𝑟𝑒𝑎𝑙 − 𝑣𝑐𝑎𝑙 = 0.71 …

>> %𝑡𝑟𝑒𝑠 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑟𝑖𝑒

>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + (𝑥^2)/2;

>> 𝑉𝑐𝑎𝑙 = 2.5;

>> 𝐸3 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.218 … ;

(….)

De acuerdo a lo anterior podemos decir:

Valor verdadero= Valor aproximando + error (1)

Error=Valor verdadero – Valor aproximado (2)

En notación matemática: 𝐸𝑣 = 𝑥 − 𝑥̅ (3)

Donde:

Ev: denota el valor verdadero (exacto del error)

X: representa el valor verdadero

𝑥̅ : representa el valor aproximado

TAREA:

Continuar las iteraciones del ejercicio anterior y hacer un programa que realice la
operación.

DESARROLLO:

Para 10 iteraciones: (continuamos el anterior)

ITERACION 4

𝑥2 𝑥3
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( 2! ) + ( 3! ) ;

>> 𝑉𝑐𝑎𝑙 = 2.6667;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.051 … ;

ITERACION 5

𝑥2 𝑥3 𝑥4
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( ) + ( ) + ( ) ;
2! 3! 4!

>> 𝑉𝑐𝑎𝑙 = 2.7083;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.009 … ;

ITERACION 6

𝑥2 𝑥3 𝑥4 𝑥5
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( 2! ) + ( 3! ) + ( 4! ) + ( 5! ) ;

>> 𝑉𝑐𝑎𝑙 = 2.7167;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.001 … ;

ITERACION 7

𝑥2 𝑥3 𝑥4 𝑥5 𝑥6
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( 2! ) + ( 3! ) + ( 4! ) + ( 5! ) + ( 6! ) ;

>> 𝑉𝑐𝑎𝑙 = 2.7180;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.0002 … ;

ITERACION 8

𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( 2! ) + ( 3! ) + ( 4! ) + ( 5! ) + ( 6! ) + ( 7! ) ;

>> 𝑉𝑐𝑎𝑙 = 2.71825;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.00002 … ;

ITERACION 9

𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( 2! ) + ( 3! ) + ( 4! ) + ( 5! ) + ( 6! ) + ( 7! ) + ( 8! ) ;

>> 𝑉𝑐𝑎𝑙 = 2.71827;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.000003 … ;

ITERACION 10

𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8 𝑥9
>> 𝑉𝑐𝑎𝑙 = 1 + 𝑥 + ( 2! ) + ( 3! ) + ( 4! ) + ( 5! ) + ( 6! ) + ( 7! ) + ( 8! ) + ( 9! ) ;

>> 𝑉𝑐𝑎𝑙 = 2.71828;

>> 𝐸4 = 𝑉𝑟𝑒𝑎𝑙 − 𝑉𝑐𝑎𝑙 = 0.0000003 … ;

PROGRAMA EN MATLAB

clear all
clc
format long
n=input('Ingrese la cantidad de terminos de la serie: ');
x=1;
vreal=exp(x);
fprintf('Valor real de exp(x)%12.8f\n',vreal)
suma=1;
facto=1;
fprintf(' Iter exp aprox error\n');
for i=1:n-1
facto=facto*i;
y=x^i/facto;
suma=suma+y;
error=abs(vreal-suma);
fprintf('%5.0f\t %12.7f\t %12.7f\t\n',i,suma,error);
end
fprintf('El error verdadero obtenido es %12.8f\n',error);
fprintf('El valor de exp(x) aprox %12.8f\n',suma);
Resultado:

Existe un problema al utilizar esta definición de error, esto es cuando la magnitud no

nos indica que tan representativa es esta cantidad.

Nos dan un canal de 1000m pero medimos 999m → Ecanal=1000-999=1

Nos dan un puente de 1m pero medimos 99cm →Epuente=100-99=1

¿En dónde está el mayor error?

Para resolver esta incertidumbre en la interpretación del error, se recurre a la

normalización del mismo usando el valor verdadero como referencia:

𝐸𝑟𝑟𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
𝐸𝑟𝑟𝑜𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑓𝑟𝑎𝑐𝑐𝑖𝑜𝑛𝑎𝑟𝑖𝑜 =
𝑉𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
(𝑥−𝑥̅ )
𝐸𝑟 = 𝑥
(4)

También el valor del error relativo se puede expresar en forma porcentual el multiplicar
por 100 el error relativo fraccionario.

𝑥−𝑥̅
𝐸𝑝 = ( ) × 100 (5)
𝑥

Para fines de poder comprara los errores de un cálculo contra las de otro, se prefiere
usar valores absolutos.

𝐸𝑣 = |𝑥 − 𝑥̅ | (6)
𝑥−𝑥̅
𝐸𝑟 = | | (7)
𝑥
 𝑥−𝑥̅
𝐸𝑝 = | | × 100 (8)
𝑥

Para los errores anteriores es que para ser evaluados se requiere del valor verdadero.

Entonces el error se puede estimar como la diferencia entre la aproximación previa y la

aproximación actual:

a) ERROR APROXIMADO:
𝑒𝑎 = 𝑥𝑖+1 − 𝑥𝑖 (9)

b) ERROR RELATIVO FRACCIONARIO APROX.

𝑥𝑖+1 −𝑥𝑖
𝑒𝑟 = (10)
𝑋𝑖+1

c) ERROR RELATIVO PORCENTUAL APROX.

𝑥𝑖+1 −𝑥𝑖
𝑒𝑝 = ( ) × 100 (11)
𝑋𝑖+1

Reescribiendo
𝑒𝑎 = |𝑥𝑖+1 − 𝑥𝑖 | (12)

𝑥𝑖+1 −𝑥𝑖
𝑒𝑟 = | | (13)
𝑋𝑖+1

𝑥𝑖+1 −𝑥𝑖
𝑒𝑝 = | | × 100 (14)
𝑋𝑖+1