Aproximaciones y errores de

redondeo
 Cifras significativas
• Los métodos numéricos dan resultados
aproximados.
• Se deben desarrollar criterios para
especificar qué tan confiables son.
• Una manera de hacerlo es en términos de
cifras significativas.
Fig 3.1
 Cifras significativas
• Las computadoras sólo retienen un
número finito de cifras significativas, los
números irracionales jamás se podrán
representar con exactitud.

• La omisión del resto de cifras

significativas se le conoce como error de
redondeo
 Exactitud y precisión
• Exactitud: se refiere a qué tan cercano
está el valor calculado o medido del valor
verdadero.

• Precisión: se refiere a qué tan cercano se

encuentran, unos de otros, diversos
valores calculados o medidos.
 Fig 3.2
Exactitud creciente

Precisión creciente
 Exactitud y precisión
• Inexactitud: conocida como sesgo, se
define como una desviación sistemática
del valor verdadero.

• Imprecisión: conocida como

incertidumbre, se refiere a la magnitud en
la dispersión de los datos.
 Definiciones de error
• De truncamiento: resultan del empleo de
aproximaciones.

• De redondeo: se producen cuando se

usan números que tienen un límite de
cifras significativas para representar
números exactos.
 Errores
• La relación entre el resultado exacto y
verdadero está dado por:

Valor verdadero = valor aproximado + error

• Et= valor verdadero – valor aproximado

 Error
error verdadero
Error relativo fraccional verdadero =
valor verdadero

error verdadero
εt = 100%
valor verdadero
 Cálculo de errores
• Se tiene que medir la longitud de un
puente y la de un remache, se obtiene
9 999 y 9 cm, respectivamente. Si los
valores verdaderos son 10 000 y 10 cm.

• Calcule el error verdadero

• Calcule el error relativo porcentual
 Error
• En situaciones reales a veces es difícil o
imposible contar con el valor verdadero.

• Cuando no se conoce a priori la respuesta

verdadera, una alternativa es normalizar
el error, usando la mejor aproximación
posible al valor verdadero.
 Error
error aproximado
εa = 100%
valor aproximado

aproximacion actual - aproximacion anterior

εa = 100%
aproximacion actual

el subindice a significa que el error esta normalizado a un valor aproximado

 Error
• Los signos de las ecuaciones anteriores
pueden ser positivos o negativos.

• A menudo, no importa mucho el signo del

error, sino que su valor absoluto
porcentual sea menor que una tolerancia
porcentual prefijada ε s
 Error

εa < εs

Si se cumple esta relación, entonces se

considera que el resultado obtenido está
dentro del nivel aceptable fijado previamente.
 Error
• Es posible demostrar que si el siguiente
criterio se cumple, se tendrá la seguridad
de que el resultado es correcto con al
menos n cifras significativas.

ε s = (0.5*10 2− n
)%
 Estimación del error con métodos
iterativos
• La función exponencial se calcula usando
la siguiente Serie de Maclaurin:

2 3 n
x x x
e = 1 + x + + +L +
x

2! 3! n!
Errores de redondeo
 Errores de redondeo
• Se originan debido a que la computadora
emplea un número determinado de cifras
significativas durante un cálculo.

• Además, debido a que las computadoras

usan una representación en base 2, no
pueden representar exactamente algunos
números en base 10.
 Errores de redondeo

• Se relacionan de manera directa con la

forma en que se guardan los números en
la memoria de la computadora.
 Representación de números
• La unidad fundamental se llama palabra
(byte).

• Una palabra es una cadena de dígitos

binarios o bits.

• Los números son guardados en una o

más palabras.
 Sistemas numéricos

• Notación posicional

• Bases
Fig 3.3
 Representación entera
• Método de magnitud con signo

• Emplea el primer bit de una palabra para

indicar el signo. (0 positivo, 1 negativo).

• Los otros bits se usan para guardar el

número.
• 1000000010101101=-173
 Fig 3.4

Número
Signo
 Complemento a 2

• Incorpora directamente el signo dentro de

la magnitud del número.
 Punto Flotante
• Se utiliza para representar números
fraccionarios.

• Todo número se expresa como una parte

fraccionaria llamada mantisa y una parte
entera llamada exponente.

e
mb
 Punto Flotante
156.78=0.15678x103

• En punto flotante, el primer bit se usa para

el signo.
• La siguiente serie de bits para el
exponente con signo.
• Los últimos bits para la mantisa.
 Fig 3.5

Exponente
signado

Mantisa

Signo
 Mantisa normalizada
1
= 0.029411765
34

• Si se guarda en una computadora que

sólo permite cuatro lugares decimales, se
guardaría como 0.0294x100
• El cero inútil a la derecha del punto
decimal hacer perder el dígito 1.
 Mantisa normalizada
• El número se normaliza para eliminar el
cero, multiplicando por 10 y disminuyendo
el exponente en 1, quedando:

0.2941x10-1

• Así se conserva una cifra adicional.

 Mantisa normalizada
• La normalización consiste en limitar el
valor absoluto de m a:

1
≤ m <1
b
 Punto Flotante
• Permite representar tanto fracciones
como números muy grandes.

• Requieren más espacio y más tiempo de

procesamiento.

• Introducen un error de redondeo ya que la

mantisa conserva un número finito de
cifras significativas.
 Problema
• Determinar un conjunto hipotético de
números con punto flotante para una
máquina que guarda la información usando
palabras de 7 bits.

• El primer bit para signo del número.

• Los otros 3 para signo y magnitud del
exponente.
• Los últimos 3 para magnitud de la mantisa.
 Problema
• 0111100 número positivo más pequeño.
0111100=+0.5x10-3

• Los siguientes números más grandes son:

0111101=(1x2-1+0x2-2+1x2-3)x2-3=0.078125
0111110=(1x2-1+1x2-2+0x2-3)x2-3=0.093750
0111111=(1x2-1+1x2-2+1x2-3)x2-3=0.109375
 Fig 3.6

Magnitud de
Signo de Signo de mantisa
número exponente

Magnitud de
exponente
 Problema
• Las equivalencias en base 10 se
esparcen de manera uniforme en un
intervalo de 0.015625.

• Para continuar el incremento se debe

disminuir el exponente a 10, lo cual da
1x21+0x20 = 2
 Problema
• La mantisa vuelve a disminuir hasta su
valor más pequeño: 100, por lo que el
siguiente número es:

0110100=(1x2-1+0x2-2+0x2-3)x2-2=0.125000

• Lo cual sigue dando una brecha de

0.015625
 Problema
• Los siguientes números incrementando
mantisa son:

0110101=(1x2-1+0x2-2+1x2-3)x2-2=0.156250
0110110=(1x2-1+1x2-2+0x2-3)x2-2=0.187500
0110111=(1x2-1+1x2-2+1x2-3)x2-2=0.218750

La brecha es ahora de 0.03125

 Problema
• El número más grande es

0011111=(1x2-1+1x2-2+1x2-3)x23=7
Cancelación Redondeo

Fig 3.7

Rebose

“Hueco” de
subrebose en cero
 Errores de redondeo
• El rango de cantidades que pueden
representarse es limitado.
• Existe sólo un número finito de cantidades
que puede representarse dentro de un
rango limitado.
• El intervalo entre los números aumenta
conforme los números aumentan en
magnitud.
 Rangos limitado
• Hay números grandes positivos y negativos
que no pueden representarse.

• Intentar emplear números fuera del rango da

como resultado error de desbordamiento
(overflow).

• Números muy pequeños tampoco pueden

representarse (underflow) debido al agujero
entre el cero y el primer número positivo.
 Número finito de cantidades
• El grado de precisión es limitado.

• Los números irracionales no pueden

representarse de manera exacta.

• Tampoco los racionales que no concuerdan

pueden ser representados de manera precisa.

• Errores de cuantificación.
 Errores de cuantificación
• La aproximación real se realiza de dos
formas: cortando o redondeando.

• Cortando: simplemente omitir o cortar a

partir de un término. Todos los errores son
positivos.

• Redondeando: produce un error menor

que el corte pero aumenta el trabajo
computacional.
 Intervalo entre números

• Permite que la representación de punto

flotante conserve los dígitos significativos.

• También significa que los errores de

cuantificación sean proporcionales a la
magnitud del número representado.
 Intervalo entre números
• Para normalizar los números de punto flotante, esta proporcionalidad se expresa:

∆x ε ∆x
Corte: ≤ε Redondeo: ≤
x x 2
 Intervalo entre números

ε = epsilon de la maquina

ε =b 1-t

• b es el número base

• t es el número de dígitos significativos en la mantisa.

Fig 3.8

Error relativo
más grande