ANALISIS NUMERICO

ANALISIS DE ERROR

MSc. Carlos Velásquez F.

2018(1)
 Aproximaciones y errores de redondeo
Notación Científica

Las aproximaciones tienen un interés especial cuando se trabaja con número muy grandes o
muy próximos a 0. En este caso utilizaremos una notación especial denominada “Notación
Científica”, llamada así porque es en el ámbito de la ciencia donde mas suele utilizarse.

Un número expresado en notación científica tiene la forma de: 𝑥 ∗ 10𝑛

 Aproximaciones y errores de redondeo
Notación Científica
 Aproximaciones y errores de redondeo
Notación Científica

La notación científica consiste en escribir cualquier número grande o pequeño, en forma de

un número decimal que contenga una sola cifra entera (la de las unidades), y una potencia de
base 10 y exponente positivo o negativo
 Aproximaciones y errores de redondeo
Cifras significativas
¿Qué son las cifras significativas?
Las cifras significativas de una cantidad, vienen dadas por todos los dígitos medidos con certeza, más la
primera cifra estimada o dígito dudoso. El número de cifras significativas de una cantidad expresa su
precisión.

48,5 km/h

Los ceros no siempre son cifras significativas: normalmente sirven para ubicar punto
decimal
La incertidumbre se puede eliminar utilizando la notación científica: 4.53 × 𝟏𝟎𝟒 , 87324,45 km/h
4.530 × 𝟏𝟎𝟒 , 4.5300 × 𝟏𝟎𝟒 muestran, respectivamente, que el número tiene tres,
cuatro y cinco cifras significativas.
 Aproximaciones y errores de redondeo
Cifras significativas
MATLAB
Todos los cálculos dentro de MATLAB son realizados usando doble precisión. La forma de aparición del
punto flotante es controlada por el formato en uso. La siguiente tabla muestra el valor de 10 en 7
formatos diferentes:
format short 31.4159 Muestra 4 cifras decimales
format short e 3.1416e+001 Muestra 4 cifras decimales
format long 31.41592653589793 Muestra 14 cifras decimales
format long e 3.141592653589793e+001 Muestra 15 cifras decimales
format hex 403f6a7a2955385e
format rat 3550/113
format bank 31.42 Muestra 2 cifras decimales
>> pi >> format bank
ans = >> pi
3.1416 ans =
3.14

>> format long >> format long e

>> pi >> pi
ans = ans =
3.141592653589793 3.141592653589793e+001
 Aproximaciones y errores de redondeo

Reglas básicas para operaciones con cifras significativas

1) Cualquier dígito diferente de cero es significativo  1234,56 6 cifras significativas

2) Ceros entre dígitos distintos de cero son significativos  1002,5 5 cifras significativas
3) Ceros a la izquierda del primer dígito distinto de cero no son significativos
0,00456 3 cifras significativas
0,0056 2 cifras significativas
4) Si el número es mayor a (1), todos los ceros a la derecha del punto decimal son significativos
457,15 5 cifras significativas
400,00 5 cifras significativas
5) Para número sin coma decimal, los ceros ubicados después del último dígito distinto de cero
pueden o no ser cifras significativas:
23000 puede tener 2, 3 o 4 cifras significativas 2,3∗ 104 , 2,30∗ 104 o 2,300∗ 104
 Aproximaciones y errores de redondeo

Reglas básicas de redondeo para operaciones con cifras significativas

1) Sí la cifra que se omite es menor a 5 se elimina sin más: Por ejemplo llevar a tres cifras el
siguiente número: 3,673 el cual quedaría 3,67

2) Si la cifra eliminada es mayor que 5 se aumenta en una unidad la última cifra retenida. Si
redondeamos 3,678 a tres cifras significativas quedaría 3,68

3) Si la cifra eliminada es 5 se toma como última cifra el número más próximo; es decir, si la
cifra retenida es par se deja, y si es impar se toma la cifra superior: para redondear 3,675,
según la regla debemos dejar 3,68

Las dos primeras reglas son de sentido común. La tercera es un convenio razonable porque, si
se sigue siempre, la mitad de las veces redondeamos por defecto y la otra mitad por exceso.
 Aproximaciones y errores de redondeo
Operaciones - Cifras significativas
Suma: La suma de dos o más medidas no debe ser más precisa que la menos precisa de las medidas.
Ejemplo: Se tienen que sumar las siguientes medidas: 2,361 m; 8,16 m 3,1 m.
Matemáticamente hablando, podríamos sumarlas de la siguiente manera,

NO ES CORRECTO No podemos asumir que en la medida

8,16m la cifra de las milésimas sea un cero, pues en la
realidad no lo sabemos

13,6 m
 Aproximaciones y errores de redondeo
Operaciones - Cifras significativas
Resta: La diferencia de dos medidas no debe ser más precisa que la menos precisa de las mismas.
Ejemplo: Dadas las siguientes medidas 56,38 cm y 5,2 cm, encontrar su diferencia.

Producto: El producto de dos o más medidas no debe tener más cifras significativas que la medida
que tiene el menor número de ellas. Ejemplo: Calcular la superficie de una pieza rectangular de
4,34 m de largo por 1,2 m de ancho.
 Aproximaciones y errores de redondeo
Operaciones - Cifras significativas
Cociente: El cociente de dos medidas no debe tener más cifras significativas que la medida que tiene
el menor número de ellas. Ejemplo: Determinar la rapidez media de un móvil que recorre 8,825 m en
2,31 s.

Potenciación: Al elevar una medida a un exponente n, en el resultado se conservan tantas cifras

significativas como tiene la medida. Ejemplo: Determinar el volumen de un cubo de 1,25 m de lado.
 Aproximaciones y errores de redondeo
Exactitud y Precisión
¿A qué nos referimos con exactitud, inexactitud, precisión e
imprecisión?
• La exactitud se refiere a qué tan cercano está el valor Inexacto e Impreciso Exacto e Impreciso
calculado o medido del valor verdadero.

• La inexactitud (conocida como sesgo = error) se

define como una desviación sistemática del valor
verdadero.

• La precisión se refiere a qué tan cercanos se

Inexacto y Preciso Exacto y Preciso
encuentran, unos de otros, diversos valores calculado
o medidos.

• La imprecisión (también llamada incertidumbre) se

refiere a la magnitud en la dispersión de los disparos.
 Aproximaciones y errores de redondeo
Definición de errores
Error: Los errores numéricos surgen del uso de aproximaciones para representar operaciones y
cantidades matemáticas exactas. Estas incluyen los errores por truncamiento que resultan del
empleo de aproximaciones como un procedimiento matemático exacto, y 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, y el aproximado esta dado por:

Valor verdadero = Valor aproximado + error Et = valor verdadero – valor aproximado

Para tomar en cuenta el orden de magnitud del valor que se estima, se define error relativo
porcentual como:
𝑒𝑟𝑟𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
ɛ𝑡 = ∗ 100%
𝑣𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
 Aproximaciones y errores de redondeo
Ejemplo (calculo de errores):
Suponga que tiene que medir la longitud de un puente y la de un remache, y se obtiene 9999 y 9
cm respectivamente. Silos valores verdaderos son 10000 y 10 cm, calcule a) el error verdadero y
b) el error relativo porcentual en cada caso.

a) El error verdadero en la medición del puente y remache:

Puente: Et = 10000 – 9999 = 1 cm
Remache: Et = 10 – 9 = 1 cm
b) El error relativo porcentual en la medición del puente y remache:
1
Puente: ɛ𝑡 = 10000 ∗ 100% = 0,01%

1
Remache: ɛ𝑡 = ∗ 100% = 10%
10

Conclusión: aunque ambas medidas tienen un error de 1cm, el error relativo porcentual del
remache es mucho mayor. Entonces podemos afirmar que se ha realizado una buena medición
para el puente, pero no para el remache.
 Aproximaciones y errores de redondeo
Error relativo en métodos numéricos Reto: estimaciones del error del calculo en ausencia de los valores
verdaderos
En situaciones reales, a veces, es difícil contar con el valor verdadero. De hecho en métodos
numéricos, el valor verdadero solo se conocerá cuando se tengan funciones que se resuelvan
analíticamente, en otros casos no contaremos con dicha información y por tanto tendremos que
usar la mejor estimación posible al valor verdadero (el subíndice “a” significa que el error esta
normalizado a un valor aproximado):

𝑒𝑟𝑟𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
ɛ𝑎 = ∗ 100%
𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜

En este caso no podemos usar la formula Et = valor verdadero – valor aproximado para calcular
el termino de error  determinar estimaciones del error en ausencia del conocimiento de los
valores verdaderos.
 Aproximaciones y errores de redondeo
Error relativo en métodos numéricos

En métodos iterativos se hace una aproximación considerando la aproximación anterior,

efectuándose este proceso varias veces esperando que cada vez las aproximaciones sean
mejores. Es estos casos el error se calcula como:
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙 − 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
ɛ𝑎 = ∗ 100%
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑡𝑢𝑎𝑙

Los signos de esta ecuación pueden ser negativos o positivos en función si la aproximación es
mayor o menor que el valor verdadero. No obstante, el signo no es tan importante, sino mas bien
que su valor absoluto porcentual sea menor que la tolerancia porcentual fijada ɛ𝑠 .
|ɛ𝑎 | < ɛ𝑠 si cumple se considera el resultado aceptable

ɛ𝑠 = 0,5 ∗ 102−𝑛 % el resultado tendrá al menos n cifras significativas

 Aproximaciones y errores de redondeo
Ejemplo – Estimación del error con métodos iterativos

En matemáticas con frecuencia las funciones se representan

2 3
mediante
𝑛
series infinitas. Por ejemplo,
𝑥 𝑥 𝑥
𝑒 𝑥 = 1 + 𝑥 + + + ⋯ + expansión en series de Maclaurin
la función exponencial se calcula usando 2! 3! 𝑛!

Estime el valor de 𝑒 0,5 𝒄𝒐𝒍𝒐𝒄𝒂𝒏𝒅𝒐 𝒕𝒆𝒓𝒎𝒊𝒏𝒐 𝒑𝒐𝒓 𝒕𝒆𝒓𝒎𝒊𝒏𝒐 𝒚 calcule los errores: relativo
porcentual verdadero y normalizado tomando como valor verdadero 𝑒 0,5 =1,648721… agregue
términos hasta que |ɛ𝑎 | < ɛ𝑠 (3 cifras significativas)
Solución: En primer lugar determinamos el criterio de error que asegure que un resultado sea
correcto en al menos 3 cifras significativas (agregaremos términos hasta que ɛa sea menor a este
valor):

La primera estimación para el error relativo verdadero y la estimación aproximada del error es:
1,648721 − 1,5
𝐸𝑡 = ∗ 100% = 9,02%
1,648721
𝑒 𝑥 = 1 + 𝑥 → para x=0,5  𝑒 0,5 = 1 + 0,5=1,5
1,5−1
ɛ𝑎 = ∗ 100% = 33% → |ɛ𝑎 |𝑛𝑜 < ɛ𝑠
1,5
 Aproximaciones y errores de redondeo
Ejemplo – Estimación del error con métodos iterativos

En matemáticas con frecuencia las funciones se representan

2 3
mediante
𝑛
series infinitas. Por ejemplo,
𝑥 𝑥 𝑥
𝑒 𝑥 = 1 + 𝑥 + + + ⋯ + expansión en series de Maclaurin
la función exponencial se calcula usando 2! 3! 𝑛!

Estime el valor de 𝑒 0,5 𝒚 calcule los errores: relativo porcentual verdadero y normalizado
tomando como valor verdadero 𝑒 0,5 =1,648721… agregue términos hasta que |ɛ𝑎 | < ɛ𝑠 (3 cifras
significativas)
Solución:
 Aproximaciones y errores de redondeo
Errores de redondeo

¿Qué es y a que se debe el error por redondeo (digitalmente hablando)?

¿Pueden los números 𝝅, 𝒆 𝑜 𝟕 ser representados exactamente?
El error por redondeo se origina en las computadoras o calculadoras debido a que estas emplean un
número determinado de cifras durante un cálculo.

Los números tales como 𝝅, 𝒆 𝑜 𝟕 no pueden expresarse como un número fijo de cifras
significativas por tanto no pueden ser representadas exactamente por la computadora.

Debido a que las computadoras usan una representación en base 2, no pueden representar
exactamente en base 10.

Esta discrepancia por omisión de cifras significativas se llaman error por redondeo
 Aproximaciones y errores de redondeo
Representación de números en la computadora - Conceptos básicos

• Numéricamente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan los número en la computadora. La unidad fundamental mediante la cual se representa
la información se llama palabra consistente en una cadena de dígitos binarios

• Un sistema numérico es simplemente una convención para representar cantidades: base 10,
base octal, base binaria, etc. Una base es el número que se ha utilizado como referencia para
construir un sistema. Ejemplo: base 100, 1, 2, 3, 4, 5, 6, 7, 8, 9 base binaria 0, 1
Numero en base 10

10 000 1000 100 10 1

Numero en base 2
 Aproximaciones y errores de redondeo
Representación de números en la computadora - Conceptos básicos

• Numéricamente los errores de redondeo se relacionan de manera directa con la forma en que se
guardan los número en la computadora. La unidad fundamental mediante la cual se representa
la información se llama palabra consistente en una cadena de dígitos binarios

• Un sistema numérico es simplemente una convención para representar cantidades: base 10,
base octal, base binaria, etc. Una base es el número que se ha utilizado como referencia para
construir un sistema. Ejemplo: base 100, 1, 2, 3, 4, 5, 6, 7, 8, 9 base binaria 0, 1
 Aproximaciones y errores de redondeo
Representación de números en la computadora - Rango de enteros

¿Cuál es el rango de enteros de base 10 que se puede representar en una computadora de 16bits?
Método de magnitud
computadora 16bits
con signo: 0(+) y 1(-)
 Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante

• Las cantidades fraccionarias generalmente se representan en la computadora usando la forma

de punto flotante. Con este método, el número se expresa como una parte fraccionaria, llamada
mantisa o significado, y una parte entera llamada exponente o característica:
𝑚 ∗ 𝑏𝑒  156,78  0,15678*103 (sistema en base 10 de punto flotante)
1
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 ≤𝑚<1
𝑏 (𝑏𝑎𝑠𝑒)
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟏𝟎 → 𝒎: 𝟎, 𝟏 𝒚 − 𝟏
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟐 → 𝒎: ¿ ?

Hay que tener en cuenta que la mantisa es usualmente normalizada si tiene primero cero dígitos:
por ejemplo, suponga que la cantidad 1/34 = 0,029411765… guardada en un sistema que únicamente
permite guardar cuatro lugares decimales.
Entonces 1/34 se guardara como 0,0294 X 100 la inclusión del cero es “inútil” y lo que se hace es
disminuir el exponente en 10,294 X 10−1 y conservar una cifra significativa adicional al guardar el
numero
 Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante

1
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑎 ≤𝑚<1
𝑏 (𝑏𝑎𝑠𝑒)
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟏𝟎 → 𝒎: 𝟎, 𝟏 𝒚 𝟏
→ 𝒑𝒂𝒓𝒂 𝒃 = 𝟐 → 𝒎: 𝟎, 𝟓 𝒚 𝟏

Ventajas:
• Permite que tanto fracciones como números muy grandes se representen en la computadora

Desventajas:
• La consecuencia de normalizar es que el valor absoluto de la mantisa queda limitado
• Los números en coma flotante requieren mas espacio y más tiempo de procesado que los números
enterosde error debido a que la mantisa conserva sólo un número finito de cifras significativas y
por tanto se introduce un error de redondeo.

• Su uso introduce una fuente

 Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante

Determine un conjunto hipotético de números con punto flotante para un máquina que guarda
información usando palabras de 7 bits. Emplee el primer bit para el signo del número, los siguientes
tres para el signo y la magnitud del exponente, y los últimos tres para la magnitud de la mantisa
¿Cuál es el numero más pequeño que podemos representar, a
+ 𝑚 ∗ 𝑏 𝑒∗ (-1) partir de allí calcule los restantes?
1
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 ≤ 𝑚 < 1 → 𝟎, 𝟓 𝒂 𝟏
𝑏
000 0 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0
001 1 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,015625
010 2 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,03125
011 3 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,046875
100 4 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,0625
1 0
101 5 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,078125
1∗2 +1∗2 = 3
110 6 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,093750
111 7 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,109375
 Aproximaciones y errores de redondeo
000 0 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0
0 001 1 𝟐−𝟑 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,015625
010 2 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,03125
011 3 𝟐−𝟑 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,046875
100 4 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,0625
101 5 𝟐−𝟑 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,078125
Disminuimos la magnitud del 110 6 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,093750
exponente 111 7 𝟐−𝟑 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,109375
¿Qué podemos hacer para
seguir incrementado estos 000 0 𝟐−𝟐 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0
valores? 001 1 𝟐−𝟐 (0 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,03125
Brecha de espacio se 010 2 𝟐−𝟐 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,0625
incrementa: 011 3 𝟐−𝟐 (0 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,09375
0,125000-0,109375=0,015625 100 4 𝟐−𝟐 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,125000
0,125000-0,156250=0,03125 101 5 𝟐−𝟐 (1 𝟐−𝟏 + 0 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,156250
Y continua creciendo a medida 110 6 𝟐−𝟐 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 0 𝟐−𝟑 ) = 0,187500
que disminuimos la magnitud 111 7 𝟐−𝟐 (1 𝟐−𝟏 + 1 𝟐−𝟐 + 1 𝟐−𝟑 ) = 0,218750
del exponente!!!
 Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante

¿Qué repercusiones tiene lo expuesto?

• Rango de cantidades que pueden
representarse es limitado.
• Error de cuantificación: Existe sólo un
número finito de cantidades que
pueden representarse dentro de un
rango  rango de precisión limitado
(ejemplo nº pi)
• El intervalo entre los números ∆x,
aumenta conforme los números
crecen en magnitud.Épsilon de la maquina

Para corte Para redondeo

 Aproximaciones y errores de redondeo
Representación de números en la computadora - Punto-flotante
• Determine el épsilon de la máquina y verifique su efectividad para caracterizar los errores del
sistema numérico anterior. Suponga corte
Épsilon de la maquina

Para corte Para redondeo

0,109375

0,125000
 Aproximaciones y errores de redondeo

Radianes Grados
>> cos(pi/2) >> sin(2*pi) >> cosd(90) >> sind(360)
ans = ans = ans = ans =

6.1232e-17 -2.4493e-16 0 0

>> cos(3*pi/2) >> sin(pi) >> cosd(270) >> sind(180)

ans = ans = ans = ans =

-1.8370e-16 1.2246e-16 0 0

• Debemos tener presente que la matemática de la computadora no siempre es

exacta. Esto es especialmente cierto cuando estos involucran el numero PI, el cual
tiene que se aproximado usando un numero finitos de dígitos; además cuando
están presentes funciones como cos() o sin() estas solo pueden ser aproximadas
mediante operaciones aritméticas.
 Aproximaciones y errores de redondeo

• Los resultados son correctos si tenemos en cuenta que se esta realizando un

calculo en coma flotante.
• Para solucionar esto podemos usar los comando cosd() o sind(). Obviamente esto
no quiere decir que trabajar con angulos nos dará un valor exacto y mas preciso ya
que estos son aproximaciones racionales. No obstante estas funciones ya tienen
en cuenta los errores de aproximación.
• Una forma correcta de solucionar este problema si se necesita trabajar con
radianes es considerar la tolerancia mediante el comando “eps”
• El comado eps, es la distancia positiva desde el número calculado hasta el
siguiente orden de magnitud del coma flotante de la misma precisión que el nuero
calculado.
>> num = [sin(-pi) cos(pi/2)]
num(abs(num)<eps)=0
num =
1.0e-15 * -0.1225 0.0612
num =
 Aproximaciones y errores de redondeo

Ejercicios propuestos
1 6𝑥
1) La derivada de f(x)= esta dada por f’(x)= ¿Cuál sería el resultado evaluando esta derivada para
1−3𝑥 2 1−3𝑥 2 2
x=0,577? (calcúlelo con todos sus dígitos). Vuelva a hacer el calculo utilizando la corte y con 3 y 4 dígitos
calculando el error relativo porcentual y saque comente lo que esta pasando al realizar estos cálculos.
 Aproximaciones y errores de redondeo

Ejercicios propuestos
2) Evalué el polinomio y(x)=𝑥 3 − 7𝑥 2 +8x+0,35 para x=1,37.
a) Utilice 3 dígitos con corte. Calcule el error relativo porcentual.
b) Repita el proceso realizado en a) pero exprese “y(x)” como: y(x)= 𝑥 − 7 𝑥 + 8 𝑥+0,35
Compare los resultados obtenidos en a) y b)