Académique Documents
Professionnel Documents
Culture Documents
ANALISIS DE ERROR
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.
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
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,
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.
Para ambos tipos de errores, la relación entre el resultado exacto, y el aproximado esta dado por:
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.
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
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
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
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
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 100, 1, 2, 3, 4, 5, 6, 7, 8, 9 base binaria 0, 1
Numero en base 10
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 100, 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
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 10,294 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.
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
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
-1.8370e-16 1.2246e-16 0 0
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)