Universidad Central de Venezuela

Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)

TEMA 1. FUNDAMENTOS DE LA TEORÍA DE ERRORES

1. Métodos numéricos
Son técnicas mediante las cuales es posible formular problemas
matemáticos de tal forma que puedan resolverse usando operaciones
aritméticas

2. Fuentes básicas de errores.

• Parámetros numéricos. Error inicial, errores de medición o de los
modelos
• Planteamiento del problema. Errores del problema
• Presencia de procesos infinitos en análisis matemático. Error residual,
errores propagados por la sucesión de pasos
• Operaciones con números aproximados. Errores de operación,
programación, interpretación
• Sistema de numeración. Error por redondeo. Llamados también errores
de representación. Cómo el computador almacena los datos
• Truncamiento. Error por truncamiento. Reducir a un número finito de
operaciones.
• Representación en punto flotante. Errores punto flotante

3. Definiciones importantes

• Error por redondeo

Es aquel originado por las limitaciones que toda herramienta de cálculo

posee al no poder representar las cantidades con todas sus cifras.

• Error por truncamiento

Se produce al reducir a un número finito de operaciones un proceso

matemático que es infinito.

Ejemplo

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)

Valor Por Redondeo Por Truncamiento

0.364 0.36 0.36
0.475 0.48 0.47
0.592 0.59 0.59

• Representación Punto Flotante

En el contexto de la informática, la notación científica normalizada

también se llama representación de punto flotante normalizada.

En el sistema decimal, cualquier número real x (distinto de cero) se puede

representar en forma de punto flotante normalizada como:

x = ± 0.𝑑𝑑1 𝑑𝑑2 𝑑𝑑3 … 𝑑𝑑𝑛𝑛 × 10𝑚𝑚

Donde:

𝑑𝑑1 ≠ 0

m: Entero (positivo, negativo o cero)

Para realizar operaciones con representación en punto flotante, se deben

tener en cuenta los siguientes aspectos:

Suma o resta, mismo exponente. Multiplicación o división, los

exponentes se suman o restan respectivamente.

• Error absoluto

Sea x un número real y sea 𝒙𝒙

� un valor aproximado de x, entonces el error
absoluto es la diferencia entre el valor exacto x y el valor aproximado

𝐸𝐸𝐸𝐸 = |𝑥𝑥 − 𝑥𝑥�|

• Error relativo

El error relativo es el cociente entre el error absoluto y el valor exacto x

en valor absoluto. Este error es más significativo que el error absoluto,
ya que carece de unidad

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)
|𝑥𝑥 − 𝑥𝑥�|
𝐸𝐸𝐸𝐸 =
|𝑥𝑥|
• Cota o estimación del error

La cota o estimación de un error es cualquier número no menor que el

error.

• Decimales exactos

Si la magnitud del error absoluto no excede de 0.5 × 10−𝑡𝑡 , se dice que 𝑥𝑥�
tiene t decimales correctos. También se dice que 𝑥𝑥� está correctamente
redondeado a t decimales.

• Cifras significativas

Son las cifras o dígitos de significancia que se cuentan a partir de la

posición –t & Ea ≤0.5 × 10−𝑡𝑡

• Épsilon de la máquina

Es el número de máquina positivo más pequeño de doble precisión

𝜀𝜀 = 2−52 𝑡𝑡𝑡𝑡𝑡𝑡 𝑞𝑞𝑞𝑞𝑞𝑞 1 + 𝜀𝜀 ≠ 1

• realmin

Es el número de máquina positivo más pequeño de doble precisión dado

por µ = 2−1022 que la máquina distingue de cero

• realmax

Es el número de máquina más grande dado por 𝛽𝛽 = 21024 que puede ser
representado con exactitud

• Underflow

Si un número 𝑥𝑥 ∈ ℝ es tal que |𝑥𝑥| < µ, se produce un underflow y el

computador considera que x es cero

• Overflow

Si un número 𝑥𝑥 ∈ ℝ es tal que |𝑥𝑥| > 𝛽𝛽, se produce un overflow y se

detienen los cálculos

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)

4. Propagación del error

Sean:

𝑥𝑥1 𝑦𝑦 𝑥𝑥2 dos números reales

𝑥𝑥�1 𝑦𝑦 𝑥𝑥�2 los valores aproximados de 𝑥𝑥1 𝑦𝑦 𝑥𝑥2 ∴

𝑥𝑥1 = 𝑥𝑥�1 ± 𝜀𝜀1 ; 𝑥𝑥2 = 𝑥𝑥�2 ± 𝜀𝜀2

𝐸𝐸𝐸𝐸 = |𝑥𝑥 − 𝑥𝑥�| = |(𝑥𝑥1 + 𝑥𝑥2 ) − (𝑥𝑥�1 + 𝑥𝑥�2 )|

= |(𝑥𝑥1 − 𝑥𝑥�1 ) + ( 𝑥𝑥2 − 𝑥𝑥�2 )|
= |𝜀𝜀1 + 𝜀𝜀2 | ≤ |𝜀𝜀1 | + |𝜀𝜀2 |

• Error de una suma

El error absoluto de la suma de dos o más números aproximados es la suma

de los errores absolutos de dichos números y además no excede de la suma de
los errores absolutos de los números.

Si todos los números (no nulos) vienen afectados del mismo signo, la cota del
error relativo de su suma no excede del de la máxima cota del error relativo
de cualquiera de ellos.

• Error relativo de un producto

El error relativo del producto de dos o más números aproximados es

aproximadamente igual a la suma de los errores relativos parciales

El error absoluto del producto viene dado por:

𝐸𝐸𝐸𝐸 = |𝑥𝑥 − 𝑥𝑥�| = |(𝑥𝑥1 ∙ 𝑥𝑥2 ) − (𝑥𝑥�1 ∙ 𝑥𝑥�2 )|

= |[(𝑥𝑥�1 + 𝜀𝜀1 )(𝑥𝑥�2 + 𝜀𝜀2 )] − (𝑥𝑥�1 ∙ 𝑥𝑥�2 )|
= |𝑥𝑥�1 𝑥𝑥�2 + 𝑥𝑥�1 𝜀𝜀2 + 𝑥𝑥�2 𝜀𝜀1 + 𝜀𝜀1 𝜀𝜀2 − 𝑥𝑥�1 𝑥𝑥�2 |
≤ |𝑥𝑥�1 𝜀𝜀2 | + |𝑥𝑥�2 𝜀𝜀1 | + |𝜀𝜀1 𝜀𝜀2 |

El error relativo del producto será:

|𝑥𝑥 − 𝑥𝑥�| |𝑥𝑥�1 𝜀𝜀2 | + |𝑥𝑥�2 𝜀𝜀1 | + |𝜀𝜀1 𝜀𝜀2 |

𝐸𝐸𝐸𝐸 = =
|𝑥𝑥| |𝑥𝑥1 𝑥𝑥2 |

𝑆𝑆í: 𝑥𝑥1 = 𝑥𝑥1 (1 ± 𝐸𝐸𝑟𝑟1 ) ; 𝑥𝑥2 = 𝑥𝑥2 (1 ± 𝐸𝐸𝑟𝑟2 )

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)
𝜀𝜀𝑝𝑝 𝜀𝜀1 𝜀𝜀2
𝐸𝐸𝑟𝑟 = ≈ +
|𝑥𝑥1 𝑥𝑥2 | |𝑥𝑥1 | |𝑥𝑥2 |

• Error absoluto de una diferencia

𝐸𝐸𝐸𝐸 = |𝑥𝑥 − 𝑥𝑥�| = |(𝑥𝑥1 − 𝑥𝑥2 ) − (𝑥𝑥�1 − 𝑥𝑥�2 )|

= |(𝑥𝑥1 − 𝑥𝑥�1 ) − ( 𝑥𝑥2 − 𝑥𝑥�2 )|
= |𝜀𝜀1 − 𝜀𝜀2 | ≤ |𝜀𝜀1 | + |𝜀𝜀2 |

El error absoluto de una diferencia no excede a la suma de las cotas de los

errores absolutos del minuendo y sustraendo.

Si los números aproximados son números prácticamente iguales y tienen

errores absolutos pequeños, su suma exacta es pequeña. La cota del error
relativo en este caso puede ser muy grande aun cuando los errores relativos del
minuendo y el sustraendo permanezcan pequeños. Esto conduce a una pérdida
de exactitud que se denomina cancelación catastrófica.

5. Sumatorias y series elementales

• Sumatorias
𝑛𝑛
𝑛𝑛(𝑛𝑛 + 1)
� 𝑖𝑖 =
2
𝑖𝑖=1

𝑛𝑛
𝑛𝑛(𝑛𝑛 + 1)(2𝑛𝑛 + 1)
� 𝑖𝑖 2 =
6
𝑖𝑖=1

𝑛𝑛 2
𝑛𝑛(𝑛𝑛 + 1)
� 𝑖𝑖 3 = � �
2
𝑖𝑖=1

𝑛𝑛
𝑛𝑛(𝑛𝑛 + 1)(6𝑛𝑛3 + 9𝑛𝑛2 + 𝑛𝑛 − 1)
4
� 𝑖𝑖 =
30
𝑖𝑖=1

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)

• Series

Función Serie Intervalo de

convergencia
∞
𝑥𝑥 𝑛𝑛 𝑥𝑥 2 𝑥𝑥 3
𝑒𝑒 𝑥𝑥 � = 1 + 𝑥𝑥 + + + ⋯ −∞ < 𝑥𝑥 < ∞
𝑛𝑛! 2! 3!
𝑛𝑛=0
∞
𝑥𝑥 2𝑛𝑛+1 𝑥𝑥 3 𝑥𝑥 5 𝑥𝑥 7
𝑆𝑆𝑆𝑆𝑆𝑆(𝑥𝑥) �(−1)𝑛𝑛 = 𝑥𝑥 − + − + ⋯ −∞ < 𝑥𝑥 < ∞
(2𝑛𝑛 + 1)! 3! 5! 7!
𝑛𝑛=0
∞
𝑥𝑥 2𝑛𝑛
𝑛𝑛
𝑥𝑥 2 𝑥𝑥 4 𝑥𝑥 6
𝐶𝐶𝐶𝐶𝐶𝐶(𝑥𝑥) �(−1) = 1− + − +⋯ −∞ < 𝑥𝑥 < ∞
(2𝑛𝑛)! 2! 4! 6!
𝑛𝑛=0

1 ∞

1 − 𝑥𝑥 � 𝑥𝑥 𝑛𝑛 = 1 + 𝑥𝑥 + 𝑥𝑥 2 + ⋯ −1 < 𝑥𝑥 < 1
𝑛𝑛=0
∞
𝑥𝑥 𝑛𝑛+1
𝑛𝑛
𝑥𝑥 2 𝑥𝑥 3 𝑥𝑥 4
𝐿𝐿𝑛𝑛(1 + 𝑥𝑥) �(−1) = 𝑥𝑥 − + − + ⋯ −1 < 𝑥𝑥 ≤ 1
(𝑛𝑛 + 1) 2 3 4
𝑛𝑛=0

6. Algoritmo de Horner
El objetivo básico del algoritmo de Horner es reducir el número de
operaciones necesarias para evaluar un polinomio de grado n, sin
considerar términos nulos 𝑃𝑃(𝑥𝑥) = 𝑎𝑎0 + 𝑎𝑎1 𝑥𝑥 + ⋯ + 𝑎𝑎𝑛𝑛 𝑥𝑥 𝑛𝑛 en un punto
𝑥𝑥 = 𝑥𝑥0 , expresando 𝑃𝑃(𝑥𝑥) de forma anidada y además permite encontrar la
expansión de Taylor del polinomio alrededor de 𝑥𝑥0 , tal que:

𝑝𝑝(𝑥𝑥) = 𝑎𝑎0 + 𝑥𝑥(𝑎𝑎 1 + 𝑥𝑥(𝑎𝑎2 +· · · + 𝑥𝑥(𝑎𝑎𝑛𝑛 − 1 + 𝑥𝑥(𝑎𝑎𝑛𝑛 )) · · ·))

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)
• Numero de operaciones

Método Evaluación directa Algoritmo de Horner

Sumas 𝑛𝑛 𝑛𝑛

Multiplicaciones n(𝑛𝑛 + 1) 𝑛𝑛
2
Total de n(𝑛𝑛 + 3) 2𝑛𝑛
operaciones 2

Teorema

Sean 𝑏𝑏0 , 𝑏𝑏1 , … , 𝑏𝑏𝑛𝑛−1 𝑦𝑦 𝑃𝑃(𝑥𝑥0 )los coeficientes asociados al algoritmo de

Horner, entonces:

1. 𝑃𝑃(𝑥𝑥) = 𝑄𝑄(𝑥𝑥)(𝑥𝑥 − 𝑥𝑥0 ) + 𝑃𝑃(𝑥𝑥0 ), con 𝑄𝑄(𝑥𝑥) = 𝑏𝑏0 + 𝑏𝑏1 𝑥𝑥 + ⋯ + 𝑏𝑏𝑛𝑛−1 𝑥𝑥 𝑛𝑛−1

2. 𝑃𝑃′ (𝑥𝑥0 ) = 𝑄𝑄(𝑥𝑥0 )

7. Funciones analíticas
Una función real 𝑓𝑓(𝑥𝑥) se denomina analítica en un punto 𝜉𝜉 si en el
entorno |𝑥𝑥 − 𝜉𝜉| < 𝑅𝑅 de este punto puede desarrollarse en series de
potencias (serie de Taylor).

En muchos casos, desarrollar una función en serie de Taylor resulta muy

conveniente para calcular los valores de la función, en otros casos basta
con racionalizar (radicales), aplicar propiedades (logaritmos) o
transformar en expresiones equivalentes (expresiones trigonométricas).

8. Condicionamiento
Las palabras condición y condicionamiento se usan de manera informal
para indicar cuán sensible es la solución de un problema respecto de
pequeños cambios relativos en los datos de entrada.

Un problema está mal condicionado si pequeños cambios en los datos

pueden dar lugar a grandes cambios en las respuestas.

Prof. Hector La Rosa

Universidad Central de Venezuela
Facultad de Ingeniería
Departamento de Matemática Aplicada
Calculo Numérico (0258)
Para ciertos tipos de problemas se puede definir un número de condición.
Si el número es grande significa que se tiene un problema mal
condicionado.

Un problema mal condicionado generalmente presenta las siguientes

características:

• Un pequeño cambio en los coeficientes del sistema produce cambios

significativos en las soluciones.

• El cálculo del producto del det(A) por el det(A−1) se desvía de manera

significativa de la unidad.

• La inversa de la inversa de A es bastante diferente a la propia A.

Prof. Hector La Rosa