UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERIA METODOS NUMÉRICOS

ERRORES

Se define error como la diferencia entre el valor aproximado y el valor exacto.

Si:
x* es el valor aproximado y x es el valor exacto
Error Absoluto: EA  x *  x ……(1)

x * x
Error Relativo: ER  , si x  0 ………(2)
x
Error Relativo Porcentual: ERP = ER x 100 ………..(3)

Ejemplo 1:
Si x* = 0.5714 y x = 0.5784
0.0070
EA = 0.0070 ER   0.01210235 ERP = 1.2%
0.5784
Ejemplo 2:

x* x EA ER ERP
0.36x10-6 0.12x10-6 0.24x10-6 2 200%
0.471215x108 0.471214x108 100 2.12218x10-6 0.00021

Por lo general interesa el error absoluto y no el error relativo; pero cuando se

manejan cantidades muy grandes o muy pequeñas, el error absoluto puede ser
engañoso, y sería más recomendable el error relativo. (Observar y comentar
cuadro)

Definición

Se dice que el número p* se aproxima a p con t dígitos significativos si t

es el entero más grande no negativo para el cual se cumple
p* p
 5 x10 t ………..(4)
p

En el ejemplo1 ER= 0.01210235 < 5 x 10-t

Si t=1  0.5
Si t=2  0.05 (ojo) t=2
Si t=3  0.005
ER  ER   ER 
 10 t log   t  log t
5  5   5 
t < -log(0.01210235/5)
t<2.6 entonces t=2 ( x* = 0.5714 y x = 0.5784)

Mg. Gloria Poémape Rojas. 1 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

Las anteriores fórmulas de error necesitan del valor real. Sin embargo en
situaciones reales es difícil contar con tal información. Generalmente no se
conoce a priori la respuesta verdadera. En dichos casos una alternativa es
normalizar el error, utilizando la mejor estimación posible al valor verdadero.
Por ejemplo si se realiza un proceso de iteración para hallar un valor x
cualquiera

N(iteraciones) X(estimados de x) EA ER
0 Xo ------ ------
1 X1 x1  x0 x1  x0
x1
…… ….. ……. …..
n Xn xn  xn1 xn  xn 1
xn

xn  xn 1 …(6) xn  xn 1 …(7)
ER  ER %  x100
xn xn

Ejemplo: Se dese hallar la raiz de xe x  1  0

Despejamos x: x  ex

n x EA ER
0 0.5
1 0.60653 0.10653 0.17564
2 0.54524 0.06129 0.11241
3 0.57970 0.03446 0.05945
4 0.56006 0.01964 0.03506
5 0.57117 0.01111 0.01945
6 0.56486 0.00631 0.01117
7 0.56844 0.00358 0.00629
8 0.56641 0.00203 0.00358

Mg. Gloria Poémape Rojas. 2 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

Para determinar el número de cifras significativas en la aproximación, es

posible demostrar (Scarborough, 1966) que si el siguiente criterio se cumple, se
tendrá la seguridad que el resultado es correcto en al menos n cifras
significativas. TOLERANCIA

ER%  0.5x102n %  ….(8) OJO ( ER ≤ TOL)

Ejemplo: En el cuadro anterior calcula el número de cifras significativas de x8

Rpta: t=2?

0.358% 0.5x102-n
 0.358 
log   2n
 0.5 
 0.358 
n  2  log 
 0.5 
n≤2-(-0.14)  n ≤ 2.14 n=2 (entero más grande)

Ejemplo: En matemáticas con frecuencia las funciones se representan

mediante series infinitas. Por ejemplo la función exponencial se calcula usando:

x 2 x3 xn
e  1 x 
x
  Serie Maclaurin
2! 3! n!
Así cuando más términos se le agreguen a la serie la aproximación será cada

vez más una mejor estimación del valor verdadero de e x . Después de agregar
cada término calcule los errores absoluto y relativo% (verdaderos y
normalizado) hasta que sea menor que un criterio establecido que garantice
una solución con tres cifras significativas.
Solución

Como 
ER  0.5 x102  n % 
Para que la solución tenga tres cifras significativas n=3

Entonces la tolerancia será de 0.5x1023  %  0.05%

Mg. Gloria Poémape Rojas. 3 Escuela de Ing.Industrial
UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

Por lo tanto se agregaran términos a la serie hasta que error relativo % sea
menor que este valor.

x= 0.5 ex= 1.64872127

Errores Exactos Errores Aproximados
xn
n n! x* EA ER% EA ER%
0 1 1
1 0.5 1.5 0.1487213 9.02040% 0.5 33.3333%
2 0.125 1.625 0.0237213 1.43877% 0.125 7.6923%
3 0.02083333 1.64583333 0.0028879 0.17516% 0.02083333 1.2658%
4 0.00260417 1.6484375 0.0002838 0.01721% 0.00260417 0.1580%
5 0.00026042 1.64869792 0.0000234 0.00142% 0.00026042 0.0158%
6 2.1701E-05 1.64871962 0.0000017 0.00010% 2.1701E-05 0.0013%

CAUSAS DE ERRORES GRAVES EN COMPUTACION

A) Suma de números muy distintos en magnitud.

Los números son representados de manera normalizada, para efectuar la

suma estos deben desnormalizarse, y esto implica que al realizarse esta la
operación no incluya alguno de estos números debido a la cantidad finita de
bits usados para la representación de la mantisa.
Cuando se suma un número muy grande con un número muy pequeño se
podría obtener como resultado el número grande, ocasionando un error.
Pues se esta considerando el número pequeño como cero.
Ejemplo:
Se recomienda evitar esto. Ejemplo:
1 1 1 1 1
S=1      
4 9 16 25 100
Debe notarse que el resultado de sumar de derecha a izquierda es más
exacto ya que se suman términos de casi igual magnitud. Al contrario, de
izquierda a derecha se sumaran números cada vez más grandes con
números más pequeños.

Mg. Gloria Poémape Rojas. 4 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

B) Resta de números casi iguales

Se podría obtener como resultado un valor tan pequeño que podría
considerarse cero. Si esta resta esta multiplicándose por un número grande,
el error se puede propagar.
OJO: Al restar dos números casi iguales, generalmente se pierde cifras
significativas. Así: 0.2145-0.2144 = 0.0001
Ejemplo:
Si X = (A-B)*C donde A = 0.2145 B = 0.2144 C = 0.1*105 X=1
Si cometemos un error en el valor de A, es decir A*=0.2146 (ERP=0.046%)
X*=2 (ERP=100%)
Observe que un error de 0.046% en A esta ocasionando un error de 100%
en X.
C) Overflow y underflow
Con frecuencia una operación aritmética con dos números válidos da
como resultado un número tan grande o tan pequeño que la computadora no
puede manejarlos, como consecuencia se produce el overflow o en underflow.
Cuando se produce underflow generalmente no se envía mensaje de error y se
considera un resultado de cero.
Ejemplo: Si X = A*B*C A = 0.3x10-5 B = 0.02x10-3 C = 0.4x107
X = A* C * B ¿Cuál es mejor?
D) División entre un número muy pequeño.
Puede presentarse overflow o si la división es válida, un error absoluto
considerable en el cociente (si el numerador es grande y el denominador
pequeño)
Ejemplo:
B
x  A A = 0.1120x109 B = 0.1000 x 106 C = 0.900 x 10-3
C
El valor de x=0.9x106 =900 000
Supongamos que C* = 0.9001 x 10-3 entonces x* = 0.1x107 = 1 000 000
Error relativo de C* = 0.01% y el error relativo de x* es 11% (observe que el
error se ha multiplicado 1100 veces)

Mg. Gloria Poémape Rojas. 5 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

E) Error de discretización.- Dado que un número no se puede almacenar

exactamente como número binario e punto flotante, el error generado se
conoce como error de discretización (error de cuantificación) ya que los
números expresados exactamente por la máquina no forman un
conjunto continuo sino discreto.
Ejemplos:
10000
 0.0001 0.9999999991
i 1
>> format long
>> S=0; for i= 1:10000; S=S+0.0001; end ; S
S=
0.99999999999991
F) Error de Salida: Aún cuando no se haya cometido error alguno durante
la fase de cálculos de un programa, puede presentarse un error al
imprimir lo resultados.

PROPAGACION DE ERRORES
A continuación vamos a ver como se propagan los errores en las
operaciones:
Sean:
a y b las cantidades exactas
a* y b* las cantidades aproximadas, donde a*= a + ea y b*=b+eb
A) Suma: Sea (a + b) la suma exacta y (a*+b*) la suma aproximada.
Error Absoluto suma = (a * b*)  (a  b)
Error = (a  ea  b  eb )  (a  b)

Error = ea  eb  ea  eb
El error en la suma no puede ser mayor (es menor o igual) que la suma
de los errores en cada sumando.
Ejemplo 1: Si un número tiene un error de 0.01 y el otro de 0.02, Se
espera que la suma de dichos números tenga un error menor o igual a
0.03.
Ejemplo2:

Mg. Gloria Poémape Rojas. 6 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

Sea a=3.14 b=2.78 y considerando a*=3.1 y b*=2.8 ea=0.04 eb=0.02

a+b= 5.92 a*+b*=5.9
Error=0.02 ≤0.04+0.02
B) Resta.
C) Multiplicación: Sea (a.b) la multiplicación exacta y (a*.b*) la
multiplicación aproximada.

Error Relativo multiplicación =

(a * .b*)  (a.b)
a.b
Error = a  ea 
. b  eb   (ab) = ab  aeb  bea  ea eb  ab
ab ab
bea  aeb  ea eb = ea eb ea eb
Error Relativo =  
ab a b ab
e e
Error Relativo = a  b ≤ a  b
e e
a b a b
El error relativo en la multiplicación no puede ser mayor (es menor o
igual) que la suma de los errores relativos en cada factor
Ejemplo: Sea a=3.14 b=2.78 y considerando a*=3.1 y b*=2.8
Los error relativos serían ea=0.0127 eb=0.0072
ab= 8.7292 a*.b*=8.68
Error Relativo = 8.7292  8.68 = 0.0492
8.7292 8.7292
Error Relativo = 0.0056 ≤ 0.0127 + 0.0072
0.0056 ≤ 0.0199
D) División

E) Evaluación de Funciones.-Cuando se evalúa una función f(x) en un

punto x = a por lo general se dispone del valor de a aproximado a*. El
error resultante sería:
Ef = f (a)  f (a*)
Ea = a - a*

Mg. Gloria Poémape Rojas. 7 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

Error en la Evaluación de Funciones

20
f(x)
0

f(a)
-20
Ef
f(a*)
-40

-60

-80

-100

-120

-140
Ea
-160
-1 0 1 2 3 4 5
a a*

Si Ea es pequeño f ‘ (a) ≈ Ef / Ea
Entonces Ef ≈ Ea. f ‘ (a)≈Ea. f ‘ (a*)
En valor absoluto: Ef  Ea . f ' (a*)
En una función f(x,y,z) :

La cota del error relativo es:

Algoritmos y Estabilidad
Para un problema determinado, generalmente existen varios métodos
(algoritmos) para encontrar su solución. Uno de los criterios para
seleccionar el algoritmo es la estabilidad del algoritmo. Esto es a pequeños
errores de los valores manejados, se obtengan pequeños errores en los
resultados finales.
Supóngase que un error  se introduce en uno de los pasos de los
cálculos, y que luego de n operaciones este error se propaga. Se pueden
presentar dos situaciones:

Mg. Gloria Poémape Rojas. 8 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

a) n  nc  donde c es constante. La propagación del error es lineal

b) n  k n  para k>1.La propagación del error es exponencial

La propagación lineal de los errores suele ser inevitable cuando c y  son
pequeños los resultados finales son normalmente aceptables. Por otro lado
la propagación exponencial debe evitarse, ya que el término k n crece con
rapidez para valores relativamente pequeños de n. Esto conduce a
resultado poco exactos sea cual sea el valor de .
Como conclusión se dice:

Un algoritmo con crecimiento lineal de error es estable, mientras que un

algoritmo con una propagación exponencial es inestable.

DEFINICIONES
Exactitud y precisión
La exactitud se refiere a que tan cercano esta el valor calculado o medido
de valor verdadero.
La precisión se refiere a que tan cercanos se encuentran, unos de otros
diversos valores calculados o medidos.
El término error considera tanto la inexactitud como la imprecisión en las
predicciones.

Mg. Gloria Poémape Rojas. 9 Escuela de Ing.Industrial

UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERIA METODOS NUMÉRICOS

Error de redondeo.
Los errores de redondeo se originan debido a que la computadora emplea
un número determinado de cifras significativas durante un cálculo. Esta
discrepancia por la omisión de cifras significativas se llama error de
redondeo.
Error de Truncamiento.
Los errores de truncamiento son los que resultan al usar una aproximación
en lugar de un procedimiento matemático exacto.
Ejemplo:
f ( x  h)  f ( x )
f ' ( x) 
h

Errores por equivocación, errores de formulación (o de modelo,

incertidumbre en los datos.
Los errores por equivocación generalmente se atribuyen a fallas humanas.
Es posible evitarlas con un sólido conocimiento de los principios
fundamentales y con el cuidado con que se enfoque y diseña la solución del
problema.
Los errores de formulación o de modelo pueden atribuirse al sesgo que
implica un modelo matemático incompleto. Si el modelo es deficiente ningún
método numérico generará resultados adecuados.
La incertidumbre en los datos puede ser ocasionada por los instrumentos de
medición usados (inexactos o desviados).

Serie de Taylor
Si una función f y sus primeras n+1 derivadas son continuas en un intervalo
que contiene a y x, entonces el valor de la función esta dado por:
f " (a) f n (a)
f ( x)  f (a)  f ' (a)( x  a)  2
( x  a)    ( x  a) n
2! n!
f (x , y) = ?

Mg. Gloria Poémape Rojas. 10 Escuela de Ing.Industrial