Unidad 1: Teoría del Error

UNIVERSIDAD DEL MAGDALENA

FACULTAD DE INGENIERÍA
ANÁLISIS NUMÉRICO
Mg. Alvaro Espinosa Pérez

INTRODUCCIÓN
El Cálculo Numérico, o como también se le denomina, el Análisis Numérico tiene por objeto el estudio de los
algoritmos numéricos, la teoría matemática en la que se basan y su eficiencia a la hora de resolver problemas
numéricos complejos, ya sea de manera exacta o aproximada y utilizando un número finito de operaciones
lógicas y aritméticas. La eficiencia del método que se aplica depende tanto de la precisión que se requiera como
de la facilidad con la que pueda implementarse. Es claro que, con el cálculo numérico se obtienen soluciones a
problemas en los cuales la matemática simbólica (o analítica) resulta poco eficiente y en consecuencia no puede
ofrecer una solución.

El Análisis Numérico también se ocupa de estudiar los errores que todo algoritmo numérico conlleva, esto
implica que todo algoritmo supone un método de hacer las cosas con cierto grado de aproximación.

Los elementos básicos del Análisis Numérico lo podemos representar de la siguiente manera:

Los problemas que trata el Análisis numérico se pueden clasificar en dos grandes grupos, según tengan
naturaleza numérica o naturaleza funcional:

1. Pertenecen al primer grupo los problemas relativos a la resolución de sistemas de ecuaciones lineales,
cálculo de valores y vectores propios, y resolución de ecuaciones y sistemas de ecuaciones no lineales.
2. Son del segundo tipo, por el contrario, los problemas de interpolación y aproximación de funciones, la
derivación e integración numérica, los problemas de valor inicial y de contorno para ecuaciones
diferenciales ordinarias, y los problemas de contorno para ecuaciones en derivadas parciales.

El Cálculo Numérico aborda problemas que provienen de casi todas las ramas de la matemática (puras y
aplicadas). Hay aspectos numéricos en la teoría de números, la combinatoria, el álgebra abstracta y lineal, en
el análisis de las ecuaciones diferenciales ordinarias y parciales, en la probabilidad y en la estadística, entre
otras. En la mayoría de los casos, el problema matemático se deriva de un problema práctico en áreas
experimentales como la Física, Química, Ingeniería, Economía, etc.

El binomio computadora-lenguaje de programación (Fortran, Basic, C, C++, Python, etc) ha sido fundamentales
en la enseñanza y aplicación de los diferentes métodos numéricos. También se puede utilizar un software
matemático como Matlab, Octave, Maple, Mathematica o Derive, que permiten el cálculo numérico y
simbólico, trabajar con valores exactos o hacer representaciones gráficas de forma muy sencilla, a la vez que
incorporan comandos como Do, For o While que permiten repetir muchas veces un conjunto de operaciones.

El Cálculo Numérico se convirtió en Análisis Numérico (el nombre de Análisis Numérico se hace de uso general
a partir del año de 1947, cuando se funda el instituto de Análisis Numérico en la Universidad de California) una
rama de las matemáticas con entidad propia desde los años 50 del siglo pasado.

Análisis Numérico 2023-2 1

 Unidad 1: Teoría del Error

UNIDAD 1
TEORÍA DEL ERROR Y ARITMÉTICA COMPUTACIONAL

1.1. INTRODUCCIÓN
Una actividad frecuente del profesional de la Ingeniería consiste en trabajar con modelos
matemáticos representativos de un fenómeno físico. Estos modelos son abstracciones matemáticas
que distan mucho de representar exactamente al fenómeno bajo estudio debido principalmente a
las carencias y dificultades que aún posee el humano de la comprensión total de la naturaleza.
Como consecuencia de esto, existen diferencias entre los resultados obtenidos experimentalmente
y los emanados propiamente del modelo matemático. A las diferencias cuantitativas entre los dos
modelos se les denomina Errores.
DEFINICIÒN: Denominaremos error a la diferencia entre la solución que los métodos, una vez
programados devuelven, y la solución exacta del problema que se trata de resolver.
Los errores numéricos surgen al usar aproximaciones para representar operaciones y cantidades
matemáticas exactas. Este error es debido a dos fuentes bien distintas:

1.2. FUENTES DE ERROR

Los resultados numéricos pueden resultar influenciados por diversos tipos de errores. Es importante
su clasificación esquemática, aunque sea para individualizar cuales son los que más interesan a la
materia.

Las fuentes de error que analizaremos son las siguientes:

1. Error inherente: Es el error de los datos de entrada que puede estar dado por la precisión en la
medición de los datos, por la representación numérica, por provenir de cálculos previos, etc.
2. Error de redondeo/corte: Es el error debido estrictamente a la representación numérica
utilizada y está asociado a la precisión usada en los cálculos, generalmente una calculadora o
una computadora.
3. Error de truncamiento/discretización: Es el error que aparece al transformar un procedimiento
infinito en uno finito, por ejemplo, transformar una serie de infinitos términos en una función
finita, o de usar una aproximación discreta para representar un fenómeno continuo.
4. Error del modelo matemático: Es el debido a las simplificaciones e hipótesis introducidas para
definir el modelo matemático que representa el problema físico.
5. Error humano y/o de la máquina: Es el error que se produce por la intervención humana, ya sea
por una mala transcripción o interpretación incorrecta de los datos originales, por programas
de computación mal hechos y/o fallas en el diseño, implementación o configuración de
programas o computadoras.

La última fuente de error suele ser asociada al concepto coloquial de «error». Desde la óptica del
análisis numérico, los dos últimos errores están fuera de su alcance, si bien no deben ser despreciados
a la hora de evaluar los resultados obtenidos, en particular, el debido al modelo matemático.

Análisis Numérico 2023-2 2

 Unidad 1: Teoría del Error

1.3. CIFRAS SIGNIFICATIVAS

El concepto de cifras significativas se ha desarrollado para designar formalmente la confiabilidad de
un valor numérico.

DEFINICIÓN: Las cifras significativas son aquellas que pueden ser empleados en forma confiable para
describir una cantidad, esto es, representan el número de dígitos seguros más el digito dudoso.

Ejemplo: Suponga que se tiene un instrumento cuyo medidor marca: 51,2 cm. En este caso, por las
limitaciones del instrumento, solo pueden manejarse con certeza dos dígitos. El tercero se estima.
Por lo que solo se tienen tres cifras significativas para este instrumento.
Los dígitos significativos son dígitos que empiezan con el dígito distinto de cero del extremo izquierdo
y terminan con el dígito correcto del extremo derecho, incluyendo los ceros finales que son exactos.
En este sentido, los ceros a la derecha y después del punto decimal si son significativos; como
ejemplo, 3.4120 tiene CINCO cifras significativas.

Los ceros, no son siempre cifras significativas, ya que pueden emplearse sólo para ubicar el punto
decimal.
Ejemplo:
1. 0.00001245 4 Cifras significativas
2. 0.001245 4 Cifras significativas
3. 0.0000120 3 Cifras significativas
Ahora, el número 25300 puede tener 3, 4 ó 5 cifras significativas, dependiendo los ceros que se
conocen con exactitud. Para evitar la incertidumbre se usa la notación científica.

Ejemplo:
1. 2.53 x 104 3 cifras significativas.
2. 2.530 x 104 4 cifras significativas.
3. 2.5300 x 104 5 cifras significativas.
Debe tenerse cuidado cuando se exprese una medida en distintas unidades: cuando se proceda a un
cambio de unidades la medida debe siempre expresarse con el mismo número de cifras significativas.
Por ejemplo, si el resultado de una longitud es 12 mm (dos cifras significativas), podríamos expresar
la medida como:

12 𝑚𝑚 = 1,2 𝑐𝑚 = 0,012 𝑚 = 0,000012 𝑘𝑚 = 1,2 𝑥 10−5 𝑘𝑚

La importancia del concepto de cifras significativas en el estudio de los métodos numéricos incide
específicamente en dos aspectos:
1. Criterio para decidir la precisión de un método numérico. Es aceptable un método cuando
garantiza un determinado número de dígitos significativos en su resultado
2. Criterio de paro. Dado que los métodos numéricos son técnicas iterativas, puede establecerse
que cuando se alcance un determinado número de dígitos significativos es condición
suficiente para detener el método.

1.4. EXACTITUD Y PRECISIÓN

En ingeniería, ciencia, industria y estadística, exactitud y precisión no son equivalentes. Los conceptos
de exactitud y precisión son muy usados en el cálculo numérico, veamos acá una definición de ellos:

Análisis Numérico 2023-2 3

 Unidad 1: Teoría del Error

1. Exactitud: La exactitud da una idea del grado de aproximación con que el valor medido
concuerda con el valor verdadero; es decir, es la cercanía del valor experimental obtenido al
valor real de dicha medida. La exactitud está relacionada con
el sesgo de una estimación. De un aparato se dice exacto si
las medidas obtenidas con él son todas muy cercanas al
valor verdadero.
2. Precisión: La precisión indica repetibilidad de los resultados;
es decir, el grado con el cual las medidas sucesivas arrojan
idénticos valores. También está asociada a la sensibilidad o
menor variación de la magnitud que se pueda detectar con
un instrumento (o un método de medición). En este sentido, se refiere a la dispersión del
conjunto de valores obtenidos de mediciones repetidas de una magnitud
En otras palabras, la precisión es la capacidad de un instrumento de dar el mismo resultado en
diferentes mediciones realizadas en las mismas condiciones y la exactitud es la capacidad de un
instrumento de medir un valor cercano al valor de la magnitud real.

La exactitud y la precisión son independientes la una de la otra. Así, los resultados en los valores de
una medición pueden ser precisos y no exactos (y viceversa). Si tomamos el lanzamiento de dardos
como el ejemplo de la figura, si todos los dardos están concentrados en un área pequeña del tablero,
pero alejados del blanco, se dice que los tiros tuvieron precisión, pero que faltó exactitud.
Como el valor verdadero no se puede conocer, podremos comprobar la exactitud de un instrumento
de medida si el intervalo donde se encuentra la medida verdadera es muy pequeño; ahora, cuanto
menor es la dispersión mayor la precisión. Una medida común de la variabilidad es la desviación
estándar de las mediciones y la precisión se puede estimar como una función de ella. La exactitud
implica la precisión del aparato, pero no al revés.

Ejemplo: Considere  = 3.141592653589793. . ., es un número irracional. Podemos considerar

algunas aproximaciones de la siguiente manera:
1.  = 3.15 Es impreciso e inexacto.
2.  = 3.14 Es exacto pero impreciso.
3.  = 3.151692 Es preciso pero inexacto.
4.  = 3.141593 Es exacto y preciso.

1.5. LOS ERRORES EN CÁLCULO NUMÉRICO

En el análisis numérico es importante tener en cuenta que las soluciones calculadas son simples
aproximaciones a las soluciones exactas. La precisión de una solución numérica disminuye en el
transcurso de los cómputos.

Con el fin de analizar un poco este problema se define el error de absoluto y el error relativo, de la
siguiente manera:
DEFINICIÓN: Sea 𝑥 ∗ una aproximación de 𝑥. El error absoluto de 𝑥 ∗ se define así:
𝐸 = |𝑥 − 𝑥 ∗ |
DEFINICIÓN: Sea 𝑥 ∗ una aproximación de 𝑥. El error relativo de 𝑥 ∗ se define así:
𝑥 − 𝑥∗ 𝐸
𝐸𝑟 = | |=
𝑥 |𝑥 |
Análisis Numérico 2023-2 4
 Unidad 1: Teoría del Error

El error relativo también se puede expresar en términos porcentuales:

𝑥 − 𝑥∗
𝐸𝑟 = | | 𝑥100%
𝑥
En este caso se le llama error relativo porcentual.
Ejemplos:
1. Sea 𝑥 ∗ = 3.1416. Halle el error absoluto y relativo si 𝑥 = 
Solución:
Calculamos el error absoluto:
𝐸 = |𝑥 − 𝑥 ∗ | = |𝜋 − 3,1416| = 7.34641 𝑥 10−6
Calculamos el error relativo:
𝑥 − 𝑥∗ 𝜋 − 3,1416
𝐸𝑟 = | |= | |
𝑥 𝜋
𝐸𝑟 = 2.338434931 𝑥 10−6
Calculamos el error relativo porcentual:
𝑥 − 𝑥∗ 𝜋 − 3,1416
𝐸𝑟(%) = | | 𝑥100% = | | 𝑥100%
𝑥 𝜋
𝐸𝑟(%) = 2.338434931 𝑥 10−4 %
𝐸𝑟(%) = 0.000234%

Acá, el error absoluto nos dice que son números escasamente cercanos mientras que el error
relativo evidencia de una manera más clara que la aproximación tiene cerca de seis dígitos
confiables.
2. Se quiere medir el largo de un puente y el de un remache. Al realizar la medida obtiene los
siguientes valores: 9.999 y 9 cm respectivamente. Si las medidas verdaderas del puente y del
remache son: 10.000 y 10 cm, halle el error absoluto y relativo para cada medida.
Solución:
a. Error absoluto y relativo del puente:
𝐸 = |𝑥 − 𝑥 ∗ | = ⌈10.000 − 9.999⌉ = 1
𝑥−𝑥 ∗ 10.000−9.999
𝐸𝑟 = | | =| |
𝑥 10.000

𝐸𝑟 = 0.0001 = 0.01%
b. Error absoluto y relativo para el remache:
𝐸 = |𝑥 − 𝑥 ∗ | = ⌈10 − 9⌉ = 1
𝑥 − 𝑥∗ 10 − 9
𝐸𝑟 = | |=| |
𝑥 10
𝐸𝑟 = 0.1 = 10%
Cuando se manejan cantidades muy grandes o pequeñas, el error absoluto puede ser engañoso,
mientras que el error relativo es más significativo. El error absoluto da una estimación cuantitativa
de la aproximación, mientras que el error relativo mide el error entendido como una porción del valor
Análisis Numérico 2023-2 5
 Unidad 1: Teoría del Error

exacto. Además, el error relativo está relacionado con el valor aproximado más que con el valor
exacto y tiene la misión de servir de indicador de la calidad de una medida, ya que el valor verdadero
puede no ser conocido. La aproximación es mejor (más precisa) cuanto menor sea el error relativo.

1.6. ERROR RELATIVO APROXIMADO (𝑬𝒂% )

Cuando se implementa un método numérico mediante un algoritmo iterativo, en general, no se
conoce el valor exacto. En este caso, en cada etapa de iteración se utiliza lo que se puede denominar
como “error relativo aproximado”

El error relativo aproximado (𝐸(𝑎%) ), mide el error de un método numérico, determinando el error
de la iteración actual respecto el error surgido en la iteración anterior.
Se expresa de la siguiente manera:
𝑥𝑖 − 𝑥𝑖−1
𝐸(𝑎%) = | | 𝑥100%
𝑥𝑖
Con 𝑥𝑖 = La aproximación actual a 𝑥 y 𝑥𝑖 −1 = La aproximación anterior a 𝑥𝑖 .

En los métodos numéricos suele establecerse una tolerancia porcentual (𝑡) como criterio de parada.
En cada iteración se calculará el “error relativo aproximado” que se comparará con la tolerancia
establecida de forma que el proceso iterativo finaliza cuando:
𝐸(𝑎%) < 𝑡
A menor tolerancia se tiene mayor precisión en la aproximación al valor verdadero, sin embargo, esto
implica un aumento en el número de iteraciones requeridas para detener el método. Podemos
calcular la tolerancia de la siguiente manera:
1
𝑡 = ( 𝑥102−𝑛 ) %
2
Puede demostrarse, que si el criterio se cumple, se tiene la seguridad que un resultado es correcto
en al menos 𝑛 dígitos significativos:
Ejemplo: Considere la serie de M’Claurin para la determinación de 𝑒 𝑥 :
∞
𝑥2 𝑥3 𝑥𝑘
𝑒𝑥 = 1 + 𝑥 + + +⋯ = ∑
2! 3! 𝑘!
𝑘=1

Empezando con el primer término 𝑒 𝑥 = 1 y agregando un término a la vez, vamos a estimar el valor
de 𝑒 0,5 . Después de agregar cada término, terminamos el cálculo hasta que el valor absoluto del error
aproximado sea menor al criterio preestablecido 𝑡 para garantizar tres dígitos significativos vamos a
calcular el error relativo real y el error relativo aproximado.
Solución: Considere al número 𝑒 0,5 = 1.648721271 … como el valor verdadero. Si se desean tres
dígitos significativos, se tiene que 𝑛 = 3. En consecuencia:
1 1
𝒕 = ( 𝑥102−𝑛 ) % = ( 𝑥102−3 ) % = 0,05%
2 2

De aquí, se tiene que, para garantizar al menos tres dígitos significativos, se tiene que cumplir que
𝐸(𝑎%) < 𝑡, es decir
𝐸(𝑎%) < 0,05%

Análisis Numérico 2023-2 6

 Unidad 1: Teoría del Error

Hallemos algunos de los términos:

1. 1
2. 1 + 𝑥 = 1 + 0,5 = 1,5
𝑥2 0,52
3. 1 + 𝑥 + = 1 + 0,5 + = 1,625
2! 2!

Calculamos los errores relativo y aproximado en nuestro primer caso.

El error relativo lo podemos calcular así:
𝑥 − 𝑥∗
𝐸𝒓(%) = | | 𝑥100%
𝑥
e0,5 − 1
𝐸𝒓(%) = | 0,5 | 𝑥100%
e
𝐸𝒓(%) = 39,35%

El error relativo aproximado lo podemos calcular así:

𝑥𝑖 − 𝑥𝑖−1
𝐸(𝑎%) = | | 𝑥100%
𝑥𝑖
1,5 − 1
𝐸(𝑎%) = | | 𝑥100%
1,5
𝐸(𝑎%) = 33,33%

La siguiente tabla muestra el desarrollo del ejercicio:

𝒊 Resultado 𝑬𝒓 (%) 𝑬𝒂 (%)

1 1 39,3469% -----------
2 1,5 9,0204% 33,3333%
3 1,625 1,4388% 7,6923%
4 1,645833 0,1752% 1,2658%
5 1,648437 0,0172% 0,1580%
6 1,648697 0,0014% 0,0158%

Dado que 𝐸𝑎(%) = 0,0158% < 0,05% = 𝑡, es menor que la tolerancia preestablecida. Con esto se tiene
que la estimación de 𝑒 0,5 es de 1,648697, con al menos tres dígitos significativos.

1.7. EL SOFTWARE NUMÉRICO OCTAVE:

OCTAVE es un programa que ha sido desarrollado dentro del proyecto GNU. Este proyecto fue
iniciado por Richard Stallman en 1983 Octave (http://www.gnu.org/software/octave/), es un
software que se distribuye libremente sujeto a los
términos de la licencia GPL (GNU Public License) y es un
potente programa de cálculo matemático desarrollado
para trabajar con vectores y matrices por ingenieros
químicos de la Universidad de Texas.

OCTAVE Incorpora distintas funcionalidades útiles para el

cálculo científico, como algebra matricial, manipulación de

Análisis Numérico 2023-2 7

 Unidad 1: Teoría del Error

polinomios, cálculo numérico, cálculo simbólico, y manipulación de gráfico. Octave es un lenguaje de

alto nivel para realizar cálculos numéricos en el ordenador, y también es un programa capaz de
interpretar este lenguaje y realizar los cálculos. Ofrece además una interfaz de usuario interactiva,
orientada a línea de comandos, pero también puede ser utilizado en modo no interactivo, leyendo
sus órdenes de fichero. Además, incluye un lenguaje de programación propio, que aun no siendo tan
eficiente como los lenguajes compilados (como C/C++, Fortran, Python, etc.), es más fácil de utilizar
y nos permite introducir en este curso conceptos básicos de programación comunes con estos
lenguajes. Este lenguaje es muy similar al que proporciona el software numérico Matlab.

Ejemplo: Sea 𝑥 ∗ = 3.1416. Halle el error absoluto y relativo si 𝑥 =  usando el software numérico
Octave.
Solución: Podemos escribir una serie de instrucciones en Octave para calcular errores en un fichero
con extensión .m y luego ejecutarlo desde la consola. Al fichero con las instrucciones de Octave se le
llama un script o programa.

El siguiente código nos permite calcular los errores absolutos y relativos de cantidades ingresadas a
través de teclado:
1) 𝑐𝑙𝑐; 𝑐𝑙𝑒𝑎𝑟;
2) 𝑑𝑖𝑠𝑝(′ − − − 𝑃𝑅𝑂𝐺𝑅𝐴𝑀𝐴 𝐶𝐴𝐿𝐶𝑈𝐿𝑂 𝐷𝐸 𝐸𝑅𝑅𝑂𝑅𝐸𝑆 − − − ′)
3) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′\𝑛′);
4) 𝑥 = 𝑖𝑛𝑝𝑢𝑡(′𝐷𝑖𝑔𝑖𝑡𝑎 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑥: ′);
5) 𝑦 = 𝑖𝑛𝑝𝑢𝑡(′𝐷𝑖𝑔𝑖𝑡𝑎 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑥 ∗ : ′);
6) 𝑒𝑎 = 𝑎𝑏𝑠(𝑥 − 𝑦);
7) 𝑒𝑟 = 𝑎𝑏𝑠(𝑒𝑎/𝑥);
8) 𝑒𝑟𝑝 = 𝑒𝑟 ∗ 100;
9) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑒𝑠: %𝑑\𝑛′, 𝑒𝑎)
10) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑒𝑠: %𝑑\𝑛′, 𝑒𝑟)
11) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 𝑒𝑠: %𝑑 %%\𝑛′, 𝑒𝑟𝑝)

Para ejecutarlo tendremos que situarnos en el directorio donde esté el fichero y teclear su nombre
sin extensión, en la consola de Octave con 𝑥 = 𝜋 y 𝑥 ∗ = 3.1416 se obtiene:

− − −𝑃𝑅𝑂𝐺𝑅𝐴𝑀𝐴 𝐶𝐴𝐿𝐶𝑈𝐿𝑂 𝐷𝐸 𝐸𝑅𝑅𝑂𝑅𝐸𝑆 − − −

𝐷𝑖𝑔𝑖𝑡𝑎 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑥: 𝑝𝑖
𝐷𝑖𝑔𝑖𝑡𝑎 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑥 ∗ : 3.1416
𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑜 𝑒𝑠: 7.34641𝑒 − 06
𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑒𝑠: 2.33843𝑒 − 06
𝐸𝑙 𝑒𝑟𝑟𝑜𝑟 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 𝑒𝑠: 0.000233843%

Ejemplo: Considere la serie de M’Claurin para la determinación de 𝑒 𝑥 :

∞
𝑥
𝑥2 𝑥3 𝑥𝑘
𝑒 =1+𝑥+ + +⋯ = ∑
2! 3! 𝑘!
𝑘=1
Empezando con el primer término 𝑒 𝑥 que es 1 y agregando un término a la vez, estimaremos el valor
de 𝑒 0,5. El cálculo termina hasta que el valor absoluto del error aproximado sea menor al criterio
preestablecido 𝑡 (Tolerancia) para garantizar tres dígitos significativos. Vamos a calcular el error
relativo real y aproximado.
Solución: Utilizaremos Octave para resolver el ejercicio. Primero escribimos las instrucciones en
Octave para calcular errores relativos y aproximados en un fichero con extensión .m de la siguiente
manera:

Análisis Numérico 2023-2 8

 Unidad 1: Teoría del Error

1) 𝑐𝑙𝑐; 𝑐𝑙𝑒𝑎𝑟;
2) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′\𝑛′)
3) 𝑑𝑖𝑠𝑝(′ ================================== ′)
4) 𝑑𝑖𝑠𝑝(′ − − − 𝐸𝑟𝑟𝑜𝑟𝑒𝑠 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜 𝑒^𝑥 − − − ′)
5) 𝑑𝑖𝑠𝑝(′ ================================== ′)
6) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′\𝑛′);
7) 𝑥 = 𝑖𝑛𝑝𝑢𝑡(′𝐷𝑖𝑔𝑖𝑡𝑒 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑥: ′);
8) 𝑒 = 𝑒. ^𝑥;
9) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′𝐸𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑒^𝑥 𝑒𝑠: %𝑓\𝑛′, 𝑒);
10) 𝑛 = 𝑖𝑛𝑝𝑢𝑡(′𝐷𝑖𝑔𝑖𝑡𝑒 𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑖𝑔𝑖𝑡𝑜𝑠 𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟: ′);
11) 𝑡𝑜𝑙 = 0.5 ∗ (10^(2 − 𝑛));
12) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′𝐸𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑡𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 𝑡 𝑒𝑠: %𝑓%%\𝑛′, 𝑡𝑜𝑙);
13) 𝑖 = 1;
14) 𝑥𝑛 = 1;
15) 𝑥𝑎𝑢𝑥 = 1;
16) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′\𝑛′);
17) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′ 𝑖 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝐸𝑟𝑟𝑜𝑟 𝑅𝑒𝑙 𝐸𝑟𝑟𝑜𝑟 𝐴𝑝𝑟𝑜𝑥\𝑛′);
18) 𝑤ℎ𝑖𝑙𝑒(1)
19) 𝑒𝑟 = 𝑎𝑏𝑠((𝑒 − 𝑥𝑎𝑢𝑥)/𝑒) ∗ 100;
20) 𝑖𝑓(𝑖 == 1)
21) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′ %𝑑 %𝑓 %𝑓%%\𝑛′, 𝑖, 𝑥𝑎𝑢𝑥, 𝑒𝑟);
22) 𝑒𝑙𝑠𝑒
23) 𝑒𝑎 = 𝑎𝑏𝑠((𝑥𝑎𝑢𝑥 − 𝑥𝑛)/𝑥𝑎𝑢𝑥) ∗ 100;
24) 𝑓𝑝𝑟𝑖𝑛𝑡𝑓(′ %𝑑 %𝑓 %𝑓 %% %𝑓 %%\𝑛′, 𝑖, 𝑥𝑎𝑢𝑥, 𝑒𝑟, 𝑒𝑎);
25) 𝑖𝑓(𝑒𝑎 < 𝑡𝑜𝑙)
26) 𝑏𝑟𝑒𝑎𝑘;
27) 𝑒𝑛𝑑
28) 𝑒𝑛𝑑
29) 𝑥𝑛 = 𝑥𝑎𝑢𝑥;
30) 𝑥𝑎𝑢𝑥 = 𝑥𝑎𝑢𝑥 + ((𝑥. ^𝑖)/(𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑎𝑙(𝑖)));
31) 𝑖 = 𝑖 + 1;
32) 𝑒𝑛𝑑

Al ejecutarlo nos situarnos en el directorio donde esté el fichero y tecleamos el nombre sin extensión,
en la consola de Octave y se obtiene:

− − −𝑃𝑅𝑂𝐺𝑅𝐴𝑀𝐴 𝑆𝐸𝑅𝐼𝐸 𝐷𝐸 𝑇𝐴𝑌𝐿𝑂𝑅 − 𝐸𝑅𝑅𝑂𝑅𝐸𝑆 − − −

𝐷𝑖𝑔𝑖𝑡𝑒 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑥: 0.5

𝐸𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑒^𝑥 𝑒𝑠: 1.648721
𝐷𝑖𝑔𝑖𝑡𝑒 𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑖𝑔𝑖𝑡𝑜𝑠 𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟: 3
𝐸𝑙 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑡𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 𝑡 𝑒𝑠: 0.050000%

El programa mostrará la siguiente tabla:

𝑖 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑐𝑖𝑜𝑛 𝐸𝑟𝑟𝑜𝑟 𝑅𝑒𝑙 𝐸𝑟𝑟𝑜𝑟 𝐴𝑝𝑟𝑜𝑥

1 1.000000 39.346934%
2 1.500000 9.020401 % 33.333333 %
3 1.625000 1.438768 % 7.692308 %
4 1.645833 0.175162 % 1.265823 %
5 1.648438 0.017212 % 0.157978 %
6 1.648698 0.001416 % 0.015795 %

Análisis Numérico 2023-2 9

 Unidad 1: Teoría del Error

El programa se detiene al comprobar que el error relativo aproximado 𝐸𝑎(%) = 0,0158% <
0,05% = 𝑡 es menor que la tolerancia preestablecida. Con esto se tiene que la estimación de 𝑒 0,5 es
de 1,648697, con al menos tres dígitos significativos.

ACTIVIDAD VIRTUAL
1. Para cada uno de los números reales siguientes, halle el error absoluto y el error relativo de su
aproximación (que se indica con un superíndice *).
a. 𝑝 = 𝑒, 𝑝 ∗ = 2.7179
b. 𝑝 = 9!, 𝑝 ∗ = √18𝜋(9/𝑒)9
2. Suponga que 𝑝 ∗ debe aproximarse a 𝑝 = 𝑠𝑖𝑛(1,3) con error relativo de a lo sumo 10−4 .
Determine el máximo intervalo en que debe estar 𝑝 ∗ para el valor de 𝑝.
3. Nos vemos obligados a decidir entre dos operarios para realizar una medida de precisión y en
el "curriculum” que nos presentan aparecen los siguientes datos:
a. Operario 1: "En cierta ocasión midió una longitud de 32 m. con un error de 20 cm."
b. Operario 2: “Cometió un error de 2,5 m al medir una distancia de 15 km."
¿Con cuál operario nos quedamos?
4. Suponga que:
𝑥
1
𝑓(𝑥) = ∫ 2 𝑑𝑡
0 1+𝑡

Puede evaluarse con mucha precisión para cualquier 𝑥 dada. Sin embargo, las 𝑥 dadas no
siempre son correctas. Determine el error relativo máximo en 𝑥, de modo que el error absoluto
en 𝑓(𝑥) no sea mayor que 10−3 .
5. Realice un programa en OCTAVE que puedan usarse para generar recursivamente los términos
de la sucesión:
1 ∞
{ 𝑛}
3 𝑛=0
Si las operaciones se hicieran exactamente como:
1
a. 𝑥0 = 1 𝑦 𝑥𝑛 = 𝑥𝑛−1 , con 𝑛 = 1,2, … ,10
3
1 4 1
b. 𝑥0 = 1, 𝑥1 = 𝑦 𝑥𝑛 = 𝑥 − 𝑥𝑛−2 , con 𝑛 = 2,3, … ,10
3 3 𝑛−1 3
1 2
6. Sea 𝑥0 = 1 y 𝑥𝑛+1 = (𝑥𝑛 + ). Se sabe que lim 𝑥𝑛 = √2. Podemos aproximar √2 usando
2 𝑥𝑛 𝑛→ ∞
esta sucesión. Calcule los errores relativos y relativos aproximados para estimar √2 con al
menos 4 dígitos significativos. Realice un programa en OCTAVE que halle los errores relativos
y relativos aproximados para cada aproximación realizado con la sucesión.

Análisis Numérico 2023-2 10