Facultad de Ingeniería

Escuela de Ingeniería Civil

GUÍA DE APRENDIZAJE
SEMANA N° 03

Curso: Métodos Numéricos

Docente: Mg. Nilthon Arce Fernández

Jaén – Perú, setiembre 2023

0
 INDICE

1. INTRODUCCIÓN .....................................................................................................................2
2. OBJETIVOS EDUCACIONALES Y RESULTADOS DEL ESTUDIANTE ..........................2
3. DESARROLLO .........................................................................................................................2
3.1 CIFRAS SIGNIFICATIVAS .................................................................................................2
3.2 EXACTITUD Y PRECISIÓN ...............................................................................................4
3.3 DEFINICIONES DE ERROR...............................................................................................5
3.4 ERRORES DE REDONDEO ................................................................................................8
3.4.1 Representación de números en la computadora ...................................................................8
4. ACTIVIDAD Y EVALUACIÓN .............................................................................................12
4.1 Actividad ..............................................................................................................................12
4.2 Evaluación............................................................................................................................ 13
5. GLOSARIO .............................................................................................................................13
6. REFERENCIAS.......................................................................................................................13

1
1. INTRODUCCIÓN
En muchos problemas de aplicación en ingeniería no es posible obtener la solución analítica o
exacta; por lo tanto, no se pueden calcular con exactitud los errores en nuestros métodos
numéricos, en tales casos debemos usar aproximaciones o estimaciones de los errores. La
mayor parte de las técnicas desarrolladas para resolver problemas de aplicación en ingeniería,
tienen la característica de poseer errores, en primera instancia, esto puede parecer
contradictorio, ya que no coincide con la imagen que se tiene de una buena ingeniería. Los
estudiantes y los practicantes de la ingeniería trabajan constantemente para limitar este tipo de
errores en sus actividades, cuando hacen un examen o realizan sus tareas, son sancionados,
mas no premiados por sus errores. En la práctica profesional, los errores llegan a resultar
costosos y en algunas ocasiones catastróficos, si una estructura o un dispositivo falla, esto
puede costar vidas.
Se estudiará los dos errores numéricos más comunes (errores de redondeo y errores de
truncamiento). Los errores de redondeo se deben a que la computadora tan sólo representa
cantidades con un número finito de dígitos, mientras que, los errores de truncamiento
representan la diferencia entre una formulación matemática exacta de un problema y su
aproximación obtenida por un método numérico.

2. OBJETIVOS EDUCACIONALES Y RESULTADOS DEL ESTUDIANTE

Esta semana la guía de aprendizaje contribuye con el logro de las siguientes capacidades:
▪ Conocer y comprender los errores en cálculos y medidas que se pueden caracterizar con
respecto a su exactitud y su precisión.
▪ Valorar la importancia de los errores numéricos que surgen del uso de aproximaciones
para representar operaciones y cantidades matemáticas exactas.

3. DESARROLLO
3.1 CIFRAS SIGNIFICATIVAS
Cuando se emplea un número para realizar un cálculo, debe haber seguridad de que pueda
usarse con confianza. Por ejemplo, la Figura 1 muestra un velocímetro y un odómetro
(contador de kilometraje) de un automóvil. Con un simple vistazo al velocímetro se observa
que el vehículo viaja a una velocidad comprendida entre 48 y 49 km/h. Como la aguja está
más allá de la mitad entre las marcas del indicador, es posible asegurar que el automóvil viaja
aproximadamente a 49 km/h. Tenemos confianza en este resultado, ya que dos o más
individuos que hicieran esta lectura llegarían a la misma conclusión. Sin embargo,
supongamos que se desea obtener una cifra decimal en la estimación de la velocidad. En tal
caso, alguien podría decir 48.8, mientras que otra persona podría decir 48.9 km/h. Por lo tanto,
debido a los límites del instrumento, únicamente se emplean con confianza los dos primeros
dígitos. Para estimaciones del tercer dígito (o más allá) sólo se considerarían aproximaciones.

2
Sería ridículo afirmar, considerando el velocímetro de la Figura 1, que el automóvil viaja a
48.8642138 km/h. En contraste, el odómetro muestra hasta seis dígitos confiables. De la Figura
1 se concluye que el automóvil ha recorrido un poco menos de 87 324.5 km durante su uso.
Aquí el séptimo dígito (y los siguientes) resultan inciertos (Chapra et al., 2007).

Figura 1. El velocímetro y el odómetro de un automóvil ejemplifican el concepto de cifras

significativas.
El concepto de cifras o dígitos significativos se ha desarrollado para designar formalmente la
confiabilidad de un valor numérico. Las cifras significativas de un número son aquellas que
pueden utilizarse en forma confiable. Se trata del número de dígitos que se ofrecen con certeza,
más uno estimado. Por ejemplo, el velocímetro y el odómetro de la Figura 1 muestran lecturas
de hasta tres y siete cifras significativas, respectivamente. Para el velocímetro, los dos dígitos
seguros son 48. Por convención al dígito estimado se le da el valor de la mitad de la escala
menor de división en el instrumento de medición. Así, la lectura del velocímetro consistirá de
las tres cifras significativas: 48.5. En forma similar, el odómetro dará una lectura con siete
cifras significativas, 87 324.45.

El concepto de cifras significativas tiene dos implicaciones importantes en el estudio de los

métodos numéricos.
1. Los métodos numéricos dan resultados aproximados. Por lo tanto, se deben desarrollar
criterios para especificar qué tan confiables son dichos resultados. Una manera de hacerlo
es en términos de cifras significativas. Por ejemplo, es posible afirmar que la aproximación
es aceptable siempre y cuando sea correcta con cuatro cifras significativas.
2. Aunque ciertas cantidades tales como π, e, o √7 representan cantidades específicas, no se
pueden expresar exactamente con un número finito de dígitos. Por ejemplo, π =
3.141592653589793238462643... hasta el infinito. Como las computadoras retienen sólo
un número finito de cifras significativas, tales números jamás se podrán representar con
exactitud. A la omisión del resto de cifras significativas se le conoce como error de
redondeo.

3
3.2 EXACTITUD Y PRECISIÓN
Los errores en cálculos y medidas se pueden caracterizar con respecto a su exactitud y su
precisión. La exactitud se refiere a qué tan cercano está el valor calculado o medido del valor
verdadero. La precisión se refiere a qué tan cercanos se encuentran, unos de otros, diversos
valores calculados o medidos.
Estos conceptos se ilustran gráficamente utilizando la analogía con una diana en la práctica de
tiro. Los agujeros en cada blanco de la Figura 2 se consideran como las predicciones con una
técnica numérica; mientras que el centro del blanco representa la verdad. La inexactitud
(conocida también como sesgo) se define como una desviación sistemática del valor
verdadero. Por lo tanto, aunque los disparos en la Figura 2c están más juntos que los de la
Figura 2a, los dos casos son igualmente inexactos, ya que ambos se centran en la esquina
superior izquierda del blanco. La imprecisión (también llamada incertidumbre), por otro lado,
se refiere a la magnitud en la dispersión de los disparos. Por consiguiente, aunque las Figuras
2b y 2d son igualmente exactas (esto es, igualmente centradas respecto al blanco), la última es
más precisa, pues los disparos están agrupados en forma más compacta (Chapra et al., 2007).

Figura 2. Un ejemplo de puntería ilustra los conceptos de exactitud y precisión. a) Inexacto e

impreciso; b) exacto e impreciso; c) inexacto y preciso; d) exacto y preciso.
Los métodos numéricos deben ser lo suficientemente exactos o sin sesgo para satisfacer los
requisitos de un problema particular de ingeniería. También deben ser suficientemente
precisos para ser adecuados en el diseño de la ingeniería. Se usa el término error para
representar tanto la inexactitud como la imprecisión en las predicciones. Con dichos conceptos
como antecedentes, ahora analizaremos los factores que contribuyen al error en los cálculos
numéricos.

4
3.3 DEFINICIONES DE ERROR
Los errores numéricos surgen del uso de aproximaciones para representar operaciones y
cantidades matemáticas exactas. Éstas incluyen los errores de 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 o verdadero, y el aproximado está dada por:
Valor verdadero = Valor aproximado + error (1)
de donde se tiene que el error numérico es igual a la diferencia entre el valor verdadero y el
valor aproximado, es decir:
𝑬𝒕 = valor verdadero – valor aproximado (2)
donde 𝐸𝑡 se usa para denotar el valor exacto del error o error verdadero.
Una desventaja en esta definición es que no toma en consideración el orden de la magnitud del
valor que se estima. Por ejemplo, un error de un centímetro es mucho más significativo si se
está midiendo un remache en lugar de un puente. Una manera de tomar en cuenta las
magnitudes de las cantidades que se evalúan consiste en normalizar el error respecto al valor
verdadero, es decir:
𝒆𝒓𝒓𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
𝑬𝒓𝒓𝒐𝒓 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 𝒇𝒓𝒂𝒄𝒄𝒊𝒐𝒏𝒂𝒍 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 = (3)
𝒗𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
que también se puede expresar como
𝒆𝒓𝒓𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 𝒗𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 – 𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝜺𝒕 = 𝟏𝟎𝟎% = 𝟏𝟎𝟎% (4)
𝒗𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐 𝒗𝒂𝒍𝒐𝒓 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐
donde 𝜀𝑡 denota el error relativo porcentual verdadero.

Ejemplo1. Suponga que se tiene que medir la longitud de un puente y la de un remache, y se

obtiene 9 999 y 9 cm, respectivamente. Si los valores verdaderos son 10 000 y 10 cm, calcule
a) el error verdadero y b) el error relativo porcentual verdadero en cada caso.
Solución
a) El error verdadero en la medición del puente es:
𝑬𝒕 = 𝟏𝟎𝟎𝟎𝟎 – 𝟗𝟗𝟗𝟗 = 𝟏𝒄𝒎
y en la del remache es de:
𝑬𝒕 = 𝟏𝟎 – 𝟗 = 𝟏𝒄𝒎
b) El error relativo porcentual verdadero para el puente es:
𝟏
𝜺𝒕 = 𝟏𝟎𝟎% = 𝟎. 𝟎𝟏%
𝟏𝟎𝟎𝟎𝟎
y para el remache es de:
𝟏
𝜺𝒕 = 𝟏𝟎𝟎% = 𝟏𝟎%
𝟏𝟎

5
Por lo tanto, aunque ambas medidas tienen un error de 1 cm, el error relativo porcentual del
remache es mucho mayor. Se concluye entonces que se ha hecho un buen trabajo en la
medición del puente; mientras que la estimación para el remache dejó mucho que desear.

El subíndice “t” de la ecuación (4) significa que el error ha sido normalizado al valor
verdadero. En el Ejemplo 1 teníamos el valor verdadero, pero en las situaciones reales a veces
es difícil contar con tal información. En los métodos numéricos, el valor verdadero sólo se
conocerá cuando se tengan funciones que se resuelvan analíticamente. Sin embargo, en
muchas aplicaciones reales, no se conoce a priori la respuesta verdadera. Entonces en dichos
casos, una alternativa es normalizar el error, usando la mejor estimación posible al valor
verdadero, es decir, para la aproximación misma, de donde:
𝒆𝒓𝒓𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
𝜺𝒂 = 𝟏𝟎𝟎% (5)
𝒗𝒂𝒍𝒐𝒓 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐
donde el subíndice “a” significa que el error está normalizado a un valor aproximado.
En aplicaciones reales la ecuación (2) no se puede usar para calcular el término del error de la
ecuación (5). Uno de los retos que enfrentan los métodos numéricos es el de determinar
estimaciones del error en ausencia del conocimiento de los valores verdaderos. Por ejemplo,
ciertos métodos numéricos usan un método iterativo para calcular los resultados, donde se hace
una aproximación considerando la aproximación anterior, esperando cada vez mejores
aproximaciones. En tales casos, el error aproximado se calcula como la diferencia entre la
aproximación actual y la anterior. Por lo tanto, el error relativo porcentual aproximado está
dado por:
𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒄𝒊ó𝒏 𝒂𝒄𝒕𝒖𝒂𝒍 − 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒄𝒊ó𝒏 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓
𝜺𝒂 = 𝟏𝟎𝟎% (6)
𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒄𝒊ó𝒏 𝒂𝒄𝒕𝒖𝒂𝒍
Los signos de las ecuaciones (1) a (6) pueden ser positivos o negativos. Por ejemplo, si la
aproximación es mayor que el valor verdadero (o la aproximación anterior es mayor que la
aproximación actual), entonces el error es negativo. No importa mucho el signo del error, sino
más bien que su valor absoluto porcentual sea menor que una tolerancia porcentual prefijada
𝜺𝒔 . En tales casos, los cálculos se repiten hasta que
|𝜺𝒂 | < 𝜺𝒔
si se cumple la relación anterior, entonces se considera que el resultado obtenido está dentro
del nivel aceptable fijado previamente 𝜺𝒔 , donde:
𝜺𝒔 = (𝟎. 𝟓𝒙𝟏𝟎𝟐−𝒏 )% (7)
lo cual implica que el resultado es correcto en al menos “n” cifras significativas.

6
Ejemplo 2. (Estimación del error con métodos iterativos)
En matemáticas con frecuencia las funciones se representan mediante series infinitas. Por
ejemplo, la función exponencial se calcula usando

x 2 x3 x 4 xn
e = 1 + x + + + + ... +
x
(*)
2! 3! 4! n!
Así cuantos más términos se le agreguen a la serie, la aproximación será cada vez más una
mejor estimación del valor verdadero de 𝑒 𝑥 . La ecuación (*) se conoce como expansión en
series de Maclaurin.
Empezando con el primer término 𝑒 𝑥 = 1 y agregando término por término, estime el valor
de 𝑒 0.5 . Después de agregar cada término, calcule los errores: relativo porcentual verdadero y
normalizado a un valor aproximado usando las ecuaciones (4) y (6), respectivamente. Observe
que el valor verdadero es 𝒆𝟎.𝟓 = 𝟏. 𝟔𝟒𝟖𝟕𝟐𝟏 … Agregue términos hasta que el valor absoluto
del error aproximado 𝜺𝒂 sea menor que un criterio de error preestablecido 𝜺𝒔 con tres cifras
significativas.
Solución
Con la ecuación (7) se determina el criterio de error preestablecido 𝜺𝒔 , que asegura que un
resultado sea correcto en al menos tres cifras significativas
𝜺𝒔 = (𝟎. 𝟓𝒙𝟏𝟎𝟐−𝟑 )% = 𝟎. 𝟎𝟓%
Por lo tanto, se agregarán términos a la serie hasta que
|𝜺𝒂 | < 𝟎. 𝟎𝟓%
▪ Primera estimación
e x = 1 → e0.5 = 1
▪ Segunda estimación
e x = 1 + x → e0.5 = 1 + 0.5 = 1.5
donde:
𝟏. 𝟔𝟒𝟖𝟕𝟐𝟏 − 𝟏. 𝟓
𝜺𝒕 = 𝟏𝟎𝟎% = 𝟗. 𝟎𝟐% [𝒆𝒓𝒓𝒐𝒓 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 𝒑𝒐𝒓𝒄𝒆𝒏𝒕𝒖𝒂 𝒗𝒆𝒓𝒅𝒂𝒅𝒆𝒓𝒐]
𝟏. 𝟔𝟒𝟖𝟕𝟐𝟏

𝟏. 𝟓 − 𝟏
𝜺𝒂 = 𝟏𝟎𝟎% = 𝟑𝟑. 𝟑% [𝒆𝒓𝒓𝒐𝒓 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 𝒑𝒐𝒓𝒄𝒆𝒏𝒕𝒖𝒂 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒐]
𝟏. 𝟓

se tiene que:
|𝜺𝒂 | = 𝟑𝟑. 𝟑% > 𝟎. 𝟎𝟓%
Como |𝜀𝑎 | = 33.3% no es menor que 𝜀𝑠 = 0.05%, se deben continuar los cálculos agregando

x2
otro término, , repitiendo el cálculo del error. El proceso continúa hasta que |𝜀𝑎 | < 0.05%.
2!
Todos los cálculos se resumen de la siguiente manera:

7
 Tabla 1. Resultados obtenidos para e0.05

Así, después de usar seis términos, el error aproximado es menor que 𝜀𝑠 = 0.05%, y el cálculo
termina. Sin embargo, observe que, ¡el resultado es exacto con cinco cifras significativas! en
vez de tres cifras significativas.

3.4 ERRORES DE REDONDEO

Los errores de redondeo se originan debido a que la computadora emplea un número
determinado de cifras significativas durante un cálculo. Los números tales como π, e o √7 no
pueden exspresarse con un número fijo de cifras significativas. Por lo tanto, no pueden ser
representados exactamente por la computadora. Además, debido a que las computadoras usan
una representación en base 2, no pueden representar exactamente algunos números en base 10.
Esta discrepancia por la omisión de cifras significativas se llama error de redondeo (Chapra
et al., 2007).
3.4.1 Representación de números en la computadora
Numéricamente los errores de redondeo se relacionan de manera directa con la forma en que
se guardan los números en la memoria de la computadora. La unidad fundamental mediante la
cual se representa la información se llama palabra. Ésta es una entidad que consiste en una
cadena de dígitos binarios o bits (binary digits). Por lo común, los números son guardados en
una o más palabras. Para entender cómo se realiza esto, se debe revisar primero algún material
relacionado con los sistemas numéricos.
Sistemas numéricos. Un sistema numérico es simplemente una convención para representar
cantidades. Debido a que se tienen 10 dedos en las manos y 10 dedos en los pies, el sistema
de numeración que nos es muy familiar es el decimal o de base 10. Una base es el número que
se usa como referencia para construir un sistema. El sistema de base 10 utiliza 10 dígitos (0,
1, 2, 3, 4, 5, 6, 7, 8, 9) para representar números. Tales dígitos son satisfactorios por sí mismos
para contar de 0 a 9.
Para grandes cantidades se usa la combinación de estos dígitos básicos; con la posición o valor
de posición se especifica su magnitud. El primer dígito en el extremo derecho de un número
entero representa un número del 0 al 9. El segundo dígito a partir de la derecha representa un
múltiplo de 10. El tercer dígito a partir de la derecha representa un múltiplo de 100 y así
8
sucesivamente. Por ejemplo, si se tiene el número 86 409 se tienen 8 grupos de 10 000, seis
grupos de 1 000, cuatro grupos de 100, cero grupos de 10, y nueve unidades, o bien
(8x104 ) + (6 x103 ) + (4 x102 ) + (0 x101 ) + (9 x100 ) = 86409
Debido a que el sistema decimal resulta ser tan familiar, no es común darse cuenta de que
existen otras alternativas. Por ejemplo, si el ser humano tuviera ocho dedos en las manos y
ocho en los pies, se tendría, sin duda, una representación en un sistema octal o de base 8. En
tal sentido nuestra amiga la computadora es como un animal que tiene dos dedos, limitado a
dos estados: 0 o 1. Esto se relaciona con el hecho de que las unidades lógicas fundamentales
de las computadoras digitales sean componentes electrónicos de apagado/encendido. Por lo
tanto, los números en la computadora se representan con un sistema binario o de base 2. Del
mismo modo que con el sistema decimal, las cantidades pueden representarse usando la
notación posicional. Por ejemplo, el número binario 11 es equivalente a
(1x21 + 1x20 ) = 1 + 2 = 3 en el sistema decimal.

Figura 3. Cómo trabajan los sistemas a) decimal (base 10) y b) binario (base 2). En b) el número
binario 10101101 es equivalente al número decimal 173.

Representación entera. Es fácil concebir cómo los enteros se representan en la computadora.

El método más sencillo se denomina método de magnitud con signo y emplea el primer bit
(dígito binario) de una palabra para indicar el signo: con un 0 para positivo y un 1 para el
negativo. Los bits sobrantes se usan para guardar el número. Por ejemplo, el valor entero –173
puede guardarse en la memoria de una computadora de 16 bits como se muestra en la Figura
4.

9
 Figura 4. La representación de un entero decimal –173 en una computadora de 16 bits usando el
método de magnitud con signo.
Ejemplo 3. (Rango de enteros)
Determine el rango de enteros de base 10 que pueda representarse en una computadora de 16
bits.
Solución
De los 16 bits, se tiene el primer bit para el signo. Los 15 bits restantes pueden contener los
números binarios de 000000000000000 a 111111111111111.
▪ El límite superior se convierte en un entero decimal, así
0111111111111111 = 32767
▪ El límite inferior se convierte en un entero decimal, así
1111111111111111 = −32767
Así, en una computadora de 16 bits una palabra puede guardar en memoria un entero decimal
en el rango de –32 767 a 32 767.
▪ Debido a que el cero está ya definido como 0000000000000000=0, sería redundante usar
el número 1000000000000000 para definir “menos cero”. Por lo tanto, es usualmente
empleado para representar un número negativo adicional: –32 768, y el rango va de –32
768 a 32 767.

Representación del 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 significando, y una parte entera,
denominada exponente o característica, esto es,
mbe
donde m = la mantisa, b = la base del sistema numérico que se va a utilizar y e = el exponente.
Por ejemplo, el número 156.78 se representa como 0.15678 x103 en un sistema de base 10 de
punto flotante.
En 1a Figura 5, se muestra una forma en que el número de punto flotante se guarda, en una
palabra. El primer bit se reserva para el signo; la siguiente serie de bits, para el exponente con
signo; y los últimos bits, para la mantisa.

Figura 5. La forma en que un número de punto flotante se guarda, en una palabra.

10
Observe que la mantisa es usualmente normalizada si tiene primero cero dígitos. Por ejemplo,
suponga que la cantidad 1/34 = 0.029411765… se guarda en un sistema de base 10 con punto
flotante, que únicamente permite guardar cuatro lugares decimales. Entonces, 1/34 se
guardaría como
0.0294 x100
Sin embargo, al hacerlo así, la inclusión del cero “inútil” a la derecha del punto decimal nos
obliga a eliminar el dígito 1 del quinto lugar decimal. El número puede normalizarse para
eliminar el cero multiplicando la mantisa por 10 y disminuyendo el exponente en 1, para
quedar
0.2941x10−1
Así, se conserva una cifra significativa adicional al guardar el número.
La consecuencia de la normalización es que el valor absoluto de m queda limitado. Esto es,
1
 m 1
b
donde b = la base.
Por ejemplo, para un sistema de base 10, m estaría entre 0.1 y 1; y para un sistema de base 2,
entre 0.5 y 1.
La representación de punto flotante permite que tanto fracciones como números muy grandes
se expresen en la computadora. Sin embargo, hay algunas desventajas. Por ejemplo, los
números de punto flotante requieren más espacio y más tiempo de procesado que los números
enteros. Más importante aún es que su uso introduce una fuente de error debido a que la
mantisa conserva sólo un número finito de cifras significativas. Por lo tanto, se introduce un
error de redondeo.
Ejemplo 4.
Los números con punto flotante para una máquina que guarda información usando palabras de
7 bits, donde el primer bit es 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 (véase Figura 6).
Solución
El número positivo más pequeño posible se representa en la Figura 6. El 0 inicial señala que
la cantidad es positiva. El 1 en el segundo lugar indica que el exponente tiene signo negativo.
Los 1, en el tercero y cuarto lugar dan un valor máximo al exponente de
1x 21 + 1x20 = 3
Por lo tanto, el exponente será –3. Por último, la mantisa está especificada por el 100 en los
últimos tres lugares, lo cual nos da
1x 2−1 + 0 x2−2 + 0 x2−3 = 0.5

11
 Figura 6. El número positivo de punto flotante más pequeño posible del Ejemplo 4.
Aunque es posible tomar una mantisa más pequeña (por ejemplo, 000, 001, 010, 011), se
emplea el valor de 100 debido al límite impuesto por la normalización. Así, el número positivo
más pequeño posible en este sistema es +0.5 x 2−3 , el cual es igual a 0.0625 en el sistema de
base 10. Los siguientes números más grandes se desarrollan incrementando la mantisa como
sigue:
0111101 = (1x2−1 + 0 x2−2 + 1x2−3 ) x2−3 = (0.078125)10

0111110 = (1x2−1 + 1x2−2 + 0 x2−3 ) x2−3 = (0.093750)10

0111111 = (1x2−1 + 1x2−2 + 1x2−3 ) x2−3 = (0.109375)10

4. ACTIVIDAD Y EVALUACIÓN
4.1 Actividad
a. Determine el número de términos necesarios para aproximar cos x a 8 cifras significativas
con el uso de la serie de McLaurin.

x 2 x 4 x 6 x8
cos x = 1 − + − + − ...
2! 4! 6! 8!

calcule la aproximación para x = 0.3 .

b. Convierta los números siguientes en base 2 a números en base 10: a) 1011101 b) 101.101,
y c) 0.01101.
Nota: La fecha de presentación de las actividades es el día domingo 17 de septiembre de
8:00am a 11:59pm, utilizar el formato PDF para la presentación, no exceder los 3 MB de peso.

12
 4.2 Evaluación
Para evaluar esta actividad se utilizará la siguiente Rúbrica.

5. GLOSARIO

6. REFERENCIAS
Chapra, S. C., Canale, R. P., Ruiz, R. S. G., Mercado, V. H. I., Díaz, E. M., & Benites, G. E.

(2007). Métodos Numéricos para Ingenieros (Vol. 5). McGraw-Hill México.

13