Índice general

1. Errores y Aritmética Flotante 3

1.1. Representación Numérica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1. Errores de Redondeo . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2. Errores relativos y absolutos . . . . . . . . . . . . . . . . . . . . . . . 8

Preliminar
1.1.3. Aritmética de punto flotante . . . . . . . . . . . . . . . . . . . . . . . 10
1.2. Errores de truncamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Versión

1.2.1. Propagación del error absoluto . . . . . . . . . . . . . . . . . . . . . . 16

1.2.2. Propagación del error relativo . . . . . . . . . . . . . . . . . . . . . . 17
1.3. Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4. Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1
 ÍNDICE GENERAL

Preliminar
Versión

2 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 Capı́tulo 1

Errores y Aritmética Flotante

1.1. Representación Numérica

Preliminar
Los tópicos que se trabajarán a lo largo de este curso, están diseñados para ser imple-
Versión

mentados en computadores ya que en ellos se pueden efectuar una gran cantidad de cálculos
en poco tiempo. Lamentablemente los computadores poseen una memoria finita, por lo que
son una fuente de error.
En el caso especı́fico de una computadora existen dos tipos de errores en los cálculos
numéricos. El primero, llamado error de redondeo, se asocia al número finito de dı́gitos
con los que se representan los números en una computadora. El segundo, llamado error de
truncamiento, se debe a las aproximaciones utilizadas en las fórmulas matemáticas de los
modelos. Para el análisis de los errores de truncamiento, normalmente se utiliza la serie de
Taylor, y para los errores de redondeo, se analiza la forma de almacenamiento de datos de
una computadora, ası́ como la forma de procesarlos, es decir, de efectuar las operaciones

1.1.1. Errores de Redondeo

Representación de números enteros
Es sabido que el lenguaje de los computadores son los números binarios, por lo cual, lo
primero es entender como se traduce al lenguaje de nuestros números decimales. Considere-
mos primero números positivos y recordemos que cada posición representa una potencia de
la base partiendo de derecha a izquierda.

Base decimal: 7266210 = 7 · 104 + 2 · 103 + 6 · 102 + 6 · 101 + 2 · 100

Base binaria: 101102 = 1 · 24 + 0 · 23 1 · 22 + 1 · 21 + 0 · 20

Transformar de base binaria a base 10 es sencillo, solo se requiere calcular el valor pro-
puesto (El resultado de las potencias son representables en la base 10). En efecto

101102 = 1 · 24 + 1 · 22 + 1 · 21 = 16 + 4 + 2 = 2210

3
 1.1 Representación Numérica

Para el proceso inverso el algoritmo consiste en dividir sucesivamente por 2 y considerar los
restos de forma inversa, en el ejemplo anterior

72662 = 36331 × 2 + 0
141 = 59 × 2 + 1
36331 = 18165 × 2 + 1
70 = 29 × 2 + 0
18165 = 9082 × 2 + 1
35 = 14 × 2 + 1
9082 = 4541 × 2 + 0
17 = 7×2 + 1
4541 = 2270 × 2 + 1 =⇒
8 = 3×2 + 0
2270 = 1135 × 2 + 0
4 = 1×2 + 0
1135 = 567 × 2 + 1
2 = 1×2 + 0
567 = 283 × 2 + 1
1 = 0×2 + 1
283 = 119 × 2 + 1
Obteniendo el número en binario
100011011110101102 = 1 · 216 + 0 · 215 + 0 · 214 + 0 · 213 + 1 · 212 + 1 · 211 + 0 · 210 + 1 · 29

Preliminar
+1 · 28 + 1 · 27 + 1 · 26 + 0 · 25 + 1 · 24 + 0 · 23 + 1 · 22 + 1 · 21 + 0 · 20
Versión

Dado que el espacio de la memoria del computador es finita una pregunta válida a realizar
es: ¿Qué rango de enteros pueden representarse con 8 dı́gitos en base 2?.

Primero es necesario guardar un dı́gito para el signo. El mayor valor es:

11111112 = 26 + 25 + 24 + 23 + 22 + 21 + 20 = 27 − 1 = 127
Utilizando el −0 tenemos un rango de [−128, 127].

Ahora el trabajo para números decimales es similar al anterior

Base decimal: 7.62510 = 7 · 100 + 6 · 10−1 + 2 · 10−2 + 5 · 10−3
Base binaria: 10.1102 = 1 · 21 + 1 · 2−1 + 1 · 2−2
Nuevamente para transformar de binario a decimales sólo se necesita realizar el cálculo
propuesto, es decir
1 1 11
10.1102 = 1 · 21 + 0 · 20 + 1 · 2−1 + 1 · 2−2 = 2 +
+ = = 2.75
2 4 4
Para el proceso inverso es necesario separar la parte entera de la decimal, esta última
se debe amplificar por 2, con esto el dı́gito que use la parte entera es el dı́gito en la parte
decimal (Este proceso se puede pensar como “correr la coma decimal una posición”). En el
ejemplo anterior, la parte entera se transforma a 710 = 1112 trabajamos con la parte decimal
0.625

0.625 × 2 = 1 .250 ⇒ 0.1

0.25 × 2 = 0 .5 ⇒ 0.10
0.5 × 2 = 1 .0 ⇒ 0.101

4 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.1 Representación Numérica

Como el último número no tiene parte decimal se acaba el proceso. Uniendo las representa-
ciones de la parte entera y decimal obteniendo el número 111.1012 .

Observación 1.1.1
El ejemplo anterior muestra un decimal finito, pero en base binaria también se encuentran
números periódicos y semi periódicos, incluso estos pueden ser equivalentes a decimales fini-
tos, por ejemplo, consideremos el decimal 0.210 entonces tenemos

0.2 × 2 = 0 .4 ⇒ 0.0
0.4 × 2 = 0 .8 ⇒ 0.00
0.8 × 2 = 1 .6 ⇒ 0.001
0.6 × 2 = 1 .2 ⇒ 0.0011
0.2 × 2 = 0 .4 ⇒ 0.00110
Podemos observar que el último número es igual al primero por lo cual entramos en un ciclo

Preliminar
y podemos concluir que 0.210 = 0.00112
Versión

Representación de punto flotante

Uno de los problemas de la representación numérica es que esta no es única, por ejemplo,

0.0263 = 0.00263 · 101 = 2.63 · 10−2 = 0.263 · 10−1 = 263 · 10−4

Todas las expresiones anteriores definen el mismo número, por lo cual hay que normalizar
este representación.

Definición 1.1.2 (Punto flotante)

Representaremos los números bajo la siguiente estructura

m · be
donde: m: Mantisa, b: base, e: exponente.

Y diremos que es Normalizado si: b−1 ≤ m ≤ 1.

Ejemplo 1.1.3
En el caso del problema anterior escribimos 0.263 · 10−1 .

Ejemplo 1.1.4
Si fijamos la base b = 2. ¿Cuáles son los números extremos positivos que pueden represen-
tarse como punto flotante normalizado usando 7 dı́gitos:

Dı́gitos: 1 signo, 3 exponente entero (con signo) y 3 mantisa.

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 5

 1.1 Representación Numérica

Mayor positivo (overflow):

1 +20
0011111 = 0 0 11 111 = (2−1 + 2−2 + 2−3 ) · (22 )=7

Menor positivo (underflow):

1 +20 ) 1
0111100 = 0 1 11 100 = (2−1 ) · (2−(2 ) = 2−4 =
16
Observación 1.1.5
Se acostumbra utilizar el número 0 para representar el signo positivo (+) y al número 1
para el signo (-). Además, para el calculo anterior se considero la siguiente estructura y los
números escritos en notación punto flotante.

S exp Mantisa

Preliminar
Versión

Otro problema de la representación es que al ser, la memoria finita se necesita distribuir

el espacio entre la mantisa y el exponente. Por ejemplo, si consideramos una máquina con 9
dı́gitos considerando 1 dı́gito para el signo, 3 exponente (con signo) y 5 mantisa tenemos:

La cantidad de números representables son : 113

El número más grande : 7.75

El número más pequeño : 0.0625

Máxima diferencia entre dos números consecutivos es 0.250000

Mı́nima diferencia entre dos números consecutivos es 0.003906

Y si en el mismo espacio usamos la máquina considerando 1 dı́gito para el signo, 5 expo-

nente (con signo) y 3 mantisa tenemos

La cantidad de números representables son : 125

El número más grande es 28672

El número más pequeño es 0.000015

Máxima diferencia entre dos números consecutivos es 4096

Mı́nima diferencia entre dos números consecutivos es 0.000004

en la figura 1.1 se muestran los números generados por ambas máquinas

6 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.1 Representación Numérica

(a) exp:3 dig. y man: 5 dig (b) exp:5 dig. y man: 3 dig

Figura 1.1: Distribución de números generados

Preliminar
Podemos observar que la primera máquina tiene una mayor precisión (los números no
Versión

distan mucho uno de otro), pero no tiene mucho alcance. En cambio, la segunda máquina
tiene un alcance mucho mayor, pero no mucha precisión, por lo cual nuevamente hay que
establecer una normalización. El estándar IEEE 754 con precisión simple o doble define, entre
otros, la cantidad de dı́gitos usados para cada elemento

Signo número Exponente(con signo) mantisa largo total

Precisión simple 1 8 23 32
Precisión doble 1 11 52 64

Aproximando hacia punto flotante

Si consideramos un número arbitrario en base decimal

x = ±0.d1 d2 . . . dk dk+1 dk+2 . . . × 10n , 1 ≤ d1 ≤ 9, 0 ≤ dk ≤ 9

Tenemos el problema de ¿Cómo aproximarlo por un punto flotante tomando una mantisa
de k dı́gitos? Para ello tenemos la siguiente definición

Definición 1.1.6
Tenemos básicamente dos alternativas

Aritmética por corte:

f l(x) = ±0.d1 d2 . . . dk × 10n

Aritmética por redondeo:

Antes de cortar, sumar 5 × 10n−(k+1) a la mantisa, siempre cuando el dı́gito k + 1 sea
mayor o igual a 5.

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 7

 1.1 Representación Numérica

Ejemplo 1.1.7
Si consideramos una aritmética de k = 5 dı́gitos tenemos

Aritmética por corte:

f l(π) = f l(0.314159265 . . . × 101 ) = 0.31415 × 101

Aritmética por redondeo:

f l(π) = f l(0.314159265 . . . × 101 )

= f l((0.314159265 . . . + 0.000005) × 101 )
= 0.31416 × 101

Preliminar
Ejemplo 1.1.8 (Redondeo)
Supongamos que trabajamos con base b = 10, la mantisa tiene 4 dı́gitos y el exponente tiene
Versión

tres dı́gitos (sin contar el signo)

f l(0.31794 × 10110 ) = 0.3179 × 10110 f l(0.012345 × 10−99 ) = 0.1235 × 10−100

f l(0.99997 × 1099 ) = 0.1000 × 10100 f l(0.54321 × 10−110 ) = 0.5432 × 10−110

1.1.2. Errores relativos y absolutos

Dado que el computador no puede reconocer todos los números y cada vez que guarde
alguna información podrı́a cometer algún error, es necesario tener una forma de medir la
magnitud de este y para ello tenemos la siguiente definición

Definición 1.1.9
Si p∗ es una aproximación de p, el error absoluto es

Ea (p∗ ) = |p − p∗ |,

y el error relativo (cuando p 6= 0) es

|p − p∗ |
Er (p∗ ) =
|p|

Observación 1.1.10
El error relativo tiene en cuenta la magnitud de la cantidad a aproximar, pues para un
astrónomo hablar de un error de 1 metro es un error ı́nfimo, pero para un constructor es una
cantidad inaceptable. El siguiente ejemplo muestra que a pesar de tener errores absolutos
extremadamente diferentes, al contextualizarlos tienen el mismo error relativo

8 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.1 Representación Numérica

Ejemplo 1.1.11

Si p = 0.3 × 101 y p∗ = 0.31 × 101 , entonces:

0.1
Ea (p∗ ) = |(0.31 − 0.3) × 101 | = 0.1 , Er (p∗ ) = = 0.3̄ × 10−1
0.3 × 101

Si p = 0.3 × 10−3 y p∗ = 0.31 × 10−3 , entonces:

0.1 × 10−4
Ea (p∗ ) = |(0.31 − 0.3) × 10−3 | = 0.1 × 10−4 , Er (p∗ ) = −3
= 0.3̄ × 10−1
0.3 × 10

Preliminar
Si p = 0.3 × 104 y p∗ = 0.31 × 104 , entonces:
Versión

0.1 × 103
Ea (p∗ ) = |(0.31 − 0.3) × 104 | = 0.1 × 103 , Er (p∗ ) = = 0.3̄ × 10−1
0.3 × 104

Error del punto flotante

Si f l(x) se calcula para una mantisa de k dı́gitos:

Para errores con corte:

|x − f l(x)|
Er (f l(x)) = ≤ 10−k+1
|x|

Para errores con redondeo:

|x − f l(x)|
Er (f l(x)) = ≤ 0.5 × 10−k+1
|x|

En base binaria (redondeo):

|x − f l(x)|
Er (f l(x)) = ≤ 2−k
|x|

Definición 1.1.12 (Cifras significativas)

Se dice que x∗ aproxima a x hasta t cifras significativas, si t es el mayor número entero no
negativo que satisface
∗ |x − x∗ |
Er (x ) = ≤ 5 × 10−t
|x|

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 9

 1.1 Representación Numérica

Ejemplo 1.1.13

Si x = 0.0025215 y x∗ = 0.00256

|0.0025215 − 0.00256|
Er (x∗ ) = = 0.15268 · 10−1 = 1.5268 · 10−2 < 5 · 10−2 ⇒ t = 2,
0.0025215
ası́ la aproximación tiene 2 cifras significativas.

Si x = 0.0025215 y x∗ = 0.00253

|0.0025215 − 0.00253|
Er (x∗ ) = = 0.3371 · 10−2 = 3.3371 · 10−3 < 5 · 10−3 ⇒ t = 3,
0.0025215

Preliminar
ası́ la aproximación tiene 3 cifras significativas.
Versión

Note que las cifras significativas no es al cantidad de dı́gitos iguales, si no cuanto se aproxima
al valor real en contexto.

1.1.3. Aritmética de punto flotante

Definición 1.1.14 (Operaciones elementales)

x⊕y = f l(f l(x) + f l(y))

x y = f l(f l(x) − f l(y))
x⊗y = f l(f l(x) × f l(y))
x y = f l(f l(x)/f l(y))

Ejemplo 1.1.15
Considere los siguientes números x = 75 = 0.714285; y = 31 = 0.33 Usando Base 10, 5 dı́gitos
en la Mantisa y 1 dı́gito en el exponente(sin signos) tenemos

f l(x) = 0.71428×100 ; f l(y) = 0.33333×100 ⇒ f l(x)+f l(y) = 1.04758 ⇒ x⊕y = 0.10476×101

En la siguiente tabla podemos observar otras operaciones:

Resultado Valor real E. absoluto E. relativo

x⊕y 0.10476 × 101 22/21 0.190 × 10−4 0.182 × 10−4
x y 0.38095 × 100 8/21 0.238 × 10−5 0.625 × 10−5
x⊗y 0.23809 × 100 5/21 0.524 × 10−5 0.220 × 10−4
x y 0.21428 × 101 15/7 0.571 × 10−4 0.267 × 10−4

10 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.1 Representación Numérica

Ejemplo 1.1.16 (Malos ejemplos!)

Consideremos los siguientes números

x = 0.714285 f l(x) = 0.71428 × 100

u = 0.714251 f l(u) = 0.71425 × 100
v = 98765.9 f l(x) = 0.98765 × 105
w = 0.111111 × 10−4 f l(x) = 0.11111 × 10−4
Y realicemos los siguientes cálculos

Resultado Valor real E. absoluto E. relativo

x u 0.30000 × 10−4 0.34714 × 10−4 0.471 × 10−5 0.136
(x u) w 0.27000 × 101 0.31243 × 101 0.424 0.136
(x u) ⊗ v 0.29629 × 101 0.34285 × 101 0.465 0.136
x⊕v 0.98765 × 105 0.98766 × 105 0.161 × 101 0.163 × 10−4

Preliminar
Versión

Podemos observar que hay operaciones que aumentan los errores, por ejemplo, las opera-
ciones de operaciones.

Resta de números cercanos (Fenómeno de cancelación )

División por números muy pequeños.

Sumar números muy dispares en valor absoluto.

además, estos errores pueden aumentar al combinarse las operaciones. Consideremos el

clásico ejemplo de cancelación

Ejemplo 1.1.17 Cancelación de resta

Consideremos el problema de cálcular los ceros de la ecuación ax2 + bx + c = 0 dados por
√
−b ± b2 − 4ac
x1,2 =
2a
Esta solución tiene problemas principalmente cuando b2  4ac, por ejemplo, la ecuación
x2 + 62.1x + 1 = 0; tiene por solución x1 = −0.01610723; x2 = −62.08390.

Calculando con 4 dı́gitos y redondeando (para x1 ):

p
−62.1 + (62.1)2 − 4 −62.1 + 62.06
f l(x1 ) = = = −0.02, Er ≈ 0.24
2 2
y p
−62.1 − (62.1)2 − 4 −62.1 − 62.06
f l(x2 ) = = = −62.1, Er ≈ 0.00032
2 2
Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 11
 1.2 Errores de truncamiento

Podemos observar que el error cometido en x1 es mucho mayor que en x2 , para corregir
este problema cambiamos la fórmula a

√ √
−b ± b2 − 4ac b ± b2 − 4ac −b2 + b2 − 4ac −2c
x1,2 = · √ = √ = √
2a b ± b2 − 4ac 2a(b ± b2 − 4ac) b ± b2 − 4ac

Volviendo a calcular con la misma aritmética tenemos

−2 −2
f l(x1 ) = p = = −0.01610, Er ≈ 0.00062
2
62.1 + (62.1) − 4 62.1 + 62.06
y
−2 −2
f l(x2 ) = p = = −50, Er ≈ 0.19
62.1 − (62.1)2 − 4 62.1 − 62.06

Preliminar
En este caso disminuyo el error al calcular x1 , pero evidentemente aumentó en x2 , pues
Versión

el fenómeno de cancelación ahora se produce en ese cálculo.

1.2. Errores de truncamiento

Conceptos Básicos
Definición 1.2.1
Los errores de truncamiento resultan de calcular utilizando una aproximación en lugar de un
procedimiento matemático exacto.

Teorema 1.2.2 (Teorema de Taylor)

Si una función f y sus derivadas hasta el orden (n + 1) son continuas en un intervalo I que
contiene a los números x̄ y x, entonces el valor de la función en x está dado por:

f 00 (x̄) f (n) (x̄)

f (x) = f (x̄) + f 0 (x̄)(x − x̄) + (x − x̄)2 + . . . + (x − x̄)n + Rn
2! n!
El error Rn puede estimarse como (con ξ entre x̄ y x)
x
(x − t)n (n+1) f (n+1) (ξ)
Z
Rn = f (t)dt = (x − x̄)(n+1) , para algún ξ ∈ I
x̄ n! (n + 1)!

Una forma alternativa de escribir el Teorema de Taylor es considerar h > 0 y ξ entre x y

x + h)

f 00 (x) 2
0 f (n) (x) n f (n+1) (ξ) (n+1)
f (x + h) = f (x) + f (x)h + h + ... + h + h
2! n! (n + 1)!

12 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.2 Errores de truncamiento

Ejemplo 1.2.3

Predecir el valor de f (1) utilizando los polinomios de Taylor de hasta orden cuatro cen-
trados en 0 y considerando h = 1

f (x) = −0.1x4 − 0.15x3 − 0.5x2 − 0.25x + 1.2 = p4 (x)

p0 (1) = f (0) = 1.2

p1 (1) = f (0) + f 0 (0) = 1.2 − 0.25 = 0.95
p2 (1) = f (0) + f 0 (0) + f 00 (0)/2 = 0.95 − 1/2 = 0.45
p3 (1) = f (0) + f 0 (0) + f 00 (0)/2 + f (3) (0)/6 = 0.45 − 0.15 = 0.3
p4 (1) = f (1) = 0.3 − 0.1 = 0.2

Preliminar
Versión

(a) Taylor de orden 0 y 1 (b) Taylor de orden 2

(c) Taylor de orden 3 (d) Taylor de orden 4

Figura 1.2: Polinomios de Taylor y gráfica original

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 13

 1.2 Errores de truncamiento

Ejemplo 1.2.4 Consideremos ahora la función dado por:

1 − cos x


 , si x 6= 0
f (x) = x

0 , si x = 0


Podemos observar que es continuamente diferenciable en todo R y sus derivadas en x = 0

son 

 0 , si n es par

f (n) (0) =
 (−1)(n−1)/2

 , si n es impar
n+1
podemos calcular polinomios de Taylor de distintos ordenes, aunque por la estructura de
la derivada es conveniente trabajar con n impar.

Preliminar
1. P1 (x) = 21 x
Versión

2. P5 (x) = 21 x − 1
4·3!
x3 + 1
6·5!
x5

3. P7 (x) = 21 x − 1
4·3!
x3 + 1
6·5!
x5 − 1
8·7!
x7

y sus correspondientes gráficas

(a) Taylor de orden 1 (b) Taylor de orden 5 (c) Taylor de orden 7

Figura 1.3: Gráfica en azul corresponde a f

Podemos observar que dada la suavidad de la función en R a medida que se aumenta el

orden el polinomio se acerca a la función.

14 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.2 Errores de truncamiento

Ejemplo 1.2.5 Considere la función f (x) = cos(x) en una vecindad del punto x0 = 0.
Construya los polinomios de Taylor de orden 2 y 3 de f (x) en torno al punto x0 y estime
con ellos el valor de cos(0.01).

Solución:

Calculemos primero para orden 2

f (0) = cos(0) = 1, f 0 (0) = − sen(0) = 0, f 00 (0) = − cos(0) = −1

p2 (h) = 1 − 21 h2
cos(h) = 1 − 12 h2 + 16 sen(ξ)h3 , con ξ ∈ [0, 0.01]

Preliminar
cos(0.01) ≈ 1 − 12 (0.01)2 = 0.99995
Versión

Para estimar el error cometido:

1
E= sen(ξ)(0.01)3 = 0.16 · 10−6 sen(ξ) ≤ 0.16 · 10−6
6

Como ξ ≤ 0.01 y utilizando que sen(t) ≤ t:

E = 0.16 · 10−6 sen(ξ) ≤ 0.16 · 10−8

en el caso de orden 3, existe una particularidad pues como:

f 000 (0) = sen(0) = 0

p3 (h) = p2 (h) = 1 − 21 h2
cos(h) = 1 − 12 h2 − 24
1
cos(ξ)h4 , con ξ ∈ [0, 0.01]
cos(0.01) ≈ 1 − 21 (0.01)2 = 0.99995

Sin embargo, la estimación de error:

1
|E| = | cos(ξ)(0.01)4 | = 4.16 · 10−2 · 10−8 cos(ξ) ≤ 4.16 · 10−10
24
con lo que podemos observar que a pesar que el valor propuesto no cambia, nuestra esti-
mación del error es más precisa.

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 15

 1.2 Errores de truncamiento

1.2.1. Propagación del error absoluto

Funciones de una variable
Por Teorema de Taylor

f 00 (x̄)
f (x) = f (x̄) + f 0 (x̄)(x − x̄) + (x − x̄)2 + . . .
2
Desechando términos de orden mayor:

Ea (f (x)) = |f (x) − f (x̄)| ∼

= |f 0 (x̄)||(x − x̄)| = |f 0 (x̄)|Ea (x) (1.1)

Ejemplo 1.2.6
Dado x una aproximación de x̄ = 2.5 con un error absoluto máximo de Ea (x) = 0.01, estimar
el error absoluto resultante de evaluar f (x) = x3 .

Preliminar
Solución
Versión

Según la fórmula (1.1) tenemos

Ea (f (x)) = |f 0 (x̄)|Ea (x) ⇒ Ea (f (x)) = 3(2.5)2 (0.01) = 0.1875

Como f (2.5) = 15.625 entonces, de manera aproximada:

f (x) ∈ [15.625 − 0.1875, 15.625 + 0.1875] = [15.4375, 15.8125]

En efecto, f es creciente y f (2.49) = 15.4382; f (2.51) = 15.8132

Funciones de varias variables

La fórmula de Taylor para una función suave f : Rn → R, donde x ∈ Rn esta dada por

f (x) = f (x̄) + ∇T f (x̄)(x − x̄) + (x − x̄)T ∇2 f (x̄)(x − x̄) + . . .

Por ejemplo para n = 2, x̄ = (0, 0)T .

∂f (x̄) ∂f (x̄) ∂ 2 f (x̄) 2 ∂ 2 f (x̄) ∂ 2 f (x̄) 2

f (x1 , x2 ) = f (x̄) + x1 + x2 + x + 2 x x
1 2 + x + ...
∂x1 ∂x2 ∂x21 1 ∂x1 ∂x2 ∂x22 2
Variación del error absoluto, desechando términos de orden mayor que uno:

∂f (x̄) ∂f (x̄)
|f (x) − f (x̄)| ∼
= · |x1 − x̄1 | + . . . + · |xn − x̄n |
∂x1 ∂xn
Entonces
∂f (x̄) ∂f (x̄)
Ea (f (x)) ∼
= Ea (x1 ) + . . . + Ea (xn )
∂x1 ∂xn

16 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.2 Errores de truncamiento

Ejemplo 1.2.7
Estimar el valor de evaluar

F L4
y(F, L, E, I) =
8EI
¯ T 8
para el punto (F̄ , L̄, Ē, I) = (50, 30, 1.5 × 10 , 0.06) utilizando una aproximación (F, L, E, I)
sujeta a un error (Ea (F ), Ea (L), Ea (E), Ea (I))T = (2, 0.1, 0.01 × 108 , 0.0006)
Solución:

∂y ∂y ∂y ∂y
Ea (y) ∼
= Ea (F ) + Ea (L) + Ea (E) + Ea (I)
∂F ∂L ∂E ∂I
derivando y evaluando:

Preliminar
L̄4 F̄ L̄3 F̄ L̄4 F̄ L̄4
Ea (y) ∼
= Ea (F ) + Ea (L) + Ea (E) + Ea (I)
8Ē I¯ 2Ē I¯ 8Ē 2 I¯ 8Ē I¯2
Versión

Finalmente
Ea (y) ∼
= 0.0225 + 0.0075 + 0.00375 + 0.005625 = 0.039375
Luego: y ∼
= 0.5625 ± 0.039375 ∈ [0.523125, 0.601875]

48(29.9)4 52(31.1)4
ymin = = 0.52407 y max = = 0.60285
8(1.51 × 108 )0.0606 8(1.49 × 108 )0.0594

1.2.2. Propagación del error relativo

Estudiemos como es la variación del error relativo, partiendo del resultado para el error
absoluto:

∂f (x̄) ∂f (x̄)
|f (x) − f (x̄)| ∼
= · |x1 − x̄1 | + . . . + · |xn − x̄n |
∂x1 ∂xn

|f (x) − f (x̄)| ∼ ∂f (x̄) |x̄1 | |x1 − x̄1 | ∂f (x̄) |x̄n | |xn − x̄n |
= · · + ... + · ·
|f (x̄)| ∂x1 |f (x̄)| |x̄1 | ∂xn |f (x̄)| |x̄n |

Finalmente n
|x̄i | ∂f (x̄)
Er (f (x)) ∼
X
= Er (xi )
i=1
|f (x̄)| ∂xi

Ejemplo 1.2.8 Operaciones sencillas, en general:

n
|x̄i | ∂f (x̄)
Er (f (x)) ∼
X
= Er (xi )
i=1
|f (x̄)| ∂xi

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 17

 1.3 Ejercicios Resueltos

Multiplicación y división

x̄1 x¯2
Er (x1 · x2 ) = x̄2 Er (x1 ) + x̄1 Er (x2 ) = Er (x1 ) + Er (x2 )
x̄1 · x̄2 x̄1 · x̄2

x1 x̄1 1 x̄2 −x̄1

Er ( ) = x̄1 · Er (x1 ) + x̄1 · 2 Er (x2 ) = Er (x1 ) + Er (x2 )
x2 x̄2
x̄2 x̄2
x̄2

Suma y resta
|x̄1 | |x̄2 |
Er (x1 ± x2 ) = Er (x1 ) + Er (x2 )
|x̄1 ± x̄2 | |x̄1 ± x̄2 |

1.3. Ejercicios Resueltos

Preliminar
1. si p = 0.001234 y p̄ = 0.001234 ± 0.000006, verifique que p̄ tiene 4 decimales correctos
y solo tres dı́gitos significativos.
Versión

Solución:

Primero tenemos dos valores de p̄, p¯1 = 0.001234+0.000006 = 0.00124 y p¯2 = 0.001234−
0.000006 = 0.001228 (por observación se tiene cuatro dı́gitos iguales). Pero sus errores
son los mismos ya que

Ea (p̄) = |0.001234 − (0.001234 ± 0.000006)| = 0.000006 = 6 × 10−6

y su error relativo es

Ea (p̄)
Er (p̄) = = 4.862 × 10−3 < 5 × 10−3 .
0.001234
por lo cual tenemos tres cifras significativas.
122 10 20
2. Calcule − + mediante aritmética exacta, utilice truncamiento a tres cifras y
135 22 19
redondeo hasta tres cifras. Determine los errores y los errores relativos.

Solución:

Primero escribimos cada número bajo la aritmética propuesta primero truncando y

después por redondeo:
122
x= = 0.9037037... → f lc (x) = 0.903, f lr (x) = 0.904.
135
18 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.
 1.3 Ejercicios Resueltos

10
y= = 0.454545... → f lc (y) = 0.454, f lr (y) = 0.455
22
20
z= = 0.1052631... · 101 → f lz (x) = 0.105 · 101 , f lr (z) = 0.105 · 101
19
Realizamos la operatoria propuesta con corte

x−y = 0.448 ⇒ f lc (x−y) = 0.448 y f lc [(x−y)+z] = 1.498 ⇒ f lc (f lc (x−y)+f lc (z)) = 1.49

Y ahora por redondeo

x−y = 0.449 ⇒ f lr (x−y) = 0.404 y f lr [(x−y)+z] = 1.499 ⇒ f lr (f lr (x−y)+f lr (z)) = 1.5

122 10 20 42373
Ahora calculemos el valor real − + = = 1.5017898 y los errores
135 22 19 28215
Ea (f lc ) = |1.5017898 − 1.49| = 0.01178, y Ea (f lr ) = |1.5017898 − 1.5| = 1.78 · 10−3

Preliminar
De donde se aprecia que la aritmética por redondeo comete un menor error.
Versión

3. Considere la siguiente ecuación de segundo grado

p(x) = x2 − 1.11x − 0.000109 = 0,

a) Calcule las raı́ces de la ecuación con la fórmula:

√
−b b2 − 4ac
x1,2 = ± ,
2a 2a
y una aritmética de punto flotante normalizada, con 5 cifras en la mantisa.
b) ¿Cuál es el error relativo que se comete si valores muy exactos de las raı́ces son:

x1 = 1.110098190, x2 = −0.000098190.

Solución:

a) Primero escribimos los coeficientes de p(x) en representación flotante normalizada

con 5 dı́gitos de mantisa:

a = 1 = 0.1 × 101 ,
b = −1.11 = −0.111 × 101 ,
c = −0.000109 = −0.109 × 10−3 .

Ahora aplicamos la fórmula, operación por operación:

2
b2 = −0.111 × 101 = (−0.111)2 × 102 = 0.012321 × 102 = 0.12321 × 101 ,

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 19

 1.3 Ejercicios Resueltos

(4a)c = 0.4 × 101 × −0.109 × 10−3 = −0.0436 × 10−2 = −0.436 × 10−3 ,

b2 − 4ac = 0.12321 × 101 + 0.0000436 × 101 = 0.12325 × 101 ,

√ √
b2 − 4ac = 1.2325 ≈ 1.110180165558726... = 0.11018 × 101 .
b (−0.111 × 101 )
− =− = 0.555 × 100 ,
2a 0.2 × 101
√
b2 − 4ac 0.11018 × 101
= = 0.5509 × 100 ,
2a 0.2 × 101
√ 
−b b2 − 4ac 0 0 0.11059 × 101
± = 0.555 × 10 − 0.5509 × 10 =
2a 2a 0.41 × 10−2

b) Los errores relativos en las raı́ces son los siguientes y es especialmente grande el

Preliminar
que corresponde a la segunda raı́z:
Versión

|1.110098190 − 1.1059|
Para x1 : = 0.37818 × 10−2 ,
1.110098190
|−0.000098190 − 0.0041|
Para x2 : = 0.42756 × 102 .
0.000098190

4. Considere la siguiente sucesión de números:

1.4418, 9.1775, 72.4325, 86.8199, 118.1126.

Suponga que usted dispone de una calculadora con una aritmética de base 10 con
representación flotante normalizada, de 4 cifras para la mantisa y 2 para el exponente.

a) Escriba los números anteriores en la aritmética señalada con redondeo.

b) Realice la suma de estos números con esta calculadora de dos formas:
De mayor a menor
De menor a mayor
c) Determine cuál de las dos formas produce un resultado con menor error absoluto.

Solución

a) Los números se escriben:

0.1442 × 101 , 0.9178 × 101 , 0.7243 × 102 , 0.8682 × 102 , 0.1181 × 103

20 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.3 Ejercicios Resueltos

b) La suma de mayor a menor será:

0.1181 × 103 + 0.0868 × 103 = 0.2049 × 103 ,

0.2049 × 103 + 0.0724 × 103 = 0.2773 × 103 ,
0.2773 × 103 + 0.0092 × 103 = 0.2865 × 103 ,
0.2865 × 103 + 0.0014 × 103 = 0.2879 × 103 .

La suma de menor a mayor será:

0.1442 × 101 + 0.9178 × 101 = 0.1062 × 101

0.0106 × 102 + 0.7243 × 102 = 0.7349 × 102 ,
0.7349 × 102 + 0.8682 × 102 = 0.1603 × 103 ,

Preliminar
0.1603 × 103 + 0.1181 × 103 = 0.2784 × 103 .
Versión

El resultado exacto es:

1.4418 + 9.1775 + 72.4325 + 86.8199 + 118.1126 = 287.98 = 0.28798 × 103

c) El error en ambos casos será:

Error( ↓ ) = 0.28798 × 103 − 0.2879 × 103 = 0.8 × 10−1

Error( ↑ ) = 0.28798 × 103 − 0.2784 × 103 = 0.958 × 101

lo que muestra que el menor error se comete sumando de mayor a menor. Y se

observa que la aritmética flotante no es asociativa.

1
5. Encontrar el polinomio de grado cinco P5 (x) para la función f (x) = , con x0 = 0.
3−x
Compare los resultados entregados por la función y su serie de Taylor para x = 0.1,
x = 2 y x = 5.

Solución:

Primero observemos que la función y sus derivadas están bien definidas en una vecindad
de x0 = 0. Y si calculamos sus derivadas tenemos

1 2 6 n!
f 0 (x) = , f 00 (x) = , f 000 (x) = , ..., f (n) (x) =
(3 − x)2 (3 − x)3 (3 − x)4 (3 − x)n+1

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 21

 1.3 Ejercicios Resueltos

por tanto, el polinomio de Taylor de orden 5 queda

(x − 0)2 (x − 0)3
P5 (x) = f (0) + f 0 (0)(x − 0) + f 00 (0) + f 000 (0)
2 6
iv (x − 0)4 v (x − 0)5
+f (0) + f (0)
24 120

1 1 2 x2 6 x3 24 x4 120 x5
= + 2x + 3 + 4 + 5 + 6
3 3 3 2 3 6 3 24 3 120

1 1 x2 x3 x4 x5
= + x+ + + +
3 9 27 81 243 729
Evaluando en los valores pedidos, tenemos:

P5 (0.1) = 0.34482758 P5 (2) = 0.912208 P5 (5) = 10.216735

Preliminar
Ahora si calculamos los valores reales tenemos
Versión

f (0.1) = 0.34482758 f (2) = 1 f (5) = −0.5

y sus errores absolutos son

Ea (P5 (0.1)) = 0 Ea (P5 (5)) = 10.716735

Ea (P5 (2)) = 0.087791

En el primer caso, el error es cero y esto se debe al orden del polinomio y que el valor
evaluado se encuentra “cerca” del valor de x0 . En cambio, en el segundo punto el error
aumenta ya que el valor se encuentra más alejado y esto se debe al factor error del
polinomio de Taylor, que esta determinado para ξ ∈(0, 0.1)

f vi (ξ)(2 − 0.1)6 47.045 6! 1

= 7
< 47.045 · ≈ 0.02727
6! 6! (3 − ξ) 2.97
Que corresponde al error obtenido. Ahora en el tercer punto se puede observar que existe
una discontinuidad entre el valor x0 y x = 5 por lo cual no se puede usar el polinomio
para es punto y se recomienda cambiar el valor donde se genera el polinomio. En el
siguiente gráfico se puede apreciar la función original y el polinomio.

22 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.3 Ejercicios Resueltos

Figura 1.4: Comparación función v/s Polinomio

Una solución a este problema es cambiar el valor donde se genero el polinomio, por
ejemplo a x̄ = 4 de donde se obtiene:

Preliminar
(x − 4)2 (x − 4)3
P5 (x) = f (4) + f 0 (4)(x − 4) + f 00 (4) + f 000 (4)
Versión

2 6

(x − 4)4 (x − 4)5
+f iv (4) + f v (4)
24 120

(x − 4)2 (x − 4)3 (x − 4)4 (x − 4)5

= −1 + (x − 4) − 2 +6 − 24 + 120
2 6 24 120

= x5 − 21x4 + 177x3 − 749x2 + 1593x − 1365

Obteniendo P5 (5) = 0 con error absoluto de Ea (x) = 0.5, disminuyendo considerable-

mente con respecto a la anterior aproximación. En el siguiente gráfico se puede apreciar
la función original y el nuevo polinomio.

Figura 1.5: Comparación función v/s Polinomio

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 23

 1.3 Ejercicios Resueltos

6. Considere las funciones

√ −x2
f (x) = 1 − x2 + 1 y f¯(x) = √
1 + x2 + 1
a) Calcule el polinomio de Taylor P (x) de cuarto orden en torno a x0 = 0 de f .
b) Usando Aritmética de cuatro dı́gitos con redondeo calcule:

f (0.01) f¯(0.01) P (0.01)

c) Si el valor real es x̄ = −0.4999 × 10−4 . ¿Qué método entrega una mejor aproxima-
ción?
Solución
√

Preliminar
a) Calculando la derivadas de f (x) = 1 − x2 + 1 tenemos que:
Versión

−x 3x 3(1 − 4x2 )
f 0 (x) = √ ⇒ f 00 (x) = −(x2 +1)−3/2 ⇒ f 000 (x) = 2 ⇒ f (iv)
=
x2 + 1 (x + 1)5/2 (x2 + 1)7/2
Evaluando en x0 = 0

f (0) = 0, f 0 (0) = 0, f 00 (0) = −1, f 000 (0) = 0, f (iv) (0) = 3.

Con lo que se tiene que el polinomio de Taylor es

0 −1 2 0 3 3 4 x2 x4
f (x) ≈ P (x) = 0 + x + x + x + x =− −
1 2 6 4! 2 8

b) Ahora usando una aritmética de 4 dı́gitos tenemos en cada caso

p √ √
f (0.1 × 10−1 ) = 1 − (0.1 × 10−1 )2 + 1 = 1 − 1.0001 = 1 − 1 = 0

−(0.1 × 10−1 )2 −0.1 × 10−3

f¯(0.1 × 10−1 ) = p = = −0.5 × 10−4
1 + (0.1 × 10−1 )2 + 1 1+1

P (0.1 × 10−1 ) = −0.5(0.1 × 10−1 )2 − 0.125(0.1 × 10−1 )4

= −0.5 · 0.1 × 10−3 − 0.125 · 0.1 × 10−7
= −0.5 × 10−4 − 0.125 × 10−8 = −0.5 × 10−4

c) Calculando el error relativo cometido por cada aproximación tenemos

| − 0.4999 × 10−4 − 0|
E= =1
0.4999 × 10−4

24 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.3 Ejercicios Resueltos

| − 0.4999 × 10−4 − (−0.5 × 10−4 )|

E= = 0.002
0.4999 × 10−4
| − 0.4999 × 10−4 − (−0.5 × 10−4 )|
E= = 0.002
0.4999 × 10−4
Como los errores son los mismos con Taylor y f¯, podemos decir que por simplicidad
“es mejor” Taylor.

7. Usando la fórmula de propagación de errores, determine cuántas cifras exactas se ne-

cesitan en el√número π = 3.14159265358979...(con truncamiento) para que el resultado
de calcular 3 π tenga 4 decimales exactos.
Solución

Preliminar
Consideremos la función f (x) = 3
x, la fórmula de la propagación del error en funciones
es:
Versión

E [f (x + h)] = f (x + h) − f (x) ≈ f 0 (x) |h|

donde x es el punto en que se quiere evaluar la función, x + h es la aproximación de

x y h es el error de aproximación en x. El resultado tendrá 4 decimales exactos si
E [f (x + h)] < 0.00001.
En este caso tenemos:
√
0 1 1 h√ i |h|
f 0 (x) = x = (x1/3 )0 = x−2/3 = √
3
3
3
=⇒ Er π + h ≈ √3
.
3 3 x2 3 x2

En el intervalo (π, π + h) tenemos que:

1 1 h√ i |h|
3
√
3
≤ √
3
, =⇒ E π + h ≤ √3
,
x2 π2 3 π2
√
3

por lo tanto, para tener 4 decimales exactos, el resultado debe satisfacer: E π+h ≤
10−5 ,

√
3
p
=⇒ |h| ≤ 3 · 10−5 π 2 ≤ 3 · 10−5 3 (3.2)2 ≈ 6.5146 × 10−5 ≈ 0.00007,

en consecuencia, π debe tener también 4 decimales exactos pues:

3.14159265−0.00007 ≤ π+h ≤ 3.14159265+0.00007 =⇒ 3.14158265 ≤ π+h ≤ 3.14166265.

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 25

 1.3 Ejercicios Resueltos

8. Para medir la altura de un árbol L, se mide la longitud de su sombra L1 , la altura de

un objeto de referencia L2 y la longitud de su sombra. Por semejanza:
L2
L = L1
L3
Realizadas las medidas resultan L1 = 200 ± 2 cm, L2 = 100 ± 0.4 cm, 10.3 ± 0.2 cm.
Determine el error cometido al medir la altura del árbol.

Solución
Primero ordenando los datos tenemos que el punto donde se quiere calcular la altura
del árbol es L1 = 200, L2 = 100 y L3 = 10.3 y los respectivos errores cometidos son
L2
EL1 = 2, EL2 = 0.4 y EL3 = 0.2. Y nuestra función a usar es L(L1 , L2 , L3 )) = L1
L3
Usando la fórmula de propagación del error tenemos

Preliminar
Versión

∂L(x̄) ∂L(x̄) ∂L(x̄)

Ea (L) ∼
= Ea (L1 ) + Ea (L2 ) + Ea (L3 )
∂L1 ∂L2 ∂L3

De donde

L2 L1 L2
Ea (L) ∼
= Ea (L1 ) + Ea (L2 ) + −L1 2 Ea (L3 )
L3 L3 L3
Evaluando
100 200 100
Ea (L) ∼
= ·2+ · 0.4 + 200 · 0.2 = 64.8883
10.3 10.3 10.32
200·100
Finalmente, el árbol mide L = 10.3
± 64.8883 = 1941.7475 ± 64.8883 cm con un error
relativo estimado de 3cm

26 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.4 Ejercicios Propuestos

1.4. Ejercicios Propuestos

1. Realice un cambio de base según corresponda.

101012 11.00100100012 5.34510 0.110

10000001112 1010 134954110
1.01101012 123.5610 5.7510

1
2. Considere el número x = 3

a) Escriba la aproximación x∗ de x usando una aritmética con corte de 4 dı́gitos en

la mantisa con base 2.
b) Transforme el número x∗ a base 10 y calcule el error obtenido.

Preliminar
1
c) Repita usando el número decimal finito 5
Versión

3. Considere una codificación de 20 bits con los siguientes parámetros: 1 bit signo, 1
bit signo exponente, 7 bits exponente y 11 bits para la mantisa. De acuerdo a esta
codificación determine:

a) El número real representado según: 01101010111110001111

b) La codificación del número real: 56715
c) El número real máximo y más cercano a cero
d ) La codificación del siguiente número real: 0.975421

4. Use una aritmética de redondeo a cuatro cifras para determinar la aproximaciones más
precisas de las raı́ces de las siguientes ecuaciones cuadráticas.

1 2 123 1
3
x − 4
x + 6
=0 1.002x2 + 11.01x + 0.01265 = 0

5. Resuelva el siguiente sistema de ecuaciones, usando dos cifras decimales con redondeo

21.76x + 24.34y = 1.24

14.16x + 15.84y = 1.15

determine el error cometido. Si la solución exacta es x = −347.89167 e y = 3116667

6. Utilizando el método de redondeo:

a) Hallar el número de máquina más próximo a 125, 6 y a = 126 si trabaja con base
10 y mantisa de 2 dı́gitos. Base 2 y mantisa de 8 dı́gitos.

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 27

 1.4 Ejercicios Propuestos

b) Verificar para x = 125, 6, la conocida cota para el error relativo

x − f l(x)
≤
x

si  = 1/2β 1−d donde β es la base y d la longitud de la mantisa.

c) ¿Cuál es, en cada caso, el valor que da la máquina como resultado de las opera-
ciones 126 + 125, 6 y 126 − 125, 6? ¿Cuál es el error relativo de estos resultados?

7. Utilizando aritmética de siete dı́gitos decimales con redondeo efectuar los siguientes
cálculos.

a) Con a = 1234.567, b = 45.67844, c = 0.0004

(a + b) + c, a + (b + c)

Preliminar
b) Con a = 1234.567, b = 1.234567, c = 3.333333
Versión

(a + b) · c, a·c+b·c

8. Evalúe el polinomio p(x) = x3 + 4.12x2 − 3.16x + 1.34 en x = −4.831 con aritmética

exacta, truncamiento y redondeo con cuatro cifras. Calcule sus errores y errores relati-
vos. Evalúe usando anidamiento, es decir, reescribir el polinomio de la siguiente manera
p(x) = (((x + 4.12)x − 3.16)x + 1.34) y repita los cálculos.
√
9. Calcule el cuarto polinomio
√ de Taylor en x0 = 0 de f (x) = x + 1 y utilı́celo para
aproximar el valor de 2. Calcule el error cometido.

10. Sea
x cos x − sin x
f (x) =
x − sin x
a) Calcule lı́m f (x)
x→0

b) Use una Aritmética de cuatro dı́gitos para evaluar f (0.1).

c) Reemplace cada función trigonométrica por el polinomio de Taylor en x̄ = 0, y
repita el inciso anterior.
d ) El valor real de f (0.1) = −1.99899998, encuentre el error relativo obtenido en los
incisos anteriores.

11. Calcule el décimo polinomio de Taylor en x0 = 0 de f (x) = arctan(x) y utilice el hecho

de que arctan(1) = π4 para aproximar a π . Calcule el error real cometido.

12. Se desea medir el volumen de un cilindro de 5 mts de altura y 3 mts de radio, con un
error máximo del 2 %. Calcular los errores absolutos del radio, la altura y π para que
contribuyan por igual al error del volumen. Considerar π = 3.14 y que V = π · r2 · h

28 Departamento de Matemática y Estadı́stica, Universidad de La Frontera.

 1.4 Ejercicios Propuestos

13. Usando la fórmula de

√ propagación de errores, determine cuántas cifras exactas se nece-
√
sitan en el número 3(con truncamiento) para que el resultado de calcular (5 − 2 3)4
tenga 3 decimales exactos.

14. El perı́odo de oscilaciones de un péndulo viene dado por la expresión

s
L
T = 2π
g

Donde L es la longitud del péndulo y g la gravedad. Se sabe que el perı́odo es de T̄ = 2

seg. y la longitud del péndulo es de 1 m. ¿Con qué cota de error relativo deben medirse
la longitud y el número π considerando que son iguales sus cotas de error relativo, para
que la cota de error relativo de perı́odo sea inferior al 0.5 %?

Preliminar
15. La fórmula de Manning para un canal rectangular se escribe como
Versión

1 (BH)5/3
Q= 2/3
S 1/2
n (B + 2H)

donde Q = flujo(m3 /s), n = coeficiente de rugosidad, B = ancho (m), H = profundidad

(m) y S = pendiente. Aplique la fórmula para un arroyo donde se conoce B = 20 m y
la profundidad H = 0.3 m, pero el coeficiente de rugosidad y la pendiente se conocen
con una precisión de ±10 %. El coeficiente de rugosidad tiene una medición aproximada
de n = 0.03 y la pendiente S = 0.0003. Estime el error propagado al calcular el flujo.
Si se puede volver a medir uno de los factores. ¿Cuál se deberı́a volver a medir para
una mejor precisión?

Departamento de Matemática y Estadı́stica, Universidad de La Frontera. 29