Documentos de Académico
Documentos de Profesional
Documentos de Cultura
07 Teoria de Errores
07 Teoria de Errores
1 Cifras significativas
Las cifras significativas tienen dos implicaciones importantes en
el estudio de los métodos Numéricos.
2 Exactitud
La exactitud se refiere a que tan cercano esta el valor calculado
o medido del valor verdadero.
1
3 Precisión
La precisión se refiere a que tan cercano se encuentran, unos
de otros de los valores calculados o medidos.
2
4 Definiciones de Error
Los errores de truncamiento que resultan del empleo de
aproximaciones como procedimiento matemático.
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
ó verdadero y el aproximado esta dado por:
𝑉𝑉 = 𝑉𝐴 + 𝜀
Donde:
𝑉𝑉 = 𝑉𝑎𝑙𝑜𝑟 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑜
𝑉𝐴 = 𝑉𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜
𝜀 = 𝐸𝑟𝑟𝑜𝑟
3
Es conveniente también relacionar estos errores con el número
de cifras significativas en la aproximación. Es posible demostrar
que si el siguiente criterio se cumple, se tendrá la seguridad que
el resultado es correcto en al menos n cifras significativas.
𝜀𝑠 = (0.5 × 102−𝑛 )%
Ejemplo 1
Suponga que se tiene que medir la longitud de una avenida y la
de una calle, y se obtiene 3492 m y 128 m, respectivamente. Si
los valores verdaderos son 3500 m y 130 m, calcule:
a) el error verdadero y
b) el error relativo porcentual verdadero en cada caso.
Solución
a) El error en la medición de la avenida es:
𝜀𝑡 = 3 500 − 3 492 = 8 𝑚
Y en el de la calle es de:
𝜀𝑡 = 130 − 128 = 2 𝑚
3 500 − 3 492
𝜀𝑡 = | | × 100 = 0.2296 %
3 500
130 − 128
𝜀𝑡 = | | × 100 = 1.54 %
130
4
Ejemplo 2
Estimar el valor de 𝑒 1.5 , sabiendo que:
𝑥2 𝑥3 𝑥𝑛
𝑒𝑥 = 1 + 𝑥 + + + ⋯+
2! 3! 𝑛!
con 4 cifras significativas.
Solución
Hallando el error con 4 cifras significativas
Primera aproximación
𝑒 1.5 = 1
Segunda aproximación
Error normalizando
2.5 − 1
𝜀𝑎 = | | × 100 = 60 %
2.5
Tercera aproximación
(1.5)2
𝑒 1.5 = 1 + 1.5 + = 3.625
2!
5
Error normalizando
3.625 − 2.5
𝜀𝑎 = | | × 100 = 31.0345 %
3.625
Cuarta aproximación
(1.5)2 (1.5)3
𝑒 1.5 = 1 + 1.5 + +
2! 3!
𝑒 1.5 = 4.1875
Error normalizando
4.1875 − 3.625
𝜀𝑎 = | | × 100 = 13.4328 %
4.1875
Quinta aproximación
(1.5)4
𝑒 1.5 = 4.1875 + = 4.3984
4!
Error normalizando
4.3984 − 4.1875
𝜀𝑎 = | | × 100 = 4.7949 %
4.3984
6
Como 4.7949 % > 0.005 %
Sexta aproximación
(1.5)5
𝑒 1.5 = 4.3984 + = 4.4617
5!
Error normalizando
4.4617 − 4.3984
𝜀𝑎 = | | × 100 = 1.4187 %
4.4617
Séptima aproximación
(1.5)6
𝑒 1.5 = 4.4617 + = 4.4775
6!
Error normalizando
4.4775 − 4.4617
𝜀𝑎 = | | × 100 = 0.3529 %
4.4775
Octava aproximación
(1.5)7
𝑒 1.5 = 4.4775 + = 4.4809
7!
7
Error normalizando
4.4809 − 4.4775
𝜀𝑎 = | | × 100 = 0.0759 %
4.4809
Novena aproximación
(1.5)8
𝑒 1.5 = 4.4809 + = 4.4815
8!
Error normalizando
4.4815 − 4.4809
𝜀𝑎 = | | × 100 = 0.0134 %
4.4815
Decima aproximación
(1.5)9
𝑒 1.5 = 4.4815 + = 4.4816
9!
Error normalizando
4.4816 − 4.4815
𝜀𝑎 = | | × 100 = 0.0022 %
4.4816
8
7 Series de Taylor
La serie de Taylor proporciona un medio para predecir el valor
de una función en un punto en términos del valor de la función y
sus derivadas en otro punto.
La aproximación de orden cero es:
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥1 )
La aproximación de primer orden es:
𝑓´´(𝑥𝑖 )
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) + (𝑥𝑖+1 − 𝑥𝑖 )2
2!
𝑓´´(𝑥𝑖 )
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) + (𝑥𝑖+1 − 𝑥𝑖 )2
2!
𝑓´´´(𝑥𝑖 ) 𝑓 (𝑛) (𝑥𝑖 )
+ (𝑥𝑖+1 − 𝑥𝑖 )3 + ⋯ + (𝑥𝑖+1 − 𝑥𝑖 )𝑛
3! 𝑛!
+ 𝑅𝑛
Donde:
𝑓 (𝑛+1) (𝜉)
𝑅𝑛 = (𝑥 − 𝑥𝑖 )𝑛+1
(𝑛 + 1)! 𝑖+1
9
Representa en residuo de la aproximación de n-esimo orden y 𝜉
es un valor de 𝑥 que se encuetra en algún punto entre 𝑥𝑖 𝑦 𝑥𝑖+1
Si ℎ = 𝑥𝑖+1 − 𝑥𝑖 , entonces:
𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )ℎ + ℎ + ℎ +⋯
2! 3!
𝑓 (𝑛) (𝑥𝑖 ) 𝑛
+ ℎ + 𝑅𝑛
𝑛!
Ejemplo 3
Use la expansión de Taylor hasta la aproximación de tercer
orden para aproximar la función 𝑓(𝑥) = 8𝑥 3 − 36𝑥 2 + 46𝑥 − 15,
desde 𝑥𝑖 = 0 para estimar el valor de 𝑓(𝑥𝑖+1 ) = 𝑓(1.45), si
𝑓(1.45) = 0.399
Solución
𝑓(𝑥) = 8𝑥 3 − 36𝑥 2 + 46𝑥 − 15 → 𝑓(0) = −15
𝑓´´´(𝑥) = 48 → 𝑓´´´(0) = 48
10
Aproximación de orden cero:
𝜀𝑡 = 0.399 + 15 = 15.399
𝑓(1.45) = −23.99
11
Aproximación de tercer orden
𝑓´´(0) 2 𝑓´´´(0) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(0) + 𝑓´(0)ℎ + ℎ + ℎ
2! 3!
𝑓(1.45) ≅ 0.399
Ejemplo 4
Use la expansión de Taylor hasta la aproximación de septimo
𝜋
orden para aproximar la función 𝑓(𝑥) = cos 𝑥, desde 𝑥𝑖 = para
4
𝜋 𝜋
estimar el valor de 𝑓(𝑥𝑖+1 ) = 𝑓 ( 3 ), si 𝑓 ( 3 ) = 0.5
Solución
𝜋 𝜋 𝜋
ℎ= − =
3 4 12
𝜋 𝜋
𝑓 ( ) = cos ( ) = 0.70710678
3 4
0.5 − 0.70710678
𝜀𝑡 = | | 100 % = 41.42 %
0.5
12
Aproximación de primer orden:
𝜋 𝜋 𝜋 𝜋
𝑓 ( ) = cos ( ) − 𝑠𝑒𝑛 ( ) ( ) = 0.52198665
3 4 4 12
0.5 − 0.52198665
𝜀𝑡 = | | 100 % = 4.39 %
0.5
8 Diferenciación Numérica
La diferenciación numérica llamada también como diferencias
fintas divididas está dada por:
𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )ℎ + ℎ + ℎ +⋯
2! 3!
𝑓´´(𝑥𝑖 ) 𝑓´´´(𝑥𝑖 )
𝑓(𝑥𝑖−1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(−ℎ) + (−ℎ)2 + (−ℎ)3
2! 3!
+⋯
𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖−1 ) ≅ 𝑓(𝑥𝑖 ) − 𝑓´(𝑥𝑖 )ℎ + ℎ − ℎ +⋯
2! 3!
14
∇𝑓𝑖
= + 𝑂(ℎ)
ℎ
𝑓´´(𝑥𝑖 ) 2 𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖−1 ) ≅ 𝑓(𝑥𝑖 ) − 𝑓´(𝑥𝑖 )ℎ + ℎ − ℎ +⋯
2! 3!
𝑓´´´(𝑥𝑖 ) 3
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) = 2𝑓´(𝑥𝑖 )ℎ + ℎ +⋯
3
15
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) 𝑓´´´(𝑥𝑖 ) 2
𝑓´(𝑥𝑖 ) = − ℎ +⋯
2ℎ 6
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 )
𝑓´(𝑥𝑖 ) = + 𝑂(ℎ2 )
2ℎ
𝑓(𝑥𝑖+1 )−𝑓(𝑥𝑖−1 )
Donde es la aproximación de la primera derivada
2ℎ
con diferencias centradas y 𝑂(ℎ2 ) es el error de la aproximación.
Ejemplo 5
Usando las aproximaciones con diferencias finitas hacia
adelante, hacia atrás y centradas para estimar la primera
derivada de 𝑓(𝑥) = 𝑠𝑒𝑛(𝑥) + cos(𝑥), en 𝑥 = 1 y con ℎ = 1. y ℎ =
0.5
Solución
𝑓´(𝑥) = cos 𝑥 − 𝑠𝑒𝑛 𝑥
Para ℎ = 1
𝑓(𝑥𝑖−1 ) = 𝑓(0) = 1
𝑓(𝑥𝑖 ) = 𝑓(1) = 1.381773
− 0.301169 + 0.888622
𝐸𝑡 = | | 100 % = 195.06 %
− 0.301169
− 0.301169 − 0.381773
𝐸𝑡 = | | 100 % = 230.26 %
− 0.301169
Aproximación centrada:
17
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖−1 ) 𝑓(2) − 𝑓(1)
𝑓´(𝑥𝑖 ) = =
2ℎ 2
0.493151 − 1
𝑓´(1) = = −0.253425
2
− 0.301169 + 0.253425
𝐸𝑡 = | | 100 % = 15.85 %
− 0.301169
Para ℎ = 0.5
𝑓(𝑥𝑖−1 ) = 𝑓(0.5) = 1.357008
18
𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 𝑓(1.5) − 𝑓(1)
𝑓´(𝑥𝑖 ) = =
ℎ 0.5
1.068232 − 1.381773
𝑓´(1) = = −0.627082
0.5
− 0.301169 + 0.627082
𝐸𝑡 = | | 100 % = 108.21 %
− 0.301169
Aproximación hacia atrás
1.381773 − 1.3570081
𝑓´(𝑥𝑖 ) = = 0.04953
0.5
− 0.301169 − 0.04953
𝐸𝑡 = | | 100 % = 116.45 %
− 0.301169
Aproximación centrada:
1.068232 − 1.3570081
𝑓´(1) = = −0.288776
1
− 0.301169 + 0.288776
𝐸𝑡 = | | 100 % = 4.11 %
− 0.301169
19