Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 41 vistas

    Error y Serie

    Cargado por

    EriCk Ramirez
    Este documento trata sobre los tipos de errores numéricos que surgen al usar aproximaciones en lugar de valores exactos, como los errores de truncamiento y redondeo. Explica cómo calcular el error verdadero y el error relativo para evaluar la precisión de una medición. Luego presenta un ejemplo numérico para calcular estos errores y determinar cuándo se alcanza una precisión de tres cifras significativas al aproximar el valor de e mediante una serie de Maclaurin.

    Copyright:

    © All Rights Reserved
    Descargue como PPSX, PDF, TXT o lea en línea desde Scribd

    Error y Serie

    Cargado por

    EriCk Ramirez
    41 vistas13 páginas
    Este documento trata sobre los tipos de errores numéricos que surgen al usar aproximaciones en lugar de valores exactos, como los errores de truncamiento y redondeo. Explica cómo calcular el error verdadero y el error relativo para evaluar la precisión de una medición. Luego presenta un ejemplo numérico para calcular estos errores y determinar cuándo se alcanza una precisión de tres cifras significativas al aproximar el valor de e mediante una serie de Maclaurin.

    Título original

    error y serie

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPSX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento trata sobre los tipos de errores numéricos que surgen al usar aproximaciones en lugar de valores exactos, como los errores de truncamiento y redondeo. Explica cómo calcular el error verdadero y el error relativo para evaluar la precisión de una medición. Luego presenta un ejemplo numérico para calcular estos errores y determinar cuándo se alcanza una precisión de tres cifras significativas al aproximar el valor de e mediante una serie de Maclaurin.

    Copyright:

    © All Rights Reserved
    Descargue como PPSX, PDF, TXT o lea en línea desde Scribd
    Descargar como ppsx, pdf o txt
    41 vistas13 páginas

    Error y Serie

    Cargado por

    EriCk Ramirez
    Este documento trata sobre los tipos de errores numéricos que surgen al usar aproximaciones en lugar de valores exactos, como los errores de truncamiento y redondeo. Explica cómo calcular el error verdadero y el error relativo para evaluar la precisión de una medición. Luego presenta un ejemplo numérico para calcular estos errores y determinar cuándo se alcanza una precisión de tres cifras significativas al aproximar el valor de e mediante una serie de Maclaurin.

    Copyright:

    © All Rights Reserved
    Descargue como PPSX, PDF, TXT o lea en línea desde Scribd
    Descargar como ppsx, pdf o txt
    Está en la página 1de 13

    Cálculo de error y serie de

    MacLaurin
    Tipos 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
     Reordenando la ecuación anterior se encuentra que el error numérico es igual a la diferencia entre el valor
    verdadero y el valor aproximado, es decir
     = valor verdadero – valor aproximado
     donde se usa para denotar el valor exacto del error. El subíndice t indica que se trata del error “verdadero”.
    Como ya se mencionó brevemente, esto contrasta con los otros casos, donde se debe emplear una estimación
    “aproximada” del error.
    Tipos de error

     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 relativo fraccional verdadero =
     donde, como ya se mencionó en la ecuación, error = valor verdadero – valor aproximado. El error
    relativo también se puede multiplicar por 100% para expresarlo como:

     donde denota el error relativo porcentual verdadero.


    Ejemplo

     Suponga que se tiene que medir la longitud de un puente y la de un remache, y se obtiene 9999 y 9
    cm, respectivamente. Si los valores verdaderos son 10000 y 10 cm, calcule a) el error verdadero y b)
    el error relativo por- centual verdadero en cada caso.
     a) El error en la medición del puente es:
     = 10 000 – 9 999 = 1 cm
     y en la del remache es de:
     = 10 – 9 = 1 cm
    Ejemplo

     El error relativo porcentual para el puente es:


     y para el remache es de:


     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.
    Error normalizado a una aproximación

     En los métodos numéricos, el valor verdadero sólo se conocerá cuando se tengan funciones que se
    resuelvan analíticamente. éste comúnmente será el caso cuando se estudie el comportamiento teórico
    de una técnica específica para sistemas simples. 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,
    como en:

     donde el subíndice a significa que el error está normalizado a un valor aproximado.


    Error normalizado a una aproximación

     Uno de los retos que enfrentan los métodos numéricos es el de determinar estimaciones del error en
    ausencia del conoci- miento de los valores verdaderos. Por ejemplo, ciertos métodos numéricos usan
    un método iterativo para calcular los resultados. En tales métodos se hace una aproximación
    considerando la aproximación anterior. Este proceso se efectúa varias veces, o de forma iterativa, para
    calcular en forma sucesiva, esperando cada vez mejores aproximaciones. En tales casos, el error a
    menudo se calcula como la diferencia entre la aproximación previa y la actual. Por lo tanto, el error
    relativo porcentual está dado por:
    tolerancia porcentual prefijada

     A menudo, cuando se realizan cálculos, no importa mucho el signo del error, sino más bien que su
    valor absoluto porcentual sea menor que una tolerancia porcentual prefijada es.

     Si se cumple la relación anterior, entonces se considera que el resultado obtenido está dentro del nivel
    aceptable fijado previamente .
     Es conveniente también relacionar estos errores con el número de cifras significa- tivas en la
    aproximación. Es posible demostrar (Scarborough, 1966) que si el siguiente criterio se cumple, se
    tendrá la seguridad que el resultado es correcto en al menos n cifras significativas.
    Ejemplo Serie de
    MacLaurin
    Ejemplo

     En matemáticas con frecuencia las funciones se representan mediante series infinitas. Por ejemplo, la
    función exponencial se calcula usando:
     + …+
     Así cuanto más términos se le agreguen a la serie, la aproximación será cada vez más una mejor
    estimación del valor verdadero de e. La ecuación anterior se conoce como expansión en series de
    Maclaurin.
     Obtenga una aproximación al valor de real de
     Realice paso a paso y defina el error relativo porcentual verdadero y el error relativo porcentual
    normalizado a una aproximación.
    Solución

     En primer lugar se emplea la ecuación para determinar el criterio de error que asegura que un resultado
    sea correcto en al menos tres cifras significativas:
     = (0.5 × 102–3)% = 0.05%
     Por lo tanto, se agregarán términos a la serie hasta que sea menor que este valor.
     La primera estimación es igual a la ecuación con un solo término. Entonces, la primera estimación es
    igual a 1. La segunda estimacó́ n se obtiene agregando el segundo término, así:
     Primera iteración
     Segunda iteración
    Solución

     Esto representa el error relativo porcentual verdadero


     Esto representa el error relativo porcentual normalizado a una aproximación


     Como no es menor que el valor requerido , se deben continuar los cálculos agregando otro término ,
    repitiendo el cálculo del error. El proceso contiúa hasta que < . Todos los cálculos se resumen de la
    siguiente manera.
    Solución

     Así, después de usar seis términos, el error aproximado es menor que es = 0.05%, y el cálculo termina.
    Sin embargo, observe que, ¡el resultado es exacto con cinco cifras significativas! en vez de tres cifras
    significativas. Esto se debe a que, en este caso, las ecuaciones y son conservadoras. Es decir, aseguran
    que el resultado es, por lo menos, tan bueno como lo especifican.

    También podría gustarte