Teoría del error

Introducción

Muchas de las decisiones tomadas en ingeniería se basan en resultados de

medidas experimentales, por lo tanto es muy importante expresar dichos
resultados con claridad y precisión. Los conceptos de magnitud física, unidades
y medida se han estudiado en la primera lección de Fundamentos Físicos de la
Informática y, como complemento, en este capítulo se pretende aprender a
estimar los posibles errores en las medidas, así como la propagación de estos
errores a través de los cálculos a los resultados, a expresar los resultados y a
analizarlos. Dado que los contenidos de esta asignatura son fundamentalmente
electricidad y magnetismo, en este curso haremos más hincapié en las
medidas de magnitudes eléctricas.

Hay otros parámetros para cuantificar errores y expresar resultados de las

medidas, basados en conceptos estadísticos, que no se tratarán en esta
asignatura, pero que son igualmente importantes.
TIPO DE ERRORES

 EXPERIMENTALES: Proviene de los datos o equivocaciones aritméticas en el

cálculo manual.
 DE TRUNCAMIENTO (CORTE): Representa la diferencia entre una
formulación matemática exacta de un problema y la aproximación dada por un
método numérico.
 REDONDEO: Se debe a que una máquina sólo puede representar cantidades
con un número finito de dígitos.
Existen dos maneras de representarlos:
I. Punto fijo: Los números se representan con un número fijo de cifras
decimales. Ej. 62.358, 0.013.
II. Punto flotante: Los números se representan con un número fijo de
dígitos significativos.

Dígito Significativo: De un número “C”; es cualquier dígito dado de este,

excepto posiblemente aquellos ceros a la izquierda del primer dígito diferente de
cero y que solo sirven para fijar la posición del punto decimal (entonces cualquier
otro cero es un dígito significativo de C), Ej. 1360, 1.360; 0.001360; tiene cuatro
dígitos significativos.
 EXACTITUD: Se refiere a la aproximación de un número o
de una medida al valor verdadero que se supone representa.
 PRECISIÓN

I. Número De cifras significativas que representan una cantidad.

II. La extensión en las lecturas repetidas de un instrumento que mide alguna
propiedad física.
ERROR ABSOLUTO

Se da cuando se aproxima el valor real con un valor aproximado

  a~  a Donde a~ Valor aproximado

a Valor exacto

ERROR RELATIVO PORCENTUAL

Suele ser un mejor indicador de la precisión, es más independiente de la escala

usada, y esto es una propiedad más que deseable.

 a~  a Error
Er    *100
a a Valor Verdadero

Ejemplo

Planteamiento del problema: Suponga que se tiene que medir la longitud de un puente
y la de un remache, y se obtiene 9999 y 9 cms respectivamente. <si los valores son
10000 y 10 cmm, calcule el error absoluto y error relativo porcentual.
Solución:

~
El error absoluto en la medición del puente es:  a  a  a  10000  9999  1cm

~
Y para el remache es  a  a  a  10  9  1cm

El error relativo porcentual en la medición del puente es

~
a  a 10000  9999
r   *100%  0.01%
a 10000

~
a  a 10  9
Y para el remache es  r   *100%  10%
a 10

~
a  a 10000  9999
r   *100%  0.01%
a 10000
Aquí observamos que el error absoluto es el mismo en las dos mediciones y si no se
tiene la magnitud de la cantidad que se esta midiendo no podríamos dar ninguna
conclusión; pero al conocer esta magnitud podemos observar que en la medición del
remache se generó un error muy grande.

En las mediciones científicas es usualmente el error relativo el que resulta relevante.

La información acerca del error absoluto suele ser poco útil si no se conoce la
magnitud de la cantidad que se está midiendo; por esta razón es importante el error
normalizado que se define como sigue:

ERROR NORMALIZADO PORCENTUAL

En situaciones reales a veces es difícil contar con el valor verdadero, para dichos
casos, una alternativa es normalizar el error, usando la mejor estimación posible al
valor verdadero; es decir. Para la aproximación misma.

Error Aproximado Aprox. Actual  Aprox. Pr evia

Ea  *100  *100
Valor Verdadero Aprox. Actual
Corrección   a~  a   
Valor verdadero a  a~   Aproximación + Corrección
~  a   es decir   
Cota de error para a es un número   a

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.

TOLERANCIA

 
Es  0.5 *102  n % Donde n es el número de cifras significativas
En el momento en que se realizan las aproximaciones y se cumpla que .
 a   s si se conoce el valor real
 n   s si no se conoce el valor real
Se garantizan “ n “ cifras significativas.

SERIES DE TAYLOR
EJEMPLO 1

 Encuentre el polinomio de grado 2, que cumple f (0)  3 f (0)  5

f (0)  8 , entonces si seguimos la observación anterior, llegamos a:

f (0) x 2
f x   f (0)  f (0) x 
2
Vemos

8x 2
f x   3  5 x   3  5x  4 x 2
2

Es fácil ver que f cumple las condiciones iniciales.

Al hacer el mismo análisis para un polinomio de grado n llegamos a:

f (0) x 2 f ( n ) (0) x n
f x   f (0)  f (0) x  
2 n!

En general, esto sigue para cualquier polinomio, la ventaja de esto es que a partir de
cierta derivada el crecimiento es cero.

Pensemos en el caso, que no sea un polinomio, por ejemplo f ( x)  e x es fácil

justificar que esta función NO es un polinomio, ahora como a partir de ningún
crecimiento se vuelve cero, este proceso lo debemos extender hasta “infinito” así:

f (0) x 2 f ( n ) (0) x n
f x   f (0)  f (0) x   
2 n!


f k (0) x k

k 0 k!
Donde 0! 1 f 0 (0)  f (0)

Haciendo esto para e x tenemos:

f x   f ( x)  f ( x)    f ( n) ( x)  
 Y así 1  f (0)  f (0)  f (0)    f n (0)  

Sustituyendo obtenemos

x2 x3 xn
1 x    
2 3 n!

Denotemos esta serie por STf (x) así:


xn
STf x   
k o n!

¿La pregunta natural es f ( x)  STf ( x) ?

Para analizar este caso veamos otro ejemplo

EJEMPLO 2

1
f ( x) 
 Sea 1  x , se puede verificar que

n!
f (n)
( x)  f (n)
(0)  n!
(1  x) n 1 Y así

Sustituyendo en (k ) obtenemos que:

 1 
ST    1 x  x  x  x  x 
2 3 4 5

1 x 

¿La pregunta es?

1 ?
1 x 1  x  x2  x3  x4  x5  

Para esto consideramos algunos valores particulares

X 0
 1
1  1  0  0 2  03  0 4  05    1
1 0

1
X 
2

1 1 1 1 1
2  1      2
1 2 4 8 16
1
2

1
X 
2

2 1 1 1 1 1
  1      2
3 1 2 4 8 16
1
2

X  1

1 1
  111111
2 1  (1)

X 1

1
 111111
11

X 2

1
 1  2  4  8  16  
1 2

Por lo anterior, para el valor X  0 ST ( f (0))  f (0), argumentos geométricos muestran

1 1  1  1
que ST f    f  , y ST f     f   , ahora si vemos  1 es claro que ST
2 2  2  2
f  1  f  1, sin embargo a esta suma se le puede dar algún sentido ya

que 1  1  1  1  1  1   tiene como sumas parciales 1 y 0 , y f (1) es el promedio

de estas dos y por ultimo para X  1

 1
 111111
11

Es claro que f (1) y ST f (1) NO están definidas, pero se comportan de manera similar
1
    sin embargo para X  2 no tiene nada que ver f ( 2) y ST f ( 2)
0

La explicación sencilla radica en el signo f (2)  0 STf (2)  0

De lo anterior podemos concluir que f ( x)  STf ( x) , se cumple para ciertos valores de x,

ahora la cuestión es ¿para cuáles?

1
Analicemos que paso con la función f ( x )  , esta función tiene problemas de domino en
1 x
X  1 , sin embargo recordemos que estamos centrados en X  0 así:

0 1

Estamos aquí Problema

Al ir hasta el problema, tomaremos un intervalo con centro en cero y cuyo extremo sea el
problema 1. Así tenemos el intervalo (1,1)

Como vimos antes, en este intervalo f ( x)  STf ( x) en los extremos no se sabe y por fuera son
diferentes, para hacer esto formal, debemos ver la convergencia de la serie, esto se ve con el
CRITERIO DEL COCIENTE así:

an 1 n 1
 lim
x  lim x  x  1
lim a
n 
n xn
n  n 
Así:

Y por tanto x  (1,1) , es decir f ( x)  STf ( x) para los valores de X en los cuales se tiene
la convergencia absoluta y uniforme de f ( x)  STf ( x)

Volviendo a la función f ( x ) 
X
e , al aplicar CRITERIO DEL COCIENTE:

n 1
x
an 1 (n  1)! x
lim a  lim  lim n  1  0 n
n 
n x n  n 

n!

Tenemos que para cualquier X la serie converge así:

e  1  x  x2 
X

TEOREMA DE TAYLOR

Como buscamos desarrollar numéricamente, las Series de Taylor no son de ayuda, ya que no
podemos realizar “sumas” infinitas, para esto tenemos que aproximarlas, es decir tenemos que
troncar las Series de Taylor y así para X fi  0 , tenemos

f (0) x 2 f ( n ) (0) x n
Pn x   f (0)  f (0) x  
2 n!

Sin embargo, si f no es un polinomio, es posible que Pn ( x)  f ( x) de todas maneras es una

aproximación puntual de este así:

f ( x)  Pn ( x)  Rn ( )

Donde Rn ( ) es un error que se comete. (El cual obviamente nunca vamos a conocer)

f ( n1) ( ) x n1
Y es dado por: Rn ( )  con  entre 0 y X
(n  1)!

Ese valor  no lo conozco y así f

( n 1)
( ) tampoco, pero podemos acotarlo, es decir
encontrar alguna función tal que

f ( n 1)
( )  M n

M n x n1
Y así: Rn ( ) 
(n  1)!
Con lo cual podemos fijar un máximo error y así determinar el n donde se debe troncar la serie
para obtener una buena aproximación.

Ejemplo

Dada la serie de Taylor de f ( x)  e x con centro en cero, hallar la aproximación de e 0.5

Con cinco cifras significativas.

Solución:

Lo primero que hallamos es el criterio de error, el cual asegura que el resultado sea correcto
con al menos cinco cifras significativas; donde n=5:

 s  (0.5 *10 25 )%  0.0005%

Es decir se evaluara la serie de Taylor hasta que el error normalizado se menor que 0,0005%.

Realizando el desarrollo de la serie de Taylor obtenemos:

x 2 x3 x4 xn
f ( x)  e x  1x     ...   ...
2 3! 4! n!

Donde la primera aproximación es e 0.5  1

Segunda aproximación es e 0.5  1  0.5  1.5

Tercera aproximación es e 0.5

 1  0.5 
0.5
2
 1.625
2

En la siguiente tabla se colocaran los resultados; buscando que el error normalizado

porcentual sea menor que la tolerancia; también colocaremos el error relativo porcentual
partiendo del hecho que el valor real de e 0.5  1.648721...
Iteración Aproximación  r (%)  n (%)  a (%)

1 1 39.3 0.648721…

2 1.5 9.2 33.3 0.14872

3 1.626 1.44 7.69 0.023725…

4 1.645833333 0.175 1.27 0.00289166…

5 1.648437500 0.172 0.158 0.0002875

6 1.648697917 0.00145 0.0158

6
Ejemplo: Se requiere una aproximación de Ln(2) con un error no mayor 10

Para solucionarlo podemos tomar varias funciones; lo que cambiaría seria el valor de la x,
podemos tomar las siguientes funciones:

f ( x)  ln( x) valor de x  2
f ( x)  ln( x  1) valor de x  1
f ( x)  ln( 1  x) valor de x  1

Para la solución tomaremos la siguiente función:

f ( x)  ln  x  1
1
f ´(x) 
x 1
1
f ´´(x) 
x  12
f ( n ) x  
 1n1 n  1!
x  1n


ln  x  1  x 
x2 x3 x4
  
 1 x n  Rn  n 1

2 3 4 n
 Para X ∈ (-1, 1)

Como no es posible aproximar ln 2 Porque?

1 1
Calcular ln   , es decir x  
2 2

f  n1
    1 n!
n 2

  1n1

Analicemos el error

n 1
 1
n2
(1) n!  
Rn     2 Para un intervalo de 
1
 0
(  1) (n  1)!
n 1
2

1
 Acotamos con respecto a 
2 n 1 (n  1)  1
n 1
 El que tenemos que acotar

1
  1n 1
1
  0
2
1
  1  1
2
   1
1 n 1
n 1
1
2
1
2 n 1  1
  1 n 1

Reemplazando lo del lado derecho en 1

1  2 n 1
  1
nuestro valor absoluto, tenemos: n 1

1
 2 n 1
2 n 1
n  1
1

n 1
Rn   
1
 10 6
n 1
Observemos que el valor
1
 n 1 absoluto desaparece, ya que
10 6
los términos que están dentro
10 6  n  1 del, son todos positivos
10 6  1  n

n  1.000.000

l  10 6  ln 2  l  10 6
es decir debemos parar la serie en n  1000.000 ya que entre más alejado estén x y xo
más grande debe ser el valor de n .
UNIVERSIDAD NACIONAL DE SAN MARTIN

FACULTAD DE INGENIERIA AGROINDUSTRIAL

CURSO : Métodos Numéricos

TRABAJO : Teoría del Error

DOCENTE : ING. Arbel Dávila Rivera

ALUMNOS : Max Dalton Perez Rodríguez

TARAPOTO – PERU
2016