Teoria de Errores

Ricardo G .Pilco Guachizaca.

30 de noviembre de 2016 - 12:05

1. Iteracion Simple De Punto Fijo

Como se mencionon anteriormente, los metodos abiertos emplean una formula que predice la raz. Tal
formula puede ser desarrrollada para una simple iteraccion de punto fijo ( o tambien llamada iteraccion
de un punto o sustitucion sucesiva) al rearreglar la ecuacion f (x) = 0 de tal modo que x quede del lado
izquierdo de la ecuacion:
x = g(x)
Esta Tranformacion se puede llevar a cabo mediante operaciones algebraicas o simplemente agregando
x a cada lado de la ecuacion original. Por ejemplo:

x2 2x + 3 = 0

Se puede reordenar para obtener

x2 + 3
x=
2
mientras que sen(x) puede transformarse en la forma de la ecuacion (6.1) sumando x a ambos lados
para obtener:
x = senx + x
La utilidad de la ecuacion (6.1) es que proporciona una formula para predecir un nuevo valor de x en
funcion del valor anterior de x.De esta manera, dado un valor inicio a la raz x( i), la ecuacion (6.1) se
puede usar para obtener una nueva aproximacion x( i + 1), Expresad por la formula iterativa

x( i + 1) = g(xi )

Como con otras formulas iterativas de este libro, el error aproximado de esta ecuacion se puede calcular
usando el estimaodor de error :
x( i + 1) x( i)
a = | | 100 %
x( i + 1)

1
Ejemplo 1.1. Use iteracion simple de punto fijo para localizar la raz de f (X) = e( x) x.
La funci?on se puede separar directamente y expresarse en la forma de la ecuacion (6.2) como

x( i + 1) = e( xi )

Empezando con un valor inicial de x0 =, se puede aplicar esta ecuacion iterativa y calcular:

Tabla 1. Iteraccion Simple de Punto Fijo

i xi a ( %) t ( %)
0 0 100.0
1 1.000000 100.0 76.3
2 0.367879 171.8 35.1
3 0.6922201 46.9 22.1
4 0.500473 38.3 11.8
5 0.606244 17.4 6.89
6 0.545396 11.2 3.83
7 0.579612 5.90 2.20
8 0.560115 3.48 1.24
9 0.571143 1.93 0.705
10 0.564879 1.11 0.399

De esta manera, cada iteraccion acerca cada vez mas al valor estimado con el valor verdadero de la raz,
o sea 0,56714329

1.1. Covergencia
Observese que el error relativo porcentual verdadero en cada iteraccion del ejemplo es casi proporcio-
nal (por un factor entre 0,5 a 0,6) al error de la itecraccion anterior. Esta propiedad, conocida como
convergencia lineal, es caracterstica de la Iteraccion de punto fijo.
Ademas de la velocidadde convergencia, se debe enfatizar en este momento la posibilidad de con-
vergencia. Los conceptos de convergencia y de divergencia se puede ilustrar graficamente. Recuerdese
que en la seccion 5.1 se grafico una funcion para visualizar su estructra y comportamiento. Tal aproxi-
macion es empleada en funcion f (x) = e( x) x. Un plantamiento grafico alterno es el de separar
la ecuacion en dos partes, como en
f1 (x) = f2 (x)
Entonces las dos ecuaciones
y = f1 (x)
y
y2 = f2 (x)
Se pueden garficar por separado. Los valores de x correspondientes a las intersecciones de estas fun-
ciones presentan las raices de f (x) = 0.

2
Ejemplo 1.2. El metodo grafico de dos curvas.
Enunciado del problema. Separe ecuaicon e( x) x = 0en dos partes y determine su raz en forma
grafica.

Reformule la ecuacion como y1 = x y y2 = e( x). Al calcularse se obtiene los siguientes valores:

Estos puntos se grafican en las figuras siguientes. La interseccion de las dos curvas indica una raz
estimada de aproximadamente x = 0,57, que corresponde al punto dnde la curva cruza el ejex.
El metodo de las dos curvas se puede usar ahora para ilustrar la convergencia y divergencia de la ite-
raccion de punto fijo. En primer lugar, la ecuacion x = g(x) se puede reexpresar como un par de
ecuaciones y1 = x y y2 = (x). Estas dos dos ecuaciones se pueden graficar por separado. como en el
caso de las ecuaciones y = f1 (x) y y2 = f2 (x), las raices de f (x) = 0 corresponden al valor de la
abscisa en la interaccion de las dos curvas. En la siguiente figura de la funcion y1 = x y cuatro formas
diferentes de la funcioon y2 = g(x).

En el primer caso, el valor inicial x0 se usa para determinar el punto correspondiente sobre la curva
y2 [x0 , g(x0 )]4. El punto (x1 , x1 ) se encuentra moviendose horizontalmente a la izquierda hasta que in-
tersecta la curva y1 . Estos movimientos son equivalente sa la primera iteraccion en el metodo de punto
fijo.

De esta manera, tanto en la ecuacion como en la grafica se usa una valor incial x0 para obtener una
estimacion de x1 . La siguiente iteracion consiste en moverse al punto [x1 , g(x1 )] y despues a (x2 , x2 ).
Esta iteracion es equivalente a la ecuacion:

x2 = g(x1 )

La solucion en la figura es convergente, ya que la estimacion de x se aceraca mas a la raz con cada
iteracion. Lmismo se cumple para la distintas figuras b. Sin Embargo, este no es el caso para la la
figura c y d, en donde las iteraciones divergen de la raz. Observese que la convergencia parece ocurrir
unicamente cuando el valor de la pendiente de y2 = g(x) es menor al valor de la pendiente y1 = x; esto
es, cuando |g 0 (x)| < 1.

3
1.2. Errores de truncamiento
1.3. Error del problema.
1.4. Error del metodo.
1.5. Error residual
1.6. Error inicial

2. Errores de redondeo
Originados por la representacion finita de numeros es el caso de las computadoras (notacion punto flo-
tante). Ejemplo: se redondea en un numero finito de dgitos, como 32

Tabla 2. Formatos Expresiones Decimales Matlab

Formato Descripcion
Format short e 5 dgitos mas exponente
format long 16 dgitos
format long e 16 dgitos mas exponente
format hex hexadecimal
format bank 2 dgitos decimales
format + positivos, negativos o cero
format rat Aproximacion racional
format short 2 dgitos decimales

Definicion 2.1. Supongamos que p es una aproximacion a p. El error absoluto de la aproximacion es

Ep = |p p| y el error reltivo es Rp = |pp|
p
; con el supuesto p 6= 0.

El error absoluto no es mas que la diferencia entre el valor exacto y el valor aproximado, mientras que
el error relativo mide el error entendido como una porcion del valor exacto.

Por determinar el error absoluto y el error relativo en los siguientes casos. Sean x = 3,141592 y
x = 3,14; entonces el error absoluto es:

Ex = |x x| = |3,141592 3,14|

Seaun numero p es una aproximacion a p con d cifras decimales significativas, si d es el mayor numero
natural tal que:
|p p| 10d
<
p 2

4
 Algorithm 1: Algoritmo en Octave y Matlab
1 x=2/3
2 format short e
3 x=6.6667e-01
4 format long
5 x=0.666666666666667
6 format long e
7 x= 6.666666666666666e-01
8 format hex
9 x= 3fe5555555555555
10 format bank
11 x = 0.67
12 format +
13 x=+
14 format rat
15 x = 2/3
16 format short
17 x = 0.6667

Ejemplo 2.1. Vamos a determinar el numero de cifras significativas de cada uno de los ejemplos sig-
nificativas de cada uno de los ejemplos anteriores .
a) si x = 3,141592; x = 3,14 es decir;
|p p| 102
= 0,000507 <
p 2
por lo tanto, x es una aproximacion a x con 2 cifras significativas. 0,00507 < 0,0050,0 500 cifras signi-
ficativas.

Ex = |x x| = |3,141592 3,14| = 0,001592000000000 = 0,001592

|x x| |3,141592 3,14|
Rx = = = 5,067494442308351e 04 = 0,0005067
x 3,141592

Ejemplo 2.2. y = 1000000, y = 999996

Ex = |x x| = |1000000 999996| = 4

|x x| |1000000 999996|
Rx = = = 4,000000000000000e 06 = 0,000004
x 1000000
5
 Algorithm 2: Algoritmo en Octave y Matlab
1 Ex=abs(3.141592-3.14);
2 disp (El valor del error relaivo es : )
3 Rx=Ex/abs(3.141592)
4 disp(el valor de Ex, error abosuluto :)
5 fprintf(1, %10.6f \n,Ex)
6 disp(el valor de Rx, error relativo :)
7 fprintf(1, %10.5f \n,Rx)
8 disp(con dos cifras significativas Rx10-d/2)
9 aux1=(10(-2))/2;
10 aux2=(10(-5))/2;
11 aux3=(10(-0))/2;

Algorithm 3: Algoritmo en Octave y Matlab

1 Ex=abs(1000000-999996);
2 disp (El valor del error relaivo es : )
3 Rx=Ex/abs(1000000)
4 disp(el valor de Ex, error abosuluto :)
5 fprintf(1, %10.1f\n,Ex)
6 disp(el valor de Rx, error relativo :)
7 fprintf(1, %10.6f\n,Rx)

6
Ejemplo 2.3. z = 0,000012, z = 0,000009

Algorithm 4: Algoritmo en Octave y Matlab

1 Ex=abs(0.000012-0.000009);
2 disp (El valor del error relaivo es : )
3 Rx=Ex/abs(0.000012)
4 disp(el valor de Ex, error abosuluto :)
5 fprintf(1, %10.6f\n,Ex)
6 disp(el valor de Rx, error relativo :)
7 fprintf(1, %10.2f\n,Rx)

Ex = |x x| = |0,000012 0,00009| = 3,000000000000000e 06 = 0,000003

|x x| |0,000012 0,00009|
Rx = = = 0,250000000000000 = 0,25
x 1000000

3. Errores de Truncamiento
Definicion 3.1. Se refiere normalmente a los errores, que se producen cuando una expresion matemati-
ca complicada, se reemplaza por una formula mas simple.Lo podemos analizar mediante, un polinomio
de Taylor.

Ejemplo 3.1. Sea la serie de Tailor:

x4 x6 x8 x 1 0 x2n
ex2 = 1 + x2 + + + + ++
2! 3! 4! 5! n!
Pora los 5 primeros terminos:
x4 x6 x8
1 + x2 ++ +
2! 3! 4!
El momento de calcular una ntegral numericamente. Sabiendo que por la regal del trapecio nos da
como resultado : Z 1
2 2 1 1 + 1,284025417
ex dx = = 0,5710063542 = p
0 2 2

7
 2
Al reemplazar f (x) = ex por la serie de Taylor truncada
x4 x6 x8
p8 (x) = 1 + x2 + + +
2! 3! 4!
Integrando termino a termino este polinomio se tiene:
Z 1 1/2
x4 x6 x8 x3 x5 x7 x9 

2
2
1+x + + + dx = x + + + ++
0 2! 3! 4! 3 5 2! 7 3! 9 4! 0
1 1 1 1 1
+ + + + = 0,544986720817 = p
2 24 320 5376 110592
Error absoluto :

Ep = |p p| = |0,5710063542 0,544986720817| = 0,02601963338

Error Relativo

|p p| |0,5710063542 0,544986720817|
Rp = = = 0,04556802773
p 0,5710063542

Algorithm 5: Algoritmo en Octave y Matlab

1 2); integracion desde 0 hasta 0.5)
clear fprintf(f=e(x
2 disp(El resultado por la regla del trapecio es p)
3 fprintf(El valor de p es = )
4 fprintf(1, %10.6f\ n,p)
5 x=0.5;

6 p barra=(x+(x.3)/3 + ((x.5)/(5*factorial(2))) + ((x.7)/(7*factorial(3)))+((x.9)/(9*factorial(4)));

7 fprintf(El valor de p barra es =)
8 fprintf(1, %10.6f\ n,p barra)
9 Ep=abs(p pb arra);
10 fprintf(El valor del error absoluto es =)
11 fprintf(1, %10.12f\ n,Ep);
12 Rp=Ep/abs(p);
13 fprintf(El valor del error relativo es = )
14 fprintf(1, %10.12f\ n,Rp);

Ejemplo 3.2. Sea la serie de Tailor:

x3 x5 x7 x9 (1)n x2n+1
sin(x) = x + + ++
3! 5! 7! 9! (2n + 1)!

8
Pora los 5 primeros terminos:
x3 x5 x7 x 9
+x +
3! 5! 7! 9!
El momento de calcular una ntegral numericamente. Sabiendo que :
Z 3
2 3 0 + 0,9974949866
sin(x) dx = = 0,74812124 = a
0 2 2
Al reemplazar f (x) = sin(x) por la serie de Taylor truncada
x3 x5 x7 x9
p9 (x) = x + +
3! 5! 7! 9!
Integrando termino a termino este polinomio se tiene:
Z 3 3/2
x3 x5 x 7 x9 x2 x4 x6 x8 x10 

2
x + + dx = + +
0 3! 5! 7! 9! 2 4 3! 6 5! 8 7! 10 9! 0
3/2
2,25 5,0625 11,390625 25,62890625 57,66503906 
+ + = 0,9292630659 = a
2 24 720 40320 3628800 0
Error absoluto : Ea = |p p| = |0,74812124 0,9292630659| = 0,1811418259
Error Relativo: Ra = |aa|
a
= |0,748121240,9292630659|
0,74812124
= 0,2421289708
Ejemplo 3.3. Sea la serie de Tailor:

(x 1)2 (x 1)3 (x 1)4 (x 1)5 (x 1)n

ln(x) = (x 1) + + ++
2 3 4 5 n
Pora los 5 primeros terminos:
(x 1)2 (x 1)3 (x 1)4 (x 1)5
(x 1) + +
2 3 4 5
El momento de calcular una ntegral numericamente. Sabiendo que :
Z 5
2 3 0 + 0,9162907319
ln(x) dx = = 0,6872180489 = b
1 2 2
Al reemplazar f (x) = ln(x) por la serie de Taylor truncada
(x 1)2 (x 1)3 (x 1)4 (x 1)5
p5 (x) = (x 1) + +
2 3 4 5
Integrando termino a termino este polinomio se tiene:
Z 5
(x 1)2 (x 1)3 (x 1)4 (x 1)5

2
(x 1) + + dx =
1 2 3 4 5

9
 Algorithm 6: Algoritmo en Octave y Matlab
1
2 clear
3 fprintf(f= sin(x); integracion desde 0 hasta 1.5)
4 disp(El resultado por la regla del trapecio es p)
5 a=(1.5-0)*((0+0.9974949866)/2);
6 fprintf(El valor de a es = )
7 fprintf(1, %10.6f\n,a)
8 x=1.5;
9 a barra=(x2)/2-(x.4)/(4*factorial(3))+((x.6)/(6*factorial(5) ))-((x.8)/(8*factorial(7)))+
((x.10)/(10*factorial(9)));
10 fprintf(El valor de a barra es = )
11 fprintf(1, %10.6f\n,a barra)
12 Ea=abs(a-a barra);
13 fprintf(El valor del error absoluto es = )
14 fprintf(1, %10.12f\n,Ea);
15 Ra=Ea/abs(a);
16 fprintf(El valor del error relativo es = )
17 fprintf(1, %10.12f\n,Ra);

5/2
(x 1)2 (x 1)3 (x 1)4 (x 1)5 (x 1)6 
+ +
2 32 43 54 6 5 1
1,125 0,5625 + 0,421875 0,3796875 + 0,3796875|5/2
1 = 0,984375 = b
Error absoluto :

Eb = |b b| = |0,6872180489 0,984375| = 0,2971569511

Error Relativo

|b b| |0,6872180489 0,984375|
Rb = = = 0,4324056267
b 0,6872180489

10
 Algorithm 7: Algoritmo en Octave y Matlab
1
2 clear
3 fprintf(f= sin(x); integracion desde 0 hasta 1.5)
4 disp(El resultado por la regla del trapecio es p)
5 b=(2.5-1)*((0+0.9162907319)/2);
6 fprintf(El valor de b es = )
7 fprintf(1, %10.6f\n,b)
8 x=1.5;
9 b barra=(x2)/2-(x.3)/(3*2)+((x.4)/(4*3))-((x.5)/(5*4))+((x.6)/(6*5));
10 fprintf(El valor de b barra es = )
11 fprintf(1, %10.6f\n,b barra)
12 Eb=abs(b-b barra);
13 fprintf(El valor del error absoluto es = )
14 fprintf(1, %10.12f\n,Eb);
15 Rb=Eb/abs(b);
16 fprintf(El valor del error relativo es = )
17 fprintf(1, %10.12f\n,Rb);

11