Académique Documents
Professionnel Documents
Culture Documents
Cada nmero pode ser representado por uma quantidade ilimitada de cifras significativas;
Em geral, pode-se indicar que quando se trabalha no domnio dos nmeros reais, se esta
desenvolvendo o trabalho no mbito da aritmtica infinita, onde a representao dos nmeros no um
problema.
Este paradigma de soluo s possvel no mbito das resolues terica dos problemas, o qual
geralmente permite chegar a um resultado prtico, simples e aplicvel ao mundo real. Mas revistam existir
problemas que no podem ser resolvidos analiticamente de maneira exata, devendo-se aplicar procedimentos
numricos auxiliados por computadores ou calculadores; mesmo que ao precisar obter o resultado numrico
final de qualquer expresso matemtica exata. Mas ao trabalhar com estes dispositivos de clculos, deve-se
trabalhar com um subconjunto dos nmeros reais que apresentam caractersticas especiais como:
-
Cada nmero pode ser representado por uma quantidade limitada de cifras significativas
necessrio
Estas caractersticas do conjunto de nmeros que um dispositivo de clculo pode trabalhar se deve
forma de representao e armazenamento dos nmeros nele: um computador armazena os nmeros em
sistema binrio1 utilizando um determinado nmero de byte
computador que se empreguem. Isto faz que se limite o intervalo dos nmeros a representar e que se realiza o
trabalho sobre um conjunto discreto de nmeros. Por isso, resulta inevitvel que se produzam erros nas
Representando todos los nmeros por ceros y unos debido a ser un sistema digital-electrnico donde los estados bsicos de
byte o carcter es la mnima representacin en un computador, compuesto por n bits, por ejemplo, 7 u 8 bits conforman un
carcter cualquiera de los presentes en un computador: 7 bits dan lugar a 128 caracteres y 8 bits permiten representar 256
caracteres.
30 / 64
ou de process-os.
-
aproximao ao maior valor que pode representar o computador ou, no podendo continuar o
processo de clculo, dando uma mensagem de erro como resultado.
Isto termina ocasionando que se deva trabalhar com a aritmtica de dgitos finitos o que pode causar
que certos feitos tomados como certos, no o sejam [LEYVA&SILVA, 2002]. Nesta ordem de coisas, a
aritmtica de dgitos finitos leva em geral a resultados aceitveis, mas existem casos em que no assim;
virtualmente qualquer operao pode ter seus casos problemticos, mais os mas usuais so os seguintes:
-
N = (. a1a 2 ...a t ) e
Aonde:
-
N: o nmero a representar;
: signo do nmero;
a1
a2
+ ...
at
O inteiro positivo t indica o nmero de dgitos na base que se usam para representar o
Ou esta relacionada com a quantidade de bits que o processador pode dirigir para
suas operaes (8, 16, 32, 64,128 bits como os mas usuais)
A base
Tambm segundo ASMAR [1999], qualquer sejam os parmetros escolhidos, os conjuntos de ponto
flutuante correspondentes compartilham as mesmas caractersticas qualitativas e a carncia de algumas das
propriedades dos nmeros reais.
No conjunto de ponto flutuante, a quantidade de elementos ou nmeros diferentes que tem o conjunto
de valores se pode calcular segundo a expresso [ASMAR, 1999]:
V F = 2( 1) t 1 (U L + 1) + 1
Quer dizer, que se dever utilizar uma quantidade VF valores de ponto flutuante (finito) para
representar todo o conjunto de valores do conjunto de nmeros reais infinito por definio- o que indica que
muitos nmeros reais estaro representados pelo mesmo valor do conjunto do ponto flutuante.
Por exemplo, para um conjunto de ponto flutuante F de base =2, preciso t = 3 (3 dgitos
significativos em notao padronizada) e, L = -1, U = 2, se ter:
V F = 2(2 1) 2 1 [2 ( 1) + 1] + 1 = 33
Quer dizer, 33 nmeros diferentes (incluindo o zero) para representar todos os nmeros com 3 dgitos
de preciso em sistema binrio.
Neste conjunto, os nmeros que conformam o conjunto de ponto flutuante so da forma:
N = (, a1a2 a3t )2 2 e
Sendo o sistema binrio composto por zeros e uns, resulta ento que os possveis valores das 3
33 / 64
a2 = {0,1}
a3 = {0,1}
e = {-1,0,1,2}
(,100)2 = (08/16)10
(,101)2 = (10/16)10
(,110)2 = (12/16)10
(,111)2 = (14/16)10
Por combinao destes quatro nmeros bsicos e os expoentes, obtm-se o resto dos 32 valores, que
somado ao zero resultam nos 33 valores calculados inicialmente, que se representam na Figura 10. Estes
valores representados na figura so os seguintes:
0;
4
5
6
7
8 10 12 14 16 20 24 28 32 40 48 56
; ; ; ; ; ; ; ; ; ; ; ; ; ; ;
16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16
substitudo, de ser possvel, por um nmero de ponto flutuante FL(x) (Figura. 10);
Existem regras para escolher tal nmero, que so as regras de arredondamento, pelo
general o nmero mas prximo ao valor original x;
reta real, pelo que o erro de arredondamento vai depender do valor de grandeza do nmero a
arredondar;
FL = L-1 e, FU = (1 - t ) U
34 / 64
]0 ; FL [
]FU ; + [
]FL ; FU [
Por sua vez, devem-se definir as operaes aritmticas de soma (r), subtrao (t),multiplicao (q) e
diviso (t) no conjunto de nmeros de ponto flutuante, ou simplesmente operaes de ponto flutuante, para
poder simular as operaes aritmticas tradicionais, pois devido aos prprios problemas e efeitos da
aproximao pelas caractersticas deste conjunto de nmeros, algumas das propriedades conhecidas no so
aplicveis neste caso. Assim, sortes operaes se definem da seguinte forma:
-
x r y = fl(fl(x) + fl(y))
x s y = fl(fl(x) - fl(y))
x q y = fl(fl(x) x fl(y))
x s y = fl(fl(x) / fl(y))
u r (v s w) (u r v) s w
u q (v q w) (u q v) q w
u q (v s w) (u q v) s (u q w)
Esta no aplicabilidade de algumas propriedades usuais na aritmtica clssica por causa dos
diferentes arredondamentos que se provocam em cada operao de ponto flutuante.
Assim sendo, o erro x fl ( x ) que resulta de substituir um nmero por seu representante de ponto
flutuante FL(x), seguir-se denominando erro de arredondamento, independentemente de qual dos dois
mtodo se utilize.
Para medir o erro de arredondamento, utilizam-se as mesmas expresses gerais que as vista para
qualquer tipo de erro, utilizando o conceito de erro, erro absoluto, erro relativo e erro percentual, onde solo
se deve ter em conta que, o calor observado o valor no conjunto dos nmeros reais, e o valor verdadeiro o
valor nos nmeros de ponto flutuante, pois este o conjunto de referncia. Assim, pode-se indicar que para
calcular, por exemplo, para o erro relativo, resulta a seguinte expresso:
Er =
x fl ( x )
x
, x 0
J se indicou que o erro de arredondamento depende do tamanho do nmero, pois os nmeros de ponto
flutuante no esto distribudos uniformemente na reta de representao, por tal motivo que o erro relativo
uma melhor medida do erro de arredondamento que o erro absoluto.
Podem-se estimar a cota superior para o erro relativo para um valor x no nulo que aproximado por
seu representante de ponto flutuante FL(x), em uma aritmtica decimal de t-dgitos:
Sendo, x = (. a1a 2 ...a t at +1 ...) 10 e , e o expoente e algum inteiro, um nmero real positivo qualquer em
forma decimal padronizada; por isso, se fl(x) obtm-se por arredondamento, resulta:
a) Si 0 at +1 < 5 , ento: fl ( x ) = (. a1a 2 ...at ) 10 e , o que implica que:
36 / 64
Er =
Er =
Er <
Er =
Er =
Er
0.5
10 e t = 5 10 t
0.1
pois : . a1a2 ... at at +1 ... 0.100...05 > 0.100...00
Er <
Er =
x fl ( x )
x
x fl ( x )
x
< 2 t
De forma semelhante, pode-se verificar que se fl(x) obtm-se por corte ou truncamento de decimais,
ento o erro relativo resulta:
Er =
x fl ( x )
x
Baseado neste estudo de cotas de erros, pode definir-se que [ASMAR, 1999] que: O nmero x*
aproxima com seus primeiros t-dgitos ou cifras significativas ao nmero x 0, sei t o maior inteiro no
37 / 64
Er =
x x*
x
< 5 10 t
E = x x * 5 10 k +1
As k-cifras decimais exatas a que se fazem referncia, so as primeiras cifra contadas a partir do
separador decimal em x*, quando x* se escreve na forma decimal normalizada.
0,047
= 0,307... < 0,5 = 5 x10 1
0,153
Ento, x s y aproxima ao valor exato x y com uma nica cifra significativa (10-1); assim que teve
uma perda de cinco cifras significativas a partir da aproximao inicial de seis cifras significativas dos
nmeros representantes de cada valor.
EXEMPLO 2
Encontrar por aritmtica de ponto flutuante a 4 dgitos as razes da equao quadrtica:
x2 - 400,2x + 80 = 0. Sabendo que as razes exatas desta equao so x1=400,0 e, x2=0,2, definir a qualidade
do resultado obtido.
De acordo com a frmula usual para resoluo desta equao, resulta:
*
1, 2
400,2
(400,2)2 4 1 80
2
x1* =
x 2* =
Resulta ento que a primeira raiz uma boa aproximao do valor a 4 dgitos, enquanto que a segunda
raiz uma aproximao pobre da mesma.
A deficincia na estimativa da segunda raiz se deve a que os nmeros do numerador (400,2 e 399,9)
so nmeros muito prximos entre se (em uma aritmtica finita com arredondamento a 4 dgitos) este caso,
obtm-se uma aproximao mas exata para a segunda raiz, aumentando a preciso da aritmtica ou
racionalizando a frao [ASMAR, 1999]
Assim ento, racionalizando a frao, obtm-se:
39 / 64
x =
*
2
x 2* =
400,2
(400,2)2 320
2
160
400,2 +
(400,2)
400,2 +
400,2 +
2
2
(400,2)2 320
(
400,2) (400,2 ) + 320
=
(400,2)2 320 2 400,2 + (400,2)2 320
= 80
320
400,2 +
(400,2)2
2
80
80
= * = 400,1 = 0,2000
320 x1
Valor a 4 dgitos que coincide, neste caso, com os valores exatos da mesma, pelo que se pode estimar
como uma excelente aproximao do clculo.
x = (. a1a 2 ...at ) e
Agora, para sintetizar esta expresso se podem fazer as seguintes simplificaes de notao:
-
40 / 64
fl ( x) x
x
Expresso que pode tambm ser escrita como fl ( x) = x(1 + ) , onde pnc , expresso utilizada
para os clculos de erros por arredondamento.
Ento, quando se trabalha com um computador, deve-se tomar cuidado na soluo do problema, pois
se estaro utilizando os dados arredondados e no os dados exatos, o que indevidamente trar consigo um
problema de erros (arredondamento) que poder ou no se propagar atravs do problema e / ou do algoritmo
que solucione o problema..
Por isso resulta necessrio realizar um estudo sobre o condicionamento do problema. Assim se pode
indicar que um problema bem condicionado aquele em que pequenos erros relativos nos dados produzem
pequenos erros relativos no resultado, e no caso contrrio, o problema resultasse mal condicionado [DIAZ,
1998]. O nvel de condio se pode medir por meio do ndice de condio.
Embora a noo de pequeno possa parecer ambgua, depende da exigncia e rigor pretendidos nos
resultados. Normalmente pode ser encarada como uma medida comparativa entre diversos resultados
possveis.
1 bit
41 / 64
Signo do expoente:
Mantissa real:
23 bits
32 bits
Total:
1 bit
Como se indico, a mantissa deve ser normalizada, quer dizer, o bit mas significativo (o primeiro)
sempre 1 e nunca 0, como isto uma normativa, o primeiro bit no deve ser armazenado,
proporcionando-se assim um bit significativo mas. Segundo DIAZ [1998] esta forma de armazenar um
nmero em ponto flutuante a conhece como tcnica do bit fantasma.
Diz-se que se um nmero real em ponto flutuante pode ser armazenado com a mantissa ocupando 7
bits e o expoente 24 bits, ento um nmero mquina no computador. A restrio de que a mantissa m no
requeira mas de 7 bits significa que:
m (1111111)2 = 2 7 1 = 127
Ainda, como 2127 10 38 , o computador de 32 bits pode dirigir nmeros to pequenos como 10-38 e
to grande como 1038. Este intervalo no resulta suficientemente amplo para alguns tipos de clculos, pelo
que se recorre a nmeros em dupla preciso, com palavras de 64 bits ou de preciso estendida, com palavras
de 128 bits.
Segundo o mesmo autor, devido a que o expoente deve ser representado por no mas de 24 bits, os
nmeros de mquina tm uma preciso limitada a 7 cifras decimais, posto que o bit menos significativo (o
ltimo) representa unidades de 2 24 10 7 ; por tal motivo, os nmeros de mas de 7 dgitos decimais sero
objeto de aproximao quando se armazenarem no computador.
11 Algoritmos de Clculo
11.1 Definies Conceituais
Definio 1: Uma operao elementar uma operao matemtica ou funo cuja ao se efetua em
um tempo finito.
So operaes elementares, as quatro operaes aritmticas bsicas como a adio, substruo,
multiplicao e diviso. Com estas operaes elementares possvel avaliar qualquer funo polinomial e
racional em uma quantidade de passos ou composio de operaes elementares.
Definio 2: Um algoritmo uma sucesso finita de operaes elementares. Se denotar com fi uma
operao elementar, um algoritmo a composio de n operaes elementares:
f = f n o f n 1 o ... f 2 o f 1
42 / 64
forma:
Definio 5: Sejam P(x) e P(x) dois problemas. O erro de truncamento do primeiro relativo ao
segundo dado por sua diferena P(x) - P(x).
O nome surge da necessidade considerar um nmero finito de termos em uma expresso com infinitos
termos tericos. A este erro, quando se utilizam mtodos de aproximao por reiterao, teoricamente
infinitos, com um nmero finito das mesmas, lhe chama erro de aproximao ou erro do mtodo.
Segundo MLLER [1997], e de acordo com ele, o conceito de eficincia foi obtido para aqueles
problemas onde se pode encontrar a soluo mediante um algoritmo. Para aqueles problemas onde no
possvel encontrar um algoritmo que da soluo e caso que possvel aproximar ela de maneira arbitrria
mediante um mtodo algortmico, a eficincia est ligada ao custo em operaes como tambm ao erro do
mtodo. Nesta situao a eficincia um conceito mais subjetivo que depende do usurio, pois existem
problemas onde o erro de aproximao deve ser o menor possvel e outros problemas onde a exatido no
um requisito primitivo do problema.
x + y = 2
10.05 x + 10 y = 21
A soluo exata, nica, deste sistema x = 20 e e = -18, sendo o ponto P(20;-18) a intercesso das
44 / 64
x + y = 2
10.1x + 10 y = 21
Resultan como soluciones X = 10 e y = -8, es decir, el punto de interseccin de las rectas es el punto
(10;-8). Se puede observar entonces que un pequeo cambio en uno de los datos del problema ha producido
un gran cambio en la solucin (125% de diferencia en los resultados) Este problema es un ejemplo de
problema mal condicionado.
x i xi
xi
pnc
( )
P x i P ( xi )
P ( xi )
pnc
Diz-se finalmente [MLLER, 1997] que o problema P est bem condicionado se no demasiado
grande, caso contrario, o problema esta m condicionado.
Na definio, pnc representa um nmero pequeno. Se pnc a preciso do computador, ento x i pode
se interpretar como o arredondamento de xi . Tambm necessrio indicar que depende somente do
problema, de x e no do algoritmo com o que se calcula o problema. Para compreender isto, se apresentar a
continuao um exemplo.
EXEMPLO
Sejam x1 e x2, dois nmeros reais, se considerar o problema de calcular P(x1,x2) = x1 x2 para os
valores perturbados x1 y x2 :
Sendo: x1 = x1 (1 + 1 ) y, x2 = x 2 (1 + 2 ) , con i pnc , resulta para a soluo do problema:
x1 = x1 (1 + 1 ) x1 =
x1
x2
e, x2 = x2 (1 + 2 ) x2 =
1 + 1
1+ 2
45 / 64
pelo tanto: x1 x2 =
x1
x
x x x x
2 1 2 1 2 = 1 + 2 + 1 2
x1 x2
1 + 1 1 + 2
x1 x 2 x1 x2
x x x x
= 1 + 2 1 2 1 2 2 pnc , onde ento resulta = 2 , e por isso o problema
x1 x 2
x1 x2
esta bem condicionado.
(P ) ( f1 ) ( f 2 ) ... ( f n )
Para demonstrar esta expresso pode proceder-se por induo sobre n [MLLER, 1997]. Para n = 1, o
resultado trivial. Caso que a expresso certa para um determinado n, resulta o problema da forma:
P( x ) P( x )
P( x )
( P) pnc
( f n+1 ) ( P) pnc
46 / 64
1
, com x = 104, para o que se
x(x + 1)
1
1
1
, ento, resulta:
=
x(x + 1) x x + 1
Algoritmo 1:
Aqui, as operaes efetuadas esto bem condicionadas, pelo que o algoritmo numericamente estvel.
Algoritmo 2:
Neste caso s as trs primeiras operaes esto bem condicionadas, mas a ultima operao, subtrao,
esta mal condicionada, pois ambos, diminuendo e subtraendos so nmeros pequenos e aproximadamente
iguais, pelo que se pode concluir que este algoritmo numericamente instvel.
Segundo o mesmo autor chamado, a verificao se um algoritmo for estvel em sentido para diante,
sobre tudo naqueles algoritmos onde o nmero de operaes elevado, complexa e difcil. Por esta razo
se introduz na anlise numrica a anlise para trs para estudar a estabilidade de um algoritmo.
Definio: Um algoritmo para resolver um problema numericamente estvel em sentido de anlise
para trs se o resultado numrico do algoritmo pode ser interpretado como um resultado exato para os dados
perturbados, quer dizer:
y = P(x ) e se,
xi xi
xi
12 Polinomio de Taylor
12.1 Estudio Local de una Funcin
Siempre, el valor de un polinomio se puede calcular en cualquier punto de su dominio, sin ms que
efectuar las operaciones indicadas. Sin embargo, el valor de las funciones no polinmicas (trascendentes o
fraccionarias) pueden ser conocidos solo en algunos puntos en particular de su dominio de definicin, pero
no en todos o, resultar en complejos clculos.
Por tal motivo se expresa en las Ciencias Matemticas que las funciones polinnicas son mas simples
de manejar y procesar. Por ello, el poder expresar una funcin cualquiera como un polinomio, es un objetivo
48 / 64
deseable para efectos de su valoracin en cualquier punto de su dominio; sea esta valoracin exacta o
aproximada.
Siendo as, por medio de la aproximacin local de funciones se pretende calcular el valor aproximado
de una funcin en un punto, conocido el valor de la funcin en un punto cercano. Entonces, el problema se
reduce a calcular el valor de la funcin en un punto f ( x) conociendo el valor de la misma funcin en un
punto cercano f ( x0 ) (Figura 11)
En este sentido, la aproximacin mediante la recta tangente y el teorema del valor medio son
aproximaciones poco convenientes en cuanto el valor analizado se aleja del valor conocido. Por ello se
pretende hallar una funcin polinmica que coincida (Figura 12), con el menor error posible, con la funcin
dada en un entorno cercano del punto f ( xo ) = p ( xo ) f (x ) p ( x ) [VERA BALLESTEROS, 2004].
49 / 64
En general: p ( x) =
k =0
p k ( 0) k
x , resultando un polinomio centrado en el origen.
k!
POLINOMIO DE TAYLOR
Toda funcin polinmica
p ( x) =
k =0
p" ( x0 )
p n ( x0 )
( x x 0 ) 2 + ... +
( x x 0 ) n . En general:
n!
2!
p k ( x0 )
( x x0 ) k , De lo que resulta un polinomio centrado en el punto de abscisa x0
k!
y = f ( x)
f ( x) p n ( x); x ( xo , xo + ) :
p n ( x)
Suponiendo conocidos el valor de la funcin f ( x) y los de sus derivadas en el punto x0 se debe
calcular el valor aproximado de la funcin en un punto cercano x , utilizando para ello una funcin
polinmica de aproximacin.
Como funcin de aproximacin se debe buscar aquella funcin polinmica que pase por el
punto ( x0 , f ( x0 ) ) , que presenta la misma pendiente, la misma concavidad, el mismo crecimiento, etc. As es
evidente que cuanto mas condicionantes coincidan entre la funcin y el polinomio de aproximacin a su paso
por el punto dato, mas semejantes sern entre ellas cuando el punto incgnita se aleje del punto de
acumulacin.
Por eso la funcin polinmica de aproximacin deber cumplir que:
p n ( x 0 ) = f ( x0 ) : (1)
p n ( x 0 ) = f ( x 0 ) : ( 2)
p " ( x ) = f " ( x ) : (3)
y = f ( x)
n 0
0
x E * ( xo ; ) ;
(
)
(
)
f
x
p
x
' ''
n
' ''
p n ( x)
p n ( x 0 ) = f ( x 0 ) : ( 4)
...
p n( n ) ( x0 ) = f ( n ) ( x0 ) : (n)
50 / 64
Donde la condicin:
-
(2) asegura que los dos pasan por el punto dato y la pendiente es la misma
(3) asegura que los dos pasan por el punto dato y la concavidad es la misma
(4) asegura que los dos pasan por el punto dato y el crecimiento es el mismo
(n) asegura que los dos pasan por el punto dato y otras coincidencias mas
El polinomio que cumpla con estas condiciones se puede encontrar mediante la frmula de Taylor:
p n ( x) = p n ( x0 ) + p n ( x0 )( x x0 ) +
p n" ( x0 )
p ( n ) ( x0 )
( x x0 ) 2 + ... + n
( x x0 ) n
n!
2!
f n" ( x0 )
f n( n ) ( x 0 )
2
p n ( x) = f n ( x0 ) + f ( x0 )( x x 0 ) +
( x x0 ) + ... +
( x x0 ) n
n!
2!
f n" ( x0 )
f n( n ) ( x0 )
2
f ( x) f n ( x0 ) + f ( x0 )( x x0 ) +
( x x0 ) + ... +
( x x0 ) n
n!
2!
f ( x) p n ( x) =
k =0
f k ( x0 )
( x x0 ) k
k!
El n-simo monomio ser de grado n , ya que el ltimo coeficiente puede ser cero al estar
definido como la derivada n-sima de la funcin, y esta funcin no es polinmica, por lo que la
funcin puede tomar cualquier valor, incluido el valor nulo.
-
El primer polinomio de Taylor siempre coincide con la recta tangente a la curva dada en el
51 / 64
y = f ( x)
f ( x ) p n ( x ) Rn ( x ) = f ( x ) p n ( x )
p n ( x)
Teorema del Resto: Sea f una funcin definida en el intervalo cerrado [a, b] tal que f
continua en el mismo intervalo cerrado y f
( n +1)
(n )
es
p n ( x) = f n ( x0 ) + f n ( x0 )( x x 0 ) +
f n" ( x0 )
f ( n) ( x0 )
( x x0 ) 2 + ... + n
( x x0 ) n
n!
2!
Siendo as, entonces existe un punto c entre x y x0 tal que el error que se comete al aproximar la
funcin f mediante el n-simo polinomio de Taylor en un entorno del punto x0 , queda definido por la
expresin: Rn ( x) =
f n( n +1) (c)
( x x0 ) n +1
(n + 1)!
A esta expresin del Resto de Taylor se la indica como expresin de Lagrange. Aun existiendo otras
expresiones posibles de utilizar para calcular el error, esta es la mas simple, pues es trmino siguiente del
desarrollo, con la derivada evaluada en el punto intermedio c [VERA BALLSTERO, 2004].
Entonces, para hallar el valor de una funcin en un punto, se desarrolla la funcin en un punto cercano
conocido y se toma, como valor aproximado de la funcin el que tome el polinomio. Por su parte, el error
cometido en esta aproximacin se calcula con la expresin de Lagrange, en la que, como el punto c no esta
bien determinado, el error no se conoce con exactitud, pero se puede conocer una acotacin del error
teniendo en cuenta el entorno de variacin de c .
13 PROPAGACIN DE ERRORES
13.1 INTRODUCCIN
Los errores no solo afectan al propio valor de la medicin, sino que se propagan, extienden o
reproducen cuando los datos se someten a diversas transformaciones por medio de algn algoritmo de
clculo. La propagacin de los errores est tanto presente en la produccin de informacin derivada como en
la propia modelacin del dato que se deba hacer. Como informacin derivada se hace referencia a aquella
52 / 64
que surge de clculos de nuevos valores a partir de varios datos iniciales, cada uno de ellos con sus propios
errores y, como modelacin a aquellos procesos matemticos realizados sobre el mismo dato, por ejemplo
para cambiar de un sistema coordenado para otro equivalente.
Puede indicarse dos tipos de propagacin, dependiendo del caso, aquella propagacin simple, en la
que el error pasa de un dato para otro, y aquella propagacin es cascada, en la que los errores se propagan y
combinan de forma a veces incontroladas mediante operaciones booleanas de cruzamiento, unin ,
diferencias entre los datos1.
Cuando los valores medidos toman parte en el clculo de nuevas magnitudes, es importante conocer
la repercusin de sus propios errores en el clculo. La finalidad del estudio de propagacin de errores es
establecer modelos matemticos que regulen la expresin del error de una medida obtenida por clculos,
donde participaron medidas ya efectuadas con un error propio imbuidos en ellas.
La obtencin de las nuevas informaciones se hacen a partir de los datos iniciales y mediante funciones
concretas. Dado que los valores datos nunca estarn exentos de errores, es necesario conocer como se
transmiten estos errores. Cabe entonces, hablar de modelos de propagacin de los errores. Este modelo de
propagacin puede hacerse mediante representaciones matemticas que dependern del proceso involucrado,
de las hiptesis de propagacin del error y del conocimientos sobre la calidad de los datos y el propio
comportamiento de las funciones [ARIZA LOPEZ, 2002]
Ni que decir relativo al propio proceso computacional de clculo que debido a las limitantes de
almacenamiento y procesamiento del medio de clculo numrico, provoca nuevos errores que se propagarn
directamente a los resultados a travs del algoritmo de clculo, dependiendo de la estabilidad de algoritmo y
del condicionamiento del problema, como se indic oportunamente.
Segn ARIZA LOPEZ [2002], si las hiptesis planteadas para la propagacin de errores estn
equivocadas podrn a veces generar valores extraos que llamarn la atencin respecto a la existencia de
algn problema. Es por ello por lo que la fiabilidad de un ndice de error se mejora con la ayuda de datos
complementarios. Cuando estos datos no sean posibles, una estrategia es fijar los errores mximos y mnimos
que se pueden tolerar en los errores propagados, aunque esta estrategia debe ser manejada con precaucin,
pues en algunos casos, los errores mximos y mnimos se saturan rpidamente hacia valores extremos2
El planteamiento de modelos matemticos no es conveniente cuando existe una alta correlacin entre
las variable, pues esta correlacin puede enmascarar el real efecto de los errores en el resultado final, y
tambin cuando la definicin de este modelo matemtico es difcil y complejo de determinar correctamente.
1
2
En estos casos, un estudio estadstico sobre los datos finales y su relacin con los datos iniciales son una
mejor solucin al estudio de la propagacin de errores. [ARIZA LOPEZ, 2002] Existe entonces un
planteamiento similar a otras reas de las Ciencias, donde se puede distinguir entre mtodos fsicos, que
requieren el conocimiento de todos y cada uno de los procesos involucrados en la transformacin y los
mtodos estadsticos, o de cajas negras en los que no importa las relaciones matemticas que ocurren en
los procesos, solo se analiza el resultado final en relacin con los datos iniciales y / o los datos verdaderos
que pueden ser simplemente datos obtenidos de una mejor fuente o instrumental de mayor precisin.
Segn Crosetto y Tarantola in ARIZA LOPEZ [2002] dado que los efectos de la propagacin son
difciles de medir, se plantea la necesidad de realizar una calibracin con datos y operaciones conocidas. En
este sentido, la simulacin permite esta calibracin, mientras que los anlisis de sensibilidad
correspondientes permiten cuantificar en qu medida influyen individualmente cada una de las fuentes de
errores en la incertidumbre final. Indica finalmente el mismo autor que aun existiendo algunos trabajos
experimentales relacionados con este tema, es una asignatura pendiente dentro de la teora de propagacin
de errores.
x0 D un valor que aproxima a funcin con un error x , se debe conocer con que error z la
funcin z 0 = f ( x 0 ) aproxima a z = f ( x) . Entonces, siendo x [x0 x ; x 0 + x ] D , se llama como
f min f max a los valores mnimos y mximos de la funcin en el intervalo indicado. Luego, por ser la
funcin continua, resulta z 0 [ f min ; f max ] y, z = mx[ f ( x0 ) f min ; f max f ( x0 )]
Pero calcular los extremos de una funcin en un intervalo (mximo y mnimo) no es simple ni es
eficiente, por lo que se debe procurar otra forma de determinar el error de aproximacin. Siendo la funcin
continua y diferenciable al menos en el intervalo en estudio, el polinomio de aproximacin de Taylor resulta
una forma razonable y eficiente de realizar dicha evaluacin.
54 / 64
f n" ( x0 )
f n( n ) ( x0 )
2
f ( x) f n ( x0 ) + f ( x0 )( x x0 ) +
( x x0 ) + ... +
( x x0 ) n
n!
2!
En este caso, el desarrollo de la funcin se realizar hasta el primer trmino de Taylor, considerndose
los dems trminos del polinomio de aproximacin de Taylor (Resto) despreciables, con lo que se est
provocando la linearizacin de la funcin en el entorno del punto en estudio, por medio de la tangente;
recordando que para poder desarrollar Taylor la funcin original debe ser continua y derivable, resulta:
f ( x) f n ( x0 ) + f n ( x0 )( x x 0 )
Para este caso, el error por aproximacin resulta: Rn ( x) =
f n" (c)
( x x0 ) 2
2
F
F
F
F ( x) f ( x1 , x 2 ,..., x n ) +
( x x1 ) +
( x x 2 ) + ... +
( x x n )
x 2
x n
x1
Se debe analizar la correlacin entre las variables, para que no resulten enmascaradas por alta
correlacin, efectos de propagacin de errores.
f n" ( x 0 )
( x x0 ) 2
2!
F
2F
2F
F
F 2 F
F ( x) f ( x1 , x 2 ,..., x n ) +
1 +
2 + ... +
n + 2 1 + 2 2 + ... + 2 n
x
x
x
x 2
x n
n
2
x1
1
55 / 64
F
2F
2F
F
F 2 F
F + F = f ( x1 , x 2 ,..., x n ) +
1 +
2 + ... +
n + 2 1 + 2 2 + ... + 2 n + ...
x 2
x n x1
x 2
x n
x1
Donde, pueden no considerarse las derivadas de orden superior por ser infinitsimos, resulta:
F + F = f ( x1 , x 2 ,..., x n ) +
F
F
F
1 +
2 + ... +
n
x1
x 2
x n
F
F
F
1 +
2 + ... +
n ,
x1
x 2
x n
expresin genrica del error verdadero de propagacin de los errores de las diversas variables de la funcin.
Considerando al error medio cuadrtico como la media de los cuadrados de los errores verdaderos, la
expresin anterior da como resultado el siguiente desvo estndar o error medio cuadrtico:
2
F 2 F
1 +
=
x1
x 2
2
F
F
2
2 + ... +
x n
2
n
La que generalizadas, y llevada al valor absoluto para evitar las compensaciones naturales por signos,
56 / 64
resultan las siguientes expresiones para el error total propagado y su desvo estndar:
2
n
F
F
2
F =
i y, F =
i2
xi
i =1 xi
i =1
En estas expresiones se debe tener en cuenta que, cuando cada medida se ha realizado solo una vez, el
valor utilizado para estos clculos debe considerarse como el error de lectura o sensibilidad del instrumento
de medida.
Finalmente, cabe indicar que el anlisis de errores con la aplicacin de la ley de propagacin de
errores y variancias es muy til, tanto en estudios preliminares de levantamiento para definir el mtodo e
instrumental de trabajo, as como para el anlisis de los errores y precisiones en los valores finales calculados
con los datos de campo.
Las incgnitas son las coordenadas del punto levantado P(yp; xp).
y = ye + d cos sen
x = xe + d cos cos
57 / 64
Donde, cada dato puede obtenerse de manera directa o indirecta, lo que afectar al valor final de la
propagacin del error, as como por ejemplo, al medir el acimut a partir de dos puntos demarcado en campo,
se estar adicionando u nuevo error que se propagar hacia el resultado de las coordenadas del punto medido.
ye d
ye d v
Frmula de base.
Variables.
2y
y
=
y E
2 y 2 2 y
e + d +
d
2 y 2
v +
h
Finalmente, a resultante do desvo estndar se puede calcular por aplicacin del Teorema de Pitgoras,
por el hecho de haberse calculado las componentes sobre los ejes, entonces resulta:
2p = 2y + x2 ; y por las expresiones anteriores, resulta:
2p = 2 e2 + d2 cos 2 + a2 d 2
p = Punto levantado
e = Punto estacin
d = Medida linear
a = Medidas angulares
Mediciones:
-
El valor del acimut no forma parte de la expresin del desvo estndar, por lo que se puede
La precisin del punto depende de las precisiones de las coordenadas del punto estacin.
59 / 64
ESTUDIO DE CASO
Como estudio de caso, se ejemplificar teniendo en cuenta tres grupos de distancias: cortas, medias y
largas., apenas para definir diferentes niveles de trabajo, y se fijaran los desvos estndares de las
mediciones, pudiendo calcular asi los diferentes desvos estndares de los untos levantados.
Los datos considerados, teniendo en cuenta esos tres tipos de distancias, con relacin al catastro
tcnico inmobiliario son los fiados en la Tabla 1. Los desvos estndares adoptados para os ejemplos se
pueden visualizar en la Tabla 2.
Se considero para el estudio de caso que las mediciones son horizontales. Con todo esto, los resultados
de los clculos basados en la expresin definida para los desvos estndares fijados como ejemplo, son los
presentados en la Tabla 3.
Tabla 1 Tipos de distancia
Tipo de distancia
Corta
Medias
Largas
Extremos fijados
Menos de 500m
Entre 500 a 2000m
Mas de 2000m
Ejemplo
50m y 500m
1000m
5000m
Desvo Estndar
e
d
a
Medicin
0,10m
0,05m
20 y 05
Tipo de distancia
50m
500m
1000m
5000m
Se puede observar en los resultados que la precisin del punto levantado es disminuida en relacin al
punto estacin, dependiendo de la distancia y de la precisin angular.
AMPLIACIN AL CASO DE LEVANTAMIENTO POR COORDENADAS POLARES: CALCULO DEL ACIMUT
En el caso del clculo de coordenadas de un punto por coordenadas polares, se tiene la posibilidad de
calcular el acimut a partir de dos puntos conocidos, por ello, el modelo matemtico estar influenciado por
este proceso de clculo de acimut (Figura 14) y la precisin final del punto levantado tendr la propagacin
relativa a este nuevo proceso, de la forma indicada a continuacin.
60 / 64
Datos:
-
Incgnitas:
Acimut de arranque
SOLUCIN:
En primer lugar, se debe calcular el acimut de la lnea de arranque para despus calcular el acimut del
punto a levantar.
Por analoga con el primer modelo presentado, se calculan entonces las coordenadas del punto
levantado.
e = arctan
dey
ye1 ye
= arctan
dex
xe1 xe
y, por lo tanto: = e + p
y = ye + d cos sen
x = xe + d cos cos
En definitiva, solo varia la forma de clculo del acimut del punto, lo que tendr reflejo en las
expresiones finales de la propagacin de los errores
61 / 64
e = arctan
ye1 ye
xe1 xe
dey = ye1 ye
Formula de base
ye1 ye
Variables
e1 e
2
dey
2
dey
= e21 + e2
2
dex
= e21 + e2
2
2
2
de
= dey
= dex
Z=
dey
, en la que por condiciones semejantes a las anteriores, resulta:
dex
Z2
Z 2 Z 2
de +
=
de
dex
dey
62 / 64
dey 2 dey 2
e
e1 +
=
ye
ye1
2
Pero, luego de calcular las respectivas derivadas, resulta: z
2
= de
d ex
2
d ey
+ 4
d ex
2
z2 = de
d e2
4
d ex
Propagacin en el clculo del ngulo del acimut entre los puntos datos
e = arctan Z
Formula de base
Variable
Segn ya se conoce:
2e
= e z2
z
Resulta finalmente:
2e
z2
(1 + z 2 )2
2e = e21 + e2
Con lo que se puede concluir que la precisin del ngulo calculado entre dos puntos con el eje X esta
relacionada directamente con la precisin de estos dos puntos.
Propagacin em el acimut del punto levantado
= e + p
e
Formula de base
Variables
e h
2 2
h
=
e +
2 = 2e + h2 2 = e21 + e2 + h2
63 / 64
Expresin que luego del lgebra correspondiente y la igualacin de la precisin horizontal y vertical
de los ngulos medidos, resulta:
Expresin semejante, a no ser por el ltimo trmino, a la deducida para el primer modelo. Este trmino
introduce en la expresin la influencia por el clculo del acimut a partir de dos puntos conocidos.
.-
64 / 64