Professional Documents
Culture Documents
x2 x2
xn
e 1 x
...
2 3!
n!
x
(1.1)
ex
e0.5
(1.2)
(1.3)
Respectivamente.
Tambin es conveniente para relacionar estos errores al nmero de cifras
significativas en la aproximacin.
Se puede demostrar que, si se cumple el siguiente criterio, se puede asegurar que
el resultado es correcto con las cifras al menos n significativas.
s 0.5 102n %
(1.4)
En primer lugar, la ecuacin. (1.4) puede ser empleado para determinar el criterio
de error que asegura un resultado que es correcto al menos a tres cifras
significativas:
nivel.
La primera estimacin es simplemente con un nico trmino. Por lo tanto, la primera
estimacin es igual a 1. La segunda estimacin se genera a continuacin mediante
la adicin del segundo trmino como se denota a continuacin:
ex 1 x
Para x 0.5
1.648721 1.5
100% 9.02%
1.648721
La ecuacin (1.3) se puede utilizar para determinar una estimacin aproximada del
error, como
1.5 1
100% 33.3%
1.5
Debido
s ,
continuaramos el clculo
x2
mediante la adicin de un nuevo termino,
, y repitiendo los clculos de error. El
2!
proceso contina hasta que
a s
Trminos
Resultado
t %
39.3
1.5
9.02
33.3
1.625
1.44
7.69
1.645833333
0.175
1.27
1.648437500
0.0172
0.158
1.648697917
0.00142
0.0158
a %
Por lo tanto, despus de se incluyen seis trminos, el error aproximado cae por
debajo de
que una estimacin de error aproximado cae por debajo de un criterio de detencin
como como se muestra en el siguiente ejemplo 1.
La expansin de la serie se puede expresar como
xn
e
i 0 n!
n
maxit . Si el
usuario omite cualquiera de los dos ltimos parmetros, la funcin asigna valores
predeterminados.
ex
cmo
se describe en el Ejemplo 1
La funcin inicializa tres variables:
a. iter, que mantiene un registro del nmero de iteraciones,
b. Sol, que tiene la estimacin actual de la solucin, y
c. una variable, ea, que tiene el error relativo porcentual aproximado. Tenga
en cuenta que ea Inicialmente se establece en un valor de 100 para
asegurar que el bucle se ejecuta al menos una vez.
e1
trueval =
2.718281828459046
>> et=abs((trueval- approxval)/trueval)*100
et =
8.316108397236229e-08
Como era el caso con el Ejemplo 1, se obtiene el resultado deseable de que el
verdadero error es menor que el error aproximado.