Calcolo Numerico Esercizi Svolti Errre Relativo

Calcola l’errore relativo tra il valore approssimato e il valore esatto con precisione scientifica. Ideale per esercizi di analisi numerica e verifica dei risultati.

Guida Completa al Calcolo dell’Errore Relativo negli Esercizi di Analisi Numerica

Nel campo del calcolo numerico, la valutazione degli errori rappresenta un aspetto fondamentale per garantire l’affidabilità dei risultati ottenuti. Tra le varie tipologie di errore, l’errore relativo assume particolare importanza perché permette di contestualizzare la precisione del risultato approssimato rispetto al valore esatto, indipendentemente dalla scala dei numeri coinvolti.

Definizione Matematica dell’Errore Relativo

L’errore relativo \( E_r \) tra un valore approssimato \( V_{app} \) e un valore esatto \( V_{esatto} \) è definito come:

\[ E_r = \frac{|V_{esatto} – V_{app}|}{|V_{esatto}|} \]

Dove:

• \( |V_{esatto} – V_{app}| \): rappresenta l’errore assoluto
• \( |V_{esatto}| \): è il valore assoluto del dato esatto (per evitare divisioni per zero)

L’errore relativo viene spesso espresso in forma percentuale moltiplicando il risultato per 100:

\[ E_r\% = E_r \times 100 \]

Differenze tra Errore Assoluto e Errore Relativo

Caratteristica	Errore Assoluto	Errore Relativo
Definizione	Differenza assoluta tra valore esatto e approssimato	Rapporto tra errore assoluto e valore esatto
Unità di misura	Stessa unità del dato misurato	Adimensionale (o percentuale)
Dipendenza dalla scala	Dipende dalla grandezza dei numeri	Indipendente dalla scala
Utilizzo tipico	Quando l’ordine di grandezza è rilevante	Per confrontare precisioni tra misure diverse

Applicazioni Pratiche dell’Errore Relativo

L’errore relativo trova applicazione in numerosi contesti scientifici e ingegneristici:

1. Analisi Numerica: Valutazione della convergenza degli algoritmi iterativi (es. metodo di Newton, bisezione)
2. Fisica Sperimentale: Determinazione della precisione delle misure strumentali
3. Ingegneria: Verifica della tolleranza nei progetti (es. tolleranze dimensionali)
4. Economia: Analisi della precisione nelle previsioni finanziarie
5. Informatica: Ottimizzazione degli algoritmi per la rappresentazione dei numeri in virgola mobile

Esempio Pratico di Calcolo

Supponiamo di avere:

• Valore esatto: \( V_{esatto} = 3.1415926535 \) (π con 10 cifre decimali)
• Valore approssimato: \( V_{app} = 3.1416 \) (arrotondamento a 5 cifre decimali)

Calcolo dell’errore assoluto:

\[ E_a = |3.1415926535 – 3.1416| = 0.0000073465 \]

Calcolo dell’errore relativo:

\[ E_r = \frac{0.0000073465}{3.1415926535} ≈ 2.338 \times 10^{-6} \]

Errore percentuale:

\[ E_r\% = 2.338 \times 10^{-6} \times 100 ≈ 0.0002338\% \]

Questo risultato indica che l’approssimazione ha un errore relativo dello 0.0002338%, corrispondente a circa 2.3 parti per milione.

Cifre Significative e Errore Relativo

Esiste una relazione diretta tra l’errore relativo e il numero di cifre significative corrette in una misura. La tabella seguente illustra questa relazione:

Errore Relativo (Er)	Cifre Significative Corrette	Esempio (per Vesatto = 1.23456789)
Er ≤ 0.5 × 10^-1	1 cifra significativa	1
Er ≤ 0.5 × 10^-2	2 cifre significative	1.2
Er ≤ 0.5 × 10^-3	3 cifre significative	1.23
Er ≤ 0.5 × 10^-4	4 cifre significative	1.235
Er ≤ 0.5 × 10^-5	5 cifre significative	1.2346

Questa relazione è fondamentale per determinare la precisione necessaria in un calcolo numerico. Ad esempio, se si richiedono 4 cifre significative corrette, l’errore relativo deve essere inferiore a 0.00005 (5 × 10^-5).

Propagazione degli Errori Relativi

Quando si eseguono operazioni matematiche con valori approssimati, gli errori si propagano secondo regole specifiche. Per l’errore relativo valgon le seguenti approssimazioni:

• Addizione/Sottrazione: L’errore assoluto del risultato è la somma degli errori assoluti
• Moltiplicazione/Divisione: L’errore relativo del risultato è approssimativamente la somma degli errori relativi
• Potenza: Per \( y = x^n \), l’errore relativo è \( E_r(y) ≈ n \cdot E_r(x) \)
• Funzioni trascendenti (es. log, exp, trigonometriche): L’errore relativo dipende dalla derivata della funzione

Queste regole sono essenziali per la stima dell’errore nei calcoli complessi, dove multiple operazioni vengono eseguite in sequenza.

Metodi per Ridurre l’Errore Relativo

Per minimizzare l’errore relativo nei calcoli numerici, è possibile adottare le seguenti strategie:

1. Aumentare la precisione dei dati in input: Utilizzare più cifre significative nei valori iniziali
2. Evitare operazioni con numeri di ordine di grandezza molto diverso: Questo può portare a perdita di precisione
3. Utilizzare algoritmi numericamente stabili: Alcuni algoritmi sono meno sensibili agli errori di arrotondamento
4. Applicare tecniche di aritmetica ad alta precisione: Come l’aritmetica a precisione arbitraria
5. Eseguire analisi dell’errore a priori: Valutare la propagazione dell’errore prima di eseguire i calcoli
6. Utilizzare rappresentazioni in virgola mobile con maggiore mantissa: Ad esempio, passare da float (32-bit) a double (64-bit)

Errori Relativi nei Metodi Numerici Comuni

Diversi metodi numerici presentano caratteristiche specifiche riguardo all’errore relativo:

• Metodo di Bisezione: Errore relativo proporzionale a \( \frac{1}{2^n} \), dove n è il numero di iterazioni
• Metodo di Newton-Raphson: Convergenza quadratica (errore relativo ridotto drasticamente ad ogni iterazione)
• Interpolazione polinomiale: Errore dipendente dal grado del polinomio e dalla distribuzione dei punti
• Integrazione numerica (Simpson, trapezi): Errore relativo dipendente dal passo di discretizzazione
• Soluzione di sistemi lineari: Errore relativo influenzato dal numero di condizionamento della matrice

Risorse Accademiche Autorevoli:

MIT – Numerical Error Analysis (PDF) UC Berkeley – Error Analysis in Numerical Methods NIST – Guide to the Expression of Uncertainty in Measurement

Errori Relativi nei Sistemi di Calcolo Moderni

Nei computer moderni, la rappresentazione dei numeri segue lo standard IEEE 754 per l’aritmetica in virgola mobile. Questo standard definisce:

• Single precision (32-bit): ~7 cifre decimali di precisione, errore relativo massimo ~1.2 × 10^-7
• Double precision (64-bit): ~15 cifre decimali, errore relativo massimo ~2.2 × 10^-16
• Extended precision (80-bit): Utilizzato internamente in alcune CPU per ridurre gli errori di arrotondamento

L’errore relativo massimo (chiamato epsilon macchina) rappresenta il più piccolo numero tale che \( 1 + \epsilon \neq 1 \) nella rappresentazione in virgola mobile. Per il double precision, \( \epsilon ≈ 2.22 \times 10^{-16} \).

Esempi di Esercizi Svolti

Esercizio 1: Calcolare l’errore relativo nell’approssimazione di \( \sqrt{2} \) con 1.4142, sapendo che il valore esatto è 1.4142135623.

Soluzione:

\[ E_r = \frac{|1.4142135623 – 1.4142|}{1.4142135623} ≈ 8.8 × 10^{-6} \]

Errore percentuale: 0.00088%

Esercizio 2: Un termometro misura una temperatura di 25.3°C con un errore assoluto massimo di ±0.2°C. Calcolare l’errore relativo massimo.

Soluzione:

\[ E_r = \frac{0.2}{25.3} ≈ 0.0079 \text{ (o 0.79%)} \]

Esercizio 3: In un esperimento di laboratorio, si misura una lunghezza di 12.65 cm con un errore assoluto di 0.05 cm. Determinare quante cifre significative sono affidabili.

Soluzione:

\[ E_r = \frac{0.05}{12.65} ≈ 0.00395 \text{ (o 0.395%)} \]

Poiché \( E_r ≈ 4 × 10^{-3} \), che è minore di \( 5 × 10^{-3} \), sono affidabili 3 cifre significative (12.6).

Errori Relativi nelle Applicazioni Scientifiche

In ambito scientifico, l’errore relativo viene utilizzato per:

• Confrontare misure di grandezze diverse: Ad esempio, confrontare la precisione nella misura di una distanza astronomica con quella di una dimensione atomica
• Valutare la qualità dei modelli matematici: Confronto tra dati sperimentali e previsioni teoriche
• Ottimizzare gli algoritmi di simulazione: Riduzione dell’errore nei metodi agli elementi finiti o differenze finite
• Analizzare dati sperimentali: Determinazione della significatività statistica dei risultati

Un esempio significativo è rappresentato dalla costante di gravità universale (G), il cui valore è noto con un errore relativo di circa 2.2 × 10^-5 (22 ppm), nonostante numerosi esperimenti condotti negli ultimi secoli.

Strumenti Software per l’Analisi degli Errori

Numerosi software scientifici includono funzionalità per l’analisi degli errori:

• MATLAB: Funzioni come eps per l’epsilon macchina e toolbox per l’analisi numerica
• Python (NumPy/SciPy): Moduli per l’aritmetica ad alta precisione e analisi degli errori
• Wolfram Mathematica: Funzioni integrate per la propagazione degli errori
• R: Pacchetti per l’analisi statistica degli errori sperimentali
• GNU Octave: Compatibile con MATLAB per l’analisi numerica

Questi strumenti permettono di automatizzare il calcolo degli errori relativi in contesti complessi, dove i calcoli manuali sarebbero proibitivi.

Errori Relativi nella Rappresentazione Binaria

Nei computer, i numeri sono rappresentati in formato binario, il che introduce specifiche problematiche:

• Errori di arrotondamento: Alcuni numeri decimali non hanno una rappresentazione binaria esatta (es. 0.1)
• Overflow/Underflow: Superamento dei limiti rappresentabili
• Cancellazione numerica: Perdita di cifre significative in operazioni tra numeri simili

Ad esempio, il numero decimale 0.1 in binario è rappresentato come una frazione periodica:

\[ 0.1_{10} = 0.00011001100110011…_2 \]

Questa approssimazione introduce un errore relativo di circa \( 1.11 × 10^{-17} \) in double precision.

Conclusione e Best Practices

La corretta valutazione dell’errore relativo è essenziale per:

1. Garantire l’affidabilità dei risultati numerici
2. Confrontare metodi computazionali diversi
3. Ottimizzare le risorse di calcolo (evitando precisioni eccessive)
4. Comunicare in modo trasparente l’incertezza dei dati

Le best practices includono:

• Sempre riportare l’errore insieme al risultato
• Utilizzare notazione scientifica per valori molto grandi o piccoli
• Verificare la propagazione degli errori in calcoli complessi
• Preferire algoritmi con buona stabilità numerica
• Documentare le assunzioni sulla precisione dei dati

L’errore relativo, insieme ad altre misure di incertezza, costituisce il fondamento della scienza della misura e dell’analisi numerica, discipline essenziali per il progresso scientifico e tecnologico.