O documento discute os tipos de erros que podem ocorrer em cálculos numéricos, como erros de arredondamento, truncamento e representação. Explica que erros estão sempre presentes devido à imprecisão dos dados e aproximações necessárias nos métodos numéricos. Também aborda a propagação dos erros e formas de se estimar erros absolutos e relativos.
3. Erros
Existem vários tipos de erros e várias
são as suas causas
Por erro é entendida a diferença entre o
valor real de uma dada grandeza e
aquela que é obtida
4. Erros
Logo, erro é um conceito filosófico: se
não conhecemos o valor real de uma
dada grandeza, como podemos saber a
diferença entre este valor e o obtido por
algum método de medição ou de
cálculo?
Modernamente muitos preferem usar o
termo incerteza do que erro
5. Erros - Existência
Erros estão sempre presentes nas soluções
numéricas
Dados representados por intervalo:
imprecisão na medição ou incerteza sobre o
valor verdadeiro
Exemplo: 50,3 ± 0,2 cm
Erro Inerente
6. Erro Inerente
Aparecem na criação ou simplificação de um
modelo matemático de determinado sistema,
ou ainda nas medidas, em geral.
Os valores de medidas como tempo,
temperatura, distância, intensidade luminosa,
entre outros, são obtidos de instrumentos
que tem precisão limitada
Sobre tais erros o analista numérico não tem
meios de evitá-los ou meios de minimizar os
seus efeitos
7. Erros - Existência
Erros estão sempre presente nas soluções numéricas
os métodos numéricos geralmente são
aproximados, iterativos, buscando minimizar o erro
Erro de truncamento
8. Erro de Truncamento
São erros cometidos quando se
substitui qualquer processo infinito
por um processo finito ou discreto
Quando isso acontece, partes dos
processo são desprezados
9. Erro de Truncamento
Quando representamos números reais
utilizando o sistema decimal ou binário
(utilizado por computadores) de um modo
geral. Ao executarmos algumas operações, o
resultado pode necessitar de um número
muito grande de dígitos (até mesmo um
número infinito de dígitos, no caso de
números irracionais) para representar com
exatidão
10. Erro de Truncamento
O que ocorre é a limitação do número
de dígitos de modo que o erro
introduzido seja desprezível para o
propósito a que se destina o cálculo
efetuado
Para amenizar o erro introduzido por
truncamento, é procedimento normal
arredondar o número
11. Erros - Existência
Erros estão sempre presente nas soluções numéricas
a representação dos números reais, com um número
finito de dígitos, dependem da máquina utilizada
podendo exigir aproximações (lembremos que um
número, pode ter representação finita em uma base e
não finita em outra)
Erro de Representação.
12. Erros - Existência
Erros estão sempre presente nas soluções numéricas.
A conversão de bases pode acarretar erros.
Erro de Conversão
Operações com dados imprecisos / incertos
acarretam propagação do erro.
13. Erros - Existência
Ex. 01: Calcular a área de uma circunferência de
raio 100 m
= r 2
Resultados:
P/ =3,14 (1) A = 31400 m2
=3,1416 (2) A = 31416 m2
=3,141592654 (3) A = 31414,92654 m2
14. Erros - Existência
(1) A = 31400 m2
(2) A = 31416 m2
(3) A = 31414,92654 m2
Como justificar as diferentes áreas calculadas?
Os resultados dos cálculos realizados dependem da
representação dos números nas máquinas utilizadas.
não tem representação finita, sempre será representado
de forma aproximada: 3,14, 3,1416 e 3,141592654, para os
cálculos 1,2 e 3, respectivamente.
15. Erros - Existência
Ex. 02: Calcular usando uma calculadora e um
computador:
, para xi = 0,5 e xi = 0,11
3000
1
i
i
x
S
Resultados:
para xi=0,5 calculadora: S= 15000
computador: S= 15000
para xi =0,11 calculadora: S= 3300
computador: S=3299.99691
16. Erros - Existência
Resultados:
para xi=0,5 calculadora: S= 15000
computador: S=15000
para xi =0,11 calculadora: S= 3300
computador: S= 3299.99691
Os resultados dos cálculos realizados dependem da
representação dos números nas máquinas utilizadas.
(0,11)10 = (0,000111 )2 = (0,109375 )10
(0,11)10 não tem representação finita na base 2.
17. Erros - Existência
Ex.03: Fazer a conversão de O,1 de base 10
para a base 2
(O,1)10 = (0,00011001100110011...)2
(O,1)10 não tem representação exata na base 2.
A representação de um número depende da base em uso e do
número máximo de dígitos usados na sua representação.
18. Erros - Tipos
Absoluto
Relativo
Quanto menor for o erro, mais preciso
será o resultado da operação
Truncamento
Arredondamento
19. Erros – Arredondamento
Ex. 05: Seja: calcular em uma máquina digital
Não existe uma forma de representar um número
irrracional com um número finito de algarismos.
Portanto, o número apresentado pela
calculadora é uma aproximação do valor real de
(1,41421356....). O erro introduzido é chamado
erro de arredondamento
2
2
20. Erros –Truncamento
Ex. 06: Seja: calcular o valor de .
Sabemos que a exponencial é uma função que
pode ser representada por uma série infinita,
.....
4!
x
3!
x
2!
x
x
1
e
4
3
2
x
x
e
21. Erros –Truncamento
na prática, é impossível calcular seu valor
exato. Tem que se fazer uma aproximação, que
levará a um erro no resultado final de ex. O erro
introduzido é chamado erro de truncamento.
.....
4!
x
3!
x
2!
x
x
1
e
4
3
2
x
22. Erros – Absoluto e Relativo
Erro Absoluto = Valor Exato – Valor Aproximado
EAx = x –
Erro Relativo = Erro Absoluto / Valor Aproximado
ERx = (x – ) /
Obs.: Erro Porcentualx = ERx x 100
x
x
x
23. Erros – Absolutos
Em geral, não é possível obter EAx, pois não se
conhece x.
A solução é obter um limitante superior ou uma
estimativa do erro absoluto.
|EAx| = |x - | < limitante superior
EX. 01: Para (3.14 ,3.15)
|EA | = | | < 0.01
x
π
π
24. Erros – Absolutos
Ex. 04: Para = 2112,9 com |EAx| < 0.1
temos x (2112,8, 2113),
Para = 5.3 com |EAx| < 0.1
temos y (5.2,5.4)
Temos mesmos limitantes superiores. Pode-se
afirmar que x e y são representados com a mesma
precisão?
É preciso comparar a ordem de grandeza de x e y.
x
y
25. Erros – Relativos
Dependendo da ordem de grandeza o erro
absoluto não é suficiente para descrever a
precisão de um cálculo.
Erro Relativo
26. Erros – Relativos
Ainda, no Ex. 04:
Para = 2112,9 com |EAx| < 0.1
|EAx| = |x - | / | | = 0.1/2112.9 4.7 x 10-5
Para = 5.3 com |EAx| < 0.1
|EAy| = |y - | / | | = 0.1/5.3 0.02
Mostramos que X é representado com maior
precisão que y
x
y
y
y
x
x
27. Erros – Propagação
Ao se resolver um problema numericamente, a cada etapa e
a cada operação realizada, devem surgir diferentes tipos de
erros gerados das mais variadas maneiras, e estes erros se
propagam e determinam o erro no resultado final obtido.
Conhecer os efeitos da propagação de erros é muito
importante pois, além de determinar o erro final de uma
operação numérica, pode-se conhecer a sensibilidade de
um determinado problema ou método numérico.
28. Conversão de números
Representação de inteiros
Base decimal (10)
10 dígitos disponíveis [0,1,2, ... ,9]
“Posição” indica potência positiva de 10
5432 = 5x103 + 4x102 + 3x101 + 2x100
29. Conversão de números
Representação de inteiros
Base binária (2)
2 “bits” disponíveis [0,1]
“Posição” indica potência positiva de 2
1011 na base 2 = 1x23 + 0x22 + 1x21 + 1x20 =
8+0+2+1 = 11 na base decimal
30. Conversão de números
Representação de números fracionários
Base decimal (10)
“Posição” da parte inteira indica potência positiva
de 10
Potência negativa de 10 para parte fracionária
54,32 = 5x101 + 4x100 + 3x10-1 + 2x10-2
31. Conversão de números
Representação de números fracionários
Base binária (2)
“Posição” da parte inteira indica potência positiva
de 2
Potência negativa de 2 para parte fracionária
10,11 na base 2 = 1x21 + 0x20 + 1x2-1 + 1x2-
2 = 2+0+1/2+1/4 = 2,75 na base decimal
32. Conversão de números inteiros
Binário para decimal
Já visto
Inteiro decimal para binário
Divisão inteira (do quociente) sucessiva por 2, até que
resto seja = 0 ou 1
Binário = composição do último quociente (Bit Mais
Significativo – BMS) com restos (primeiro resto é bit
menos significativo – bms)
33. Conversão de números inteiros
Exemplo: Converter 25 decimal para binário
25 / 2 = 12 (quociente) e resto 1=bms
12 / 2 = 6 (quociente) e resto 0
6 / 2 = 3 (quociente) e resto 0
3 / 2 = 1 (último quociente=BMS) e resto 1
Binário = 1 1 0 0 1
= 1x24 + 1x24 + 0x22 + 0x21 + 1x20
= 16 + 8 + 0 + 0 + 1 = 25 decimal
35. Conversão de fração
Operação inversa: multiplicar parte
fracionária por 2 até que parte
fracionária do resultado seja 0 (zero)
Bits da parte fracionária derivados das
partes inteiras das multiplicações
Bit imediatamente à direita da vírgula =
Parte inteira da primeira multiplicação
36. Conversão de fração
Exemplo: converter 0,625 decimal para binário
0,625 x 2 = 1,25 logo a primeira casa fracionária é
1 ; nova fração (resto) é 0,25 (1,25-1=0,25)
0,25 x 2 = 0,5 segunda casa é 0 ; resto é 0,5
0,5 x 2 = 1,0 terceira casa é 1 ; resto é zero.
Resultado: 0,62510 = 0,1012
37. Conversão de fração
Para converter um número com parte
inteira e parte fracionária, fazer a
conversão de cada parte,
separadamente.
39. Representação em
ponto flutuante
Representação pode variar (“flutuar”) a
posição da vírgula, ajustando potência
da base.
54,32 = 54,32 x 100 = 5,432 x 101 =
0,5432 x 102 = 5432,0 x 10-2
Forma normalizada usa um único dígito
antes da vírgula, diferente de zero
Exemplo: 5,432 x 101
40. Representação em pto flutuante
No sistema binário:
110101 = 110,101x23 = 1,10101x25 =
0,0110101x27
No caso dos números serem armazenados em um
computador, os expoentes serão também
gravados na base dois
Como 310 = 112 e 7=1112
110,101 x (10)11 = 1,10101x(10)101 = 0,0110101x(10)111
Na representação normalizada, há apenas um “1”
antes da vírgula
Exemplo: 1,10101x(10)101
41. Representação em pto flutuante
Algumas definições
No número 1,10101x(10)101 , tomado como
referência:
1,10101 = significando (antiga “mantissa”)
101 = expoente
OBS:
a base binária não precisa ser explicitada
(o computador usa sempre esta)
O “1” antes da vírgula, na representação
normalizada – se esta for adotada, também pode
ficar implícito, economizando um bit (“bit
escondido”).
42. Armazenamento de float
Na organização/arquitetura do
computador, definir:
Número de bits do significando (precisão, p)
Número de bits do expoente
Um bit (“0” para + e “1” para -) de sinal
(tipicamente o primeiro, da esquerda)
43. Armazenamento de float
Ilustração
Sinal do número: 0 = + e 1 = -
Expoentes: 8 combinações possíveis
Sinal do Número: Bit 6: 0 = + e 1 = -
Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0
Expoente (+/-) Significando
Sinal
44. Armazenamento de float
000 (especial)
001
010
011
100
101
110
111 (especial)
Bit 7 Bit 6 Bit 5 Bit 4 Bit 3 Bit 2 Bit 1 Bit 0
Expoente (+/-)
Sinal
0 = +
1 = -
1,0000
1,0001
....
....
1,1111
1 = bit escondido
Significando
45. Arquitetura de 32 bits
Alocaremos 4 bytes para representar o
número, totalizando 32 bits;
O primeiro bit do primeiro byte (bit 0)
representará o sinal do número (0 positivo e 1
negativo);
Os bits de 1 a 7 (7 bits) representarão a
característica (expoente), sendo que o bit 1
representará o sinal do expoente e os bits de 2
a 8 representarão o módulo do expoente;
Os bits 8 a 31 (24 bits) representarão a
mantissa.