1 de 7 (Prof.

Bernardes)

Modelagem Matemática
Introdução

O objetivo da modelagem matemática é utilizar simuladores numéricos para determinação da solução de um problema. Esse
procedimento requer a execução da seguinte seqüência de etapas:

• Definir o problema real a ser resolvido;

• Observar fenômenos, levantar efeitos dominantes e fazer referência a conhecimentos prévios físicos e matemáticos;
• Criar modelo matemático;
• Resolver o problema matemático.

Abordagem 1:

Imagine que você queira medir a altura de um edifício utilizando

utilizando somente uma esfera de metal e um cronômetro, além
de seus conhecimentos de física. Seria possível? Poderia explicar
o procedimento adotado?
Figura 1: representação de uma cidade. Fonte: https://pixabay.com/pt/
illustrations/rua-casas-edif%C3%ADcios-arquitetura-1431207/. Acesso: 5 fev.
2020.

A modelagem seria a fase de obtenção de um modelo matemático que descreve um problema físico em questão.
Já resolução do problema seria a fase de obtenção da solução do modelo matemático através da obtenção da solução analítica
ou numérica.

Voltando à questão da medida da altura do edifício, a resposta é confiável? Poderia citar possíveis fontes de erros?

Cálculo Numérico

O que seria o Cálculo Numérico? As principais características que caracterizam uma abordagem numérica de um determinado
problema são:

• A análise dos processos que resolvem problemas matemáticos por meio de operações aritméticas;
• O desenvolvimento de uma seqüência de operações aritméticas que levem às respostas numéricas desejadas (desenvolvimento
de algoritmos);
• O uso de computadores para obtenção das respostas numéricas, o que implica em escrever o método numérico como um
programa de computador.

Vale ressaltar que sempre esperamos respostas confiáveis para problemas matemáticos. No entanto, em certas situações, os
resultados obtidos estão distantes do que se esperaria obter!

Fontes de erros

No problema do edifício, espera-se que a obtenção de uma estimativa para sua altura fosse conseguida a partir da utilização da
equação abaixo

, onde deveríamos imaginar a esfera sendo abandonada do topo do prédio e o tempo decorrido até sua chegada ao solo sendo
aferido por um cronômetro.
2 de 7 (Prof. Bernardes)

Para encontrarmos um valor estimado da altura, imagine que o tempo de queda foi de 4 s. Qual a altura do edifício? Em sua
opinião o resultado encontrado é realmente confiável? Explique seu ponto de vista.

Na realidade é bem provável que o modelo matemático utilizado não sirva para mensurar a altura do edifício, pois não
considera a resistência do ar, a influência do vento, forma do objeto abandonado, etc. Estes erros estão associados, em geral, à
simplificação do modelo matemático.

Você consegue apontar outra fonte de erro na estimativa feita acima? Reflita!

Imagine que a medida do tempo fosse de 3,85 s. Qual seria a nova estimativa para a altura do objeto?

Existem outros tipos de erros (precisão dos dados de entrada, forma como os dados são armazenados, operações numéricas
efetuadas, erros de truncamento, etc.) que serão abordados mais a frente!

Representação Numérica e Erros

O processo de modelagem matemática pode ser resumido por meio do organograma da figura 2.

Figura 2: organograma mostrando as etapas da modelagem matemática. Fonte: autor.

É inevitável que nas passagens entre as etapas de (a) para (f) não haja inserção de erros. Considerando ainda o exemplo do
edifício, a transformação do problema real em um modelo matemático introduz erros devido à desconsideração de fenômenos
com grau de incerteza elevado como: resistência do ar, velocidade do vento, etc. Já nas transformações entre as etapas
designadas por (b), (c), (d) e (e) existe um outro tipo de erro associado: o erro numérico; esse erro depende fundamentalmente do
tipo de representação numérica, bem como do volume de cálculos efetuado.

Podemos definir o erro numérico como

, sendo classificado como:

• erro de truncamento;
• erro de arredondamento.

O erro de truncamento é decorrente da representação de um processo infinito através de um processo finito. Por exemplo a
representação de uma função seno por meio de uma série de Taylor:
3 de 7 (Prof. Bernardes)

Já o erro de arredondamento é proveniente da representação finita de um número em um computador. Ele pode ser efetuado de
duas formas:

• Descarte, ou;
• Assumindo o número significativo mais próximo.

A representação científica de um número é feita da seguinte maneira

, onde m é a mantissa, b a base e e o expoente.

Observação 1: mudança de base!

Vamos trabalhar agora com operações matemáticas que otimizem o processo de mudança de bases.

Sabemos que o conjunto dos números representáveis em qualquer máquina é finito, e portanto, discreto, ou seja não é possível
representar em uma máquina todos os números de um dado intervalo [a,b]. A representação de um número depende da base
escolhida e do número máximo de dígitos usados na sua representação.

Você sabe qual é a base mais usada no dia a dia? Acertou se pensou na Base decimal (utiliza-se os algarismos: 0, 1, 2, 3, 4, 5, 6,
7, 8 e 9). Todavia, existem outras bases: 8 (base octal), 12, 60, etc. A base utilizada pela maioria dos computadores é a base
binária, onde se utiliza os algarismos 0 e 1.

Você deve estar imaginando como o processo computacional funciona. É simples: os computadores recebem a informação
numérica na base decimal, fazem a conversão para sua base (a base binária) e novamente realizam outra conversão para exibir
os resultados na base decimal para o usuário. Nota-se que há conversões entre as bases decimal e binária!

Antes de iniciarmos os processos matemáticos de conversão de uma base para outra, vamos tentar representar um número
inteiro e depois um número real. Um número inteiro na base 2 (x diferente de zero) pode ser representado como

, ou ainda como

, onde ai é zero ou 1 e n e m são números inteiros, com n menor ou igual a zero e m maior ou igual a zero.

Exemplo 1: a representação do do número 1100 na base 2 é igual a

, que é igual a 12 na base 10, isto é,

Como essas operações foram feitas passo a passo? Veremos a seguir!

Observação 2: operações matemáticas de mudança de base!

Agora, vamos realizar algumas operações matemáticas para mudança de base!

4 de 7 (Prof. Bernardes)

Ressalta-se que para mudar da base 2 para base 10, basta multiplicar o dígito binário por uma potência de 2 adequada. Veja o
exemplo abaixo onde mostra-se o procedimento para transformar a representação (1011)2 para outra na base ( … )10:

Exemplo 2. Transforme (10,1)2 para ( … )10.

Resp.: (2,5)10.

Agora, vamos converter um número da base 10 para a base 2. Para isso, aplicamos um processo para a parte inteira e um outro
para a parte fracionária.

Para transformar um número inteiro na base 10 para base 2 utiliza-se o método das divisões sucessivas. O que se faz é dividir o
número por 2, a seguir dividi-se por 2 o quociente encontrado e assim o processo é repetido até que o último quociente seja igual
a 1. O número binário será, então, formado pela concatenação do último quociente com os restos das divisões lidos em sentido
inverso ao que foram obtidos, como mostrado a seguir (vide figura 3).

Figura 3: método prático para transformar números da base 10 para base 2. Fonte: autor.

Para transformar um número fracionário na base 10 para a base 2, utiliza-se o método das multiplicações sucessivas, que
consiste em:

• Multiplicar o número fracionário por 2;

• Do resultado, a parte inteira será o primeiro dígito do número na base 2 e a parte fracionária é novamente multiplicada por
2. Devemos repetir o processo até que a parte fracionária do último produto seja igual a zero (vide figura 4).
5 de 7 (Prof. Bernardes)

Figura 4: método prático para transformar números fracionários da base 10 para base 2. Fonte: autor.

Vamos agora, representar um número real e começar a tentar entender os erros por arredondamentos.

De forma geral, todo número real x pode ser representado em base ß por:

, onde di são números inteiros contidos no intervalo

, onde i = 1, 2, 3, …, t e exp representa o expoente de ß e assume os valores entre

, sendo que I é um limite inferior e S um limite superior para a variação do expoente.

O termo

é a mantissa, ou seja, a parte do número que representa seus dígitos significativos e t é o número de dígitos significativos do
sistema de representação, conhecido como a precisão da máquina.

Exemplo:

Considere uma máquina de calcular cujo sistema de representação utilizado tenha ß = 2, t = 10, I = -15, S = 15. Então, podemos
representar o número 25 na base decimal da seguinte forma

(25)10 = (11001)2 = 0,11001 x 25

(25)10 = 0,11001 x 2101

, que pode ser representado ainda por

ou, de forma mais compacta (vide figura 5).

Mantissa Expoente

1 1 0 0 1 0 0 0 0 0 1 0 1

Figura 5: representação compacta do número 25. Fonte: autor.

6 de 7 (Prof. Bernardes)

Observe que cada dígito é chamado de bit. Sendo assim, nessa máquina são utilizados 10 bits para a mantissa, 4 bits para o
expoente e mais um bit para o sinal da mantissa ( positivo igual a zero e negativo igual a 1) e um bit para o sinal do expoente,
resultando, no total, 16 bits, que podem ser representados como mostra a figura 6.

Sinal Mantissa Sinal Expoente

0 1 1 0 0 1 0 0 0 0 0 0 0 1 0 1

Figura 6: representação completa do número 25. Fonte: autor.

Um parâmetro utilizado para se avaliar de um determinado sistema de representação é o número de casas decimais exatas da
mantissa e este valor é dado pelo valor decimal do último bit da mantissa, ou seja, o bit de maior significância. Assim, a
precisão pode ser obtida por

Exemplo:

Imagine que uma máquina trabalhe com ß = 2 e t = 10. Qual seria a precisão da mantissa? Qual o número de dígitos
significativos?

Utilizando a expressão acima para a estimativa da precisão da mantissa, notamos que ela é igual a 1\210 = 10-3. Logo, o número
de dígitos significativos é igual a 3.

Lembre-se que o número de dígitos significativos nos fornece uma noção do resultado obtido!

Os erros de truncamento são provenientes da utilização de processos que deveriam ser infinitos ou muito grandes para a
determinação de um valor, mas que por razões práticas, são truncados. Processos infinitos são muito utilizados na avaliação de
funções trigonométricas. Por exemplo, a função seno (x) pode ser representada por uma série extensa

, mas por questões práticas ela é interrompida quando se atinge certa precisão.

De maneira geral, o erro de truncamento pode ser diminuído até se chegar a ficar próximo da ordem de grandeza do erro de
arredondamento. A partir deste valor não há sentido diminuir mais, pois o erro de arredondamento será dominante.

A propagação de erros é uma preocupação inerente ao processo numérico e podem influenciar o desenvolvimento de um cálculo.

Método da Bisseção

Seja f(x) uma função contínua no intervalo [a, b] e f(a) x f(b) < 0.

Dividindo-se o intervalo ao meio, obtém-se x0 (vide figura 7), havendo, pois, dois subintervalos, [a, x0] e [x0, b], a ser considerado.
7 de 7 (Prof. Bernardes)

Figura 7: interpretação geométrica do método da bisseção. Fonte: autor.

Se f(x0) = 0, então, a raiz é igual a x0 (𝜀 = x0); caso contrário, a raiz estará no subintervalo onde a função tem sinais opostos
nos pontos extremos, ou seja, se f(a) x f(x0) < 0, então, 𝜀 ∊ (a, x0); senão f(a) x f(x0) > 0 e 𝜀 ∊ (x0, b).
O novo intervalo [a1, b1] que contém 𝜀 é dividido ao meio e obtém-se o ponto x1. O processo se repete até que se obtenha uma
aproximação para a raiz exata 𝜀, com a tolerância 𝛏 desejada.