Campus Marabá

Instituto de Geociências e Engenharias

Faculdade de Computação e Engenharia Elétrica

Erros e Incertezas

Professor: Valdez Aragão de Almeida Filho

Marabá, 2021
 Roteiro da aula

1. Introdução
2. Representação em ponto flutuante
3. Erros em soluções numéricas
3.1 Erros de arredondamento
3.2 Erros de truncamento
3.3 Erro total
4. Referências Bibliográficas
 1. Introdução

➢ A obtenção de uma solução numérica para

um problema físico por meio da aplicação de
métodos numéricos nem sempre fornece
valores que se encaixam dentro de limites
razoáveis;

➢ Esta diferença é chamada de erro, e é

inerente ao processo, não podendo, em
muitos casos, ser evitada; 3
 2. Representação em ponto
flutuante
➢ Para acomodar números grandes e pequenos,
números reais são escritos na representação
em ponto flutuante;

➢ A representação decimal em ponto flutuante

tem a forma:

𝑑, 𝑑𝑑𝑑𝑑𝑑 × 10𝑝
4
 2. Representação em ponto
flutuante
➢ Nessa representação, um algarismo é escrito à esquerda
da vírgula decimal, e o resto dos algarismos significativos
é escrito à direita da vírgula;

➢ O número 0,dddddd é chamado de mantissa;

➢ A potência de 10, p, representa a ordem de grandeza do

número, desde que o número que a precede seja menor
que 5;

➢ Do contrário, diz-se que o número tem ordem p+1;

5
 2. Representação em ponto
flutuante – Exemplo 1
➢ Represente os seguintes números na representação em
ponto flutuante e determine a ordem de grandeza de p:

a) 6519,23
b) 0,00000391

6
 2. Representação em ponto
flutuante
➢ A representação binária em ponto flutuante tem
a forma:

1, 𝑏𝑏𝑏𝑏𝑏𝑏 × 2𝑏𝑏𝑏

➢ Nessa forma, a mantissa é 0,bbbbbb, e a

potência de 2 é chamada de expoente;

➢ Tanto a mantissa quanto o expoente são escritos

na forma binária; 7
 2. Representação em ponto
flutuante

➢ A forma da equação anterior é obtida com a

normalização do número (quando escrito na
forma decimal) em relação à maior potência
de 2 menor que o próprio número;

➢ Uma vez colocado na representação binária

em ponto flutuante, o número é armazenado
no computador;
8
 2. Representação em ponto
flutuante – Exemplo 2
➢ Represente os seguintes números na representação em
ponto flutuante:

a) 50
b) 1344
c) 0,3125

9
 2. Representação em ponto
flutuante

➢ O computador armazena os valores do

expoente e da mantissa separadamente, não
sendo armazenado o primeiro 1 à frente da
vírgula decimal;

➢ De acordo com a norma IEEE-754,

computadores armazenam números e
realizam cálculos em precisão simples ou
10
em precisão dupla;
 2. Representação em ponto
flutuante
➢ Na precisão simples, os números são
armazenados em uma cadeia de 32 bits, e, na
precisão dupla, em uma cadeia de 64 bits;

➢ Em ambos os casos, o primeiro bit armazena o

sinal do número (0 corresponde a + e 1
corresponde a -);

➢ Os próximos 8 bits na precisão simples (11 na

precisão dupla) são usados para armazenar o
expoente; 11
 2. Representação em ponto
flutuante

➢ Os 23 bits seguintes na precisão simples (52

bits na precisão dupla) são usados para
armazenar a mantissa;

➢ O valor da mantissa é fornecido na forma

binária;

➢ Ao valor do expoente é acrescida uma

polarização; 12
 2. Representação em ponto
flutuante
➢ A polarização corresponde à adição de uma
constante ao valor do expoente;

➢ A polarização é introduzida para se evitar o uso de

um dos bits para representar o sinal do expoente;

➢ A polarização utilizada na precisão simples é 127;

➢ Na precisão dupla, a polarização utilizada é 1023;

13
 2. Representação em ponto
flutuante – Exemplo 3
➢ Represente o número 22,5 em precisão simples e dupla
de acordo com a norma IEEE-754.

14
 3. Erros em soluções
numéricas
➢ Soluções numéricas podem ser muito precisas,
mas em geral são inexatas;

➢ Dois tipos de erros são introduzidos quando

métodos numéricos são usados na solução de
um problema;

➢ Um deles ocorre em função da maneira pela

qual computadores digitais armazenam números
e executam operações numéricas; 15
 16 3. Erros em soluções
numéricas
➢ Estes são chamados de erros de
arredondamento;

➢ O segundo tipo de erro é introduzido pelo

método numérico usado na solução;

➢ Estes são chamados de erros de truncamento;

➢ Métodos numéricos usam aproximações para

resolver problemas;
 17 3. Erros em soluções
numéricas
➢ Os erros introduzidos por essas aproximações
são os erros de truncamento;

➢ Juntos, os dois erros constituem o erro total

da solução numérica, que é a diferença
entre a solução verdadeira e a solução
numérica aproximada;
 3.1 Erros de arredondamento

➢ Os números são representados em um

computador através de um número finito de
bits;

➢ Consequentemente, número reais que têm

uma mantissa mais longa do que o número
de bits disponíveis para representa-los têm
que ser encurtados;
18
 3.1 Erros de arredondamento

➢ Um número pode ser encurtado seja cortando,

ou decartando os algarismos a mais, ou
fazendo-se um arredondamento;

➢ No corte, os algarismos na mantissa além do

comprimento que pode ser armazenado são
simplesmente deixados de fora;

➢ No arredondamento, o último algarismo

armazenado é arredondado; 19
 3.1 Erros de arredondamento –
Exemplo 4

➢ Considere dois números quase iguais, p = 9890,9 e q =

9887,1. Use a representação decimal em ponto
flutuante com três algarismos significativos na mantissa
para calcular a diferença desses dois números, (p-q).
Calcule-a primeiro usando o corte e depois o
arredondamento.

20
 3.1 Erros de arredondamento

➢ A ordem de grandeza dos erros de

arredondamento depende da ordem de
grandeza dos números envolvidos;

➢ Erros de arredondamento normalmente

ocorrem quando os números envolvidos nos
cálculos diferem significativamente em
magnitude e quando dois números que são
quase idênticos são subtraídos um do outro;
21
 3.2 Erros de truncamento

➢ Os erros de truncamento ocorrem quando os

métodos numéricos usados na solução de um
problema matemático adotam um procedimento
matemático aproximado;

➢ Um exemplo simples é a avaliação numérica de

𝑠𝑒𝑛(𝑥), que pode ser feita a partir da expansão
em série de Taylor:

𝑥 3 𝑥 5 𝑥 7 𝑥 9 𝑥 11
𝑠𝑒𝑛 𝑥 = 𝑥 − + − + − +⋯
3! 5! 7! 9! 11! 22
 3.2 Erros de truncamento

π
➢ O valor de 𝑠𝑒𝑛 pode ser determinado de
6
forma exata com a equação anterior se um
número infinito de termos for usado;

➢ O seu valor pode ser aproximado com o uso

apenas de um número finito de termos;

➢ A diferença entre o valor verdadeiro e o valor

aproximado é o erro de truncamento, denotado
por 𝐸 𝑇𝑅 ;
23
 3.2 Erros de truncamento –
Exemplo 5
π
➢ Calcule o valor aproximado para o 𝑠𝑒𝑛 utilizando
6
apenas um termo da série de Taylor. Depois faça o
cálculo utilizando dois termos. Calcule o erro de
truncamento para os dois casos.

24
 3.2 Erros de truncamento

➢ O erro de truncamento é dependente do

método numérico específico ou do algoritmo
usado na solução do problema;

➢ O erro de truncamento é independente do

erro de arredondamento;

25
 3.3 Erro total

➢ A solução numérica é uma aproximação;

➢ Ela sempre inclui erros de arredondamento e,

dependendo do método numérico utilizado,
também pode incluir erros de truncamento;

➢ Juntos, os erros de arredondamento e de

truncamento resultam no erro numérico total
incluído na solução numérica; 26
 3.3 Erro total

➢ Esse erro total, também chamado de erro real, é a

diferença entre a solução verdadeira e a solução
numérica:

𝐸𝑟𝑟𝑜𝑅𝑒𝑎𝑙 = 𝑆𝑜𝑙𝑢çã𝑜𝐸𝑥𝑎𝑡𝑎 − 𝑆𝑜𝑙𝑢çã𝑜𝑁𝑢𝑚é𝑟𝑖𝑐𝑎

➢ O valor absoluto da razão entre o erro real e a solução

exata é chamado de erro relativo real:

𝑆𝑜𝑙𝑢çã𝑜𝐸𝑥𝑎𝑡𝑎 − 𝑆𝑜𝑙𝑢çã𝑜𝑁𝑢𝑚é𝑟𝑖𝑐𝑎
𝐸𝑟𝑟𝑜𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑜𝑅𝑒𝑎𝑙 =
𝑆𝑜𝑙𝑢çã𝑜𝐸𝑥𝑎𝑡𝑎 27
 3.3 Erro total

➢ Essa grandeza adimensional e independente

de escalas indica quão grande é o erro em
relação à solução exata;

➢ O erro real e o erro relativo real não podem

ser de fato determinados em problemas cuja
solução requer o uso de métodos numéricos,
já que a solução verdadeira não é
conhecida; 28
 3.3 Erro total

➢ Como os erros reais não podem ser

calculados na maioria dos casos, a precisão
de uma solução numérica pode ser avaliada
de diferentes maneiras.

29
4. Referências Bibliográficas

➢ BERTOLDI, M. N.: Cálculo numérico. São Paulo. Pearson,

2007.

➢ GOMES RUGGIERO, M. A.; DA ROCHA LOPES, V. L.:

Cálculo Numérico: aspectos teóricos e computacionais.
São Paulo. Pearson, 1997.

➢ CHAPRA, STEVEN C.: Applied Numerical Methods with

MATLAB for Engineers and Scientists. 3ª edição. Nova
Iorque. Mcraw-Hill, 2012.
30