Cálculo Numérico

Teoria dos Erros

Prof. Wellington Passos de Paula

wpassos@ufsj.edu.br
Programa
1. Conceitos Básicos
a) Representação de números
b) Conversão de números
c) Aritmética de ponto flutuante

2. Erros
a) Erros absolutos e relativos
b) Erros de arredondamento e truncamento
c) Análise de erros
 Cálculo Numérico
Teoria dos Erros – Conceitos Básicos

Prof. Wellington Passos de Paula

wpassos@ufsj.edu.br
Representação de números
 Sistema Decimal (10)
 10 dígitos disponíveis [0,1,2, ... ,9]
 “Posição” indica potência positiva de 10
 5432 = 5x103 + 4x102 + 3x101 + 2x100

 Sistema Binário (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
 Representação de números
 Fórmula Geral
 Base  , (a j a j 1... a2 a1a0 )  , 0  ak  (   1)
k  i,..., j :

 Logo, a decomposição polinomial do número

(a j a j 1... a2 a1a0 )  , é dada por:

a j   j  a j 1   j 1  ...  a2   2  a1   1  a0   0

 Exemplo: Dado   10 , temos que:

6849  6 103  8  10 2  4 101  9 10 0
Representação de números
 Representação 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

 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
Outros sistemas de numeração
 Maior interesse em decimal (10)
 Nossa anatomia e cultura
 Binário (2) – uso nos computadores

 Outros Sistemas
 Octal (8), {0,1,2, ... , 7}
 Hexadecimal (16), {0,1,2, ... , 9, A,B,C,D,E,F}
 Duodecimal (relógio, calendário)
Alguns sistemas numéricos
Conversão de números – inteiros
 Binário para decimal
 Já visto
 (1011)2 = 1x23 + 0x22 + 1x21 + 1x20 = (11)10

 Inteiro decimal para binário

 Divisão inteira (do quociente) sucessiva por 2, até que
este seja = 0 ou 1
 Binário = composição do último quociente (Bit Mais
Significativo – BMS) com os restos das divisões (primeiro
resto é bit menos significativo – bms)

Em inglês, Most Significant Bit – MSB e least significat bit –

lsb, respectivamente.
Conversão de números – inteiros
 Exemplo: Converter 30 decimal para binário

Binário = BMS ... bms = 1 1 1 1 0

1 1 1 1 0 = 1x24 + 1x23 + 1x22 + 1x21 + 0x20 =
16 + 8 + 4 + 2 + 0 = 30 decimal
Conversão de inteiros entre sistemas
 Procedimentos Básicos
 Decimal  Binário - Divisões sucessivas pela base do
sistema para o qual desejamos converter o número (neste
caso, divisões sucessivas por 2)
 Binário  Decimal - Decomposição polinomial do número
a ser convertido
Conversão de inteiros entre sistemas
Conversão de fração
 Base 2 para Base 10
 Já visto (Decomposição Polinomial)
 (10,101)2 = 1x21 + 0x20 + 1x2-1 + 0x2-2 + 1x2-3 =
= 2 + 0 + 1/2 + 0 + 1/8 = (2,625)10
Conversão de fração
 Base 10 para Base 2
 Devemos multiplicar parte fracionária por 2 até que parte
fracionária do resultado seja 0 (zero)
X,XXX
 Bits da parte fracionária do número binário são obtidos
das partes inteiras geradas após as multiplicações do
número fracionário na base 10
X,XXX

 Bit imediatamente à direita da vírgula = Parte inteira da

primeira multiplicação

 Não há inversão na ordem dos bits encontrados

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 (agregamos o bit 1 ao
número na base 2)

0,25 x 2 = 0,5 segunda casa é 0;

nova fração (resto) é 0,5 (pois já agregamos o bit 0 ao
numero na base 2)

0,5 x 2 = 1,0 terceira casa é 1;

nova fração (resto) é 0,0 (pois já agregamos o bit 1 ao
numero na base 2)

Resultado: 0,62510 = 0,1012

Conversão partes inteira e fracionária
juntas

 Para converter um número com parte inteira e parte

fracionária, devemos fazer a conversão de cada parte,
separadamente
Conversão partes inteira e fracionária
juntas

 (8,375)10 = ( ? )2
Exercícios
 Transforme em binário:
 5,8
Resposta: 5,8 = 101,11001100... , uma dízima.
 11,6
 Resposta: 11,6 = 1011,10011001100...
 a vírgula foi deslocada uma casa para a direita,
pois 11,6 = 2 x 5,8
Aritmética de 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 utiliza um único dígito antes da

vírgula ( 0 ), e garante o que primeiro dígito depois da
vírgula seja diferente de 0
 Exemplo: 0,5432 x 101
Aritmética de ponto flutuante
 No sistema binário:
 11010 = 11,010 x 23 = 0,11010 x 25 = 0,0011010 x 27

 No caso dos números serem armazenados em um

computador, os expoentes serão também gravados na
base dois
 Como 310 = 112, 510=1012 e 710=1112
 11,010 x (2)11 = 0,11010 x (2)101 = 0,0011010 x (2)111

 Na representação normalizada, há apenas um dígito

antes da vírgula ( 0 )
 Exemplo: 0,11010 x (2)101
Aritmética de ponto flutuante
 Algumas definições
 No número 0,11010 x (2)101 , tomado como referência:
 0,11010 = significando (ou “mantissa”)
 101 = expoente

 Observações
 A base binária não precisa ser explicitada (o computador
usa sempre a mesma)

 O “0” antes da vírgula, na representação normalizada – se

esta for adotada, também pode ficar implícito,
economizando um bit (“bit escondido”).
Representação aritmética de ponto
flutuante no computador
 (.d1d 2 ...d t )   e
onde:
 é a base em que o computador opera;
t é o número de dígitos na mantissa
0  d j  (   1), j  1,..., t , d1  0;
e é o expoente (inteiro com sinal)
Representação aritmética de ponto
flutuante no computador

 O número de bits disponíveis para representar os

números no computador não é infinito

 O padrão IEEE 754 para ponto (vírgula) flutuante é a

representação mais comum para números reais em
computadores de hoje, incluindo PC's compatíveis com
Intel, Macintosh, e a maioria das plataformas Unix/Linux.

 O padrão (ou norma) IEEE 754 define dois formatos

básicos para os números em ponto flutuante:
 O formato ou precisão simples, com 32 bits; e,
 O duplo com 64 bits
 Padrão IEEE 754 para floats

Sinal Expoente(+/-) Significando

Simples (32bits) 1 [bit31] 8 [bits30-23] 23 [bits22-00]
Dupla (64 bits) 1 [bit63] 11 [bits62-52] 52 [bits51-00]

 Sinal: 0 = + e 1 = -

 Combinações: Sinal + Expoente + Mantissa

Limitações na representação de floats
 A quantidade finita de bits na representação pode
implicar nos seguintes erros:

 Truncamento ou Arredondamento

 Overflow

 Underflow
Limitações na representação de floats
 Exemplo: Máquina no seguinte sistema:

  10; t  3; e   5, 5.
Logo o formato dos números nesse sistema:

0. d1d 2 d 3  10 , 0  d j  9, d1  0, e   5, 5
e

Menor valor representado em módulo:

m  0.100 10 5  10 6
Maior valor representado em módulo:

M  0.999 105  99900

Limitações na representação de floats
 Situações possíveis:

a) x.  235.89  0.23589 10 3

 Número contém 5 dígitos na mantissa

 Possíveis Soluções:
 Truncamento: 0.235 10 3

Arredondamento: 0.236  10
3


 Assunto do próximo tópico

Limitações na representação de floats
 Situações possíveis:
7
b) x.  0.345  10

 Expoente não pode ser representado na máquina pois é

menor que o mínimo (-5)
 Erro de underflow

c) x.  0.875 109

 Expoente não pode ser representado na máquina pois é

maior que o máximo (5)
 Erro de overflow
Limitações na representação de floats
 Considere   10; t  3; e  [4, 4]

x arredondamento truncamento
1.25 0.125  10 1 0.125  10 1
10.053 0.101 10 2 0.100  10 2
-253.15  0.253  10 3  0.253  10 3
2.71828 0.272  10 1 0.271 10 1
0.000002 Underflow Expoente<-4
817235.89 Overflow Expoente>+4
Exercícios
 Considere uma máquina com sistema de representação
de números definido por: base 10, precisão de 4 dígitos
na mantissa e expoente no intervalo: [-6; 6]. Pede-se:
a) Qual o menor e o maior número em módulo
representado nesta máquina?
Menor: 0.1000x10-6 = 10-7, Maior: 0.9999x106 = 999900
b) Como será representado o número 189,27 nesta
máquina se for usado o arredondamento? E se for usado o
truncamento?
Trunc.: 0.1892x103, Arred.: 0.1893x103
c) Se a = 2578 e b = 0,6 qual o resultado de a + b se for
usado o arredondamento? E se for usado o truncamento?
Trunc.: 0.2578x104, Arred.: 0.2579x104
 Cálculo Numérico
Teoria dos Erros – Erros

Prof. Wellington Passos de Paula

wpassos@ufsj.edu.br
Erros – Tipos
 Precisão
 Absoluto
 Relativo

 Representação
 Arredondamento
 Truncamento
Erro Absoluto
 Diferença entre o valor exato de um número e o seu
valor aproximado (em módulo)

EAx  |x  x |
Erro Absoluto – Considerações
 EAx só poderá ser determinado se x for conhecido
com exatidão

 Na prática, usualmente trabalhamos com um

limitante superior para o erro, ao invés do próprio
erro ( |E | < ε, sendo ε é o limitante)
Ex: Para   (3,14; 3,15)

EAπ = π-π <0,01

Erro Absoluto – Considerações
Ex.: Sejam a = 3876,373 e e = 1,373
Considerando-se a parte inteira de a como ā o erro
absoluto será:

EAa  a  a  3876,373  3876  0,373

e a parte inteira de e, ē, o erro absoluto será:

EAe  e  e  1,373  1  0,373

Erro Absoluto – Considerações
 Obviamente, o resultado do erro absoluto é o mesmo
nos dois casos

 Podemos então dizer que a e e estão representados

com a mesma precisão?
 Não, pois o peso da aproximação em e é maior do que
em a

 Erro absoluto não é suficiente para descrever a precisão

de um cálculo
Erro Relativo
 Razão entre o erro absoluto e o valor aproximado do
número considerado (em módulo)

|x  x | EAx
ERx  
|x | |x |
Erro Relativo – Considerações
 O erro relativo pode, entretanto, traduzir perfeitamente
este fato, pois:

0,373
ERa   0,000096  10 4
3876

0,373
ERe   0 ,373  5  10 1
1

 ERx x 100 = Erro Percentual

Erro Relativo – Considerações
Ex. : Cálculo do erro relativo na representação dos
números ā = 2112,9 e ē = 5,3, sendo |EA| < 0,1

aa 0,1
ERa    4,7  10 5
a 2112,9

ee 0,1
ERe    0,02
e 5,3

Conclusão: a é representado com maior precisão do que e

Erros de Arredondamento
 Ex. Cálculo de 2 utilizando uma calculadora digital

Valor apresentado: 1,4142136

Valor real: 1,41421356...

 Inexistência de forma de representação de números

irracionais com uma quantidade finita de algarismos
 Apresentação de uma aproximação do número pela
calculadora
 Erro de Arredondamento
Erros de Truncamento
 Descarte dos dígitos finais de uma representação exata
por limitações de representação em vírgula flutuante

Ex.: Representação truncada de 2 em vírgula

flutuante com 7 dígitos

Valor apresentado: 1,4142135

Valor real: 1,41421356...
Representação aritmética de ponto
flutuante no computador – Relembrando...
 (.d1d 2 ...d t )   e
onde:
 é a base em que o computador opera;
t é o número de dígitos na mantissa
0  d j  (   1), j  1,..., t , d1  0;
e é o expoente (inteiro com sinal)
 Erros de Arredondamento e Truncamento

 Erros de Truncamento e Arredondamento em um

sistema de aritmética de ponto flutuante:

 Em um sistema que opera em ponto flutuante de t dígitos

na base 10, e seja x:

x = fx x 10e + gx x 10e-t (0,1 fx  1 e 0,1 gx  1)

 Para t = 4, e = 3 e x = 234,57:  Para t = 5, e = 4 e x = 1234,568

x = 0,2345 x 103 + 0,7 x 10-1 x = 0,12345 x 104 + 0,68 x 10-1
fx = 0,2345 fx = 0,12345
gx = 0,7 gx = 0,68
Erros – Truncamento

 No truncamento, gx x 10e-t é desprezado e

x  f x  10  g x  10
e e t
e x  f x  10 e

EAx  x  x  f x  10 e  g x  10 e t  f x  10 e

EAx  g x  10 e t  10 e t , visto que |gx| < 1

EAx g x  10 e t 10 e t 10 e t t 1
ERx      10
x f x  10 e 0,1  10 e 1,0  10 1  10 e

pois 0,1 é o menor valor possível para fx

Erros – Arredondamento
 No arredondamento simétrico (forma mais utilizada):

1
 f x  10 e , se gx  (gx é desprezado)
 2
x
 f  10 e  10 e t
1
, se gx  (soma 1 ao último
 x 2
dígito de fx)
Erros – Arredondamento

Se g x 
1 , então:
2

EAx  x  x  f x  10 e  g x  10 e t  f x  10 e

e t 1
EAx  g x  10   10 e t , visto que |gx| < 1/2
2

EAx g x  10 e t 0,5  10 e t 1 / 2  10 e t 1 t 1
ERx       10
x f x  10 e 0,1  10 e 1,0 10 1  10 e 2
Erros – Arredondamento
1
Se g x  , então:
2

  
EAx  x  x  f x  10 e  g x  10 e t  f x  10 e  10 e t 
1
EAx  g x  10 e t
 10 e t
  g x  1  10 e t
  10 e t
2
e
EAx 1/2  10 et 1/2  10 et
ERx   
x f x  10  10
e e t
f x  10 e

1/2  10 et 1/2  10 et 1 t 1 

ERx   1
   10 
0,1  10 e
1,0 10  10  2
e

Arredondamento e Truncamento

 Erros de Truncamento e Arredondamento em um

sistema de aritmética de ponto flutuante:
 Sistema operando em ponto flutuante - Base 10
 Erro de Truncamento
EAx  10 e t e ERx  10  t 1

 Erro de Arredondamento
1 1
EAx   10 e t e ERx   10 t 1
2 2
 Arredondamento gera erros menores, mas aumenta o
tempo de execução uso do Truncamento
Análise de Erros
 Sistema de aritmética de ponto flutuante de 4 dígitos,
precisão dupla
 Ex.: Seja x = 0,937 x104 e y = 0,1272 x102.
Calcular x+y.
 Alinhamento dos pontos decimais antes da soma ( Alinhar
sempre para o maior expoente dentre os operadores )
x = 0,937 x 104 e y = 0,001272 x 104,
x+y = 0,937 x 104 + 0,001272 x 104,
x+y = 0,938272 x 104
 Resultado com 4 dígitos
Arredondamento: x+y = 0,9383 x 104
Truncamento: x+y = 0,9382 x 104
Análise de Erros
 Sistema de aritmética de ponto flutuante de 4 dígitos,
precisão dupla
 Ex. : Seja x = 0,937 x 104 e y = 0,1272 x102. Calcular x.y

x.y = (0,937 x 104) x (0,1272 x 102)

x.y = (0,937 x 0,1272) x 106  x.y = 0,1191864 x 106

 Resultado com 4 dígitos

Arredondamento: x.y = 0,1192 x 106
Truncamento: x.y = 0,1191 x 106
Análise de Erros
 Considerações
 Ainda que as parcelas ou fatores de uma operação
possam ser representados exatamente no sistema, não
podemos esperar que o resultado armazenado seja exato.

 x e y tinham representação exata, mas os resultados x+y

e x.y tiveram representação aproximada.

 Durante as operações aritméticas de um método, os erros

dos operandos produzem um erro no resultado da
operação
 Propagação ao longo do processo
Análise de Erros – Propagação
 Ex. : Sejam as operações a seguir processadas em
uma máquina com 4 dígitos significativos e, fazendo-
se: a = 0,3491 x 104 e b = 0,2345 x 100.
(b + a) − a = b + (a − a) ?

(b + a) − a = (0,2345 x100+0,3491x104) − 0,3491x104 =

(0,00002345 x104+0,3491x104) − 0,3491x104
(0,34912345 x104) − 0,3491x104 (arredondamento)
0,3491 x 104 − 0,3491 x104 = 0,0000

b + (a − a) = 0,2345x100 + (0,3491 x 104 −0,3491x104)=

0,2345 x 100 +(0,0000 x 104)= 0,2345 x 100
Análise de Erros – Propagação
 Os dois resultados são diferentes, quando não
deveriam ser.

(b + a) − a = 0,0000 e b + (a − a) = 0,2345 x 100

 Causa
 Arredondamento da adição (b + a), a qual tem 8 dígitos
 A máquina só armazena 4 dígitos (desprezando os
menos significativos)
Análise de Erros – Propagação

 Resolução numérica de um problema

 Importância do conhecimento dos efeitos da propagação
de erros
 Determinação do erro final de uma operação
 Conhecimento da sensibilidade de um determinado
problema ou método numérico
Análise de Erros – Propagação
 Análise dos Erros Absoluto e Relativo
 Expressões para o determinação dos erros nas
operações aritméticas
 Erros presentes na representação das parcelas ou
fatores, assim como no resultado da operação
 Supondo um erro final arredondado, sendo x e y, tais que:

x  x  EAx e y  y  EAy
 Análise de Erros – Propagação
 Adição
 Erro Absoluto

x  y  (x  EAx )  (y  EAy ) 
(x  y)  (EAx  EAy )
EAx  y  EAx  EAy
 Erro Relativo
EAx  y EAx  EAy EAx EAy
ERx  y     
xy xy xy xy
EAx  x  EAy  y   x   y 
ERx  y        ERx    ERy  
x xy y xy xy xy
 Análise de Erros – Propagação
 Subtração
 Erro Absoluto
x  y  (x  EAx )  (y  EAy ) 
(x  y)  (EAx  EAy )
EAx  y  EAx  EAy
 Erro Relativo
EAx  y EAx  EAy EAx EAy
ERx  y     
xy xy xy xy
EAx  x  EAy  y   x   y 
ERx  y        ERx    ERy  
x xy y xy xy xy
Análise de Erros – Propagação
 Multiplicação
 Erro Absoluto

x.y   x  EAx   y  EAy   x  y  x  EAy  y  EAx  EAx  EAy 

x.y   x  EAx   y  EAy   x  y  x  EAy  y  EAx

muito pequeno

EAx.y  xEAy  yEAx

 Erro Relativo
EAx. y xEAy  yEAx xEAy yEAx EAx EAy
ERx.y      
xy xy xy xy x y

ERx.y  ERx  ERy

 Análise de Erros – Propagação

 Divisão Prova y em evidência:

 Erro Absoluto
   
   
x  x  EAx   x  EAx   1 
1  1
  1 1 1
 
y
  
y  y  EAy  y 
 EAy  EAy  y y  EAy y y  EAy
y  1  
 1  y y
 y   

Simplificação:
 
 
2 3
1 EAy  EAy   EAy 
x  x  EAx   x  EAx   1  EAy
 1        ...
   y  y   y 
y  y  EAy    1
y EAy y
 1 
 y  (desprezam-se os termos de potência >1)

x  x  EAx   EAy   x EAx   EAy 

  1        1  
y y  y  y y   y 
Análise de Erros – Propagação

 Divisão
 Erro Absoluto

x  x  EAx   EAy   x EAx   EAy 

  1        1  
y y  y  y y   y 

x x x EAy EAx EAx  EAy

  2  
y y y y y2
muito pequeno

x x EAx x EAy yEAx  x EAy

   2 EAx / y 
y y y y y2
Análise de Erros – Propagação

 Divisão
 Erro Relativo

EAx / y y  yEAx  x EAy  y

ERx/y   EAx / y    2
 
x x  y x
y

EAx EAy
ERx/y    ERx  ERy
x y
Análise de Erros – Propagação
 Erro Relativo da Adição  Soma dos erros relativos de
cada parcela, ponderados pela participação de cada
parcela no total da soma.

 x   y 
ERx  y  ERx    ERy  
xy xy

 Erro Relativo da Subtração  Diferença entre os erros

relativos do minuendo e do subtraendo, ponderados
pela participação de cada parcela no resultado da
subtração.
 x   y 
ERx  y  ERx    ERy  
xy xy
Análise de Erros – Propagação
 Erro Relativo da Multiplicação  Soma dos erros
relativos dos fatores.

ERx.y  ERx  ERy

 Erro Relativo da Divisão  Diferença entre os erros

relativos do dividendo e do divisor

ERx/y  ERx  ERy

Análise de Erros – Propagação
 Nos erros anteriormente formulados, ainda não
consideramos o erro de arredondamento ou
truncamento no resultado final

 A análise completa da propagação do erro é feita

considerando-se os erros nas parcelas ou fatores e no
resultado de cada operação efetuada
Análise de Erros – Propagação

Ex.: Dada a soma x+y (x e y representados exatamente),

faça o cálculo de ER(x+y)

EAx  y
ERx  y   RA
x y
EAx= EAy = 0,
ERx  y  RA  EAx+y = 0

1
ERx  y  RA   10 t 1
2
Como x e y são exatamente representados, ERx+y se
resume ao Erro Relativo de Arredondamento (RA) no
resultado da soma.
Análise de Erros – Propagação
 Sistema de aritmética de ponto flutuante de 4 dígitos,
precisão dupla

 Ex.: Seja x = 0,937 x104, y = 0,1272 x102 e

z = 0,231 x101, calcular x+y+z e ER(x+y+z), sabendo
que x, y e z estão exatamente representados.

Solução:
Alinhando as vírgulas decimais ( Alinhar sempre
para o maior expoente dentre os operadores ) :

x = 0,937000 x104
y = 0,001272 x104 e
z = 0,000231 x104
Análise de Erros – Propagação
 Ex.: Seja x = 0,937 x104, y = 0,1272 x102 e
z = 0,231 x 101, calcular x+y+z e ER(x+y+z), sabendo
que x, y e z estão exatamente representados.

Solução:
A soma é feita por partes: (x+y)+z
x+y = 0,937000 x104 + 0,001272 x104
x+y = 0,938272 x104 (arredondamento)
x+y = 0,9383 x 104 = s
s+z = 0,9383 x 104 + 0,000231 x 104
s+z = 0,938531 x 104 (arredondamento)
x+y+z = 0,9385 x 104
Análise de Erros – Propagação
Solução:

s = x+y = então s = x + y = 0,9383 x 104

Cálculo do Erro Relativo:

 x   y  EAx=EAy=0,
ERs  ERx    ERy 
 
  RAs
  ERx+y=0
 x  y   x  y 

ERs  RAs

ERx  y  z  ERs  z  RA

 s   z 
ERx  y  z  ERs    ERz 

  RA
sz
 s  z   
Análise de Erros – Propagação
Solução:

 s   z 
ERx  y  z  ERs    ERz 

  RA
sz
 s  z   

 x y   z 
ERx  y  z 
 ERs   
 ERz    RA EAz=0,
x  y  z  x  y  z   ERz=0
   

 x y 
ERx  y  z  ERs    RA

 x yz

 x y   x y 
ERx  y  z  RAs    RA  RA   1 
x  y  z   x  y  z 
   
Análise de Erros – Propagação
Solução:
 x y   x y 
ERx  y  z 
 RAs   
 RA  RA  1

 x yz  x yz 

 x y 1
ERx  y  z 
 
 1  10 t 1
 x yz 2

 0,9383 10 4 1
ERx  y  z    1 
2  10 3

 0,9385  10 4


ERx  y  z  0,9998.10 3
Análise de Erros – Propagação
 Ex. : Supondo que u é representado em um
computador por ū, que é obtido por arredondamento.
Obter os limites superiores para os erros relativos de
v = 2ū e w = ū + ū.
Análise de Erros – Propagação
 Ex. :
Solução:

v  2u

ER2u  ER2  ERu  RA  RA  RA  2 RA

1 t 1
ER2u  2   10
2
 t 1
ER2u  10
Análise de Erros – Propagação
 Ex. :
Solução:
w  u u
 u   u 
ERw  ERu    ERu 
 
  RA

 u  u   u  u 
 u 
ERw  2  RA   RA

 u  u 
 u 
ERw  2  RA   RA  2  RA
 2u 
1
ERw  2  RA  2   10 t 1  10 t 1
2
ERw  ERv  10 t 1
Exercício
Considere uma máquina cujo sistema de
representação de números é definido por   10, t  3 e
e  [5, 5] . Tal máquina utiliza o arredondamento para os
dígitos na mantissa. Os números x = 8543 e y = 2477
foram utilizados em algumas operações nesta máquina.
Assim, faça o que se pede:
a) Calcule os erros absolutos (EA) e erros relativos
(ER) envolvidos no processo de utilização da máquina
para cada número x e y.

Resposta:
x  0,854  10 4 EAx  0,0003  10 4 ERx  3,513  10 4

y  0,248  10 4 EAy  0,0003  10 4 ER y  1,210  10 3

Exercício
Considere uma máquina cujo sistema de
representação de números é definido por   10, t  3 e
e  [5, 5] . Tal máquina utiliza o arredondamento para os
dígitos na mantissa. Os números x = 8543 e y = 2477
foram utilizados em algumas operações nesta máquina.
Assim, faça o que se pede:
b) Após a realização das operações x+y e x*y, foi
percebido que uma das duas operações resultava no erro
relativo maior. Qual foi?

Resposta:

ERx  y  5,445  10 4  RA ERx y  15,613  10 4  RA

Erro da multiplicação é maior