Você está na página 1de 37

Cálculo Numérico

Aula 02 – Representação numérica


Métodos Matemáticos
Métodos
Analíticos Métodos
Numéricos

Método Método
Analítico Numérico
• Exato • Aproximado
• Aplicação • Amplamente
reduzida utilizado
• Conhecimento • Mais fácil de
do fenômeno ser aplicado
Modelagem

Problema do Modelo Previsões e


Simplificações Interpretação
mundo real Matemático explicações

Modelo: Representação da realidade.

Modelar: construir representações de situações reais.

Modelo matemático: formulação ou equação que expressa as características


essenciais de um sistema físico ou um processo , em termos matemáticos.
Fases da Resolução de um Modelo
Matemático
Erros Erros

Modelo Solução para o


Problema Real
Matemático Modelo Matemático

Fase da Fase de
Modelagem Resolução

Modelagem: obtém-se o modelo matemático que descreve o


comportamento do problema físico;

Resolução: obtém-se a solução numérica do modelo matemático através


da aplicação de métodos numéricos.
Observe o problema
Você está em cima de um edifício que não sabe a altura, mas
precisa determiná-la. Tudo que tem em mãos é uma bola de
metal e um cronômetro.

O que fazer?

Função horária da posição: Este resultado é


confiável?
𝑔𝑡 2
𝑠 = 𝑠0 + 𝑣0 𝑡 +
2
1
d  0  0.3  .9,8.3 2  44,1m
2
Observe o problema:
Função horária da posição: Este resultado
é confiável?
𝑔𝑡 2
𝑠 = 𝑠0 + 𝑣0 𝑡 +
2
1
𝑑 = 0 + 0,3 + . 9,82 = 44,1 𝑚
2
Não foram consideradas outras forças como, por exemplo, a
resistência do ar, a velocidade do vento etc.

Outros fatores:
- Precisão da leitura do cronômetro.

3,5 s 16,7% no tempo 60 m de altura 36% da altura


Observe o exemplo:
Variação do comprimento de uma barra de metal sujeita a uma
certa variação de temperatura é dada pela seguinte formula:

∆𝑙 = 𝑙0 (𝛼𝑡 + 𝛽𝑡 2 )
∆𝑙 = 1. (0,001253.10 + 0,000068. 102 )
∆𝑙 = 0,019330 𝑚

Precisão de 10-6:
0,001252 < 𝛼 < 0,001254
Dados:
0,000067 < 𝛽 < 0,000069
𝑙0 = 1 m
t = 10°C
𝛼 = 0,001253 Precisão de 10-4:
𝛽 = 0,000068 0,019220 < ∆𝑙 < 0,019440
∆𝑙 = 0,0193 ∓ 10−4
8

Erros Numéricos
 Erro Inerente
Erro sempre presente nas soluções numéricas,
devido à incerteza sobre o valor real.
Ex: Representação intervalar de dados

(50,3 ± 0,2) cm
(1,57 ± 0,003) ml
(110,276 ± 1,04) Kg

Cada medida é um intervalo e não um número.

8
Erros da fase de modelagem
Em função da sua origem, podemos considerar os diferentes
tipos de erros:

Erros Erros
Erros de
iniciais do inerentes
modelagem
problema ao modelo

 Sujeitos às limitações/aferição dos instrumentos


usados no processo de mensuração;
 Relativos à impossibilidade de representação exata Erros inerentes
dos fenômenos reais a partir de modelos são inevitáveis
matemáticos
10

Erros Inerentes ao Modelo


• Proveniência  Processo de modelagem do
problema
▫ Modelos matemáticos raramente oferecem
representações exatas dos fenômenos reais
▫ Equações e relações, assim como dados e
parâmetros associados, costumam ser
simplificados
Facilitar e viabilizar as soluções
Erros na fase de resolução
Os cálculos efetuados:

- Manualmente
- Calculadoras Aritmética de precisão finita
- Computador bugs

E que portanto necessitam de aproximações

Ex: Cálculo da área de uma circunferência de raio 100 m.


Possíveis resultados:

Erro de Representação
(1) A = 31400 m2
(2) A = 31416 m2
 não tem representação
(3) A = 31415,92654 m2 finita - 3,14 (1), 3,1416 (2) e
3,141592654 (3)
Números decimais
Um número é escrito como uma sequência de algarismos que correspondem
a múltiplos de potências de 10.

Número decimal é um número obtido a partir de adições e


multiplicações que envolvem potências de 10 ou de 1/10.
Números decimais

Da mesma forma, o primeiro algarismo à direita da vírgula decimal


corresponde a 10−1, o algarismo à direita deste, a 10−2, e assim por diante.
Representação da informação
• Os fenômenos que nos rodeiam são quase todos contínuo. Estes
são quantificáveis e mudam de valor, sem descontinuidade.

Assim, quando gravá-lo em


queremos reproduzir os valores do
fenômeno, devemos um suporte
para poder interpretá-lo, a fim de
reproduzir o fenômeno original da
forma mais exata possível.
A representação pode ser:

Analógica Contínuos
Representação
Digital Discretos
Representações
Analógicas
• As quantidades analógicas têm como
principal característica poder variar
ao longo de uma faixa contínua de
valores.

Contínuos

Variam com o
tempo

Ex:
Sinal analógico que vai de 0 a 10, passa por todos
os valores intermediários.
Representação
Digital
• As quantidades digitais não são
representadas por quantidades
proporcionais, mas por
símbolos denominados dígitos.

O tempo varia de modo contínuo, mas em um relógio digital o tempo


varia em saltos ou degraus de um por minuto.
Digitalização
• Digitalização é o processo pelo qual uma imagem ou
sinal analógico é transformado em código digital.

O computador, por ser uma máquina eletrônica, só consegue processar duas


informações: a presença ou ausência ausência de energia.
Sinal digital

É uma sequência discreta (descontínua) no


tempo e em amplitude. Isso significa que 0
um sinal digital só é definido para
determinados instantes de tempo, e que o
2 algarismos:
conjunto de valores que pode assumir é 1
finito.
Vantagens e Desvantagens na
utilização digital
• Vantagens:
 Sistemas digitais são mais simples de serem projetados;
 Maior facilidade em manter precisão e exatidão;
 Operações podem ser programadas;
 Menos afetados por ruídos.

Desvantagens
 O mundo é quase todo analógico;
 Processar sinais digitais demanda tempo.
Sinal Digital
Bit Binary Digit Dígito Binário
Bytes BInary TErm Sequência de 8 bits

É a menor unidade de informação que pode ser armazenada ou


transmitida.
SISTEMAS DE NUMERAÇÃO BINÁRIA E DECIMAL

• 1 Byte  8 bits  256 combinações possíveis


• No sistema binário (0 e 1), para determinar o número de
combinações com n bits, basta calcular 2n

• Exemplos:
- 1 bit  21=2 combinações possíveis (0 e 1)

:8

BIT BYTE
Fundamentos da Informática
• Unidades da informação
• 8 bits = 1 byte = 1 caracter, letra ou algarismo

Unidades do Byte:
- 1024 Bytes = 1 Kbyte (kilobyte)
- 1024 Kbytes = 1 Mbyte (Megabyte)
- 1024 Mbytes = 1 Gbyte (Gigabyte)
- 1024 Gbytes = 1 Tbyte (Terabyte)

Base binária Bits Ordem de Símbolo


grandeza
210 1.024 Mil K
220 1.048.576 Milhões M
230 1.073.741.824 Bilhões G
240 1.099.511.627.776 Trilhões T
Sistema binário

Números binários são escrito como uma sequência de zeros e uns que
corresponda à multiplicação de potências de 2.
Sistema Decimal e Binário
 Conversão de Números Inteiros:
Em geral, um número na base , (aj aj-1 ...a2a1a0) com 0ak(-1) e
k=1,...,j pode ser escrito na forma polinomial

a j  j  a j 1 j 1  a2  2  a1 1  a0  0


 Ex 1:
(347 )10  a 2  2  a11  a 0  0
 3  10 2  4  101  7  10 0
 Ex 2:

101112  a4  4  a3 3  a2  2  a1 1  a0  0


 1 24  0  23  1 22  1 21  1 20
Mudança de base O algoritmo para a execução
desta conversão é:
a) Dividir por 2 o número que se
deseja converter ;
b) Se o quociente (resultado) for
diferente de 1, dividir este
quociente por 2;
c) Se o novo quociente for
diferente de 1 repetir os itens b) e
c) até que o quociente seja igual a
1;
d) O BINÁRIO equivalente ao
DECIMAL é o último quociente
colocado lado-a-lado com todos
os restos das divisões, de baixo
para cima
Conversão partes inteira,fracionária
juntas
(8,375)10 = ( ? )2

0,375 0,750 0,500 0,000


x2 x2 x2
0,750 1,500 1,000

0 1 1
8,37510 = 1000,0112
Limitações
Outros números possuem sequências de bits repetidas indefinidamente e
a representação binária não é precisa:

• Exemplos:

Número Representação
1/3 0.01010101010101[01]2

1/5 0.0011001100110011[0011]2

1/10 0.00011000110001100011[00011]2

Um problema desta representação: números muito grandes ou muito


pequenos necessitariam de uma sequência muito longa de bits…
Representação em ponto flutuante
𝑚 = ∓ , 𝑑1 𝑑2 𝑑3 … 𝑑𝑡 𝑥 𝛽 ℯ

Um sistema de ponto flutuante pode ser definido como:

𝐹(𝛽, 𝑡, 𝐿, 𝑈)
Onde:

𝛽 é a base do sistema;

𝑡 é o número de dígitos;

L é o menor valor para o expoente;

U é o maior valor para o expoente.


Diferenças: ponto fixo x flutuante
• Suponhamos que existem 10 dígitos disponíveis:

Ponto Fixo:
Inteiro Fracionário

Por exemplo, o número (12,75)10 pode ser representado em um sistema com 32


bits (15 bits para a parte inteira e 16 bits para a parte fracionária) como:

O sistema de ponto fixo limita muito a magnitude dos números que podem ser
representados.
Diferenças: ponto fixo x flutuante
O bit mais à esquerda guarda o sinal do número:
bit = 0  número positivo
bit = 1  número negativo

Caso a fração possua menos bits que o esperado, zeros devem ser colocados
à direita, pois não têm significância.

A base B é implícita (binária) e não precisa ser guardada, pois é a mesma


para todos os números representados.
Palavra 32 bits e 64 bits
Os computadores, em geral, utilizam o padrão de ponto flutuante IEEE 754.

• Precisão única (float): expoente de 8 bits, fração de 23 bits.

1 bit 8 bits 23 bits

sinal expoente fração

• Precisão dupla (double): expoente de 11 bits, fração de 52 bits.

1 bit 11 bits 52 bits

sinal expoente fração


Ponto flutuante × Ponto fixo
Overflow: ocorre quando o expoente é muito grande para ser representado no
campo expoente.

Underflow: ocorre quando o expoente é muito pequeno (= pequena fração)


para ser representado no campo expoente.

overflow underflow underflow overflow


negativo negativo positivo positivo
números números
representados representados

- (2 - 2-23) × 2128 - 2-127 0 2-127 (2 - 2-23) × 2128


Precisão 32 bits e 64 bits
Arredondamento e Truncamento
• Erros de arredondamento Armazenamento de números
em computadores

Números irracionais;
Números finitos longos;
Número finitos na base decimal não exatos na base binária.

• Erros de Truncamento Método Numérico

O erro de truncamento é independente do erro de arredondamento; ele


existe mesmo quando as operações matemáticas são exatas.
Erros
Erro Real = Solução Exata – Solução Numérica

• Erros Absoluto
𝐸𝑎𝑏𝑠 = 𝑎𝑒𝑥 − 𝑎𝑎𝑝𝑟𝑜𝑥

𝑎𝑒𝑥 = é o valor exato da grandeza;

𝑎𝑎𝑝𝑟𝑜𝑥 = é o valor aproximado da grandeza.

• Erros Relativo
𝑎𝑒𝑥 − 𝑎𝑎𝑝𝑟𝑜𝑥
𝐸𝑟𝑒𝑙 =
𝑎𝑒𝑥
36

Erros
Influência dos Erros nas Soluções
Exemplo 1: Falha no lançamento de mísseis
(25/02/1991 – Guerra do Golfo – míssil Patriot)

Limitação na representação
numérica (24 bits)

Erro de 0,34 s no cálculo do


tempo de lançamento
37

Erros
Influência dos Erros nas Soluções
Exemplo 2: Explosão de foguetes
(04/06/1996 – Guiana Francesa – foguete Ariane 5)

Limitação na representação
numérica (64 bits/ 16 bits)

Erro de trajetória 36,7 s


após o lançamento

Prejuízo: U$ 7,5 bilhões