Notas de Aula - Erros e aritmética do computador 1

1. ERROS

A obtenção de uma solução numérica para um problema físico por meio da aplicação de
métodos numéricos nem sempre fornece valores que se enquadram dentro de limites
razoáveis. Esta afirmação é verdadeira mesmo quando se aplica um método adequado e os
cálculos são efetuados de maneira correta. Esta diferença é chamada de erro e é inerente ao
processo, não podendo, em muitos casos, ser evitada.

Por definição, erro é a diferença entre um valor calculado numericamente e seu

correspondente calculado analiticamente ou um valor teórico. Por exemplo, vamos analisar a
resolução da equação x 2  4  0 :

 a resolução analítica obtida quando da aplicação do método de Báskara, fornece como

uma das raízes da equação o valor x A  2 ;

 a aplicação de um método numérico (a ser estudado futuramente) poderia encontrar o

valor x N  1,998 para a mesma raiz.

Neste caso, o erro cometido pelo método numérico vale   x A  x N  0,002 . Note que só
nos interessa o módulo da diferença.

É importante que o usuário de métodos numéricos tenha noções sobre as fontes de erros para
saber como controlá-los ou mesmo evitá-los. É importante frisar que o erro a ser estudado
neste capítulo é decorrente das restrições dos métodos numéricos e das máquinas digitais.

Para que se possa entender melhor as fontes de erros é preciso estudar antes o processo de
resolução de um problema físico em Engenharia. Este processo está representado
esquematicamente na figura seguinte.

PROBLEMA Modelagem MODELO Resolução

SOLUÇÃO
FÍSICO MATEMÁTICO

Os erros podem ser introduzidos em qualquer uma das duas fases do processo.

1.1. Erros na fase de modelagem

Modelagem é a obtenção de um modelo matemático (geralmente sob a forma de equações)

que descreve o fenômeno físico. Ao se tentar representar um fenômeno físico por meio de um
modelo matemático, raramente se tem uma descrição correta deste fenômeno. Normalmente
são necessárias simplificações do mundo físico para que se tenha um modelo com o qual se
possa trabalhar. Problemas complexos exigem uma modelagem adicional para viabilizar um
modelo matemático de resolução possível. Deve-se abrir mão de alguns efeitos por
impossibilidade de identificá-los e/ou modelá-los de forma adequada. A Engenharia busca a
melhor representação possível do fenômeno, relativo ou local, caso o melhor absoluto não seja

22.02.2019
EFB 108 – Matemática Computacional
 Notas de Aula - Erros e aritmética do computador 2
viável. Assim, os erros na fase de modelagem são devidos a imprecisões na representação do
fenômeno físico. Os erros possíveis são devidos a:

 escolha errada do modelo matemático;

 simplificações no modelo matemático;

 determinação incorreta das constantes do modelo matemático;

 medição dos valores numéricos das variáveis a serem utilizadas no modelo.

1.2. Erros na fase de resolução

Resolução é a obtenção da solução do problema pela aplicação de métodos numéricos sobre o

modelo matemático. Muitas vezes, as ferramentas de cálculo usadas nesta fase impõem certas
limitações, que podem gerar os 2 tipos de erros a seguir.

1.2.1. Erro por arredondamento

Quando não se consegue representar, no equipamento utilizado, um determinado valor,

ocorre um arredondamento, que pode ser de 3 tipos:

 arredondamento para cima;

 arredondamento para baixo;

 arredondamento para o número mais próximo (o qual fazemos normalmente).

22.02.2019
EFB 108 – Matemática Computacional
 Notas de Aula - Erros e aritmética do computador 3
1.2.1.1. Conversão de bases numéricas

As bases numéricas mais usadas são a binária (dígitos de 0 a 1), a decimal (dígitos de 0 a 9) e a
hexadecimal (dígitos de 0 a F).

Decimal Binária
0 0000
1 0001
2 0010
3 0011
4 0100
5 0101
6 0110
7 0111
8 1000

Os tipos de erros possíveis quando se converte a base numérica usando uma máquina digital
são:

 a não representação de todos os números reais (REPRESENTAÇÃO DISCRETA);

 representação em ponto flutuante:

12310  11110112
123  0,123  10 3
11110112  0,11110112  2 7
11110112  0,11110112  2 111
Mantissa Expoente

22.02.2019
EFB 108 – Matemática Computacional
 Notas de Aula - Erros e aritmética do computador 4

 computador hipotético (16 bits em cada posição de memória):

Sinal Sinal
da Mantissa do
Expoente Expoente
Mantissa

Para esse computador hipotético, será atribuído valor 0 para sinal positivo enquanto o sinal
negativo será representado pelo valor 1, tanto para a mantissa quanto para o expoente.

 maior valor positivo representado por este computador: 3273610

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

 maior valor negativo representado pelo computador:  3273610

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

 representação do número zero:

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

 primeiro número positivo a ser representado: 0,1  2 15  0,000015259

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

 próximo número positivo a ser representado: 0,1000000001 2 15  0,000015289

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

A partir desses exemplos, pode-se concluir que o conjunto dos números representáveis nesse
sistema é um subconjunto discreto dos números reais, dentro do intervalo mostrado
anteriormente.

 a não representação de números de grande magnitude, sejam eles positivos ou negativos

(OVERFLOW) e próximos de zero (UNDERFLOW).

22.02.2019
EFB 108 – Matemática Computacional
 Notas de Aula - Erros e aritmética do computador 5
1.2.2. Erro de truncamento

Este erro é produto da utilização de processos muito longos ou infinitos que precisam ser
truncados, ou seja, interrompidos em algum ponto.

1.2.2.1. A série de Taylor

Dada uma função 𝑓(𝑥), a expansão completa em série de Taylor é representada por:

𝑓 ′′ (𝑥𝑖 ) 2 𝑓 ′′′ (𝑥𝑖 ) 3 𝑓 (𝑛) (𝑥𝑖 ) 𝑛

𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓 ′ (𝑥𝑖 )ℎ + ℎ + ℎ ⋯+ ℎ + 𝑅𝑛
2! 3! 𝑛!
Em que ℎ = (𝑥𝑖+1 − 𝑥𝑖 ) e 𝑅𝑛 é chamado resto e tem por objetivo representar todos os termos
𝑛 + 1 até o infinito.

O Teorema de Taylor afirma que qualquer função suave (funções que possuem derivadas de
todas as ordens) pode ser aproximada por um polinômio. Para funções diferenciáveis, como
exponenciais e funções senoidais, um número finito de termos não resultará em uma
estimativa exata. Cada termo adicional irá melhorar a aproximação.

Exemplo (adaptado de Chapra, 2013):

𝜋
Use expansões em série de Taylor com 𝑛 = 0 até 6 para aproximar 𝑓(𝑥) = cos 𝑥 em 𝑥𝑖+1 = 3
𝜋
como base no valor de 𝑓(𝑥) e de suas derivadas em 𝑥𝑖 = 4 .
𝜋 𝜋 𝜋
Note que: ℎ = (𝑥𝑖+1 − 𝑥𝑖 ) = 3 − 4 = 12

𝜋
Sabe-se que cos ( 3 ) = 0,5. A obtenção de uma aproximação de ordem zero resulta em:

𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 )

𝜋 𝜋
𝑓 ( ) ≅ cos ( ) = 0,707106781
3 4
0,5−0,707106781
Gerando um erro percentual relativo 𝜀𝑡 = | | ∙ 100 = 41,4%.
0,5

Em aproximação de primeira ordem, inclui-se o termo da primeira derivada, 𝑓 ′ (𝑥) = 𝑠𝑒𝑛 (𝑥).
Assim,

𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓′(𝑥𝑖 ) ∙ ℎ

𝜋 𝜋 𝜋 𝜋
𝑓 ( ) ≅ cos ( ) − 𝑠𝑒𝑛 ( ) ∙ ( ) = 0,521986659
3 4 4 12
22.02.2019
EFB 108 – Matemática Computacional
 Notas de Aula - Erros e aritmética do computador 6
Contabilizando um 𝜀𝑡 = 4,40%. Para uma aproximação de segunda ordem, adiciona-se o
termo da segunda derivada:

𝑓 ′′ (𝑥𝑖 ) 2
𝑓(𝑥𝑖+1 ) ≅ 𝑓(𝑥𝑖 ) + 𝑓 ′ (𝑥𝑖 )ℎ + ℎ
2!
𝜋
𝜋 𝜋 𝜋 𝜋 cos (4) 𝜋 2
𝑓 ( ) ≅ cos ( ) − 𝑠𝑒𝑛 ( ) ∙ ( ) − ∙ ( ) = 0,497754491
3 4 4 12 2 12
Observe que a adição de mais um termo da série melhorou a estimativa. Verifique que
𝜀𝑡 = 0,449%.

A tabela a seguir lista os resultados para 𝑛 até 6.

𝜋
Ordem n 𝑓 (𝑛) (𝑥) 𝑓( ) 𝜀𝑡
3
0 cos (𝑥) 0,707106781 41,4
1 −𝑠𝑒𝑛 (𝑥) 0,521986659 4,40
2 − cos (𝑥) 0,497754491 0,449
3 𝑠𝑒𝑛 (𝑥) 0,499869147 2,62 × 10-2
4 cos (𝑥) 0,500007551 1,51 × 10-3
5 −𝑠𝑒𝑛 (𝑥) 0,500000304 6,08 × 10-5
6 − cos (𝑥) 0,499999988 2,44 × 10-6

1.3. Propagação de erros

Ao longo de um processo de resolução numérica de um problema ocorrem sucessivos erros

dos tipos mencionados anteriormente. Estes erros propagam-se ao longo dos cálculos,
podendo levar a resultados absurdos.

Se utilizarmos, em um determinado problema, resultados obtidos em cálculos anteriores, além

de inserirmos nos cálculos os erros mencionados acima, os valores utilizados no mesmo já
possuem os erros inseridos nos passos anteriores.

22.02.2019
EFB 108 – Matemática Computacional