Académique Documents
Professionnel Documents
Culture Documents
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.
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.
Os erros podem ser introduzidos em qualquer uma das duas fases do processo.
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:
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:
12310 11110112
123 0,123 10 3
11110112 0,11110112 2 7
11110112 0,11110112 2 111
Mantissa Expoente
22.02.2019
EFB 108 – Matemática Computacional
Notas de Aula - Erros e aritmética do computador 4
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.
0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1
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.
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.
Dada uma função 𝑓(𝑥), a expansão completa em série de Taylor é representada por:
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.
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,
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%.
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
22.02.2019
EFB 108 – Matemática Computacional