You are on page 1of 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.

Resolução: obtém-se a solução numérica do modelo matemático através da aplicação de métodos numéricos. . 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.

Observe o problema Você está em cima de um edifício que não sabe a altura. O que fazer? Função horária da posição: Este resultado é confiável? 𝑔𝑡 2 𝑠 = 𝑠0 + 𝑣0 𝑡 + 2 1 d  0  0.9.3  .8. Tudo que tem em mãos é uma bola de metal e um cronômetro.3 2  44. mas precisa determiná-la.1m 2 .

1 𝑚 2 Não foram consideradas outras forças como.7% no tempo 60 m de altura 36% da altura .Precisão da leitura do cronômetro. Outros fatores: . 9.82 = 44.5 s 16. 3.3 + . a resistência do ar. a velocidade do vento etc.Observe o problema: Função horária da posição: Este resultado é confiável? 𝑔𝑡 2 𝑠 = 𝑠0 + 𝑣0 𝑡 + 2 1 𝑑 = 0 + 0. por exemplo.

0193 ∓ 10−4 .001254 Dados: 0.019220 < ∆𝑙 < 0.000068 0.019330 𝑚 Precisão de 10-6: 0.001252 < 𝛼 < 0.001253 Precisão de 10-4: 𝛽 = 0.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 = 1.000068.001253.019440 ∆𝑙 = 0.10 + 0. 102 ) ∆𝑙 = 0.000067 < 𝛽 < 0.000069 𝑙0 = 1 m t = 10°C 𝛼 = 0. (0.

003) ml (110. 8 .04) Kg Cada medida é um intervalo e não um número.2) cm (1.57 ± 0. Ex: Representação intervalar de dados (50. devido à incerteza sobre o valor real. 8 Erros Numéricos  Erro Inerente Erro sempre presente nas soluções numéricas.276 ± 1.3 ± 0.

 Relativos à impossibilidade de representação exata Erros inerentes dos fenômenos reais a partir de modelos são inevitáveis matemáticos . 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. Erros da fase de modelagem Em função da sua origem.

costumam ser simplificados Facilitar e viabilizar as soluções . 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.

14 (1). Possíveis resultados: Erro de Representação (1) A = 31400 m2 (2) A = 31416 m2  não tem representação (3) A = 31415.Computador bugs E que portanto necessitam de aproximações Ex: Cálculo da área de uma circunferência de raio 100 m. 3.92654 m2 finita .Calculadoras Aritmética de precisão finita .141592654 (3) .Manualmente .3.Erros na fase de resolução Os cálculos efetuados: .1416 (2) e 3.

Número decimal é um número obtido a partir de adições e multiplicações que envolvem potências de 10 ou de 1/10.Números decimais Um número é escrito como uma sequência de algarismos que correspondem a múltiplos de potências de 10. .

e assim por diante. .Números decimais Da mesma forma. a 10−2. o primeiro algarismo à direita da vírgula decimal corresponde a 10−1. o algarismo à direita deste.

A representação pode ser: Analógica Contínuos Representação Digital Discretos . Estes são quantificáveis e mudam de valor. a fim de reproduzir o fenômeno original da forma mais exata possível. quando gravá-lo em queremos reproduzir os valores do fenômeno. Assim. sem descontinuidade.Representação da informação • Os fenômenos que nos rodeiam são quase todos contínuo. devemos um suporte para poder interpretá-lo.

Contínuos Variam com o tempo Ex: Sinal analógico que vai de 0 a 10. . passa por todos os valores intermediários. Representações Analógicas • As quantidades analógicas têm como principal característica poder variar ao longo de uma faixa contínua de valores.

mas por símbolos denominados dígitos. . O tempo varia de modo contínuo. Representação Digital • As quantidades digitais não são representadas por quantidades proporcionais. mas em um relógio digital o tempo varia em saltos ou degraus de um por minuto.

só consegue processar duas informações: a presença ou ausência ausência de energia. por ser uma máquina eletrônica. O computador. . Digitalização • Digitalização é o processo pelo qual uma imagem ou sinal analógico é transformado em código digital.

. e que o 2 algarismos: conjunto de valores que pode assumir é 1 finito. 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.

 Menos afetados por ruídos.  Processar sinais digitais demanda tempo. Desvantagens  O mundo é quase todo analógico.  Maior facilidade em manter precisão e exatidão. . Vantagens e Desvantagens na utilização digital • Vantagens:  Sistemas digitais são mais simples de serem projetados.  Operações podem ser programadas.

.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). basta calcular 2n • Exemplos: . para determinar o número de combinações com n bits.1 bit  21=2 combinações possíveis (0 e 1) :8 BIT BYTE .

1024 Gbytes = 1 Tbyte (Terabyte) Base binária Bits Ordem de Símbolo grandeza 210 1.099.824 Bilhões G 240 1.073.741.576 Milhões M 230 1.511.048. letra ou algarismo Unidades do Byte: .Fundamentos da Informática • Unidades da informação • 8 bits = 1 byte = 1 caracter.1024 Bytes = 1 Kbyte (kilobyte) .1024 Kbytes = 1 Mbyte (Megabyte) .1024 Mbytes = 1 Gbyte (Gigabyte) .627.776 Trilhões T .024 Mil K 220 1.

.Sistema binário Números binários são escrito como uma sequência de zeros e uns que corresponda à multiplicação de potências de 2.

..a2a1a0) com 0ak(-1) e k=1.. (aj aj-1 ... Sistema Decimal e Binário  Conversão de Números Inteiros: Em geral.. um número na base .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 .

de baixo para cima . 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.Mudança de base O algoritmo para a execução desta conversão é: a) Dividir por 2 o número que se deseja converter . d) O BINÁRIO equivalente ao DECIMAL é o último quociente colocado lado-a-lado com todos os restos das divisões. b) Se o quociente (resultado) for diferente de 1.

750 1.37510 = 1000.0112 .750 0.000 x2 x2 x2 0.500 0.fracionária juntas (8.Conversão partes inteira.000 0 1 1 8.375)10 = ( ? )2 0.500 1.375 0.

00011000110001100011[00011]2 Um problema desta representação: números muito grandes ou muito pequenos necessitariam de uma sequência muito longa de bits… .0011001100110011[0011]2 1/10 0.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.

𝑡. U é o maior valor para o expoente. 𝑈) Onde: 𝛽 é a base do sistema.Representação em ponto flutuante 𝑚 = ∓ . . 𝐿. 𝑡 é o número de dígitos. 𝑑1 𝑑2 𝑑3 … 𝑑𝑡 𝑥 𝛽 ℯ Um sistema de ponto flutuante pode ser definido como: 𝐹(𝛽. L é o menor valor para o expoente.

o número (12.Diferenças: ponto fixo x flutuante • Suponhamos que existem 10 dígitos disponíveis: Ponto Fixo: Inteiro Fracionário Por exemplo.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. .

. pois não têm significância. A base B é implícita (binária) e não precisa ser guardada. pois é a mesma para todos os números 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.

em geral. 1 bit 8 bits 23 bits sinal expoente fração • Precisão dupla (double): expoente de 11 bits. utilizam o padrão de ponto flutuante IEEE 754. • Precisão única (float): expoente de 8 bits. fração de 23 bits.Palavra 32 bits e 64 bits Os computadores. 1 bit 11 bits 52 bits sinal expoente fração . fração de 52 bits.

Ponto flutuante × Ponto fixo Overflow: ocorre quando o expoente é muito grande para ser representado no campo expoente.2-23) × 2128 .2-127 0 2-127 (2 .2-23) × 2128 . Underflow: ocorre quando o expoente é muito pequeno (= pequena fração) para ser representado no campo expoente.(2 . overflow underflow underflow overflow negativo negativo positivo positivo números números representados representados .

Precisão 32 bits e 64 bits .

• Erros de Truncamento Método Numérico O erro de truncamento é independente do erro de arredondamento. Número finitos na base decimal não exatos na base binária. . Números finitos longos. ele existe mesmo quando as operações matemáticas são exatas.Arredondamento e Truncamento • Erros de arredondamento Armazenamento de números em computadores Números irracionais.

Erros Erro Real = Solução Exata – Solução Numérica • Erros Absoluto 𝐸𝑎𝑏𝑠 = 𝑎𝑒𝑥 − 𝑎𝑎𝑝𝑟𝑜𝑥 𝑎𝑒𝑥 = é o valor exato da grandeza. • Erros Relativo 𝑎𝑒𝑥 − 𝑎𝑎𝑝𝑟𝑜𝑥 𝐸𝑟𝑒𝑙 = 𝑎𝑒𝑥 . 𝑎𝑎𝑝𝑟𝑜𝑥 = é o valor aproximado da grandeza.

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 .