Baixe o app para aproveitar ainda mais
Prévia do material em texto
CálculoCálculo Numérico Numérico Selma ArenalesSelma Arenales Artur Darez Artur Darezzozo Aprendizagem co Aprendizagem com apoio de som apoio de softwareftware Cálculo NuméricoCálculo Numérico Aprendizagem com Apoio de Software Aprendizagem com Apoio de Software Dados Internacionais de Catalogação na Publicação (CIP) (Câmara Brasileira do Livro, SP, Brasil) Arenales, Selma Cálculo numérico : aprendizagem com apoio de software / Selma Arenales, Artur Darezzo. -- São Paulo: Cengage Learning, 2010. 1ª reimpr. da 1ª ed. de 2008. Bibliografa. ISBN 1. Cálculo numérico 2. Cálculo numérico – Problemas, exercícios etc. I. Darezzo, Artur. II. Título. 07-6796 CDD-515.07 Índices para catálogo sistemático: 1. Cálculo numérico : Estudo e ensino 515.4092 Selma Arenales Artur Darezzo Cálculo Numérico Aprendizagem com Apoio de Software Austrália • Brasil • Japão • Coréia • México • Cingapura • Espanha • Reino Unido • Estados Unidos Cálculo Numérico: Aprendizagem com apoio de software Selma Arenales Artur Darezzo Gerente Editorial: Patricia La Rosa Editora de Desenvolvimento: Ligia Cosmo Cantarelli Supervisor de Produção Editorial: Fábio Gonçalves Produtora Editorial: Renata Siqueira Campos Supervisora de Produção Gráfica: Fabiana Alencar Albuquerque Copidesque: Sueli Bossi da Silva Revisão: Gisele Múfalo Diagramação: Segmento & Co. Produções Gráficas Ltda. Capa: Eduardo Bertolini © ���� Cengage Learning Edições Ltda. Todos os direitos reservados. Nenhuma parte deste livro po- derá ser reproduzida, sejam quais forem os meios empregados, sem a permissão, por escrito, da Editora. Aos infratores aplicam-se as sanções previstas nos artigos ���, ���, ��� e ��� da Lei no �.���, de �� de fevereiro de ����. © ���� Cengage Learning. Todos os direitos reservados. ISBN-��: Cengage Learning Condomínio E-Business Park Rua Werner Siemens, ��� – Prédio �� – Espaço �� Lapa de Baixo – CEP �����-��� – São Paulo – SP Tel.: (��) ����-���� – Fax: (��) ����-���� SAC: �8�� �� �� �� Para suas soluções de curso e aprendizado, visite www.cengage.com.br Para informações sobre nossos produtos, entre em contato pelo telefone ���� �� �� �� Para permissão de uso de material desta obra, envie seu pedido para direitosautorais@cengage.com Impresso no Brasil. Printed in Brazil. 1 2 3 4 5 6 7 11 10 09 08 Ao Marcos Arenales, meu esposo, aos meus pais Maria e Sebastião Vasconcelos e à minha família de amigos. Com carinho para minha esposa Regina, companheira de todas as jornadas e aos meus filhos Helga, Fabiana e João Paulo. Prefácio IX Agradecimentos X Capítulo 1 Erros em processos numéricos 1 1.1 Introdução 1 1.2 Erros na fase da modelagem 2 1.3 Erros na fase de resolução 2 1.4 Erros de representação 5 1.5 Erro de arredondamento 10 1.6 Erro absoluto 10 1.7 Erro relativo 11 1.8 Erro de truncamento 12 1.9 Propagação dos erros 14 Exercícios 16 Capítulo 2 Solução numérica de sistemas de equações lineares e matrizes inversas 19 2.1 Introdução 19 2.2 Sistemas de equações lineares 19 2.3 Métodos diretos 21 2.4 Matrizes inversas 46 2.5 Condicionamento de sistemas lineares 49 2.6 Métodos iterativos 49 2.7 Trabalhando com o Software Numérico 65 Exercícios 68 Capítulo 3 Solução numérica de equações 73 3.1 Introdução 73 3.2 Localização das raízes: métodos gráficos 74 3.3 Métodos numéricos para resolução de equações 76 3.4 Equações polinomiais 96 3.5 Sistemas de equações não lineares 106 Sumário viii Cálculo Numérico Capítulo 4 Aproximação de funções 127 4.1 Introdução 127 4.2 Interpolação polinomial 127 4.3 Fórmula interpolatória de Lagrange 132 4.4 Interpolação linear 138 4.5 Fórmula interpolatória de Newton 141 4.6 Interpolação inversa 148 4.7 Fórmula interpolatória de Newton-Gregory 153 4.8 Aproximação de funções – o método dos mínimos quadrados 157 4.9 Trabalhando com o Software Numérico 182 Exercícios 185 Capítulo 5 Integração numérica 189 5.1 Introdução 189 5.2 Fórmulas de quadratura de Newton-Cotes 191 5.3 Erro cometido na integração numérica 192 5.4 Regra dos trapézios 193 5.5 Regra 1/3 de Simpson 200 5.6 Regra 3/8 de Simpson 208 5.7 Fórmula de quadratura de Gauss 216 5.8 Integração dupla 223 5.9 Trabalhando com o Software Numérico 227 Exercícios 229 Capítulo 6 Solução numérica de equações diferenciais ordinárias 233 6.1 Introdução 233 6.2 Problema de valor inicial (PVI) 236 6.3 Discretização 241 6.4 Métodos baseados em série de Taylor 242 6.5 Métodos de Runge-Kutta 251 6.6 Métodos previsor-corretor 269 6.7 Trabalhando com o Software Numérico 278 Exercícios 282 Capítulo 7 Manual do Software Numérico 285 7.1 Introdução 286 7.2 Objetivos 286 7.3 Software Numérico – Módulos desenvolvidos 286 7.4 Abertura do Software Numérico 287 7.5 Descrição dos módulos do Software Numérico 288 Referências bibliográ ficas 361 Índice remissivo 363 Este livro foi projetado e escrito com o objetivo de oferecer aos estudantes de ciências exatas um material didático simples e de fácil entendimento dos tópi- cos de um curso básico de Cálculo Numérico, de um semestre, nas instituições de ensino superior. Originado a partir de uma apostila, Notas de Cálculo Numérico , escrita pe- los autores e pelos professores que ministravam a disciplina de Cálculo Nu- mérico e publicada pelo Departamento de Matemática, conforme Darezzo, A. F.; Arenales, S. H. V. et al. (1992), esta obra reflete a experiência de muitos anos dos autores, no ensino da disciplina Cálculo Numérico para diferentes cursos do Centro de Ciências Exatas e de Tecnologia da Universidade Federal de São Carlos – UFSCar. O livro é composto de sete capítulos contendo os principais tópicos abor- dados numa disciplina básica de Cálculo Numérico nas universidades, apre- sentando os métodos numéricos com desenvolvimento teórico e os respectivos algoritmos descritos de forma simples, com exemplos e listas de exercícios para fixação do conteúdo. Alguns resultados do Cálculo Diferencial Integral, da Álgebra Linear e da Geometria Analítica foram utilizados no decorrer dos capítulos, considerando que os alunos tenham estes conhecimentos. Juntamente com este livro desenvolvemos o Software Numérico de apoio ao ensino/aprendizagem de tópicos básicos de Cálculo Numérico, no qual con- ceitos e resultados dados em sala de aula são reforçados em aulas de exercícios nos laboratórios computacionais. O Software Numérico relaciona cinco módulos: Sistemas Lineares, Raízes de Funções, Interpolação e Aproxi mação de Funções, Integração Numérica e Equações Diferenciais Ordinárias. Este software foi desenvolvido inicialmente durante o Projeto de Rees- truturação do Ensino de Engenharia – Projeto Reenge (1996), em seguida foi aperfeiçoado e tem sido utilizado como ferramenta metodológica, em aulas Prefácio x Cálculo Numérico de exercícios, para todas as turmas de Cálculo Numérico no Laboratório de Ensino do Departamento de Matemática da UFSCar. Acreditamos, também, que este material possa ser aplicado em cursos na modalidade Ensino a Distância, o qual o professor, com listas de exercícios bem elaboradas, reforça e melhora a aprendizagem desses assuntos, com a aplicação do Software Numérico, que contém um Arquivo de Correção , o qual armazena todas as etapas de execução dos exercícios feitos pelos alunos. Posteriormente, o professor pode acessá-lo, analisá-lo e realizar comentários sobre tentativas, erros e acertos dos alunos estabelecendo uma interação pro- fessor/aluno a distância, que pode ser encontrado para download no site da Editora Thomson (www.thomsonlearning.com.br). O Manual do Software Numérico, no qual o usuário possui, de forma simples e clara, um resumo sobre os métodos numéricos desenvolvidos nos capítulos anteriores deste livro com exemplos ilustrativos, além de infor- mações sobre o uso, sintaxe, entrada de dados e todos os esclarecimentos à disposição no Help On Line pode ser encontrado no CD que acompanha este livro. O usuário pode instalar o software de maneira simplesutilizando a senha 6028. Este software também foi usado, numa experiência de ensino na dis- ciplina de Cálculo Numérico, integrado com o uso de Mapas Conceituais. Com esta metodologia de ensino/aprendizagem foi possível observar efeitos, influências, benefícios e dificuldades, tanto nas atividades em sala de aula como em aulas de laboratório, conforme publicação Salvador, J. A.; Arenales, S. H. V. et al. (2003). Agradecimentos Aos estudantes da UFSCar e do Centro Universitário Central Paulista – Unicep, pelo retorno positivo nas versões preliminares que nos incentivou a publi- car este livro. Aos colegas do Departamento de Matemática da UFSCar que de alguma forma acompanharam este trabalho e acreditaram no seu desenvolvimento, através do incentivo diário e de sugestões para que os objetivos propostos fossem alcançados. Em especial, ao Professor Dr. Marcos Nereu Arenales, docente do Depar- tamento de Matemática Aplicada e Estatística – ICMC-USP-São Carlos, pela leitura e pelas sugestões pertinentes nos diversos capítulos deste livro. Selma Arenales Artur Darezzo 1.1 Introdução De uma maneira geral, a resolução de um problema de qualquer área do conhe- cimento científico passa inicialmente por uma fase de observação e entendimento do fenômeno físico envolvido na qual, usando conhecimentos já estabelecidos, buscamos, através de simplificações, quando necessárias, a construção de um modelo matemático que represente, com a maior fidelidade possível, o problema que desejamos tratar. Esta etapa é caracterizada como fase da modelagem do modelo matemático. Com o problema representado através de um modelo matemático, bus- camos, para a sua resolução, um método exato quando possível, ou, quando não, um método numérico aproximado. Mesmo quando utilizamos na resolução do modelo matemático um mé- todo exato, isto é, um método que apresenta a solução exata para o modelo, pelo fato de este envolver um número muito grande de operações elemen- tares (adição, multiplicação, subtração e divisão) e, sendo estas processadas em equipamento com capacidade limitada para armazenar dados, podemos cometer erros. Por outro lado, quando optamos, em razão da complexidade do modelo matemático, pela resolução através de um método numérico, além dos erros no processamento anteriormente mencionados, podemos também cometer erros provenientes do fato de utilizarmos, para a resolução do modelo mate- mático, um algoritmo aproximado. Esta etapa é caracterizada como fase de resolução do modelo matemático. Podemos entender as duas fases descritas anteriormente através do es- quema representado na Figura 1.1. Neste capítulo apresentamos os principais erros que podem ocorrer na fase da resolução de um problema. Os erros cometidos devido à mudança Erros em Processos Numéricos Capítulo 1 2 Cálculo Numérico da base de processamento, os erros de representação, devido ao sistema uti- lizado pelos computadores para armazenar dados numéricos; os erros de arredondamento e truncamento; e erros absolutos e relativos. 1.2 Erros na fase da modelagem São os erros decorrentes de simplificações, muitas vezes necessárias, para que o fenômeno da natureza que estivermos observando possa ser repre- sentado por um modelo matemático e que tenha condições de ser tratado com as ferramentas matemáticas disponíveis. 1.3 Erros na fase de resolução São erros provenientes da utilização de algum equipamento, como, por exem- plo, um computador, para processarmos os cálculos necessários à obtenção de uma solução para o modelo matemático. Tais erros ocorrem devido ao fato de os equipamentos terem capacidade limitada para armazenar os dígitos significativos de valores numéricos utilizados nas operações elementares de adição, multiplicação, subtração e divisão. Os erros nesta fase de resolução podem ser classificados em erros na mudança de base e erros de representação, apresentados a seguir: Erros na mudança da base A maioria dos equipamentos computacionais representa os valores numé- ricos no sistema binário. Assim, quando os dados numéricos presentes nos modelos matemáticos são lidos, estes são transformados em uma outra base de representação Figura 1.1 Erros em Processos Numéricos 3 Acontece, muitas vezes, que esta transformação pode ser acometida de erros, em razão da limitação da representação do equipamento computacio- nal que estamos utilizando para o processamento dos dados numéricos. Dado um número real, N, é sempre possível representá-lo em qualquer base b, da seguinte forma: N a b b i i i n m = = ∑ × onde a bi ∈ −{ }0 1 2 3 1, , , ,...,( ) , com n e m inteiros. Base binária m i 2 i i n N a ×2 = = ∑ , { }ia 0,1∈ Exemplo 1.1 a) 0 1 2 32(1011) 1× 2 1× 2 0 × 2 1× 2= + + + Neste caso, o binário só tem a parte inteira, isto é, i = 0, 1, 2, 3, e temos: 0 1 2 31, 1, 0, 1= = = =a a a a b) 2 1 0 1 22(111.01) 1 × 2 0 × 2 1 × 2 1 × 2 1 × 2 − −= + + + + Neste caso, o binário tem parte inteira e parte fracionária, isto é, n = –2 e m = 2, e portanto: 2 1 0 1 21, 0, 1, 1, 1− −= = = = =a a a a a Base decimal m i 10 i i n N a ×10 = = ∑ , { }ia 0, 1, ..., 9∈ , com n e m inteiros. Exemplo 1.2 a) 0 1 210(231) 1×10 3 ×10 2 ×10= + + Neste caso, o número na base decimal é inteiro, i = 0, 1, 2 e temos: 0 1 21, 3, 2= = =a a a b) 2 1 0 1 210(231.35) 5 ×10 3 ×10 1×10 3 ×10 2 ×10 − −= + + + + Neste caso, o número na base decimal tem parte inteira e parte fracionária, n = –2 e m = 2, e temos: 2 1 0 1 25, 3, 1, 3, 2− −= = = = =a a a a a Assim, dado um número real qualquer numa base b, podemos escrevê-lo em uma outra base b’, a partir de adequação conveniente de seus coeficien- tes a = 0, 1, 2, 3, ..., (b – 1) e de uma potência adequada na nova base b’ 4 Cálculo Numérico Mudança da base binária para a base decimal Procedimento: multiplicar o dígito binário por uma potência adequada de 2. Exemplo 1.3 a) 0 1 2 32 10(1101) 1× 2 0 × 2 1× 2 1× 2 (13 )= + + + = b) 3 2 1 0 1 22 10(111.011) 1× 2 1× 2 0 × 2 1× 2 1× 2 1× 2 (7.375) − − − = + + + + + = Mudança da base decimal para a base binária (número na base decimal tem somente a parte inteira) Procedimento: divisões sucessivas. O procedimento consiste na divisão do número na base decimal sucessi- vamente por 2, armazenando, a cada passo, o algarismo do resto (r), até que o quociente da divisão seja igual a 1. O binário é constituído pelo quociente 1 e pelos coeficientes do resto da divisão, a partir do resto mais significativo (rn – 1 ) para o menos significativo (r1 ). Desta forma, temos: N10 = (1 rn – 1 rn – 2 rn – 3 ... r3 r2 r1 )2 Exemplo 1.4 a) 0 1 2 3 410 2( 25) (11001) 1 × 2 0 × 2 0 × 2 1× 2 1× 2= = + + + + , isto é: 25 ÷ 2 = 12 e resto = 1, 12 ÷ 2 = 6 e resto = 0, 6 ÷ 2 = 3 e resto = 0 3 ÷ 2 = 1 e resto = 1. b) 0 1 2 310 2(11) (1011) 1× 2 1× 2 0 × 2 1× 2= = + + + Mudança da base decimal para a base binária (número na base decimal tem somente a parte fracionária) Procedimento: multiplicações sucessivas. O procedimento é constituído dos seguintes passos: a) Multiplicamos o número fracionário por 2. b) Do resultado do passo a), a parte inteira é o primeiro dígito binário. c) Do resultado do passo b), a parte fracionária é novamente multiplicada por 2. d) O processo continua até que a parte fracionária seja nula. Exemplo 1.5 a) 1 2 3 4 3 1610 2 10( 0.1875) ( 0.0011) 0 × 2 0 × 2 1 × 2 1 × 2 ( ) − − − − = = + + + = , isto é: (0.1875)(2) = 0.375 → parte inteira = 0 e parte fracionária = 0.375 (0.375)(2) = 0.75 → parte inteira = 0 e parte fracionária = 0.75 (0.75)(2) = 1.5 → parte inteira = 1 e parte fracionária = 0.5 (0.5)(2) = 1.0 → parte inteira = 1 e parte fracionária = 0 Erros em Processos Numéricos 5 b) 10 10 10 2 2 2(13.25) (13) (0.25) (1101) (0.01) (1101.01)= + = + = c) 10 2( 0.2) ( 0.001100110011...)= Observe que (0.2)10 é uma dízima periódica de período (0.0011). Assim, o decimal (0.2)10 não tem uma representaçãobinária exata, isto é, a representação é aproximada e, portanto, apresenta erro. 1.4 Erros de representação Na construção de um equipamento computacional, uma questão importante a ser considerada em sua arquitetura é a forma que será adotada para represen- tar os dados numéricos. Basicamente, na memória de um equipamento, cada número é armazenado em uma posição que consiste de um sinal que identifica se o número é positivo ou negativo e um número fixo e limitado de dígitos significativos. De maneira geral, destacamos o seguinte sistema de armazenamento de valores numéricos: Sistema de ponto fl utuante normalizado Um número no sistema de ponto flutuante é caracterizado por uma base b , um número de dígitos significativos n e um expoente exp. Dizemos que um número real nr está representado no sistema de ponto flutuante se for possível escrevê-lo da seguinte maneira: nr = m × bexp onde m é a mantissa do número, 2≥b é a base e exp é o expoente da base. Neste sistema de ponto flutuante, as seguintes condições devem ser verificadas: m = ± 0. d1 d2 ... dnMn ∈ N sendo n o número máximo de dígitos na mantissa, d 1 , d2 , ..., dn , dígitos sig- nificativos da mantissa, do sistema de representação, com o primeiro dígito satisfazendo a condição 11 d (b 1)≤ ≤ − e os demais dígitos satisfazendo i0 d (b 1)≤ ≤ − ; i = 2, 3, ..., n. O expoente exp varia da seguinte maneira: mí n máxexp exp exp≤ ≤ sendo mí nexp 0≤ e máxexp 1≥ com expmín e expmáx inteiros. A união de todos os números em ponto flutuante, juntamente com a re- presentação do zero, constitui o sistema de ponto flutuante normalizado, que indicamos por SPF (b, n, expmín , expmáx) 6 Cálculo Numérico Neste sistema, o zero é representado da seguinte maneira: zero :0.0000.......0 bexpmín Considerando o sistema de ponto flutuante normalizado dado na forma genérica por SPF (b, n, expmín , expmáx) , temos: a) O menor positivo exatamente representável, não nulo, é o real formado pela menor mantissa multiplicada pela base elevada ao menor expoen- te, isto é: menor = (0.1000.......0) bexpmín b) O maior positivo exatamente representável é o real formado pela maior mantissa multiplicada pela base elevada ao maior expoente, isto é: maior = (0 . [b 1][b 1] ... [b 1]) bexpmáx c) O número máximo de mantissas positivas possíveis é dado por: 1n b)1 b(mantissas − + −= d) O número máximo de expoentes possíveis é dado por: possíveis máx mí nexp exp exp 1= − + e) O número de elementos positivos representáveis é dado pelo produto en- tre o número máximo de mantissas pelo máximo de expoentes, isto é: possíveisNR mantissas × exp+ += Se considerarmos que dado um número real ∈nr SPF temos que − ∈nr SPF e a representação do zero, podemos concluir que o número total de elementos exatamente representáveis NRt é dado por: tNR 2 × NR 1+= + Exemplo 1.6 Considere o sistema de ponto flutuante SPF (b, n, expmín , expmáx) = SPF (3, 2, –1, 2) , isto é, de base 3, 2 dígitos na mantissa, menor expoente igual a –1 e maior expoente 2. Para este sistema temos: a) O menor exatamente representável: 1 1 2 1 10 10 × 3 (1× 3 0 × 3 ) × 3− − − −= + = n vezes (n–1) vezes n vezes Erros em Processos Numéricos 7 b) O maior exatamente representável: 1 22 20.22 × 3 (2 × 3 2 × 3 )× 3 8− −= + = c) A quantidade de reais positivos exatamente representáveis: Temos que a quantidade de reais positivos exatamente representáveis é dada pelo produto entre todas as mantissas possíveis de dois dígitos, formadas com os dígitos da base 3, isto é, 0.10, 0.11, 0.12, 0.20, 0.21, 0.22, e todas as pos- sibilidades de expoentes, que no caso são –1, 0, 1, 2. Desta forma, os 24 positivos exatamente representáveis estão listados a seguir: 1 0 1 2 exp 1: 0.10 × 3 1/9 exp 0: 0.10 × 3 1/3 exp 1: 0.10 × 3 1 exp 2: 0.10 × 3 3 −= − = = = = = = = 1 0 1 2 exp 1: 0.11× 3 4/27 exp 0: 0.11× 3 4/9 exp 1: 0.11× 3 4/3 exp 2: 0.11× 3 4 −= − = = = = = = = 1 0 1 2 exp 1: 0.12 × 3 5/27 exp 0: 0.12 × 3 5/9 exp 1: 0.12 × 3 5/3 exp 2: 0.12 × 3 5 −= − = = = = = = = 1 0 1 2 exp 1: 0.20 × 3 2/9 exp 0: 0.20 × 3 2/3 exp 1: 0.20 × 3 2 exp 2: 0.20 × 3 6 −= − = = = = = = = 1 0 1 2 exp 1: 0.21× 3 7/27 exp 0: 0.21× 3 7/9 exp 1: 0.21× 3 7/3 exp 2: 0.21× 3 7 −= − = = = = = = = 1 0 1 2 exp 1: 0.22 × 3 8/27 exp 0: 0.22 × 3 8/9 exp 1: 0.22 × 3 8/3 exp 2: 0.22 × 3 8 −= − = = = = = = = Observe que o menor real positivo representável é 1 9 e o maior positivo representável é o real 8. Por outro lado, sabemos que se um real x ∈SPF então –x ∈SPF e, como no sistema de ponto flutuante normalizado o zero é uma representação, te- mos que os representáveis de SPF pertencem ao conjunto: R = {}1 1x; x , 8 8, 09 9 ∈ − − ∪ ∪ 8 Cálculo Numérico Todos os reais que não pertencem à união dos intervalos anteriores não são representáveis e qualquer tentativa de representação fora dos intervalos an- teriores constitui-se em uma mensagem de erro, isto é, Erro de Underflow , se a tentativa de representação satisfizer: Erro de Overflow , se a tentativa de representação satisfizer: Se marcarmos os reais exatamente representáveis na reta real, verifica- remos, num primeiro momento, uma maior concentração de representáveis nas proximidades do zero e uma menor concentração à medida que nos afastamos da origem e que, aparentemente, não existe uma uniformidade na sua distribuição. No entanto, é possível observar que os representáveis definidos através do produto de cada uma das mantissas multiplicada pela base elevada ao mesmo expoente são igualmente espaçados na representação sobre a reta. Assim, os reais 10.10×3− , 10.11×3− , 10.12×3− , 10.20×3− , 10.21×3− , 10.22×3− são igualmente espaçados por 3 1 h 27 = . Os reais 00.10×3 , 00.11× 3 , 00.12×3 , 00.20×3 , 00.21×3 , 00.22×3 são igualmente espaçados por 2 1 h 9 = . Enquanto os reais 10.10×3 , 10.11×3 , 10.12×3 , 10.20×3 , 10.21×3 , 10.22×3 são espaçados por 1 1 h 3 = . E os reais representados por 20.10×3 , 20.11×3 , 20.12×3 , 20.20×3 , 20.21× 3 , 20.22×3 são igualmente espaçados por h0 = 1. De modo geral, podemos representar o espaçamento entre os representá- veis exatamente da seguinte maneira: i i 1 h ; i 0, 1, 2, 3 3 = = Exemplo 1.7 Considere o sistema de ponto flutuante SPF (2, 3, –1, 2) , isto é, de base 2, 3 dígitos na mantissa, menor expoente igual a –1 e maior expoente 2. Erros em Processos Numéricos 9 Para este sistema temos 16 reais positivos exatamente representáveis além do zero. A representação na reta real de alguns dos reais positivos do sistema SPF (2, 3, –1, 2) pode ser visualizada através da Figura 1.2: Figura 1.2 Observe que o menor positivo exatamente representável é 1/4 e o maior é 7/2. Exemplo 1.8 Considere o sistema de ponto flutuante normalizado SPF (3, 2, –1, 2), de base 3, 2 dígitos na mantissa, menor expoente igual a –1 e maior expoente 2. Para este sistema, temos que: 1 3 1 x ( 0.10 ) × 3 9 −= = e 23y 5 (0.12) × 3= = são exatamente representáveis, no entanto,( ) ( . ) ( . )x y+ = +0 00010 3 0 123 2 3× × ( . )=3 0 1201 32 3 2× não é exatamente representável em SPF, uma vez que no sistema de ponto flutuante considerado a mantissa é de 2 dígitos. Observação Pode ocorrer de outras propriedades consagradas no conjunto dos números reais não serem verdadeiras, no sentido da exatidão da representação, no sistema de ponto flutuante normalizado, como as propriedades comuta- tiva e associativa na adição, e as propriedades comutativa e distributiva na multiplicação. Exemplo 1.9 Dados x , y , z ∈ℜ e o sistema de ponto flutuante normalizado SPF (3, 2, –1, 2), temos: Se 13 5 x (0.12) × 3 3 = = , 13 7 y (0.21) × 3 27 −= = e 03 8 z (0.22) × 3 9 = = temos: ( ) 1x y z 0 22 × 3+ + = e ( ) 1x y z 0 21× 3+ + = 10 Cálculo Numérico Podemos observar que: x +(y + z) ≠ (x + y) + z 1.5 Erro de arredondamentoQuando estamos utilizando um equipamento computacional para proces- sar uma determinada operação aritmética, se o número obtido não pertencer às regiões de Underflow ou de Overflow e este não é representável exata- mente no sistema de ponto flutuante SPF o mesmo será representado de forma aproximada por nra. Esta aproximação será caracterizada como um arredondamento do real nr, para que sua representação seja possível no SPF. Assim, dizemos que um número na base decimal nr foi arredondado na posição k se todos os dígitos de ordem maior que k forem descartados segundo o seguinte critério: a) O dígito de ordem k é acrescido de uma unidade se o de ordem (k + 1) for maior que a metade da base. Caso contrário, o número nr é repre- sentado com os k dígitos iniciais. b) Se o dígito de ordem (k + 1) é exatamente a metade da base e o de ordem k é par, então o número nr é representado com k dígitos e, se o dígito de ordem k é ímpar, então o de ordem k é acrescido de uma unidade. c) O arredondamento por corte considera que, para obter um número com k dígitos, simplesmente trunca-se na posição k. Exemplo 1.10 Consideremos um equipamento com o sistema de ponto flutuante normali- zado SPF (b, n, expmín , expmáx) = SPF (10, 4, –5, 5). a) Se 3a 0.5324 × 10= e 2 b 0.4212 ×10−= , então 1a b 0.22424688 ×10× = , que é arredondado e armazenado como 1a(a x b) 0.2242 ×10= . b) Se 3a 0.5324 × 10= e 2 b 0.1237 ×10= , então 3a b 0.54477 ×10+ = , que é arredondado e armazenado como 3a(a b) 0.5448 ×10+ = . 1.6 Erro absoluto Definimos erro absoluto como abs ex aproxE a a= − onde aex é o valor exato da grandeza considerada e aaprox é o valor aproxi- mado da mesma grandeza. Erros em Processos Numéricos 11 Como na maioria das vezes o valor exato não é disponível, a definição anterior fica sem sentido. Assim, é necessário trabalharmos com um limi- tante superior para o erro, isto é, escrevê-lo na forma: ex aproxa a− ≤ ε onde ε é um limitante conhecido. A desigualdade anterior pode ser entendida da seguinte maneira: –ε ≤ aex – aaprox ≤ ε ou ainda aprox ex aproxa a a− ε ≤ ≤ + ε isto é, aaprox é o valor aproximado da grandeza aex com erro absoluto não superior a ε. 1.7 Erro relativo Definimos erro relativo como: ex aprox rel ex ex a aE E a a − = = onde aex é o valor exato da grandeza considerada e aaprox é o valor aproxi- mado da mesma grandeza. Como na maioria das vezes o valor exato não é disponível, a definição anterior fica sem sentido. Dessa forma, é preciso trabalharmos com um limi- tante superior para o erro relativo, isto é, escrevê-lo na forma: aproxa ε δ ≤ onde δ, é um limitante conhecido. Podemos observar que o erro relativo nos fornece mais informações sobre a qualidade do erro que estamos cometendo num determinado cálculo, uma vez que no erro absoluto não é levada em consideração a ordem de grandeza do valor calculado, enquanto no erro relativo esta ordem é contemplada. Exemplo 1.11 a) Consideremos o valor exato aex = 2345.713 e o valor aproximado aaprox = 2345.000 Então, Eabs = 0.713 Erel = 0.00030396 12 Cálculo Numérico b) Consideremos o valor exato aex = 1.713 e o valor aproximado aaprox = 1.000 Então, Eabs = 0.713 Erel = 0.416229 Observe que nos exemplos a) e b) o erro absoluto é o mesmo, embora o erro cometido pela aproximação seja muito mais significativo no exemplo b). No exemplo a) , o erro relativo é da ordem de 0.03%, e no exemplo b) , é da ordem de 41.6%. Observação Em geral, nos procedimentos numéricos geramos uma seqüência de soluções aproximadas que convergem ou não para a solução desejada do problema. Os erros absolutos e relativos serão usados como critério de parada nestas seqüências de aproximações. Em geral, o erro relativo é preferível, devido às observações nos exemplos anteriores. Exemplo 1.12 Para resolver a equação 2f(x) x a 0= − = , com a > 0, podemos utilizar o seguinte processo iterativo: n 1 n n 1 a x x 2 x + = + n = 0, 1, 2, ... Assim, dado o valor x0 , podemos, através da expressão anterior, gerar a seqüência de soluções aproximadas x1 , x2 , ... Dado que a propriedade de convergência da seqüência de aproxi- mações esteja estabelecida e uma tolerância pré-fixada ε foi definida para o cálculo de uma raiz da equação f (x ) = 0, podemos verificar, de forma absolu- ta , se a seqüência de aproximações atingiu a precisão anterior ε , realizando o seguinte teste: Se n 1 nx x+ − ≤ ε for verdadeiro, dizemos que xn+1 é a raiz da equação f(x) = 0 com tolerância ε ; caso contrário, devemos calcular outro elemento da seqüência. Podemos de forma alternativa realizar o seguinte teste: Se n 1 n n 1 x x x + + − ≤ ε for verdadeiro, concluímos que xn+1 é a raiz da equação com a tolerância ε e, em caso contrário, devemos proceder ao cálculo de outro termo da seqüência. No primeiro teste, usamos Eabs e no segundo Erel. 1.8 Erro de truncamento Quando representamos uma função através de uma série infinita e, por limi- tações do sistema de armazenamento de dados do equipamento, considerar- mos apenas um número finito de termos, dizemos que estamos cometendo um erro de truncamento. Erros em Processos Numéricos 13 Exemplo 1.13 a) Consideramos a representação de uma função f(x) utilizando a Série de Taylor, nas vizinhanças do ponto x: 2 n (1) (2) (n)( x x ) ( x x ) ( x x )f(x) f(x) f (x) f (x) ... f (x) ... 1! 2! n! − − − = + + + + + onde (n )f (x) é o valor da n-ésima derivada da função f(x) no ponto x. Quando truncamos a série no 3o termo, isto é, considerando apenas os termos até a derivada de ordem 2, na expressão anterior, temos um erro cometido nesta aproximação, como segue: 2 (1) (2)(x x ) (x x )f(x) f(x) f (x) f (x) 1! 2! − − ≅ + + b) Consideremos o desenvolvimento de xf(x) e= em Série de Taylor, isto é: 2 3 n x x x xe 1 x ... ... 2! 3! n! = + + + + + + ou, de forma compacta: n x n 0 x e n! ∞ = = ∑ Suponha que o equipamento utilizado para trabalhar numericamente com a série seja capaz de armazenar somente dados referentes aos 4 primeiros termos, isto é: 2 3 x x xe 1 x 2! 3! ≅ + + + Neste caso, desprezamos todos os termos de potência maiores que 4, isto é, truncamos a série no termo de potência de ordem 3. Destacando os quatro primeiros termos da série, podemos escrevê-la da seguinte maneira: ( ) n x 3 2 n 4 1 x e x 3 x 6 x 6 6 n! ∞ = = + + + + ∑ Vamos supor que desejamos calcular o valor de ex para x = 2 usando apenas os quatro primeiros termos da série, isto é, a série truncada. Neste caso, temos e2 = 6.33333, que é um valor com erro absoluto bem significativo quando comparado com o valor e2 = 7.38906 obtido numa calcu- ladora científica que armazena uma quantidade maior de termos da série. 14 Cálculo Numérico 1.9 Propagação dos erros Quando desenvolvemos ou utilizamos um processo numérico para buscar a so- lução de um determinado problema, normalmente o processamento envolve um número muito grande de operações elementares. Assim, na maioria das vezes, o erro cometido em uma operação isolada pode não ser muito significativo para a solução do problema que estamos tratando, mas sim, é necessário analisar como os erros se propagam quando tratamos com muitas operações no processamento. Neste caso, é fundamental termos o conhecimento da forma com que estes erros estão se propagando, isto é, caso estejam se acumulando a uma taxa crescente, dizemos que o erro é ilimitado, e a seqüência de operações é considerada instável. Se, por outro lado, os erros estão se acumulando a uma taxa decres- cente, dizemos que o erro é limitado e, portanto, a seqüência de operações é considerada estável. Podemos visualizar, através da Figura 1.3, as situações de erros ilimi- tado e limitado: Exemplo 1.14 Usando aritmética de ponto flutuante de 4 dígitos, base decimal e arredon- damento por corte, calcule o valor da seguinte soma: 4 i i i 1 S (x y ) = = +∑ , sendo xi = 0.46709 e yi = 3.5678 Para i = 1, na aritmética definida,realizamos inicialmente a operação que resulta no seguinte valor aproximado: 1 1 1 1S (x y ) 0.4034 10= + = × Calculando o erro absoluto, temos: 2E 4 03569 4 034 0 00169 0 169 10−= = = × Figura 1.3 a) b) Erros em Processos Numéricos 15 Para i = 2, realizamos a operação que resulta no seguinte valor aproximado: 1 2 1 1 2 2S (x y ) (x y ) 0.8068 10= + + + = × , cujo erro absoluto é dado por: 2 abs2E 8.07138 8.068 0.00338 0.338 10 −= − = = × Observe que, ao realizarmos a mesma operação de adição por duas vezes, cometemos um erro absoluto significativamente maior. Para i = 3, realizamos a operação que resulta no seguinte: 2 3 1 1 2 2 3 3S (x y ) (x y ) (x y ) 0.1210 10= + + + + + = × cujo erro absoluto é dado por: 2 abs3E 12.10707 12.10 0.00707 0.707 10 −= − = = × Para i = 4, repetindo o mesmo procedimento, obtemos o seguinte valor para a soma: 2 4 0.1613 10= ×S , que apresenta o seguinte erro absoluto: 1 abs3E 16.14276 16.13 0.01276 0.12767 10 −= − = = × Como podemos observar, na medida em que aumentamos o número de parcelas na operação de adição, considerando a aritmética definida anterior- mente, aumentamos também o erro absoluto cometido na soma final. Desta forma, a seqüência de operações pode tornar-se instável, conforme gráfico na Figura 1.3 a). Exemplo 1.15 Para resolver a equação 0ax)x(f 2 =−= , com a > 0, podemos utilizar o seguinte processo iterativo: n 1 n n 1 a x x 2 x + = + , para n = 0, 1, 2, ... Neste procedimento, em cada iteração estão envolvidas as operações de adição, multiplicação e divisão, que são repetidas até que se calcule o valor aproximado xn para solução da equação com uma precisão ε desejada. Desta forma, se o valor final xn está sujeito a um determinado tipo de erro, a cada iteração realizada este erro pode se propagar ao longo do pro- cesso. Se este procedimento convergir para a solução x da equação, apesar dos erros cometidos, temos que a seqüência de operações se torna estável, conforme gráfico da Figura 1.3 b). 16 Cálculo Numérico Exercícios 1. Representar na base binária os seguintes números decimais: a) 13 b) 29.75 c) 17.6 d) 0.46875 2. Represente o número decimal (0.2) na base binária com 4, 8, 12 e 16 dígitos. 3. Considerando que a base 16 é representada através dos dígitos 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E, F, represente: a) (27D)16 na base decimal b) (27D.9)16 na base decimal c) (32.E.32)16 na base decimal 4. Representar os seguintes números na forma normalizada a) (100)10 b) (0.0158)10 c) (101)2 5. Representar os seguintes números na base binária na forma normalizada a) (0.1875)10 b) (25.75)10 c) (437)8 6. Represente na reta os positivos exatamente representáveis do sistema de ponto flutuante normalizado SPF(3, 2, –1, 2). 7. Considere o sistema de ponto flutuante normalizado SPF = SPF (2, 4, –1, 2) de base 2, 4 dígitos na mantissa, menor expoente –1 e maior expoente 2. Para este sistema: a) Qual é o menor positivo exatamente representável? b) Qual é o maior positivo exatamente representável? c) Quantos são os exatamente representáveis positivos? d) Qual é o número total de reais exatamente representáveis? e) Represente na reta todos os positivos exatamente representáveis. f) Defina as regiões de overflow e de underflow. 8. No sistema de ponto flutuante normalizado SPF (2, 3, –1, 2), represente, em cada caso, o valor arredondado e o arredondado por corte (truncado) das seguintes operações: a) 0 10.101× 2 0.110 × 2−+ b) 0 10.101× 2 0.111× 2+ c) 0 10 111× 2 × 0 110 × 2 − Erros em Processos Numéricos 17 9. Considere o sistema de ponto flutuante normalizado SPF (3, 2, –1, 2), de base 3, 2 dígitos na mantissa, menor expoente igual a –1 e maior expoen- te 2. Para este sistema, temos que: a) 9 1 = x e y = 5 são exatamente representáveis. Verifique se x + y é exatamente representável em SPF. b) 3 4 = x e y = 1 são exatamente representáveis. Verifique se x + y é também exatamente representável em SPF. 10. Considere um equipamento cujo sistema de ponto flutuante normali- zado é SPF (2, 10, –15, 15), de base 2, 10 dígitos na mantissa, menor ex- poente –15 e maior expoente 15. Para este sistema: a) Qual o menor positivo exatamente representável? b) Qual é o próximo positivo, depois do menor positivo representável? c) Transforme o menor positivo e o próximo para a base decimal. d) Verifique se existem reais entre o menor e o próximo positivo. Comente. e) Qual o maior positivo exatamente representável? f) Quantos são os exatamente representáveis positivos?
Compartilhar