condicionamento de algoritmos - instituto de matemática, estatística e … · 2016-08-28 ·...
TRANSCRIPT
![Page 1: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/1.jpg)
Condicionamento de algoritmos
Condicionamento de algoritmos
Profo: Eduardo Abreu - IMECC - DMA
UNICAMP/IMECC - 1o Semestre 2016Slides originalmente preparados para o curso
MS211 - Cálculo Numérico
1 / 430
![Page 2: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/2.jpg)
Condicionamento de algoritmos
Tópico 00
O curso Cálculo NumérioInício Previsto pelo Calendário DAC/UNICAMP
– Ementa, Critérios de avaliação e Referências bibliográficas
– Linguagens de programação
2 / 430
![Page 3: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/3.jpg)
Condicionamento de algoritmos
Tópico 00
O curso (Ementa, Critérios de avaliação e Referênciasbibliográficas)
3 / 430
![Page 4: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/4.jpg)
Condicionamento de algoritmos
Tópico 00
Ementa (Tópicos)
1) Impacto da Computação em Precisão Finita: Aritméticade Ponto Flutuante e Erros em Operações Numéricas.(Perda de dígitos significativos e Condicionamento dealgoritmos). Teorema de Taylor.
2) Zeros reais de Funções Reais (equações não-lineares -escalar): Método da bissecção. Método de Newton.Método da Secante (um método do tipo “quase-Newton”).
3) Resolução de Sistemas Lineares - Métodos diretos:Eliminação de Gauss e Decomposição LU. Métodositerativos: Gauss-Jacobi e Gauss-Seidel.
4) Resolução de Sistemas não Lineares: Método deNewton para sistemas. 4 / 430
![Page 5: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/5.jpg)
Condicionamento de algoritmos
Tópico 00
5) Resolução numérica de equações diferenciaisordinárias. Problemas de valor inicial: método de Euler,métodos de série de Taylor e de Runge-Kutta. Equaçõesde ordem superior. Problemas de valor de contorno:método das diferenças finitas.
6) Aproximação: Ajuste de curvas via método dosquadrados mínimos (quadrados mínimos lineares elinearizáveis).
7) Aproximação: Interpolação polinomial. Formas deLagrange e de Newton. Erro de interpolação. Interpolaçãolinear por partes (Spline linear).
8) Integração Numérica: Fórmulas de Newton-Cotes eQuadratura Gaussiana.
5 / 430
![Page 6: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/6.jpg)
Condicionamento de algoritmos
Tópico 00
Critérios de avaliação
No semestre, serão aplicadas DUAS provas:
- A primeira prova P1 versará sobre os tópicos de 1 a 4 daementa.
- Enquanto que a segunda prova P2 abrangeráprincipalmente os tópicos de 5 a 8.
Outra avaliação MT (projetos, listas de exercícios, testesem sala de aula, etc.), a critério do professor tambémserá utilizada para compor a nota do aluno.http://www.ime.unicamp.br/∼ms211-cursao/
6 / 430
![Page 7: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/7.jpg)
Condicionamento de algoritmos
Tópico 00
- Cálculo da média final: M = (P1 + P2 + MT)/3,
P1 e P2 são as notas das provas 1 e 2, respectivamente, eMT é a nota do projeto.
Se M >= 7.0 e o aluno tiver pelo menos 75% de presença,então o aluno está aprovado e dispensado do exame,sendo sua média final MF = M.
Agora, se M < 7.0 e se a frequência nas aulas for superiora 75%, então o aluno deverá, obrigatoriamente, fazer oexame. Neste caso, sua média final será calculada comoMF = (M + E)/2, onde E é a nota do exame.
Se MF < 5.0 o aluno estará reprovado na disciplina deCálculo Numérico.
7 / 430
![Page 8: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/8.jpg)
Condicionamento de algoritmos
Tópico 00
Na realização das provas:
- Datas das provas e do exame verhttp://www.ime.unicamp.br/∼ms211-cursao/
1.) É obrigatória a apresentação da identidade estudantil.2.) O aluno deve trazer sua calculadora, não poderá usar
calculadoras de aparelhos celulares.3.) O aluno que faltar a uma das provas tem um prazo de 15
dias, a partir da data da prova, para entregar ao professorresponsável da turma os documentos que justifiquem estafalta, de acordo com o artigo 72 do Regimento Geral daGraduação (UNICAMP).
Monitoria de Cálculo Numérico (Horários)- Existem monitores PAD e PED, em horários diversos- Consultar http://www.ime.unicamp.br/∼ms211-cursao/ 8 / 430
![Page 9: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/9.jpg)
Condicionamento de algoritmos
Tópico 00
Referências bibliográficas
- Márcia A. Gomes Ruggiero e Vera Lúcia da Rocha Lopes,Cálculo Numérico, Pearson Education do Brasil, SãoPaulo, segunda edição, 2000.
- Maria Cristina Cunha, Métodos Numéricos para asEngenharias e Ciências Aplicadas, Editora da Unicamp,Campinas, segunda edição, 2003.
- Análise Numérica, R. L. Burden e J. D. Faires. EditoraPioneira, 2003.
- Numerical Computing with MatLab, Cleve B. Moler, EditoraSIAM, 2004. (Capítulos 1 a 7).
9 / 430
![Page 10: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/10.jpg)
Condicionamento de algoritmos
Tópico 00
Referências bibliográficas (consulta adicional)
- Arieh Iserles, A first course in the numerical analysis ofdifferential equations. U.K.: Cambridge University Press,2009.
- K. Atkinson, Theoretical numerical analysis: a functionalanalysis framework, 3rd ed, 2010.
- E. Hairer, S.P. Norsett, G. Wanner., Solving ordinarydifferential equations I: nonstiff problems I., ed. 2009.
- E. Hairer, S.P. Norsett, G. Wanner., Solving ordinarydifferential equations I: stiff differential - algebraic problemsII, ed. 2010.
10 / 430
![Page 11: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/11.jpg)
Condicionamento de algoritmos
Tópico 00
Referências bibliográficas (consulta adicional)
- David Kincaid e Ward Cheney, Numerical Analysis,Brooks-Cole, 1991.
- J. D., Lambert, Numerical methods for ordinary differentialsystems: the initial value problem, U.K.: John Wiley, 1991.
- G. Hammerlin e K.-H. Hoffmann, Numerical mathematics(translated by Larry Schumaker) Springer, 1991; New York,N.Y.: Série (Undergraduate texts in mathematics)
- J. W. Demmel, Applied numerical linear algebra, SIAM -Society for Industrial and Applied Mathematics, 1997.
11 / 430
![Page 12: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/12.jpg)
Condicionamento de algoritmos
Tópico 00
Referências bibliográficas (consulta adicional)
- Numerical methods for special functions, Amparo Gil,Javier Segura, Nico M. Temme. Philadelphia, PA: SIAM,2007.
- John H. Mathews e Kurtis D. Fink, Numerical MethodsUsing MATLAB, Pearson Prentice Hall, quarta edição,2007.
- D. Hanselman e B. Littlefield, MATLAB 6 - Curso completo,Pearson Education do Brasil, São Paulo, segunda edição,2003.
12 / 430
![Page 13: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/13.jpg)
Condicionamento de algoritmos
Tópico 00
IMPORTANTE:
A biblioteca do IMECC tem TODOS os livros indicados.
Esses livros abrangem a ementa do curso de CálculoNumérico1, em diferentes níveis de profundidade e nosdois relevantes aspectos:– teórico (fundamentação matemática) e– prático (aplicações computacionais)
1O material presente neste arquivo foi elaborado com base na bibliografiaanteriomente indicada para o curso de Cálculo Numérico MS211. Críticas,Sugestões ou comentários são bem-vindos, [email protected]
13 / 430
![Page 14: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/14.jpg)
Condicionamento de algoritmos
Tópico 00
Linguagens de programação
14 / 430
![Page 15: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/15.jpg)
Condicionamento de algoritmos
Tópico 00
A que for mais confortável para vocês
Por exemplo:
- Interpretadas (alto nível): Matlab, Maple, Mathematica,etc...
- Compiladas (baixo nível): C, C++, FORTRAN, PASCAL,etc...
15 / 430
![Page 16: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/16.jpg)
Condicionamento de algoritmos
Tópico 00
Lembrandro...
Informações sobre o curso MS211:– Ementa,– Critérios de avaliação e– Referências bibliográficas,
estão disponíveis emhttp://www.ime.unicamp.br/∼ms211-cursao/
16 / 430
![Page 17: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/17.jpg)
Condicionamento de algoritmos
Tópico 01
Tópico 01
Aritmética de Ponto Flutuante e Erros em OperaçõesNuméricas. (Perda de dígitos significativos eCondicionamento de algoritmos). Teorema de Taylor.
17 / 430
![Page 18: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/18.jpg)
Condicionamento de algoritmos
Tópico 01
Impacto da Computação em Precisão Finita:
– Perda de Dígitos Significativos- Tipos de erros e incertezas- Sistema de Numeração Utilizado pelo Computador- Representação de números no sistema F (β, t ,m,M)
- Operações aritméticas em ponto flutuante
– Condicionamento de algoritmos - efeitos numéricos- Cancelamento- Propagação do erro- Instabilidade numérica- Mal condicionamento
– Exemplos de “desastres numéricos” (ou falha humana ?)18 / 430
![Page 19: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/19.jpg)
Condicionamento de algoritmos
Tópico 01
- Tipos de erros e incertezas
19 / 430
![Page 20: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/20.jpg)
Condicionamento de algoritmos
Tópico 01
FIG 1. TIPOS DE ERROS E INCERTEZAS
20 / 430
![Page 21: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/21.jpg)
Condicionamento de algoritmos
Tópico 01
FIG 1. TIPOS DE ERROS E INCERTEZAS
Erro (incerteza) nos dados de entrada/medidos→ 574,39 ± 0,28 mm→ 143,57 ± 0,71 ml→ 95,27 ± 0,46 Kg→ 127,00 ± 2,54 Volts→ Censo populacional (altura, peso, etc...)→ Economia de um país
21 / 430
![Page 22: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/22.jpg)
Condicionamento de algoritmos
Tópico 01
FIG 1. TIPOS DE ERROS E INCERTEZAS
Erro na simplificação do modelo matemáticoEXEMPLO: Modelagem de Sistemas ComplexosProcessos na vida real são inerentemente multi-física emulti-escala (no tempo e espaço)
→ Dinâmica de fluidos→ Astrofísica→ Processos físico-químicos→ Sistemas biológicos (e.g., humano)
22 / 430
![Page 23: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/23.jpg)
Condicionamento de algoritmos
Tópico 01
FIG 1. TIPOS DE ERROS E INCERTEZAS
Erro de arredondamentoErro de truncamento
Neste curso estamos interessados nos dois últimos(perda de dígitos significativos no contexto de ariméticade ponto flutuante), i.e., entender sua fonte, propagação,magnitude, e a taxa de crescimento e a quantificaçãodesses erros.
23 / 430
![Page 24: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/24.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)
Vamos resolver, de duas formas, para as variáveis x e y ,o seguinte sistema linear 2 × 2 de equações:
0.1036x + 0.2122y = 0.73810.2081x + 0.4247y = 0.9327
24 / 430
![Page 25: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/25.jpg)
Condicionamento de algoritmos
Tópico 01
(1) Vamos considerar somente três dígitos significativosde precisão nos cálculos.
25 / 430
![Page 26: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/26.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrete: Dígitos significativos são dígitos que iniciamcom o dígito não nulo mais à esquerda e terminam com odígito mais correto à direita
EXEMPLOS
0.0035→ 0.35× 10−2 tem dois dígitos significativos
0.03017→ 0.3017× 10−1 tem quatro dígitos significativos
0.33011→ 0.33011× 100 tem cinco dígitos significativos
0.0001469→ 0.1469× 10−3 tem quatro dígitossignificativos
26 / 430
![Page 27: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/27.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)Procedimento: Vamos arredondar todos os números noproblema original para três dígitos significativos e, a cadaetapa, arredondar todos os cálculos mantendo somentetrês dígitos significativos.
L1 : 0.1036x + 0.2122y = 0.7381L2 : 0.2081x + 0.4247y = 0.9327
Fazendo o arredondamento · · ·
0.104x + 0.212y = 0.738 L1 ← L10.208x + 0.425y = 0.933 L2 ← L2
27 / 430
![Page 28: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/28.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)Procedimento: Vamos arredondar todos os números noproblema original para três dígitos significativos e, a cadaetapa, arredondar todos os cálculos mantendo somentetrês dígitos significativos.
0.104x + 0.212y = 0.738 L1 ← L10.208x + 0.425y = 0.933 L2 ← L2 − αL1
O multiplicador α =0.2080.104
≈ 2.00,
0.104x + 0.212y = 0.7380.001y = −0.547
28 / 430
![Page 29: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/29.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)Procedimento: Vamos arredondar todos os números noproblema original para três dígitos significativos e, a cadaetapa, arredondar todos os cálculos mantendo somentetrês dígitos significativos.
0.104x + 0.212y = 0.738 L1 ← L10.208x + 0.425y = 0.933 L2 ← L2 − αL1
O multiplicador α =0.2080.104
≈ 2.00,
0.104x + 0.212y = 0.7380.001y = −0.547
Solução: y = −0.5470.001
≈ −547 e x ≈ 0.111× 104.
29 / 430
![Page 30: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/30.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)
(2) Vamos agora repetir os mesmos cálculos com quatrodígitos significativos para o sistema original:
0.1036x + 0.2122y = 0.73810.2081x + 0.4247y = 0.9327
30 / 430
![Page 31: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/31.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)
0.1036x + 0.2122y = 0.7381 L1 ← L10.2081x + 0.4247y = 0.9327 L2 ← L2 − αL1
O multiplicador α =0.20810.1036
≈ 2.009,
31 / 430
![Page 32: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/32.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)
0.1036x + 0.2122y = 0.7381 L1 ← L10.2081x + 0.4247y = 0.9327 L2 ← L2 − αL1
O multiplicador α =0.20810.1036
≈ 2.009,
0.1036x + 0.2122y = 0.7381−0.0016y = −0.5503
32 / 430
![Page 33: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/33.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO (Erro de arredondamento)
0.1036x + 0.2122y = 0.7381 L1 ← L10.2081x + 0.4247y = 0.9327 L2 ← L2 − αL1
O multiplicador α =0.20810.1036
≈ 2.009,
0.1036x + 0.2122y = 0.7381−0.0016y = −0.5503
Solução: y =−0.5503−0.0016
≈ 342.9 e x ≈ 695.2.
A resposta mudou de y = −547 para y = 343.9 !!!
A “pertubação” de UM dígito significativo fez MUITAdiferença !!
33 / 430
![Page 34: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/34.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplos (Erro de truncamento)
Cálculo de e0.1, sen(0.1) e cos(0.1) usando série deTaylor:
ex = 1 + x +x2
2!+
x3
3!+ · · ·+ xn
n!+ · · ·
sen x = x − x3
3!+
x5
5!+ · · ·+ (−1)n x2n+1
(2n + 1)!+ · · ·
cos x = 1− x2
2!+
x4
4!+ · · ·+ (−1)n x2n
(2n)!+ · · ·
Com a ferramenta matemática “série de Taylor”, podemosescrever, por exemplo, funções trigonométricas,exponenciais, logarítmicas em POLINÔMIOS
34 / 430
![Page 35: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/35.jpg)
Condicionamento de algoritmos
Tópico 01
Função seno de x e aproximações de série de Taylor compolinômios de grau 1, 3, 5, 7, 9, 11 e 13.
35 / 430
![Page 36: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/36.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLOS (Erro de truncamento)
Para o cálculo efetivo (na prática) de e0.1, sen(0.1) ecos(0.1) precisamos truncar a série (uso de um númerofinito de termos).
Pela fórmula do erro Rn(x) =f (n+1)(z)
(n + 1)!(x − c)n+1 temos
que os respectivos erros 0 ≤ x ≤ 0.1 (c = 0) serãoinferiores a (com os dois primeiros termos):
Erros|x |2
2!,|x |5
5!e|x |4
4!.
Sob as hipóteses do teorema de Taylor, temos umafórmula explícita para o erro cometido na aproximação !!!
36 / 430
![Page 37: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/37.jpg)
Condicionamento de algoritmos
Tópico 01
FIG 1. TIPOS DE ERROS E INCERTEZAS
Representação de números reais com um númerofínito de dígitos significativos
Neste curso também vamos levar em conta esse tipo deerro.
37 / 430
![Page 38: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/38.jpg)
Condicionamento de algoritmos
Tópico 01
Erro de Representação I→ Depende da capacidade de representação numérica da
máquina disponível (e do “tempo” disponível para efetuaros cálculos)
π = 3.14159π = 3.14159265358979323π = 3.1415926535897932384626433832795028841 · · ·
43
= 1.33333333 · · ·
√3 = 1.7320508075688772935274463415058723669 · · ·
38 / 430
![Page 39: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/39.jpg)
Condicionamento de algoritmos
Tópico 01
Erro de Representação II→ Um número pode ter uma representação finita (e precisa)
em uma base e não finita em outra base (isto independeda máquina utilizada !!!)
(3.8)10 = (11.110011001100)2
(0.1)10 = (0.0001100110011)2
39 / 430
![Page 40: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/40.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrete: Regra de conversão de base
EXEMPLO (3.75)10 = (11.11)2
40 / 430
![Page 41: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/41.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrete: Regra de conversão de base
EXEMPLO (3.75)10 = (11.11)2
Calcule:
(1101)2 = ( ? )10
(0.110)2 = ( ? )10
41 / 430
![Page 42: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/42.jpg)
Condicionamento de algoritmos
Tópico 01
Para manter uma resposta precisa deve-se realizar ascontas com máxima precisão ao longo dos cálculosintermediários e somente realizar algum procedimento dearredondamento no final
É importante usar técnicas de aproximação que nospermitam quantificar o erro que cometemos nos cálculos(isso é a regra em qualquer teoria de aproximação !)
Com o objetivo de medir os erros de truncamento earredondamento nos cálculos numéricos, vamos discutiros erros:
Absoluto, relativo e percentual.
42 / 430
![Page 43: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/43.jpg)
Condicionamento de algoritmos
Tópico 01
Erros Absoluto, relativo e percentual
Suponha que x e x∗ são dois números, sendo um delesuma aproximação do outro.
O erro de x∗ como uma aproximação de x é x − x∗.
O erro absoluto de x∗ como uma aproximação de x édefinido por:
EAx ≡ |x − x∗|
43 / 430
![Page 44: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/44.jpg)
Condicionamento de algoritmos
Tópico 01
Suponha que x e x∗ são dois números, sendo um delesuma aproximação do outro
O erro de x∗ como uma aproximação de x é x − x∗
O erro absoluto de x∗ como uma aproximação de x édefinido por:
EAx ≡ |x − x∗|
EXEMPO: Considere os números 30.1358 e 1.1358
44 / 430
![Page 45: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/45.jpg)
Condicionamento de algoritmos
Tópico 01
Suponha que x e x∗ são dois números, sendo um delesuma aproximação do outro
O erro de x∗ como uma aproximação de x é x − x∗
O erro absoluto de x∗ como uma aproximação de x édefinido por:
EAx ≡ |x − x∗|
EXEMPO: Considere os números 30.1358 e 1.1358
Sejam 30.0000 e 1, respectivamente, aproximações de30.1358 e 1.1358
45 / 430
![Page 46: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/46.jpg)
Condicionamento de algoritmos
Tópico 01
O erro absoluto de 30.0000, como uma aproximação de30.1358, é:|30.1358− 30.0000| = 0.1358
46 / 430
![Page 47: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/47.jpg)
Condicionamento de algoritmos
Tópico 01
O erro absoluto de 30.0000, como uma aproximação de30.1358, é:|30.1358− 30.0000| = 0.1358
Note que o erro absoluto de 1, como uma aproximação de1.1358, é:|1.1358− 1| = 0.1358
47 / 430
![Page 48: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/48.jpg)
Condicionamento de algoritmos
Tópico 01
O erro absoluto de 30.0000, como uma aproximação de30.1358, é:|30.1358− 30.0000| = 0.1358
Note que o erro absoluto de 1, como uma aproximação de1.1358, é:|1.1358− 1| = 0.1358
Claramente observamos que os erros absolutos são osmesmos.
48 / 430
![Page 49: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/49.jpg)
Condicionamento de algoritmos
Tópico 01
O erro absoluto de 30.0000, como uma aproximação de30.1358, é:|30.1358− 30.0000| = 0.1358
Note que o erro absoluto de 1, como uma aproximação de1.1358, é:|1.1358− 1| = 0.1358
Claramente observamos que os erros absolutos são osmesmos.
Pergunta: Mas, com base nos erros absolutos, podemosdizer que 30.0000 e 1 representam aproximações com amesma precisão ?
49 / 430
![Page 50: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/50.jpg)
Condicionamento de algoritmos
Tópico 01
Para responder a pergunta, precisamos comparar a ordemde grandeza (o peso) dos erros absolutos com osrespectivos valores exatos (sempre quando disponíveis).
50 / 430
![Page 51: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/51.jpg)
Condicionamento de algoritmos
Tópico 01
Para responder a pergunta, precisamos comparar a ordemde grandeza (o peso) dos erros absolutos com osrespectivos valores exatos.
Vamos comparar por meio do erro relativo.
51 / 430
![Page 52: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/52.jpg)
Condicionamento de algoritmos
Tópico 01
Para responder a pergunta, precisamos comparar a ordemde grandeza (o peso) dos erros absolutos com osrespectivos valores exatos.
Vamos comparar por meio do erro relativo.
O erro relativo de x∗ como uma aproximação de x édefido por:
ERx ≡|x − x∗||x |
52 / 430
![Page 53: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/53.jpg)
Condicionamento de algoritmos
Tópico 01
Para responder a pergunta, precisamos comparar a ordemde grandeza (o peso) dos erros absolutos com osrespectivos valores exatos.
Vamos comparar por meio do erro relativo.
O erro relativo de x∗ como uma aproximação de x édefido por:
ERx ≡|x − x∗||x |
O erro relativo2 não está definido para o caso x = 0.2Em alguns livros o erro é definido com o sinal oposto ao que é usado
aqui. Tipicamente não faz quase diferença alguma a convenção que seutiliza, desde que o seja de forma consistente ao longo de todo o texto. Noteque x − x∗ é a correção que deve ser adicionada ao valor de x∗ paraeliminar do erro. A “correção” e o “erro absoluto” têm a mesma magnitude,mas podem ter sinais diferentes.
53 / 430
![Page 54: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/54.jpg)
Condicionamento de algoritmos
Tópico 01
Então temos que:
|30.1358− 30.0000|30.1358
= 0.004506268
|1.1358− 1|1.1358
= 0.119563303
54 / 430
![Page 55: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/55.jpg)
Condicionamento de algoritmos
Tópico 01
Então temos que:
|30.1358− 30.0000|30.1358
= 0.004506268
|1.1358− 1|1.1358
= 0.119563303
Ou ainda, pelo erro relativo percentual,|30.1358− 30.0000|
30.1358= 0.004506268 ≈ 0.45%
|1.1358− 1|1.1358
= 0.119563303 ≈ 11.96%
55 / 430
![Page 56: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/56.jpg)
Condicionamento de algoritmos
Tópico 01
Então temos que:
|30.1358− 30.0000|30.1358
= 0.004506268
|1.1358− 1|1.1358
= 0.119563303
Ou ainda, pelo erro relativo percentual,|30.1358− 30.0000|
30.1358= 0.004506268 ≈ 0.45%
|1.1358− 1|1.1358
= 0.119563303 ≈ 11.96%
Portanto, devemos utilizar o erro relativo para obter umamelhor informação sobre a precisão das aproximações esuas ordens de grandeza.
56 / 430
![Page 57: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/57.jpg)
Condicionamento de algoritmos
Tópico 01
- Sistema de Numeração Utilizado pelo Computador
57 / 430
![Page 58: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/58.jpg)
Condicionamento de algoritmos
Tópico 01
Fato: O conjunto dos números representáveis emqualquer máquina é finito.
58 / 430
![Page 59: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/59.jpg)
Condicionamento de algoritmos
Tópico 01
Fato: O conjunto dos números representáveis emqualquer máquina é finito.
Ou seja, não é possível representar em uma máquinatodos os números de um dado intervalo [a,b], a < b.
OBS.: Como vimos anteriormente, no exemplo daresolução de sistemas lineares, a implicação desse fato éque o resultado de uma simples operação aritmética ouo cálculo de uma função, realizadas com essesnúmeros, podem conter erros.
59 / 430
![Page 60: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/60.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números em ponto flutuanteNORMALIZADO
Dado um número real, x 6= 0, este será representado emponto flutuante por:
±0.d1d2d3 · · · dt × βe, onde
60 / 430
![Page 61: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/61.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números em ponto flutuanteNORMALIZADO
Dado um número real, x 6= 0, este será representado emponto flutuante por:
±0.d1d2d3 · · · dt × βe, onde
β é a base de operações aritméticas da máquina
61 / 430
![Page 62: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/62.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números em ponto flutuanteNORMALIZADO
Dado um número real, x 6= 0, este será representado emponto flutuante por:
±0.d1d2d3 · · · dt × βe, onde
β é a base de operações aritméticas da máquinae é o expoente, −m ≤ e ≤ M (m,M ∈ N)
62 / 430
![Page 63: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/63.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números em ponto flutuanteNORMALIZADO
Dado um número real, x 6= 0, este será representado emponto flutuante por:
±0.d1d2d3 · · · dt × βe, onde
β é a base de operações aritméticas da máquinae é o expoente, −m ≤ e ≤ M (m,M ∈ N)t é o número de dígitos da mantissa, d1 6= 0,
0 ≤ di < β, i = 1,2,3 · · · t .
63 / 430
![Page 64: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/64.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números em ponto flutuanteNORMALIZADO
Dado um número real, x 6= 0, este será representado emponto flutuante por:
±0.d1d2d3 · · · dt × βe, onde
β é a base de operações aritméticas da máquinae é o expoente, −m ≤ e ≤ M (m,M ∈ N)t é o número de dígitos da mantissa, d1 6= 0,
0 ≤ di < β, i = 1,2,3 · · · t .
→ O número 0 (zero) pertence a qualquer sistema
64 / 430
![Page 65: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/65.jpg)
Condicionamento de algoritmos
Tópico 01
Por simplicidade,
±0.d1d2d3 · · · dt × βe, d1 6= 0, −m ≤ e ≤ M,será representado por F (β, t ,m,M)
65 / 430
![Page 66: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/66.jpg)
Condicionamento de algoritmos
Tópico 01
Por simplicidade,
±0.d1d2d3 · · · dt × βe, d1 6= 0, −m ≤ e ≤ M,será representado por F (β, t ,m,M)
EXEMPLO (considere o sistema F (10,3,2,2)).
66 / 430
![Page 67: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/67.jpg)
Condicionamento de algoritmos
Tópico 01
Por simplicidade,
±0.d1d2d3 · · · dt × βe, d1 6= 0, −m ≤ e ≤ M,será representado por F (β, t ,m,M).
EXEMPLO (considere o sistema F (10,3,2,2)). Ou seja,um número neste sistema será dado por:±0.d1d2d3 × 10e, −2 ≤ e ≤ 2,
0 ≤ di < 10, i = 1,2,3, d1 6= 0.
67 / 430
![Page 68: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/68.jpg)
Condicionamento de algoritmos
Tópico 01
Por simplicidade,
±0.d1d2d3 · · · dt × βe, d1 6= 0, −m ≤ e ≤ M,será representado por F (β, t ,m,M).
EXEMPLO (considere o sistema F (10,3,2,2)). Ou seja,um número neste sistema será dado por:±0.d1d2d3 × 10e, −2 ≤ e ≤ 2,
0 ≤ di < 10, i = 1,2,3, d1 6= 0.
Vamos representar os números +3.51, −12.345678,−6.287, +7.284, −0.0003 e 5398.2, no sistemaF (10,3,2,2).
68 / 430
![Page 69: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/69.jpg)
Condicionamento de algoritmos
Tópico 01
+3.51 = +0.351× 101 (exato).
69 / 430
![Page 70: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/70.jpg)
Condicionamento de algoritmos
Tópico 01
+3.51 = +0.351× 101 (exato).
−12.345678 = −0.123× 102 (perda de dígitossigniticativos).
70 / 430
![Page 71: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/71.jpg)
Condicionamento de algoritmos
Tópico 01
+3.51 = +0.351× 101 (exato).
−12.345678 = −0.123× 102 (perda de dígitossigniticativos).
−6.287 = −0.628× 101 (perda de dígito signiticativo).
71 / 430
![Page 72: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/72.jpg)
Condicionamento de algoritmos
Tópico 01
+3.51 = +0.351× 101 (exato).
−12.345678 = −0.123× 102 (perda de dígitossigniticativos).
−6.287 = −0.628× 101 (perda de dígito signiticativo).
+7.284 = +0.728× 101 (perda de dígito signiticativo).
72 / 430
![Page 73: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/73.jpg)
Condicionamento de algoritmos
Tópico 01
+3.51 = +0.351× 101 (exato).
−12.345678 = −0.123× 102 (perda de dígitossigniticativos).
−6.287 = −0.628× 101 (perda de dígito signiticativo).
+7.284 = +0.728× 101 (perda de dígito signiticativo).
−0.0003 = −0.3× 10−3. Expoente −3 < −2.Neste caso temos um underflow, i.e., quando o resultadoé muito pequeno para ser representado em um dadosistema.
73 / 430
![Page 74: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/74.jpg)
Condicionamento de algoritmos
Tópico 01
+3.51 = +0.351× 101 (exato).
−12.345678 = −0.123× 102 (perda de dígitossigniticativos).
−6.287 = −0.628× 101 (perda de dígito signiticativo).
+7.284 = +0.728× 101 (perda de dígito signiticativo).
−0.0003 = −0.3× 10−3. Expoente −3 < −2.Neste caso temos um underflow, i.e., quando o resultadoé muito pequeno para ser representado em um dadosistema.
+5398.2 = +0.539× 104. Expoente 4 > 2.Neste caso temos um overflow, i.e., quando o resultado émuito grande para ser representado em um dado sistema. 74 / 430
![Page 75: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/75.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números no sistema F (β, t ,m,M)
75 / 430
![Page 76: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/76.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números no sistema F (β, t ,m,M)
→ Sabemos que os números reais podem ser representadospor uma reta contínua.
→ Entretanto, em ponto flutuante podemos representarapenas pontos discretos da reta real.
76 / 430
![Page 77: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/77.jpg)
Condicionamento de algoritmos
Tópico 01
Representação de números no sistema F (β, t ,m,M)
→ Sabemos que os números reais podem ser representadospor uma reta contínua.
→ Entretanto, em ponto flutuante podemos representarapenas pontos discretos da reta real.
Pergunta: Quantos e quais números podem serrepresentados no sistema F (2,3,1,2) ?
77 / 430
![Page 78: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/78.jpg)
Condicionamento de algoritmos
Tópico 01
Solução: Para F (2,3,1,2), temos que β = 2, então osdígitos podem ser 0 ou 1 (0 ≤ di < β).
Além disso, m = 1 e M = 2, então −1 ≤ e ≤ 2 et = 3, o número de dígitos significativos.
Assim, os números são da forma: ±0.d1d2d3 × βe
78 / 430
![Page 79: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/79.jpg)
Condicionamento de algoritmos
Tópico 01
Solução: Para F (2,3,1,2), temos que β = 2, e que osdígitos di podem ser 0 ou 1 (0 ≤ di < β).
Além disso, m = 1 e M = 2, então −1 ≤ e ≤ 2 et = 3, o número de dígitos significativos.
Assim, os números são da forma: ±0.d1d2d3 × βe
possibilidades para o sinal (+ ou −): 2possibilidades para d1 (d1 6= 0): 1possibilidades para d2 (0 ou 1): 2possibilidades para d3 (0 ou 1): 2possibilidades para βe (β = 2, e = −1,0,1,2): 4
79 / 430
![Page 80: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/80.jpg)
Condicionamento de algoritmos
Tópico 01
Solução: Para F (2,3,1,2), temos que β = 2, então osdígitos podem ser 0 ou 1 (0 ≤ di < β).
Além disso, m = 1 e M = 2, então −1 ≤ e ≤ 2 et = 3, o número de dígitos significativos.
Assim, os números são da forma: ±0.d1d2d3 × βe
possibilidades para o sinal (+ ou −): 2possibilidades para d1 (d1 6= 0): 1possibilidades para d2 (0 ou 1): 2possibilidades para d3 (0 ou 1): 2possibilidades para βe (β = 2, e = −1,0,1,2): 4
Fazendo o produto: 2× 1× 2× 2× 4 = 3280 / 430
![Page 81: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/81.jpg)
Condicionamento de algoritmos
Tópico 01
Como o 0 (zero) faz parte de qualquer sistema, podemosrepresentar 33 números no sistema F (2,3,1,2).
81 / 430
![Page 82: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/82.jpg)
Condicionamento de algoritmos
Tópico 01
Como o 0 (zero) faz parte de qualquer sistema, podemosrepresentar 33 números no sistema F (2,3,1,2).
Quais são os números ?
82 / 430
![Page 83: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/83.jpg)
Condicionamento de algoritmos
Tópico 01
Como o 0 (zero) faz parte de qualquer sistema, podemosrepresentar 33 números no sistema F (2,3,1,2).
Quais são os números ?
As formas da mantissa: 0.100, 0.101, 0.110 e 0.111As formas de βe são: 2−1, 20, 21 e 22
83 / 430
![Page 84: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/84.jpg)
Condicionamento de algoritmos
Tópico 01
Como o 0 (zero) faz parte de qualquer sistema, podemosrepresentar 33 números no sistema F (2,3,1,2).
Quais são os números ?
As formas da mantissa: 0.100, 0.101, 0.110 e 0.111As formas de βe são: 2−1, 20, 21 e 22
Além do 0 (zero), obtemos então os seguintes números:
84 / 430
![Page 85: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/85.jpg)
Condicionamento de algoritmos
Tópico 01
Como o 0 (zero) faz parte de qualquer sistema, podemosrepresentar 33 números no sistema F (2,3,1,2).
Quais são os números ?
As formas da mantissa: 0.100, 0.101, 0.110 e 0.111As formas de βe são: 2−1, 20, 21 e 22
Além do 0 (zero), obtemos então os seguintes números:× 2−1 20 21 22
±0.100 ±0.25 ±0.5 ±1.0 ±2.0±0.101 ±0.3125 ±0.625 ±1.25 ±2.5±0.110 ±0.375 ±0.750 ±1.5 ±3.0±0.111 ±0.4375 ±0.875 ±1.75 ±3.5
85 / 430
![Page 86: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/86.jpg)
Condicionamento de algoritmos
Tópico 01
Como o 0 (zero) faz parte de qualquer sistema, podemosrepresentar 33 números no sistema F (2,3,1,2).
As formas da mantissa: 0.100, 0.101, 0.110 e 0.111As formas de βe são: 2−1, 20, 21 e 22
Além do 0 (zero), obtemos então os seguintes números:× 2−1 20 21 22
±0.100 ±0.25 ±0.5 ±1.0 ±2.0±0.101 ±0.3125 ±0.625 ±1.25 ±2.5±0.110 ±0.375 ±0.750 ±1.5 ±3.0±0.111 ±0.4375 ±0.875 ±1.75 ±3.5
Fato: Com base nos modelos existentes (viáveis) dearitmética de ponto flutuante sempre teremos paraquaisquer t , m e M, um sistema finito de números !!!
86 / 430
![Page 87: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/87.jpg)
Condicionamento de algoritmos
Tópico 01
Para exemplificar um pouco mais as limitaçõesencontradas nos computadores, considere o seguinteexemplo.
87 / 430
![Page 88: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/88.jpg)
Condicionamento de algoritmos
Tópico 01
Para exemplificar um pouco mais as limitaçõesencontradas nos computadores, considere o seguinteexemplo.
EXEMPLO. Seja f (x) uma função contínua real, definidano intervalo [a,b], a < b. Sejam f (a) < 0 e f (b) > 0.
88 / 430
![Page 89: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/89.jpg)
Condicionamento de algoritmos
Tópico 01
Para exemplificar um pouco mais as limitaçõesencontradas nos computadores, considere o seguinteexemplo.
EXEMPLO. Seja f (x) uma função contínua real, definidano intervalo [a,b], a < b. Sejam f (a) < 0 e f (b) > 0.
Então de acordo com o teorema do valor intermediário,existe x ∈ [a,b] tal que f (x) = 0.
89 / 430
![Page 90: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/90.jpg)
Condicionamento de algoritmos
Tópico 01
Para exemplificar um pouco mais as limitaçõesencontradas nos computadores, considere o seguinteexemplo.
EXEMPLO. Seja f (x) uma função contínua real, definidano intervalo [a,b], a < b. Sejam f (a) < 0 e f (b) > 0.
Então de acordo com o teorema do valor intermediário,existe x ∈ [a,b] tal que f (x) = 0.
Seja f (x) = x3 − 3 , x ∈ [ak ,bk ] ⊂ [a,b], k = 1,2,3, · · ·
90 / 430
![Page 91: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/91.jpg)
Condicionamento de algoritmos
Tópico 01
Para exemplificar um pouco mais as limitaçõesencontradas nos computadores, considere o seguinteexemplo.
EXEMPLO. Seja f (x) uma função contínua real, definidano intervalo [a,b], a < b. Sejam f (a) < 0 e f (b) > 0.
Então de acordo com o teorema do valor intermediário,existe x ∈ [a,b] tal que f (x) = 0.
Seja f (x) = x3 − 3 , x ∈ [ak ,bk ] ⊂ [a,b], k = 1,2,3, · · ·
Vamos determinar x tal que f (x) = 0 para um sistemaF (10,10,10,10).
91 / 430
![Page 92: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/92.jpg)
Condicionamento de algoritmos
Tópico 01
Para a função f (x) = x3 − 3, pode-se obter os resultados:(sendo ak e bk obtidos por um método de aproximação)
f (ak = 0.1442249570× 101) = −0.2× 10−8.f (bk = 0.1442249571× 101) = +0.4× 10−8.
92 / 430
![Page 93: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/93.jpg)
Condicionamento de algoritmos
Tópico 01
Para a função f (x) = x3 − 3, pode-se obter os resultados:(sendo ak e bk obtidos por um método de aproximação)
f (ak = 0.1442249570× 101) = −0.2× 10−8.f (bk = 0.1442249571× 101) = +0.4× 10−8.
Observe que entre ak e bk (ak < bk ),ak = 0.1442249570× 101 e bk = 0.1442249571× 101
não existe algum número que possa ser representado nosistema dado F (10,10,10,10), e que a função f (x) mudade sinal nos extremos desse intervalo.
93 / 430
![Page 94: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/94.jpg)
Condicionamento de algoritmos
Tópico 01
Para a função f (x) = x3 − 3, pode-se obter os resultados:(sendo ak e bk obtidos por um método de aproximação)
f (ak = 0.1442249570× 101) = −0.2× 10−8.f (bk = 0.1442249571× 101) = +0.4× 10−8.
Observe que entre ak e bk (ak < bk ),ak = 0.1442249570× 101 e bk = 0.1442249571× 101
não existe algum número que possa ser representado nosistema dado F (10,10,10,10), e que a função f (x) mudade sinal nos extremos desse intervalo.
Assim, nesta “máquina”, não é possível representar umnúmero x ∈ [ak ,bk ] ⊂ [a,b] tal que f (x) = 0. Portanto, aequação f (x) = x3 − 3 = 0, não possui solução nosistema F (10,10,10,10) !
94 / 430
![Page 95: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/95.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuante
95 / 430
![Page 96: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/96.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuante
Conforme vimos anteriormente, é importante quantificar oerro que se comente em cálculos numéricos
96 / 430
![Page 97: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/97.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuante
Conforme vimos anteriormente, é importante quantificar oerro que se comente em cálculos numéricos
E a representação de um número para cálculos numéricosdepende intrinsecamente das características de cadamáquina (e.g., base β, mantissa t , precisão simples oudupla, · · · )
97 / 430
![Page 98: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/98.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuante
Conforme vimos anteriormente, é importante quantificar oerro que se comente em cálculos numéricos
E a representação de um número para cálculos numéricosdepende intrinsecamente das características de cadamáquina (e.g., base β, mantissa t , precisão simples oudupla, · · · )
Considere uma máquina que opera em aritmética de pontoflutuante, com t dígitos significativos e base 10.
98 / 430
![Page 99: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/99.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
99 / 430
![Page 100: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/100.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissa
100 / 430
![Page 101: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/101.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
101 / 430
![Page 102: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/102.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
102 / 430
![Page 103: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/103.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissa
103 / 430
![Page 104: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/104.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
104 / 430
![Page 105: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/105.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1
105 / 430
![Page 106: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/106.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1
EXEMPLO: z = 98765.4321 e t = 6 dígitos na mantissa
106 / 430
![Page 107: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/107.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1
EXEMPLO: z = 98765.4321 e t = 6 dígitos na mantissaz = 0.987654321× 105
107 / 430
![Page 108: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/108.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1
EXEMPLO: z = 98765.4321 e t = 6 dígitos na mantissaz = 0.987654321× 105
z = 0.987654× 105 + 0.000000321× 105
108 / 430
![Page 109: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/109.jpg)
Condicionamento de algoritmos
Tópico 01
Nesta máquina, um número x pode ser representado daseguinte forma (conveniente):x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1
EXEMPLO: z = 98765.4321 e t = 6 dígitos na mantissaz = 0.987654321× 105
z = 0.987654× 105 + 0.000000321× 105
z = 0.987654× 105 + 0.321× 10(5−6)=−1
109 / 430
![Page 110: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/110.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrando...Queremos estudar os erros (absoluto e relativo) nosprocessos de arredondamento e truncamento emaritimética de ponto flutuante
110 / 430
![Page 111: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/111.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrando...Queremos estudar os erros (absoluto e relativo) nosprocessos de arredondamento e truncamento emaritimética de ponto flutuante
Em uma máquina, o númerox = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,pode ser representado por truncamento ouarredondamento.
111 / 430
![Page 112: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/112.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrando...Queremos estudar os erros (absoluto e relativo) nosprocessos de arredondamento e truncamento emaritimética de ponto flutuante
Em uma máquina, o númerox = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,pode ser representado por truncamento ouarredondamento.
Truncamento (x poder ser visto como x∗)A quantidade gx × 10e−t é descartada e x = fx × 10e
112 / 430
![Page 113: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/113.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrando...Queremos estudar os erros (absoluto e relativo) nosprocessos de arredondamento e truncamento emaritimética de ponto flutuante
Em uma máquina, o númerox = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,pode ser representado por truncamento ouarredondamento.
Truncamento (x poder ser visto como x∗)A quantidade gx × 10e−t é descartada e x = fx × 10e
Temos ainda que:113 / 430
![Page 114: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/114.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)
114 / 430
![Page 115: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/115.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
115 / 430
![Page 116: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/116.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |
116 / 430
![Page 117: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/117.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:
117 / 430
![Page 118: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/118.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:EAx = |gx × 10e−t | < 10e−t
118 / 430
![Page 119: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/119.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:EAx = |gx × 10e−t | < 10e−t
ERx =|x − x ||x |
(Erro Relativo)
119 / 430
![Page 120: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/120.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:EAx = |gx × 10e−t | < 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e
120 / 430
![Page 121: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/121.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:EAx = |gx × 10e−t | < 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e <10e−t
|fx | × 10e
121 / 430
![Page 122: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/122.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:EAx = |gx × 10e−t | < 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e <10e−t
|fx | × 10e <10e−t
0.1× 10e
122 / 430
![Page 123: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/123.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx × 10e−t |Como 0 ≤ gx < 1, temos que |gx | < 1. E segue que:EAx = |gx × 10e−t | < 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e <10e−t
|fx | × 10e <10e−t
0.1× 10e = 101−t
123 / 430
![Page 124: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/124.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
Arredondamentofx é alterado para levar em conta a quantidade gx
124 / 430
![Page 125: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/125.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento em PontoFlutuantex = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1,
Arredondamentofx é alterado para levar em conta a quantidade gx
Uma forma de arredondamento amplamente empregada éo arredondamento simétrico, dado por:
x =
fx × 10e se |gx | <
12
fx × 10e + 10e−t se |gx | ≥12
125 / 430
![Page 126: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/126.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissa
126 / 430
![Page 127: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/127.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
127 / 430
![Page 128: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/128.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
128 / 430
![Page 129: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/129.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1
129 / 430
![Page 130: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/130.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
130 / 430
![Page 131: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/131.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissa
131 / 430
![Page 132: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/132.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
132 / 430
![Page 133: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/133.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1, gx = 0.123 <12
133 / 430
![Page 134: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/134.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1, gx = 0.123 <12
y = 0.789× 104
134 / 430
![Page 135: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/135.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1, gx = 0.123 <12
y = 0.789× 104 = 7890
135 / 430
![Page 136: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/136.jpg)
Condicionamento de algoritmos
Tópico 01
x = fx × 10e + gx × 10e−t , 0.1 ≤ fx < 1 e 0 ≤ gx < 1.
EXEMPLO: x = 234.57 e t = 4 dígitos na mantissax = 0.23457× 103 = 0.2345× 103 + 0.00007× 103
x = 0.2345× 103 + 0.7× 10(3−4)=−1, gx = 0.7 ≥ 12
x = 0.2345× 103 + 10−1 = 234.5 + 0.1 = 234.6
EXEMPLO: y = 7891.23 e t = 3 dígitos na mantissay = 0.789123× 104 = 0.789× 104 + 0.000123× 104
y = 0.789× 104 + 0.123× 10(4−3)=1, gx = 0.123 <12
y = 0.789× 104 = 7890
Vamos analisar EAx e ERx para |gx | <12
e |gx | ≥12
136 / 430
![Page 137: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/137.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)
137 / 430
![Page 138: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/138.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
138 / 430
![Page 139: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/139.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|EAx = |gx | × 10e−t .
139 / 430
![Page 140: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/140.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
140 / 430
![Page 141: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/141.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
EAx <12× 10e−t
141 / 430
![Page 142: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/142.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
142 / 430
![Page 143: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/143.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e
143 / 430
![Page 144: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/144.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e <0.5× 10e−t
|fx | × 10e
144 / 430
![Page 145: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/145.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e <0.5× 10e−t
|fx | × 10e <0.5× 10e−t
0.1× 10e
145 / 430
![Page 146: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/146.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | <12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e)|
EAx = |gx | × 10e−t . Como |gx | <12
, segue:
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx =|gx | × 10e−t
|fx | × 10e <0.5× 10e−t
|fx | × 10e <0.5× 10e−t
0.1× 10e
ERx <12× 101−t
146 / 430
![Page 147: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/147.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)
147 / 430
![Page 148: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/148.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|
148 / 430
![Page 149: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/149.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |
149 / 430
![Page 150: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/150.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (note também que 0 ≤ gx < 1),
150 / 430
![Page 151: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/151.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (0 ≤ gx < 1),
EAx ≤12× 10e−t
151 / 430
![Page 152: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/152.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (0 ≤ gx < 1),
EAx ≤12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
152 / 430
![Page 153: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/153.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (0 ≤ gx < 1),
EAx ≤12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx <0.5× 10e−t
|fx × 10e + 10e−t |
153 / 430
![Page 154: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/154.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (0 ≤ gx < 1),
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx <0.5× 10e−t
|fx × 10e + 10e−t |<
0.5× 10e−t
|fx | × 10e
154 / 430
![Page 155: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/155.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (0 ≤ gx < 1),
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx <0.5× 10e−t
|fx × 10e + 10e−t |<
0.5× 10e−t
|fx | × 10e <0.5× 10e−t
0.1× 10e
155 / 430
![Page 156: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/156.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Se |gx | ≥12
, temos:
EAx = |x − x | (Erro Absoluto)EAx = |(fx × 10e + gx × 10e−t )− (fx × 10e + 10e−t )|EAx = |gx × 10e−t − 10e−t |EAx = |gx − 1| × 10e−t (0 ≤ gx < 1),
EAx <12× 10e−t
ERx =|x − x ||x |
=EAx
|x |(Erro Relativo)
ERx <0.5× 10e−t
|fx × 10e + 10e−t |<
0.5× 10e−t
|fx | × 10e <0.5× 10e−t
0.1× 10e
ERx <12× 101−t
156 / 430
![Page 157: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/157.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Assim, para ambos os casos, os erros são dados por:
EAx <12× 10e−t
ERx <12× 101−t
157 / 430
![Page 158: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/158.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
Assim, para ambos os casos, os erros são dados por:
EAx <12× 10e−t
ERx <12× 101−t
O erro cometido no processo de arredondamento é menordo que aquele apresentado no truncamento.
158 / 430
![Page 159: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/159.jpg)
Condicionamento de algoritmos
Tópico 01
Erros de Arredondamento e Truncamento
A análise revela que os erros são dados por:
EAx <12× 10e−t (“Se” t → ∞ “então” EAx → 0)
ERx <12× 101−t (“Se” t → ∞ “então” ERx → 0)
O erro cometido no processo de arredondamento é menordo que aquele apresentado no truncamento.
Por outro lado, do ponto de vista de esforço computacional(tempo de execução das operações), o truncamentorequer menos tempo do que o arredondamento.
159 / 430
![Page 160: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/160.jpg)
Condicionamento de algoritmos
Tópico 01
- Operações Aritméticas em Ponto Flutuante
160 / 430
![Page 161: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/161.jpg)
Condicionamento de algoritmos
Tópico 01
Considere uma máquina e/ou computador qualquer e umasérie de operações aritméticas.
161 / 430
![Page 162: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/162.jpg)
Condicionamento de algoritmos
Tópico 01
Considere uma máquina e/ou computador qualquer e umasérie de operações aritméticas.
Pelo fato do arredondamento/truncamento ser feito apóscada operação temos, ao contrário do que é válido paranúmeros reais, que as operações aritméticas
adição, subtração, divisão e multiplicação
não são nem associativas e nem distributivas.
162 / 430
![Page 163: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/163.jpg)
Condicionamento de algoritmos
Tópico 01
Considere uma máquina e/ou computador qualquer e umasérie de operações aritméticas.
Pelo fato do arredondamento/truncamento ser feito apóscada operação temos, ao contrário do que é válido paranúmeros reais, que as operações aritméticas
adição, subtração, divisão e multiplicação
não são nem associativas e nem distributivas.
Vejamos esse fato por meio de exemplos.
163 / 430
![Page 164: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/164.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
164 / 430
![Page 165: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/165.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
Vamos efetuar os cálulos das expressões numéricasindicadas:
a) (11.4 + 3.18) + 5.05 e 11.4 + (3.18 + 5.05)
165 / 430
![Page 166: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/166.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
Vamos efetuar os cálulos das expressões numéricasindicadas usando o arredondamento simétrico:
a) (11.4 + 3.18) + 5.05 e 11.4 + (3.18 + 5.05)
(11.4 + 3.18) + 5.05 = 14.6 + 5.05 = 19.7
166 / 430
![Page 167: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/167.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
Vamos efetuar os cálulos das expressões numéricasindicadas usando o arredondamento simétrico:
a) (11.4 + 3.18) + 5.05 e 11.4 + (3.18 + 5.05)
(11.4 + 3.18) + 5.05 = 14.6 + 5.05 = 19.711.4 + (3.18 + 5.05) = 11.4 + 8.23 = 19.6
167 / 430
![Page 168: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/168.jpg)
Condicionamento de algoritmos
Tópico 01
Calcule as expressões indicadas nos itens b) e c):
b)3.18× 11.4
5.05e
3.185.05
× 11.4
c) 3.18× (5.05 + 11.4) e 3.18× 5.05 + 3.18× 11.4
168 / 430
![Page 169: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/169.jpg)
Condicionamento de algoritmos
Tópico 01
b)3.18× 11.4
5.05e
3.185.05
× 11.4
3.18× 11.45.05
=36.35.05
= 7.19
3.185.05
× 11.4 = 0.630× 11.4 = 7.18
c) 3.18× (5.05 + 11.4) e 3.18× 5.05 + 3.18× 11.4
3.18× (5.05 + 11.4) = 3.18× 16.5 = 52.53.18× 5.05 + 3.18× 11.4 = 16.1 + 36.3 = 52.4
169 / 430
![Page 170: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/170.jpg)
Condicionamento de algoritmos
Tópico 01
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
170 / 430
![Page 171: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/171.jpg)
Condicionamento de algoritmos
Tópico 01
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
Valor exato: considere todos os dígitos de uma máquina,sem usar arredondamento a cada operação.Segue que, P(5.24) = −0.00776 (valor exato).
171 / 430
![Page 172: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/172.jpg)
Condicionamento de algoritmos
Tópico 01
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
Valor exato: considere todos os dígitos de uma máquina,sem usar arredondamento a cada operação.Segue que, P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1
172 / 430
![Page 173: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/173.jpg)
Condicionamento de algoritmos
Tópico 01
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
Valor exato: considere todos os dígitos de uma máquina,sem usar arredondamento a cada operação.Segue que, P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1= −0.10 (somando da esquerda para a direita)
173 / 430
![Page 174: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/174.jpg)
Condicionamento de algoritmos
Tópico 01
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
Valor exato: considere todos os dígitos de uma máquina,sem usar arredondamento a cada operação.Segue que, P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1= −0.10 (somando da esquerda para a direita)= 0.00 (somando da direita para a esquerda).
174 / 430
![Page 175: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/175.jpg)
Condicionamento de algoritmos
Tópico 01
Continuando. Note ainda que o polinômioP(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x(x(x − 6) + 4)− 0.1(forma computacional “tipicamente” eficiente)
175 / 430
![Page 176: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/176.jpg)
Condicionamento de algoritmos
Tópico 01
Continuando. Note ainda que o polinômioP(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x(x(x − 6) + 4)− 0.1
Assim:P(5.24) = 5.24(5.24(5.24− 6) + 4)− 0.1= 5.24(−3.98 + 4)− 0.1= 5.24(0.02)− 0.1= 0.105− 0.1= 0.005 (sinal errado !!!)
176 / 430
![Page 177: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/177.jpg)
Condicionamento de algoritmos
Tópico 01
Continuando. Note ainda que o polinômioP(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x(x(x − 6) + 4)− 0.1
Assim:P(5.24) = 5.24(5.24(5.24− 6) + 4)− 0.1= 5.24(−3.98 + 4)− 0.1= 5.24(0.02)− 0.1= 0.105− 0.1= 0.005 (sinal errado !!!)
A perda de dígitos significativos requer cuidados paraevitar impacto negativo na computação em precisão finita.
177 / 430
![Page 178: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/178.jpg)
Condicionamento de algoritmos
Tópico 01
Análise de Erros nas Operações Aritméricas de pontoFlutuante
No que segue indicam-se as fórmulas para os errosabsoluto e relativo nas operações aritméticas em pontoflutuante
178 / 430
![Page 179: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/179.jpg)
Condicionamento de algoritmos
Tópico 01
Análise de Erros nas Operações Aritméricas de pontoFlutuante
No que segue indicam-se as fórmulas para os errosabsoluto e relativo nas operações aritméticas em pontoflutuante
Nas contas que seguem supõe-se que o erro final éarredondado.
179 / 430
![Page 180: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/180.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
180 / 430
![Page 181: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/181.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y
181 / 430
![Page 182: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/182.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy )
182 / 430
![Page 183: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/183.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
183 / 430
![Page 184: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/184.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
Daí segue que o erro absoluto EAx+y da soma vale:EAx+y = EAx + EAy
184 / 430
![Page 185: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/185.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
Daí segue que o erro absoluto EAx+y da soma vale:EAx+y = EAx + EAy
Erro Relativo
185 / 430
![Page 186: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/186.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
Daí segue que o erro absoluto EAx+y da soma vale:EAx+y = EAx + EAy
Erro Relativo
ERx+y =EAx+y
x + y
186 / 430
![Page 187: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/187.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
Daí segue que o erro absoluto EAx+y da soma vale:EAx+y = EAx + EAy
Erro Relativo
ERx+y =EAx+y
x + y=
EAx
x + y+
EAy
x + y
187 / 430
![Page 188: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/188.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
Daí segue que o erro absoluto EAx+y da soma vale:EAx+y = EAx + EAy
Erro Relativo
ERx+y =EAx+y
x + y=
EAx
x + y+
EAy
x + y
ERx+y =EAx
xx
x + y+
EAy
yy
x + y
188 / 430
![Page 189: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/189.jpg)
Condicionamento de algoritmos
Tópico 01
AdiçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x + y = (x + EAx ) + (y + EAy ) = (x + y) + (EAx + EAy )
Daí segue que o erro absoluto EAx+y da soma vale:EAx+y = EAx + EAy
Erro Relativo
ERx+y =EAx+y
x + y=
EAx
x + y+
EAy
x + y
ERx+y =EAx
xx
x + y+
EAy
yy
x + y
ERx+y = ERx
(x
x + y
)+ ERy
(y
x + y
)189 / 430
![Page 190: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/190.jpg)
Condicionamento de algoritmos
Tópico 01
SubtraçãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Analogamente ao caso da adição, temos:
190 / 430
![Page 191: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/191.jpg)
Condicionamento de algoritmos
Tópico 01
SubtraçãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Analogamente ao caso da adição, temos:
Erro AbsolutoEAx+y = EAx − EAy
191 / 430
![Page 192: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/192.jpg)
Condicionamento de algoritmos
Tópico 01
SubtraçãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Analogamente ao caso da adição, temos:
Erro AbsolutoEAx+y = EAx − EAy
Erro Relativo
ERx+y = ERx
(x
x − y
)− ERy
(y
x − y
)
192 / 430
![Page 193: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/193.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
193 / 430
![Page 194: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/194.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y
194 / 430
![Page 195: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/195.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
195 / 430
![Page 196: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/196.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
196 / 430
![Page 197: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/197.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.
197 / 430
![Page 198: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/198.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.EAx y ≈ xEAy + yEAx
198 / 430
![Page 199: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/199.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.EAx y ≈ xEAy + yEAx
Erro Relativo
199 / 430
![Page 200: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/200.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.EAx y ≈ xEAy + yEAx
Erro Relativo
ERx y ≈EAx y
x y
200 / 430
![Page 201: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/201.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.EAx y ≈ xEAy + yEAx
Erro Relativo
ERx y ≈EAx y
x y=
xEAy + yEAx
x y
201 / 430
![Page 202: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/202.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.EAx y ≈ xEAy + yEAx
Erro Relativo
ERx y ≈EAx y
x y=
xEAy + yEAx
x y=
EAx
x+
EAy
y
202 / 430
![Page 203: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/203.jpg)
Condicionamento de algoritmos
Tópico 01
MultiplicaçãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .x y = (x + EAx ) (y + EAy )
x y = x y + xEAy + yEAx + EAx EAy
Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.EAx y ≈ xEAy + yEAx
Erro Relativo
ERx y ≈EAx y
x y=
xEAy + yEAx
x y=
EAx
x+
EAy
yERx y ≈ ERx + ERy
203 / 430
![Page 204: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/204.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy
204 / 430
![Page 205: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/205.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy
=x + EAx
y + EAy
205 / 430
![Page 206: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/206.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
xy
=x + EAx
y + EAy=
x + EAx
y
1
1 +EAy
y
206 / 430
![Page 207: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/207.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
xy
=x + EAx
y + EAy=
x + EAx
y
1
1 +EAy
y
Atenção!
207 / 430
![Page 208: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/208.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
xy
=x + EAx
y + EAy=
x + EAx
y
1
1 +EAy
y
Atenção!Por conveniência na análise, vamos expressar o termo
1
1 +EAy
y
como segue:
208 / 430
![Page 209: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/209.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
xy
=x + EAx
y + EAy=
x + EAx
y
1
1 +EAy
y
Atenção!Por conveniência na análise, vamos expressar o termo
1
1 +EAy
y
como segue (série infinita):
1
1 +EAy
y
= 1−EAy
y+
(EAy
y
)2
−(
EAy
y
)3
+ · · ·
209 / 430
![Page 210: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/210.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .
xy
=x + EAx
y + EAy=
x + EAx
y
1
1 +EAy
y
Atenção!Por conveniência na análise, vamos expressar o termo
1
1 +EAy
y
como segue (série infinita):
1
1 +EAy
y
= 1−EAy
y+
(EAy
y
)2
−(
EAy
y
)3
+ · · ·
e desprezando os termos com potências maiores do que1, temos:
210 / 430
![Page 211: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/211.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy≈ x + EAx
y
(1−
EAy
y
)
211 / 430
![Page 212: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/212.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy≈ x + EAx
y
(1−
EAy
y
)=
(xy
+EAx
y
)(1−
EAy
y
)
212 / 430
![Page 213: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/213.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy≈ x + EAx
y
(1−
EAy
y
)=
(xy
+EAx
y
)(1−
EAy
y
)xy≈ x
y+
EAx
y−
x EAy
y2 −EAx EAy
y2
213 / 430
![Page 214: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/214.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy≈ x + EAx
y
(1−
EAy
y
)=
(xy
+EAx
y
)(1−
EAy
y
)xy≈ x
y+
EAx
y−
x EAy
y2 −EAx EAy
y2
Atenção!
214 / 430
![Page 215: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/215.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy≈ x + EAx
y
(1−
EAy
y
)=
(xy
+EAx
y
)(1−
EAy
y
)xy≈ x
y+
EAx
y−
x EAy
y2 −EAx EAy
y2
Atenção!Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.
215 / 430
![Page 216: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/216.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoSejam x e y , tais que x = x + EAx e y = y + EAy .xy≈ x + EAx
y
(1−
EAy
y
)=
(xy
+EAx
y
)(1−
EAy
y
)xy≈ x
y+
EAx
y−
x EAy
y2 −EAx EAy
y2
Atenção!Supondo que o produto (EAx ) (EAy ) é um númeropequeno, decarta-se então este termo da última equação.
Segue que:xy≈ x
y+
EAx
y−
x EAy
y2
216 / 430
![Page 217: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/217.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2
217 / 430
![Page 218: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/218.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2 =y EAx − x EAy
y2
218 / 430
![Page 219: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/219.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2 =y EAx − x EAy
y2
Erro Relativo
219 / 430
![Page 220: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/220.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2 =y EAx − x EAy
y2
Erro Relativo
ERx/y ≈EAx/y
xy
220 / 430
![Page 221: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/221.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2 =y EAx − x EAy
y2
Erro Relativo
ERx/y ≈EAx/y
xy
=
(y EAx − x EAy
y2
)yx
221 / 430
![Page 222: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/222.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2 =y EAx − x EAy
y2
Erro Relativo
ERx/y ≈EAx/y
xy
=
(y EAx − x EAy
y2
)yx
ERx/y ≈EAx
x−
EAy
y
222 / 430
![Page 223: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/223.jpg)
Condicionamento de algoritmos
Tópico 01
DivisãoErro AbsolutoFinalmente,
EAx/y =EAx
y−
x EAy
y2 =y EAx − x EAy
y2
Erro Relativo
ERx/y ≈EAx/y
xy
=
(y EAx − x EAy
y2
)yx
ERx/y ≈EAx
x−
EAy
y= ERx − ERy
223 / 430
![Page 224: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/224.jpg)
Condicionamento de algoritmos
Tópico 01
É válido lembrar que em todas as fórmulas, não foiconsiderado o erro de arredondamento ou truncamentono resultado final.
Para uma análise completa, detalhada, da propagação doserros, deve-se considerar ainda os erros em cadaoperação efetuada.
224 / 430
![Page 225: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/225.jpg)
Condicionamento de algoritmos
Tópico 01
– Condicionamento de algoritmos & Efeitos Numéricos
225 / 430
![Page 226: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/226.jpg)
Condicionamento de algoritmos
Tópico 01
Neste curso vamos examinar alguns procedimentos deaproximação, chamados algoritmos, que envolve umasequência de cálculos.
226 / 430
![Page 227: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/227.jpg)
Condicionamento de algoritmos
Tópico 01
Neste curso vamos examinar alguns procedimentos deaproximação, chamados algoritmos, que envolve umasequência de cálculos.
Um algoritmo é um procedimento que descreve, de formainequívoca, uma sequência finita de passos a serrealizada em uma ordem específica.
227 / 430
![Page 228: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/228.jpg)
Condicionamento de algoritmos
Tópico 01
Neste curso vamos examinar alguns procedimentos deaproximação, chamados algoritmos, que envolve umasequência de cálculos.
Um algoritmo é um procedimento que descreve, de formainequívoca, uma sequência finita de passos a serrealizada em uma ordem específica.
O objetivo de um algoritmo é o de implementar umprocedimento para a resolver um problema oupara uma solução aproximada do problema.
228 / 430
![Page 229: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/229.jpg)
Condicionamento de algoritmos
Tópico 01
Além dos problemas dos erros causados pelas operaçõesaritméticas existem certos efeitos numéricos quecontribuem para que um resultado numérico não sejaconfiável.
229 / 430
![Page 230: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/230.jpg)
Condicionamento de algoritmos
Tópico 01
Além dos problemas dos erros causados pelas operaçõesaritméticas existem certos efeitos numéricos quecontribuem para que um resultado numérico não sejaconfiável.
Alguns dos problemas mais frequentes em cálculonumérico são:
CancelamentoGeração e Propagação de ErrosInstabilidade NuméricaMal Condicionamento
230 / 430
![Page 231: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/231.jpg)
Condicionamento de algoritmos
Tópico 01
Além dos problemas dos erros causados pelas operaçõesaritméticas existem certos efeitos numéricos quecontribuem para que um resultado numérico não sejaconfiável.
Alguns dos problemas mais frequentes em cálculonuméricos são:
CancelamentoGeração e Propagação de ErrosInstabilidade NuméricaMal Condicionamento
Vejamos alguns exemplos para ilustrar esse problemas
231 / 430
![Page 232: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/232.jpg)
Condicionamento de algoritmos
Tópico 01
Cancelamento
232 / 430
![Page 233: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/233.jpg)
Condicionamento de algoritmos
Tópico 01
Cancelamento
O cancelamento ocorre tipicamente na subtração de doisnúmeros “quase iguais”, ou na adição de dois númeroscom sinais opostos e “quase iguais” em valor absoluto
233 / 430
![Page 234: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/234.jpg)
Condicionamento de algoritmos
Tópico 01
Cancelamento
O cancelamento ocorre tipicamente na subtração de doisnúmeros “quase iguais”, ou na adição de dois númeroscom sinais opostos e “quase iguais” em valor absoluto
Importante: Lembrem-se que estamos operando comaritmética de ponto flutuante !!
234 / 430
![Page 235: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/235.jpg)
Condicionamento de algoritmos
Tópico 01
Cancelamento
O cancelamento ocorre tipicamente na subtração de doisnúmeros “quase iguais”, ou na adição de dois númeroscom sinais opostos e “quase iguais” em valor absoluto
Importante: Lembrem-se que estamos operando comaritmética de ponto flutuante !!
Sem perda de generalidade, vamos supor que estamostrabalhando com o sistema F (10,10,10,10).
235 / 430
![Page 236: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/236.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO:√
9876−√
9875.
236 / 430
![Page 237: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/237.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO:√
9876−√
9875. Segue que:√9876 = 0.9937806599× 102 e√9875 = 0.9937303457× 102
237 / 430
![Page 238: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/238.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO:√
9876−√
9875. Segue que:√9876 = 0.9937806599× 102 e√9875 = 0.9937303457× 102
Então√
9876−√
9875 = 0.0000503142× 102
238 / 430
![Page 239: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/239.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO:√
9876−√
9875. Segue que:√9876 = 0.9937806599× 102 e√9875 = 0.9937303457× 102
Então√
9876−√
9875 = 0.0000503142× 102
A normalização muda este resultado para:0.5031420000× 10−4
239 / 430
![Page 240: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/240.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO:√
9876−√
9875. Segue que:√9876 = 0.9937806599× 102 e√9875 = 0.9937303457× 102
Então√
9876−√
9875 = 0.0000503142× 102
A normalização muda este resultado para:0.5031420000× 10−4
Assim os quatro zeros no final da mantissa não têmsignificado e assim “perdem-se” 4 casas decimais.
240 / 430
![Page 241: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/241.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO:√
9876−√
9875. Segue que:√9876 = 0.9937806599× 102 e√9875 = 0.9937303457× 102
Então√
9876−√
9875 = 0.0000503142× 102
A normalização muda este resultado para:0.5031420000× 10−4
Assim os quatro zeros no final da mantissa não têmsignificado e assim “perdem-se” 4 casas decimais.
Pergunta: É possível obter um resultado mais preciso ?
241 / 430
![Page 242: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/242.jpg)
Condicionamento de algoritmos
Tópico 01
Para este caso a resposta é sim.
242 / 430
![Page 243: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/243.jpg)
Condicionamento de algoritmos
Tópico 01
Para este caso a resposta é sim. Basta consider aidentidade:√
x −√y =x − y√x +√
y.
243 / 430
![Page 244: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/244.jpg)
Condicionamento de algoritmos
Tópico 01
Para este caso a resposta é sim. Basta consider aidentidade:√
x −√y =x − y√x +√
y.
Então,√
9876−√
9875 =
0.5031418679× 10−4
0.5031420000× 10−4 (antes)
244 / 430
![Page 245: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/245.jpg)
Condicionamento de algoritmos
Tópico 01
Para este caso a resposta é sim. Basta consider aidentidade:√
x −√y =x − y√x +√
y.
Então,√
9876−√
9875 =
0.5031418679× 10−4
0.5031420000× 10−4 (antes)
Em algumas situações é possível explorar propriedadesespeciais de funções.
245 / 430
![Page 246: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/246.jpg)
Condicionamento de algoritmos
Tópico 01
Por exemplo, se x e y são números “quase iguais”, éconveniente substituir:
√x −√y por
x − y√x +√
y
cos2 θ − sen2θ por cos (2θ)
log y − log x por logyx
sen y − sen x por 2 sen 12(x − y) cos 1
2(x + y)
246 / 430
![Page 247: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/247.jpg)
Condicionamento de algoritmos
Tópico 01
Nos exemplos discutidos foi possível identificar e resolvero problema do cancelamento.
Entretanto, é válido observar que nem sempre serápossível indentificar uma maneira trivial de resolverproblemas ocasionados pelo cancelamento.
247 / 430
![Page 248: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/248.jpg)
Condicionamento de algoritmos
Tópico 01
Geração e Propagação de Erros
248 / 430
![Page 249: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/249.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !
249 / 430
![Page 250: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/250.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !
Vamos revisitivar, e ampliar, a discussão de algunsexemplos já apresentados
250 / 430
![Page 251: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/251.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
Vamos efetuar os cálulos das expressões numéricasindicadas:
a) (11.4 + 3.18) + 5.05 e 11.4 + (3.18 + 5.05)
251 / 430
![Page 252: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/252.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
Vamos efetuar os cálulos das expressões numéricasindicadas:
a) (11.4 + 3.18) + 5.05 e 11.4 + (3.18 + 5.05)
(11.4 + 3.18) + 5.05 = 14.6 + 5.05 = 19.7
252 / 430
![Page 253: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/253.jpg)
Condicionamento de algoritmos
Tópico 01
Sem perda de generalidade, considere o sistema combase β = 10 e 3 dígitos significativos.
Vamos efetuar os cálulos das expressões numéricasindicadas:
a) (11.4 + 3.18) + 5.05 e 11.4 + (3.18 + 5.05)
(11.4 + 3.18) + 5.05 = 14.6 + 5.05 = 19.711.4 + (3.18 + 5.05) = 11.4 + 8.23 = 19.6
253 / 430
![Page 254: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/254.jpg)
Condicionamento de algoritmos
Tópico 01
Geração de erro na adiçãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Erro AbsolutoEAx+y = EAx + EAy
Erro Relativo
ERx+y = ERx
(x
x + y
)+ ERy
(y
x + y
)
254 / 430
![Page 255: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/255.jpg)
Condicionamento de algoritmos
Tópico 01
Geração de erro na subtraçãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Erro AbsolutoEAx+y = EAx − EAy
Erro Relativo
ERx+y = ERx
(x
x − y
)− ERy
(y
x − y
)
255 / 430
![Page 256: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/256.jpg)
Condicionamento de algoritmos
Tópico 01
b)3.18× 11.4
5.05e
3.185.05
× 11.4
3.18× 11.45.05
=36.35.05
= 7.19
3.185.05
× 11.4 = 0.630× 11.4 = 7.18
c) 3.18× (5.05 + 11.4) e 3.18× 5.05 + 3.18× 11.4
3.18× (5.05 + 11.4) = 3.18× 16.5 = 52.53.18× 5.05 + 3.18× 11.4 = 16.1 + 36.3 = 52.4
256 / 430
![Page 257: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/257.jpg)
Condicionamento de algoritmos
Tópico 01
Geração de erro na multiplicaçãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Erro AbsolutoEAx y ≈ xEAy + yEAx
Erro RelativoERx y ≈ ERx + ERy
257 / 430
![Page 258: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/258.jpg)
Condicionamento de algoritmos
Tópico 01
Geração de erro na divisãoSejam x e y , tais que x = x + EAx e y = y + EAy .
Erro Absoluto
EAx/y =y EAx − x EAy
y2
Erro RelativoERx/y ≈ ERx − ERy
258 / 430
![Page 259: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/259.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !
259 / 430
![Page 260: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/260.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !Vamos ver como a propagação de erro ocorre · · ·
260 / 430
![Page 261: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/261.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !Vamos ver como a propagação de erro ocorre · · ·
em operações aritiméticas em ponto flutuante
261 / 430
![Page 262: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/262.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !Vamos ver como a propagação de erro ocorre · · ·
em operações aritiméticas em ponto flutuante
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
262 / 430
![Page 263: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/263.jpg)
Condicionamento de algoritmos
Tópico 01
Atenção !Vamos ver como a propagação de erro ocorre · · ·
em operações aritiméticas em ponto flutuante
d) Calcular o polinômio P(x) = x3 − 6x2 + 4x − 0.1 no pontox = 5.24 e comparar com o resultado exato.
Valor exato: considere todos os dígitos de uma máquina,sem usar arredondamento a cada operação.
263 / 430
![Page 264: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/264.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 no ponto x = 5.24,P(5.24) = −0.00776 (valor exato).
264 / 430
![Page 265: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/265.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 no ponto x = 5.24,P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1
265 / 430
![Page 266: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/266.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 no ponto x = 5.24,P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1= −0.10 (somando da esquerda para a direita)
266 / 430
![Page 267: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/267.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 no ponto x = 5.24,P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1= −0.10 (somando da esquerda para a direita)= 0.00 (somando da direita para a esquerda).
267 / 430
![Page 268: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/268.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 no ponto x = 5.24,P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1= −0.10 (somando da esquerda para a direita)= 0.00 (somando da direita para a esquerda).
Note que o erro cometido em cada parcela é propagadopara as operações posteriores.
268 / 430
![Page 269: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/269.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 no ponto x = 5.24,P(5.24) = −0.00776 (valor exato).
Usando arredondamento a cada operação efetuada.P(5.24) = 5.24× 27.5− 6× 27.5 + 4× 5.24− 0.1= 144.− 165.+ 21.0− 0.1= −0.10 (somando da esquerda para a direita)= 0.00 (somando da direita para a esquerda).
Note que o erro cometido em cada parcela é propagadopara as operações posteriores.
Note também como a solução final difere do valor correto !
269 / 430
![Page 270: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/270.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
270 / 430
![Page 271: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/271.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x · x · x − 6 · x · x + 4 · x − 0.1 (1)P(x) = x(x(x − 6) + 4)− 0.1 (2)
271 / 430
![Page 272: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/272.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x · x · x − 6 · x · x + 4 · x − 0.1 (1)P(x) = x(x(x − 6) + 4)− 0.1 (2)
Em (1), 5 multiplicações, 2 subtrações e 1 adiçãoEm (2), 3 multiplicações, 2 subtrações e 1 adição
272 / 430
![Page 273: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/273.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x · x · x − 6 · x · x + 4 · x − 0.1 (1)P(x) = x(x(x − 6) + 4)− 0.1 (2)
Em (1), 5 multiplicações, 2 subtrações e 1 adiçãoEm (2), 3 multiplicações, 2 subtrações e 1 adiçãoMesmo com menos operações, de (2) resulta:
273 / 430
![Page 274: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/274.jpg)
Condicionamento de algoritmos
Tópico 01
P(x) = x3 − 6x2 + 4x − 0.1 pode ser escrito como:
P(x) = x · x · x − 6 · x · x + 4 · x − 0.1 (1)P(x) = x(x(x − 6) + 4)− 0.1 (2)
Em (1), 5 multiplicações, 2 subtrações e 1 adiçãoEm (2), 3 multiplicações, 2 subtrações e 1 adiçãoMesmo com menos operações, de (2) resulta:
P(5.24) = 5.24(5.24(5.24− 6) + 4)− 0.1P(5.24) = 0.005 (sinal errado da aproximação !)P(5.24) = −0.00776 (valor exato).
274 / 430
![Page 275: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/275.jpg)
Condicionamento de algoritmos
Tópico 01
Outros exemplos de geração e propagação de erros
275 / 430
![Page 276: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/276.jpg)
Condicionamento de algoritmos
Tópico 01
Outros exemplos de geração e propagação de erros
Cálculos envolvendo somatórios:
Sk =n∑
k=1
ak ,
onde os termos ak podem ser positivos ou negativos.
276 / 430
![Page 277: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/277.jpg)
Condicionamento de algoritmos
Tópico 01
Outros exemplos de geração e propagação de erros
Cálculos envolvendo somatórios:
Sk =n∑
k=1
ak ,
onde os termos ak podem ser positivos ou negativos.
Determinação numérica de integrais:
yn =
∫ 1
0
xn
x + a,
para um valor fixo de a (a > 1) e, n = 0,1,2,3, · · ·
277 / 430
![Page 278: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/278.jpg)
Condicionamento de algoritmos
Tópico 01
Outros exemplos de geração e propagação de erros
Cálculos envolvendo somatórios:
Sk =n∑
k=1
ak ,
onde os termos ak podem ser positivos ou negativos.
Determinação numérica de integrais:
yn =
∫ 1
0
xn
x + a,
para um valor fixo de a (a > 1) e, n = 0,1,2,3, · · ·
A perda de dígitos significativos requer cuidados paraevitar impacto negativo na computação em precisão finita.
278 / 430
![Page 279: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/279.jpg)
Condicionamento de algoritmos
Tópico 01
Instabilidade Numérica
279 / 430
![Page 280: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/280.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplo (algoritmo instável): Se 4AC << B2, a fórmulaquadrática não é conveniente para a determinação damenor raiz da equação Ax2 + Bx + C = 0.
280 / 430
![Page 281: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/281.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplo (algoritmo instável): Se 4AC << B2, a fórmulaquadrática não é conveniente para a determinação damenor raiz da equação Ax2 + Bx + C = 0.
Neste caso, quando B > 0, é desejável substituir a fórmula
x1 =−B +
√B2 − 4AC2A
por x1 =−2C
B +√
B2 − 4AC
281 / 430
![Page 282: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/282.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplo (algoritmo instável): Se 4AC << B2, a fórmulaquadrática não é conveniente para a determinação damenor raiz da equação Ax2 + Bx + C = 0.
Neste caso, quando B > 0, é desejável substituir a fórmula
x1 =−B +
√B2 − 4AC2A
por x1 =−2C
B +√
B2 − 4AC
Ou seja, x1 =CA
1x2
, ou x1 x2 =CA
282 / 430
![Page 283: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/283.jpg)
Condicionamento de algoritmos
Tópico 01
Vamos resolver a equação: x2 − 1634x + 2 = 0.
283 / 430
![Page 284: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/284.jpg)
Condicionamento de algoritmos
Tópico 01
Vamos resolver a equação: x2 − 1634x + 2 = 0.
Segue que,
x =1634±
√16342 − 82
= 817±√
667487.
284 / 430
![Page 285: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/285.jpg)
Condicionamento de algoritmos
Tópico 01
Vamos resolver a equação: x2 − 1634x + 2 = 0.
Segue que,
x =1634±
√16342 − 82
= 817±√
667487.
Temos então que:x1 = 817− 816.9987760 = 0.1224000000× 10−2
x2 = 817 + 816.9987760 = 0.1633998776× 103
Note que os seis zeros da mantissa de x1 resultam docancelamento e portanto não têm significado algum.
285 / 430
![Page 286: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/286.jpg)
Condicionamento de algoritmos
Tópico 01
Vamos resolver a equação: x2 − 1634x + 2 = 0.
Segue que,
x =1634±
√16342 − 82
= 817±√
667487.
Temos então que:x1 = 817− 816.9987760 = 0.1224000000× 10−2
x2 = 817 + 816.9987760 = 0.1633998776× 103
Note que os seis zeros da mantissa de x1 resultam docancelamento e portanto não têm significado algum.
Mas usando, x1 x2 =CA
temos:
x1 = 0.1223991125× 10−2,x1 = 0.1224000000× 10−2 (antes)
onde os dígitos da mantissa estão todos corretos.286 / 430
![Page 287: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/287.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplo (fórmula de recorrência)
Se não utilizado da maneira adequada, os erros cometidosem uma relação de recorrência podem crescerexponencialmente e arruinar completamente osresultados.
287 / 430
![Page 288: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/288.jpg)
Condicionamento de algoritmos
Tópico 01
Para calcular as integrais,
pode-se usar a relação de recorrência:
que segue diretamente do cálculo:
No que segue a fórmula acima será usada para calcular In,sempre com seis casas decimais. Para n = 0, temos:
288 / 430
![Page 289: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/289.jpg)
Condicionamento de algoritmos
Tópico 01
Usando ainda a relação de recorrência para In, obtemos:
Mas em vista da relação de recorrência,
temos que tais resultados da tabela são inesperados, pois:
1o) I6 > I5, e2o) I7 < 0, que obviamente é absurdo !
289 / 430
![Page 290: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/290.jpg)
Condicionamento de algoritmos
Tópico 01
A razão para o resultado absurdo acima é que o erro dearredondamento ε em I0 = 0.18232156..., cuja magnitudeé da ordem de 0.44× 10−6, é multiplicado por −5 nocálculo de I1, que tem então um erro de −5ε
Este erro por sua vez produz um erro em I2 de 52ε, eassim por diante. Segue que a magnitude do erro em I7 é57ε = 0.0391, que é maior do que o verdadeiro valor de I7
Se uma maior precisão de máquina for utilizada, oresultado absurdo certamente vai aparecer em uma etapaposterior
Por exemplo, usando um computador que funciona comuma precisão que corresponde a cerca de 16 casasdecimais forneceu um valor negativo para I2, embora queI0 tenha sido usado com toda precisão 290 / 430
![Page 291: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/291.jpg)
Condicionamento de algoritmos
Tópico 01
Note que o efeito anterior pode ocorrer de forma similarpara outras máquinas (verifique em seu computador!)
O algoritmo acima que faz uso de uma relação derecorrência é um exemplo de um fenômeno desagradávelem cálculos computacionais, chamado de instabilidadenumérica
Neste exemplo, pode-se evitar a instabilidade numérica,invertendo a direção da recursão. Usando a relação derecorrência na outra direção,
observa-se que os erros serão divididos por um fator de 5em cada passo. Mas note que ainda precisamos de umvalor inicial para In !
291 / 430
![Page 292: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/292.jpg)
Condicionamento de algoritmos
Tópico 01
Neste caso podemos ver diretamente a partir da definição
que In diminui com o aumento de n. Pode-se supor que Indiminui lentamente quando n é grande (verifique).
Assim, podemos tentar I12 = I11:
o que mostra, 0 < I12 < 1/72 < I11. Usando ainda arelação de recorrência obtemos:
e finalmente I0 = 0.182322 (o valor correto!)292 / 430
![Page 293: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/293.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício: Derive as relações de recorrência “avançada” e“recuada” para o cálculo das integrais,
Diferentemente do exemplo anterior, explique a razão pelaqual a recorrência é estável na direção “avançada” einstável na direção “recuada” ?
293 / 430
![Page 294: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/294.jpg)
Condicionamento de algoritmos
Tópico 01
Um outro exemplo de fórmula de recorrênciaResolver a integral,
In = e−1∫ 1
0xnex dx
Solução: Vamos tentar encontrar uma fórmula derecorrência para In.Integrando por partes (do cálculo), temos:
In = e−1
{[xnex ]10 −
∫ 1
0nxn−1ex dx
}
294 / 430
![Page 295: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/295.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplo (fórmula de recorrência)Resolver a integral,
In = e−1∫ 1
0xnex dx
Solução: Vamos tentar encontrar uma fórmula derecorrência para In.Integrando por partes (do cálculo), temos:
In = e−1
{[xnex ]10 −
∫ 1
0nxn−1ex dx
}
In = 1− n
(e−1
∫ 1
0xn−1ex dx
)
295 / 430
![Page 296: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/296.jpg)
Condicionamento de algoritmos
Tópico 01
Exemplo (fórmula de recorrência)Resolver a integral,
In = e−1∫ 1
0xnex dx
Solução: Vamos tentar encontrar uma fórmula derecorrência para In.Integrando por partes (do cálculo), temos:
In = e−1
{[xnex ]10 −
∫ 1
0nxn−1ex dx
}
In = 1− n
(e−1
∫ 1
0xn−1ex dx
)In = 1− nIn−1
296 / 430
![Page 297: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/297.jpg)
Condicionamento de algoritmos
Tópico 01
A fórmula de recorrência é então dada por:In = 1− nIn−1, n = 1,2,3, · · ·
297 / 430
![Page 298: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/298.jpg)
Condicionamento de algoritmos
Tópico 01
A fórmula de recorrência é então dada por:In = 1− nIn−1, n = 1,2,3, · · ·E como sabemos calcular I0, i.e.,
I0 = e−1∫ 1
0ex dx = e−1(e − 1) = 0.6321
298 / 430
![Page 299: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/299.jpg)
Condicionamento de algoritmos
Tópico 01
A fórmula de recorrência é então dada por:In = 1− nIn−1, n = 1,2,3, · · ·E como sabemos calcular I0, i.e.,
I0 = e−1∫ 1
0ex dx = e−1(e − 1) = 0.6321,
podemos, teoricamente, calcular In, usando In = 1− nIn−1.
299 / 430
![Page 300: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/300.jpg)
Condicionamento de algoritmos
Tópico 01
A fórmula de recorrência é então dada por:In = 1− nIn−1, n = 1,2,3, · · ·E como sabemos calcular I0, i.e.,
I0 = e−1∫ 1
0ex dx = e−1(e − 1) = 0.6321,
podemos, teoricamente, calcular In, usando In = 1− nIn−1.
Atenção !!
300 / 430
![Page 301: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/301.jpg)
Condicionamento de algoritmos
Tópico 01
A fórmula de recorrência é então dada por:In = 1− nIn−1, n = 1,2,3, · · ·E como sabemos calcular I0, i.e.,
I0 = e−1∫ 1
0ex dx = e−1(e − 1) = 0.6321,
podemos, teoricamente, calcular In, usando In = 1− nIn−1.
Atenção !!Uma análise releva que a sequência In é decrescente!
301 / 430
![Page 302: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/302.jpg)
Condicionamento de algoritmos
Tópico 01
A fórmula de recorrência é então dada por:In = 1− nIn−1, n = 1,2,3, · · ·E como sabemos calcular I0, i.e.,
I0 = e−1∫ 1
0ex dx = e−1(e − 1) = 0.6321,
podemos, teoricamente, calcular In, usando In = 1− nIn−1.
Atenção !!Uma análise releva que a sequência In é decrescente!
Realizando as contas de forma numérica · · ·
302 / 430
![Page 303: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/303.jpg)
Condicionamento de algoritmos
Tópico 01
n In = 1− nIn−10 I0 = 0.63211 I1 = 0.36792 I2 = 0.26423 I3 = 0.20744 I4 = 0.17045 I5 = 0.14806 I6 = 0.11207 I7 = 0.2160 !!
Tabela 1: A sequência In é decrescente
303 / 430
![Page 304: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/304.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, note que:
In = e−1∫ 1
0xnex dx
304 / 430
![Page 305: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/305.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, note que:
In = e−1∫ 1
0xnex dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx
305 / 430
![Page 306: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/306.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, note que:
In = e−1∫ 1
0xnex dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx <
1n + 1
306 / 430
![Page 307: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/307.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, note que:
In = e−1∫ 1
0xnex dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx <
1n + 1
, Ou seja,
I 7 <18< 0.1250
307 / 430
![Page 308: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/308.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, note que:
In = e−1∫ 1
0xnex dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx
In < e−1 max0≤x≤1
{ex}∫ 1
0xn dx <
1n + 1
, Ou seja,
I 7 <18< 0.1250
Vamos estudar um pouco mais a instabilidade numéricaneste exemplo.
308 / 430
![Page 309: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/309.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Como encontrar o valor exato para
In = e−1∫ 1
0xnex dx ?
309 / 430
![Page 310: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/310.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Como encontrar o valor exato para
In = e−1∫ 1
0xnex dx ?
É possível ? Tem alguma solução alternativa ?
310 / 430
![Page 311: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/311.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Como encontrar o valor exato para
In = e−1∫ 1
0xnex dx ?
É possível ? Tem alguma solução alternativa ?
Para In = e−1∫ 1
0xnex dx , a resposta é sim!
311 / 430
![Page 312: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/312.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Como encontrar o valor exato para
In = e−1∫ 1
0xnex dx ?
É possível ? Tem alguma solução alternativa ?
Para In = e−1∫ 1
0xnex dx , a resposta é sim!
Importante: uma relação de recorrência sernumericamente instável na direção crescente nãoimpede de ser estável na direção decrescente de n.
312 / 430
![Page 313: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/313.jpg)
Condicionamento de algoritmos
Tópico 01
Considere novamente a fórmula de recorrênciaIn = 1− nIn−1, n = 1,2,3, · · ·
313 / 430
![Page 314: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/314.jpg)
Condicionamento de algoritmos
Tópico 01
Considere novamente a fórmula de recorrênciaIn = 1− nIn−1, n = 1,2,3, · · ·
Resolvendo para In−1, obtemos:
In−1 =1− In
n, n − 1,n − 2,n − 3, · · ·
314 / 430
![Page 315: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/315.jpg)
Condicionamento de algoritmos
Tópico 01
Considere novamente a fórmula de recorrênciaIn = 1− nIn−1, n = 1,2,3, · · ·
Resolvendo para In−1, obtemos:
In−1 =1− In
n, n − 1,n − 2,n − 3, · · ·
Note que a relação acima precisa de um valor inicial In.
315 / 430
![Page 316: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/316.jpg)
Condicionamento de algoritmos
Tópico 01
Considere novamente a fórmula de recorrênciaIn = 1− nIn−1, n = 1,2,3, · · ·
Resolvendo para In−1, obtemos:
In−1 =1− In
n, n − 1,n − 2,n − 3, · · ·
Note que a relação acima precisa de um valor inicial In.
Mas não é simples encontrar esse valor, pois todo In, onden > 0, é desconhecido.
316 / 430
![Page 317: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/317.jpg)
Condicionamento de algoritmos
Tópico 01
Considere novamente a fórmula de recorrênciaIn = 1− nIn−1, n = 1,2,3, · · ·
Resolvendo para In−1, obtemos:
In−1 =1− In
n, n − 1,n − 2,n − 3, · · ·
Note que a relação acima precisa de um valor inicial In.
Mas não é simples encontrar esse valor, pois todo In, onden > 0, é desconhecido.
O que fazer ?
317 / 430
![Page 318: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/318.jpg)
Condicionamento de algoritmos
Tópico 01
Do cálculo sabemos que In −→ 0 quando n −→∞
318 / 430
![Page 319: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/319.jpg)
Condicionamento de algoritmos
Tópico 01
Do cálculo sabemos que In −→ 0 quando n −→∞
Assim, fazendo I20 = 0 e calculando I19, I18, I17, · · ·
319 / 430
![Page 320: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/320.jpg)
Condicionamento de algoritmos
Tópico 01
Do cálculo sabemos que In −→ 0 quando n −→∞
Assim, fazendo I20 = 0 e calculando I19, I18, I17, · · ·
Obtêm-se I 7 = 0.1123835 < 0.125 (estimativa teórica !)
320 / 430
![Page 321: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/321.jpg)
Condicionamento de algoritmos
Tópico 01
Do cálculo sabemos que In −→ 0 quando n −→∞
Assim, fazendo I20 = 0 e calculando I19, I18, I17, · · ·
Obtêm-se I 7 = 0.1123835 < 0.125 (estimativa teórica)
Sendo I 7 = 0, obtêm-se I0 = 0.6320 (0.6321 exato !)
321 / 430
![Page 322: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/322.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:
322 / 430
![Page 323: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/323.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.
323 / 430
![Page 324: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/324.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
324 / 430
![Page 325: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/325.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
Denotando · · ·In como o valor exato, eIn o valor calculado (com erro no valor inicial)
325 / 430
![Page 326: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/326.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
Denotando · · ·In como o valor exato, eIn o valor calculado (com erro no valor inicial)
Atenção! Matematicamente temos:
326 / 430
![Page 327: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/327.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
Denotando · · ·In como o valor exato, eIn o valor calculado (com erro no valor inicial)
Atenção! Matematicamente temos:In = 1− nIn−1, n = 1,2,3, · · · (exato)
327 / 430
![Page 328: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/328.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
Denotando · · ·In como o valor exato, eIn o valor calculado (com erro no valor inicial)
Atenção! Matematicamente temos:In = 1− nIn−1, n = 1,2,3, · · · (exato)In = 1− nIn−1, n = 1,2,3, · · · (calculado)
328 / 430
![Page 329: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/329.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
Denotando · · ·In como o valor exato, eIn o valor calculado (com erro no valor inicial)
Atenção! Matematicamente temos:In = 1− nIn−1, n = 1,2,3, · · · (exato)In = 1− nIn−1, n = 1,2,3, · · · (calculado)I0 = I0 + ε (ε = erro no valor inicial)
329 / 430
![Page 330: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/330.jpg)
Condicionamento de algoritmos
Tópico 01
Exercício. Vamos supor que:I0 seja afetado por um erro.Todas as operações aritméticas subsequentes são exatas.
Denotando · · ·In como o valor exato, eIn o valor calculado (com erro no valor inicial)
Atenção! Matematicamente temos:In = 1− nIn−1, n = 1,2,3, · · · (exato)In = 1− nIn−1, n = 1,2,3, · · · (calculado)I0 = I0 + ε (ε = erro no valor inicial)
Continuando · · ·330 / 430
![Page 331: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/331.jpg)
Condicionamento de algoritmos
Tópico 01
Defina o erro rn como:rn = In − In, n = 1,2,3, · · ·
331 / 430
![Page 332: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/332.jpg)
Condicionamento de algoritmos
Tópico 01
Defina o erro rn como:rn = In − Inrn = −nrn−1, n = 1,2,3, · · ·
332 / 430
![Page 333: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/333.jpg)
Condicionamento de algoritmos
Tópico 01
Defina o erro rn como:rn = In − Inrn = −nrn−1, n = 1,2,3, · · ·
Agora aplique repetidamente a fórmula acima para obteruma relação de recorrência para rn em termos do erro ε,que é introduzido no cálculo do valor inicial I0.
(i) Com o resultado acima, explique a fonte do acúmulodo erro da relação de recorrência na direção “avançada”.
(ii) Ainda com base na análise acima, explique tambéma estabilidade da relação de recorrência na outra direção(“recuada”).
333 / 430
![Page 334: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/334.jpg)
Condicionamento de algoritmos
Tópico 01
Mal condicionamento
334 / 430
![Page 335: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/335.jpg)
Condicionamento de algoritmos
Tópico 01
Conceitos de Cálculo Numérico (revisitando)
O objetivo deste curso é examinar alguns métodos para aresolução numérica de vários tipos de problemas
Queremos implementar algoritmos em um computadorque levará à solução (ou uma aproximação razoável) doproblema
Qualquer problema pode ser pensado como uma funçãodos dados de entrada:
x que entrauma função f é executadaf (x) que sai
335 / 430
![Page 336: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/336.jpg)
Condicionamento de algoritmos
Tópico 01
O condicionamento é um conceito que se aplica aosproblemas
Pergunta: Quais são os efeitos que pequenas alteraçõesnos dados de entrada têm sobre a solução do problema ?
Um problema está bem condicionado se uma pequenavariação (na entrada) produz uma pequena alteração emf (x) (na saída)
Um problema é mal condicionado se uma pequenaalteração na entrada produz uma grande mudança nasaída (dizemos que esses problemas são sensíveis apequenas perturbações nos dados)
336 / 430
![Page 337: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/337.jpg)
Condicionamento de algoritmos
Tópico 01
Por exemplo, o número de condição pode estar associadoa sistemas lineares de equações
Além disso, os números de condição podem estarassociados a outros problemas, tais como:
Cálculo de raízes de polinômios
Cálculo de autovalores e autovetores
Resolução de equações diferenciais ordinárias e parciais
337 / 430
![Page 338: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/338.jpg)
Condicionamento de algoritmos
Tópico 01
O que queremos dizer sobre um sistema linear deequações ser mal condicionado ou bem condicionado ?
338 / 430
![Page 339: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/339.jpg)
Condicionamento de algoritmos
Tópico 01
O que queremos dizer sobre um sistema linear deequações ser mal condicionado ou bem condicionado ?
Um sistema de equações é considerado bemcondicionado se uma pequena mudança na matriz decoeficientes ou uma pequena mudança no lado direitoresulta em uma pequena mudança no vetor solução
339 / 430
![Page 340: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/340.jpg)
Condicionamento de algoritmos
Tópico 01
O que queremos dizer sobre um sistema linear deequações ser mal condicionado ou bem condicionado ?
Um sistema de equações é considerado bemcondicionado se uma pequena mudança na matriz decoeficientes ou uma pequena mudança no lado direitoresulta em uma pequena mudança no vetor solução
Um sistema de equações é considerado malcondicionado se uma pequena mudança na matriz decoeficientes ou uma pequena mudança no lado direitoresulta em uma grande mudança no vetor solução
340 / 430
![Page 341: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/341.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 1
341 / 430
![Page 342: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/342.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 1Este sistema de equações é bem condicionado ?[
1 22 3.999
] [xy
]=
[4
7.999
]
342 / 430
![Page 343: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/343.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 1Este sistema de equações é bem condicionado ?[
1 22 3.999
] [xy
]=
[4
7.999
]SOLUÇÃO
343 / 430
![Page 344: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/344.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 1Este sistema de equações é bem condicionado ?[
1 22 3.999
] [xy
]=
[4
7.999
]SOLUÇÃOA solução para o conjunto de equações acima é:[
xy
]=
[21
]
344 / 430
![Page 345: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/345.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 1Este sistema de equações é bem condicionado ?[
1 22 3.999
] [xy
]=
[4
7.999
]SOLUÇÃOA solução para o conjunto de equações acima é:[
xy
]=
[21
]Faça uma pequena mudança no vetor do lado direito dasequações
345 / 430
![Page 346: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/346.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3.999
] [xy
]=
[4.0017.998
]
346 / 430
![Page 347: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/347.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3.999
] [xy
]=
[4.0017.998
]A solução muda para:[
xy
]=
[−3.999
4
]
347 / 430
![Page 348: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/348.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3.999
] [xy
]=
[4.0017.998
]A solução muda para:[
xy
]=
[−3.999
4
]Faça uma pequena mudança na matriz dos coeficientesdas equações[
1.001 2.0012.001 3.998
] [xy
]=
[4
7.999
]
348 / 430
![Page 349: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/349.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3.999
] [xy
]=
[4.0017.998
]A solução muda para:[
xy
]=
[−3.999
4
]Faça uma pequena mudança na matriz dos coeficientesdas equações[
1.001 2.0012.001 3.998
] [xy
]=
[4
7.999
]A solução agora muda para:[
xy
]=
[6.989−1.497
]349 / 430
![Page 350: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/350.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, o sistema de equações original (abaixo) “parece”ser mal condicionado, porque uma pequena mudança namatriz de coeficientes ou do lado direito RESULTOU emuma grande mudança no vetor solução
[1 22 3.999
] [xy
]=
[4
7.999
]
350 / 430
![Page 351: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/351.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 2
351 / 430
![Page 352: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/352.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 2Este sistema de equações é bem condicionado ?[
1 22 3
] [xy
]=
[47
]
352 / 430
![Page 353: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/353.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 2Este sistema de equações é bem condicionado ?[
1 22 3
] [xy
]=
[47
]SOLUÇÃO
353 / 430
![Page 354: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/354.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 2Este sistema de equações é bem condicionado ?[
1 22 3
] [xy
]=
[47
]SOLUÇÃOA solução para o conjunto de equações acima é:[
xy
]=
[21
]
354 / 430
![Page 355: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/355.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 2Este sistema de equações é bem condicionado ?[
1 22 3
] [xy
]=
[47
]SOLUÇÃOA solução para o conjunto de equações acima é:[
xy
]=
[21
]Faça uma pequena mudança no vetor do lado direito dasequações
355 / 430
![Page 356: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/356.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3
] [xy
]=
[4.0017.001
]
356 / 430
![Page 357: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/357.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3
] [xy
]=
[4.0017.001
]A solução muda para:[
xy
]=
[1.9991.001
]
357 / 430
![Page 358: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/358.jpg)
Condicionamento de algoritmos
Tópico 01
[1 22 3
] [xy
]=
[4.0017.001
]A solução muda para:[
xy
]=
[1.9991.001
]Faça uma pequena mudança na matriz dos coeficientesdas equações[
1.001 2.0012.001 3.001
] [xy
]=
[47
]
358 / 430
![Page 359: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/359.jpg)
Condicionamento de algoritmos
Tópico 01
[1.001 2.0012.001 3.001
] [xy
]=
[47
]A solução muda para:[
xy
]=
[1.9991.001
]Faça uma pequena mudança na matriz dos coeficientesdas equações[
1.001 2.0012.001 3.001
] [xy
]=
[47
]A solução agora muda para:[
xy
]=
[2.0030.997
]359 / 430
![Page 360: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/360.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, o sistema de equações original (abaixo) “parece”ser bem condicionado, porque uma pequena mudançana matriz de coeficientes ou do lado direito NÃORESULTOU em uma grande mudança no vetor solução
[1 22 3
] [xy
]=
[47
]
360 / 430
![Page 361: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/361.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, o sistema de equações original (abaixo) “parece”ser bem condicionado, porque uma pequena mudançana matriz de coeficientes ou do lado direito NÃORESULTOU em uma grande mudança no vetor solução[
1 22 3
] [xy
]=
[47
]
Então, o que dizer se o sistema linear de equações for malcondicionado ou bem condicionado ?
361 / 430
![Page 362: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/362.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, o sistema de equações original (abaixo) “parece”ser bem condicionado, porque uma pequena mudançana matriz de coeficientes ou do lado direito NÃORESULTOU em uma grande mudança no vetor solução[
1 22 3
] [xy
]=
[47
]
Então, o que dizer se o sistema linear de equações for malcondicionado ou bem condicionado ?
Bem, se um sistema linear de equações é malcondicionado, então não podemos confiar tanto na suasolução, quando resolvido por um procedimento numéricoQUALQUER !
362 / 430
![Page 363: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/363.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Mas podemos pelo menos quantificar quantosalgarismos significativos se pode confiar na solução ?
363 / 430
![Page 364: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/364.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Mas podemos pelo menos quantificar quantosalgarismos significativos se pode confiar na solução ?
Resposta: Em princípio, sim. Mas, como ?
364 / 430
![Page 365: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/365.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Mas podemos pelo menos quantificar quantosalgarismos significativos se pode confiar na solução ?
Resposta: Em princípio, sim. Mas, como ?
Toda matriz inversível tem um número de condição, ejuntamente com a epsilon da máquina, podemosquantificar quantos algarismos significativos se podeconfiar na solução.
365 / 430
![Page 366: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/366.jpg)
Condicionamento de algoritmos
Tópico 01
Pergunta: Mas podemos pelo menos quantificar quantosalgarismos significativos se pode confiar na solução ?
Resposta: Em princípio, sim. Mas, como ?
Toda matriz inversível tem um número de condição ejuntamente com a epsilon da máquina, podemosquantificar quantos algarismos significativos se podeconfiar na solução
Para calcular o número de condição de uma matrizquadrada inversível, é preciso saber o que é uma normapara matrizes
366 / 430
![Page 367: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/367.jpg)
Condicionamento de algoritmos
Tópico 01
Ou seja, como a norma de uma matriz é definida ?
367 / 430
![Page 368: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/368.jpg)
Condicionamento de algoritmos
Tópico 01
Ou seja, como a norma de uma matriz é definida ?
Atenção! Lembrando · · ·
368 / 430
![Page 369: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/369.jpg)
Condicionamento de algoritmos
Tópico 01
Ou seja, como a norma de uma matriz é definida ?
Atenção! Lembrando · · ·
Assim como o fator determinante, a norma de uma matrizé um número, um simples escalar
369 / 430
![Page 370: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/370.jpg)
Condicionamento de algoritmos
Tópico 01
Ou seja, como a norma de uma matriz é definida ?
Atenção! Lembrando · · ·
Assim como o fator determinante, a norma de uma matrizé um número, um simples escalar
Exceto pela matriz nula, a norma de uma matriz é semprepositiva e é definida para todas as matrizes quadradas ouretangulares, e matrizes quadradas inversíveis ou nãoinversíveis
370 / 430
![Page 371: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/371.jpg)
Condicionamento de algoritmos
Tópico 01
Uma norma para matriz tipicamente empregada é anorma linha:
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
,
onde A é uma matriz m × n.
371 / 430
![Page 372: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/372.jpg)
Condicionamento de algoritmos
Tópico 01
Uma norma para matriz tipicamente empregada é anorma linha:
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
,
onde A é uma matriz m × n.
EXEMPLO 3Encontre a norma linha da seguinte matriz A.
A =
10 −7 0−3 2.009 6
5 −1 5
372 / 430
![Page 373: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/373.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
373 / 430
![Page 374: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/374.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
||A||∞ =max{|10|+ |−7|+ |0|, |−3|+ |2.009|+ |6|, |5|+ |−1|+ |5|}
374 / 430
![Page 375: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/375.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
||A||∞ =max{|10|+ |−7|+ |0|, |−3|+ |2.009|+ |6|, |5|+ |−1|+ |5|}||A||∞ = max{10 + 7 + 0,3 + 2.009 + 6,5 + 1 + 5}
375 / 430
![Page 376: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/376.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
||A||∞ =max{|10|+ |−7|+ |0|, |−3|+ |2.009|+ |6|, |5|+ |−1|+ |5|}||A||∞ = max{10 + 7 + 0,3 + 2.009 + 6,5 + 1 + 5}||A||∞ = max{17,11.009,11}
376 / 430
![Page 377: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/377.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
||A||∞ =max{|10|+ |−7|+ |0|, |−3|+ |2.009|+ |6|, |5|+ |−1|+ |5|}||A||∞ = max{10 + 7 + 0,3 + 2.009 + 6,5 + 1 + 5}||A||∞ = max{17,11.009,11}||A||∞ = 17
377 / 430
![Page 378: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/378.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
||A||∞ =max{|10|+ |−7|+ |0|, |−3|+ |2.009|+ |6|, |5|+ |−1|+ |5|}||A||∞ = max{10 + 7 + 0,3 + 2.009 + 6,5 + 1 + 5}||A||∞ = max{17,11.009,11}||A||∞ = 17
Como a norma está relacionada com o condicionamentoda matriz ?
378 / 430
![Page 379: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/379.jpg)
Condicionamento de algoritmos
Tópico 01
SOLUÇÃO
||A||∞ = max1≤i≤m
n∑
j=1
|aij |
, sendo A =
10 −7 0−3 2.009 6
5 −1 5
||A||∞ =max{|10|+ |−7|+ |0|, |−3|+ |2.009|+ |6|, |5|+ |−1|+ |5|}||A||∞ = max{10 + 7 + 0,3 + 2.009 + 6,5 + 1 + 5}||A||∞ = max{17,11.009,11}||A||∞ = 17
Como a norma está relacionada com o condicionamentoda matriz ?
Vamos responder esta pergunta usando um exemplo !379 / 430
![Page 380: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/380.jpg)
Condicionamento de algoritmos
Tópico 01
Voltando ao sistema linear de equações mal condicionado,[1 22 3.999
] [xy
]=
[4
7.999
]onde a solução é dada por:[
xy
]=
[21
]
380 / 430
![Page 381: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/381.jpg)
Condicionamento de algoritmos
Tópico 01
Voltando ao sistema linear de equações mal condicionado,[1 22 3.999
] [xy
]=
[4
7.999
]onde a solução é dada por:[
xy
]=
[21
]Denotando o sistema acima porA X = C, temos:||X ||∞ = 2||C||∞ = 7.999
381 / 430
![Page 382: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/382.jpg)
Condicionamento de algoritmos
Tópico 01
Faça uma pequena mudança no vetor do lado direito dasequações [
1 22 3.999
] [xy
]=
[4.0017.998
]onde a solução agora é dada por:[
xy
]=
[−3.9994.000
]
382 / 430
![Page 383: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/383.jpg)
Condicionamento de algoritmos
Tópico 01
Faça uma pequena mudança no vetor do lado direito dasequações [
1 22 3.999
] [xy
]=
[4.0017.998
]onde a solução agora é dada por:[
xy
]=
[−3.9994.000
]Denotando o sistema acima porA X ′ = C′,
383 / 430
![Page 384: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/384.jpg)
Condicionamento de algoritmos
Tópico 01
Faça uma pequena mudança no vetor do lado direito dasequações [
1 22 3.999
] [xy
]=
[4.0017.998
]onde a solução agora é dada por:[
xy
]=
[−3.9994.000
]Denotando o sistema acima porA X ′ = C′,a mudança no vetor do lado direito é dado por∆C = C′ − C
384 / 430
![Page 385: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/385.jpg)
Condicionamento de algoritmos
Tópico 01
Faça uma pequena mudança no vetor do lado direito dasequações [
1 22 3.999
] [xy
]=
[4.0017.998
]onde a solução agora é dada por:[
xy
]=
[−3.9994.000
]Denotando o sistema acima porA X ′ = C′,a mudança no vetor do lado direito é dado por∆C = C′ − C
e a mudança no vetor solução é dado por∆X = X ′ − X
385 / 430
![Page 386: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/386.jpg)
Condicionamento de algoritmos
Tópico 01
Segue que,
∆C =
[4.0017.998
]−[
47.999
]=
[0.001−0.001
]e
∆X =
[−3.9994.000
]−[
21
]=
[−5.9993.000
]
386 / 430
![Page 387: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/387.jpg)
Condicionamento de algoritmos
Tópico 01
Segue que,
∆C =
[4.0017.998
]−[
47.999
]=
[0.001−0.001
]e
∆X =
[−3.9994.000
]−[
21
]=
[−5.9993.000
]então,||∆C||∞ = 0.001||∆X ||∞ = 5.999
387 / 430
![Page 388: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/388.jpg)
Condicionamento de algoritmos
Tópico 01
Segue que,
∆C =
[4.0017.998
]−[
47.999
]=
[0.001−0.001
]e
∆X =
[−3.9994.000
]−[
21
]=
[−5.9993.000
]então,||∆C||∞ = 0.001||∆X ||∞ = 5.999
Atenção !
388 / 430
![Page 389: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/389.jpg)
Condicionamento de algoritmos
Tópico 01
A mudança relativa na norma do vetor solução é||∆X ||∞||X ||∞
=5.999
2= 2.9995
A mudança relativa na norma no vetor do lado direito é||∆C||∞||C||∞
=0.0017.999
= 1.250× 10−4
Notem que uma pequena mudança relativa de1.250× 10−4 no vetor do lado direito resulta em umagrande mudança (ordem de grandeza) no vetor soluçãode 2.9995
389 / 430
![Page 390: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/390.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, a razão entre a mudança relativa na norma dovetor solução e a mudança relativa na norma do vetor dolado direito é
||∆X ||∞/||X ||∞||∆C||∞/||C||∞
=2.9995
1.250× 10−4 = 23996
390 / 430
![Page 391: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/391.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, a razão entre a mudança relativa na norma dovetor solução e a mudança relativa na norma do vetor dolado direito é
||∆X ||∞/||X ||∞||∆C||∞/||C||∞
=2.9995
1.250× 10−4 = 23996
Repetindo as mesmas contas para o sistema bemcondicionando · · ·
391 / 430
![Page 392: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/392.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, a razão entre a mudança relativa na norma dovetor solução e a mudança relativa na norma do vetor dolado direito é
||∆X ||∞/||X ||∞||∆C||∞/||C||∞
=2.9995
1.250× 10−4 = 23996
Repetindo as mesmas contas para o sistema bemcondicionando · · ·
||∆X ||∞/||X ||∞||∆C||∞/||C||∞
=5× 10−4
1.429× 10−4 ≈ 3.5
392 / 430
![Page 393: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/393.jpg)
Condicionamento de algoritmos
Tópico 01
De fato, a razão entre a mudança relativa na norma dovetor solução e a mudança relativa na norma do vetor dolado direito é
||∆X ||∞/||X ||∞||∆C||∞/||C||∞
=2.9995
1.250× 10−4 = 23996
Repetindo as mesmas contas para o sistema bemcondicionando · · ·
||∆X ||∞/||X ||∞||∆C||∞/||C||∞
=5× 10−4
1.429× 10−4 ≈ 3.5
Algumas perguntas · · ·393 / 430
![Page 394: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/394.jpg)
Condicionamento de algoritmos
Tópico 01
Existe alguma relação geral entre||∆X ||||X ||
e||∆C||||C||
e/ou||∆X ||||X ||
e||∆A||||A||
?
394 / 430
![Page 395: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/395.jpg)
Condicionamento de algoritmos
Tópico 01
Existe alguma relação geral entre||∆X ||||X ||
e||∆C||||C||
e/ou||∆X ||||X ||
e||∆A||||A||
?
Se existe, tal relação pode ajudar a identificar sistemaslineares de equações que são mal condicionados e bemcondicionados ?
395 / 430
![Page 396: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/396.jpg)
Condicionamento de algoritmos
Tópico 01
Existe alguma relação geral entre||∆X ||||X ||
e||∆C||||C||
e/ou||∆X ||||X ||
e||∆A||||A||
?
Se existe, tal relação pode ajudar a identificar sistemaslineares de equações que são mal condicionados e bemcondicionados ?
Ou seja, se tal relação existe, será possível quantificar ocondicionamento de matrizes associadas a sistemaslineares de equações ?
396 / 430
![Page 397: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/397.jpg)
Condicionamento de algoritmos
Tópico 01
Existe alguma relação geral entre||∆X ||||X ||
e||∆C||||C||
e/ou||∆X ||||X ||
e||∆A||||A||
?
Se existe, tal relação pode ajudar a identificar sistemaslineares de equações que são mal condicionados e bemcondicionados ?
Ou seja, se tal relação existe, será possível quantificar ocondicionamento de matrizes associadas a sistemaslineares de equações ?
Mais do que isso, se tal relação existe, será possívelquantificar quantos dígitos significativos podemos confiarna solução numérica de um sistema linear de equações ?
397 / 430
![Page 398: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/398.jpg)
Condicionamento de algoritmos
Tópico 01
Resposta: Sim, existe relações gerais entre||∆X ||||X ||
e||∆C||||C||
e||∆X ||||X ||
e||∆A||||A||
!!
398 / 430
![Page 399: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/399.jpg)
Condicionamento de algoritmos
Tópico 01
Resposta: Sim, existe relações gerais entre||∆X ||||X ||
e||∆C||||C||
e||∆X ||||X ||
e||∆A||||A||
!!
A relação entre||∆X ||||X ||
e||∆C||||C||
, é dada por:
||∆X ||||X ||
≤ ||A|| ||A−1|| ||∆C||||C||
399 / 430
![Page 400: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/400.jpg)
Condicionamento de algoritmos
Tópico 01
Resposta: Sim, existe relações gerais entre||∆X ||||X ||
e||∆C||||C||
e||∆X ||||X ||
e||∆A||||A||
!!
A relação entre||∆X ||||X ||
e||∆C||||C||
, é dada por:
||∆X ||||X ||
≤ ||A|| ||A−1|| ||∆C||||C||
E a relação entre||∆X ||||X ||
e||∆A||||A||
, é dada por:
||∆X ||||X + ∆X ||
≤ ||A|| ||A−1|| ||∆A||||A||
400 / 430
![Page 401: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/401.jpg)
Condicionamento de algoritmos
Tópico 01
As duas desigualdades revelam que a mudança relativa nanorma do vetor do lado direito ou na matriz de coeficientespode ser amplificada pelo produto por ||A|| ||A−1||
401 / 430
![Page 402: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/402.jpg)
Condicionamento de algoritmos
Tópico 01
As duas desigualdades revelam que a mudança relativa nanorma do vetor do lado direito ou na matriz de coeficientespode ser amplificada pelo produto por ||A|| ||A−1||
O número ||A|| ||A−1|| é chamado número de condição damatriz; i.e., Cond(A) ≡ ||A|| ||A−1||
402 / 430
![Page 403: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/403.jpg)
Condicionamento de algoritmos
Tópico 01
As duas desigualdades revelam que a mudança relativa nanorma do vetor do lado direito ou na matriz de coeficientespode ser amplificada pelo produto por ||A|| ||A−1||
O número ||A|| ||A−1|| é chamado número de condição damatriz; i.e., Cond(A) ≡ ||A|| ||A−1||
O desejável é que Cond(A) ≡ ||A|| ||A−1|| ≈ 1
403 / 430
![Page 404: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/404.jpg)
Condicionamento de algoritmos
Tópico 01
As duas desigualdades revelam que a mudança relativa nanorma do vetor do lado direito ou na matriz de coeficientespode ser amplificada pelo produto por ||A|| ||A−1||
O número ||A|| ||A−1|| é chamado número de condição damatriz; i.e., ||A|| ||A−1|| ≡ Cond(A)
O desejável é que Cond(A) ≡ ||A|| ||A−1|| ≈ 1
Além disso, o número de condição da matriz Cond(A), emconjunto com o valor epsilon de máquina “εmaq”, pode serusado para quantificar (em teoria) a precisão do númerode dígitos significativos para a solução numérica deAX = C
404 / 430
![Page 405: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/405.jpg)
Condicionamento de algoritmos
Tópico 01
Então, como podemos utilizar os resultados anteriorespara estimar quantos dígitos significativos estão corretospara a solução numérica de AX = C ?
405 / 430
![Page 406: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/406.jpg)
Condicionamento de algoritmos
Tópico 01
Então, como podemos utilizar os resultados anteriorespara estimar quantos dígitos significativos estão corretospara a solução numérica de AX = C ?
Lembre que
||∆X ||||X ||
=||X ′ − X ||||X ||
≤ Cond(A)× ||∆C||||C||
406 / 430
![Page 407: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/407.jpg)
Condicionamento de algoritmos
Tópico 01
Então, como podemos utilizar os resultados anteriorespara estimar quantos dígitos significativos estão corretospara a solução numérica de AX = C ?
Lembre que
||∆X ||||X ||
=||X ′ − X ||||X ||
≤ Cond(A)× ||∆C||||C||
Daí, o possível erro relativo no vetor solução é dado por:
“possível erro relativo no vetor X ” ≤ Cond(A)× εmaq
407 / 430
![Page 408: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/408.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, Cond(A)× εmaq deve fornecer o número de dígitossignificativos, pelo menos m dígitos de confiança na
solução, se comparado com12× 10m
408 / 430
![Page 409: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/409.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, Cond(A)× εmaq deve fornecer o número de dígitossignificativos, pelo menos m dígitos de confiança na
solução, se comparado com12× 10m
Vejamos alguns exemplos para ajudar a fixar as ideias
409 / 430
![Page 410: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/410.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, Cond(A)× εmaq deve fornecer o número de dígitossignificativos, pelo menos m dígitos de confiança na
solução, se comparado com12× 10m
Vejamos alguns exemplos para ajudar a fixar as ideias
EXEMPLOQuantos dígitos significativos podemos confiar na soluçãodo seguinte sistema de equações ?[
1 22 3.999
] [xy
]=
[4
7.999
]
410 / 430
![Page 411: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/411.jpg)
Condicionamento de algoritmos
Tópico 01
Assim, Cond(A)× εmaq deve fornecer o número de dígitossignificativos, pelo menos m dígitos de confiança na
solução, se comparado com12× 10m
Vejamos alguns exemplos para ajudar a fixar as ideias
EXEMPLO 1Quantos dígitos significativos podemos confiar na soluçãodo seguinte sistema de equações ?[
1 22 3.999
] [xy
]=
[4
7.999
]
SOLUÇÃO
411 / 430
![Page 412: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/412.jpg)
Condicionamento de algoritmos
Tópico 01
Para este sistema, temos que
A=
[1 22 3.999
]e A−1 =
[−3999 20002000 −1000
]
412 / 430
![Page 413: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/413.jpg)
Condicionamento de algoritmos
Tópico 01
Para este sistema, temos que
A=
[1 22 3.999
]e A−1 =
[−3999 20002000 −1000
]
||A||∞ = 5.999 e ||A−1||∞ = 5999
413 / 430
![Page 414: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/414.jpg)
Condicionamento de algoritmos
Tópico 01
Para este sistema, temos que
A=
[1 22 3.999
]e A−1 =
[−3999 20002000 −1000
]
||A||∞ = 5.999 e ||A−1||∞ = 5999
Cond(A) = ||A||∞ ||A−1||∞ ≈ 35988
414 / 430
![Page 415: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/415.jpg)
Condicionamento de algoritmos
Tópico 01
Para este sistema, temos que
A=
[1 22 3.999
]e A−1 =
[−3999 20002000 −1000
]
||A||∞ = 5.999 e ||A−1||∞ = 5999
Cond(A) = ||A||∞ ||A−1||∞ ≈ 35988
Supondo uma precisão simples com 24 bits na mantissa, o“epsilon de máquina” (εmaq = 21−24 = 0.119209× 10−6)
415 / 430
![Page 416: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/416.jpg)
Condicionamento de algoritmos
Tópico 01
Para este sistema, temos que
A=
[1 22 3.999
]e A−1 =
[−3999 20002000 −1000
]
||A||∞ = 5.999 e ||A−1||∞ = 5999
Cond(A) = ||A||∞ ||A−1||∞ ≈ 35988
Supondo uma precisão simples com 24 bits na mantissa, o“epsilon de máquina” (εmaq = 21−24 = 0.119209× 10−6)
Cond(A)×εmaq = 35988×0.119209×10−6 = 0.429×10−2
416 / 430
![Page 417: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/417.jpg)
Condicionamento de algoritmos
Tópico 01
Para este sistema, temos que
A=
[1 22 3.999
]e A−1 =
[−3999 20002000 −1000
]||A||∞ = 5.999 e ||A−1||∞ = 5999
Cond(A) = ||A||∞ ||A−1||∞ ≈ 35988
Supondo uma precisão simples com 24 bits na mantissa, o“epsilon de máquina” (εmaq = 21−24 = 0.119209× 10−6)
Cond(A)×εmaq = 35988×0.119209×10−6 = 0.429×10−2
Daí,12× 10m ≤ 0.429× 10−2 (dois dígitos de confiança)
417 / 430
![Page 418: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/418.jpg)
Condicionamento de algoritmos
Tópico 01
EXEMPLO 2Quantos dígitos significativos podemos confiar na soluçãodo seguinte sistema de equações ?[
1 22 3
] [xy
]=
[47
]
SOLUÇÃOPara este sistema, temos que
A=
[1 22 3
]e A−1 =
[−3 22 −1
]
418 / 430
![Page 419: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/419.jpg)
Condicionamento de algoritmos
Tópico 01
||A||∞ = 5 e ||A−1||∞ = 5
Cond(A) = ||A||∞ ||A−1||∞ = 25
Supondo uma precisão simples com 24 bits na mantissa, o“epsilon de máquina” (εmaq = 21−24 = 0.119209× 10−6)
Cond(A)× εmaq = 25× εmaq = 2.980225× 10−6
Daí,12× 10m ≤ 0.298023× 10−5 (cinco dígitos de
confiança !)
419 / 430
![Page 420: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/420.jpg)
Condicionamento de algoritmos
Tópico 01
Ainda sobre bem ou mal condicionamento · · ·
Suponha agora que o problema consiste simplesmente emavaliar a função f (de uma variável real) em um ponto x .
Pergunta: Se x é ligeiramente perturbado, qual é o efeitosobre f (x) ?
Se a pergunta refere-se ao erro absoluto, pode-se entãoinvocar o Teorema do valor médio e escrever:
f ′(ξ) =f (x + h)− f (x)
h, ou melhor
f (x + h)− f (x) = f ′(ξ)h, x < ξ < x + h420 / 430
![Page 421: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/421.jpg)
Condicionamento de algoritmos
Tópico 01
Ainda sobre bem ou mal condicionamento · · ·
Desta maneira, se f ′(x) não é muito grande, o efeito daperturbação sobre f (x) é pequeno
Usualmente, entretanto, é o erro relativo que fornece umamedida com maior significado para tais questões.
Em pertubar x por uma quantidade h, tem-se que a
quantidadehx
como o relativo tamanho da pertubação.
Da mesma forma, quando f (x) é pertubado para f (x + h),o tamanho relativo dessa pertubação é:
f (x + h)− f (x)
f (x)≈ h f ′(x)
f (x)=
[x f ′(x)
f (x)
] (hx
)421 / 430
![Page 422: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/422.jpg)
Condicionamento de algoritmos
Tópico 01
Desta maneira, o fator[
x f ′(x)
f (x)
]serve com o número de
condição para este problema
EXEMPLO: Qual é o número de condição para o cálculoda função inversa do seno ?
SOLUÇÃO:Seja f (x) = sen−1 = arcsen x
Segue que,x f ′(x)
f (x)=
x√1− x2 sen−1
Para x próximo de 1, sen−1 ≈ π/2.
422 / 430
![Page 423: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/423.jpg)
Condicionamento de algoritmos
Tópico 01
Desta maneira, o fator[
x f ′(x)
f (x)
]O número de condição se torna infinito na medida em quex se aproxima de 1, uma vez que o número de condição éaproximado por:
2xπ√
1− x2
Assim, pequenos erros relativos em x podem conduzirpara grandes erros relativos em f (x) = sen−1, para x ≈ 1
423 / 430
![Page 424: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/424.jpg)
Condicionamento de algoritmos
Tópico 01
“Desastres numéricos” (ou falha humana ?)
Ver alguns exemplos em
http://www.ime.unicamp.br/∼ms211/material-didático
424 / 430
![Page 425: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/425.jpg)
Condicionamento de algoritmos
Tópico 01
SumárioNenhum método numérico pode compensar um problemamal condicionado
Mas nem todo método numérico será bom para umproblema bem condicionado
Um método numérico precisa controlar os diversos erroscomputacionais (e.g., aproximação, o truncamento, oarredondamento, que se propagam), equilibrando o custo(tempo) computacional final
Um método numérico deve ser consistente e estável demodo a convergir para a resposta correta
425 / 430
![Page 426: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/426.jpg)
Condicionamento de algoritmos
Tópico 01
O padrão IEEE (IEEE - Institute of Electrical and ElectronicEngineers) “tenta” padronizar a precisão simples e duplaem ponto flutuante e a sua aritméticaIEEE websites:
http://www.ieee.org.br (Brasil)http://www.ieee.org (Internacional)
Visite também o website:http://grouper.ieee.org/groups/754/ (Internacional)
Overflow e underflow numéricos, e cancelamento, devemser cuidadosamente considerados e evitados oucontornados
Formas matematicamente equivalentes não sãonumericamente equivalentes!
426 / 430
![Page 427: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/427.jpg)
Condicionamento de algoritmos
Tópico 01
427 / 430
![Page 428: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/428.jpg)
Condicionamento de algoritmos
Tópico 01
Proposição: Seja A tal que I = A A−1. Se AX = C , então||∆X ||
||X + ∆X ||≤ ||A|| ||A−1|| ||∆A||
||A||
Prova: Seja AX = C. Se A é modificado para A′, X serámodificado para X ′, tal que:A′ X ′ = C
Das duas equações acima, temos que AX = A′ X ′
Denotando a mudança nas matrizes A e X por ∆A e ∆X ,respectivamente,∆A = A′ − A e ∆X = X ′ − X .Então, AX = (A + ∆A)(X + ∆X )
428 / 430
![Page 429: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/429.jpg)
Condicionamento de algoritmos
Tópico 01
Expandindo a última equação:AX = (A + ∆A)(X + ∆X )AX = AX + A∆X + ∆AX + ∆A∆X
0 = A∆X + ∆AX + ∆A∆X−A∆X = ∆A(X + ∆X )
∆X = −A−1∆A(X + ∆X )
Aplicando o teorema “usual” das normas, onde estabeleceque a norma do produto de duas matrizes é menor do queo produto das normas das matrizes, segue que:
||∆X || ≤ || − A−1|| ||∆A|| ||X + ∆X ||Multiplicando ambos os lados por ||A|| ||X + ∆X ||−1, fica:||∆X ||
||X + ∆X ||≤ ||A|| ||A−1|| ||∆A||
||A||, ou ainda:
||∆X ||||X + ∆X ||
≤ ||A|| ||A−1|| ||∆A||||A||
429 / 430
![Page 430: Condicionamento de algoritmos - Instituto de Matemática, Estatística e … · 2016-08-28 · Condicionamento de algoritmos Tópico 00-Cálculo da média final: M = (P1 + P2 + MT)/3,](https://reader035.vdocuments.pub/reader035/viewer/2022062920/5f02aec67e708231d4057c4e/html5/thumbnails/430.jpg)
Condicionamento de algoritmos
Tópico 01
Lembrete: Propriedade de normas de matrizes
Para uma matriz A, ||A|| ≥ 0
Para uma matriz A e um escalar k , ||k A|| = k ||A||
Para duas matrizes A e B de mesma ordem,||A + B|| ≤ ||A||+ ||B||
Para duas matrizes A e B, que podem ser multiplicadascomo A B, ||A B|| ≤ ||A|| ||B||
430 / 430