Share
Embed
Transcript
80 slides
-
Passaremos agora a analisar de que forma os números IEEE
754 aproximam números reais. Encerramos a aula passada explorando os limites numéricos das representações IEEE. -
= 0.25 O épsilon é IMPORTANTÍSSIMO em Cálculo Numérico Define-se
ε (leia épsilon) como “a distância entre 1.0 e o próximo número normal da representação IEEE” -
No IEEE Single, o próximo número normal depois do 1.0
é 1 . 0000 0000 0000 0000 0000 001 Assim = 1 223 ≅ 1.1920928955078125 ∗ 10−7 4 8 12 16 20 23 posição No Toy 2, o 1º número após 1.0 é 1.0001 2 e então 2 = 1/24 = 0.0625. -
No IEEE Double, o próximo número normal depois do 1.0
é 1 . 0000 0000 0000 ... 0000 0000 0001 Assim = 1/252 ≅ 2.220446049250313 ∗ 10−16 4 8 12 44 48 52 posição -
A distância entre pontos consecutivos dos sistemas IEEE Toy 1,
IEEE Single, etc, será sempre um múltiplo de seu ε por uma potência de 2 (o fator de escala). 2ε ε ε/2 -
ε ULP é uma sigla para unit in the last
position. A unidade na última posição de , (), para ∈ 1 é o número definido por = 2exp (). Nada mais que o produto do fator de escala de por . -
ε Como o épsilon, a ULP(x) também é um conceito
FUNDAMENTAL em Cálculo Numérico -
Os sistemas IEEE 754 de ponto flutuante NÃO foram criados
para representar números reais no computador. -
Sim, para aproximar, pois os sistemas IEEE são constituídos apenas
por uma quantidade enorme, porém finita, de números racionais. Eles foram criados para aproximar! -
O ato de aproximar, não importa como, terá que ser
descrito por uma função. Para garantir que, a um número ∈ ℝ não estejam associados mais do que um aproximando. -
Uma causa não pode possuir mais que um efeito. Efeito
Outro efeito Causa Situação proibida para funções É, nós matemáticos sabemos disso. Está na definição de função: -
Saber que será uma função facilita enormemente a investigação –
já conseguimos um mapa da mina! Sim. Além da regra de associação, toda função possui um domínio, um contradomínio e um conjunto imagem. -
É óbvio que o contradomínio será um dos sistemas de
representação do IEEE 754, Single, Double, Quad Toy 1 ou Toy 2. E, o domínio, o conjunto ℝ dos números reais. O nome de batismo escolhido para essas funções será de float, mais um qualificativo. -
O passo seguinte envolve a normalização de 2 . O
1º passo para calcular a representação padrão IEEE 754 de um número ∈ ℝ é obter sua representação binária 2 . -
A forma normal de 2 é definida por 2 =
±2(2) ∗ 1. (2 ) ATENÇÃO: Ao normalizar 2 o expoente de normalização (2 ) é um número inteiro qualquer, isto é (2 ) ∈ ℤ. -
A primeira limitação, estabelecida pelo padrão IEEE 754 é no
fator de escala: ≤ (2 ) ≤ . Tipo Half -14 16 Single -126 128 Double -1.022 1.024 Quad -16.382 16.384 -
Os números ∈ ℝ para os quais − < 2
< + são classificados como normais. São os “números reais” com os quais operamos normalmente nos computadores. + e − são os limitantes superior e inferior do padrão IEE 754 – são “divisores de águas”. Eles correspondem aos números reais 2 e −2 respectivamente. -
O zero não é passível de normalização. Para preservar a
regularidade para números muito pequenos (realmente minúsculos) foi necessário criar a faixa de denormalização. (-1)s ∗ 2e-127 ∗ (1.f) ..... se 0 < e < 255 (-1)s ∗ 2e-126 ∗ (0.f) .... se e = 0 e f ≠ 0 (-1)s ∗ 0 ....................... se e = 0 e f = 0 (-1)s ∗ Inf ................... se e = 255 e f = 0 NaN ............................ se e = 255 e f ≠ 0 -
Eles são classificados como NaN (Not a Number) ou ±.
São entidades incluídas no padrão IEEE 754 para tratamento de exceções. Não são passíveis das operações aritméticas elementares. Números reais cujo expoente 2 ≥ são números grandes demais para serem incluídos na representação padrão IEEE 754. -
ATENÇÃO! A razão de ser dos números nos computadores é
computar. Sempre atento Filósofo! Os NaN, + e – não estão no IEEE 754 para efetuarmos continhas com eles. Computar = efetuar as operações aritméticas básicas -
Truncar significa desprezar os dígitos da fração da representação de
ponto flutuante de a partir de um certo dígito. Uma forma de aproximar um número ∈ ℝ/ (portanto já na base 2 e normalizado), por um número ∗ do IEEE 754 é por truncamento. -
Bit do sinal de x Bits do expoente de x
Bits da fração de x TRUNCAR significa desprezar todos esses bits de x! • Toy 1 ......... 2 bits • Toy 2 ........ 4 bits • Single ....... 23 bits • Double ...... 52 bits • Quad ........ 112 bits A representação binária normalizada de e o nº de bits a manter na fração para obter ∗ -
Fique esperto Surfista, no truncamento, ∗ é o número de
Toy 1 entre e zero, não o mais próximo. Idem, ibidem, para os outros sistemas IEEE (Single, Double e Quad). ∗ Para ir de para ∗ caminhamos em direção ao zero. Inclusive quando é negativo. -
Pois é, no truncamento você sempre “perde” dígitos, mas preste
atenção no exemplo: Truncando 2.38 obtemos 2.3 e truncando −2.38 obtemos −2.3, ambos mais próximos de zero (Note que −2.3 > −2.38). Assim, ao truncar, você sempre “caminha” em direção ao zero. Mas, se no truncamento “perdemos” dígitos então ∗ ≤ , de forma que ∗ sempre estará à esquerda de , na reta real. -
Surfista, quais são os intervalos correspondentes noToy2, Single, Double e
Quad ? Os números ∈ ℝ aos quais poderemos associar um NÚMERO ∗ ∈ 1, via truncamento, são aqueles situados no intervalo (−, +). No Toy 1, o intervalo (-16,+16). +Inf -
1.0 1.25 0.75 0.25 0.5 0.62 5 0.0625 0.125 2.5
2.0 1.75 1.5 0.1875 0.3125 0.375 0.4375 0.87 5 0.0 1.25 0.75 0.25 0.5 0.625 0.0625 0.125 2.5 2.0 1.75 1.5 0.1875 0.3125 0.375 0.4375 0.875 0.0 1.0 Portanto, o gráfico da função ∶ ℝ → 1 é o de uma função escada. A figura só mostra a parte inferior do gráfico. Lá embaixo, os de- normalizados, em amarelo. -
16.0 14.0 5.0 12.0 10.0 6.0 7.0 8.0 4.0 20.0
24.0 3.5 3.0 +Inf 14.0 5.0 12.0 10.0 6.0 7.0 8.0 4.0 NaN 3.5 3.0 A parte superior do gráfico. Vejam o + e o NaN. -
Professora, os dois gráficos estão em escalas diferentes, não? 1ª
figura 2ª figura Sim querida, veja a mudança de escala entre as duas figuras E para ∈ ℝ, ≤ 0, o gráfico de f l é o reflexo desse com relação aos eixos-x e y. -
É importante observarmos que exp = exp (∗) quando ∗
= , porque efetuamos a normalização antes de truncar para obter ∗. Portanto ∗ = ε ∙ exp ∗ = ε ∙ exp = , embora isto possa soar de forma estranha. -
∗ = () ∗ = () Assim, a desigualdade −
< , é válida para qualquer sistema de ponto flutuante IEEE 754, quando usamos truncamento para ∈ −, + , na faixa normal. Essa desigualdade é óbvia, já que (∗) é a distância entre ∗ e o elemento seguinte de Toy 1. -
Observem que − < , estabelece um limite superior para
o erro absoluto cometido ao aproximarmos por , quando ∈ −, + . -
Essa é a importância anunciada da () no início da
aula. Ela mede o erro absoluto na aproximação de por (): − < , quando ∈ (−, +). -
Ora, para ∈ −, + , na faixa normal, temos
= 1 + () 2exp () ≥ 2exp e portanto: − < () || ≤ 2exp 2exp = -
Essa desigualdade dá um limite superior para o erro relativo
cometido ao aproximarmos por f l (x), quando truncamos. O Mestre acabou de provar que − || < ℰ , para ∈ −, + , quando usamos truncamento para obter (). -
Mestres, esse limitante não depende de – só do do
sistema IEEE 754. Genial Surfista. Essa tua sacada é tão importante quanto aquele tubo fantástico que te deu o Campeonato Mundial de 2012! -
Este é o teorema fundamental da representação de ponto flutuante
IEEE 754: Para todo número real ∈ (−, +) temos = (1 + ) para algum satisfazendo < , onde é o épsilon do sistema de ponto flutuante IEEE 754, quando usamos truncamento. -
0 − () Claro, pois de − < , é
imediato que existe δ ∈ −ε, para o qual () − = , isto é: = (1 + ). -
De fato, o padrão IEEE 754 estabelece quatro possíveis funções
de aproximação ∶ ℝ → ( ) ↦ ∗ = () Nome da função ∗ aproxima por truncamento arredondamento ↑ em direção a +∞ ↓ em direção a −∞ -
Bits do sinal de Bits do expoente de Bits da
fração de Bit de arredon- damento de Na aproximação ∗ de por arredondamento, ∗ = (), o papel do bit + 1 de , é fundamental. bits -
A aproximação ∗ = () é definida por ∗ =
= 0 + 1 = 1 (∗) onde: • 1 = 0.00 ⋯ 01 (1 na última posição da fração); • o bit na posição + 1 de , dito bit de arredondamento ∗ − eventualmente será necessário renormalizar ∗. -
Mestres, como faço para buscar informação sobre esses assuntos no
Numpy? Bem, Loirinha, vou pedir à Professora para te ajudar. Ela tem mais paciência! -
O tratamento de números realizado por NumPy está em“Scalars”. É
o que passaremos a examinar. -
Essa é a hierarquia de tipos no NumPy. Nosso foco,
no momento, está assinalado em vermelho. -
Números “reais” em ponto flutuante e números complexos em ponto
flutuante. Os dois grupos assinalados são específicos de NumPy. -
O programinha a seguir recebe um decimal, via teclado e
devolve suas representações binárias IEEE 754/2008 em: • Half (via numpy.float16) • Single (via numpy.float32) • Double (via nump.float64) Na formatação de saída forçamos 16 dígitos após a vírgula para exibir os erros inerentes ao processo. -
O simples ato de entrar com um número, via teclado,
causa erro de representação decimal. Para Single em mais de 99.99% dos casos. -
Algumas entradas e seus resultados Implemente esse programa em seu
micro e confira com outras entradas. -
Acontecerá algo parecido no Single e no Double? Que horror!
Mestre, no float16, os 31 números: 65489, 65480, ... , 65519 retornam o mesmo valor, 65504. E o 65520 retorna +inf. -
Usaremos o float16 para evidenciar, de forma gritante, a propagação
do erro no cálculo de funções. Aguardem! Vou retroceder no tempo, lá para a Magna Grécia, nos 400 AC. Desisto de apoiar os cursos desse Professor. Lá usamos ábacos – são mais confiáveis que esses computadores. -
Mestres, continuo angustiada! Existe alguma outra forma de buscar informação
sobre esses assuntos no Numpy sem ter que que olhar o Manuel todinho – da 1ª à última página??? Bem Loirinha, resolva sua angústia com seu Psicanalista. Aqui usaremos o Google! -
Vamos começar olhando na Referência do Numpy. Vejam: funções específicas
de help, do Numpy. -
Eis a lista de tópicos sobre representação binária fornecida por
ele. Verei o 1º da lista. -
Para inteiros... Vou experimentar! Loirinha, vc. fez um golaço! É
uma forma de obter os expoentes das representações float e double! -
Bem, Loirinha, vamos buscar informações sobre “floating point”. E agora
Mestra? Em “binary representation” não havia nada! -
Nossa, quanta informação. Novamente, vou no 1º da lista, finfo.
Nossa, quanta informação. Vou olhar a 1ª da lista, a finfo -
Surfista! Buscando por finfo no Sumário do Manuel do Numpy
você é levado de imediato para esta página. -
Obrigado Manoel. Vemos que a classe finfo fornece informações sobre
tipos float do Numpy (seus limites). Mestra não vejo como proceder para utilizar essa classe. Além disso, parece que faltam informações (Atributos = ??). -
Certo, meus jovens, Vamos usar o velho help(finfo) Para quem
sabe Python, basta esta informação! -
Instanciando o parâmetro dtype dessa classe com objetos apropriados (tipos
float) do NumPy, obteremos informação sobre seus limites. -
Muito interessante. Inclusive vemos que o tipo float16 é quase
igual ao nosso Toy 2. -
Half s e f 16 bits 10 bits 5 bits
Esse é o desenho do tipo half (float16). -
(-1)s ∗ 2e-15 ∗ (1.f) ..... se 0 < e
< 31 (-1)s ∗ 2e-14 ∗ (0.f) .... se e = 0 e f ≠ 0 (-1)s ∗ 0 ..................... se e = 0 e f = 0 (-1)s ∗ Inf ................. se e = 31 e f = 0 NaN .......................... se e = 31 e f ≠ 0 x = O bias é 01111 = 15 e épsolon é dado por ε = 2-10 = 1/1024 = 0.0009765625. A regra de decodificação é: -
Loirinha, os Mestres já falaram sobre quase tudo isso! É...
Mas estou curiosa para ver o que mais tem no MachAr. -
Parece igual, Surfista: MachAr também é uma classe do Numpy,
com vários métodos (as funções) e atributos. -
Fiz um programa, praticamente igual ao do Mestre, e obtive
os mesmos resultados.