cada conjunto de transparências. 2. Em seguida compararei com o conteúdo exposto nos livros. Conforme prometi aqui vai uma comparação entre nossas transparências e os livros de Burden e Chapra. Chapra Burden
A definição de Cálculo Numérico de L. N. Trefethen. • Visão a 10.000 m de: algoritmos, problemas e matemática do contínuo. • Definições de erro absoluto e erro relativo. • Distinção entre exatidão (acurácia) e precisão. • Apresentação dos “softwares” mais usados para Cálculo Numérico. • Como baixar e instalar o Python(x,y) - ambiente para NumPy, SciPy, SymPy e MatPlotLib. Cálculo Numérico com meus óculos
1.4 trata de “softwares” numéricos. • A seção 1.2 define erros absoluto e relativo (pg. 18) e também algarismos significativos (pg. 19). • A seção 3.1 é “Algarismos significativos”. • A seção 3.2 é “Acurácia e precisão”. • A seção 3.3 é “Definições de erro”.
• Def. de conjunto enumerável. • Provas que ℤ ℚ são enumeráveis. • Representação decimal posicional de inteiros e frações – dízimas periódicas. • A representação decimal de números reais. • O argumento diagonal de Cantor para provar que o conjunto ℝ dos números reais não é enumerável. • A representação em ponto flutuante de números reais na base 10. Números
relação, função e problema. • A associação entre função e a relação de causa e efeito. • Definição de problema direto e problema inverso. • Definição de função contínua. • Descontinuidade de salto – função degraus (escadaria). • Definição de função diferenciável. • Funções não-diferenciáveis em muitos pontos descrevem terremotos, eletro-cardiogramas etc. • Definição dos números de condicionamento absoluto e relativo de um problema. • Problemas bem e mal condicionados. Problemas e condiciona/.
dois livros. • Na seção 4.2 (pgs. 77-80) é apontada rapidamente a ideia de número de condicionamento. • A figura 4.7 distingue claramente a ideia de erro real e estimativa de erro. Examine-a! • Nada
754”: • Apresentação do UNICODE. • A representação de ponto flutuante na base 2. • O padrão IEEE 754 para representação de ponto flutuante no computador. • Detalhamento dos padrões Single e Double IEEE 754. • A “reta real” no computador (furadinha como peneira). • O “Toy System IEEE 754”. • Os conceitos fundamentais de Eps e ULP. • A função escada que descreve a aproximação → () com truncamento. • Teorema fundamental da representação de ponto flutuante IEEE 754. Números reais no computador ou IEEE 754
números no computador. • Na seção 1.2 (pgs. 16-20) encontramos ideias gerais sobre representação de números no computador. Os dois livros não detalham a representação IEEE 754
operação de entrada de dados → ∗ = 32 () gera erro em 99.9936 % dos números com 7 casas decimais após a vírgula. • Como obter as informações sobre ponto flutuante Half, Single e Double na Numpy. • Como calcular a (). • Como estimar a propagação de erro num ponto causado por algumas funções f usando os números de condicionamento (, ) e (, ). • Cálculo do número de condicionamento das operações elementares (+, −,∗, , ) na IEEE 754 e a propagação do erro. • Detalhamento do cancelamento catastrófico. Operações elementares no computador
objetivo e explora mais profundamente os aspectos IEEE 754. • Na seção 3.4.2 (pgs. 56, 57) em “Operações aritméticas comuns” o autor trata, brevemente, das operações aritméticas elementares no computador, com exemplos de aritmética decimal finita decimal. (continua) • A seção 1.2 (pgs. 20-22) fala sobre operações elementares no computador.
“Número grande de cálculos independentes”, “Cancela- mento na subtração”, “Borrão” e “Cálculo de e usando uma série infinita” exemplificam situações que amplificam o erro IEEE 754. • Se possível, façam alguns problemas à pg. 62. Todos os exemplos são tratados com aritmética finita decimal.
do IEEE 754, comparações (=, >) e as operações lógicas (∧,∨, ~, →, ↔). • Algoritmos distintos conduzem a resultados distintos para calcular a mesma função (exemplo gráfico). • A contagem do número de operações elementares e propagação do erro de representação IEEE 754. • Os limites admissíveis na IEEE 754. • A perda das propriedades associativa e elemento neutro (lei do cancelamento) na adição. • Erros famosos nas operações elementares e suas consequências desastrosas. • O conceito de algoritmos estáveis e instáveis. Conceitos fundamentais desenvolvidos em “Algoritmos e estabilidade”: Algoritmos e estabilidade
usando uma série infinita” da seção 3.4.2 (pgs. 57-61), o autor não explícita o papel desempenhado por algoritmos distintos (estáveis/instáveis) para resolver o mesmo problema e contornar a propagação do erro. • O exemplo 5 da seção 1.2 exibe 2 algoritmos distintos (um instável e outro estável) para resolver o problema da propagação de erro. • O exemplo 6 mostra também exibe 2 algoritmos distintos (instável/estável) para resolver o problema da propagação de erro. Note que o de Briot-Rufini é melhor e usa menos operações. • Façam todos os exercícios da seção 1.2 que conseguirem. (continua) Em nossa exposição a definição de algoritmo é simples e clara, sem recorrer a circunlóquios.
definição operacional de algoritmo. • O exemplo 1 ensina a operacionalização um algoritmo para realizar uma adição de vários termos (somar na ordem direta). Somar na ordem inversa é outro algoritmo. • O exemplo 2 mostra o polinômio de Taylor para aproximar a função ln(). • À pg. 31 coloca-se a ideia de algoritmos estáveis e instáveis. • O exemplo 3 (pgs. 31-33) detalha um algoritmo recursivo instável (veja a fig. 1.11) e outro estável. • À pg. 33 temos a definição de taxa de convergência de um algoritmo e o exemplo 1.4 mostra duas taxas distintas de convergência. • À pg. 34 temos a definição de ordem de convergência de um algoritmo e infelizmente o exemplo 1.5 tem um erro que confunde tudo.
da NumPy como ferramenta computacional. • Dois aspectos fundamentais na NumPy são a vetorização e a difusão – entenda-os e aprenda a utilizá-los. Conceitos fundamentais desenvolvidos em “Vetores, matrizes e a NumPy”: Vetores, matrizes e a NumPy