CAP. I – ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção de uma solução numérica para um problema físico através da aplicação de métodos numéricos nem sempre nos dá valores de acordo com o pretendido. A diferença entre o valor obtido (aproximado) e o valor exacto é designado por erro. Pretende-se dar uma noção aos utilizadores de métodos numéricos, sobre as fontes de erros, para que se possam eliminar, ou pelo menos, controlar o seu valor. Vamos então descrever o processo de determinação da solução de um problema físico, por meio de métodos numéricos. Problema Modelo modelagem físico resolução Solução Matemático Métodos Numéricos modelagem: obtém-se o modelo matemático que descreve o comportamento do problema físico; resolução: obtém-se a solução numérica do modelo matemático da aplicação de métodos numéricos. Página 1 de 16 - Erros em Cálculo Numérico 1. Fonte e tipo de erros A resolução de um problema físico utilizando um método numérico produz, em geral, uma solução aproximada do problema. A introdução de erros na resolução do problema pode ser devida a vários factores. Em função da sua origem, podemos considerar os diferentes tipos de erros: erros iniciais do problema (são exteriores ao processo de cálculo) • erros inerentes ao modelo matemático • erros inerentes aos dados erros associados ao uso de métodos numéricos (ocorrem no processo de cálculo) • erros de arredondamento • erros de truncatura Problema Físico Modelo Matemático Erros inerentes aos Dados Dados e Parâmetros do Modelo Erros inerentes ao Modelo Modelo Erros de Truncatura Numérico Cálculo Erros de Arredondamento Solução Página 2 de 16 - Erros em Cálculo Numérico Erros inerentes ao modelo: Um modelo matemático raramente oferece uma representação exacta dos fenómenos reais. Na grande maioria dos casos são apenas modelos idealizados, já que ao estudar os fenómenos da natureza vemo-nos forçados, regra geral, a aceitar certas condições que simplificam o problema por forma a torná-lo tratável. Os melhores modelos são os que incluem aquelas características do problema real necessárias para reduzir os erros nesta fase a um nível aceitável. Erros inerentes aos dados: Um modelo matemático não contém apenas equações e relações, também contém dados e parâmetros que, frequentemente, são medidos experimentalmente, e portanto, aproximados. As aproximações nos dados podem ter grande repercussão no resultado final. Erros de arredondamento: Quer os nossos cálculos sejam efectuados manualmente quer sejam obtidos por computador ou numa calculadora, somos conduzidos a utilizar uma aritmética de precisão finita, ou seja, apenas podemos ter em consideração um número finito de dígitos. O erro devido a desprezar os outros e arredondar o número é designado por erro de arredondamento. Erros de truncatura: Para compreender o aparecimento deste tipo de erros, recordemos que: 1. um algoritmo numérico caracteriza-se por efectuar um número finito de operações aritméticas; 2. a solução exacta de muitos problemas matemáticos não pode ser obtida executando um número finito de operações aritméticas e estes problemas têm soluções que apenas podem ser construídas recorrendo a processos infinitos de cálculo, no sentido de que a solução é o limite da sequência dos cálculos a efectuar. Ora, como por definição um processo infinito não pode ser terminado, tem de se recorrer à truncatura do processo após certo número finito de operações. Desta substituição de um processo infinito por um processo finito, resultam os erros de truncatura. Em muitos casos, o erro de truncatura é precisamente a diferença entre o modelo matemático e o modelo numérico. Existem 2 tipos de erros associados ao uso de métodos numéricos para resolver um problema num computador ou calculadora: os erros de arredondamento e os erros de truncatura. Como consequência da ocorrência destes erros, as soluções numéricas obtidas são, em geral, soluções aproximadas. Página 3 de 16 - Erros em Cálculo Numérico Para podermos avaliar quão próxima da solução exacta está a solução aproximada calculada torna-se necessário estudar o seu erro. Definições de erro O conhecimento de uma aproximação para a solução de um problema só tem interesse se é acompanhada de informação sobre o seu erro. erro Seja x o valor aproximado duma quantidade cujo valor exacto é x. O erro de x , define-se como: ∆x = x - x Há vários critérios para avaliar a qualidade de uma aproximação. erro absoluto O erro absoluto do valor aproximado x , define-se como o valor absoluto de ∆x, i.é, ε x = | ∆x | = x-x erro relativo Se x ≠ 0, o erro relativo do valor aproximado x , define-se como rx = ∆x x = x-x x O erro relativo, como expressa o erro como fracção de |x|, está relacionado com o erro percentual. Ao produto rx×100 expresso em percentagem dá-se o nome de percentagem de erro ou erro percentual. Algarismos significativos Outra maneira de conhecer a precisão de um valor aproximado é ter informação sobre o número de algarismos significativos dessa aproximação, i. é, número de algarismos da esquerda para a direita e a partir do primeiro dígito diferente de zero. Página 4 de 16 - Erros em Cálculo Numérico Exemplos: • O valor aproximado 3.14 para π = 3.1415926535... tem 3 algarismos significativos; • A aproximação 0.333 para 1/3 =0.3333333333... tem 3 dígitos significativos; • O valor aproximado 0.0498 para e-3 =0.049787068 tem 3 algarismos significativos. 2. Erros de Arredondamento Quase todo o cálculo numérico é realizado num computador ou numa calculadora. Como as máquinas têm capacidade finita para guardar informação, apenas conseguem representar exactamente um número finito de números reais, cada um com um número fixo de dígitos (algarismos). Sendo o suporte numérico da maioria dos problemas matemáticos o conjunto dos números reais, que é infinito e contínuo, levantam-se algumas questões, sendo duas delas: • Como são representados números reais numa máquina? • Quais as consequências dessa representação de IR nos resultados obtidos? Iremos responder, de modo sucinto, a estas duas questões. Começaremos por explicar que a representação de números reais numa máquina é feita por arredondamento, e verificaremos, em seguida, que a consequência é a ocorrência dos chamados erros de arredondamento. Arredondamento Para a maioria dos números reais a representação é feita por arredondamento (à excepção de números demasiado grandes ou demasiado pequenos, em valor absoluto, para poderem ser representados na máquina). Definem-se vários tipos de arredondamento. Aqui faremos apenas referência ao mais conhecido, e iremos apresentá-lo através de um exemplo. Exemplo: Consideremos o número π = 3.1415926535... .Vamos definir um processo de representação deste número com 3, 4 e 5 algarismos. Página 5 de 16 - Erros em Cálculo Numérico • Comecemos por escrever π = 3.1415926535... com 3 algarismos eliminando os dígitos a partir do quarto. Sendo o primeiro algarismo eliminado inferior a 5 consideramos π1 = 3.14 como a representação, por arredondamento, de π com 3 dígitos. • Vamos agora escrever π = 3.1415926535... com 4 algarismos eliminando os dígitos a partir do quinto. Sendo o primeiro algarismo eliminado igual a 5, consideramos π 2 = 3.142 como a representação, por arredondamento, de π com 4 dígitos. • Finalmente escrevemos π = 3.1415926535... com 5 algarismos eliminando os dígitos a partir do sexto. Sendo o primeiro algarismo eliminado superior a 5, consideramos π 3 = 3.1416 como a representação, por arredondamento, de π com 5 dígitos. O procedimento para representar um real com um número finito de dígitos por arredondamento é o seguinte: ignoram-se os algarismos à direita daqule que fica na última ordem decimal que se pretende reter; Se o primeiro dígito desprezado é inferior a 5, o número obtido é a representação desse real por arredondamento; Se o primeiro dígito eliminado é superior ou igual a 5 adiciona-se uma unidade na ordem decimal do último dígito conservado para obter a representação desse real por arredondamento. Observe-se, que se um número x é obtido de x por este procedimento (arredondamento), então todos os números de x são significativos. Página 6 de 16 - Erros em Cálculo Numérico Erros de arredondamento A distância entre um número real e uma sua aproximação obtida por arredondamento é chamada erro de arredondamento. • Erro absoluto de arredondamento Se x é um valor obtido por arredondamento de x então chama-se erro absoluto de arredondamento a | x − x |. • Erro relativo de arredondamento Se x ≠ 0 e x é um valor obtido por arredondamento de x então chama-se erro relativo de arredondamento a | x-x| . x Exemplo: Calculemos os erros (absolutos) de arredondamento das aproximações obtidas para π = 3.14159265 no exemplo anterior. Tem-se | ∆π | = | π - π | = = 0.5×10-2 | π - 3.14 | = 0.0015926... < 0.005 | ∆π | = | π - π | = | π - 3.142| = 0.0004073... < 0.0005 = 0.5×10-3 | ∆π | = | π - π | = | π - 3.1416 | = 0.0000073... < 0.00005 = 0.5×10-4 Note-se que em cada um dos casos todos os algarismos do valor aproximado são significativos. Em geral, dizemos que x é o valor aproximado de x, arredondado para k casas decimais correctas se: ∆x = x - x ≤ 0.5 ×10 −k . Mas os erros de arredondamento não ocorrem apenas na representação de dados. Ocorrem também na representação de resultados de operações aritméticas. Isto porque o resultado de uma operação aritmética entre dois números representados com um número fixo de algarismos pode não ser um número com o mesmo número de algarismos. Exemplo: O resultado da divisão de 3.1416 por 9, números que têm no máximo 5 dígitos, é Página 7 de 16 - Erros em Cálculo Numérico 3.1416 = 0.3490666... uma dízima infinita. O resultado da divisão arredondado para 5 9 dígitos é 0.34907. 3. Erros de Truncatura Há problemas que não podem ser resolvidos exactamente realizando apenas um número finito de operações aritméticas, mas cujas soluções podem ser aproximadas com uma sequência finita de operações aritméticas. São assim gerados os erros de truncatura. Apresentamos dois exemplos. EX 1: Cálculo numérico da soma de uma série Seja S a soma de uma série convergente de termo geral aj, S = ∞ ∑a j =0 Quando aproximamos S por Sn = n ∑a j =0 j j . , o erro Rn = S - Sn é um erro de truncatura. É originado pela substituição do cálculo exacto da soma de uma série, pelo cálculo da soma de n+1 termos dessa série. EX 2: Cálculo de valores de funções transcendentes Funções racionais (polinómios e quocientes de polinómios) são as únicas cujos valores podem ser calculados usando apenas um número finito de operações aritméticas. Para calcular numericamente valores de uma função transcendente podemos aproximá-la por uma função racional. Aproximação de funções A aproximação de funções é um tema central da análise numérica. A razão disso é a ocorrência de um grande número de problemas matemáticos, envolvendo funções, cuja solução não é possível (ou é muito difícil) determinar por métodos analíticos. São exemplos de tais problemas o cálculo do valor de um integral definido quando se desconhece uma primitiva da função integranda, a determinação de zeros de uma função quando não existe uma fórmula explícita para o fazer, o desenho do gráfico de uma Página 8 de 16 - Erros em Cálculo Numérico função da qual se conhecem apenas alguns dos seus valores determinados numérica ou experimentalmente, ... A estratégia no desenvolvimento de métodos numéricos para resolver estes problemas é baseada na substituição da função dada por uma função aproximante, considerada mais "simples", cujo comportamento é muito semelhante ao da função dada. Por várias razões, as funções aproximantes mais usadas são os polinómios. Por um lado podem calcular-se valores de um polinómio realizando apenas um número finito de operações aritméticas. Por outro os polinómios são funções fáceis de derivar e integrar. Além disso, o teorema de Weierstrass estabelece que toda a função contínua num intervalo fechado pode ser aproximada nesse intervalo, tão bem quanto se queira, por um polinómio. TEOREMA (Teorema de APROXIMAÇÃO DE WEIERSTRASS) Seja [a, b ] ∈ IR e ε um número real positivo qualquer. Então, para toda a função f contínua em [a,b] existe um polinómio p tal que max f (x) - p (x) < ε x∈[a,b ] ( Como medir a distância entre uma função e uma aproximação polinomial para essa função? Por outras palavras, como se define o erro de um polinómio aproximante de uma dada função? Há mais do que um critério para definir o erro de uma aproximação para uma função. Aqui apresentaremos apenas um. Erro de um polinómio aproximante Seja f uma função real de variável real contínua em [a, b] e p uma aproximação polinomial para f em [a, b]. Define-se erro da aproximação p por max f (x) - p (x) x∈[a,b ] Página 9 de 16 - Erros em Cálculo Numérico Polinómio de Taylor O exemplo mais conhecido de polinómio aproximante de uma função é dado pelo polinómio de Taylor. Seja f uma função real de variável real com derivadas contínuas até à ordem n num ponto x0 do seu domínio. O polinómio de grau n definido por p n ( x) = f ( x0 ) + ( x − x0 ) f ' ( x0 ) + 2 n ( x − x0 ) ( x − x0 ) f ' ' ( x0 ) + ... + f n! 2! (n) ( x0 ) (1) é chamado polinómio de Taylor da função f no ponto x0. TEOREMA (Teorema de TAYLOR) Seja f uma função com derivadas contínuas até à ordem n+1 num intervalo [a, b] e seja x0 ∈ ]a, b[ . Então para x∈ [a, b], 2 n (x − x 0 ) (x − x 0 ) (n) f (x0 ) + Rn(x) f(x) = f(x 0 ) + (x − x0 )f'(x0 ) + f''(x 0 ) + ... + n! 2! onde, Rn (x) = (x − x0 ) n +1 (n+1 ) f (η) (n + 1 )! sendo η ∈ ] min{x,x0 }, max {x,x0 } [ . Note-se que, se f ( n +1) ( x) ≤ M para x∈ [a, b] então n +1 x-x0 (x − x0 ) n +1 (n+1 ) f (x) - pn (x) = Rn(x) = f (η) ≤ M. (n + 1 )! (n + 1)! Polinómio de Maclaurin É o polinómio que se obtém do polinómio de Taylor (1) fazendo x0=0. p n ( x ) = f ( 0) + x ⋅ f ' ( 0) + 2 n x x f ' ' (0) + ... + f n! 2! (n ) ( 0) Página 10 de 16 - Erros em Cálculo Numérico (2) Exemplo 1: a) Calcule o polinómio de Maclaurin de grau 3 da função f definida por f(x) = sin (x), Tem-se ⎡ π π⎤ x ∈ ⎢− , ⎥ . ⎣ 4 4⎦ ⇒ ⇒ ⇒ ⇒ f(x) = sin(x) f ´(x) = cos(x) f ´´(x) = sin(x) f ´´´(x) = cos(x) f(0) = sin(0) = 0, f ´(0) = cos(0) = 1, f ´´(0) = sin(0) = 0, f ´´´(0) = cos(0) = -1. Substituindo em (2) para n=3 p3 ( x) = f (0) + x ⋅ f ' (0) + x2 x3 f ' ' (0) + f ' ' ' (0) 2! 3! obtém-se o polinómio p3 ( x) = 0 + x ⋅ 1 + x2 x3 x3 ⋅0 + ⋅ (−1) = x − . 2! 3! 6 ⎡ π π⎤ Na figura seguinte estão representadas a função f e o polinómio p3 no intervalo ⎢− , ⎥ . ⎣ 4 4⎦ 0.8 0.6 0.4 y 0.2 0 -0.2 -0.4 -0.6 -0.8 -0.8 -0.6 -0.4 -0.2 0 x 0.2 0.4 0.6 0.8 À escala usada os gráficos de f e p3 quase não se distinguem. b) Calcule o erro da aproximação polinomial obtida na alínea anterior. Tem-se f(x) = sin (x) = p3(x) + R3(x) R3 (x) = x4 x4 (sinx) x( 4=)η∈]0, x[ = (sinx) x=η∈]0,x[ 4! 4! 4 max ⎡ π π⎤ x∈⎢ − , ⎥ ⎣ 4 4⎦ sin (x) - p3(x) = max R3(x) = max ⎡ π π⎤ x∈⎢ − , ⎥ ⎣ 4 4⎦ ⎡ π π⎤ x∈⎢ − , ⎥ ⎣ 4 4⎦ ⎛π⎞ ⎜ ⎟ x4 4 ⎛π⎞ (sin x) < ⎝ ⎠ ⋅ sin⎜ ⎟ ≈ 0.01 . 4! 4! ⎝4⎠ Página 11 de 16 - Erros em Cálculo Numérico Exemplo 2: a) Calcule os polinómios de Taylor de grau 3 e de grau 2 da função g definida por g(x) = ex, g(x) = ex g ´(x) = ex g ´´(x) = ex g ´´´(x) = ex Tem-se x ∈ [− 1,1] no ponto x0 = 0. g(0) = e0 = 1, g ´(0) = e0 = 1, g ´´(0) = e0 = 1, g ´´´(0) = e0 = 1. ⇒ ⇒ ⇒ ⇒ Substituindo em (1) para n=3 e com x0=0 p3 (x) = g(0) + x ⋅ g' (0) + x2 x3 g' ' (0) + g' ' ' (0) 2! 3! obtém-se o polinómio x2 x3 x2 x3 p3 (x) = 1+ x ⋅1+ ⋅1+ ⋅1= 1+ x + + 2! 3! 2 6 Substituindo em (1) para n=2 e com x0=0, p 2 ( x ) = g (0) + x ⋅ g ' (0) + x2 g ' ' (0) 2! obtém-se o polinómio p 2 ( x) = 1 + x ⋅ 1 + x2 x2 ⋅1 = 1 + x + 2! 2 Na figura seguinte estão representados a função g (a traço contínuo) e os polinómios p2 e p3 em [-1, 1]. 3 2.5 2 y 1.5 1 0.5 0 -0.5 -1 -1 -0.8 -0.6 -0.4 -0.2 0 x 0.2 0.4 0.6 0.8 Página 12 de 16 - Erros em Cálculo Numérico 1 Analisando os gráficos nos dois exemplos anteriores concluímos que os polinómios de Taylor calculados não se afastam muito da função dada, no intervalo indicado. b) Calcule o erro dos polinómios aproximantes p3 e p2 para a função g. x 4 x (4) x4 x (1) 1 x max e - p3(x) = max (e ) = max e < ⋅ e ≈ 0.125. x∈[−1,1] x∈[−1,1] 4! x∈[−1,1] 4! 4! 4 x3 x3 x (1) 1 max e x - p2(x) = max (e x )(3) = max e < ⋅ e ≈ 0.5 . x∈[−1,1] 3! x∈[−1,1] x∈[−1,1] 3! 3! 3 ⎛π⎞ ⎛π ⎞ Exemplo3: Obter uma aproximação para sin⎜ ⎟ calculando p3 ⎜ ⎟ . ⎝6⎠ ⎝6⎠ No exemplo1 construímos um polinómio aproximante de grau 3 para a função ⎡ π π⎤ f(x)=sin(x) com x ∈ ⎢− , ⎥ , ⎣ 4 4⎦ p3 ( x) = x − x3 . 6 3 ⎛π ⎞ ⎜ ⎟ ⎛π ⎞ ⎛π ⎞ ⎝ 6 ⎠ p3 ⎜ ⎟ = ⎜ ⎟ − = 0.4996741 6 ⎝6⎠ ⎝6⎠ O valor absoluto do erro é majorado escrevendo E5 = π /4 cos(ξ ) 5 1 x ≤ x5 ≤ ≤ 0.01. . 5! 5! 5! Para finalizar este ponto, é de referir que nos capítulos seguintes descreveremos alguns métodos numéricos que originam erros de truncatura. Página 13 de 16 - Erros em Cálculo Numérico 4. Condicionamento e Estabilidade Erros iniciais Há problemas cuja solução é muito sensível a variações nos dados, isto é, para certos problemas erros nos dados quase desprezáveis, podem originar variações muito grandes na solução. Este fenómeno é independente do método usado para resolver problemas. Como se propagam os erros nos dados? Propagação de erros Supunhamos que se pretende calcular o valor de z = f ( x, y ) usando os valores aproximados x e y em vez de x e y respectivamente. Seja z = f( x, y ) . Queremos conhecer o erro do valor aproximado z para z, assumindo que todas as operações indicadas na expressão de f podem ser efectuadas exactamente. Isto é, estamos interessados no efeito da propagação dos erros ε _ = x − x e ε _ = y − y x y na solução do problema. Se existem e são contínuas f x' e f y' tem-se, pelo teorema de Taylor para funções de duas variáveis, f(x, y)= f( x, y) +(x− x)fx'(η1,η2 ) +(y− y)fy'(η1,η2 ), ] { } { }[ onde η1 ∈ min x,x , max x,x ] { } { }[ . e η 2 ∈ min y,y , max y,y Se x está próximo de x e y está próximo de y então pode escrever-se ε z = z − z ≈ f x' (x, y) ⋅ ε + f y' (x, y) ⋅ ε x y Supunhamos que se pretende calcular o valor de w = f ( x, y, z ) usando os valores aproximados x , y e z , em vez de x, y e z respectivamente. Seja w = f( x,y, z ) . Queremos conhecer o erro do valor aproximado w para w, assumindo que todas as operações indicadas na expressão de f podem ser efectuadas exactamente. Página 14 de 16 - Erros em Cálculo Numérico Isto é, estamos interessados no efeito da propagação dos erros ε x = x − x = ∆x , εy = y − y = ∆y ε z = z − z = ∆z e na solução do problema. Se x está próximo de x, y está próximo de y e z está próximo de z então pode escrever-se ε = w − w ≈ f x' ( x, y, z ) ⋅ ε x + f y' ( x, y, z ) ⋅ ε y + f z' ( x, y, z ) ⋅ ε z w Exemplo: Determinar um limite superior do erro absoluto do volume de uma esfera, V= 1 3 πd , se o diâmetro é d = 3.7 ± 0.05 cm e π ≅ 3.14. 6 Resolução: Considerando π e d como variáveis, calculemos as derivadas parciais: 1 ∂V 1 3 ∂V = πd = d e ∂d 2 ∂π 6 d = 3 .7 , e como 3 ∆ d = 0 . 05 e _ π = 3.14 , _ ∆ π = 0.00159... Utilizando a fórmula anterior temos que: ∆V ≤ ( ) ( ) 2 1 1 ∂V ∂V 3 d , π ∆π + d , π ∆ d = (3.7) × 0.00159 + × 3.14 × (3.7) × 0.05 = 1.088 6 2 ∂π ∂d e portanto ⎛ 1 3⎞ V =V + ∆V = ⎜ π d ⎟ ± 1.088 = ( 26.508 ± 1.088 )cm3 . ⎝6 ⎠ Generalizando, seja F = f ( x1 , x 2 ,..., x n ) uma função de n variáveis, e supondo que a cada variável xi corresponde ε xi = x − xi = ∆ xi , então o erro de F obtem-se utilizando a fórmula de propagação de erro: ε F = F − F ≈ f x' ( x 1 , x 2 ,..., x n ) ⋅ ε x + f x' ( x 1 , x 2 ,..., x n ) ⋅ ε x + ... + f x' ( x 1 , x 2 ,..., x n ) ⋅ ε x 1 1 2 2 n Com base na fórmula da propagação do erro, podemos encontrar as regras para a propagação de erros na soma e no produto. Página 15 de 16 - Erros em Cálculo Numérico n Cancelamento subtractivo O efeito da perda de dígitos significativos na subtracção de números quase iguais é chamado cancelamento subtractivo. Exemplo: Consideremos os números _ x = 4567 e y = 4566 e as aproximações _ x = 67.5796 e y = 67.5722 , ambas com 6 algarismos significativos. Tem-se _ _ x − y = 0.0074 , que é uma aproximação com 2 algarismos significativos para x - y . Numa só operação aritmética “perderam-se” 4 dígitos significativos. Condicionamento (de um problema) Devido à existência dos chamados erros iniciais, os dados e parâmetros de um problema matemático que se resolve não coincidem, em geral, com os dados e parâmetros do problema posto. O condicionamento de um problema descreve a “sensibilidade” do problema a variações nos dados. Não depende do método usado para resolver o problema. Um problema matemático cuja solução pode ser muito sensível a variações nos dados e parâmetros diz-se mal condicionado. Um problema diz-se bem condicionado se pequenas variações nos dados e parâmetros induzem sempre pequenas variações na solução. Estabilidade (de um método) A resolução de um problema numérico requer, em geral, a execução de um grande número de operações aritméticas e, originando de cada uma um erro de arredondamento, o efeito cumulativo desses erros pode afectar significativamente o resultado calculado. A estabilidade de um método descreve a “sensibilidade” do método relativamente à acumulação dos erros gerados durante o cálculo. Um método numérico diz-se instável se a acumulação de erros durante o cálculo pode ter grande influência na precisão dos resultados. Um método estável produz sempre bons resultados (com problemas bem condicionados). Estes apontamentos foram feitos com base no 1º capítulo do livro “Análise Numérica” da Profª. Drª. Mª Raquel Valença, Universidade Aberta, bem como noutros livros referidos na bibliografia do programa da disciplina. Página 16 de 16 - Erros em Cálculo Numérico