Pós-graduação
  1. Introdução à análise real  1.1. Teoria dos conjuntos e lógica em análise real  1.1.1. Conjuntos e operações na teoria dos conjuntos e lógica em análise real  1.1.2. Relações e funções  1.1.3. Lógica e quantificadores  1.1.4. Cardinalidade dos conjuntos  1.2. Espaço métrico  1.2.1. Introdução aos conjuntos abertos e fechados em espaços métricos  1.2.2. Convergência de sequências em um espaço métrico  1.2.3. Função contínua em um espaço métrico  1.2.4. Compacidade e completude em espaços métricos na análise real  1.3. Sequências e séries  1.3.1. Convergência de sequências  1.3.2. Séries infinitas  1.3.3. Convergência uniforme  1.3.4. Séries de potências  1.4. Discriminação  1.4.1. Teorema do valor médio  1.4.2. Série de Taylor  1.4.3. Funções de várias variáveis  1.4.4. Derivada parcial  1.5. Integração  1.5.1. Integração de Riemann e Lebesgue  1.5.2. Integrais impróprias  1.5.3. Teoria da Medida: uma ferramenta fundamental na integração  1.5.4. Teorema de Fubini  1.6. Análise funcional  1.6.1. Compreendendo espaços de Banach  1.6.2. Espaços de Hilbert  1.6.3. Operadores em espaços  1.6.4. Teoria Espectral
  2. Álgebra Abstrata  2.1. Compreendendo grupos na álgebra abstrata  2.1.1. Definições e exemplos de grupos na álgebra abstrata  2.1.2. Homomorfismos de grupos  2.1.3. Introdução aos subgrupos normais  2.1.4. Teorema de Sylow  2.2. Anéis e campos  2.2.1. Ideais e anéis quocientes  2.2.2. Extensões de campos  2.2.3. Teoria de Galois  2.2.4. Anéis de polinômios  2.3. Introdução aos módulos em álgebra abstrata  2.3.1. Homomorfismo de Módulos  2.3.2. Módulos livres  2.3.3. Introdução aos produtos tensoriais  2.3.4. Sequência exata em módulos  2.4. Álgebra linear  2.4.1. Espaço vetorial  2.4.2. Autovalores e autovetores  2.4.3. Espaço de produto interno  2.4.4. Diagonalização
  3. Topologia  3.1. Topologia Geral  3.1.1. Conjuntos abertos e fechados  3.1.2. Compacidade e conexidade  3.1.3. Mapas contínuos  3.1.4. Axioma de separação  3.2. Topologia algébrica  3.2.1. Compreendendo grupos fundamentais em topologia algébrica  3.2.2. Homotopia e homologia  3.2.3. Complexo simplicial  3.2.4. Sequências exatas em homologia  3.3. Topologia Diferencial  3.3.1. Compreendendo variedades na topologia diferencial  3.3.2. Funções Suaves  3.3.3. Espaço tangente e cotangente  3.3.4. Feixes vetoriais
  4. Equações diferenciais  4.1. Equação diferencial ordinária  4.1.1. Equações de primeira ordem  4.1.2. Equações lineares de segunda ordem  4.1.3. Sistemas de equações diferenciais  4.1.4. Análise de estabilidade em equações diferenciais ordinárias  4.2. Equações diferenciais parciais  4.2.1. Classificação de PDE  4.2.2. Compreendendo séries de Fourier em equações diferenciais parciais  4.2.3. Introdução às funções de Green  4.2.4. Método de caracterização  4.3. Sistemas dinâmicos em equações diferenciais  4.3.1. Teoria da Sustentabilidade  4.3.2. Ciclos limite em sistemas dinâmicos  4.3.3. Teoria do caos  4.3.4. Teoria da bifurcação
  5. Probabilidade e estatística  5.1. Teoria da probabilidade  5.1.1. Variáveis aleatórias  5.1.2. Distribuições de probabilidade  5.1.3. Lei dos grandes números  5.1.4. Teorema Central do Limite  5.2. Inferência estatística  5.2.1. Teste de hipótese  5.2.2. Intervalo de confiança  5.2.3. Métodos bayesianos  5.2.4. Estimativa de máxima verossimilhança  5.3. Processos estocásticos  5.3.1. Cadeias de Markov  5.3.2. Movimento Browniano  5.3.3. Compreendendo os processos de Poisson  5.3.4. Martingales: Um estudo abrangente em probabilidade e estatística
  6. Análise numérica  6.1. Soluções numéricas de equações  6.1.1. Descoberta original  6.1.2. Métodos iterativos  6.1.3. Análise de convergência  6.1.4. Limites de erro em soluções numéricas de equações  6.2. Álgebra linear numérica  6.2.1. Fatoração de matrizes  6.2.2. Cálculo de autovalores  6.2.3. Matrizes esparsas  6.2.4. Técnicas de pré-condicionamento  6.3. Integração e diferenciação numéricas  6.3.1. Métodos de quadratura  6.3.2. Introdução às diferenças finitas  6.3.3. Análise de erro na integração e diferenciação numérica  6.3.4. Métodos adaptativos em integração e diferenciação numérica
  7. Análise complexa  7.1. Números complexos  7.1.1. Forma polar  7.1.2. Conjugados Complexos  7.1.3. Forma exponencial de números complexos  7.1.4. Raízes da unidade  7.2. Funções analíticas  7.2.1. Equações de Cauchy–Riemann  7.2.2. Séries de potências  7.2.3. Mapeamento conforme  7.2.4. Funções harmônicas  7.3. Integração no plano complexo  7.3.1. Teorema de Cauchy  7.3.2. Teorema do resíduo  7.3.3. Integração de contorno  7.3.4. Transformadas integrais
  8. Lógica Matemática e Fundamentos  8.1. Lógica proposicional  8.1.1. Tabelas de verdade  8.1.2. Equivalência lógica na lógica proposicional  8.1.3. Técnicas de prova em lógica proposicional  8.1.4. Solução na lógica proposicional  8.2. Lógica de predicados  8.2.1. Quantificadores na lógica de predicados  8.2.2. Sistemas formais na lógica de predicados  8.2.3. Completude e correção  8.2.4. Teoria dos modelos  8.3. Teoria dos conjuntos  8.3.1. Cardinalidade e ordinalidade  8.3.2. Sistemas axiomáticos  8.3.3. Compreendendo a teoria dos conjuntos de Zermelo-Fraenkel  8.3.4. Forças na teoria dos conjuntos
  9. Personalização  9.1. Programação linear  9.1.1. Método simplex  9.1.2. Dualidade na programação linear  9.1.3. Análise de sensibilidade em programação linear  9.1.4. Métodos de ponto interior  9.2. Programação não linear  9.2.1. Descida do Gradiente  9.2.2. Múltiplos de Lagrange  9.2.3. Otimização convexa  9.2.4. Programação quadrática  9.3. Otimização Combinatória  9.3.1. Algoritmos de grafos  9.3.2. Programação inteira  9.3.3. Fluxo de Rede  9.3.4. Algoritmos de aproximação
  10. Matemática discreta  10.1. Teoria dos grafos  10.1.1. Representação de grafos  10.1.2. Planicidade e cor  10.1.3. Algoritmo de caminho mais curto  10.1.4. Fluxo de rede  10.2. Companheirismo  10.2.1. Percmutações e combinações  10.2.2. Função geradora  10.2.3. Relação de recorrência  10.2.4. Compreendendo o Princípio da Inclusão-Exclusão  10.3. Criptografia  10.3.1. Aplicações da teoria dos números na criptografia  10.3.2. Criptografia Simétrica e Assimétrica  10.3.3. RSA e criptografia de curva elíptica  10.3.4. Criptografia pós-quântica

Pós-graduação → Análise numérica → Integração e diferenciação numéricas ↓


Análise de erro na integração e diferenciação numérica


A análise numérica é um ramo da matemática que lida com algoritmos e aproximações numéricas para resolver problemas matemáticos. Quando se trata de integração e diferenciação, cálculos exatos são frequentemente impossíveis ou impraticáveis, e por essa razão, usamos métodos numéricos. Entretanto, esses métodos vêm com um desafio inerente: a análise de erro. Primeiro, devemos perguntar, o que é análise de erro? Simplificando, a análise de erro avalia a precisão e limitações das soluções numéricas.

Esta discussão irá apresentá-lo aos elementos essenciais da análise de erro na integração e diferenciação numérica, e mostrar como isso pode afetar a confiabilidade dos cálculos científicos e de engenharia.

Introdução ao erro numérico

Erros numéricos podem surgir de várias fontes, incluindo:

  • Erro de truncamento: resultante de aproximações de procedimentos matemáticos exatos.
  • Erro de arredondamento: Este erro surge devido ao número limitado de dígitos através do qual os computadores representam números reais.

Frequentemente, a ênfase está no erro de truncamento na integração e diferenciação numérica porque erros de arredondamento são específicos às limitações de hardware ou software.

Integração numérica

Entendendo o erro de truncamento

Considere a tarefa de avaliar uma integral numericamente. Em muitos casos, usamos aproximações como a regra do trapézio ou a regra de Simpson. Cada uma dessas regras possui um erro de truncamento associado.

Regra do trapézio

A regra do trapézio aproxima a integral de uma função usando a fórmula:

[ int_{a}^{b} f(x) , dx approx frac{b-a}{2} left( f(a) + f(b) right) ]

O erro desta aproximação pode ser expresso como:

[ E_{T} = -frac{(b-a)^3}{12} f''(xi) ]

onde ( f''(xi) ) é a segunda derivada de ( f ) avaliada em algum ponto ( xi ) no intervalo ([a, b]).

Exemplo visual: regra do trapézio

AXB

A área sob a curva é aproximada pelo trapézio (em cinza). A integral verdadeira é a área sob a curva em azul, que ilustra o conceito de erro de truncamento.

Regra de Simpson

A regra de Simpson fornece uma estimativa mais precisa usando segmentos parabólicos:

[ int_{a}^{b} f(x) , dx approx frac{b-a}{6} left( f(a) + 4fleft(frac{a+b}{2}right) + f(b) right) ]

O erro de truncamento é dado como:

[ E_{S} = -frac{(b-a)^5}{2880} f^{(4)}(xi) ]

Cálculo de exemplo

Suponha que você deseja integrar numericamente a função ( f(x) = sin(x) ) de ( x = 0 ) a ( x = pi ) usando ambos os métodos.

Uso da regra do trapézio:

[ int_{0}^{pi} sin(x) , dx approx frac{pi - 0}{2} left(sin(0) + sin(pi)right) = frac{pi}{2} (0 + 0) = 0 ] [ E_{T} approx -frac{pi^3}{12} (-sin(xi)) approx 0 ]

Uso da regra de Simpson:

[ int_{0}^{pi} sin(x) , dx approx frac{pi}{6} left(0 + 4 sinleft(frac{pi}{2}right) + 0right) = frac{pi}{6} times 4 = frac{2pi}{3} ] [ E_{S} approx -frac{pi^5}{2880} cos(xi) approx 0 ]

A integral real é 2. A aproximação usando a regra de Simpson está próxima do valor exato, e tem um pequeno erro de truncamento.

Diferenciação numérica

Tipos de diferenciação

Na diferenciação numérica, o objetivo é calcular a derivada usando pontos de dados discretos em vez de uma função contínua. Métodos comuns incluem diferença para frente, diferença para trás e diferença central.

Diferença para frente

Esta técnica usa a seguinte fórmula de aproximação para a primeira derivada:

[ f'(x) approx frac{f(x + h) - f(x)}{h} ]

O erro de truncamento pode ser representado como:

[ E_{F} approx -frac{h}{2} f''(xi) ]

Exemplo visual: diferença para frente

XX + H

A linha verde mostra a inclinação (ou seja, a derivada no ponto (x)). A diferença para frente estima a inclinação com base em um ponto futuro (x + h).

Diferença central

Um método mais preciso é a diferença central, que usa os pontos em ambos os lados:

[ f'(x) approx frac{f(x + h) - f(x - h)}{2h} ]

O erro de truncamento é dado como:

[ E_{C} approx -frac{h^2}{6} f^{(3)}(xi) ]

Cálculo de exemplo

Vamos avaliar a derivada de ( f(x) = x^2 ) em ( x = 1 ) com ( h = 0.1 ).

Usando a diferença para frente:

[ f'(1) approx frac{f(1.1) - f(1)}{0.1} = frac{1.21 - 1}{0.1} = 2.1 ] [ E_{F} approx -frac{0.1}{2} times 2 = -0.1 ]

Uso da diferença central:

[ f'(1) approx frac{f(1.1) - f(0.9)}{0.2} = frac{1.21 - 0.81}{0.2} = 2 ] [ E_{C} approx -frac{(0.1)^2}{6} times 0 = 0 ]

A derivada exata é ( f'(x) = 2x ), então em ( x = 1 ) é 2. A diferença central forneceu um resultado exato, enquanto a diferença para frente teve um pequeno erro devido à redução.

Conclusão

A análise de erro é um componente importante da integração e diferenciação numérica. Ela fornece informações valiosas sobre as limitações e possíveis melhorias dos métodos numéricos. Compreender as fontes e tipos de erros permite que matemáticos e engenheiros otimizem algoritmos e escolham os métodos certos para aplicações específicas. Ao reduzir o erro, podemos aumentar a precisão dos cálculos numéricos importantes para a pesquisa científica e inovação tecnológica.


Pós-graduação → 6.3.3


U
username
0%
concluído em Pós-graduação

← Anterior (6.3.2)
Introdução às diferenças finitas
Próximo (6.3.4) →
Métodos adaptativos em integração e diferenciação numérica

Comentários 



Análise de erro na integração e diferenciação numérica

https://www.buddymath.com/g/6.3.3?bmal=pt