Aula 01 e 02 - Aritmética Computacional em Python

📘 Modelagem Matemática: Aulas 01 e 02

📌 Sumário da Aula

1. Aritmética Computacional, Fundamentos Computacional e Teoria de Erros
   • 📊 Diagrama Técnico Estrutural
   • 1.1 Variáveis e Tipos de Dados
   • 1.2 Operadores Aritméticos e Relação de Precedência
   • 1.3 Strings: Indexação, Fatiamento e Formatação
   • 1.4 Lógica Booleana e Operadores Relacionais
   • 1.5 Estruturas de Dados Sequenciais: Tuplas vs. Listas
   • 1.6 Modularidade: Funções, Condicionais e Laços de Repetição
   • 1.7 Bibliotecas Científicas: NumPy e Matplotlib
   • 2.1 Sistemas de Numeração Posicionais
   • 2.2 Algoritmos de Conversão de Bases para Inteiros
   • 2.3 Bits e Representação com Sinal (Sinal-Magnitude)
   • 2.4 Representação de Números Reais Fracionários
   • 2.5 Notação Científica Normalizada e Ponto Flutuante
   • 2.6 Métricas de Erro: Erro Absoluto e Erro Relativo
   • 2.7 Técnicas de Aproximação: Truncamento vs. Arredondamento
   • 2.8 Aritmética de Ponto Flutuante e Propagação de Erros
   • 2.9 Cancelamento Catastrófico (*Loss of Significance*)
   • Atividade 1: Expressões e Precedência
   • Atividade 2: Mutabilidade de Sequências
   • Atividade 3: Overflow em Ponto Flutuante
   • Atividade 4: Cálculo de Erro Absoluto e Relativo
   • Atividade 5: Erro de Operação por Alinhamento de Expoente
   • Atividade 1 (Apostila 01 - Seção 1 / Atividade 1): Expressões Booleanas e Tipos Numéricos Computacional
   • Atividade 2 (Apostila 01 - Seção 1 / Atividade 2): Mutabilidade de Listas vs. Imutabilidade de Tuplas
   • Atividade 3 (Apostila 01 - Seção 1 / Atividade 3): Laço de Repetição e Somatório com `range`
   • Atividade 4 (Apostila 01 - Seção 2 / Atividade 1): Notação Posicional Decimal
   • Atividade 5 (Apostila 01 - Seção 2 / Atividade 2): Conversão Decimal para Binário Inteiro
   • Atividade 6 (Apostila 01 - Seção 2 / Atividade 3): Limitações de Ponto Flutuante e Overflow
   • Atividade 7 (Apostila 01 - Seção 2 / Atividade 4): Cálculo de Erro Absoluto e Relativo
   • Atividade 8 (Apostila 01 - Seção 2 / Atividade 5): Propagação de Erro na Adição com Ponto Flutuante
2. 🔮 Conexão com o Próximo Bloco: Zeros de Funções Não Lineares

---

Aritmética Computacional, Fundamentos Computacional e Teoria de Erros

Navegação Rápida no Cofre

📍 Disciplina: Modelagem Matemática | 📚 MOC: 01 Matemática e Estatística | 🏠 Início: Hub Principal 📄 Apostila Base: Aritmética Computacional Computacional 💻 Códigos Associados: conversor_bin (Material Complementar) | conversor_bin_numeros_reais (Material Complementar) | estrutura_condicional (Material Complementar) | laços (Material Complementar) | função (Material Complementar) | graficos (Material Complementar) | tuplas (Material Complementar) 🖼️ Diagrama Técnico: modelagem_aritmetica_ieee754_erros.svg

---

🎯 Objetivos de Aprendizagem

Ao final destas duas aulas, você será capaz de:

1. Dominar a sintaxe fundamental do Python aplicada à modelagem matemática: tipos numéricos, operadores, estruturas de dados (listas e tuplas), fluxo de controle, funções e bibliotecas científicas (numpy e matplotlib).
2. Compreender a representação de sistemas de numeração: conversão posicional entre bases (decimal, binária, octal e hexadecimal) para inteiros e reais fracionários.
3. Analisar a aritmética de ponto flutuante (IEEE 754): normalização científica, mantissa, expoente, fenômenos de overflow e underflow.
4. Quantificar erros numéricos: cálculo analítico e computacional de erro absoluto ($EA$) e erro relativo ($ER$).
5. Identificar fontes de imprecisão computacional: arredondamento por truncamento versus aproximação (regra do par mais próximo), propagação de erros operacionais e o perigo do cancelamento catastrófico.

---

📊 Diagrama Técnico Estrutural

---

🧩 PARTE I: AULA 01 — Fundamentos de Programação Computacional para Modelagem

A modelagem matemática em engenharia requer a tradução de equações físicas em algoritmos executáveis. O Python é a linguagem padrão devido à sua clareza, dinamismo e rico ecossistema científico.

---

1.1 Variáveis e Tipos de Dados

Uma variável atua como uma referência nomeada a um endereço de memória onde determinado objeto está armazenado.

Distinção Crucial: = (Atribuição) vs $=$ (Igualdade Matemática)

• Na matemática, $x=x+1$ é uma contradição impossível.
• Na programação, x = x + 1 é uma instrução de atualização iterativa: “avalie o valor atual armazenado em $x$, some $1$ a ele e grave o novo valor de volta na variável $x$”.

Boas Práticas e Tipagem

Em Python, a tipagem é dinâmica e fortemente tipada. Recomenda-se utilizar nomes descritivos em conformidade com o padrão PEP 8 (snake_case):

Parâmetros de Projeto e Considerações Analíticas:

• Atribuições com nomes descritivos

---

1.2 Operadores Aritméticos e Relação de Precedência

O Python disponibiliza operadores primitivos essenciais para formulações analíticas:

Operador	Operação	Exemplo Computacional	Resultado	Observações para Modelagem
+	Adição	5 + 3	8	Comuta parcelas
-	Subtração	10 - 4	6	Atenção a números muito próximos
*	Multiplicação	7 * 6	42	Produto escalar ou escalar por vetor
/	Divisão real	10 / 4	2.5	Sempre retorna float, mesmo com divisão exata
//	Divisão inteira	10 // 3	3	Descarta completamente a fração
%	Módulo (Resto)	10 % 3	1	Usado para teste de paridade e periodicidade
**	Exponenciação	2 ** 3	8	Equivalente a $2^3$

Ordem de Precedência Matemática

Assim como no cálculo analítico, operadores possuem hierarquia estrita:

1. Parênteses: (...) (forçam prioridade)
2. Potenciação: **
3. Multiplicação e divisões: *, /, //, % (avaliados da esquerda para a direita)
4. Adição e subtração: +, -

Parâmetros de Projeto e Considerações Analíticas:

• Demonstração de Precedência

Exemplo Prático: Fórmula dos Juros Compostos / Decaimento Exponencial

$M=C\cdot (1+i{)}^t$

Parâmetros de Projeto e Considerações Analíticas:

• f-string com formatação de 2 casas decimais (: .2f)
• Saída: O valor acumulado será de: R$ 1104.62

---

1.3 Strings: Indexação, Fatiamento e Formatação

Textos são sequências ordenadas e imutáveis de caracteres (tipo str).

Indexação e Slicing

• Indexação Positiva: inicia em 0 e vai até n-1.
• Indexação Negativa: o último elemento é -1, o penúltimo -2, etc.
• Fatiamento (Slice): string[inicio : fim : passo] (o limite fim é exclusivo).

Parâmetros de Projeto e Considerações Analíticas:

• Indexação
• Fatiamento

---

1.4 Lógica Booleana e Operadores Relacionais

A tomada de decisão em algoritmos numéricos baseia-se em condições booleanas (True ou False).

Operadores Relacionais

• < : Menor que
• > : Maior que
• <= : Menor ou igual a
• >= : Maior ou igual a
• == : Igualdade de valor (dois sinais de igual)
• != : Diferente de

Operadores Lógicos

• and : Verdadeiro apenas se todas as condições forem verdadeiras.
• or : Verdadeiro se pelo menos uma condição for verdadeira.
• not : Inversão lógica.

---

1.5 Estruturas de Dados Sequenciais: Tuplas vs. Listas

Para modelar vetores, matrizes, coordenadas e tabelas de iteração, o Python oferece tuplas e listas nativas.

Propriedade	Tupla (tuple)	Lista (list)
Sintaxe	Parênteses: (1, 2, 3)	Colchetes: [1, 2, 3]
Mutabilidade	Imutável (tamanho e valores fixos)	Mutável (permite inserção, edição e remoção)
Desempenho	Mais leve e rápida para leitura	Maior flexibilidade e sobrecarga dinâmica
Uso em Modelagem	Coordenadas fixas $(x,y)$, dimensões de malha	Séries temporais, históricos de aproximações

Código Exemplo de Manipulação

Parâmetros de Projeto e Considerações Analíticas:

• 1. Tuplas
• dados[1] = 110 -> ERRO! TypeError: ‘tuple’ object does not support item assignment
• 2. Listas
• 3. Operadores em sequências

---

1.6 Modularidade: Funções, Condicionais e Laços de Repetição

A estrutura básica de qualquer método numérico (como Newton-Raphson ou Bisseção) requer modularização em funções e repetições controladas.

Definição de Funções (def)

Estrutura Condicional (if, elif, else)

Laço for com range(início, parada, passo)

O laço for itera sobre sequências pré-definidas. O comando range(1, 5) gera os números [1, 2, 3, 4] (o limite superior não é incluso).

Parâmetros de Projeto e Considerações Analíticas:

• Acumulador de somatório: sum_{i=1}^4 i

---

1.7 Bibliotecas Científicas: NumPy e Matplotlib

Para resolver problemas reais de engenharia, usamos duas bibliotecas fundamentais:

• numpy: vetores e matrizes de alta performance em C, funções matemáticas vetorizadas.
• matplotlib.pyplot: renderização gráfica de curvas, superfícies e convergências numéricas.

Exemplo de Plotagem de Função

Parâmetros de Projeto e Considerações Analíticas:

• 1. Gerar malha de 100 pontos no domínio [-2, 2]
• 2. Avaliar a função quadrática y = x²
• 3. Construir e configurar o gráfico

---

🔢 PARTE II: AULA 02 — Representação Numérica, Sistemas de Bases e Aritmética de Ponto Flutuante

Os computadores não operam com o contínuo matemático dos números reais ($\mathbb{R}$), mas com circuitos biestáveis finitos (bits). Entender como os números são traduzidos e armazenados é imperativo para evitar catástrofes numéricas.

---

2.1 Sistemas de Numeração Posicionais

Qualquer número inteiro positivo $N$ pode ser representado de forma única em uma base $b$ inteira ($b\ge 2$) através da expansão polinomial posicional:

$N=(d_n{d}_{n-1}\dots d_1{d}_0{)}_b={\sum }_{i=0}^n{d}_i\cdot b^i$

Onde cada dígito $d_i$ satisfaz: $0\le d_i<b$.

As Quatro Bases Fundamentais na Engenharia

1. Base Decimal ($b=10$): Dígitos $\{0,1,2,3,4,5,6,7,8,9\}$.
2. Base Binária ($b=2$): Dígitos $\{0,1\}$. Base nativa do hardware.
3. Base Octal ($b=8$): Dígitos $\{0,1,2,3,4,5,6,7\}$. Agrupa 3 bits ($2^3=8$).
4. Base Hexadecimal ($b=16$): Dígitos $\{0,\dots ,9,\text{A}=10,\text{B}=11,\text{C}=12,\text{D}=13,\text{E}=14,\text{F}=15\}$. Agrupa 4 bits ($2^4=16$).

Exemplo de Decomposição Posicional Decimal:

$179_{10}=1\cdot 10^2+7\cdot 10^1+9\cdot 10^0=100+70+9$

---

2.2 Algoritmos de Conversão de Bases para Inteiros

1. De Base $b$ para Base Decimal ($b\to 10$)

Basta expandir o somatório das potências de $b$:

• Binário para Decimal: $(1101{)}_2=1\cdot 2^3+1\cdot 2^2+0\cdot 2^1+1\cdot 2^0=8+4+0+1=13_{10}$
• Hexadecimal para Decimal: $(2\text{F}{)}_{16}=2\cdot 16^1+15\cdot 16^0=32+15=47_{10}$

2. De Base Decimal para Base $b$ ($10\to b$) — Algoritmo das Divisões Sucessivas

Divide-se sucessivamente o número $N$ pela base de destino $b$. Os restos formam os dígitos da direita para a esquerda (do menos significativo ao mais significativo):

undefined