APOSTILA DE CLCULO NUMRICO

Professor: William Wagner Matos Lira

Monitor: Ricardo Albuquerque Fernandes

1 ERROS

1.1 Introduo
1.1.1 Modelagem e Resoluo

A utilizao de simuladores numricos para determinao da soluo de um problema
requer a execuo da seguinte seqncia de etapas:
Etapa 1: Definir o problema real a ser resolvido
Etapa 2: Observar fenmenos, levantar efeitos dominantes e fazer referncia a
conhecimentos prvios fsicos e matemticos
Etapa 3: Criar modelo matemtico
Etapa 4: Resolver o problema matemtico

Modelagem: Fase de obteno de um modelo matemtico que descreve um problema
fsico em questo.

Resoluo: Fase de obteno da soluo do modelo matemtico atravs da obteno da
soluo analtica ou numrica.


1.1.2 Clculo Numrico

O clculo numrico compreende:

A anlise dos processos que resolvem problemas matemticos por meio de operaes
aritmticas;
O desenvolvimento de uma seqncia de operaes aritmticas que levem s
respostas numricas desejadas (Desenvolvimento de algoritmos);
O uso de computadores para obteno das respostas numricas, o que implica em
escrever o mtodo numrico como um programa de computador

Espera-se, com isso, obter respostas confiveis para problemas matemticos. No entanto,
no raro acontecer que os resultados obtidos estejam distantes do que se esperaria obter.
1.1.3 Fontes de erros

Suponha que voc est diante do seguinte problema: voc est em cima de um edifcio
que no sabe a altura, mas precisa determin-la. Tudo que tem em mos uma bola de
metal e um cronmetro. O que fazer?

Conhecemos tambm a equao

onde:
s a posio final;
s
0
a posio inicial;
v
0
a velocidade inicial;
t o tempo percorrido;
g a acelerao gravitacional.

A bolinha foi solta do topo do edifcio e marcou-se no cronmetro que ela levou 2
segundos para atingir o solo. Com isso podemos conclui a partir da equao acima que a
altura do edifcio de 19,6 metros.

Essa resposta confivel? Onde esto os erros?

Erros de modelagem:
Resistncia do ar,
Velocidade do vento,
Forma do objeto, etc.
Estes erros esto associados, em geral, simplificao do modelo matemtico.



Erros de resoluo:
Preciso dos dados de entrada
(Ex. Preciso na leitura do cronmetro. p/ t = 2,3 segundos, h = 25,92 metros, gravidade);
Forma como os dados so armazenados;
Operaes numricas efetuadas;
Erro de truncamento (troca de uma srie infinita por uma srie finita).
1.2 Representao numrica

Motivao:

Exemplo 1:

Calcular a rea de uma circunferncia de raio 100 metros.

a) 31140 m
2
b) 31416 m
2
c) 31415,92654 m
2

Exemplo 2:

Calcular

=
3000
1
i
x S para 5 . 0 =
i
x e para 11 . 0 =
i
x


S para 5 . 0 =
i
x S para 11 . 0 =
i
x
Calculadora 15000 3300
Computador 15000 3299,99691

Por que das diferenas?

No caso do Exemplo 1 foram admitidos trs valores diferentes para o nmero :

a) =3,14
b) =3,1416
c) =3,141592654
Dependncia da aproximao escolhida para . Aumentando-se o nmero de dgitos
aumentamos a preciso. Nunca conseguiremos um valor exato.

No caso do Exemplo 2 as diferenas podem ter ocorrido em funo da base utilizada, da
forma como os nmeros so armazenados, ou em virtude dos erros cometidos nas
operaes aritmticas.

O conjunto dos nmeros representveis em qualquer mquina finito, e portanto,
discreto, ou seja no possvel representar em uma mquina todos os nmeros de um
dado intervalo [a,b]. A representao de um nmero depende da BASE escolhida e do
nmero mximo de dgitos usados na sua representao.

Qual a base utilizada no nosso dia-a-dia?
Base decimal (Utiliza-se os algarismos: 0, 1, 2, 3, 4, 5, 6, 7, 8 e 9).

Existem outras bases: 8 (base octal), 12, 60, porm, a base utilizada pela maioria dos
computadores a base binria, onde se utiliza os algarismos 0 e 1.

Os computadores recebem a informao numrica na base decimal, fazem a converso
para sua base (a base binria) e fazem nova converso para exibir os resultados na base
decimal para o usurio.

Exemplos: (100110)
2
= (38)
10
(11001)
2
= (25)
10
1.2.1 Representao de um nmero inteiro

Em princpio, representao de um nmero inteiro no computador no apresenta qualquer
dificuldade. Qualquer computador trabalha internamente com uma base fixa , onde
um inteiro 2 ; e escolhido como uma potncia de 2.

Assim dado um nmero inteiro 0 x , ele possui uma nica representao,

) ... ( ) ... (
0
0
1
1
1
1 0 1 2 1
d d d d d d d d d x
n
n
n
n n n
+ + + + = =




onde
i
d um dgito da base em questo, no caso de uma base binria 1 =
n
d e
0 1
,..., d d
n

so iguais a 1 ou 0 que so os dgitos da base binria.

Exemplos:

a) Como seria a representao do nmero 1100 numa base 2 =

0 1 2 3
2
2 0 2 0 2 1 2 1 ) 1100 ( + + + =

Portanto
2 2
) 1100 ( ) 1100 ( = .

b) Como seria a representao do nmero 1997 em uma base 10 = ?

0 1 2 3
10 7 10 9 10 9 10 1 1997 + + + =
Logo, 1997 =
10
) 1997 ( .



1.2.2 Representao de um nmero real

Se o nmero real x tem parte inteira
i
x , sua parte fracionria x
f
= x - x
i
pode ser escrita
como uma soma de fraes binrias:

) ... ( ) ... (
) 1 (
1
2
2
1
1 0 1 2 1
n
n
n
n n n f
d d b b b b b b b x + + + + = =

Assim o nmero real ser representado juntando as partes inteiras e fracionrias, ou seja,



onde, x possui n+1 algarismos na parte inteira e m+1 algarismos na parte fracionria.

Exemplo:

a) Como seria a representao do nmero 39,28 em uma base decimal?

) 10 8 10 2 ( ) 10 9 10 3 ( ) 28 , 39 (
2 1 0 1
10

+ + + =
10 10
) 28 , 39 ( ) 28 , 39 ( =

b) Como seria a representao do nmero
2 10
(?) ) 375 , 14 ( = em uma base binria?

2 10
) 011 , 1110 ( ) 375 , 14 ( =

Precisamos saber fazer a converso de bases que o tpico seguinte.

1.3 Converso entre as bases

Conforme dito anteriormente, a maioria dos computadores trabalha na base , onde
um inteiro 2 ; normalmente escolhido como uma potncia de 2.
1.3.1 Binria para Decimal
Exemplos:
a)
10
0 1 2 3
2
) 13 ( 1 0 4 8 2 1 2 0 2 1 2 1 ) 1101 ( = + + + = + + + =
b)
10
0 1 2 3 4
2
) 25 ( 1 0 0 8 16 2 1 2 0 2 0 2 1 2 1 ) 11001 ( = + + + + = + + + + =
1.3.2 Decimal para Binria

Na converso de um nmero escrito em base decimal para uma base binria so
utilizados: o mtodo das divises sucessivas para a parte inteira e o mtodo das
multiplicaes sucessivas para converso da parte fracionria do nmero em questo.

- Mtodo das divises sucessivas (parte inteira do nmero)

a) Divide-se o nmero (inteiro) por 2;
b) Divide-se por 2, o quociente da diviso anterior;
c) Repete-se o processo at o ltimo quociente ser igual a 1.

O nmero binrio ento formado pela concatenao do ltimo quociente com os restos
das divises, lidos em sentido inverso.

- Mtodo das multiplicaes sucessivas (parte fracionria do nmero)

a) Multiplica-se o nmero (fracionrio) por 2;
b) Do resultado, a parte inteira ser o primeiro dgito do nmero na base binria e a parte
fracionria novamente multiplicada por 2;
c) O processo repetido at que a parte fracionria do ltimo produto seja igual a zero


Exemplos:
a)
2 10
(?) ) 13 ( =
Quociente Resto
13/2 6 1
6/2 3 0
3/2 1 1


Resultado:
2 10
) 1101 ( ) 13 ( =

b)
2 10
(?) ) 25 ( =
Quociente Resto
25/2 12 1
12/2 6 0
6/2 3 0
3/2 1 1

Resultado:
2 10
) 11001 ( ) 25 ( =

c)
2 10
(?) ) 375 , 0 ( =

0,375
x 2
0,750
0,750
x 2
1,500
0,500
x 2
1,000
(0,375)
10
=(0,011)
2


c)
2 10
(?) ) 25 , 13 ( =

Converte-se inicialmente a parte inteira do nmero:

Quociente Resto
13/2 6 1
7/2 3 0
3/2 1 1


... em seguida converte-se a parte fracionria:

2 10
) 01 , 0 ( ) 25 , 0 ( =






Resultado:
2 10
) 01 , 1101 ( ) 25 , 13 ( =

Ateno: Nem todo nmero real na base decimal possui uma representao finita na base
binria. Tente fazer a converso de
10
) 1 , 0 ( . Esta situao ilustra bem o caso de erro de
arredondamento nos dados.

1.3.3 Exerccios Propostos

Faa as converses indicadas abaixo:

a)
10 2
(?) ) 100110 ( =
b)
10 2
(?) ) 1100101 ( =
c)
2 10
(?) ) 28 , 40 ( =
d)
10 2
(?) ) 01 , 110 ( =
e)
2 10
(?) ) 8 , 3 ( =
1.4 Arrredondamento e aritmtica de ponto flutuante

Um nmero representado, internamente, num computador ou mquina de calcular
atravs de uma seqncia de impulsos eltricos que indicam dois estados: 0 ou 1, ou seja,
os nmeros so representados na base binria.

0,25 0,50
x 2 x 2
0,50 1,0

De uma maneira geral, um nmero x representado na base por:

e
t
t
d d d d
x

. ...
3
3
2
2 1
(

+ + + + =
onde:
i
d - so nmeros inteiros contidos no intervalo t i d
i
,.., 2 , 1 ; 1 0 = ;
e - representa o expoente de e assume valores entre S e I onde
S I , - so, respectivamente, limite inferior e superior para a variao do expoente;
(

+ + + +
t
t
d d d d

...
3
3
2
2 1
a chamada mantissa e a parte do nmero que representa
seus dgitos significativos e t o nmero de dgitos significativos do sistema de
representao, comumente chamado de preciso da mquina.

Um nmero real x no sistema de aritmtica de ponto flutuante pode ser escrito tambm
na forma:
e
t
d d d d x ). ... , 0 (
3 2 1
=
com 0
1
d , pois o primeiro algarismo significativo de x.

Exemplos:

a) Escrever os nmeros reais 35 . 0
1
= x , 172 . 5
2
= x , 0123 . 0
2
= x , 0003 . 0
4
= x ,
e 3 . 5391
5
= x onde esto todos na base 10 = em notao de um sistema de aritmtica de
ponto flutuante.

Soluo:


0 0 2 1
10 35 . 0 10 ) 10 5 10 3 ( 35 . 0 = + =

x
1 1 4 3 2 1
10 5172 . 0 10 ) 10 2 10 7 10 1 10 5 ( 172 . 5 = + + + =


1 1 3 2 1
10 123 . 0 10 ) 10 3 10 2 10 1 ( 0123 . 0

= + + =
4 4 5 4 3 2 1
10 53913 . 0 10 ) 10 3 10 1 10 9 10 3 10 5 ( 3 . 5391 = + + + + =


3 3 1
10 3 . 0 10 ) 10 3 ( 0003 . 0

= =


b) Considerando agora que estamos diante de uma mquina que utilize apenas trs dgitos
significativos e que tenha como limite inferior e superior para o expoente,
respectivamente, -2 e 2, como seriam representados nesta mquina os nmeros do
exemplo a)?

Soluo: Temos ento para esta mquina 3 = t , 2 = I e 2 = S . Desta forma
2 2 e . Sendo assim temos:

0
10 350 . 0 35 . 0 =
1
10 517 . 0 172 . 5 =
1
10 123 . 0 0123 . 0

=
4
10 53913 . 0 3 . 5391 = No pode ser representado por esta mquina. Erro de overflow.
3
10 3 . 0 0003 . 0

== No pode ser representado por esta mquina. Erro de underflow.

Um erro de overflow ocorre quando o nmero muito grande para ser representado, j
um erro de underflow ocorre na condio contrria, ou seja, quando um nmero
pequeno demais para ser representado.


c) Numa mquina de calcular cujo sistema de representao utilizado de base binria,
considerando que a mquina tenha capacidade para armazenar um nmero com dez
dgitos significativos, com limites inferior e superior para o expoente de -15 e 15,
respectivamente. Como que representado o nmero (25)
10
neste sistema ?


1.5 Erros

1.5.1 Erros absoluto, relativo e percentual

Erro absoluto: Diferena entre o valor exato de um nmero x e seu valor aproximado x
obtido a partir de um procedimento numrico.

x x E
x
a
=

Em geral apenas x conhecido, e o que se faz assumir um limitante superior ou uma
estimativa para o mdulo do erro absoluto.

Exemplos:

a) Sabendo-se que ) 15 , 3 ; 14 , 3 ( = tomaremos para um valor dentro deste intervalo e
teremos, ento, 01 . 0 < =
x
a
E .

b) Seja x representado por 9 , 2112 = x de forma que 1 , 0 <
x
a
E podemos dizer que
) 0 , 2113 ; 8 , 2112 ( x .

c) Seja y representado por 3 , 5 = y de forma que 1 , 0 <
y
a
E , podemos dizer que
) 4 , 5 ; 2 , 5 ( y

Temos que os valores para os respectivos erros absolutos nas letras b e c foram idnticos.
Podemos afirmar que os valores de x e y foram representados com a mesma preciso?

O erro absoluto no suficiente para descrever a preciso de um clculo. Da a maior
utilizao do conceito de erro relativo.

Erro relativo: Erro absoluto dividido pelo valor aproximado.


x
x x
x
E
E
x
x
a
r

= =

Erro percentual: o erro relativo em termos percentuais, ou seja:

% 100 =
x x
r p
E E

Exemplos:

a) Seja x representado por 9 , 2112 = x de forma que 1 , 0 <
x
a
E podemos dizer que
) 0 , 2113 ; 8 , 2112 ( x .

5
10 7 , 4
9 , 2112
1 , 0

< =
x
E
E
x
x
a
r


% 0047 , 0 % 100 . 10 7 , 4
5
= =

x
p
E

b) Seja y representado por 3 , 5 = y de forma que 1 , 0 <
y
a
E , podemos dizer que
) 4 , 5 ; 2 , 5 ( y

02 , 0
3 , 5
1 , 0
< =
y
E
E
y
y
a
r


% 2 % 100 . 02 , 0 = =
y
p
E
Para valores prximos de 1, os erros absoluto e relativo, tm valores muito prximos.
Entretanto, para valores afastados de 1, podem ocorrer grandes diferenas, e se deve
escolher um critrio adequado para podermos avaliar se o erro que est sendo cometido
grande ou pequeno.

1.5.2 Exerccios Propostos

1. Suponha que tenhamos um valor aproximado de 0.00004 para um valor exato de
0.00005. Calcular os erros absoluto, relativo e percentual para este caso.
2. Suponha que tenhamos um valor aproximado de 100000 para um valor exato de
101000. Calcular os erros absoluto, relativo e percentual para este caso.
3. Considerando os dois casos acima, onde se obteve uma aproximao com maior
preciso? Justifique sua resposta.
1.5.3 Erro de arredondamento e truncamento

Dar a representao dos nmeros a seguir num sistema de aritmtica de ponto flutuante
de trs dgitos para = 10, I=-4 e S=4

Quando se utiliza o arredondamento os erros cometidos so menores que no truncamento,
no entanto o arredondamento requer um maior tempo de execuo e por esta razo o
truncamento mais utilizado. A demonstrao de que no arredondamento incorremos em
erros menores que no truncamento pode ser encontrada no livro de Clculo Numrico da
Mrcia Ruggiero e Vera Lopes.
1.5.4 Propagao de erros

Ser mostrado um exemplo que ilustra como os erros descritos anteriormente podem
influenciar no desenvolvimento de um clculo.

Suponhamos que as operaes indicadas nos itens a) e b) sejam processadas numa
mquina com 4 dgitos significativos.

a)
1 1 2
) ( x x x +
b) ) (
1 1 2
x x x +

x Representao por
arredondamento
Representao por
truncamento
1,25 0,125x10

0,125x10
10,053 0,101x10
2
0,100x10
2
-238,15 -0,238x10
3
-0,238x10
3
2,71828 0,272x10 0,271.10
0,000007 Exp< -4 (underflow) Exp < -4 (underflow)
718235,82 Exp > 4 (overflow) Exp > 4 (overflow)
Fazendo
4
1
10 3491 . 0 = x e
0
2
10 2345 , 0 = x temos:


0000 , 0
10 . 3491 , 0 10 . 3491 . 0
10 . 3491 , 0 ) 10 . 3491 , 0 10 . 2345 , 0 ( ) ( )
4 4
4 4 0
1 1 2
=
=
+ = + x x x a


2345 , 0
0000 , 0 10 . 2345 . 0
) 10 . 3491 , 0 10 . 3491 , 0 ( 10 . 2345 , 0 ) ( )
0
4 4 0
1 1 2
=
+ =
+ = + x x x b

A causa da diferena nas operaes anteriores foi um arredondamento que foi feito na
adio ) (
1 2
x x + do item a), cujo resultado tem oito dgitos. Como a mquina s
armazena 4 dgitos, os menos significativos foram desprezados.

Ao se utilizar uma mquina de calcular deve-se est atento a essas particularidades
causadas pelo erro de arredondamento, no s na adio, mas tambm nas demais
operaes.




























2 ZEROS DE FUNES

2.1 Caracterizao Matemtica
Conhecida uma funo f(x).
Determinar o valor x
*
tal que f(x
*
)=0.
Denomina-se x
*
de zero da funo f(x) ou raiz da equao f(x)=0.
Soluo analtica:
o Equaes algbricas (polinomiais) do 1
o
e 2
o
graus;
o Certos formatos de equaes algbricas do 3
o
e 4
o
graus;
o Algumas equaes transcendentais (no polinomiais).
2.2 Ilustrao Atravs de Alguns Problemas de Engenharia
2.2.1 Equilbrio de Mecanismos


Exemplo:
Mecnica Vetorial para Engenheiros Esttica
F. P. Beer & E. R. Johnston, Jr.
5
a
Edio Revisada 1994
MAKRON Books do Brasil Editora Ltda
Problema 4.60 (Pgina 254) Uma haste delgada de comprimento 2R e
peso P est presa a um cursor em B e apoiada em um cilindro de raio R.
Sabendo que o cursor pode se deslocar livremente ao longo de sua guia
vertical, determine o valor de correspondente ao equilbrio. Despreze o
atrito.
2R

B
R
Incgnita: ngulo correspondente ao equilbrio.
Equao resultante durante o desenvolvimento da
soluo:
cos
3
=sen
Reformatao do problema:
cos
3
-sen=0
Considerando f()=cos
3
-sen, a soluo da
equao corresponde ao zero da funo f().
2.2.2 Equilbrio de Corpos Rgidos com Apoio Deformvel


2.2.3 Equao de Manning


Exemplo: Prtico em L invertido com um apoio flexvel de rotao.
Incgnita: ngulo correspondente ao equilbrio.
Equao resultante durante o desenvolvimento da soluo:
(K/PL).=0,5.cos+sen
Reformatao do problema:
(K/PL).-0,5.cos-sen=0
Considerando f()=(K/PL)-0,5.cos-sen, a soluo da
equao corresponde ao zero da funo f().
L
L/2
K
P

2.2.4 Equilbrio de Corpos Flutuantes

2.3 Algoritmos de Soluo
2.3.1 Mtodo Grfico


Utilizar alguma sistemtica para o traado do grfico da funo estudada.
O intervalo inicial de observao pode ser criteriosamente definido em
funo do entendimento fsico do problema envolvido.
O zero da funo corresponde ao ponto de contato do grfico da funo
com o eixo das abscissas.
O intervalo de observao pode ser refinado at se atingir a preciso
desejada.

0 0. 1 1.
-
-
0
0.
1
0. 0.5 0. 0.6 0. 0.7 0. 0.8 0. 0.9 1
-
-
-
-
-
-
-
0
0.
0.
> ezplot(cos(x)^3-sin(x),[0 pi/2]), grid > ezplot(cos(x)^3-sin(x),[0.5 1]), grid
Exemplo: Aplicao do Princpio de Arquimedes para a determinao do
calado de embarcaes.
Incgnita: Profundidade h correspondente ao equilbrio.
Equao resultante durante o desenvolvimento da soluo:

Slido
.V
Slido
=
Lquido
.V
Lquido deslocado
(h)
Reformatao do problema:

Slido
.V
Slido
-
Lquido
.V
Lquido deslocado
(h)=0
Considerando f(h)=
Slido
.V
Slido
-
Lquido
.V
Lquido deslocado
(h),
a soluo da equao corresponde ao zero da funo f(h).
E(h): empuxo
W: peso do corpo
Lquido
Corpo
flutuante
h (calado)
2.3.2 Mtodos a Partir de um Intervalo (Bisseo e Cordas)

Pr-requisitos:
o Considere uma funo f(x) contnua dentro de um intervalo [a, b];
o Considere ainda que nos extremos do intervalo [a, b] a funo estudada
apresente sinais contrrios, ou seja, f(a)*f(b)<0.
Resultado:
o Garante-se a existncia de pelo menos um zero dessa funo dentro do
intervalo [a, b].
Idia:
o Encontrar um intervalo menor que o intervalo original e que atenda aos pr-
requisitos acima mencionados;
o Repetir o procedimento anterior at que se atinja o critrio de tolerncia de
determinao do zero da funo.
Estratgia de diminuio do intervalo:
o Nenhum cuidado especial necessrio para garantir o primeiro pr-requisito
uma vez que toda funo contnua em um intervalo, tambm ser contnua em
qualquer subintervalo menor;
o Para garantir que nesse novo intervalo a funo continue a apresentar sinais
contrrios, deve-se:
o Escolher um ponto c dentro do intervalo original [a, b];
o Redefinir o novo intervalo substituindo o extremo cujo sinal da funo o
mesmo que no ponto escolhido.












Zero
Ponto
interior
f(b)
b z
c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(a) apresenta o
mesmo sinal de f(c)
Novo intervalo: [c, b]
Zero
Ponto
interior
f(b)
b z c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(b) apresenta o
mesmo sinal de f(c)
Novo intervalo: [a, c]
Zero
Ponto
interior
f(b)
b z
c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(a) apresenta o
mesmo sinal de f(c)
Novo intervalo: [c, b]
Zero
Ponto
interior
f(b)
b z
c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(a) apresenta o
mesmo sinal de f(c)
Novo intervalo: [c, b]
Zero
Ponto
interior
f(b)
b z c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(b) apresenta o
mesmo sinal de f(c)
Novo intervalo: [a, c]
Zero
Ponto
interior
f(b)
b z c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(b) apresenta o
mesmo sinal de f(c)
Novo intervalo: [a, c]
2.3.3 Mtodo da Bisseo

















2.3.4 Mtodo das Cordas























A estimativa do zero da funo Y=f(X) feita a partir do ponto mdio do
intervalo analisado.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
2
b a
ze
+
=
Equao de recorrncia:
Zero
Zero
estimado
f(b)
b
z ze
Y
X
Y=f(X)
f(ze)
a
f(a)
A estimativa do zero da funo Y=f(X) feita a partir do ponto mdio do
intervalo analisado.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
2
b a
ze
+
=
Equao de recorrncia:
Zero
Zero
estimado
f(b)
b
z ze
Y
X
Y=f(X)
f(ze)
a
f(a)
2
b a
ze
+
=
2
b a
ze
+
=
Equao de recorrncia:
Zero
Zero
estimado
f(b)
b
z ze
Y
X
Y=f(X)
f(ze)
a
f(a)
O mtodo das cordas fundamenta-se no fato de que, geralmente, o zero da
funo vai estar localizado o mais prximo do extremo do intervalo onde a funo
apresenta o menor valor em mdulo.
A estimativa do zero da funo Y=f(X) feita a partir da reta secante que une
os pares extremos (a,f(a)) e (b,f(b)) do intervalo analisado.
O ponto em que essa reta secante intercepta o eixo das abscissas corresponde
estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
Zero
Zero
estimado
f(b)
b z
ze
Y
X
Y=f(X)
Reta
secante
Pela semelhana dos tringulos
retngulos destacados na figura:
) a ( f ) b ( f
) a ( f b ) b ( f a
ze
ze b
) b ( f
a ze
) a ( f

=

=

Equao de recorrncia:
f(ze)
a
f(a)
O mtodo das cordas fundamenta-se no fato de que, geralmente, o zero da
funo vai estar localizado o mais prximo do extremo do intervalo onde a funo
apresenta o menor valor em mdulo.
A estimativa do zero da funo Y=f(X) feita a partir da reta secante que une
os pares extremos (a,f(a)) e (b,f(b)) do intervalo analisado.
O ponto em que essa reta secante intercepta o eixo das abscissas corresponde
estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
Zero
Zero
estimado
f(b)
b z
ze
Y
X
Y=f(X)
Reta
secante
Pela semelhana dos tringulos
retngulos destacados na figura:
) a ( f ) b ( f
) a ( f b ) b ( f a
ze
ze b
) b ( f
a ze
) a ( f

=

=

Equao de recorrncia:
f(ze)
a
f(a)

2.3.5 Mtodo de Newton











































f(a)
f(ze)
Zero
Zero
estimado
( ) ) a ( f arctan =
a z ze
Ponto de
partida
Y
X
Y=f(X)
A estimativa do zero da funo Y=f(X) feita a partir da reta tangente
funo em um ponto de partida.
O ponto em que essa reta tangente intercepta o eixo das abscissas
corresponde estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o
problema, ou seja, |f(ze)|>tol, repete-se o esquema at que a mesma
seja verificada.

Reta
tangente
Para o tringulo retngulo
destacado na figura:
) a ( f
) a ( f
a ze
ze a
) a ( f
) a ( f ) tan(

=

= =
Equao de recorrncia:
f(a)
f(ze)
Zero
Zero
estimado
( ) ) a ( f arctan =
a z ze
Ponto de
partida
Y
X
Y=f(X)
A estimativa do zero da funo Y=f(X) feita a partir da reta tangente
funo em um ponto de partida.
O ponto em que essa reta tangente intercepta o eixo das abscissas
corresponde estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o
problema, ou seja, |f(ze)|>tol, repete-se o esquema at que a mesma
seja verificada.

Reta
tangente
Para o tringulo retngulo
destacado na figura:
) a ( f
) a ( f
a ze
ze a
) a ( f
) a ( f ) tan(

=

= =
Equao de recorrncia:
Zero
Zero
estimado
( ) ) a ( f arctan =
a z ze
Ponto de
partida
Y
X
Y=f(X)
A estimativa do zero da funo Y=f(X) feita a partir da reta tangente
funo em um ponto de partida.
O ponto em que essa reta tangente intercepta o eixo das abscissas
corresponde estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o
problema, ou seja, |f(ze)|>tol, repete-se o esquema at que a mesma
seja verificada.

Reta
tangente
Para o tringulo retngulo
destacado na figura:
) a ( f
) a ( f
a ze
ze a
) a ( f
) a ( f ) tan(

=

= =
Equao de recorrncia:


3 SOLUO DE SISTEMAS DE EQUAES LINEARES

3.1 Caracterizao Matemtica


onde

a
ij
so os coeficientes;
x
j
so as variveis;
b
i
so as constantes, tal que e .

3.2 Notao Matricial




onde

A a matriz dos coeficientes;
x o vetor de incgnitas;
b o vetor de constantes.

3.3 Classificao quanto soluo


3.3.1 Sistema Possvel ou Compatvel
Admite soluo.

3.3.1.1 Sistema Possvel e Determinado
Possui uma nica soluo;
O determinante de A deve ser diferente de zero;
Se b for um vetor nulo (constantes nulas), a soluo do sistema ser a soluo
trivial, ou seja, o vetor x tambm ser nulo.

3.3.1.2 Sistema Possvel e Indeterminado
Possui infinitas solues;
O determinante de A deve ser nulo;
O vetor de constantes B deve ser nulo ou mltiplo de uma coluna de A.

3.3.2 Sistema Impossvel ou Incompatvel
No possui soluo;
O determinante de A deve ser nulo;
O vetor B no pode ser nulo ou mltiplo de alguma coluna de A.

3.4 Ilustrao com Problemas de Engenharia

3.4.1 Mtodo da Rigidez





3.4.2 Circuitos Eltricos






























3.4.3 Interpolao



3.5 Classificao dos Mtodos de Soluo de Sistemas de
Equaes Lineares

3.5.1 Mtodos Diretos
So aqueles que conduzem soluo, exata a menos de erros de arredondamento
introduzidos pela mquina, aps um nmero finito de passos;



Pertencem a esta classe todos os mtodos estudados no 1 e 2 graus. No entanto,
esses mtodos no so usados em problemas prticos quando o nmero de
equaes elevado, pois apresentam problemas de desempenho;
Surge ento, a necessidade de utilizar tcnicas mais avanadas e eficientes como:
Mtodo de Eliminao de Gauss e Mtodo de Gauss-Jordan.



3.5.2 Mtodos Indiretos (Iterativos)

So aqueles que se baseiam na construo de seqncias de aproximaes. A cada
passo, os valores calculados anteriormente so utilizados para reforar a
aproximao.



O resultado obtido aproximado;
Geralmente so utilizados os seguintes critrios de parada para as iteraes:
Limitao no nmero de iteraes e Determinao de uma tolerncia para a
exatido da soluo;
Podem no convergir para a soluo exata;
Podem ser inviveis quando o sistema muito grande ou mal-condicionado;
Exemplos de Mtodos Iterativos: Mtodos de Gauss-Jacobi e de Gauss-Seidel.

3.6 Mtodos Diretos


Para sistemas lineares possveis e determinados de dimenso n x n, o vetor soluo, x,
dado por:


No entanto, calcular explicitamente a inversa de uma matriz no aconselhvel
devido quantidade de operaes envolvidas.

3.6.1 Mtodo da Eliminao de Gauss

Evita o clculo da inversa de A;
A soluo usando o Mtodo da Eliminao de Gauss consiste em duas etapas:

a) Transformao do sistema original num sistema equivalente
usando uma matriz triangular superior (Escalonamento);
b) Resoluo deste sistema equivalente.



Por questes didticas, a resoluo do sistema equivalente ser mostrada antes do
escalonamento do sistema.


3.6.1.1 Resoluo do Sistema Equivalente

Exemplo:




Tendo o sistema escalonado n x n, torna-se simples a obteno da soluo;
Calcula-se inicialmente o x
3
pela ltima equao;
Depois, utiliza-se o valor de x
3
na 2 equao para obter o valor de x
2
;
Em seguida, faz-se uso dos valores j conhecidos de x
2
e x
3
na 1 equao para
computar x
1
.


De forma geral, temos:









Algoritmo para resoluo do sistema equivalente



Para i = (n-1),...,1

Para j = (i+1),...,n


Fim
Fim

3.6.1.1 Escalonamento



Percorre-se os elementos abaixo da diagonal principal, transformando-os, atravs de
operaes elementares, em termos nulos, e garantindo que os elementos que j foram
transformados anteriormente no mais sejam modificados.





Operaes Elementares

a) Permutar duas equaes do sistema;
b) Multiplicar uma das equaes do sistema por um nmero real no nulo;
c) Somar a uma das equaes do sistema uma outra equao desse sistema
multiplicada por um nmero real;

A aplicao de operaes elementares ao sistema em questo garante que o novo
sistema ser equivalente ao original.


3.6.1.2 Escalonamento sem pivoteamento

Exemplo:



















































Algoritmo para escalonamento do sistema


Para j = 1,...,(n-1)
Para i = (j+1),...,n

Para k = 1,...,n

Fim

Fim
Fim

3.6.1.3 Escalonamento com pivoteamento

Evitar que os pivs usados no escalonamento sejam nulos.

Exemplo:



















Critrio: buscar linha com maior coeficiente em mdulo.

Trocar a segunda pela terceira linha:


Continuar escalonando ...


Observao:

O pivoteamento pode ser empregado com o objetivo de minimizar os erros de
arredondamento e truncamento quando a matriz dos coeficientes A no for
diagonalmente predominante. Antes do escalonamento de uma dada coluna, procura-se
colocar como piv o maior elemento em mdulo de todos aqueles da diagonal principal
para baixo.
Resumindo:

Escalonamento sem pivoteamento

Repetir da primeira at a penltima coluna;
Repetir para as linhas abaixo da diagonal principal;
Aplicar operao elementar com o objetivo de zerar o elemento
da linha corrente abaixo da diagonal principal;
Alterar linha da matriz dos coeficientes;
Alterar linha do vetor das constantes.


Escalonamento com pivoteamento

Repetir da primeira at a penltima coluna;
Verificar a necessidade de se fazer o pivoteamento;
Procurar uma linha adequada;
No caso de encontrar, fazer a permuta das linhas;
Verificar a necessidade de se fazer o escalonamento da coluna corrente;
Repetir para as linhas abaixo da diagonal principal;
Aplicar operao elementar com o objetivo de zerar o elemento
da linha corrente abaixo da diagonal principal;
Alterar linha da matriz dos coeficientes;
Alterar linha do vetor das constantes.

3.7 Mtodos Iterativos

Geram uma seqncia de vetores {x}
k
, a partir de uma aproximao inicial {x}
0
. Sob
certas condies essa seqncia converge para a soluo, caso ela exista.

Seja o sistema linear Ax=b, onde:

A: matriz dos coeficientes, nxn;
b: vetor de termos constantes, nx1;
x: vetor de incgnitas, nx1.

Esse sistema convertido, de alguma forma, em um sistema do tipo x = Cx + g, onde:

C uma matriz nxn;
g um vetor nx1.

Partindo de uma aproximao inicial x
0
, construmos consecutivamente os vetores:

x
1
= Cx
0
+ g

x
2
= Cx
1
+ g

x
3
= Cx
2
+ g

x
k+1
=Cx
k
+ g

Costuma-se adotar como critrio de parada para os mtodos iterativos os seguintes testes:

x
k
seja suficiente prximo de x
k-1

(ou seja, distncia entre x
k
e x
k-1
seja menor que uma dada tolerncia);
Nmero mximo de iteraes.

3.7.1 Mtodo de Gauss-Jacobi

Idia principal:

Cada coordenada do vetor correspondente nova aproximao calculada a partir da
respectiva equao do sistema, utilizando-se as demais coordenadas do vetor
aproximao da iterao anterior.

De forma genrica tem-se o sistema n x n abaixo:








onde .

Pode-se ento, isolar os termos do vetor de incgnitas x, da seguinte forma:







Desta forma, podemos montar a matriz C e o vetor g:

= +
= + +
= + + +
= + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
L
M M O M M M
L
L
L
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
(
(
(
(
(
(
(
(

=
0
0
0
2 1
22
2
22
21
11
1
11
12
L
M O M M
L
L
nn
n
nn
n
n
n
a
a
a
a
a
a
a
a
a
a
a
a
C

=
nn
n
a
b
a
b
a
b
g
M
22
2
11
1
Ento, pode-se calcular o vetor soluo para cada iterao k, como sendo:



Ou generalizando para os termos x
i
do vetor soluo de uma iterao k:






Exemplo:


Calculando a matriz C e o vetor g, obtm-se:









Pode-se ento calcular o vetor x para as iteraes:


n i para
a
x a b
x
ii
n
i j
j
k
j ij i
k
i
, , 1 ,
1
) 1 (
) (
K =

(
(
(
(
(
(

=
0
5
2
0
4
2
0
4
1
3
1
3
1
0
C

=
1
1
3
7
g
Os resultados obtidos para as iteraes esto dispostos na tabela a seguir:

Iterao
{x}
(k)

1 2.3333 1.0000 1.0000
2 1.6667 -0.0833 0.6000
3 2.1611 0.2833 1.0333
4 1.8944 -0.0569 0.8867
5 2.0568 0.0831 1.0228
6 1.9647 -0.0256 0.9668
7 2.0196 0.0254 1.0102
8 1.9881 -0.0100 0.9898
... ...
Soluo exata 2.0000 0.0000 1.0000

Observa-se que quanto mais iteraes forem realizadas, mais prximo estar o vetor x da
soluo exata do sistema linear.

Algoritmo

Enquanto
dist > tolerncia
nite < nmero mximo de iteraes.
ento:
nite = nite + 1
Para i = 1,...,n
s = b
i

Para j = 1,...,n
Se i for diferente de j
s = s a
ij
* x0
j

Fim
Fim
x
i
= s/a
ii

Fim
dist = norma(x-x0)
x0=x
Fim







3.7.2 Mtodo de Gauss-Seidel

Idia principal:

Cada coordenada do vetor correspondente nova aproximao calculada a partir da
respectiva equao do sistema, utilizando-se as coordenadas do vetor aproximao da
iterao anterior, quando essas ainda no foram calculadas na iterao corrente, e as
coordenadas do vetor aproximao da iterao corrente, no caso contrrio.

De forma genrica tem-se o sistema n x n abaixo:







onde .

Isolando x, atravs da separao pela diagonal, conforme foi feito no mtodo anterior:


Numa dada iterao (k), ao calcular-se x
1
, ainda no se tem posse dos demais valores do
vetor soluo do sistema (x
2
, x
3
, .., x
n
). Por esse motivo, utiliza-se valores do vetor
soluo da iterao (k-1). J para os outros elementos de x
(k)
, pode-se fazer uso de valores
j calculados na iterao corrente, por exemplo, ao calcular-se x
2
j se conhece
previamente o valor de x
1
, e ao calcular-se x
3
, j se conhece os valores de x
1
e x
2
.

Este fato constitui a principal diferena entre os mtodos de Gauss-Jacobi e Gauss-Seidel.

Generalizando, para uma iterao (k) qualquer, um elemento i do vetor do vetor soluo
pode ser representado da seguinte forma:

= +
= + +
= + + +
= + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
L
M M O M M M
L
L
L
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
n i para
a
x a x a b
x
ii
n
i j
k
j ij
i
j
k
j ij i
k
i
, , 1 ,
1
) 1 (
1
1
) (
) (
K =

=

+ =

=
Exemplo:


Estimativas para a primeira iterao:









Os resultados obtidos para as iteraes esto dispostos na tabela a seguir.

Note que para o mesmo sistema linear e para um mesmo chute inicial, o mtodo de
Gauss-Seidel tende a convergir para a resposta exata do sistema numa quantidade menor
de iteraes que o mtodo de Gauss-Jacobi. Isto ocorre porque como vimos, o mtodo de
Gauss-Seidel faz uso de elementos do prprio vetor soluo da iterao corrente para
atualizar sua estimativa.

Iterao
{x}
(k)

1 2.3333 0.4167 0.8333
2 1.9167 0.1042 0.9583
3 1.9792 0.0260 0.9896
4 1.9948 0.0065 0.9974
5 1.9987 0.0016 0.9993
6 1.9997 0.0004 0.9998
7 1.9999 0.0001 1.0000
... ...
Soluo exata 2.0000 0.0000 1.0000

Observa-se tambm que quanto mais iteraes forem realizadas, mais prximo estar o
vetor x da soluo exata do sistema linear em questo.




( )
( )
( )

= =
= =
= =
6
5
2 0 5
5
1
12
5
2 1 4
4
1
3
7
1 1 7
3
1
1
2
1
1
) 1 (
3
0
3
1
1
) 1 (
2
0
3
0
2
) 1 (
1
x x x
x x x
x x x
Algoritmo

Enquanto
dist > tolerncia
nite < nmero mximo de iteraes.
ento:
nite = nite + 1
Para i = 1,...,n
s
0
= b
i

s
1
= 0;

Para j = 1,...,(i-1)
s
0
= s
0
a
ij
*x
j

Fim
Para j = (i+1),...,n
s
1
= s
1
a
ij
*x0
j

Fim
x
i
= (s
0
+s
1
)/a
ii

Fim
dist = norma(x-x0)
x0=x
Fim

3.7.3 Condio de suficincia para a convergncia
dos mtodos iterativos

Ao se utilizar um mtodo iterativo para solucionar um sistema de equaes lineares deve
tomar cuidado pois, dependendo do sistema em questo, e da estimativa inicial escolhida,
o mtodo pode no convergir para a soluo do sistema.

Existem, porm, alguns critrios para verificar a convergncia de um mtodo iterativo.
Basta atender a pelo menos um deles para que a convergncia ocorra independentemente
da aproximao inicial escolhida.

Nesses critrios so calculados valores
s
, onde . A condio de convergncia
que o valor mximo de todos os
s
deve ser inferior a 1.

3.7.3.1 Critrio das linhas
Os valores de
s
so calculados conforme a equao abaixo:





ss
n
s j
j
sj
s
a
a
|
|
|
.
|

\
|
=

=1

3.7.3.2 Critrio das colunas

Os valores de
s
so calculados conforme a equao abaixo:






3.7.3.3 Critrio de Sassenfeld
Onde o valor de
1
calculado da mesma forma que o
1
do critrio das linhas:




E os demais
s
so calculados utilizando os valores j calculados de
s
:





Exemplo:

Utilizando o critrio das linhas, verificar se o sistema com matriz dos coeficientes A
abaixo garante condio de convergncia para os mtodos iterativos.








Verifica-se ento que independentemente do chute inicial para o vetor soluo x
0
, ao
utilizar um mtodo iterativo para resolver um sistema linear com matriz dos coeficientes
igual a apresentada acima, ir se convergir para a soluo exata do sistema.
ss
n
s j
j
js
s
a
a
|
|
|
.
|

\
|
=

=1

11
1 12
1
a
a a
n
+ +
=
K

ss
n ss s ss s
s
a
a a a a
1 1 1 1 1 1
+ + + +
=
+
K K

(
(
(

=
10 3 2
1 5 1
1 2 10
A
4 INTERPOLAO

Interpolar uma funo f(x) consiste em aproximar essa funo por uma outra funo p(x)
que satisfaa algumas propriedades. Em geral, a interpolao de funes usada nas
seguintes situaes:

So conhecidos valores numricos da funo f(x) em alguns pontos discretos de x
e deseja-se obter valores de f(x) em pontos desconhecidos, mas dentro do limite
avaliado;
Quando uma determinada funo f(x) possui os operadores de diferenciao e
integrao muito complexos;
Na soluo numrica de equaes diferenciais usando o mtodo das diferenas
finitas e o mtodo dos elementos finitos.

Considere n pontos distintos (x1,f(x1)), (x2,f(x2)), ..., (xn,f(xn)).

O objetivo encontrar uma funo interpolante p(x), tal que:








As principais tcnicas de interpolao utilizadas atualmente so baseadas em polinmios
(ou seja, p(x) uma funo polinomial).

O grfico abaixo representa uma funo interpoladora para os pontos (1,1), (2,3), (3,5) e
(4,3). Note que a curva intercepta todos os pontos fornecidos.















4.1 Mtodos Numricos para Interpolao

Dados n pontos distintos (x1,f(x1)), (x2,f(x2)), ..., (xn,f(xn)), deseja-se aproximar f(x) por
um polinmio p(x) de grau menor ou igual a (n-1).

Suponha que voc tenha dois pontos distintos (n=2), ento, o melhor polinmio que
interpola esses dois pontos ser uma reta, ou seja, um polinmio de grau 1. Da mesma
forma, dados 3 pontos distintos, o melhor polinmio ser uma parbola. Caso voc
fornea, por exemplo, 3 pontos (n=3) que pertenam a uma reta, o polinmio interpolador
ainda sim ser ter grau 1, ou seja, grau menor que (n-1).
4.1.1 Mtodo de Vandermonde

Considerando a condio bsica para a interpolao:



e o fato de que o polinmio interpolador ter, no mximo, grau (n-1), temos que o
polinmio interpolador assumir a seguinte forma:



Ento, obter o polinmio p(x), significa encontrar os coeficientes de forma que
p(xk) = f(xk), para k=1,...,n.

Desse modo:



Obtm um sistema de equaes lineares, com n equaes e n incgnitas.

Escrevendo o sistema acima na notao matricial, tem-se:




A matriz A a chamada matriz de Vandermonde e desde que os valores de x1, x2, ..., xn
sejam distintos, o determinante de A diferente de zero, e ento, o sistema apresenta
soluo nica. Ento, para encontrar o polinmio interpolador de uma srie de n pontos
distintos conhecidos, basta encontrar a soluo do sistema linear acima, assunto tratado
no captulo anterior.


Exemplo:

Encontrar o polinmio de grau 2 que interpola os pontos da tabela abaixo:

x f(x)
-1 4
0 1
2 -1

Soluo:








Resolvendo o sistema:



** Obs: A matriz dos coeficientes A (Matriz de Vandermonde) pode estar mal
condicionada, neste caso, tal mtodo no recomendado.

Algoritmo:

Para i = 1,...,n
Para j = 1,...,n
Aij = xi^(j-1)
Fim
Fim
a = A
-1
. {y}
4.1.2 Mtodo de Lagrange

Seja p(x) um polinmio com grau (n-1) que interpola f em x1, x2, ..., xn.
Ento, podemos representar p(x) na forma:


ou


A equao mostrada acima o chamado Polinmio de Lagrange, onde



Vamos tomar como exemplo um polinmio quadrtico (n=3), ento:






E desse modo:






Exemplo:

Encontre o polinmio de grau 2 que interpole o seguinte conjunto de pontos

x f(x)
-1 4
0 1
2 -1

Soluo:

Polinmio adotado de grau 2, ento n=3, logo:









Ento, o polinmio interpolador de Lagrange :









Algoritmo:


p = 0
Para i = 1,...,n
s = 1
Para k = 1,...,n
Se k for diferente de i
s = s * (x-xk)/(xi-xk)
Fim
Fim
p = p + f(xi)*s
Fim




4.1.3 Mtodo de Newton

A frmula de Newton dada por:




onde d
k
so os operadores diferenas divididas entre os pontos (x1,f(x1)),...,(xn,f(xn)).

Esses operadores so dados por:











Desse modo:









Exemplo:

Encontrar o polinmio de grau 2 que interpole o seguinte conjunto de pontos:


x f(x)
-1 4
0 1
2 -1


Soluo:

Grau do polinmio = 2, logo n=3
Polinmio adotado:



Calculando os operadores diferenas dividas:









Ento, tem-se o Polinmio de Newton:





Algoritmo:

D = matriz nula nxn
1 coluna de D = {y}
Para j = 2,...,n
Para i = j,...,n
di,j = (di,j-1 di-1,j-1)/(xi xi-j+1)
Fim
Fim
p=0
Para i = 1,...,n
s = 1
Para j = 1,...,(i-1)
s = s * (x-xj)
Fim
p = p + s*di,i
Fim
** Obs: Note que para cada mtodo numrico de interpolao apresentado utilizou-se o
mesmo exemplo e como resposta para todos os casos foi obtido o mesmo polinmio
interpolador.


5 AJUSTE

Dado um conjunto de pontos, no ajuste ou aproximao tenta-se encontrar uma funo
p(x) que melhor aproxime esses pontos. Aqui, no existe a necessidade da funo passar
pelos pontos conhecidos.

Em geral, usa-se aproximao de funes nas seguintes situaes:

Quando se desejar extrapolar ou fazer previses em regies fora do intervalo
considerado;
Quando os dados tabelados so resultados de experimentos, onde erros na
obteno destes resultados podem influenciar a sua qualidade.

Considere uma tabela de m pontos (x1, f(x1)), (x2, f(x2)), ..., (xm, f(xn)) com x1, x2, ...,
xm pertencentes a um intervalo [a,b]. Deseja-se encontrar uma funo q(x) = a1g1(x) +
a2g2(x) + ... + angn(x) que melhor ajuste esses pontos. Ou seja, determinar a funo q(x)
que mais se aproxime de f(x).

Diz-se que este um modelo matemtico linear porque os coeficientes a determinar
aparecem linearmente, embora as funes g1(x), g2(x), ..., gn(x) possam ser funes no
lineares de x como, por exemplo, g1(x) = ex, g2(x) = 1+x2, etc.

Problema: Como escolher as funes g1(x), g2(x), ..., gn(x)?

A escolha das funes pode ser feita observando o grfico dos pontos tabelados ou
baseando-se em fundamentos tericos dos experimentos que forneceu a tabela.



Exemplo:

Experincia onde foram medidos valores de corrente eltrica que passa por uma
resistncia submetida a vrias tenses.



5.1 Mtodo dos Mnimos Quadrados

O Mtodo dos Mnimos Quadrados um mtodo bastante utilizado para ajustar uma
determinada quantidade de pontos. Sua deduo ser mostrada a seguir.

Considere dados m pontos (x1, f(x1)), (x2, f(x2)), ..., (xm, f(xm)) e as n funes g1(x),
g2(x), ..., gn(x) escolhidas de alguma forma. Considere que o nmero de pontos tabelados
m sempre maior ou igual ao nmero de funes escolhidas n (ou ao nmero de
coeficientes a determinar ai).

O objetivo encontrar os coeficientes a1, a2, ..., an tais que a funo q(x) = a1g1(x) +
a2g2(x) + ... + angn(x) se aproxime ao mximo de f(x). Seja dk = f(xk) q(xk) o desvio
em xk. Um conceito de proximidade que dk seja mnimo para todo k = 1, 2, ..., m.

O Mtodo dos Mnimos Quadrados consiste em escolher os ais de tal forma que a soma
dos quadrados dos desvios seja mnima.



Usando clculo diferencial, sabe-se que para encontrar um ponto de mnimo de F(a1, a2,
..., an), necessrio achar inicialmente os pontos crticos (ou seja, todos os ais).


5.1.1 Ajuste Linear

Considere a funo de ajuste dada por:



onde a
1
e a
2
so os coeficientes a serem determinados pelo mtodo dos mnimos
quadrados.








A condio de minimizao satisfeita se:


















Com isso, obtm um sistema de equaes lineares:



Tambm podendo ser representado na forma matricial:



Exemplo:

Encontrar a melhor reta que ajusta os valores da tabela abaixo:

x 0,00 0,25 0,5 0,75 1,00
f(x) 1,0000 1,2840 1,6487 2,1170 2,7183













Logo, a funo de ajuste dada por:



e seu grfico mostrado abaixo.


5.1.2 Ajuste Polinomial

O processo usado acima para clculo da funo para ajuste linear pode ser estendido para
ajuste polinomial. Assim, uma funo polinomial de grau (n-1) dada por:



onde os coeficientes a
i
podem ser obtidos atravs da expanso do sistema utilizado no
ajuste linear atravs do clculo de

agora para i = 1,...,n.

Essa expanso ir resultar no seguinte sistema de equaes (n equaes, n incgnitas):



ou em notao matricial:




Note que a matriz A simtrica, ou seja, A = A
T
.


Exemplo:


Encontrar a melhor parbola que ajusta os valores da tabela abaixo:

x 0,00 0,25 0,5 0,75 1,00
f(x) 1,0000 1,2840 1,6487 2,1170 2,7183


Polinmio adotado: (n=3)



Calculando os termos da matriz A e do vetor b:
















Montando o sistema linear, encontra-se o seguinte sistema matricial:





Resolvendo o sistema acima, encontra-se a seguinte soluo para o problema:




Ou seja, a parbola que melhor ajusta os pontos fornecidos tem equao:





5.1.3 Linearizao

Algumas funes de duas constantes podem ser linearizadas antes da aplicao do
mtodo dos mnimos quadrados, com o objetivo de obter o sistema de equaes visto
anteriormente. O procedimento varia de acordo com o tipo de funo:

5.1.3.1 Funo Exponencial



Aplicando logaritmo em ambos os lados, tem-se:



Ento, se fizermos:

Encontra-se a seguinte expresso:



que nada mais seno uma reta. Da o nome linearizao.


5.1.3.2 Funo Logartmica



A funo pode ser expandida para:



Logo, se fizermos:



encontramos a linearizao:




5.1.3.3 Funo Potencial



Aplicando logaritmo em ambos os lados:



Com as seguintes hipteses:



encontra-se a expresso:







5.1.3.4 Funo Hiperblica



Fazendo:



Tem-se tambm:





Exemplo:

Encontrar a melhor funo que ajusta os valores da tabela abaixo:

x -1 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0
y 36,547 17,264 8,155 3,852 1,82 0,86 0,406 0,246

Sugesto: Utilizar uma funo exponencial.


Soluo:

Como vamos ajustar os pontos por uma funo exponencial precisamos fazer a seguinte
adaptao:



Ou seja, a coordenada y de cada ponto dever ser substituda por seu logaritmo, logo:

y' 3,5986 2,8486 2,0986 1,3486 0,5988 -0,1508 -0,9014 -1,4024

Ento faz-se um ajuste linear dos pontos de abscissa x e ordenada y, obtendo-se os
seguintes valores para os coeficientes da reta:



Para adaptar esses valores, coeficientes da reta, para a funo exponencial, ainda basta
fazer as seguintes adaptaes:


Logo,



E ento, calcula-se os valores de a e b:





Ento, a funo exponencial que melhor ajusta os pontos fornecidos no exemplo :




5.1.4 Qualidade do Ajuste

Uma forma de avaliar a qualidade do ajuste atravs do coeficiente de correlao de
Pearson r. Este coeficiente pode ser calculado pela seguinte expresso:



onde,



Este coeficiente, assume apenas valores entre -1 e 1.
r= 1, significa uma correlao perfeita positiva entre as duas variveis;
r= -1, significa uma correlao negativa perfeita entre as duas variveis, isto , se
uma aumenta, a outra sempre diminui;
r= 0, significa que as duas variveis no dependem linearmente uma da outra. No
entanto, pode existir uma outra dependncia que seja "no linear". Assim, o
resultado r=0 deve ser investigado por outros meios.




Algoritmo

Verifica tipo_de_ajuste;
Caso tipo_de_ajuste seja Exponencial
Para i = 1,...,m
yi = ln Yi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = e
s1

b = s2
Caso tipo_de_ajuste seja Logartmico
Para i = 1,...,m
xi = ln xi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = s2
b = e
s1
/ a
Caso tipo_de_ajuste seja Potencial
Para i = 1,...,m
yi = ln yi
xi = ln xi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = e
s1
b= s2
Caso tipo_de_ajuste seja Hiperblico
Para i = 1,...,m
xi = 1/xi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = s1
b = s2
Caso tipo_de_ajuste seja Polinomial (polinmio de grau n-1)
Para i = 1,...,n
Para j = i,...,n
Aij = 0
Para k = 1,...,m
Aij = Aij + xk^(i+j-2)
Fim
Aji = Aij
Fim
bi = 0
Para k = 1,...,m
bi = bi + yk*xk^(i-1)
Fim
Fim
s = (A^-1) . b
Fim
6 SISTEMA DE EQUAES NO LINEARES

Dada uma funo no linear



o objetivo encontrar as solues para



ou seja,



Por exemplo:





Este sistema no linear admite quatro solues, representadas pelos pontos onde as
curvas se interceptam.


6.1 Notao Utilizada




Cada funo f
i
(X) uma funo no linear em em X e portanto F(X) tambm uma
funo no linear em X.

Para sistemas lineares, tnhamos:



6.2 Consideraes

F(X) tem derivadas contnuas no domnio;
Existe pelo menos um ponto X
*
D, tal que F(X
*
) = 0.


O vetor das derivadas parciais da funo f
i
(X) denominado vetor gradiente de f
i
(X) e
denotado por:



A matriz das derivadas parciais de F(X) chamada matriz Jacobiana J(X):



Exemplo:
Determinar a matriz Jacobiana do sistema no linear abaixo:







6.3 Caractersticas dos Mtodos para Resoluo
dos Sistemas de Equaes no Lineares


Iteratividade

A partir de um ponto inicial , geram sequncias . Na situao de
convergncia, uma das solues do sistema quando:


Existncia de critrios de convergncia

Verificar se F( ) tem mdulo pequeno. Ou seja:



Verificar se est prximo de zero. Ou seja:



Limitar o nmero de iteraes K por um nmero mximo de iteraes.


6.4 Mtodos Numricos

Veremos aqui basicamente trs tipos de mtodos numricos para a resoluo de sistemas
de equaes no lineares. Os mtodos sero descritos e caracterizados a seguir.


6.4.1 Mtodo de Newton-Raphson

Este o mtodo mais amplamente utilizado para resolver sistemas de equaes lineares.
O mtodo combina duas idias bsicas comuns nas aproximaes numricas:


Linearizao

Procura-se substituir, numa certa vizinhana, um problema complicado
por sua aproximao linear. Essa aproximao pode ser obtida, por
exemplo, tomando-se os primeiros termos de uma expanso usando Srie
de Taylor.


Iterao

Devido repetio do procedimento, at que se garanta a convergncia
para a soluo do sistema ou o fim desejado.





6.4.1.1 Caso Escalar

Para ilustrar mais facilmente o uso do mtodo de Newton para a soluo de sistemas de
equaes no lineares, considere um sistema com uma incgnita e uma nica equao:



Expandindo essa equao usando srie de Taylor prximo a um ponto inicial (x1,f(x1)) e
tomando-se apenas os primeiros termos desta expanso (linearizao), tem-se:



onde a primeira derivada de f em x1.

Igualando a equao anterior a zero e desenvolvendo-a, tem-se:





Pensando no processo iterativo:


Graficamente, temos:









Tomando a tangente curva em x1, tem-se que:




E para uma iterao k qualquer:


6.4.1.2 Caso Vetorial

Considere agora o sistema mostrado inicialmente.




Usando o mesmo raciocnio do caso escalar, tem-se que:



onde o ndice superior 1 no vetor X indica a iterao:



Rearranjando o sistema, colocando-o na forma matricial, tem-se:






Reescrevendo,



Multiplicando a equao acima pelo inverso da matriz Jacobiana, tem-se:





Generalizando para uma iterao k qualquer, temos:



Porm, como o processo de inverso muito caro computacionalmente, opta-se por
resolver o sistema de equaes lineares abaixo para obter a sua soluo.




Exemplo:

Aplicar o mtodo de Newton resoluo do sistema no linear F(X) = 0, onde:



considerando tolerncia , nmero mximo de iteraes k(max) = 2 e
chute inicial .


Soluo:

Para k = 1 (Primeira iterao)







Para k = 2 (Segunda iterao)








Soluo exata:
Algoritmo:

Enquanto (||F( ||< ) e (k<k(max))

k = k + 1
Calcular e
Dx =
X
K+1
=

Fim


6.4.2 Mtodos Quasi-Newton


O mtodo de Newton apresenta trs caractersticas importantes que influenciam na
velocidade de convergncia:

Escolha do ponto inicial (chute inicial);
Clculo do Jacobiano (derivadas);
Soluo do Sistema Linear.

Vrios mtodos encontrados na literatura apresentam alternativas para o clculo do
Jacobiano, tornando-os teis para a soluo dos sistemas de equaes no lineares. Esses
mtodos so conhecidos como Mtodos Quasi-Newton.

Entre esses mtodos esto o Mtodo de Newton-Raphson modificado e o Mtodo da
Secante, que sero descritos a seguir.


6.4.2.1 Mtodo de Newton-Raphson Modificado

Este mtodo consiste em tomar, em cada iterao k, a mesma matriz Jacobiana
computada no passo inicial. Desse modo,





Apesar da reduo do custo computacional, este mtodo pode ser mais sensvel
convergncia, ou seja, o nmero de iteraes necessrias geralmente maior que quando
se usa o mtodo de Newton-Raphson.


Exemplo:


Aplicar o mtodo de Newton Modificado resoluo do sistema no linear F(X) = 0,
onde:



considerando tolerncia , nmero mximo de iteraes k(max) = 2 e
chute inicial .




Para k = 1 (Primeira iterao)







Para k = 2 (Segunda iterao)








6.4.2.2 Mtodo Secante

Este mtodo consiste em calcular as derivadas da matriz Jacobiana de forma aproximada:





Para o caso escalar, tem-se graficamente:













Por semelhana de tringulos:




Estendendo para uma iterao qualquer k:





ou ainda, utilizando expanso por srie de Taylor:



Note que a equao acima bastante semelhante a de Newton Raphson:



se fizermos a aproximao da secante para a matriz Jacobiana.

6.4.3 Outros Mtodos

Outros mtodos bastante conhecidos para soluo numrica de sistemas de equaes no
lineares so: BFGS, DFT, Gradiente Conjudado, Mximo Declive e Flecher-Rivers.