Escolar Documentos
Profissional Documentos
Cultura Documentos
APCN
APCN
%@A0
&8 )42 0 '$
9(& 7 6(12 531) (& %#
i=1
0
ll
0
10
10
20
20
30
40
30
50
40
8
50
7
6
5
4
3
2
1
0
"!
PARA ELIANE...
Sumrio
a
1 Sistemas Lineares
1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . .
ca
1.1.1 Soluo de um sistema n n . . . . . . . . . .
ca
1.2 Mtodos Diretos . . . . . . . . . . . . . . . . . . . . .
e
1.2.1 Mtodo de Gauss . . . . . . . . . . . . . . . . .
e
1.2.2 Decomposio LU . . . . . . . . . . . . . . . .
ca
1.3 Mtodos Iterativos . . . . . . . . . . . . . . . . . . . .
e
1.3.1 Mtodo Iterativo de Jacobi . . . . . . . . . . .
e
1.3.2 Critrio de Parada . . . . . . . . . . . . . . . .
e
1.3.3 Mtodo Iterativo de Gauss-Seidel . . . . . . . .
e
1.3.4 Mtodo do Renamento Iterativo . . . . . . . .
e
1.3.5 Nmero Condicional . . . . . . . . . . . . . . .
u
1.3.6 Convergncia do M. Iterativo de Jacobi e Gausse
Seidel . . . . . . . . . . . . . . . . . . . . . . .
1.4 Sistemas Lineares Complexos . . . . . . . . . . . . . .
1.5 Exerc
cios . . . . . . . . . . . . . . . . . . . . . . . . .
19
20
21
2 Zeros de funo
ca
2.1 Introduo . . . . . . . . . . . . . . . . . . .
ca
2.2 Mtodo de Localizao de Zeros . . . . . . .
e
ca
2.3 Mtodo do Meio Intervalo - MMI . . . . . .
e
2.4 Mtodo da Secante . . . . . . . . . . . . . .
e
2.4.1 Convergncia no Mtodo da Secante
e
e
2.5 Mtodo de Newton . . . . . . . . . . . . . .
e
2.5.1 Convergncia no Mtodo de Newton
e
e
2.6 Mtodo da Iterao Linear . . . . . . . . . .
e
ca
25
25
27
29
31
33
33
35
36
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
3
4
4
8
11
11
14
15
17
17
2.7
2.8
2.9
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
41
41
41
41
41
42
43
50
51
3 Interpolao
ca
3.1 Introduo . . . . . . . . . . . . . . . . . . . .
ca
3.2 Interpolao de Lagrange . . . . . . . . . . .
ca
3.3 Interpolao com Diferenas Divididas Finitas
ca
c
3.3.1 Propriedades de uma DDF . . . . . .
3.3.2 Obteno da Frmula . . . . . . . . .
ca
o
3.4 Erro de Truncamento . . . . . . . . . . . . . .
3.5 Mtodo de Briot-Runi . . . . . . . . . . . .
e
3.6 Consideraes Finais . . . . . . . . . . . . . .
co
3.7 Exerc
cios . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
. . . .
. . . .
DDF .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
53
53
54
57
57
58
59
62
64
65
4 Integrao Numrica
ca
e
4.1 Introduo . . . . . . . . . . .
ca
4.2 Regra dos Trapzios . . . . .
e
4.2.1 Erro de Truncamento
4.3 1a Regra de Simpson . . . . .
4.4 Quadratura Gaussiana . . . .
4.5 Exerc
cios . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
69
70
71
73
76
80
. . . . . . . .
. . . . . . . .
Seo Aurea
ca
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
83
86
87
88
89
90
92
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5 M
nimos e Mximos
a
5.1 Introduo . . . . . . . . . . . . . .
ca
5.2 Mtodo da Seo Aurea . . . . . .
e
ca
5.2.1 Convergncia no Mtodo da
e
e
5.3 Superf
cies em R3 . . . . . . . . . .
5.4 Mtodo do Gradiente . . . . . . . .
e
5.5 Bacias de atrao . . . . . . . . . .
ca
5.6 Mtodo de direes aleatrias . . .
e
co
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5.7
Exerc
cios . . . . . . . . . . . . . . . . . . . . . . . . . 93
6 Introduo ao Matlab
ca
6.1 Introduo . . . . . . . . . . . .
ca
6.2 Comandos . . . . . . . . . . . .
6.2.1 Comando de leitura . .
6.2.2 Comando de impresso
a
6.2.3 Comando de atribuio
ca
6.2.4 Estrutura de deciso . .
a
6.2.5 Estruturas de repetio
ca
6.3 Itens Bsicos do Matlab . . . .
a
6.3.1 Operadores relacionais .
6.3.2 Conectivos lgicos . . .
o
6.3.3 Funes Pr-denidas .
co
e
6.3.4 Script . . . . . . . . . .
6.4 Vetores e Matrizes . . . . . . .
6.5 Funes em Matlab . . . . . . .
co
6.6 Grcos Bidimensionais . . . .
a
6.7 Grcos Tridimensionais . . . .
a
6.8 Exerc
cios . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
95
95
97
97
97
98
99
100
103
103
104
104
105
108
111
113
115
116
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
119
130
136
138
139
145
Bibliograa
.
.
.
.
.
.
.
.
.
.
.
.
149
Lista de Figuras
1.1
1.2
1.3
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
3.1
Erro de truncamento . . . . . . . . . . . . . . . . . . . 63
4.1
4.2
4.3
4.4
Area do trapzio . . . . . . . . . . . . . .
e
Clculo da rea por trapzios . . . . . . .
a
a
e
Clculo da rea pela 1a regra de Simpson
a
a
Clculo da rea por trapzios . . . . . . .
a
a
e
5.1
5.2
M
nimos local e global . . . . . . . . . . . . . . . . . . 84
Parabolide . . . . . . . . . . . . . . . . . . . . . . . . 88
o
V
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
26
26
27
28
29
30
32
34
37
37
43
46
47
49
71
72
74
75
5.3
5.4
6.1
6.2
6.3
Prefcio
a
Este livro de clculo numrico foi escrito com base nas notas
a
e
de aula, ministradas na Universidade Federal do Esp
rito Santo e
na Universidade Estadual do Sudoeste da Bahia. A importncia do
a
clculo numrico para os estudantes de engenharia, f
a
e
sica e matemtica
a
se faz na conexo dos mtodos numricos matemticos com a coma
e
e
a
putao, cada vez mais presente no dia-dia acadmico. Os mtodos
ca
e
e
numricos so velhos conhecidos dos matemticos. Mesmo antes de
e
a
a
Cristo j se conhecia alguns mtodos numricos. Com o advento do
a
e
e
computador esses mtodos puderam ser implementados e assim uma
e
quantidade de problemas puderam ser resolvidos. O que antes se
conhecia apenas como existncia e unicidade, agora pode ser detere
minado por aproximaes to precisas quanto se queira.
co
a
Tentei escrever um livro para ser usado em um semestre letivo
nos cursos de graduao, por isso, no que tange o contedo de
ca
u
cada cap
tulo, ha uma preocupao em expor os principais mtodos
ca
e
numricos, claro que alguns caram de fora. O leitor interessado
e
pode procurar na bibliograa para aprofundar mais. Temos como objetivo que o estudante tenha uma viso profunda em alguns temas e
a
outros uma viso geral, montando assim seu conhecimento e metodoloa
gia de estudo em relao aos mtodos numricos.
ca
e
e
Em cada cap
tulo, existe uma preocupao em expor assuntos atca
uais e de importncia prtica. Muitas demonstraes no so feitas
a
a
co
a a
devido a complexidade e o fato de fugirem do tema principal, mas
podem ser obtidas nas referncias. Dedicamos um cap
e
tulo, a introduo do software Matlab, que ser suciente para implementar
ca
a
os mtodos apresentados aqui. Claro que os mtodos tambm poe
e
e
dem ser implementados em uma outra linguagem. Um comentrio
a
importante: grande parte dos mtodos numricos apresentados aqui
e
e
j esto implementados no Matlab em forma de funes pr-denidas.
a a
co
e
Mesmo assim, de suma importncia o estudo desses mtodos, uma
e
a
e
vez que os problemas prticos exigem certas mudanas.
a
c
Dei especial ateno ao cap
ca
tulo de zeros de funes, apresenco
tando mtodos numricos e anal
e
e
ticos para encontrar zeros de uma
funo. Uma seo dedicada exclusivamente aos zeros de um polinmio,
ca
ca
o
Cap
tulo 1
Sistemas Lineares
1.1
Introduo
ca
Neste cap
tulo vamos desenvolver tcnicas e mtodos numricos para
e
e
e
resolver sistemas lineares nn. Esses sistemas aparecem com freqncia
ue
em problemas da engenharia, f
sica, qu
mica, etc... Com o advento
do computador tais mtodos ganharam mais ateno, cando assim
e
ca
evidente a importncia de um estudo mais aprofundado. Lembramos
a
o leitor que alguns tpicos bsicos de lgebra linear so necessrios.
o
a
a
a
a
Por isso, aconselhamos o uso de algum livro sobre o assunto para
acompanhamento.
Um sistema de equaes lineares com m equaes e n incgnitas
co
co
o
dado na forma:
e
= b1
a11 x1 + a12 x2 + + a1n xn
CAP
ITULO 1. SISTEMAS LINEARES
a11
a21
.
.
.
a12
a22
.
.
.
am1 am2
..
.
a1n
a2n
.
.
.
amn
x1
x2
.
.
.
xn
b1
b2
.
.
.
bm
.
.
.
.
..
.
.
.
.
.
.
.
.
.
am1 am2
amn bm
2 1
1 4
, B=
3
5
, X=
x1
x2
2 1 3
1 4 5
1.1. INTRODUCAO
1
x
0
-7
-6
-5
-4
-3
-2
-1
-1
-2
-3
-4
1.1.1
Soluo de um sistema n n
ca
=0
CAP
ITULO 1. SISTEMAS LINEARES
y
4
1
x
0
-7
-6
-5
-4
-3
-2
-1
-1
-2
-3
-4
1.2
Mtodos Diretos
e
1.2.1
Mtodo de Gauss
e
1.2. METODOS DIRETOS
iii. Substituir uma linha por sua soma com um mltiplo escalar de
u
outra linha. k = 0, Li Li + kLj .
Denio 1.1. Dizemos que as matrizes Amn e Bmn so linha
ca
a
equivalentes, se Bmn pode ser obtida atravs de operaes elementares
e
co
em Amn .
Na denio acima podemos usar a notao A B.
ca
ca
Exemplo 1.2.1. A matriz A =
0 2 2
1 2 3
linha equivalente a B =
e
1 1 2
.
0 1 1
Aplicando operaes elementares em A temos:
co
0 2 2
1 2 3
L1 L2
1 2 3
0 2 2
1
L2 2 L2
1 2 3
0 1 1
L1 L1 +(1)L2
1 1 2
0 1 1
B
Teorema 1.1. Dois sistemas que possuem matrizes ampliadas equivalentes so equivalentes, ou seja, tem mesma soluo.
a
ca
A demonstrao desse teorema pode ser encontrada em [2].
ca
Exemplo 1.2.2. O sistema
2x1 + x2 = 3
x1 + x2 = 2
so equivalentes.
a
Basta observar que:
2 1 3
1 1 2
L1 2L1
4 2 6
1 1 2
L2 1 L2
2
4
1
2
4x1 + 2x2 = 6
1
1
2 x1 + 2 x2 = 1
2 6
1
2 1
CAP
ITULO 1. SISTEMAS LINEARES
a12
a22
0
.
.
.
a11
0
0
.
.
.
a13 a1n
a23 a2n
a33 a3n
.
.
..
.
.
.
.
.
0
amn
b1
b2
b3
.
.
.
(1.1)
bm
1 1 2
2 1 3
L2 L2 +(2)L1
1 1
2
0 1 1
x1 + x2 = 2
, que
x2 = 1
facilmente resolvido por substituio retroativa, ou seja, encone
ca
tramos x2 na segunda equaao e substitu
c
mos na primeira equao,
ca
encontrando x1 .
Portanto este sistema equivalente a
e
1.2. METODOS DIRETOS
m21 =
a21
a31
e m31 =
pivo
pivo
2o passo
Operamos na matriz ampliada A:
L2 L2 + m21 L1
L3 L3 + m31 L1
3o passo
O elemento pivo passe a ser a22 e calculamos:
m32 =
a32
pivo
4o passo
L3 L3 + m32 L2
Veja que o elemento pivo toma sempre os elementos na diagonal
da matriz dos coecientes.
O caso n n anlogo ao dado acima. Observamos que nesse
e a
algoritmo matemtico, o elemento pivo deve ser diferente de zero,
a
em outras palavras, todos os elementos na diagonal da matriz dos
coecientes deve ser diferente de zero. Mas nem tudo est perdido!
a
Caso algum elemento akk seja igual a zero, deve-se usar a operao
ca
elementar de troca de linha, ou seja, troca-se a linha k por uma linha
r tal que k < r.
Um outro problema pode ocorrer quando o elemento pivo est
a
prximo de zero, veja o
o
Exemplo 1.2.4. Considere o sistema
0.0001x1 + x2 = 1
x1 + x2 = 2
CAP
ITULO 1. SISTEMAS LINEARES
1.2.2
Decomposio LU
ca
u11 u12 u13
1
0
0
a11 a12 a13
a21 a22 a23 = m21
1
0 . 0 u22 u23
0
0 u33
m31 m32 1
a31 a32 a33
1.2. METODOS DIRETOS
2x1 + 3x2 x3
4x1 + 4x2 3x3
Exemplo 1.2.5. Considere o sistema
2x1 3x2 + x3
2
3
4
onde a matriz dos coecientes dada por A = 4
e
2 3
=
5
=
3 ,
= 1
1
3 .
1
a21
Tomando pivo = a11 , calculando m21 = pivo = 2, m31 =
= 1 e fazendo L2 L2 + m21 L1 e L3 L3 + m31 L1
obtemos a matriz:
a31
pivo
2
3 1
0 2 1
0 6
2
a32
Tomando agora pivo = a22 e calculando m32 = pivo = 3 e
fazendo L3 L3 + m32 L2 obtemos a matriz:
2
3 1
0 2 1
0
0
5
Dessa forma obtemos a decomposio de A em:
ca
1 0 0
L= 2 1 0
1 3 1
2
3 1
U = 0 2 1
0
0
5
y1 =
5
5
1 0 0
y1
2 1 0 y2 = 3 =
2y1 + y2 =
3
y1 + 3y2 + y3 = 1
1
1 3 1
y3
CAP
ITULO 1. SISTEMAS LINEARES
10
5
5
2
3 1
x1
2x1 + 3x2 x3 =
0 2 1 x2 = 7 =
2x2 x3 = 7
15
5x3 = 15
x3
0
0
5
a11 a12
a21 a22
. .
. .
. .
an1 an2
..
.
a1n
a2n
.
.
.
ann
x11 x12
x21 x22
. .
. .
. .
xn1 xn2
..
.
x1n
x2n
.
.
.
xnn
0
1
.
.
.
..
.
0
0
.
.
.
1
0
.
.
.
A1
a11 a12
a21 a22
. .
. .
. .
an1 an2
..
.
a11 a12
a21 a22
. .
. .
. .
an1 an2
..
.
a1n
a2n
.
.
.
ann
a1n
a2n
.
.
.
ann
x11
x21
.
.
.
xn1
.
x12
x22
.
.
.
xn2
1
0
.
.
.
(sistema 1)
0
1
.
.
.
0
(sistema 2)
1.3. METODOS ITERATIVOS
11
.
.
.
a11 a12
a21 a22
. .
. .
. .
an1 an2
..
.
a1n
a2n
.
.
.
ann
x1n
x2n
.
.
.
xnn
0
0
.
.
.
(sistema n)
Veja que os n sistemas lineares tem a mesma matriz de coecientes A. Para usar o mtodo de Gauss dever
e
amos aplic-lo n
a
vezes. Por outro lado, uma vez aplicado o mtodo de Gauss em
e
A obtemos a decomposio LU . Agora resolvemos os sistemas por
ca
substituio retroativa. Isso reduz consideravelmente o nmero de
ca
u
operaes.
co
Existem outros mtodos para se obter as matrizes L e U , o leitor
e
interessado pode consultar o mtodo de Doolittle e Crout em [11].
e
1.3
Mtodos Iterativos
e
1.3.1
Considere um sistema 3 3:
(3)
a31 x1 + a32 x2 + a33 x3 = b3
CAP
ITULO 1. SISTEMAS LINEARES
12
a12
a13
b1
x2
x3
a11 a11
a11
(1.2)
b2
a21
a23
x1
x3
a22 a22
a22
(1.3)
b3
a31
a32
x1
x2
a33 a33
a33
(1.4)
ou
x1
x2 =
x3
b1
a11
b2
a22
b3
a33
d
a21
+ a22
a31
a33
a12
a11
a13
a11
a23
a22
a32
a33
x1
. x2
x3
a13
0
a12 a11 a1n
a11
a11
a21
a23
a2n
0
a22 a22
a22
a31
0
a3n
a33 a32
a33
a33
.
.
.
.
..
.
.
.
.
.
.
.
.
.
an1
an2
an3
ann ann ann
0
1.3. METODOS ITERATIVOS
13
e d dado por
e
b1
a11
b2
a22
b3
a33
.
.
.
bn
ann
1
0 1
2
2
e d=
F =
1
3
2 0
2
Comeamos com a soluo inicial x0 = (0, 0) e iteramos:
c
ca
x1 = (x0 ) = d + F x0 =
1
2
3
2
x2 = (x1 ) = d + F x1 =
5
4
5
4
x3 = (x2 ) = d + F x2 =
9
8
7
8
x4 = (x3 ) = d + F x3 =
15
16
15
16
CAP
ITULO 1. SISTEMAS LINEARES
14
0.998
que uma boa aproximao
e
ca
1.002
amos continuar a seqncia com
ue
da soluo exata x = (1, 1). Poder
ca
10 , x11 , . . ., onde surge a pergunta: Quando parar? Isso ser rex
a
spondido na prxima seo.
o
ca
Podemos tambm observar a aproximao da seqncia xn para
e
ca
ue
a soluo exata x por um grco. Veja gura 1.3.
ca
a
Continuando teremos x9
=
1.8
1.6
x1
1.4
x2
1.2
x
x6
x4
0.8
x3
0.6
0.4
0.2
x0
0
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
1.3.2
Critrio de Parada
e
1.3. METODOS ITERATIVOS
15
xi p , p N
i=1
Voc pode utilizar essa norma, mas por conveno neste texto vae
ca
mos
trabalhar sempre com a norma
.
Um outro critrio de parada o nmero de iteraes, ou seja,
e
e
u
co
xado um k produzimos a seqncia xn at o termo xk . Isso nem
ue
e
sempre resulta em uma boa aproximao. Por exemplo, quando k
ca
e
muito pequeno.
Exemplo 1.3.2. Considere o Exemplo 1.3.1. Suponha que seja dado
como critrio de parada = 0.6 assim devemos fazer:
e
x1 x0 = x1 = 3 >
2
5
x2 x1 =
4
5
4
x3 x2 =
1
2
1
2
3
4
1
4
3
2
3
4
>
1.3.3
bi
1
=
aii aii
aij xj
j=1,j=i
CAP
ITULO 1. SISTEMAS LINEARES
16
1
(b1 a12 xk1 a13 xk1 a1n xk1 )
n
2
3
a11
1
(b2 a21 xk a23 xk1 a2n xk1 )
1
n
3
a22
xk =
2
.
.
.
xk =
n
ou
xk+1 =
i
ou
1
(bn an1 xk an2 xk ann1 xk )
1
2
n1
ann
1
bi
aii
i1
aij xk
j
aij xk+1
j
j=1
i1
xk = di +
i
n
j=i+1
fij xk +
j
j=1
j=i+1
fazendo k = 0 temos:
k+1
x1 = 1 (1 + xk )
2
2
xk+1 = 1 (3 xk+1 )
1
2
2
1.3. METODOS ITERATIVOS
17
x1 = 1 (1 + x0 ) = 1 (1 + 0) = 0.5
1
2
2
2
x1 = 1 (3 x1 ) = 1 (3 0.5) = 1.25
2
1
2
2
fazendo k = 1 temos:
x2 = 1 (1 + x1 ) = 1 (1 + 1.25) = 1.125
1
2
2
2
x2 = 1 (3 x2 ) = 1 (3 1.125) = 0.9375
1
2
2
2
1.3.4
1.3.5
N mero Condicional
u
x1 + 1.001x2 = 2.001
0.999x1 + x2 = 1.999
18
CAP
ITULO 1. SISTEMAS LINEARES
xk
rk =
2.001
1.999
b
1
1.001
0.999
1
2
0.001
0.000001
0
xk
A = max
|aij | ; j = 1, . . . , n
i=1
1.3. METODOS ITERATIVOS
1.3.6
19
|fij |
j=1
|fij |
i=1
CAP
ITULO 1. SISTEMAS LINEARES
20
1.4
(1.5)
|
N
s
|
N
|
M
t
M
(1.6)
(1 + 2i)x1 + 3x2 = 5 + 4i
x1 + x2 =
1
A=
1 + 2i
3 + 0i
1 + 0i
1 + 0i
1
M
0
N
1.5. EXERC
ICIOS
B=
5 + 4i
21
X=
x1
x2
s1
1 + 0i
t1
s2
t2
1 3 2 0
s1
5
1 1
0 0 s2 1
.
=
2 0
1 3 t1 4
0 0 1 1
t2
0
Resolvendo o sistema por mtodos anteriores (por exemplo pelo
e
mtodo de Gauss) obtemos:
e
s1
=
0, s2
=
1,
t1 = 1, t2 = 1, dessa forma a soluo do sistema dada por x1 =
ca
e
i, x2 = 1 + i.
1.5
Exerc
cios
3 5
0
1
1.5.1. Atravs de operaes elementares mostre que a matriz 2 0
e
co
5 1 1
1 0 0
equivalente ` 0 1 0 .
e
a
0 0 1
e
a
ca
1.5.2. Mostre geomtricamente que o sistema abaixo no possui soluo
real:
2x1 + 6x2 = 8
3x1 + 9x2 = 15
x1 + 3x2 = 6
CAP
ITULO 1. SISTEMAS LINEARES
22
x1 3x2 + x3 = 6
4x2 x3 = 5
a)
x3 = 4
2x1 = 2
x1 + x2 = 3
b)
x1 + x2 + x3 = 4
x1 + x2 + x3 + x4
x1 + x2 + x3 x4
a)
x1 + x2 x3 + x4
x1 x2 + x3 + x4
=
0
=
4
= 4
=
2
x1 + 2x2 + x3 = 0
2x1 + x2 + 3x3 = 0
b)
3x1 + 2x2 + x3 = 0
5
5
2x1 + 3x2 x3 =
2x1 + 3x2 x3 =
4x1 + 4x2 3x3 =
3 equivalente a
2x2 x3 = 7
e
2x1 3x2 + x3 = 1
6x2 + 2x3 = 6
e
ca
ca
1.5.6. Atravs de decomposio LU obtenha a soluo dos sistemas
do
exerc
cio 1.5.4.
2
7
a)
1
1
1 6
3
4
2 15
2 4
9
1
2 6
1 3 4
b) 2 1 0
0 3 2
1.5. EXERC
ICIOS
23
10x1 + x2 + x3 = 12
2x1 + x2 = 2
2x1 + 4x2 + x3 = 7
b)
a)
x1 + 3x2 = 1
x1 x2 + 3x3 = 3
e
a
1.5.10. Explique por que o mtodo de Gauss-Seidel no garante convergncia para soluao exata do sistema abaixo;
e
c
= 3
x1 + x2 + x3
2x1 + x2 + x3 = 4
3x1 + 2x2 + x3 = 6
e
ca
1.5.11. Aplique o mtodo do Renamento Iterativo na soluo do
exerc
cio 1.5.8 com uma iterao. Verique se a nova soluo melca
ca
hora a anterior.
valores ct
cios
CAP
ITULO 1. SISTEMAS LINEARES
24
Alimento
1-Pera
1-Uva
1-Maa
c
Vitamina A
1g
2g
3g
Vitamina B
3g
3g
2g
Vitamina C
4g
5g
3g
Cap
tulo 2
Zeros de funo
ca
2.1
Introduo
ca
Neste cap
tulo estamos interessados em obter os zeros de uma funo
ca
real atravs de mtodos numricos. Em outras palavras, dada uma
e
e
e
certa funo f (x), gostar
ca
amos de encontrar tal que, f ( ) = 0. Por
exemplo, a funo f (x) = x2 3x + 2 tem dois zeros, 1 = 2 e 2 = 1.
ca
Vale lembrar que uma funo pode ter zeros reais ou complexos.
ca
Neste texto no vamos tratar o caso complexo, o leitor interessado
a
pode encontrar em [11].
Para comear, vamos enunciar algumas denies e teoremas.
c
co
Para o nosso estudo no ser necessrio demonstr-los.
a
a
a
a
Denio 2.1. Dizemos que uma funo f : I R cont
ca
ca
e
nua
em um ponto c, se para toda seqncia (xn ) em I,tivermos
ue
lim xn = c = lim f (xn ) = f (c)
CAP
ITULO 2. ZEROS DE FUNCAO
26
a
x
b
x
2.2. METODO DE LOCALIZACAO DE ZEROS
27
4
4
0
-5
-4
-3
-2
-1
0
-7
-6
-5
-4
-3
-2
-1
-1
-1
-2
-2
-3
-4
2.2
CAP
ITULO 2. ZEROS DE FUNCAO
28
b
x
-2
<0
3
2
<0
-1
>0
1
2
>0
0
<0
1
2
<0
1
<0
3
2
>0
2
>0
1 ,
2.3. METODO DO MEIO INTERVALO - MMI
29
40
20
p1
-2
-1.5
p2
-1
p3
-0.5
p4
0
p5
p6
p7
0.5
1.5
x
2
-20
-40
2.3
CAP
ITULO 2. ZEROS DE FUNCAO
30
y
x x
n
2
2.4. METODO DA SECANTE
31
lim an f
lim bn < 0
= L.
an
0
1
1
1.25
1.37
bn
2
2
1.5
1.5
1.5
xn
1
1.5
1.25
1.37
1.43
|xn xn1 |
1>
0.5>
0.25>
0.12>
0.06
parar o mtodo
e
2.4
Mtodo da Secante
e
CAP
ITULO 2. ZEROS DE FUNCAO
32
f (b))
x
2
(a,f (
f (b)f (a)
.
ba
f (b) f (a)
f (b) f (a)
(x b) = y = f (b) +
(x b)
ba
ba
f (b) f (a)
f (b)
(x0 b) = x0 = b
(b a)
ba
f (b) f (a)
2.5. METODO DE NEWTON
33
xn = b
f (b)
f (b)f (xn1 ) (b
xn1 )
(2.1)
2.4.1
f (b)
(b xn1 )
f (b) f (xn1 )
assim
L=b
f (b)
(b L) = f (L) = 0
f (b) f (L)
Como
2.5
= L.
Mtodo de Newton
e
CAP
ITULO 2. ZEROS DE FUNCAO
34
x x
1
L1
L0
f (b)
f (b)
f (x0 )
f (x0 )
2.5. METODO DE NEWTON
35
xn = xn1
2.5.1
f (xn1 )
f (xn1 )
(2.2)
xn1
f (xn1 )
f (xn1 )
assim
L=L
Como
f (L)
= f (L) = 0
f (L)
= L.
e
Exemplo 2.5.1. Vamos aplicar o mtodo de Newton no Exemplo
2.3.1.
n
0
1
2
xn
1.5
1.416
1.414
|xn xn1 |
1.5>
0.08>
0.002
parar o mtodo
e
CAP
ITULO 2. ZEROS DE FUNCAO
36
2.6
2.6. METODO DA ITERACAO LINEAR
37
(x)
f( x )
f( x )
2
1
y=x
f( x )
0
x
x
y=x
(x)
x
x
b
x
...
0
...
CAP
ITULO 2. ZEROS DE FUNCAO
38
lim |xn+1 xn |
lim n |x1 x0 |
constante
|x1 x0 | lim n
n
0
0
Logo (xn ) uma seqncia de Cauchy, pelo Teorema 2.4 a seqncia
e
ue
ue
(xn ) converge para um certo L em (a b), ou seja, lim xn = L.
Como (x) diferencivel, logo cont
e
a
nua temos que:
(L) =
2.6. METODO DA ITERACAO LINEAR
39
2.6.1
A Funo de Iterao
ca
ca
1
5
2 ,
CAP
ITULO 2. ZEROS DE FUNCAO
40
2a funo de iterao
ca
ca
2x cos(x) = 0 = x =
assim 2 (x) =
cos(x)
2
cos(x)
2
3a funo de iterao
ca
ca
sen(x)
2 |
1
5
1
5
2
1
5
Portanto conclu
mos que 2 (x) deve ser a funo de iterao.
ca
ca
Uma vez que 2 (x) satisfaz o Teorema 2.5. Assim comeamos nossa
c
1
seqncia (xn ) com o elemento x0 = 5 e iteramos (a calculadora
ue
deve estar em radianos):
x1
x2
x3
x4
=
=
=
=
2 (x0 )
2 (x1 )
2 (x2 )
2 (x3 )
=
=
=
=
2 1
5
2 (0.49003)
2 (0.44116)
2 (0.45213)
=
=
=
=
0.49003
0.44116
0.45213
0.44976
41
A escolha de x0
Caso a funo f (x) tenha a forma da gura 2.9, x0 deve ser
ca
escolhido de tal forma que x0 seja menor que o zero , pois caso
contrrio o mtodo pode no convergir. Uma sugesto seria comear
a
e
a
a
c
com o extremo do intervalo (nesse caso o ponto a).
Caso f (x) tenha forma da gura 2.10 o elemento x0 pode ser
arbitrrio dentro do intervalo.
a
2.7
2.7.1
2.7.2
2.7.3
Mtodo da Secante
e
2.7.4
Mtodo de Newton
e
CAP
ITULO 2. ZEROS DE FUNCAO
42
2.7.5
nmero de iteraes
u
co
MMI
16
M. Secante
6
M. Newton
3
M. Iterao Linear
ca
4
an
1/100
1/100
0.257
0.381
0.381
0.381
0.396
bn
1
0.505
0.505
0.505
0.443
0.412
0.412
xn
0.505
0.257
0.381
0.443
0.412
0.396
0.404
|xn xn1 |
0.248>
0.124>
0.062>
0.031>
0.016>
0.008
parar o mtodo
e
2.8. ZEROS DE UM POLINOMIO
43
g(x)
0.5
0
-0.5
0.5
1.5
2.5
-0.5
-1
-1.5
-2
-2.5
2.8
Zeros de um Polinmio
o
a2 + b2 ,
assim a + bi = (a, b) .
Nas proposies e teoremas abaixo, os polinmios podem ter
co
o
coecientes reais ou complexos. Consideramos apenas polinmios
o
mnicos, ou seja o coeciente do termo de maior grau e igual a 1.
o
CAP
ITULO 2. ZEROS DE FUNCAO
44
p(x) = x
1+
i=0
ai
xni
(2.3)
ai
xni
n1
i=0
ai
<1
x ni
(2.4)
Corolrio 2.2. Se
a
ai
1/(ni)
<
1
para i = 0, . . . , n 1 e x = 0.
2
Ento p(x) = 0.
a
demonstrao
ca
Veja que
n1
i=0
ai
x ni
n1
1/(ni)
ni
i=0
1
1
1
1
+
+ + 2 +
2n 2n1
2
2
1
< 1
5
ai
a+b a + b
1
2n
2.8. ZEROS DE UM POLINOMIO
45
1/(ni)
0in1
demonstrao
ca
Negando o Corolrio 2.2 temos que; se p(x) = 0 ento existe i0 tal
a
a
1/(ni0 )
1
ai0
. Do fato de
que
x
2
max { ai
1/(ni)
0in1
1/(ni0 )
ai0
conclu
mos que
max { ai
0in1
1/(ni)
1
= x 2 max { ai
0in1
2
1/(ni)
1/(ni)
0in1
= 2 max{ a0
1/3 ,
a1
1/2 ,
= 2 max{241/3 , 101/2 , 3}
= 2 10
a2 }
CAP
ITULO 2. ZEROS DE FUNCAO
46
L
2
x
-8
-6
-4
-2
-2
-4
-6
-8
2.8. ZEROS DE UM POLINOMIO
47
0
-L
g(x) =
p(x)
2x3 3x2 2x + 3
3
3
=
= x3 x2 x +
a3
2
2
2
L = 2 max{(3/2) 3 , 1, 3/2} = 3
assim todos os zeros reais de p(x) esto no intervalo [L L] =
a
[3 3].
Ainda podemos avanar um pouco mais. Queremos agora o limite
c
inferior dos zeros positivos e o limite superior dos zeros negativos,
veja (?) na gura 2.13.
Para encontrar estes limites, precisamos de um resultado impor
tante de Algebra:6
Se p(x) = xn + an1 xn1 + + a1 x + a0 um polinmio de grau
e
o
n, ento p(x) tem no mximo n zeros reais ou complexos.
a
a
Decorre desse resultado que todo polinmio de grau
o
mpar tem
pelo menos um zero real.
Com esses resultados, seja (0 , 1 , . . . , n1 ) os zeros de p(x),
Veja em [5]
1
x
CAP
ITULO 2. ZEROS DE FUNCAO
48
Pelo que acabamos de ver,
P1 (x) = xn
= xn
1
0
x
1 x0
x
1
1
x
1 x1
x
1
n1
x
1 xn1
x
= (1 x0 )(1 x1 ) (1 xn1 ).
1
1 1
, ,...,
. Aplicando
0 1
n1
o Teorema 2.6 em P1 (x) temos a existncia de L1 tal que
e
Observe que os zeros de P1 (x) so
a
1
L1
xii
1
i . Portanto, se x um zero de um
e
L1
polinmio qualquer (mnico), ento L1 x L.
o
o
a
No caso de zeros reais podemos dizer que:
o que implica em
L1
onde
1
L1 para i = 0, . . . , n 1
i
1
1
L1 =
i
i
L1
e
L1
1
1
= i
i
L1
1
L1
1
L1
L .
2.8. ZEROS DE UM POLINOMIO
1
x
P1 (x) = x3 p
49
1
3
1 3
2 +
3
x
2x
x 2
= x3
3
3
= 1 x x2 + x3 .
2
2
P1 (x)
2
2
= x3 x2 x +
3/2
3
3
1
= 0.572 .
L1
L
x
-8
-6
-4
-2
-2
-4
-6
-8
CAP
ITULO 2. ZEROS DE FUNCAO
50
2.8.1
Multiplicidade de um zero
a
Isto parece contraditrio. O fato se d pela multiplicidade do zero
o
a
1, ou seja, 1 contado duas vezes. Dizemos que o zero 1 tem
e
multiplicidade igual a 2.
Para saber a multiplicidade de um zero basta olhar para a derivada
do polinmio. Assim se um zero de p(x) ento a multiplicidade
o
e
a
de dado por m, onde
e
p (x)
p (x)
= 0
= 0
.
.
.
pm1 (x) = 0
pm (x)
= 0
Exemplo 2.8.5. No caso de p(x) = x3 + 4x + 5x + 2 temos que:
p(1) = 0
p (1) = 0
p (1) = 0
p(2) = 0
p (2) = 0
2.9. EXERC
ICIOS
51
2.9
Exerc
cios
CAP
ITULO 2. ZEROS DE FUNCAO
52
Cap
tulo 3
Interpolao
ca
3.1
Introduo
ca
CAP
ITULO 3. INTERPOLACAO
54
3.2
Interpolao de Lagrange
ca
f (xi )
p(x) =
i=0
j=0,j=i
(x xj )
(xi xj )
=
=
=
=
1
2
(1, 1)
(1, 3)
(2, 1)
(3, 4)
i=0
= f (x0 )
j=0,j=i
(x xj )
(xi xj )
(x x1 )(x x2 )(x x3 )
(x x0 )(x x2 )(x x3 )
+ f (x1 )
(x0 x1 )(x0 x2 )(x0 x3 )
(x1 x0 )(x1 x2 )(x1 x3 )
+f (x2 )
.
.
.
f (xi )
p(x) =
55
(x x0 )(x x1 )(x x3 )
(x x0 )(x x1 )(x x2 )
f (x3 )
(x2 x0 )(x2 x1 )(x2 x3 )
(x3 x0 )(x3 x1 )(x3 x2 )
27
13 3 11 2 11
x x + x+
24
4
24
4
(x x1 )(x x2 ) (x xn )
(x x0 )(x x2 ) (x xn )
Em geral Pi (x) =
(x xj ), para i = 0, . . . , n.
j=0,j=i
Pi (x) = 0 e Pi (xj ) = 0
(3.1)
Pelo Teorema 3.1 temos que p(x) existe e seu grau igual a n.
e
Dessa forma podemos escrever p(x) como combinao linear dos
ca
polinmios de Lagrange, ou seja, existem escalares (b0 , b1 , . . . , bn )
o
tais que:
CAP
ITULO 3. INTERPOLACAO
56
(3.2)
= bk Pk (xk )
o que implica em
bk =
p(xk )
para k = 0, 1, . . . , n
Pk (xk )
(3.3)
p(x) =
p(x0 )
p(x1 )
p(xn )
P0 (x) +
P1 (x) + +
Pn (x)
P0 (x0 )
P1 (x1 )
Pn (xn )
p(x) =
f (x0 )
f (x1 )
f (xn )
P0 (x) +
P1 (x) + +
Pn (x)
P0 (x0 )
P1 (x1 )
Pn (xn )
logo
n
p(x) =
f (xi )
i=0
Pi (x)
=
Pi (xi )
f (xi )
i=0
j=0,j=i
(x xj )
(xi xj )
3.3
f (x1 ) f (x0 )
x1 x0
f [x2 , x1 ] f [x1 , x0 ]
x2 x0
3.3.1
CAP
ITULO 3. INTERPOLACAO
58
ii - f [x0 , x1 ] =
3.3.2
f (x1 )
x1 x0
f (x0 )
x0 x1
Obteno da Frmula
ca
o
p(x) p(x0 )
x x0
ou
p(x) = p(x0 ) + (x x0 )p[x, x0 ]
mais ainda,
p[x, x0 , x1 ] =
(3.4)
p[x, x0 ] p[x0 , x1 ]
x x1
(3.5)
59
2 , 0.797
Veja que
p[x0 , x1 ] =
Assim
f (x0 ) f (x1 )
1.257
p(x0 ) p(x1 )
=
=
x0 x1
x0 x1
3
2
1.257
= 1.257 x + 1, 425
3.4
Erro de Truncamento
CAP
ITULO 3. INTERPOLACAO
60
f n+1 ()
(n + 1)!
demonstrao
ca
Comeamos construindo uma funo auxiliar
c
ca
(x) = f (x) p(x) (x x0 )(x x1 ) (x xn )A,
observe que (x0 ) = (x1 ) = = (xn ) = 0, ou seja, (x) se
anula em n + 1 pontos. Tome z (a b) distinto de (x0 , x1 , . . . , xn )
e escolhemos A tal que (z) = 0.
(x) (n + 1) vezes diferencivel, j que isso ocorre com f (x) e
e
a
a
p(x). Assim podemos aplicar o Teorema de Rolle repetidas vezes e
garantir a existncia de (a b) tal que:
e
0 = n+1 () = f n+1 () (n + 1)!A
donde
A=
f n+1 ()
(n + 1)!
ou
Et (z) = (z x0 )(z x1 ) (z xn )
f n+1 ()
(n + 1)!
61
ca
ca
mos
que:
f n+1 ()
f [x, x0 , x1 , . . . , xn ] =
(n + 1)!
para algum em (a b).
Exemplo 3.4.1. Considere a funao f (x) = sen(x) no intervalo
c
o
e
0 . Vamos obter o polinmio interpolador via mtodo de La2
grange nos pontos
(x0 , f (x0 )) =
(x1 , f (x1 )) =
(x2 , f (x2 )) =
(0, 0)
4, 2
2,1
CAP
ITULO 3. INTERPOLACAO
62
assim
2
f (xi )
p(x) =
i=0
j=0,j=i
(x xj )
=
(xi xj )
88 2
2
4 22
x +
1
=x x
3!
4
3
8
1
6
3
8 .
= 0.30280
3
8
= f
3
8
3
8
= 0.018
3.5
Mtodo de Briot-Runi
e
(3.6)
3.5. METODO DE BRIOT-RUFFINI
63
0
0
0.25
0.5
0.25
0.75
1.25
1.5
1.75
0.5
0.75
1.25
1.5
1.75
-1
-2
p(x)
(3.7)
CAP
ITULO 3. INTERPOLACAO
64
bn1 xn +(bn2 cbn1 )xn1 +(bn3 cbn2 )xn2 + +(b1 cb2 )x2 +(b0 cb1 )x+(Rcb0 )
Portanto:
bn1 = an
bn2 = an1 + cbn1
bn3 = an2 + cbn2
.
.
.
b0
R
= a1 + cb1
= a0 + cb0
3.6
Consideraes Finais
co
No o unico.
a e
3.7. EXERC
ICIOS
3.7
65
Exerc
cios
ca
3.7.1. Use interpolao de Lagrange para determinar uma aproximao de f sabendo que:
ca
5
3
= ,f
= 0, f
=
f (0) = 1, f
3
2
2
6
2
cos(x)
3
2
2
1
= , f (2) =
3
2
0
1.75
0.984
1
1.80
0.9738
2
1.85
0.9613
3
1.90
0.9463
CAP
ITULO 3. INTERPOLACAO
66
5
49
10
105
15
172
20
253
25
352
30
473
35
619
40
793
mm
Kgf
60
76
80
95
100
112
120
138
140
151
160
170
180
192
3.7. EXERC
ICIOS
67
86.0
1.552
93.3
1.548
98.9
1.544
104.4
1.538
110.0
1.532
68
CAP
ITULO 3. INTERPOLACAO
Cap
tulo 4
Integrao Numrica
ca
e
4.1
Introduo
ca
CAP
ITULO 4. INTEGRACAO NUMERICA
70
ex dx
p(x) dx
=
f (x) dx.
a
4.2
x x1
x x0
+ f (x1 )
x0 x1
x1 x0
integrando
x1
p(x) dx =
x0
f (x0 )
x0 x1
x1
x0
(x x1 ) dx +
f (x1 )
x1 x0
x1
x0
(x x0 ) dx
x1 x0
[f (x1 ) f (x0 )]
2
x1
Donde conclu
mos que
conforme gura 4.1.
4.2. REGRA DOS TRAPEZIOS
71
y
xn
x1
p(x) dx =
x0
x0
x2
p1 (x) dx +
x1 x0
2 [f (x1 )
x1
xn
p2 (x) dx + +
f (x0 )] +
x2 x1
2 [f (x2 )
xn1
pn (x) dx
f (x1 )] + +
h
[f (x0 ) + 2f (x1 ) + + 2f (xn1 ) + f (xn )]
2
4.2.1
Erro de Truncamento
CAP
ITULO 4. INTEGRACAO NUMERICA
72
y
x x
...
2
x x
x1
x0
x1
Et (x) dx =
x0
(x x0 )(x x1 )
f ()
dx
2
f ()(x1 x0 )3
12
Assumindo x1 x0 = h, ento o erro de integrao dado por
a
ca e
=
EI =
f ()h3
12
5 1
3
,
,
,
.
3 2
6 2
x1
x0
[f (x1 ) f (x0 )]
(1 +
f (x) dx = (x1 x0 )
=
2
8
73
3)
= 1.07287
f ()(x1 x0 )3
= 0.2797
12
Portanto
x1
x0
f (x) dx + EI = 1.35257
1a Regra de Simpson
4.3
p(x) = f (x0 )
(x x1 )(x x2 )
(x x0 )(x x2 )
(x x0 )(x x1 )
+f (x1 )
+f (x2 )
(x0 x1 )(x0 x2 )
(x1 x0 )(x1 x2 )
(x2 x0 )(x2 x1 )
assim
x2
p(x) dx =
x0
h
[f (x0 ) + 4f (x1 ) + f (x2 )].
3
p(x) dx =
x0
h
[f (x0 )+4f (x1 )+2f (x2 )+4f (x3 )+2f (x4 )+ +2f (xn2 )+4f (xn1 )+f (xn )]
3
CAP
ITULO 4. INTEGRACAO NUMERICA
74
p(x)
x1
Et (x) dx =
x0
(x x0 )(x x1 )(x x2 )
f 3 ()
dx
3!
f 3 ()h4
12
EI =
f 3 ()h4
12
75
f (x) dx
=
x0
h
[f (x0 ) + 2f (x1 ) + f (x2 )] = 1.4655
2
f (x) dx
=
h
[f (x0 ) + 4f (x1 ) + f (x2 )] = 1.5006
3
sen(x) dx = 1.50
/3
CAP
ITULO 4. INTEGRACAO NUMERICA
76
4.4
Quadratura Gaussiana
f (x) dx =
g(c)
f (x) dx =
a
F (t) dt
1
onde
F (t) = f (g(t)).g (t) = f
ba
b+a
t+
2
2
ba
.
2
b
calcular
f (x) dx basta
a
F (t) dt.
1
F (t) dt =
1
wi F (ti )
i=0
77
(4.1)
tk dt = w0 F (t0 ) + w1 F (t1 )
1
k = 0 = 2 =
1
1
k = 1 = 0 =
1
k = 2 =
2
=
3
t0 dt = w0 t0 + w1 t0
0
1
t1 dt = w0 t0 + w1 t1
1
1
1
k = 3 = 0 =
1
t2 dt = w0 t2 + w1 t2
0
1
t3 dt = w0 t3 + w1 t3
0
1
0
2/3
=
w0 + w1
= w0 t0 + w1 t1
= w0 t2 + w1 t2
0
1
= w0 t3 + w1 t3
0
1
Resolvendo...
w0 = w1 = 1 e t0 = t1 = 1/ 3.
Substituindo estes valores na equao (4.1) temos:
ca
CAP
ITULO 4. INTEGRACAO NUMERICA
78
F (t) dt =
1
wi F (ti )
i=0
E=
com [1 1].
com n = 1.
Comeamos fazendo a mudana de varivel
c
c
a
F (t) = f
= sen
ba
b+a
t+
2
2
t+
4
4
ba
2
79
ti
wi
1;0
0.57735027
0;1
2
0.77459667
0
5/9
8/9
0;1
2;3
0.86113631
0.33998104
0.34785484
0.65214516
0;1
2;3
4
0.90617985
0.53846931
0
0.23692688
0.47862868
0.53888889
0;1
2;3
4;5
0.93246951
0.66120939
0.23861919
0.17132450
0.36076158
0.46791394
0;1
2;3
4;5
6
0.94910791
0.74153119
0.40584515
0
0.12948496
0.27970540
0.38183006
0.41795918
0;1
2;3
4;5
6;7
0.96028986
0.79666648
0.52553242
0.18343464
0.10122854
0.22238104
0.31370664
0.36268378
n
F (t) dt =
1
wi F (ti )
i=0
CAP
ITULO 4. INTEGRACAO NUMERICA
80
dessa forma
/2
sen(x) dx =
0
com n = 2.
De acordo com a tabela 4.1 temos
1
1
5
5
8
F (0.77459667) + F (0.77459667) + F (0)
9
9
9
= 1
Compare esse resultado com o valor fornecido pelo T.F.C.
Finalizamos lembrando o leitor, que este texto apenas introe
dutrio e abrange alguns mtodos de integrao numrica. Em [11]
o
e
ca
e
poss encontrar outros mtodos de integrao.
e
vel
e
ca
4.5
Exerc
cios
1
4.5. EXERC
ICIOS
81
3
cometido.
1
dx e o erro
x3
p(x) dx =
x0
h
[f (x0 )+4f (x1 )+2f (x2 )+4f (x3 )+2f (x4 )+ +2f (xn2 )+4f (xn1 )+f (xn )]
3
Na 1a regra de Simpson.
4.5.7. Dados os pontos (x0 , x1 , x2 , x3 ) mostre que a 2a regra de Simpson dada por:
e
x3
x0
3
f (x) h[f (x0 ) + 3f (x1 ) + 3f (x2 ) + f (x3 )]
=
8
e o caso geral
xn
f (x)
x0
3
h[f (x0 )+3f (x1 )+3f (x2 )+2f (x3 )+3f (x4 )+3f (x5 )+2f (x6 )+ +3f (xn2 )+3f (xn1 )+f (xn )]
8
4.5.8. Atravs da 2a regra de Simpson, com n = 4 calcule a integral
e
do exerc
cio 4.5.4.
e
4.5.9. Atravs da 2a regra de Simpson, com n = 6 calcule a integral
3
ln(x + 2) 1 dx.
2
3
ex dx com
82
CAP
ITULO 4. INTEGRACAO NUMERICA
Cap
tulo 5
M
nimos e Mximos
a
5.1
Introduo
ca
Neste cap
tulo faremos uma breve introduo ao problema de enca
contrar m
nimos e mximos de uma funo. Na prtica desejamos
a
ca
a
encontrar o valor m
nimo ou mximo que a funo assume num dea
ca
terminado intervalo. Esse problema tem aplicaes imediatas nas
co
engenharias, f
sica e na propria matemtica. No nal, daremos um
a
exemplo prtico.
a
Comeamos analisando funes de R em R.
c
co
Denio 5.1. Seja f : [a b] R. Dizemos que k m
ca
e nimo local
se, dado > 0, para todo x (k , k + ) temos f (x) f (k).
A denio de mximo local segue anlogo.
ca
a
a
Denio 5.2. Seja f : [a b] R. Dizemos que k mximo local
ca
e a
se, dado > 0, para todo x (k , k + ) temos f (x) f (k).
Observe que o dene o carter local do m
a
nimo ou mximo.
a
Denimos agora o m
nimo e mximo global, veja:
a
Denio 5.3. Seja f : [a b] R. Dizemos que k m
ca
e nimo
global se, para todo x [a, b] temos f (x) f (k).
Denio 5.4. Seja f : [a b] R. Dizemos que k mximo
ca
e a
global se, para todo x [a, b] temos f (x) f (k).
83
CAP
ITULO 5. M
INIMOS E MAXIMOS
84
k0
k1
Figura 5.1: M
nimos local e global
Para encontrar m
nimos/mximos podemos utilizar varias tcnicas.
a
e
Se a funo diferencivel no intervalo, ento podemos observar o
ca e
a
a
comportamento da derivada da funo. Uma vez que os m
ca
nimos/mximos
a
so pontos onde a derivada zero.
a
e
Exemplo 5.1.2. Considere f (x) = x4 2x3 4x2 + 2x no intervalo
[2 2], cuja derivada ser dada por f (x) = 4x3 6x2 8x +
a
2. Aplicando os mtodos do cap
e
tulo de zeros de funo podemos
ca
encontrar os zeros de f (x) que so: 1, 0.2192 e 2.2808. Avaliando
a
f (x) nesses pontos temos:
f (1)
= 3
f (0.2192
= 0.2274
f (2.2808) = 12.9149
Assim ca claro que 2.2808 um ponto de m
e
nimo global no
intervalo [2 2].
5.1. INTRODUCAO
85
CAP
ITULO 5. M
INIMOS E MAXIMOS
86
5.2
nimo no intervalo
[a b]. O mtodo da seo urea consiste em criar uma seqncia
e
ca a
ue
(xn ) que converge para o m
nimo da funo. A seqncia (xn ) ser
ca
ue
a
an +bn
dada por xn = 2 onde [a0 b0 ] [a1 b1 ] [an bn ] .
Assim seja a0 = a e b0 = b.
a1 = b0 0.618(b0 a0 ) e b1 = a0 + 0.618(b0 a0 )
Se f (a1 ) < f (b1 ), ento a2 = a1 e b2 = a1 + 0.618(b1 a1 ).
a
Se f (a1 ) f (b1 ), ento a2 = b1 0.618(b1 a1 ) e b2 = b1
a
Novamente
Se f (a2 ) < f (b2 ), ento a3 = a2 e b3 = a2 + 0.618(b2 a2 ).
a
Se f (a2 ) f (b2 ), ento a3 = b2 0.618(b2 a2 ) e b3 = b2 .
a
E o processo segue at que |xn xn1 | seja menor que um certo
e
xado como critrio de parada.
e
5.2. METODO DA SECAO AUREA
87
5.2.1
ai
0.09
0.3608
0.6393
0.8115
0.9179
bi
1.09
1.09
1.09
1.09
1.09
xi
0.5
0.7254
0.8647
0.9507
1.0030
|xi xi1 |
0.2254 >
0.1393 >
0.0860 >
0.0523 < parar o mtodo
e
o que implica em
lim xn = L.
lim an k lim bn ,
ou seja,
LkL
o que implica em
L = k.
Observao 5.2. O nmero 0.618 chamado de razo urea. Que
ca
u
e
a a
era considerado sagrado para os estudantes da escola grega pitagrica
o
(fundada por Pitagors (586-500 a.C.)). Procure conhecer mais sobre
esse famoso nmero e surpreenda-se1 .
u
1
CAP
ITULO 5. M
INIMOS E MAXIMOS
88
Superf
cies em R3
5.3
50
40
30
20
10
0
5
5
0
0
f
f
(a),
(a) .
x
y
a
Exemplo 5.3.1. Seja f (x, y) = x2 + y 2 . Ento f (x, y) = (2x, 2y).
Dessa forma o gradiente de f no ponto a = (2, 1) ser dado por
a
f (2, 1) = (4, 2).
5.4. METODO DO GRADIENTE
89
5.4
Mtodo do Gradiente
e
CAP
ITULO 5. M
INIMOS E MAXIMOS
90
p5
p3
p4
p1
p2
p0
5.5
Bacias de atrao
ca
91
8
6
4
2
0
2
4
6
8
10
25
20
25
15
20
15
10
10
5
5
0
CAP
ITULO 5. M
INIMOS E MAXIMOS
92
5.6
pi pi1
0.933 >
0.596 <
parar o mtodo.
e
5.7. EXERC
ICIOS
93
5.7
Exerc
cios
94
CAP
ITULO 5. M
INIMOS E MAXIMOS
Cap
tulo 6
Introduo ao Matlab
ca
Faremos uma introduo ao algoritmo estruturado na linguagem porca
tugus, e em paralelo o Matlab.
e
6.1
Introduo
ca
CAP
ITULO 6. INTRODUCAO AO MATLAB
96
6.2. COMANDOS
97
6.2
6.2.1
Comandos
Comando de leitura
6.2.2
Comando de impresso
a
CAP
ITULO 6. INTRODUCAO AO MATLAB
98
>>disp(A)
6.2.3
Comando de atribuio
ca
>>b=a+10
>>b=b+1
6.2. COMANDOS
6.2.4
99
Estrutura de deciso
a
SE <COMPARACAO>
e
d um salto para logo aps o FIM SE.
a
o
A estrutura SE de dois ramos (ou de duas alternativas).
SE <COMPARACAO>
Comandos 1
SENAO
Comandos 2
FIM SE
Nessa estrutura, se a <COMPARACAO> for verdadeira ento
a
Comandos 1 executado e Comandos 2 no executado. Caso
e
a e
<COMPARACAO> for falso ento Comandos 2 executado e Co
a
e
mandos 1 no executado. Sempre um dos dois executado.
a e
e
Em Matlab
CAP
ITULO 6. INTRODUCAO AO MATLAB
100
SE de um ramo
SE de dois ramos
if < >
if < >
Comandos
end
Comandos 1
else
Comandos 2
end
exemplo:
A=input(digite um valor para A)
B=input(digite um valor para B)
if A < B
disp(A varivel A menor que a varivel B)
a
e
a
else
disp(A varivel A maior ou igual que a varivel B)
a
e
a
end
6.2.5
Estruturas de repetio
ca
Estrutura PARA
Esta estrutura serve para se repetir uma determinada quantidade
de vezes a execuo de um ou mais comandos. O formato geral da
ca
estrutura de repetio PARA dado por:
ca
e
6.2. COMANDOS
101
FIM PARA
A varivel i comea valendo j, e adicionando k ela cresce/decresce
a
c
at M. Cada acrscimo da varivel i Comandos e outras estruturas
e
e
a
executado. Caso k=1 ao nal teremos (M-j+1) repetio de Coe
ca
mandos e outras estruturas. Por exemplo:
`
PARA i;Passo 1; DE 1 ATE 10
Comandos e outras estruturas.
FIM PARA
CAP
ITULO 6. INTRODUCAO AO MATLAB
102
c
uma pequena mudana.
c
A=5
ENQUANTO A < 10
Imprima(mundo)
6.3. ITENS BASICOS DO MATLAB
A=A+1
FIMENQUANTO
Agora a palavra mundo repetida apenas 5 vezes.
e
Em Matlab
While < >
Comandos e outras estruturas
end
exemplo:
A=5
while A < 10
disp(mundo)
A=A+1
end
6.3
6.3.1
<
<=
>
>=
==
=
103
CAP
ITULO 6. INTRODUCAO AO MATLAB
104
6.3.2
&
|
Xor
6.3.3
Conectivos lgicos
o
E
Ou
No
a
Ou excludente
Funes Pr-denidas
co
e
cos(x)
sin(x)
tan(x)
csc(x)
cot(x)
exp(x)
log(x)
log10(x)
sqrt(x)
abs(x)
isreal(x)
f ix(x)
f loor(x)
ceil(x)
round(x)
rem(x, y)
mod(x, y)
det(A)
inv(A)
size(A)
isprime(x)
primes(x)
gcd(x, y)
lcm(x, y)
cross(v, w)
sum(v. w)
Retorna ao cosseno de x
Retorna ao seno de x
Retorna a tangente de x
Retorna a co-secante de x
Retorna a co-tangente de x
Potncia, exemplo: 5 2 = 52
e
Retorna a ex
Retorna ao ln(x)
Retorna a log10 (x)
Retorna a x
Valor absoluto de x ou |x|
Verdadeiro para valores reais
Arredondamento na direo do zero
ca
Arredondamento na direo de
ca
Arredondamento na direo de +
ca
Arredondamento para o inteiro mais prximo
o
Resto da diviso de x por y
a
Resto com sinal.
Determinante da matriz A
Inversa da matriz A
Retorna a dimenso da matriz A
a
1 se x primo, 0 se x no primo.
a e
Seqncia de primos menores que x
ue
Mximo divisor comum de x e y
a
M
nimo mltiplo comum de x e y
u
Produto vetorial v w
Produto interno < v, w >
6.3. ITENS BASICOS DO MATLAB
6.3.4
105
Script
CAP
ITULO 6. INTRODUCAO AO MATLAB
106
else
disp(c)
disp( o menor valor)
e
end
else
if b < c
disp(b)
disp( o menor valor)
e
else
disp(c)
disp( o menor valor)
e
end
end
Exemplo 6.3.3. Faamos um Script para ler um nmero inteiro
c
u
positivo N e calcular S onde:
S=
1 3 5 7
I
+ + + + +
1 2 3 4
N
6.3. ITENS BASICOS DO MATLAB
107
CAP
ITULO 6. INTRODUCAO AO MATLAB
108
6.4
Vetores e Matrizes
1 3 0
temos a matriz 3 3 3 . Podemos fazer referncia da seguinte
e
2 1 8
forma: V(i,j) onde i a linha e j a coluna. Assim V(3,2)=1, V(1,3)=0
e
etc...
No Matlab
>> V=[1 1 0]
V=
1
1
0
>> 5*V
ans =
5
>> K=[2 3 5]
K=
2
3
5
>> V+K
ans =
3
4
109
3 0;3 3 3;2 1 8]
0
3
8
>> M(1,3)
ans = 0
>> M(2,3)
ans = 3
>> M(2,2)
ans = 3
>> c=7*M(2,2)
c = 21
>> 2*M
ans =
2 6 0
6 6 6
4 2 16
Nota: No poder
a
amos deixar de comentar o comando size que
retorna as dimenses de uma matriz. Se M uma matriz qualquer
o
e
ento o comando [L,C]=size(M) grava na varivel L o nmero de
a
a
u
linhas de M e na varivel C o nmero de colunas. Caso M seja um
a
u
vetor L sempre igual a 1.
e
Exemplo 6.4.1. Vamos escrever um Script para preencher um vetor
com os nmeros pares de 1 a 100.
u
posi=1; num=2;
while posi < 100
v(posi)=num;
posi=posi+1;
CAP
ITULO 6. INTRODUCAO AO MATLAB
110
num=num+2;
end
disp(V)
Exemplo 6.4.2. Escreva um Script para preencher uma matriz 44
da seguinte forma:
0
1
2
3
0
1
2
3
0
1
2
3
0
1
2
3
for i=1:1:4
for j=1:1:4
M(i,j)=i-1;
end
end
disp(M)
Exemplo 6.4.3. 3) Escreva um Script para colocar em ordem crescente o vetor abaixo:
V=[0 1
for i=1:1:9
for j=1:1:9
if v(j)v(j+1)
aux=v(j);
v(j)=v(j+1);
v(j+1)=aux;
endif
endfor
endfor
disp(v)
1]
111
6.5
Funoes em Matlab
c
CAP
ITULO 6. INTRODUCAO AO MATLAB
112
Exemplo 6.5.1. Vamos escrever uma funo para receber como enca
trada, um nmero inteiro positivo N e tenha como sa
u
da:
i)1 se o nmero for primo.
u
ii) 0 se o nmero no for primo.
u
a
function [eprimo]=eprimo(N )
X=2;
Sinal=1;
while (X <= (f ix(sqrt(N ))))
if (rem(N,X))==0
Sinal=0;
end
X=X+1;
end
eprimo=Sinal
end
Exemplo 6.5.2. Vamos escrever uma funo para receber dois valca
ores x, y inteiros positivos e retornar ao quociente inteiro da diviso
a
de x por y.
function [quociente]=quociente(x,y)
quociente=
X rem(x, y)
y
end
Exemplo 6.5.3. Vamos escrever uma funo para receber um vetor
ca
V qualquer e retornar o vetor em ordem crescente.
function [cresc]=cresc(V)
[L,C]=size(V)
for i=1:1:C-1
6.6. GRAFICOS BIDIMENSIONAIS
113
for j=1:1:C-1
if V(j)>V(j+1)
aux=V(j);
V(j)=V(j+1);
V(j+1)=aux;
end
end
end
cresc=V
end
6.6
Grcos Bidimensionais
a
CAP
ITULO 6. INTRODUCAO AO MATLAB
114
0
3
6.7. GRAFICOS TRIDIMENSIONAIS
6.7
115
Grcos Tridimensionais
a
10
0
60
50
25
40
20
30
15
20
10
10
5
0
constru
das com a funo contour(z). Para desenhar grco + curva
ca
a
de n use surf c(z)(veja gura 6.3).
vel
10
0
60
50
25
40
20
30
15
20
10
10
5
0
CAP
ITULO 6. INTRODUCAO AO MATLAB
116
6.8
Exerc
cios
F a seqncia de Fibonacci
e
ue
P a seqncia de Primos
e
ue
6.8.7. Escrever uma funo em Octave para calcular a norma de um
ca
vetor de tamanho qualquer, onde
V =
x2 + x2 + . . . + x2
n
1
2
Aij =
ij
6.8. EXERC
ICIOS
117
118
CAP
ITULO 6. INTRODUCAO AO MATLAB
Cap
tulo 7
Implementao dos
ca
Mtodos
e
Neste cap
tulo vamos implementar os mtodos numricos que foram
e
e
estudados anteriormente. Lembramos que o pr-requisito ser apee
a
nas o conhecimento bsico de algoritmos. Caso o leitor no tenha
a
a
familiaridade com o Matlab, recomendamos a leitura do Cap
tulo de
Introduo ao Matlab. Nossa ordem ser:
ca
a
i) Algoritmo em portugus.
e
ii) Algoritmo em Matlab (em forma de funo).
ca
iii) Quando poss
vel, funo pr-denida do Matlab.
ca
e
7.1
Sistemas Lineares
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
120
Entrada :
aij , i j, bi , j n
1
2
3
4
5
6
7
8
xn = bn /a(k, k)
para k = n 1 : 1
soma = bk
para j = k + 1 : n
soma = soma akj xj
f im para
xk = soma
akk
f im para
:
:
:
:
:
:
:
:
Sa :
da
NO MATLAB
function [retro]=retro(A)
[L,C]=size(A);
n=L;
m=C;
x(n)=A(n,m)/A(n,n);
for k=n-1:-1:1
soma=A(k,m);
for j=k+1:n
soma=soma-A(k,j)*x(j);
end
x(k)=soma/A(k,k);
end
retro=x
Nota: Veja que no Matlab, usamos a matriz ampliada do sistema(matriz dos coecientes + vetor de termos independentes), assim trocamos os elementos bi por A(i, m).
Exemplo:
0
2x1 + x2 x3 =
x2 x1 = 2
Vamos aplicar a funo retro() no sistema
ca
1/2x3 =
2
para k = 1 : n
se akk = 0
para s = k + 1 : n
se ask = 0
troque a linha s com linha k
f im se
f im para
f im se
para i = k + 1 : n
mik = aik /akk
para j = k : m
aij = ai j mik akj
f im para
f im para
f im para
Sa :
da
NO MATLAB
function [egauss]=egauss(A)
[L,C]=size(A);
n=L;
m=C;
for k=1:n
if A(k,k)==0
for s=k+1:n
if A(s,k) =0
auxiliar=A(k,:);
121
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
122
A(k,:)=A(s,:);
A(s,:)=auxiliar;
end
end
end
for i=k+1:n
m(i,k)=A(i,k)/A(k,k);
for j=k:m
A(i,j)=A(i,j)-m(i,k)*A(k,j);
end
end
end
egauss=A
Exemplo:
=
0
2x1 + x2 x3
x1 + x2 x1
= 1
Considere o sistema
4x1 x2 1/2x3 =
3
>> A = [2 1 1 0; 1 1 1 1; 4 1 1/2 3]
>> retro(egauss(A))
ans =
1
123
Entrada :
A = [aij ]
Matriz n m
1 :
2 :
3 :
4 :
5 :
6 :
7 :
8 :
9 :
10 :
11 :
12 :
13 :
14 :
15 :
para k = 1 : n
w = |akk |
para s = k + 1 : n
se |ask | > w
w = |ask |, r = s
f im se
f im para
troque a linha s com linha k
para i = k + 1 : n
mik = aik /akk
para j = k : m
aij = ai j mik akj
f im para
f im para
f im para
Sa :
da
NO MATLAB
function [egausspiv]=egausspiv(A)
[L,C]=size(A);
n=L;
m=C;
for k=1:n
w=abs(A(k,k));
for s=k+1:n
if abs(A(s,k))w
w=abs(A(s,k));
r=s;
end
end
for i=k+1:n
m(i,k)=A(i,k)/A(k,k);
124
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
for j=k:m
A(i,j)=A(i,j)-m(i,k)*A(k,j);
end
end
end
egausspiv=A;
Ann
1 :
2 :
para i = 1 : n
para j = i : n
i1
3 :
4 :
mik ukj
uij = aij
k=1
para j = i + 1 : n
i1
5 :
mji =
mjk ukj
aji
6 :
7 :
8 :
f im para
f im para
f im para
Sa :
da
matrizes L e U
NO MATLAB
function [fatlu]=fatlu(A)
[L,C]=size(A); n=L;
for i=1:n
for j=i:n
u(i,j)=A(i,j);
for k=1:i-1
u(i,j)=u(i,j)-m(i,k)*u(k,j);
end
end
for j=i+1:n
k=1
/uii
125
m(j,i)=A(j,i);
for k=1:i-1
m(j,i)=m(j,i)-m(j,k)*u(k,i);
end
u(i,j)=u(i,j)/u(i,i);
end
end
L=m U=u
1 1 2
Exemplo: Considere a matriz A = 1 2 3 .
0 1 5
>> A = [1 1 2; 1 2 3; 0 1 5]
>> f atlu(A)
L=
0
U=
1
e
Algoritmo 7.1.5. Mtodo Iterativo de Jacobi.
126
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
Entrada :
Ann , bn , x0 ,
1 :
2 :
3 :
k=1
enquanto xk xk1 >
para i = 1 : n
4 :
xk+1 =
i
1
bi
aii
aii xk
j
j=1,j=i
5 :
6 :
f im para
f im enquanto
Sa :
da
soluo aproximada xk
ca
NO MATLAB
function [jacobi]=jacobi(A,x,delta)
[L,C]=size(A);
n=L;
m=C;
k=2;
x(:,2)=1;
cont=1;
while norm(x(:,k)-x(:,k-1))>delta
k=k+1;
if cont==1
k=k-1;
cont=0;
end
for i=1:n
x(i,k)=A(i,m);
for j=1:n
if j =i
x(i,k)=x(i,k)-A(i,j)*x(j,k-1);
end
end
x(i,k)=x(i,k)/A(i,i)
end
127
end
jacobi=x;
Nota: A sa da funo jacobi() ser dada pelo vetor x na
da
ca
a
seguinte formatao:
ca
soluo x1
ca
x2
...
xk
x1
1
x2
1
...
xk
1
x1
2
x2
2
...
xk
2
.
.
.
.
.
.
.
.
.
.
.
.
x1
n
x2
n
...
xk
n
e
Algoritmo 7.1.6. Mtodo Iterativo de Gauss-Seidel
Entrada :
Ann , bn , x0 ,
1 :
2 :
3 :
k=1
enquanto xk xk1 >
para i = 1 :
n
4 :
1
=
bi
aii
xk+1
i
i1
aij xk
j
aij xk+1
j
j=1
5 :
6 :
f im para
f im enquanto
Sa :
da
soluo aproximada xk
ca
NO MATLAB
function [gausseidel]=gausseidel(A,x,delta)
j=i+1
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
128
[L,C]=size(A);
n=L;
m=C;
k=2;
x(:,2)=1;
cont=1;
while norm(x(:,k)-x(:,k-1))>delta
k=k+1;
if cont==1
k=k-1;
cont=0;
end
for i=1:n
x(i,k)=A(i,m);
for j=1:i-1
x(i,k)=x(i,k)-A(i,j)*x(j,k);
end
for j=i+1:n
x(i,k)=x(i,k)-A(i,j)*x(j,k-1);
end
x(i,k)=x(i,k)/A(i,i);
end
end
gausseidel=x;
129
seguinte formatao:
ca
soluo x1
ca
x2
...
xk
x1
1
x2
1
...
xk
1
x1
2
x2
2
...
xk
2
.
.
.
.
.
.
.
.
.
.
.
.
x1
n
x2
n
...
xk
n
Exemplo:
3x1 + x2 = 4
pelo mtodo
e
2x1 + 6x2 = 8
de Jacobi e em seguida pelo mtodo de Gauss-Seidel com = 0.0001
e
Vamos achar a soluao do sistema
c
NO MATLAB
>> A = [3 1 4; 2 6 8]
3 1 4
A=
2 6 8
>>jacobi(A,[0 0],0.0001)
Columns 1 through 7
0
0
1.3333
1.3333
0.8889
0.8889
1.0370
1.0370
Columns 8 through 11
1.0005 0.9998 1.0001
1.0005 0.9998 1.0001
>>gausseidel(A,[0 0],0.0001)
0.9877
0.9877
1.0000
1.0000
1.0041
1.0041
0.9986
0.9986
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
130
ans
0
0
1.3333
0.8889
1.0370
0.9877
1.0041
0.9986
1.0005
0.9998
1.0001
1.0000
1.0000
1.0000
7.2
Zeros de Funo
ca
f (x), a, b, n
1 :
2
3
4
5
6
7
8
:
:
:
:
:
:
:
Sa :
da
n o nmero de subintervalos
e
u
|b a|
n
p0 = a
para i = 1 : n
pi = pi1 +
se f (pi )f (pi1 ) 0
armazenar o intervalo [pi1 pi ] em um vetor V
f im se
f impara
V etor V
NO MATLAB
function[MLZ]=MLZ(a,b,n)
gama=abs(b-a)/n;
p(1)=a; %trocamos p(0) por p(1)
j=1;
for i=2:n+1
p(i)=p(i-1)+gama;
if(f(p(i))*f(p(i-1)))<=0
131
V(j)=p(i-1);
V(j+1)=p(i);
j=j+2;
end
end
MLZ=V;
Nota: O retorno da funo M LZ() dado pelos intervalos [v1 v2 ], [v3 v4 ], . . . , [vk1 vk ]
ca
e
onde esto os poss
a
veis zeros de f (x). O vetor V dado na seguinte
e
formatao:
ca
M LZ = V = v1 v2 v3 v4 . . . vk1 vk
Exemplo:
Seja f (x) = x3 2x2 + 1 cujos zeros so 0.6180, 1, 1.6180.
a
Vamos aplicar a funao M LZ() no intervalo [1 2] com n = 10
c
depois com n = 500.
>> M LZ(1, 2, 10)
ans =
-0.7000
-0.4000
0.8000
1.1000
1.4000
1.7000
0.9980
1.0040
1.6160
1.6220
-0.6160
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
132
Entrada :
f (x), a, b,
1 :
3 :
4 :
5 :
6 :
7 :
8 :
9 :
10 :
11 :
12 :
enquanto |b a| >
a+b
x=
2
se f (x) = 0
x zero, encerrar
e
seno
a
se f (a)f (x) < 0
b=x
seno
a
a=x
f im se
f im se
f im enquanto
Sa : x
da
2 :
NO MATLAB
function[MMI]=MMI(a,b,delta)
while abs(b-a)>delta
x=(a+b)/2;
if f(x)==0
MMI=x;
return %termina a funo
ca
else
if (f(a)*f(x))0
b=x;
else
a=x;
end
end
end
MMI=x;
133
f (x), a, b,
1
2
3
4
5
11 :
Sa :
da
xn
:
:
:
:
:
6 :
7 :
8 :
9 :
10 :
134
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
NO MATLAB
function[secante]=secante(a,b,delta)
if (f(a)*ddf(a))>0 %ddf() a derivada segunda de f(x)
e
c=a;
x(1)=b;
else
c=b;
x(1)=a;
end
x(2)=x(1)-(f(x(1))*(x(1)-c))/(f(x(1))-f(c));
n=2;
while abs(x(n)-x(n-1))>delta
n=n+1;
x(n)=x(n-1)-(f(x(n-1))*(x(n-1)-c))/(f(x(n-1))-f(c));
end
secante=x(n);
f (x), f (x), a, b,
1
2
3
4
5
7 :
8 :
9 :
10 :
11 :
Sa :
da
xn
:
:
:
:
:
6 :
NO MATLAB
function[newton]=newton(a,b,delta)
if (f(a)*ddf(a))>0 %ddf() a derivada segunda de f(x)
e
c=a;
x(1)=b;
else
c=b;
x(1)=a;
end
x(2)=x(1)-f(x(1))/ddf(x(1));
n=2;
while abs(x(n)-x(n-1))>delta
n=n+1;
x(n)=x(n-1)-f(x(n-1))/ddf(x(n-1));
end
newton=x(n);
Nota: A funo ddf () deve ser criada como a funo f ().
ca
ca
135
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
136
(x), x0 ,
1
2
3
4
5
6
x1 = (x0 )
n=1
enquanto |xn xn1 | >
n=n+1
xn = (xn1 )
f im enquanto
:
:
:
:
:
:
Sa :
da
xn
7.3
Interpolao
ca
7.3. INTERPOLACAO
137
Entrada :
1
2
3
4
5
7 :
8 :
9 :
10 :
soma = 0
para i = 0 : n
P =1
para j = 0 : n
se j = i
(x xj )
P =P
(xi xj )
f im se
f im para
soma = soma + f (xi )P
f im para
Sa :
da
soma
:
:
:
:
:
6 :
%vetor de pontos X.
%vetor imagem f (X)
0.0000
0.0000
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
138
7.4
Integrao
ca
x0 , h
1
2
3
4
5
soma = 0
para i = 1 : n 1
xi = xi1 + h
soma = soma + f (xi )
f im para
h
IT r = [f (x0 ) + 2soma + f (xn )]
2
:
:
:
:
:
6 :
Sa :
da
IT r
No Matlab integramos com o comando trapz() que calcula a integral por trapzios. Por exemplo:
e
2
Desejamos calcular
(x2 + 1) dx.
>> x = 0 : 0.01 : 2
h = 0.01
IT R = 4.6667
Algoritmo 7.4.2. Integrao pela 1a Regra de Simpson.
ca
7.5. OTIMIZACAO
139
Entrada :
x0 , h
1
2
3
4
5
6
7
8
9
soma = 0
para i = 1 : n 1
xi = xi1 + h
se (i par)
soma = soma + 2f (xi )
seno
a
soma = soma + 4f (xi )
f im se
f im para
h
IS = [f (x0 ) + soma + f (xn )]
3
:
:
:
:
:
:
:
:
:
10 :
Sa :
da
IS
Desejamos calcular a
(x2 + 1) dx.
Arquivo f.m
function [f ] = f (x)
f = x. 2 + 1
>> quad( f , 0, 2)
ans = 4.6667
7.5
Otimizao
ca
Algoritmo 7.5.1. M
nimo de uma funo(de uma varivel) pelo
ca
a
mtodo da seo urea.
e
ca a
140
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
Entrada :
f (x), a, b,
1
2
3
4
5
6
7
8
8
8
9
enquanto |b a| >
xa = b 0.618(b a)
xb = a + 0.618(b a)
se f (xa ) < f (xb )
b = xb
xb = a + 0.618(b a)
seno
a
a = xa
xa = b 0.618(b a)
f im se
f im enquanto
xa + xb
I=
2
:
:
:
:
:
:
:
:
:
:
:
10 :
Sa :
da
NO MATLAB
function[aurea]=aurea(a,b,delta)
while abs(b-a)>delta
xa=b-0.618*(b-a);
xb=a+0.618*(b-a);
if f(xa)<f(xb)
b=xb;
xb=a+0.618*(b-a);
else
a=xa;
xa=b-0.618*(b-a);
end
end
I=(xa+xb)/2;
aureo=I;
Considerando f (x) = sen(x), vamos encontrar o zero de f (x)
em [0 2] com = 0.01, aplicando a funo que acabamos de criar
ca
7.5. OTIMIZACAO
141
f (x), x0 ,
1
2
3
4
5
6
7
8
k=0
enquanto xk xk1 >
gk = f (xk )
dk = gk
k = m
nimo por seo urea de gk (t) = f (xk + tdk )
ca a
xk+1 = xk + k dk
k =k+1
f im enquanto
:
:
:
:
:
:
:
:
Sa :
da
xk
NO MATLAB
function[Mgrad]=Mgrad(x,delta)
k=2;
x=x; %transforma x em um vetor coluna
x(:,k)=1;
cont=1;
while norm(x(:,k)-x(:,k-1))>delta
if cont =1
k=k+1;
142
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
end
gk=gradiente(x(:,k-1),0.0001);
dk=-gk;
ak=aurea(0,1,x(:,k-1),dk,0.0001);
x(:,k)=x(:,k-1)+ak*dk;
cont=cont+1;
end
Mgrad=x(:,k)
7.5. OTIMIZACAO
143
xa=b-0.618*(b-a);
xb=a+0.618*(b-a);
if f(xk+xa*dk)<f(xk+xb*dk)
b=xb;
xb=a+0.618*(b-a);
else
a=xa;
xa=b-0.618*(b-a);
end
end
I=(xa+xb)/2;
aureo=I;
Algoritmo 7.5.3. M
nimo de uma funo (duas variveis) por direo
ca
a
ca
aleatria.
o
Entrada :
f (x), x0 ,
1
2
4
5
6
7
8
k=0
enquanto xk xk1 >
dk = rand(n, 1)
k = m
nimo por seo urea de gk (t) = f (xk + tdk )
ca a
xk+1 = xk + k dk
k =k+1
f im enquanto
:
:
:
:
:
:
:
Sa :
da
xk
144
CAP
ITULO 7. IMPLEMENTACAO DOS METODOS
x(:,k)=1;
cont=1;
while norm(x(:,k)-x(:,k-1))>delta
if cont =1
k=k+1;
end
dk=rand(2,1);
ak=aurea(-1,1,x(:,k-1),dk,0.0001);
x(:,k)=x(:,k-1)+ak*dk;
cont=cont+1;
end
aleatorio=x(:,k)
7.6. EXERC
ICIOS
145
Desejamos encontrar o m
nimo da funo f : R2 R dada
ca
2 + (x + 2)2 . Tomamos como ponto inicial
por f (x1 , x2 ) = (x1 + 1)
2
x0 = (4, 5).
>> x = f mins( (x(1) + 1) 2 + (x(2) + 2) 2 , [4 5]
x = 1.0000 2.00000
7.6
Exerc
cios
Indice Remissivo
Aurea, mtodo, 86
e
Decomposio LU, 8
ca
Direo aleatria, 92
ca
o
Direto Mtodo, 4
e
Doolitle mtodo, 11
e
Algoritmo, denio, 96
ca
Ampliada, matriz, 2
Atratoras, bacias, 90
Elementares, operaes, 4
co
Eliminao Gaussiana, 8
ca
Erro, 17
Erro de truncamento, 59
Bacias de atrao, 90
ca
Bolzano, teorema de, 30
Briot-Runi, mtodo de, 62
e
Cauchy, 38
Cauchy, seqncia de, 27
ue
Comentrios nais Zeros de funo,
a
ca
41
Complexos, sistemas lineares,
20
Condicional, nmero, 17
u
Cont
nua, funo, 25
ca
Convergncia no mtodo da see
e
cante, 33
Convergncia no mtodo de Newe
e
ton, 35
Convergncia, mtodo de Jae
e
cobi e Gauss-Seidel, 19
Critrio de linhas, 19
e
Critrio de parada, 14
e
DDF, 57
DDF, frmula geral interpolao,
o
ca
58
146
Funo cont
ca
nua, 25
Funo de Iterao, 39
ca
ca
Funo de iterao, 11
ca
ca
Funo, zeros de uma, 25
ca
Funes pr-denidas, 104
co
e
Gauss mtodo, 4
e
Gauss, mtodo iterativo de, 15
e
Gaussiana, eliminao, 8
ca
Geomtrica, soluo, 2
e
ca
Global, mximo, 83
a
Global, m
nimo, 83
Gradiente de uma funo, 88
ca
Grout mtodo, 11
e
Innitas solues, 3
co
Inexo, ponto, 85
a
Interpolao, 53
ca
Interpolao de Lagrange, 54
ca
Interpolao por DDF, 57
ca
INDICE REMISSIVO
Inverso de matriz, 10
a
Inverso, matriz, 10
a
Iterao linear, mtodo da, 36
ca
e
Iterao, funo de, 11
ca
ca
Iterativo, mtodo do renamento,
e
17
Iterativos mtodos, 11
e
Jacobi, mtodo, 11
e
Linear, Sistema, 1
Local, mximo, 83
a
Local, m
nimo, 83
Localizao de zeros, 41
ca
Localizao de zeros, mtodo
ca
e
de, 27
LU decomposio, 8
ca
Mximo local, 83
a
Mtodo Briot-Runi, 62
e
Mtodo da iterao linear, 36,
e
ca
42
Mtodo da Seo Aurea, 86
e
ca
Mtodo da secante, 31, 41
e
Mtodo de Doolitle, 11
e
Mtodo de Gauss, 4
e
Mtodo de Grout, 11
e
Mtodo de Localizao de Zee
ca
ros, 27
Mtodo de Newton, 33, 41
e
Mtodo do meio intervalo, 29,
e
41
Mtodo do Renamento Iterae
tivo, 17
Mtodo iterativo de Jacobi, 11
e
Mtodo iterativo Gauss-Seidel,
e
15
Mtodos Diretos, 4
e
147
Mtodos Iterativos, 11
e
M
nimo global, 83
M
nimo local, 83
Matriz ampliada, 2, 4, 5
Matriz dos coecientes, 2
Matriz quadrada, 2
Matriz triangular inferior, 8
Matriz triangular superior, 8
Meio intervalo, mtodo do, 29
e
Multiplicidade de um zero, 50
Nmero condicional, 17, 18
u
Newton, convergncia no mtodo
e
e
de, 35
Newton, mtodo, 33
e
Operaes elementares, 4
co
Otimizao, 83
ca
Parada, Critrio de, 14
e
Partio, 28
ca
Pivo, 7
Pivotao parcial, 8
ca
Ponto de inexo, 85
a
Ponto xo, 36
Quadrada, matriz, 2
Renamento iterativo, mtodo
e
do, 17
Res
duo, vetor, 17
Script, 105
Seo urea, 86
ca a
Secante, convergncia no mtodo
e
e
da, 33
Secante, mtodo da, 31
e
Seidel, mtodo iterativo de, 15
e
Seqncia de Cauchy, 27
ue
148
Seqncia montona, 30
ue
o
Sistemas Complexos, 20
Sistemas Lineares, 1
Soluo de um sistema n n,
ca
3
Soluo Geomtrica de um sisca
e
tema, 2
Substituio Retroativa, 9
ca
Substituio retroativa, 6
ca
Teorema de Bolzano, 30
Teorema de Rolle, 60
Teorema de Weirstrass, 53
Teorema do ponto de inexo,
a
85
Teorema Interpolao de Laca
grange, 54
triangular matriz, 8
Vetor incgnitas, 2
o
Vetor res
duo, 17
Vetor termos independentes, 2
Zeros de funo, 25
ca
Zeros de um polinmio, 43
o
INDICE REMISSIVO
Referncias Bibliogrcas
e
a
[1] Lenidas C. Barroso. Clculo Numrico com aplicaes. Harbra,
o
a
e
co
1987.
e
[2] Jos Luiz Boldrini. Algebra Linear. Ed. Harbra, 1980.
[3] Djairo Guedes de Figueiredo. Anlise I. Ed. LTC, 1996.
a
[4] Howard. Eves. Introduao ` Histria da Matemtica.
c a
o
a
Pol
gono, 1989.
Ed.
149