Cálculo Numérico - Prof. Luciano Bittencourt

Graduao em Engenharia Eltrica
Centro Universitrio do Leste de Minas Gerais -
Campus Coronel Fabriciano
Av. Tancredo Neves, 3500, B. Universitrio, 35170-056 - (31) 3846-5500
Clculo Numrico
Apostila de apoio para os alunos do curso de engenharia

do Centro Universitrio do Leste de Minas Gerais.
Professorr
Luciano Bittencourt de Abreu
Contato
lbitten@gmail.com
Ipatinga, Fevereiro de 2014
Clculo Numrico
Objetivos
A
anlise
numrica
estudo
de
algoritmos
que
utilizam
aproximao
numrica em problemas de anlise matemtica. Para isso, so propostos mtodos e

tcnicas que fornecem uma soluo de problemas, geralmente complexos, com uma
preciso aceitvel, a qual pode ser modicada de acordo com a necessidade.
Ementa
1. Noes Bsicas sobre Erro
2. Zeros Reais de Funes Reais
3. Sistemas Lineares
4. Sistemas No-Lineares
5. Interpolao
6. Integrao e Diferenciao Numrica
7. Equaes Diferenciais Ordinrias
Bibliograa
FRANCO, Neide Maria Bertoldi. Clculo Numrico.
RUGGIERO, Mrcia A Gomes; LOPES, Vera Lcia da Rocha. Clculo Numrico:

Aspectos Tericos e Computacionais.
CANALE, Raymond P,; CHAPRA, Steven C. Mtodos Numricos para Engenharia.
Sumrio
Lista de Tabelas
Lista de Figuras
vi
Clculo Numrico e Erros
1.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1
Erro Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2
Propagao do Erro . . . . . . . . . . . . . . . . . . . . . . . .
Zeros Reais de Funes Reais
2.1
Fase 1: Isolamento da Raiz . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Fase 2: Renamento
2.2.1
2.3
Critrio de Parada
Mtodo da Bisseco
2.3.1
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
Determinao do Valor Aproximado do Nmero de Iteraes
2.4
Mtodo de Newton-Rhapson . . . . . . . . . . . . . . . . . . . . . . .
2.5
Mtodo das Secantes
. . . . . . . . . . . . . . . . . . . . . . . . . . .
14
Soluo de Sistemas Lineares: Mtodos Iterativos
17
3.1
18
Mtodo de Jacobi-Richardson
3.1.1
. . . . . . . . . . . . . . . . . . . . . .
Critrio de Convergncia: Critrio das Linhas
iii
. . . . . . . . .
22
iv
3.2
Mtodo de Gauss-Seidel
3.2.1
Convergncia do Mtodo de Gauss-Sidel
. . . . . . . . . . . .
24
27
Interpolao Polinomial
29
4.1
29
Frmula de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . .
Integrao Numrica
5.1
. . . . . . . . . . . . . . . . . . . . . . . . .
34
Regras de Newton-Cotes
. . . . . . . . . . . . . . . . . . . . . . . . .
35
5.1.1
Regra do Trapzio
. . . . . . . . . . . . . . . . . . . . . . . .
35
5.1.2
Regra do Trapzio Generalizada . . . . . . . . . . . . . . . . .
36
5.1.3
Regra 1/3 de Simpson
. . . . . . . . . . . . . . . . . . . . . .
38
5.1.4
Regra 1/3 de Simpson Generalizada . . . . . . . . . . . . . . .
38
Soluo de Equaes Diferenciais
40
6.1
Mtodo de Euler
41
6.2
Mtodo de Runge-Kutta
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Referncias Bibliogrficas
. . . . . . . . . . . . . . . . . . . . . . . . .
43
46
Lista de Tabelas
2.1
f (x) = x3 9x + 3
para determinados valores de
x.
. . . . . . . . . .
Lista de Figuras
2.1
Exemplo de funes que apresentam razes reais. . . . . . . . . . . . .
2.2
Exemplo de funes que apresentam derivada com sinal constante

dentro de um determinado intervalor
2.3
[a, b].
. . . . . . . . . . . . . . .
Fluxograma de um mtodo numrico iterativo para a localizao das

razes de uma funo. . . . . . . . . . . . . . . . . . . . . . . . . . . .
xk
xk+1 .
2.4
Representao grca do mtodo de Newton para
. . . . .
10
2.5
Funo do exerccio 2.3 . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.6
Funo do exemplo 2.5.1
15
5.1
Funo de primeiro grau que para a aproximao de
5.2
Representao grca do mtodo de trapzio generalizado.
6.1
Representao grca do mtodo de Euler.
. . . . . . . . . . . . . . . . . . . . . . . . .
vi
f (x).
. . . . . .
35
. . . . . .
37
. . . . . . . . . . . . . . .
42
Captulo 1
Clculo Numrico e Erros
1.1 Introduo
Um
mtodo
numrico
um
mtodo
no
analtico,
que
tem
como
objetivo
determinas um ou mais valores numricos que so solues de um problema.
Os mtodos numricos conduzem a solues aproximadas, onde o erro presente

deve estar dentro de um limite de conana pr-estabelecido.
1.1.1
Erro Absoluto
a diferena entre o valor exato
e o valor aproximado
Eax = x x
Em geral, apenas o valor de
erro absoluto.
Neste caso,
x,
x.
(1.1)
o que torna impossvel a obteno exata do
obtm-se um limitante superior ou uma estimativa
para o mdulo do erro absoluto.
Maiores detalhes sero apresentados conforme
a necessidade.
Luciano Bittencourt - Clculo Numrico
1.1 Introduo
1.1.2
Propagao do Erro
Em uma sequncia de operaes, ao se fazer arredondamento, importante ter

o conhecimento da propagao do erro ao longo do desenvolvimento dos clculos.
Efetue as seguintes operaes, utilizando uma casa decimal, e compare os resultados.
a) = (11, 4 + 3, 18) + 5, 05 e 11, 4 + (3, 18 + 5, 05)
b) =
3, 18.11, 4
3, 18
e
.11, 4
5, 05
5, 05
Erx =
x x
x
(1.2)
Captulo 2
Zeros Reais de Funes Reais
Em muitos casos, dentro da engenharia, razes de equaes de grau superior

devem ser determinadas,
clculos.
no havendo,
muitas vezes,
frmula explcita para os
Gracamente, os zeros reais so apresentados pelas abcissas do ponto
onde uma curva intercepta o eixo
x,
conforme mostrado na gura 2.1.
Desta forma, para funes complicadas e de grau superior, so apresentados

mtodos numricos para a obteno de valores aproximados de sua(s) raz(es) com
uma preciso satisfatria.
A idia central dos mtodos partir de uma aproximao inicial para a raz, em
seguida, renar o resultado a partir de um processo iterativo.
FASE 1:
Localizao ou isolamento da raz, que consiste em determinar um
intervalo no eixo
FASE 2:
que contenha a raz de interesse;
Renamento, que, a partir de uma aproximao feita na fase 1,
aproxima este valor do valor exato, com uma preciso
prexada.
2.1 Fase 1: Isolamento da Raiz

Nesta etapa, feita uma anlise grca de
f (x), o que ir determinar o resultado
satisfatrio da fase 2.
2.1 Fase 1: Isolamento da Raiz
Figura 2.1: Exemplo de funes que apresentam razes reais.
TEOREMA 1:
Se
Seja uma funo contnua
f (a).f (b) < 0,
ento
existe
pelo
f (x)
menos
num intervalo [a,b].
um
ponto
x = ,
ou
seja,
uma
raz.
Pode-se notar atravs do
teorema 1
que se
f (x)
mantiver o sinal dentro do
intervalo estabelecido, a funo apresenta apenas uma raiz naquela regio.

condio pode ser observada na gura
Esta
??.
Outra forma de se determinar os intervalos
atribuir valores para
num
determinado intervalo e observar as mudanas de sinal, conforme o exemplo a seguir.
2.2 Fase 2: Renamento
Figura 2.2: Exemplo de funes que apresentam derivada com sinal constante dentro
de um determinado intervalor
Exemplo 2.1.1
[a, b].
Para f (x) = x3 9x + 3, determine os intervalos que contm as
razes da funo.
Tabela 2.1:
x
f(x)
f (x) = x3 9x + 3
para determinados valores de
-100
-10
-5
-3
-1
Note que, de acordo com a tabela
??,
f (x), ou seja 3 razes, segundo o teorema 1.

so: [5, 3], [0, 1] e [2, 3].
x.
ocorrem 3 mudanas de sinal da funo

Logo, os intervalos que contm as razes

Como mencionado anteriormente, a etapa do renamento tem como objetivo
reduzir o erro do valor da aproximao feita na etapa 1. Sero apresentados, ento,
alguns mtodos com este ob jetivo, cada um com suas particularidades, porm com
o objetivo de aumentar a preciso da estimao
Os mtodos aqui apresentados so classicados como
iterativos, uma vez que uma
srie de instrues matemticas e lgicas so executadas em ciclos para a reduo

do erro. A lgica utilizada por tais mtodos mostrada na gura 2.3
Figura 2.3:
Fluxograma de um mtodo numrico iterativo para a localizao das
razes de uma funo.
2.2.1
Critrio de Parada
Como foi visto, atravs de um mtodo numrico, a soluo renada at a

obteno de uma determinada preciso
Ento, necessrio fazer uma anlise dos
2.3 Mtodo da Bisseco
resultados a cada iterao para determinar se o resultado obtido naquele instante

suciente para representar o valor exato procurado.
Para isso, deve-se efetuar o
seguinte teste:
|xk+1 xk |
< , (erro relativo)
xk
(2.1)
Observe que a obteno o erro relativo feita a partir da estimao feita na

iterao anterior
xk ,
Em outras palavras,
uma vez que no se tem em mos o valor exato em questo.
x = xk+1
x = xk .

Seja uma funo
f (x)
contnua no intervalo
[a, b]
e tal que
f (a).f (b) < 0.
f (x) apresenta sinal constante neste intervalo, ou seja,

para x [a, b].
Consideremos ainda que

existe apenas uma raiz
O ob jetivo deste mtodo reduzir a amplitude do intervalo que contm a raiz

at se atingir a preciso requerida, utilizando para isso a sucessiva diviso de
ao meio. O valor aproximado da raiz
xk
[a, b]
dado por:
a+b
2
xl =
(2.2)
Para f (x) = x.log(x)1, determine o valor aproximado da raiz para

o intervalo de [2, 3]. Efetue apenas as cinco primeiras iteraes.
Exerccio 2.1
Primeiramente iremos preencher a seguinte tabela:
xk
f (xk )
mas antes, precisamos determinar

faz com que
f (x)
f (a)
f (b)
a m de saber qual o intervalo que
seja positivo e negativo. Logo,
f (2) = 2.log(2) 1
= 0, 3979
f (3) > 0
Veremos que, consequentemente,
f (3) = 3.log(3) 1
= 0.4314
f (a) < 0 e f (b) > 0.
negariva e b a coluna positiva.
Ento,
Com isso, na tabela, a coluna de
ser a
coluna
a j b fornecidos no exerccio; determina-se

ltimo, f (xk ).
Neste momento no possvel
Inicia-se, ento, com os intervalos de
xk
atravs da equao 2.2 e, por
determinar o valor de
visto que no temos ainda nenhuma aproximao para a
sua determinao.
a() b(+)
como
f (xk )
xk
f (xk )
2,5
-0.0051
xk copiado para a coluna

novo xk e f (xk ) so calculados.
negativo, ento
permanece constante. Um
a()
b(+)
xk
f (xk )
2,5
-0.0051
2,5
2,75
0,2081
Nesta iterao, possvel determinar
negativa.
O intervalo
segundo a equao 2.2:
2, 75 2, 5
2, 5
= 0, 1
2.4 Mtodo de Newton-Rhapson
a() b(+)
xk
f (xk )
2,5
-0.0051
2,5
2,75
0,2081
0,1
Continuando a mesma sequncia de operaes, at
k = 5,
a()
b(+)
xk
f (xk )
2,5
-0.0051
2,5
2,75
0,2081
0,1
tem-se:
2,5
2,75
2,625
0,1002
0,045
2,5
2,625
2,5625
0,0472
0,023
2,5
2,5625
2,5312
0,0209
0,012
Nota-se que com o passar das iteraes, maior o valor da preciso e menor o erro
da aproximao.
2.3.1
Determinao do Valor Aproximado do Nmero de

Iteraes
possvel determinar o valor aproximado do nmero de iteraes do mtodo em

questo a m de atender preciso estabelecida
de tal maneira que:
log(b a) log()
log(2)
(2.3)
Determine o valor aproximado da raiz de f (x) = x3 9x + 3 para

x [0, 1], com preciso mnima de 103 .
Exerccio 2.2

O mtodo de Newton, tambm conhecido como Newton-Rhapson, uma das
tcnicas mais populares para se determinar razes de equaes no-lineares.
Para
isso, toma-se um ponto qualquer do domnio da funo, calcula-se a equao da

tangente (derivada) da funo nesse ponto; calcula-se o intercepto da tangente ao
10
eixo das abcissas a m de encontrar um novo ponto do domnio da funo.
Este
processo repetido at a determinao do valor aproximado da raiz em questo,

levando em considerao a preciso requerida no problema.
Uma interpretao
grca do mtodo de Newton mostrado na gura 2.4.
Figura 2.4: Representao grca do mtodo de Newton para
Tem-se que, a partir de uma aproximao inicial para a raz
xk+1 = xk
Exemplo 2.4.1
xk
xk , xk+1
f (xk )
f (xk )
xk+1 .
dado por:
(2.4)
A partir do mtodo de Newton, determine a raiz de

f (x) = 4cos(x) ex
com xk [0, 2]. Considere um erro inferior a 102 .

Escolhendo, inicialmente, o valor arbitrrio de
xk = 1
(entre 0 e 2), iremos
preencher a seguinte tabela:
11
xk
xk+1
Para isso, utiliza-se a equao 2.4. Logo, preciso obter a equao da derivada da
funo
f (x).
f (x) = 4sen(x) ex
Agora, possvel determinar novas aproximaes para as razes.
x2
x2
f (x1 )
f (x1 )
4cos(1) e1
1
4sen(1) e1
xk
x2 = 0, 9084
Calculemos
|0.9084 1|
1
= 0, 0916
=
Ento preenche-se a tabela.
xk
xk+1
0.9084
0,0916
0,9084
Repete-se, ento as operaes anteriores na terceira iterao.
x3 = 0, 9048
12
= 0.004
k
xk
xk+1
0.9084
0,0916
0,9084
0,9048
0,0040
Note que na terceira iterao o resultado foi alcanado.
f (x) = 4cos(x) ex
, aproximadamente,
Logo, o valor da raiz de
0, 9048.
Determine a raiz de f (x) = x2 + x 6, partindo-se de um ponto

inicial x0 igual a 1, 5.
Exerccio 2.3
Para a funo apresentada no exerccio, podemos determinar atravs frmula de
Bhaskara suas duas razes, que so 3 e 2.
Gracamente, mostrada na gura 2.5.
Figura 2.5: Funo do exerccio 2.3
Atravs do mtodo de Newton, tem-se que:
13
f (xk )
f (xk )
x2 + x 6
= xk
2x + 1
xk+1 = xk
xk+1
ento, para
k=0
x2 + x 6
2x + 1
1, 52 + 1, 5 6
= 1, 5
2.1, 5 + 1
= 2, 0625
x1 = x0
x1
x1
efetuando as mesmas operaes at
k = 2,
temos:
xk
xk+1
2.0625
2,0007
0,0300
2,0007
2,0000
0,0003
Note que a raz encontrada, como pode ser observado na gura 2.5, foi a mais
prxima de
igual a
1, 5.
Neste exerccio possvel perceber a importncia de se iniciar o problema com

uma aproximao adequada, a m de se determinar o valor desejado.
Utilizando o mtodo de Newton, com erro inferior a 102 ,

determinar uma raiz das seguintes equaes:
Exerccio 2.4
a) 2x = tg(x)
b) 5x3 + x2 12x + 4 = 0
2.5 Mtodo das Secantes
14
c) sen(x) ex = 0
d) x4 8 = 0

Uma desvantagem do mtodo de Newton a determinao de f '(x), bem como
o seu valor numrico a cada iterao. Uma modicao que reduz esta limitao
a substituio de
f (x)
pelo quociente das diferenas:
f (xk )
sendo
xk
xk1
f (xk ) f (xk1 )
xk xk1
duas aproximaes quaisquer para a raz.
(2.5)
Ento, utilizando esta
aproximao na equao do mtodo de Newton, temos:
xk+1 = xk
xk xk1
f (xk )
f (xk ) f (xk1 )
(2.6)
Observe que para este mtodo, so necessrias duas aproximaes iniciais.
Sendo f (x) = x 5ex , determine o valor aproximado de sua

raiz. Para isso, utilize a gura 2.6. Considere o valor mnimo de = 102 .
Exemplo 2.5.1
De acordo com a gura 2.6, nota-se que a raz est localizada prximo a
a
1, 5.
Tomando
x0
1, 5 (xk1 ) e x1
2.6, para k = 1:
igual a
de acordo com a equao
igual a
1, 7 (xk ),
igual
podemos determinar
x2
1, 7 1, 5
x2 = 1, 7
1, 7 5e1,7
( 1, 7 5e1,7 ) ( 1, 7 5e1,7 ))
x2 = 1, 4224
Podemos, utilizar a seguinte tabela:
15
Figura 2.6: Funo do exemplo 2.5.1
agora, para
xk
xk1
xk+1
1,7
1,5
1,4224
k = 2, xk = 1, 4224
xk1 = 1, 7
xk+1 = 1, 4313
k
xk
xk1
xk+1
1,7
1,5
1,4224
1,4224
1,7
1,4313
0,0062
Note que, neste ponto, foi possvel determinar
Efetue, ento, os clculos para a
prxima iterao.
Utilizando o mtodo das secantes, com erro inferior a 102 ,

determinar uma raiz das seguintes equaes:
Exerccio 2.5
16
a) f (x) = 2, 7 ln(x)
b) f (x) = log(x) cos(x)
c) f (x) = ex log(x)
Captulo 3
Soluo de Sistemas Lineares:

Mtodos Iterativos
Uma grande variedade de problemas de engenharia podem ser representados e

solucionados a partir de um sistema de equaes lineares, como a determinao do
potencial em redes eltricas e clculo de tenso na estrutura metlica da construo
civil.
Uma equao dita linear se cada termo contm no mais do que uma varivel
e cada varivel aparece na primeira potncia, como
3x + 4y 10z = 3.
xy 3z =
n equaes
3ex + y z = 0 so no-lineares. Quando se tem um conjunto de

neste formato com n incgnitas, tem-se um sistema de equaes lineares.
3
Os mtodos numricos para a soluo de equaes lineares podem ser divididos

em dois grupos:
os
mtodos exatos
e os
mtodos iterativos.
Os mtodos exatos,
fornece uma soluo exata, desconsiderando os erros por arredondamento.
J os
iterativos, que ser o nosso foco, fornecem uma soluo aproximada com determinada
preciso, com um nmero
n de iteraes.
Os mtodos iterativos, em muitos casos, apresentam melhor desempenho que

os mtodos exatos.
So exemplo matrizes esparsas de coeciente, quando vrios
elementos so nulos;
processamento.
So
computacionalmente necessitam de menos memria para o

vantajosos,
ainda,
na
correo
dos
erros
cometidos
de
arredondamento.
3.1 Mtodo de Jacobi-Richardson
18

Considere uma matriz na forma
Ax = b
pode ser
A, D a diagonal de A e R
Ax = b pode ser escrita como:
a matriz
de ordem
n.
A matriz
decomposta na forma:
A=L+D+R
sendo
uma matriz triangular inferior de
triangular superior de
A.
Desta forma,
(L + D + R)x = b
Dx = (L + R)x + b
x = D1 b D1 (L + R)x
Como processo iterativo, esta equao pode ser escrita como:
xk+1 = D1 b D1 (L + R)xk
Este processo chamado de
Exemplo 3.1.1
(3.1)
Mtodo de Jacobi-Richardson.
Resolva o sistema linear utilizando o mtodo de Jacobi.
3x y z = 1
x + 3y + z = 3
2x + y + 4z = 7
Soluo
Representando a matriz na forma
Ax = b,
tem-se:
19

3 1 1
x
1

1 y = 3
1 3
2
1
4
z
7
Vamos, agora, denir todos os termos da equao 3.1:
3 0 0
D= 0 3 0
0 0 4
logo,
D1
D1
1/3 0
0
= 0 1/3 0
0
0 1/4
Se
0 0 0
L = 1 0 0
2 1 0
e
0 1 1
R= 0 0
1
0 0
0
tem-se
0 1 1
L + R = 1 0
1
2
1
0
Determinemos ento
20
D1 b
1/3
D1 b = 1
7/4
Agora, para
(L + R)D1
(L + R)D1
0
1/3 1/3
= 1/3
0
1/3
1/2
1/4
0
nalmente podemos escrever a equao 3.1:
xk+1
1/3
0
1/3 1/3
xk
0
1/3 yk
yk+1 = 1 1/3
zk+1
7/4
1/2
1/4
0
zk
xk+1
1/3
yk /3 zk /3
yk+1 = 1 xk /3 + zk /3
zk+1
7/4
xk /2 + yk /4
Ento
xk+1
1/3 + yk /3 + zk /3
yk+1 = 1 + xk /3 zk /3
zk+1
7/4 xk /2 yk /4
Esta a equao que nos permitir o clculo de
valores iniciais de
x 0 = y 0 = z0 = 0 ,
xk+1 , yk+1 e zk+1 .
Para
k = 0,
com
temos:
21
x1
0, 3333
1
y1 =
z1
7/4
o que nos permite determinar
x2 , y2
z2 :

1, 25
x2

y2 = 0, 5278
1, 3333
z2
Obtemos ento, aps vrias iteraes:

x15
1

y15 = 1
z15
1
3.1.1
22
Critrio de Convergncia: Critrio das Linhas
Seja um sistema linear
Ax = b
e seja
k = (
|akj |)/|akk |,
j=1,
j=k
Se
= max(alphak ) < 1,
ento o mtodo gera uma sequncia
xk
convergente para
a soluo do sistema dado, independente da escolha da aproximao inicial
Exemplo 3.1.2
x0 .
Verique a convergncia do sistema abaixo.
10 2 1
1 5 1
2 3 10
Soluo
Ento
max(k ) = 0, 5 < 1.
1 =
2+1
= 0, 3
10
2 =
1+1
= 0, 4
5
3 =
2+3
= 0, 5
10
Tem-se, neste caso, a garantia de convergncia do
mtodo.
Resolva o sistema linear abaixo para um erro inferior a 102 .

Considere x0 = 0, 7, y0 = 1, 6 e z0 = 0, 6.
Exemplo 3.1.3
23
10x + 2y + z = 7
x + 5y + z = 8
2x + 3y + 10z = 6
Soluo
Este o mesmo sistema do exemplo 3.1.2,
logo sabemos a respeito de sua
convergncia. Vamos resolver de uma outra forma apresentada no exemplo 3.1.1.

Vamos, primeiramente, dividir cada linha do sistema pelo elemento da diagonal
principal da matriz
A.
Temos, ento:
x
+ 0, 2y + 0, 1z = 0, 7
0, 2x +
y
+ 0, 2z = 1, 6
0, 2x + 0, 3y +
z
= 0, 6
note que todos os elementos da diagonal principal so iguais a 1.
Agora, vamos isolar
x, y
e inserir os ndices de
k + 1.
Isolando, temos:
x = 0, 2y 0, 1z + 0, 7
y = 0, 2x 0, 2z 1, 6
z = 0, 2x 0, 3y + 0, 6
Inserindo os ndices:
xk+1 = 0, 2yk 0, 1zk + 0, 7

yk+1 = 0, 2xk 0, 2zk 1, 6
zk+1 = 0, 2xk 0, 3yk + 0, 6

Substituindo os valores iniciais de
x0 , y0
z0 , podemos representar os resultados
na tabela abaixo.
Pode-se vericar que, para
k=4
os erros de aproximao so inferiores a
102 .
Ento:
3.2 Mtodo de Gauss-Seidel
24
xk
yk
zk
0,7
-1,6
0,6
0,96
-1,86
0,94
0,978
-1,98
0,966
0,9994
-1,9888
0,9984
0,9979
-1,9996
0,9968
0, 9979
x

y = 1, 9996
0, 9968
z
Exerccio 3.1
Obtenha a soluo dos sistemas abaixo. Verique sua convergncia.
a)
10x + y z = 10
x + 10y + z = 12
2x y + 10z = 11
b)
10x + y z = 10
2x + 10y + 8z = 20
7x + y + 10z = 30

Suponhamos, agora, que o sistema
Ax = b
seja escrito na forma
(L +I + R)x = b
25
tem-se que
(L + I)x = R x + b
x = (L + I)1 R x + (L + I)1 b ,
Cujo processo iterativo denido por
xk+1 = (L + I)R xk + (L + I)1 b

chamado de
(3.2)
Mtodo de Gauss-Seidel.
Note que, ao multiplicar ambos os lados da equao 3.2 por
xk+1
tem-se
(L = I)xk+1 = R xk + b ,
ou ainda
xk+1 = L xk+1 R xk + b ,
Observe
que
necessidade
de
uma
os
de
valores
se
de
calcular
componente
demais componentes.
de
xk+1 podem
(L + I)1 .
xk+1 ,
ser
calculados
Observe,
utilizado
(3.3)
sucessivamente,
ainda,
valor
que,
calculado
para
por
Por este motivo, o mtodo conhecido como
sem
clculo
ltimo
das
mtodo dos
deslocamentos sucessivos.
Este mtodo difere do mtodo de Jacobi por utilizar, no clculo uma componente
de
xk+1 ,
o valor mais recente das demais componentes.
Exemplo 3.2.1
Resolva o sistema pelo mtodo de Gauss-Sidel com erro inferior a
10 3.
26
5x + y + z = 5
3x + 4y + z = 6
3x + 3y + 6z = 0
Soluo
Dividindo cada linha pelo seu respectivo elemento da diagonal principal de
A,
tem-se:
x
+ 0, 2y + 0, 2z = 1
0, 75x +
y
+ 0, 25z = 1, 5
0, 5x + 0, 5y +
z
= 0
isolando
x, y
z,
conforme a equao 3.3, tem-se:
0, 2yk
0, 2zk + 1
xk+1 =
yk+1 = 0, 75xk+1 0, 25zk + 1, 5
zk+1 = 0, 5xk+1 0, 5yk+1

Para
x0 = y0 = z0 = 0,
tem-se
xk
yk
zk
0,75
-0,875
1,025
0,95
-0,9875
1,0075
0,9913
-0,9994
1,0016
0,9987
-1,0002
Pode-se calcular o valor do erro relativo de
x4 , y4
z4
para vericar que, para
k = 4,
a condio de erro mnimo foi satisfeita. Logo:
x = 1, 0016
y = 0, 9987
z = 1.0002
3.2.1
27
Convergncia do Mtodo de Gauss-Sidel
Para o mtodo de Gauss-Sidel, a convergncia garantida se:
a) O
Critrio de Sassenfeld for satisfeito, isto :
max i < 1
1jn
onde
i =
i1
|aij | j +
j=1
b) O
|aij |
j=i+1
critrio das linhas for satisfeito;
c) A matriz dos coecientes for estritamente diagonalmente dominante.
Exemplo 3.2.2
Verique a convergncia do sistema para o mtodo de Gauss-Sidel.
5x + y + z = 5
3x + 4y + z = 6
3x + 3y + 6z = 0
Soluo
Dividindo cada equao pelo correspondente elemento da diagonal principal,
obtemos:
x
+ 0, 2y + 0, 2z = 1
0, 75x +
y
+ 0, 25z = 1, 5
0, 5x + 0, 5y +
z
= 0
28
Podemos observar que a matriz no estritamente diagonalmente dominante.

Neste caso, o critrio das linhas no ser satisfeito. Logo, estes critrio no garantem
a convergncia do mtodo.
Aplicando o critrio de Sassenfeld, temos:
1 = |0, 2| + |0, 2| = 0, 4
2 = |0, 75|(0, 4) + |0, 25| = 0, 3 + 0, 25 = 0, 55
3 = |0, 5|(0, 4) + |0, 5|(0, 55) = 0, 2 + 0, 275 = 0, 475
max i = 0, 55 < 1
1jn
Tendo o mtodo de Sassenfeld satisfeito, podemos garantir a convergncia do mtodo

de Gauss-Seidel.
Verique a convergncia dos sistemas abaixo para o mtodo de

Gauss-Seidel (caso seja necessrio, faa a mudana de colunas na matriz A); Caso
seja possvel, obtenha a soluo com erro inferior a 102 .
Exerccio 3.2
a)
4x + 2y + 6z = 1
4x 1y + 3z = 2
x + 5y + 3z = 3
b)
5x + 2y + z = 7
x + 4y + 2z = 3
2x 3y + 10z = 1
Captulo 4
Interpolao Polinomial
Interpolar uma funo
g(x),
escolhida
entre
f (x)
uma
consiste em aproximar essa funo por uma outra
classe
propriedades. Ento, a funo
g(x)
de
funes
denidas,
que
satisfaa
pode ser utilizada para substituir a
algumas
f (x).
A utilizao de polinmios na aproximao de funes bastante til, uma vez

que so facilmente computveis e podem ser obtidos de diferentes modos. Pode-se
citar: interpolao e Mtodo dos Mnimos Quadrados.
Existem situaes em que a expresso analtica da funo no conhecida, ou

extremamente complexa. Neste contexto, os mtodos de interpolao polinomial
so bastante teis na soluo de problemas.
4.1 Frmula de Lagrange

Seja
x0 , x1 , ..., xn , (n + 1)
pontos distintos e
yi = f (xi ), i = 0, ..., n.
pn (x) o polinmio de grau n que interpola f em x0 , ..., xn . Podemos

representar pn (x) na forma pn (x) = y0 L0 (x) + y1L1 (x), ..., yn Ln (x), onde os
polinmios Lk (x) so de grau n. Para cada i, queremos que a condio pn (xi ) = yi
Seja
seja satisfeita, ou seja:
30
pn (xi ) = y0 L0 (xi ) + y1 L1 (xi ) + ... + yn Ln (xi ) = yi .

A forma mais simples de se caracterizar esta condio impor:
{
Lk (xi ) =
e, para isso,
Lk (x)
Lk (x) =
0 se k =
i
1 se k = i
denido por:
(x x0 )(x x1 )...(x xk1 )(x xk+1 )...(x xn )

(xk x0 )(xk x1 )...(xk xk1 )(xk xk+1 )...(xk xn )
(4.1)
Ento, a forma de Lagrange par ao Polinmio interpolador
pn (x) =
yk Lk (x)
(4.2)
k=0
onde
Lk (x) =
(x xj )
j=0,
j=k
n
(4.3)
(xk xj )
j=0,
j=k
Determine o polinmio de Lagrange pn (x) que passa pelos pontos

apresentados na tabela abaixo.
Exemplo 4.1.1
x
f (x)
-1
-1
Soluo
Pela equao 4.2, temos
31
pn (x) = y0 L0 (x) + y1 L1 (x) + y2 L2 (x),

onde, pela equao 4.3,
L0 (x) =
Ln (x)
(x x1 )(x x2 )
(x 0)(x 2)
x2 2x
=
=
(x0 x1 )(x0 x2 )
(1 0)(1 2)
3
(x x0 )(x x2 )
(x + 1)(x 2)
x2 x 2
L1 (x) =
=
=
(x1 x0 )(x1 x2 )
(0 + 1)(0 2)
2
L2 (x) =
(x x0 )(x x1 )
(x + 1)(x 0)
x2 + x
=
=
(x2 x0 )(x2 x1 )
(2 + 1)(2 0)
6
Logo, de acordo com a equao 4.2,
(
pn (x) = 4
x2 2x
3
(
+1
x2 x 2
2
(
+ (1)
x2 + x
6
7
2
pn (x) = 1 x + x2
3
3
Verique que todos os valores de
pn (x)
para os valores apresentados de
f (x)
x.
da tabela correspondem aos valores de
Determine o polinmio de Lagrange pn (x) que passa pelos pontos

apresentados na tabela abaixo. Determine o valor de f (3, 5).
Exemplo 4.1.2
x
f (x)
24
60
Soluo
Neste exemplo,
n = 4.
L0 (x) =
O polinmio ter grau igual a 2.
x3 12x2 + 47x 60
(x 3)(x 4)(x 5)
=
(1 3)(1 4)(1 5)
24
L1 (x) =
32
x3 10x2 + 29x 20
(x 1)(x 4)(x 5)
=
(3 1)(3 4)(3 5)
4
(x 1)(x 3)(x 5)
x3 9x2 + 23x 15
L2 (x) =
=
(4 1)(4 3)(4 5)
3
L3 (x) =
Logo,
pn (x)
pn (x) =
(x 1)(x 3)(x 4)
x3 8x2 + 19x 12
=
(5 1)(5 3)(5 4)
8
3x3 30x2 + 87x 60 8x3 + 72x2 184x + 120 15x3 120x2 + 285x 180
+
2
1
2
pn (x) =
2x3 6x2 + 4x
2
pn (x) = x3 3x2 + 2x
Ento,
f (3, 5)
igual a
pn (3, ).
Desta forma,
pn (3, 5) = 3, 53 3.3, 52 + 2.3, 5 = 13, 125.
Obtenha uma funo polinomial Pn (x) que aproxime a funo

f (x) = ln(x). Obtenha, ento, uma aproximao de ln(3, 7). Compare os resultados
entre f (x) e Pn (x).
Exerccio 4.1
x
f (x)
0,6931
1,0986
1,3863
Seja a funo f (x) = ex + x 1. Obtenha um polinmio de quarto

grau Pn (x) que aproxime f (x); determine Pn (0, 7) e determine o erro com a funo
real.
Exerccio 4.2
Exerccio 4.3
33
Seja I denida como
I=
0
/2
dx
1 x2 sen2 (x)
Determine I para o intervalo dado.

Determine e3,1 utilizando a frmula de Lagrange para um polinmio
de segundo grau. Calcule o erro absoluto para o valor aproximado.
Exerccio 4.4
Captulo 5
Integrao Numrica
y = f (x) em um dado intervalo [a, b]

aproxime f (x) no dado intervalo.
Integrar numericamente uma funo

integrar um polinmio
Pn (x)
que
f (x) dada na forma de tabela, ou seja, em pares

ordenados, tais como (x0 , f (x0 )), (x1 , f (x1 )), (x2 , f (x2 )), onde x0 = a e xn = b.
Neste caso, possvel determinar um polinmio para a aproximao da funo f (x)
e, consequentemente, integrar f (x).
Com frequncia, a funo
Podem ser citados como motivos para a utilizao de mtodos numricos para
a integrao:
a) A funo
f (x)
pode ser de difcil integrao, at mesmo para alguns sistemas
de processamentos de dados, como:
(t3/2
s
ds
s3/2 )2/3
b) conhecida a soluo analtica do resultado da integral, mas seu clculo s

pode ser obtido por aproximao;
c) A funo dada simplesmente atravs de uma tabela, como resultados de

experincias.
5.1 Regras de Newton-Cotes
35

A funo a ser integrada aproximada pelo polinmio interpolador. Os mtodos
utilizados
para
integrao
diferem-se
na
quantidade de pontos
utilizados
na
interpolao.
5.1.1
Regra do Trapzio
Para o intervalo
[a, b]
dado, a funo
f (x)
aproximada por um polinmio de
grau igual a 1, uma vez que so considerados 2 pontos de
f (x) (x0
x1 ).
Figura 5.1: Funo de primeiro grau que para a aproximao de
f (x).
Note, de acordo com a gura 5.1, que integrar a funo interpolada

mesmo que calcular a
P1 (x)dx =
a
h = b a,
rea do trapzio formada.
onde
Pn (x)
h
[f (x0 ) + f (x1 )]
2
sendo esta conhecida como
(5.1)
regra do trapzio.
Exemplo 5.1.1
36
Calcular a integral numrica da funo
I=
0
1
dx
1 + x2
soluo
h=10=1
1
f (0) = 1+0
=1
1
f (1) = 1+1 = 0, 5
Logo,
I=
0
1
1
dx = [1 + 0, 5] = 0, 75
2
1+x
2
O valor aproximado da integral de
0, 75.
Por ser um mtodo numrico, existe,
conforme observado na gura 5.1, um erro associado ao resultado, o qual pode ser
reduzido com algumas modicaes na frmula do trapzio.
5.1.2
Regra do Trapzio Generalizada
Quando o intervalo de integrao grande, pode-se dividir o intervalo
ba
, onde
n
N sub-intervalos de amplitude h =
[xj , xj+1 ], j = 0, 1, ..., N 1, aplicar
[1, b]
em
x0 = a; xN = b e em cada sub-intervalo
regra do trapzio.
O erro o resultado da
soma das reas entre as curvas e as retas, como mostrado na gura 5.2.
regra do trapzio generalizada dada pela equao:
xN
f (x)dx =
x0
h
{f (x0 ) + 2[f (x1 ) + f (x2 ) + ...f (xN 1 )] + f (xN )}
2
Note que o primeiro e o ltimo valor de
f (x)
no so multiplicados por
(5.2)
2.
37
Figura 5.2: Representao grca do mtodo de trapzio generalizado.
Exemplo 5.1.2
Resolva a integral com h = 0.2.
1,2
ex cos(x)
0
A partir destas informaes, podemos construir uma tabela com os valores de

variando de
1, 2,
variando por um passo
x
ex cos(x)
f (x)
h:
0,2
0,4
0,6
0,8
1,2
1,197
1,374
1,503
1,552
1,468
1,202
De acordo com a frmula 5.2, a integral dada por:
1,2
ex cos(x) =
0
0, 2
[1 + 2(1, 197 + 1, 374 + 1, 503 + 1, 552 + 1, 468) + 1, 202]
2
1,2
ex cos(x) = 1, 639
0
5.1.3
38
Regra 1/3 de Simpson
Para o mtodo dos trapzios, foram utilizados
pontos consecutivos de
f (x)
para a determinao de uma funo de primeiro grau para o clculo da integral.

Neste sentido, pode-se utilizar
pontos consecutivos para se obter uma funo de
segundo grau para o clculo da integral. Desta forma, ao longo do intervalo
j = 0, 2, ..., 2N 2,
temos:
x0 N
f (x)dx =
x0
Esta denominada
5.1.4
h
[f (x0 ) + 4f (x1 ) + f (x2 )]
3
(5.3)
regra 1/3 de Simpson.
Regra 1/3 de Simpson Generalizada
Generalizando a regra de Simpson para vrios intervalos espaados de
[xj , xj+2 ],
x0 N
f (x)dx =
x0
h
{f (x0 ) + 4[f (x1 ) + f (x3 ) + ...] + 2[f (x2 ) + f (x4 )...] + f (xN )}
3
Note que, dentro dos termos multiplicados por

os valores de
h, tem-se:
f (x)
h/3,
f (x0 ) e f (xN ),
valores de f (x)
com excesso de
com ndice mpar so multiplicados por
com ndices pares so multiplicados por
(5.4)
4;
e os
2.
Utilize o mtodo de Simpson generalizado para determinar a

integral do exemplo 5.1.2.
Exemplo 5.1.3
1,2
ex cos(x) =
h
{f (x0 )+4[f (x1 )+f (x3 )+f (x5 )]+2[f (x2 )+f (x4 )+f (x5 )+f (xN )}
3
ex cos(x) =
0, 2
[1 + 4(1, 197 + 1, 503 + 1, 468) + 2(1, 374 + 1, 552) + 1, 202]
3
1,2
39
1,2
ex cos(x) = 1, 639
0
Exerccio 5.1
Utilizando o mtodo do trapzio generalizado, determine as seguintes
integrais:
a)
1,3
xdx, com h = 0, 05;
b)
0,8
cos(x)dx, com h = 0, 1;
c)
1,6
senxdx, com h = 0, 2;
1,2
d)
0,8
xex dx, com h = 0, 1;
Utilizando o mtodo de Simpson generalizado, calcule as integrais

do exerccio 5.1.
Exerccio 5.2
Captulo 6
Soluo de Equaes Diferenciais
Muitos
problemas
encontrados
em
engenharia
outras
cincias
podem
ser
formulados em termos de equaes diferenciais na forma
y = f (x, y)
onde
uma funo real dada, de duas variveis
da varivel independente
y,
uma funo incgnita
x.
y = f (x, y) corresponde a se determinar uma funo y =
com x [a, b] tal que y (x) = f (x, y(x)). Qualquer funo que
Resolver a equao
y(x),
diferencivel,
satisfaa essa propriedade uma soluo da equao diferencial.
y(x) = Ce
diferencial y = y .
funo
, para qualquer valor da constante
C,
Por exemplo, a
uma soluo da equao
Assim, cada equao diferencial de primeira ordem possui um
nmero innito de solues. Contudo, podemos solucionar uma soluo particular,

se junto com equao diferencial for dado um valor da soluo
por exemplo,
y(x0 ) = y0
y(x)
em um ponto,
(condio inicial). A equao diferencial juntamente com
a condio inicial constituem um
problema de valor inicial
(pvi), isto :
y
= f (x, y)
y(x0 ) =
y0
6.1 Mtodo de Euler
41
logo, pela condio inicial dada, garantida a existncia de uma nica soluo para
o problema.
6.1 Mtodo de Euler

O mtodo de Euler, tambm conhecido como
mtodo da reta tangente,
um
dos mtodos mais antigos e simples para a soluo de equaes diferenciais. Porm,
no muito utilizado em problemas prticos, pois, apesar de simples, para boas
aproximaes, necessrio um nmero muito grande de clculo.
A forma iterativa do mtodo de Euler para o clculo de equaes diferenciais de

primeira ordem dado pelas equaes 6.1 e 6.2.
sendo
xn+1 = xn + h
(6.1)
yn+1 = yn + h.f (xn , yn )
(6.2)
o passo das aproximaes. O erro do mtodo da ordem de
h2 .
Utilizando o mtodo de Euler, as 5 primeiras aproximaes da

equao diferencial denida por:
Exemplo 6.1.1
dy
= 1 x + 4y
dx
considere y(0) = 1 e h = 0, 5.
Soluo
Numericamente,
soluo
da
equao
diferencial
proposta
determinada pelas equaes 6.1 e 6.2. Temos ainda as condies iniciais de

logo
y0 = 1
para
x0 = 0.
pode
ser
y(0) = 1,
Para facilitar e organizar nossos clculos, vamos contruir
n, xn , yn , f (x, y e h.f (x, y). Comecemos

n = 0 (contador) e as condies iniciais. Note
uma tabela contendo as colunas de

preenchendo a primeira linha com
que
f (xn , yn ) = 1 xn + 4yn .
6.1 Mtodo de Euler
42
Figura 6.1: Representao grca do mtodo de Euler.
n
0
xn
0
yn
1
f (xn , yn )
5
h.f (xn , yn )
2, 5
f (xn , yn ) = 1 0 + 4.1 = 5. Agora, vamos preencher a segunda linha, para

n = 1. Segunda a equao 6.1, xn+1 = xn + h, ento x2 = x1 + h = 0 + 0, 5 = 0, 5. O
valor de y2 , segundo a equao 6.2, dado por yn+1 = yn + h.f (xn , yn ) = 1 + 2, 5 =
3, 5. Ento
Note que
n
0
1
xn
0
0, 5
yn
1
3, 5
f (xn , yn )
5
14, 5
h.f (xn , yn )
2, 5
7, 3
Preenchendo toda a tabela, temos:
Logo, o valor de
para a quinta iterao igual a
96, 5.
Como pode ser visto, o mtodo de Euler requer um nmero muito grande de
iteraes para se alcanar um resultado satisfatrio. So propostas melhorias para
o mtodo, como ser visto a seguir.
6.2 Mtodo de Runge-Kutta
n
0
1
2
3
4
xn
0
0, 5
1
1, 5
2
43
yn
1
3, 5
10, 7
32, 3
96, 5
f (xn , yn ) h.f (xn , yn )

5
2, 5
14, 5
7, 3
43
21, 5
128, 5
64, 3
385
192, 5

O mtodo de Runge-Kutta , provavelmente, um dos mtodos mais populares e
precisos para a obteno de solues aproximadas de equaes diferenciais. Embora
existam variaes, o
mtodo de Runge-Kutta de quarta ordem
o que apresenta os
melhores resultados, o qual ser o foco deste estudo.
O valor de
yn
pode ser determinado segundo a equao 6.3:
h
yn+1 = yn + (k1 + 2k2 + 2k3 + k4 )
6
(6.3)
onde
k1 = f (xn , yn )
h
h
k2 = f (xn + , yn + k1 )
2
2
h
h
k3 = f (xn + , yn + k2 )
2
2
k4 = f (xn + h, yn + hk3 )
(6.4)
Utilizando o mtodo de Runge-Kutta, calcule uma aproximao de

y(1, 5) para a soluo de y = 2xy , y(1) = 1, com h = 0, 1.
Exemplo 6.2.1
Soluo
Vamos iniciar com os clculos de
Para
k1 , k2 , k3
k4
a partir da equao 6.5:
n = 0,
44
k1 = f (xn , yn )
= f (x0 , y0 )
= 2.x0 .y0
= 2.1.1
=
h
h
k2 = f (xn + , yn + k1 )
2
2
h
h
= f (x0 + , y0 + k1 )
2
2
0, 1
0, 1
= f (1 +
,1 +
.2)
2
2
= f ((1, 05), (1, 1))
= 2.(1, 05).(1, 1)
=
2, 31
h
h
k3 = f (xn + , yn + k2 )
2
2
h
h
= f (x0 + , y0 + k2 )
2
2
0, 1
0, 1
= f (1 +
,1 +
(2, 31))
2
2
= f ((1, 05), (1, 1155))
= 2.(1, 05).(1, 1155)
=
2, 3425
k4 = f (xn + h, yn + hk3 )
= f (x0 + h, y0 + k3 )
= f ((1 + 0, 1), (1 + 0, 1.(2, 3425)))
= f ((1, 1), (1, 2342))
= 2.(1, 1).(1, 2342)
=
2, 7154
Agora, substituindo na equao 6.3
45
h
yn+1 = yn + (k1 + 2k2 + 2k3 + k4)
6
h
y1 = y0 + (k1 + 2k2 + 2k3 + k4)
6
0, 1
= 1+
(2 + 2.(2, 31) + 2.(2, 3425) + 2, 7154)
6
= 1, 2337
Realizando o mesmo processo at
x = 1, 5,
ou seja
y(1, 5)
obtm-se os dados
representados na tabela:
n
0
1
2
3
4
5
Resolvendo
equao
xn
1
1, 1
1, 2
1, 3
1, 4
1, 5
diferencial
x2
0, 3679e . Ento y(1, 5) = 3, 4905.

= |3, 4905 3, 4904| = 0, 0001.
Exerccio 6.1
yn
1
2, 2337
1, 5527
1, 9937
2, 6117
3, 4904
pelo
O
mtodo
erro
analtico,
ento
pode
que
y =
calculado
como
temos
ser
Resolva as equaes diferenciais abaixo pelo mtodo de Runge-Kutta.
a)
{
y = y + x + 2
y(0) =
2
0 x 0, 3; h = 0, 1
b)
46
y = y 1/3
y(0) = 0
x [0; 0, 3]; h = 0, 1
c)
{
Calcule
y(2, 1)
com
xy = x y
y(2) =
2
h = 0, 1.
d)
{
y =
y(0) =
2y
x+1
+ (x + 1)3
3
x [0; 0, 2]; h = 0, 1

Cálculo Numérico - Prof. Luciano Bittencourt

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cálculo Numérico - Prof. Luciano Bittencourt

Enviado por

Direitos autorais:

Formatos disponíveis

Graduao em Engenharia Eltrica

Centro Universitrio do Leste de Minas Gerais -

Campus Coronel Fabriciano

Av. Tancredo Neves, 3500, B. Universitrio, 35170-056 - (31) 3846-5500

Apostila de apoio para os alunos do curso de engenharia

Luciano Bittencourt de Abreu

Ipatinga, Fevereiro de 2014

numrica em problemas de anlise matemtica. Para isso, so propostos mtodos e

2. Zeros Reais de Funes Reais

6. Integrao e Diferenciao Numrica

7. Equaes Diferenciais Ordinrias

RUGGIERO, Mrcia A Gomes; LOPES, Vera Lcia da Rocha. Clculo Numrico:

CANALE, Raymond P,; CHAPRA, Steven C. Mtodos Numricos para Engenharia.

Clculo Numrico e Erros

Zeros Reais de Funes Reais

Fase 1: Isolamento da Raiz . . . . . . . . . . . . . . . . . . . . . . . .

Determinao do Valor Aproximado do Nmero de Iteraes

Mtodo das Secantes

Soluo de Sistemas Lineares: Mtodos Iterativos

Critrio de Convergncia: Critrio das Linhas

Convergncia do Mtodo de Gauss-Sidel

Regra do Trapzio Generalizada . . . . . . . . . . . . . . . . .

Regra 1/3 de Simpson

Regra 1/3 de Simpson Generalizada . . . . . . . . . . . . . . .

Soluo de Equaes Diferenciais

para determinados valores de

Exemplo de funes que apresentam razes reais. . . . . . . . . . . . .

Exemplo de funes que apresentam derivada com sinal constante

Fluxograma de um mtodo numrico iterativo para a localizao das

Representao grca do mtodo de Newton para

Funo do exerccio 2.3 . . . . . . . . . . . . . . . . . . . . . . . . . .

Funo do exemplo 2.5.1

Funo de primeiro grau que para a aproximao de

Representao grca do mtodo de trapzio generalizado.

Representao grca do mtodo de Euler.

Clculo Numrico e Erros

determinas um ou mais valores numricos que so solues de um problema.

Os mtodos numricos conduzem a solues aproximadas, onde o erro presente

a diferena entre o valor exato

o que torna impossvel a obteno exata do

obtm-se um limitante superior ou uma estimativa

para o mdulo do erro absoluto.

Maiores detalhes sero apresentados conforme

Luciano Bittencourt - Clculo Numrico

Em uma sequncia de operaes, ao se fazer arredondamento, importante ter

a) = (11, 4 + 3, 18) + 5, 05 e 11, 4 + (3, 18 + 5, 05)

Luciano Bittencourt - Clculo Numrico

Zeros Reais de Funes Reais

Em muitos casos, dentro da engenharia, razes de equaes de grau superior

frmula explcita para os

Gracamente, os zeros reais so apresentados pelas abcissas do ponto

onde uma curva intercepta o eixo

conforme mostrado na gura 2.1.

Desta forma, para funes complicadas e de grau superior, so apresentados

Localizao ou isolamento da raz, que consiste em determinar um

que contenha a raz de interesse;

Renamento, que, a partir de uma aproximao feita na fase 1,

aproxima este valor do valor exato, com uma preciso

2.1 Fase 1: Isolamento da Raiz

f (x), o que ir determinar o resultado

Luciano Bittencourt - Clculo Numrico

2.1 Fase 1: Isolamento da Raiz

Figura 2.1: Exemplo de funes que apresentam razes reais.

Seja uma funo contnua

Representao grca do mtodo de Newton para

Representao grca do mtodo de trapzio generalizado.

Representao grca do mtodo de Euler.

Gracamente, os zeros reais so apresentados pelas abcissas do ponto

conforme mostrado na gura 2.1.

Renamento, que, a partir de uma aproximao feita na fase 1,

2.2 Fase 2: Renamento

2.2 Fase 2: Renamento

2.2 Fase 2: Renamento

Os mtodos aqui apresentados so classicados como

Como foi visto, atravs de um mtodo numrico, a soluo renada at a

a m de saber qual o intervalo que

eixo das abcissas a m de encontrar um novo ponto do domnio da funo.

grca do mtodo de Newton mostrado na gura 2.4.

Figura 2.4: Representao grca do mtodo de Newton para