Apostila Calc Numerico 2008

PONTIFCIA UNIVERSIDADE CATLICA DO RIO GRANDE DO SUL
FACULDADE DE MATEMTICA
CLCULO NUMRICO
Notas de Aula Aplicaes Exerccios
Eliete Biasotto Hauser
ndice
1 Sistema de Ponto Flutuante Normalizado Teoria dos Erros....................4
2 Resoluo de Equaes Algbricas e Transcendentes.............................. 9
3 Sistemas de Equaes Lineares................................................................ 25
4 Interpolao Polinomial............................................................................ 36
5 Ajuste de Funes..................................................................................... 46
6 Integrao Numrica.................................................................................60
5 Resoluo Numrica de Equaes Diferenciais Ordinrias..................... 65
8 Resoluo Numrica de Equaes Diferenciais Parciais.......................... 72
9 Bibliografia ..............................................................................................85
Formulrio................................................................................................... 86
Laboratrios utilizando Sistema Maple....................................................... 90
1 Teoria dos Erros - Sistema de Ponto Flutuante

Um nmero y na base 2 , y = a n a
L a a a a , b b2 L pode ser descrito
n 1
3 2 1 0 1
na forma
n 1 + L + a 3 3 + a 2 2 + a1 + a0 + b1 1 + b2 2 + L .
y = an n + a
n 1
Por exemplo, 3517 ,26 = 3 10 3 + 5 10 2 + 1 10 + 7 + 2 10 1 + 6 10 2
Em aritmtica de ponto flutuante normalizado de t dgitos, y tem a forma:
y = 0 , d d L d t e
1 2
i)
ii)
0 , d d L d t a mantissa (uma frao na base ),

1 2
0 d j 1, d 1 0 , j=1,2,...,t
iii)
e um expoente inteiro que varia no intervalo [m,M].
M e m dependem da mquina utilizada. Em geral, m = -M Z.
iv)
t define a preciso da mquina, o nmero de dgitos da mantissa.
Obs: preciso exatido(depende da preciso da mquina e do algortmo utilizado)
A unio de todos os nmeros de ponto flutuante normalizados com o zero:
m
0 = 0 .000
L
1
42
4
30
t
vezes
chamado Sistema de Ponto Flutuante Normalizado e representado por F(, t, m, M).

Alguns exemplos de mquinas com preciso simples:
a) HP 48 : F(10, 12, -498, 500)
b) IBM 3090 : F(16, 6, -64, 63)
c) Cray1 : F(2, 48, -8192, 8191)
d) Burroughs B6700: F(8, 13, -63, 64)
Em F valem as propriedades:
1) 0,1 x m o menor nmero em mdulo, no nulo, de F.
2) 0, ( 1)( 1)...( 1) x M o maior nmero, em mdulo, no nulo, de F.
144424443
t vezes
3) # F = 2( 1) t 1 ( M m + 1) + 1 o cardinal de F
4) Para qualquer mantissa, vale 1 mantissa < 1 .

5) Se y F , ento y F .
6) 0 F e 1 F .
Se o expoente da base no pertencer a [m,M], y no pode ser representado em F.

So os casos de erro de:
- underflow, se e < m (ultrapassa a capacidade mnima)
- overflow, se e > M (ultrapassa a capacidade mxima)
E.B.Hauser Clculo Numrico
Se a representao do real y em F no exata, necessrio utilizar um

arredondamento. Os tipos de arredondamento mais conhecidos so:
- Arredondamento para nmero mais prximo de mquina (Oy).
- Arredondamento por falta, ou truncamento ( y).
- Arredondamento por excesso ( y)
Em F, geralmente, as operaes de adio e multiplicao no so comutativas,
associativas e nem distributivas, pois numa srie de operaes aritmticas, o
arredondamento feito aps cada operao. Ou seja, nem sempre as operaes aritmticas
vlidas para os nmeros reais so vlidas em F. Isto influi na soluo obtida atravs de um
mtodo numrico. Assim, mtodos numricos matematicamente equivalentes, podem
fornecer resultados diferentes.
Medidas de Exatido
Quando se aproxima um nmero real x por x*, o erro que resulta x-x*. Define-se:
x x*
para x 0 .
erro absoluto: EA = x x * e o erro relativo: ER =
x
A fim de ver o tipo de situao que pode ocorrer um erro relativo de grande
magnitude, vamos considerar a diferena entre os nmeros a seguir, por exemplo:
x = 0,3721478693
y = 0,3720230572
x y = 0,0001248121=0,1248121 x 10-3
Se os clculos forem feitos em F(10, 5, -499, 499) com arredondamento Ox:
x*= 0,37215, y*= 0,37202 e x*-y*= 0,00013 = 0,13000 x 10-3
Assim, o erro relativo entre os dois resultados grande:
x y ( x * -y*)
0,1248121 x 10 - 3 0 ,13000 x 10 - 3
=
4%
x y
0,1248121 x 10 - 3
Na resoluo de um problema o valor exato da soluo x pode ser desconhecido.
Podemos usar duas aproximaes sucessivas de x, definindo:
x k +1 x k
DIGSE ( x k , x k +1 ) = 0,3 + log +
x
k +1
o qual expressa o nmero de dgitos significativos exatos de x k em relao a x k + 1 . Aqui
representa a unidade de arredondamento da mquina ( =

to for Ox ).
1 1 t
se o arredondamen2
1 - Teoria dos Erros
Algoritmos Numricos
O Clculo Numrico tem por objetivo estudar e aplicar algoritmos numricos para a
soluo de problemas, visando o menor "custo" e confiabilidade do resultado (observar
tempo de execuo, nmero de operaes aritmticas, quantidade de memria, propagao
do erro, etc).
Um bom algoritmo numrico deve se caracterizado por:
a) Independncia da mquina :a execuo do programa pode ser realizada em diferentes
mquinas.
b) Inexistncia de Erro Aritmtico: problemas de overflow e underflow devem ser detectados a priori
c) Inexistncia de Erro Lgico: previso de tudo o que poder ocorrer durante o processo
(diviso por zero, por exemplo)
d) Quantidade finita de clculos.
e) Existncia de um critrio de exatido.
f) O erro deve convergir para zero com preciso infinita.
g) Eficincia: produz a resposta correta com economia
Passos para a resoluo de um problema: tipos de erros

A resoluo de problemas reais envolve diversas etapas:
Problema
Real
Modelagem
Matemtica
Soluo
Estudaremos algoritmos numricos a fim de obter uma soluo numrica do

problema, a qual, geralmente, difere da soluo exata. Possveis fontes de erro que geram
essa diferena so:
a) Simplificao do modelo matemtico ( algumas variveis envolvidas so desprezadas);
b) Erro nos dados de entrada ( com frequncia provindos de dados experimentais);
c) Truncamento (por exemplo, substituio de um processo infinito por um finito e
linearizaes);
d) Erro de arredondamento em aritmtica de ponto flutuante.
Curiosidades: Some disasters caused by numerical errors.

http://ta.twi.tudelft.nl/users/vuik/wi211/disasters.html
Aplicao
O volume de uma esfera de raio r pode ser obtido de
4 r 3
V=
.
3
Estimar o volume do hemisfrio de raio e representado
graficamente ao lado. Utilizar arredondamento para nmero
mais prximo de mquina (0x) em F( 10 , 4 , -98 , 98).
Exerccios
1) No sistema MapleV estimar e 8.3 utilizando
( x )i
e
e x =
i!
i =0
e x =
1
1
=
x
e
xi
i!
i =0
com 26 termos cada e comparar com e 8.3 0.2485168271x10 .

-3
2) Em F(10 , 3 , -98 , 98) e arredondamento por truncamento estimar p(2.73) se:

a)
p( x ) = x 3 5 x 2 + 6 x + 0.55
b)
p( x ) = (( x 5 )x + 6 )x + 0.55
Em ambos os casos estimar o erro absoluto ao comparar com p(2.73) 0.11917x10

Obs: Estimar p(x) pelo algoritmo usual
p ( x) = a n x n + a
x n 1 + ... + a x 3 + a x 2 + a x + a
n 1
3
2
1
0
-1
exige n adies e (n +n)/2 multiplicaes enquanto que o algoritmo de Horner

p ( x) = (((...(
{ a n x + a n 1 ) x + a n 2 ) x + ...a 2 ) x + a1 ) x + a 0
n 1
requer n adies e n multiplicaes.
3) Sejam A, B, C e D matrizes genricas de ordem 10x20, 20x50, 50x1 e 1x100
respectivamente. Utilizando a propriedade associativa, pode-se determinar o produto
matricial AxBxCxD de diversas formas. Qual das duas abaixo mais eficiente? Porque?
b) (Ax(BxC))xD
a) Ax(Bx(CxD))
4) Representar o nmero real x na base 2 usando 8 algarismos significativos? Essa
representao exata? a) x=0.6
b) x=13.25
c) x= 2.47
5) Determinar o cardinal , regies de underflow e overflow e todos elementos reais de:
a) F(2,3,-1,2) b) F(3,2,-1,2) c) F(2,2,-2,2)
6) Representar, se possvel, os nmeros abaixo em utilizando arredondamento por
truncamento( x )e arredondamento para nmero mais prximo de mquina (Ox) em
F(10,5,-2,2).
200
2000
1
b)
e)
c)
d) e
f) 2
a) 3
3
3
3000
10 1
i
i =1 2
a) Calcular o valor de A utilizando preciso infinita..
b) Utilizando arredondamento por truncamento ( x ) em F(10,3,-98,98), estimar o valor de
A somando da direita para esquerda e aps somando da esquerda para a direita. Comparar
os resultados.
7) Considerando: A =
1 - Teoria dos Erros

Respostas:
1) exp(-8.3);
.0002485168271
> f1:=sum(((-x)^i)/i!, i=0..25):
> f1a:=unapply(f1,x):
> f1a(8.3);
-.001241405905
Obs: Causas desse erro: subtrao de grandezas muito prximas e adio de grandezas de
diferentes ordens.
>
> f2:=1/(sum(((x)^i)/i!, i=0..25)):
> f2a:=unapply(f2,x):
> f2a(8.3);
.0002485170000
2) a)p(2.73)= -0.05 ,erro absoluto = 0.061917

b)p(2.73)=0.032 ,erro absoluto = 0.020083
3) (Ax(BxC))xD mais eficiente pois exige 2200 multiplicaes enquanto que para calcular
o produto Ax(Bx(CxD)) so necessrias 125000 multiplicaes .
OBS: Se M de ordem pxq e N de ordem qxr, ento MxN, de ordem pxr, obtida efetuando
pqr operaes de multiplicaes de elementos de M e N.
4-a) (0,6)10 (0,10011001)2
b) (13,25)10 (1101,01) 2 c) (2.47)10 (10,011110) 2
5)-a) 0, 1/4, 1/2, 1, 2, 5/16, 5/8, 5/4, 5/2, 3/8, 3/4, 3/2, 3, 7/16, 7/8, 7/4, 7/2 e simtricos.
# F = 33
Regio de oferflow: ( ,7 / 2) (7 / 2,+)
Regio de underflow: (-1/4,1/4) - {0}
b) 0, 1/9, 1/3, 1,3, 4/27, 4/9,4/3, 4, 5/27, 5/9, 5/3, 5, 2/9, 2/3, 2, 6, 7/27, 7/9, 7/3, 7, 8/27,
8/9, 8/3, 8 e seus simtricos. # F = 49 Regio de oferflow: ( ,8) (8,+)
c) 0, 1/8, 1/4, 1/2, 1, 2, 3/16, 5/16, 3/4, 3/2, 3, e seus simtricos. # F = 21
Regio de oferflow: ( ,3) (3,+)
6-a) 0,17320*101 e 0,17321 *101 b) 0,66666*102 e 0,66667*102
d) 0.27182*101 e 0.27183*102
c) overflow (0,66666*103 e 0,66667*103 F)
3
1
e) underflow (0.33333*10 F) f) 0,14142*10 e 0,14142 *101
7-a) 0,9990234375
b) 0,999 e 0,998
2. Resoluo de Equaes Algbricas e Transcendentes

Objetivo: Resolver equaes de forma f ( x ) = 0 , isto , determinar os valores de x para os quais a
igualdade f ( x ) = 0 satisfeita.
Se a funo f ( x ) s contm operaes algbricas repetidas um nmero finito de vezes, a
equao dita algbrica.
1 5
Ex.: polinmios, x 2 x 1 = 0 ,
x =0
x3
Equaes Transcendentes so aquelas em que a varivel independente x est submetida a
uma operao no algbrica um nmero finito de vezes.
Ex.: e x + x 2 + 1 = 0 ,
ln x + tgx = 0 ,
senx e x = 0
2.1- Equaes Polinomiais

Reviso sobre polinmio:
Seja p( x ) = a n x n + a n 1 x n 1 + K + a 2 x 2 + a1 x + a 0 um polinmio de grau n, onde os
coeficientes , so nmeros reais e an 0 .
Temos que:
1) p( x ) possui n razes, contadas as multiplicidades.
2) Se x1 , x2 ,K, xn forem razes reais de p( x ) , ento p( x ) pode ser fatorado na forma:
p( x ) = an ( x x1 )( x x2 )K( x xn ) .
Ex1: p( x ) = x 3 + 2 x 2 x 2 , tem razes:
x1 = 1, x2 = 1, x3 = 2 . Logo,
p ( x ) = ( x 1)(x + 1)( x + 2 )
3) Se a + bi raiz de p( x ) ento z = a bi tambm o .

Ex.: p( x ) = x 2 6 x + 10 tem razes 3 i .

4) Se a + bi raiz de p( x ) de grau n 2 , ento p( x ) pode ser fatorado:
p( x ) = x 2 2ax + a 2 + b 2 q( x )
onde o grau de q( x ) n 2 .
Ex.: a) p( x ) = x 4 2 x 3 + x 2 + 2 x 2 tem razes 1, 1 i .
)(
p( x ) = x 2 2 x + 2 x 2 1
Ex.: b) p( x ) = x 3 7 x 2 + 16 x 10 tem razes 1, 3 i .
p( x ) = x 2 6 x + 10 ( x 1)
5)Se p ( x ) de grau mpar, ento p ( x ) possui ao menos uma raiz real.
6) Uma raiz x0 de p( x ) tem multiplicidade m se p( x0 ) = p ' ( x0 ) = p " ( x0 ) = K = p m1 ( x0 ) = 0
e p m ( x0 ) 0
Ex.:1) x0 = 2 raiz de multiplicidade 2 p( x ) = 2 x 3 6 x 2 + 8
2) x0 = 2 raiz de multiplicidade 3 de p( x ) = x 4 5 x 3 + 6 x 2 + 4 x 8
10
2 - Resoluo de Equaes Algbricas e Transcendentes
7) Valor numrico de um polinmio: para calcular, de forma usual, p(xi ) so necessrias n

n(n + 1)
adies e
multiplicaes.
2
O Mtodo de Horner faz esse clculo com n adies e n multiplicaes:
p( x ) = (((KK (a n x + a n 1 ) x + K + a 2 ) x + a1 ) x + a 0
123
n 1 parnteses
Ex.: p( x ) = 3 x 5 + 4 x 4 2 x 3 x 2 + 3 x 4 = (((( 3 x + 4 )x 2 )x 1 )x + 3 )x4

8) Se p( x ) de grau n , ento existe nico polinmio de grau n 1, q( x ) , tal que
p ( x ) = ( x ) q( x ) + p ( ) .
Se raiz de p( x ) ento p ( ) = 0 .
o algoritmo de Briot-Ruffini utilizado para Deflacionar Razes.
Ex.
p ( x ) = x 3 7 x 2 + 16 x 10
(
) e p(1) = 0
2 = 2 ( x 2 )(x 2 5 x + 6 )+ 2 e
p (2 ) = 2
3 = 3 ( x + 3 )(x 2 10 x + 46 ) 148 e
p( 3) = 148
1 = 1 ( x 1) x 2 6 x + 10
2.1.1-Enumerao das Razes
Enumerar as razes de p( x ) dizer quantas so as razes e se positivas, negativas ou

complexas.
Regra de Descartes ou Regras de Sinais
O nmero de razes reais positivas de p( x ) igual ao nmero de variaes de sinais na

seqncia dos coeficientes ou menor do que este por um nmero inteiro par, sendo uma raiz de
multiplicidade m contada como m razes e no sendo considerados os coeficientes nulos.
O nmero de razes reais negativas obtido aplicando a regra de Descartes a p ( x )
Regra de Huat
Se p (0 ) 0 e para algum k, a k2 a k 1 ak +1 ento p( x ) possui razes complexas.

Regra da Lacuna
Se p (0 ) 0 e para algum K, a k = 0 e a k 1 ak +1 > 0 , ento p ( x ) tem razes complexas.
11

Ex.: p( x ) = 3 x 5 + x 4 5 x 3 x 1
p( x ) pode ter: 1 raiz real

positiva, 2 razes negativas e 2 complexas;
ou
1 raiz real positiva, nenhuma negativa, e 4
complexas.
2.1.2-Localizao das razes de p(x)
Localizar as razes de p( x ) determinar a regio do plano que contm todas as razes.

Cota de Cauchy:
Toda raiz (real ou complexa) de p( x ) satisfaz .

Onde = lim x k , x0 = 0 e
k
x k +1 =
a n 1 n 1 a n 2 n 2
a
a
xk + K + 1 xk + 0
xk +
an
an
an
an
Ex.: p( x ) = x 4 3x 3 + 3,37 x 2 1,68 + 0,3136 x 1

x k +1 = (3 x + 3,37 x + 1,68 x k + 0,3136)
x0 = 0
e
3
k
2
k
x1 = 0,748331477355
1
4
x15 = 3,93973077126
x 2 = 1,47358396156
x16 = 3,94696658200
x3 = 2,10693957916
x17 = 3,95190592045
x 4 = 2,61655565303
x18 = 3,9552764745
x5 = 3,00483390194
x19 = 3,9575796715
12

2.2- Separao de Razes Reais de f(x)=0
a) Mtodos Grficos: Utiliza-se um dos seguintes processos:
esboar grfico da funo f (x ) e localizar as abcissas dos pontos onde a curva

i)
intercepta o eixo dos x.
ii)
de f ( x ) = 0 obter uma equao equivalente f1 ( x ) = f 2 ( x ) . Localizar no mesmo eixo
cartesiano
os
pontos
r
onde
as
duas
curvas
se
interceptem:
f1 (r ) = f 2 (r ) f1 (r ) f 2 (r ) = 0 f (r ) = 0
b) Mtodo Analtico: Seja f ( x ) continua no intervalo [a, b] . Se f (a ) f (b ) < 0 , ento
existe pelo menos uma raiz de f em ( a , b ) . (Se o sinal de f ' constante em ( a , b ) a
raiz nica nesse intervalo).
Ex.: p( x ) = x 3 9 x + 3
a) Anlise grfica:
Logo, existem trs razes reais: r1 ( 4 , 3) r2 (0 , 1) , r3 (2 , 3)

b) analiticamente:
x
4 3 3
1 0 1
3
2 3
p ( x ) 25 3 13,3923 11 3 5 7,3923 7 3
Obs: Devemos dar uma ateno especial para os casos de:

Razes muito prximas.
para razes de multiplicidade par no ocorre troca
de sinal.
13
Ex1:
p( x ) = x 4 3 x 3 + 3,37 x 2 1,68 x + 0,3136
r1 = 0,7 e r2 0,8 so razes de multiplicidade 2.
2.3- Mtodos para Resoluo de equaes algbricas e transcendentes
Qualquer mtodo deve observar um critrio de parada, ao qual est associado um estimador
de exatido. Por exemplo, para onde C , 1 , 2 , L so dados:
DIGSE( x k , x k + 1 ) C
f (xk ) 1
x k +1 x k
2
x k +1
k > L (nmero mximo de iteraes)
2.3.1-Mtodo da Bisseo ou Dicotomia (Algoritmo de quebra)
Seja f : [a, b] continua e tal que f (a ) f (b ) < 0 .

1) Calcula-se o ponto mdio x m =
[a,
a+b
, dividindo-se [a, b ] em dois novos intervalos :
2
x m ] , [x m , b]
2) Se f ( x m ) 0 e:
i)
f (a ) f ( x m ) < 0 ento a raiz est em ( a , xm ) . Volta-se para (1)
ii)
f ( x m ) f (b ) < 0 ento a raiz est em ( xm ,b ) . Volta-se para (1)
3) Repete-se o processo at obter uma aproximao razovel da raiz, isto , at que
um critrio de parada seja satisfeito.
Caractersticas: simples a convergncia lenta mas garantida. A velocidade de
convergncia 0,3 DIGSE /passo, isto , a cada 3 ou 4 passos ganha-se um DIGSE .
Ex: p( x ) = x 4 + 2 x 3 7,5 x 2 20 x 11
a) Enumerao das razes de p (x )
+
Regras de Huat e Lacuna
no aplicam
1
1
14
3
1
total
0
4
2
b) Cota
de
Cauchy:
x k +1 = 4 2 x k3 + 7,5 2k + 20 x k + 11, x 0 = 0
x1 = 1,82116028684
x 2 = 3,03080111616
x14 = 4,64729539211
x3 = 3,74256184946
x15 = 4,64784057829
x 4 = 4,14695320458
x16 = 4,64813826094
x17 = 4,64830079964
c) Separao de razes
p( x ) 276,5
4 3 2 1
77
8,5
r1
11 35,5 49 35 173 576,5
5
r2
r4
r3
d) Clculo da raiz r4 (3, 4 ) utilizando o mtodo da bisseco.

k
xk
f ( xk )
Ik
(3; 35 )
1
3,5
62 ,9375
(3; 3,25 )
2
3,25
25 ,00390625
(3; 3,125 )
3
3,125
9 ,660400391
(3; 3,0625 )
4
3,0625
2 ,871886353
(3,03125; 3,0625 )
0 ,405335188
5
3,03125
(3,03125; 3,046875 )
6
3,046875
1,1900454168
(3,03125; 3,039625 )
7
3,0390625
0 ,3883184832
(3,03515625; 3,0390625 )
8
3,03515625
0 ,0095143543
(3,03515625; 3,037109375 )
9
3,037109375
0 ,1891500395
(3,03515625; 3,0361328125 )
10 3,0361328125 0 ,0897548754
11 3,03564453125 0 ,0401045242 (3 ,03515625; 3 ,03564453125 )
12 3,03540039062 0 ,01529111512 (3 ,03515625; 3 ,03540039062 )
13 3 ,0352783203
0 ,002874148
M
Obtemos r4 x12 = 3,0354039062 com DIGSE ( x12 , x13 ) 4 ,096
2.3.2-Mtodo da Iterao Linear
Consiste em escrever a equao f ( x ) = 0 na forma x = G ( x ) . Os pontos x* que
satisfazem a condio x * = G x * so ditos pontos fixos de G (x ) e geometricamente
representam os pontos de interseco da reta y = x com a curva y = G ( x ) .
G ( x ) dita funo de iterao do mtodo. Inicia-se a iterao com um valor x0
prximo da raiz, e as outras aproximaes so dadas por:
xi +1 = G ( xi ), i = 0,1,2,K
( )
15
A seqncia de aproximao xi , converge para

a soluo x* da equao f ( x ) = 0 sob certas
condies .
A construo de G no nica. A escolha de
uma G apropriada dita problema do ponto fixo.
Ex. x 2 + x 6 = 0 .
a) G1 ( x ) = 6 x 2
b) G 2 = 6 x ,
c ) G3 = 6 x ,
G4 =
6
,
x +1
G5 =
6
1
x
Embora no seja preciso usar mtodos numricos para encontrar as duas razes reais
1 = 3, e 2 = 2 da presente equao, nota-se que:
i)
Tomando G1 e x0 = 1,5 , a seqncia {xi } no converge para 2.

xi +1 = G1 ( xi )
x1 = G1 ( x0 ) = 6 (1,5) 2 = 3,75
x 2 = G1 ( x1 ) = 6 (3,75) 2 = 8,0625
x3 = G1 ( x 2 ) = 6 (8,0625) 2 = 59,00390625
x 4 = G1 ( x3 ) = 3475,46095276
x5 = G1 (x 4 ) = 12078822,8342
M
ii)
Tomando G2 e x0 = 1,5 , a seqncia {xi } converge para 2.
x1 = G2 (x0 ) = 6 1,5 = 2,12132034356

x 2 = G2 ( x1 ) = 1,9694363804
x 3 = G2 ( x2 ) = 2,00762636454
x 4 = G2 ( x3 ) = 1,99809249923
x 5 = G2 ( x4 ) = 2,00047681835
x 6 = G2 ( x5 ) = 1,99988079186
x 7 = G2 ( x6 ) = 2,00002980181
M
Teorema da Convergncia:
Seja uma raiz isolada de f em [a, b] . Se
i) G e Gso contnuas em [a, b] ;
ii) G' ( x ) 1,x (a ,b ) ;
iii) x0 e xk + 1 = G( xk ) (a ,b ), k = 0 ,1,2 ,... , ento a seqncia { xk }, gerada por

xk +1 = G ( xk ) ,converge para .
16
Ex: Utilizando o mtodo da iterao linear calcule a

raiz de f ( x ) = e x + x 3 , com DIGSE (x k , x k +1 ) 5
f ( x ) = 0 e x + x 3 = 0 x 3 = e x
x = e = e
Seja
3
G ( x ) = e
x
3
x
3
x
1
G ' ( x ) = e 3 ; G ' ( 1) 0,24 *
3
G ' (0 ) 0,33
G e G so continuas em [-1,0] e
G ' ( x ) < 1 x [1,0] .
xi
Logo , a seqncia gerada por xi +1 = e 3 converge para x [1,0] .

Seja x0 = 0,5
x1 = 0,846481725
x 6 = 0,772800243
x 2 = 0,754152577
x7 = 0,772904269
x3 = 0,777723518
x8 = 0,772877469
f ( x9 ) = 0,000003188 e
x 4 = 0,771636903
x9 = 0,772884374
DIGSE ( x9 , x10 ) 5,34
x5 = 0,773204044
x10 = 0,772882595
M
*G no tem Maximo nem mnimo local em [0,1], testa-se ento s os extremos.
Caractersticas do Mtodo da Iterao Linear:
No garante a convergncia para toda funo continua.

Necessita do calculo de G(x).
Pode ocorrer dificuldade para encontrar G(x).
A convergncia linear para razes simples (a cada passo do mtodo o erro reduzido por
um fato constante).
A velocidade de convergncia depende de G ' (x ) , quanto menor este valor, maior ser a
convergncia.
17
Obs.: Dada a equao f ( x ) = 0 , existem infinitas funes G(x) que so funes de iterao. A
forma geral destas funes :
G ( x ) = x + A( x) f ( x) ,
com a condio que em x*, ponto fixo de G(x), se tenha A( x * ) 0 . Temos que:
f ( x * ) = 0 G ( x * ) = x * Com efeito:
( ) Seja x * tal que f ( x * ) = 0 .
G ( x * ) = x * + A( x * ) f ( x * ) = x * + A( x * ) 0 = x *
() Se G ( x * ) = x * x * + A( x * ) f ( x * ) = x *
A( x * ) f ( x * ) = 0 f ( x * ) = 0 pois A( x * ) 0
2.3.3-Mtodo de Newton-Raphson
Procura garantir e acelerar a convergncia do mtodo da Iterao Linear, escolhendo para a

funo de iterao a funo G(x) tal que G(x)=0
Dada a funo f ( x) = 0 , tomamos a forma geral para G(x):
G ( x) = x + A( x) f ( x) G ' ( x) = 1 + A' ( x) f ( x) + A( x) f ' ( x)
G ' ( x * ) = 1 + A' ( x * ) f ( x * ) + A( x * ) f ' ( x * ) G ' ( x * ) = 1 + A( x * ) f ' ( x * ),
pois x * ponto fixo de G ( x * = G ( x * ) f ( x * ) = 0) .
Agora , G ( x * ) = 0 1 + A( x * ) f ' ( x * ) = 0 A( x * ) =
1
.
f ' (x* )
1
f ( x)
e G ( x) = x
.
f ' ( x)
f ' ( x)
Ento dada f ( x ) , G ( x ) tal que G ' x * = 0 , pois
Tomemos A( x) =
( )
G ' (x ) = 1
[ f ' ( x)] f ( x) f " ( x) f ' ( x) f " ( x)

=
e
[ f ' ( x)]2
[ f ' ( x)]2
2
f ( x * ) = 0 G ' ( x * ) = 0 se f ' ( x * ) 0.
Portanto, iniciando-se a iterao com um valor x0 escolhido, a seqncia ( x k )
determinada por:
f ( xk )
xk +1 = xk
, k = 0,1,2,... f ' ( xk ) 0
f ' ( xk )
Geometricamente , conforme podemos observar na prxima figura, dado x k , x k +1
abscissa do ponto de interseco da reta tangente curva f (x ) em ( x k , f ( x k )) e o eixo dos x.
Assim,
f ( xk )
f ( xk )
tg =
= f ' ( x k ) x k +1 = x k
x k x k +1
f ' ( xk )
18
f ( xk )
f ( xk + 1 )
xk + 1
xk
x k +1
Convergncia: ( trabalhoso mostrar que G' ( x ) < 1 ).

O mtodo de Newton-Raphson converge se:
f ( x) f " ( x)
G ' ( x) =
< 1 f ( x) f " ( x) < ( f ' ( x)) 2 .
2
( f ' ( x))
Para razes simples a convergncia quadrtica e para razes duplas ou triplas linear.
Escolha do ponto inicial: Seja ( a ,b ) raiz de f .
f (a) f " (a) > 0 x0 = a
Se
f (b) f " (b) > 0 x0 = b
(a + b)
.
Caso contrrio, pode-se considerar x0 =
2
Ex.: 1) Estimar o valor da nica raiz real de f ( x ) = 2 x + ln x , utilizando Newton-Raphson.
f ( x ) = 2 x + ln x
x,
19
2 x + ln x
1
2
x
xk + 1 = x k
x0 = 0 ,5
2 xk + ln xk
1
2+
xk
x1 = 0 ,42
x2 = 0 ,42699599
x3 = 0 ,426302751
x4 = x 3
Logo a aproximao para a raiz = 0 ,426302751 com 9 dgitos significativos corretos.
2) Calcular a raiz r4 [3,4] do polinmio dado anteriormente: p( x) = x 4 + 2 x 3 7,5 x 2 20 x + 11 .

p(3) p" (3) < 0 e p (4) p" (4) > 0 x 0 = 4
x k +1
x k4 + 2 x k3 7,5 x k2 20 x k 11
= xk
4 x k3 + 6 x k2 15 x k 20
x0 = 4
x1 = 3,36397059
x 2 = 3,08982331
Uma aproximao para a raiz r4 = 3,03524990

com 9 dgitos significativos e 5 iteraes.
x3 = 3,03709653
x 4 = 3,03525211
x5 = 3,03524990
x 6 = x5
Obs:
O Mtodo de Newton pode divergir devido ao uso da tangente, oscilando indefinidamente.
20
Isto acontece quando:

i)
No h raiz real
Ocorre simetria de f ( x ) em torno de
ii)
O valor inicial x0 est longe da raiz exata, fazendo que outra parte da funo
iii)
prenda a iterao.
2.3.4-Mtodo da Secante
Uma desvantagem do Mtodo de Newton-Raphson o calculo do valor numrico de

f ' ( x ) a cada iterao.
O mtodo da secante contorna este problema, substituindo a derivada pelo quociente das
diferenas:
f ( x k ) f ( x k 1 )
f ' ( xk )
x k x k 1
onde xk e x k 1 so duas aproximaes para a raiz de f ( x ) . A formula iterativa :
( x k x k 1 ) f ( x k )
f ( x k ) f ( x k 1 )
Geometricamente, a partir das aproximaes para a raiz de xk e x k +1 , o ponto x k +1 dado pela
abscissa do ponto de interseco do eixo Ox e da reta secante que passa
por
( x k 1 , f ( x k 1 )) e ( x k , f ( x k )) .
x k +1 =
Caractersticas do mtodo da secante:

9 Garante a convergncia para toda funo continua
9 Pode divergir se f ( x k ) f ( x k 1 )
9 Convergncia mais lenta que o Mtodo de Newton e mais rpida que Bisseco e
Iterao Linear.
9 So necessrias duas aproximaes da raiz a cada iterao.
Ex: p( x ) = x 3 5 x 2 + 17 x + 21 e ( 1,0 )
x k +1
( x k x k 1 ) ( x k3 5 x k2 + 17 x k + 21)
= xk 3
( x k 5 x k2 + 17 x k + 21) ( x k31 5 x k21 + 17 x k 1 + 21)
x0 = 1, x1 = 1
x1 = 0,888888888889
x 2 = 0,960142348759
x3 = 0,931787651586
x 4 = 0,932112394706
x5 = 0,93211485688
x6 = 0,932114856662
x7 = x6
21
Exerccios
1) Uma partcula arremessada verticalmente, a partir do solo, com uma velocidade inicial vo
.Desprezando a resistncia do ar, supomos que a posio p partcula dada por:
g
d ( t ) = vo t t 2 ,
2
onde g acelerao da gravidade. Determinar a altura mxima atingida pela partcula e o
instante em que ocorreu.
2) Uma corrente oscilante num circuito eltrico descrita por I = 9e t sen( 2 t ) , t em
segundos. Determinar todos os valores positivos de t para os quais I = 3.5.
3) A concentrao de uma bactria poluente num lago descrita por

C = 70 e 1.5t + 2.5e 0.075t
Encontrar o tempo para que a concentrao seja reduzida para nove.
4) O deslocamento de uma estrutura est definido pela seguinte equao

D = 8 e kt cos wt
onde k = 0.5 e w = 3.
a) Determinar graficamente uma estimativa inicial do tempo necessrio para o deslocamento
decrescer para 4.
b) Usar o mtodo de Newton-raphson para determinar essa raiz
5) Enumerar, localizar, separar e calcular (via Newton-Raphson e/ou Bisseco ), se possvel, todas
as razes dos polinomios tendo como critrio de parada DIGSE (xk , xk+1) 5. No caso de razes
mltiplas, determinar a multiplicidade da raiz e calcular as demais utilizando deflao.
a) p(x) = x 3 2 x 2 + 3x 5
b) p(x) = x5 - 15,5x4 +77,5x3 - 155x2 +124x -31
c) p(x) = x 4 121x 3 + 2247 x 2 15043x + 34300
d) p(x) = x 4 115x 3 + 1575x 2 7625x + 12500
e) p(x) = x 4 3x 3 + 3.37 x 2 168
. x + 0.3136
4
3
f) p(x) = x -11,101x +11,1111x2-1,011x+0,001
g) p(x) = x9- 4x8 + 3,9x7 +3,02x6 - 5,5295x5 - 0,84732x4 + 2,83536x3 + 0,37152x2 -0,59616x 0,15552
h) p(x) = x3 - 2081,93x2 +1424,64x- 3,19728
i) p(x) = x4 + 1,98x3 +1,1424x2 +0,162602x - 0,00174225
6) Localizar graficamente e calcular ( via Newton-Raphson e/ou Mtodo da Iterao Linear) todas
as razes, com DIGSE(xk , xk+1) 5:
22

a)
b)
c)
d)
f(x) = x2 + ln x
f(x) = x + 2 cos x
f(x) = 2x + ln x
f(x) = cos x + ln x + x
2
e) f(x)= x + e Bx para B = 1,5,10,25,50
7) Responder resumidamente:
a) Em que consiste o princpio da bisseco para determinar a primeira aproximao de uma raiz
de uma equao f(x)=0?
b) Explicar o mtodo da iterao linear para calcular uma raiz de uma equao f(x)=0, partindo de
uma primeira aproximao x0.
c) Quando no converge a iterao linear?
d) Quando no converge o Mtodo de Newton Raphson?
e) Interpretar geometricamente o Mtodo de Newton-Raphson.
f) Qual a vantagem de se utilizar o Algoritmo de Horner para se avaliar o valor do polinomio num
ponto? Exemplificar.
Respostas:
1) O deslocamento mximo vo2/2g e ocorreu em t = vo/g.

2) t = 0.06835432097 e t = 0.4013436927
3) t = 1.556787935
23
4) t = 0 .3151660803
5-a)
r+ r3
0
1
0
0
2
T
3
3
p tem razes complexas.

Existe uma raiz real em (1,2)
Razes:
x=1,84373427779
x= 0.07813286110 1.644926378i
.
b) Razes: .4555300547, 1.092601944, 1.940878206, 4.011783883, 7.999205912
c) Razes: R1=100 e R2= 7(multiplicidade 3), no tem razes complexas.
d) Razes: R1=10 e R2=5(multiplicidade 3), no tem razes complexas.
e)
f)
g)
h)
i)
Razes: R1=0.7(multiplicidade 2), R2=0.8(multiplicidade 2)

Razes: R1=0,001 R2=0,1 R3=1 R4=10
Razes: R1=-0,5(multiplicidade 4), R2=1,2(multiplicidade 5)
Razes: R1= 0.002251681490, R2 = 0.6822607762 , R3= 2081.245488
Razes: R1=-1,01 R2=-0,75
R3=-0,23 R4=0,01
6-a) R .6529186400
b) R -1.029866529
c) R 0 .42630275100
e) Existe nica raiz de f em (-1,0)
24
d) R .2875182754
3. Sistemas de Equaes Lineares

O sistema com n equaes lineares e n variveis
a11 x1 + a12 x 2 + a13 x 3 + L + a1n x n = b1

a 21 x 2 + a 22 x 2 + a 23 x 3 + L + a 2 n x n = b 2
M
a n1 x1 + a n 2 x 2 + a n3 x 3 + L + a nn x n = b n
pode ser representado matricialmente por AX = B , onde
a 11 a 12
a 21 a 22
A=
M
M
a n1 a n 2
K
K
K
a 1n
a 2n
,
M
a nn
x1

x2
X = ,
M

x n
b1

b2
B=
M

b n
A a matriz dos coeficientes, X o vetor das incgnitas e B o vetor dos termos independentes.
3.1- Introduo problemtica de sistemas

Um SEL pode ser mal condicionado, bem condicionado ou sem soluo.
Um sistema mal condicionado se uma pequena alterao nos dados pode provocar uma
grande alterao na soluo. Por exemplo:
x + 0 ,98 y = 4 ,95
(a)
x + y = 5
2 ,5
tem soluo exata x =
2 ,5
x + 0 ,99 y = 4 ,95
(b)
x + y = 5
0 ,0
tem soluo exata x =
5 ,0
Uma alterao de 1% (0,01 no coeficiente 0,98) ocasionou uma alterao de 100% na soluo.
No caso de um sistema linear de ordem 2, cada equao representa uma reta.
Resolver o sistema significa determinar a interseco das duas retas. Trs casos so possveis:
R1
R1
R2
R2
R1
Bem condicionado
det 0
retas concorrentes
No tem soluo.
det = 0
retas paralelas
Mal condicionado
det 0
(perturbao em 2 )
25
R2
Exemplo2:
x + 5 y = 17
(a)
1,5 x + 7 ,501 y = 25 ,503
2
tem soluo exata: x =
3
x + 5 y = 17
(b)
1,5 x + 7 ,501 y = 25 ,501
12
tem soluo: x =
1
3.2-Medidas de Condicionamento
O determinante normalizado da matriz dos coeficientes A dado por
det A
2
NORM A =
onde k = ak21 + ak22 + L akn
, para k = 1, 2, ..., n
1 2 L n
Norm A ( 1 , 1) e quanto mais afastado de 1 (isto , quanto mais prximo de zero) mais mal
condicionado a matriz A.
Retomando o Ex2:
1
5 1 = (1 + 25 ) 2 = 5 ,09901951359
2) A =
1,5 7 ,501
2 = 1,5
1
2 2
+ 7 ,501
det A = 7 ,501 5 1,5 = 0 ,001

norm A =
= 7 ,649550985358
0 ,001
0 ,001
=
= 0 ,00002563773874
1 2 39 ,0050000128
Agora, como pode ser medido o condicionamento de um sistema linear?

Dado um SEL AX = B , o seu nmero de condicionamento dado por:
Cond ( A ) = A
A1 .
Quanto maior for Cond ( A ) , mais sensvel ser o sistema linear.

n
Utilizamos A = A = max aij , a norma do mximo das linhas.

1 i n i = 1
Ex:
5
1
7501 5000
, A 1 =
A =
1,5 7 ,501
1500 1000
A = 9 ,001 , A 1 = 12501
Cond ( A ) = A
A 1 = 112521,501 1 10 5
26
Sistemas de Equae Lineares
3.3-Mtodo de Resoluo de Sistemas
Mtodos Diretos: A soluo exata obtida realizando-se um nmero finito de operaes

aritmticas em (com preciso infinita): Eliminao de Gauss e Gauss Jordan.
Mtodos Iterativos: A soluo x obtida como limite de uma seqncia de aproximaes
sucessivas x1, x2, ... .
Mtodo de Eliminao de Gauss
Algoritmo bsico de Gauss: A soluo de AX = B calculada em duas etapas:
1- Triangularizao : Mediante operaes elementares nas linhas, a matriz A

transformada numa matriz triangular superior.
para k = 1,K ,n 1
(indica a linha do piv)
(indica a linha a transformar de A)
para i = k + 1,K ,n
aik
m=
akk
aik = 0
(indica a coluna a transformar da linha i)
para j = k + 1,K , n
a ij = a ij + m a kj
bi = bi m b k
Obs.: Se a ii = 0 necessrio trocar de linha, se possvel.
Algoritmo:
2- Retro-substituio: A triangularizao transforma o sistema AX = B , no sistema

equivalente:
c 11 x 1 + c 12 x 2 + c 13 x 3 + L + c 1n x n = d 1
c 22 x 3 + c 23 x 3 + L + c 2 n x n = d 2
c 33 x 3 + L + c 3n x n = d 3
LLLLLLL
c nn x n = d n
cuja soluo dada por:
xn =
dn
,
cnn
xn 1 =
(d n 1 cn 1,n xn ) ,
an 1,n 1
d (c12 x2 + c13 x3 + L + c1n xn )

x1 = 1
a11
Teorema: O mtodo de Gauss produz sempre a soluo exata do sistema AX = B (utilizando
preciso infinita) se det A 0 e as linhas de A forem permutadas quando aii = 0 .
27
Quando utilizada aritmtica do ponto flutuante, erros de arredondamento podem

comprometer a soluo obtida.
Ex.: Em F (10 ,3 ,98 ,98 ) , com arredondamento para nmero mais prximo de mquina ox, a
0 ,0002 x + 2 y = 5
elminao de Gauss aplicada ao sistema
produz x = 0 e y = 2 ,5 o que no
2x + 2 y = 6
satisfaz a segunda equao do sistema.

(Obs.: multiplicador m = 10.000 por L2 = L2 + L1 (m ) )
Gauss com Pivotamento Parcial
O mtodo consiste em trocar linhas (ou colunas) de maneira a minimizar a propagao de

erros nas operaes.
Escolhas dos pivs:
1 piv o elemento de maior valor absoluto da coluna 1.
2 piv o elemento de maior valor absoluto da coluna 2 e da diagonal para baixo.
Procede-se da mesma forma para os demais pivs:
3 piv
1 piv
2 piv
Aplicando a tcnica ao ltimo exemplo

2x + 2 y = 6
, em F (10 ,3 ,98 ,98 ) , com
0 ,0002 x + 2 y = 5
arredondamento para nmero mais prximo de mquina ox, obtemo x = 0 ,5 e y = 2 ,5 .
(Obs.: Neste caso o multiplicador menor m= - 0,0001)
Mtodo de Gauss-Jordan (Matriz Inversa)
A soluo do SEL AX = B calculado utilizando X = A 1 B se det A 0 .

Obs.: Ver exerccio 9.
Mtodos Iterativos
Os sistemas lineares de grande parte so, em geral, esparsos (muito elementos aij = 0 ). Os
mtodos diretos no preservam a esparsidade, enquanto que os mtodos iterativos sim, alm de
apresentarem relativa insensibilidade ao crescimento dos erros de arredondamento.
No sistema original AX = B , supondo aii 0 ,i = 1,K ,n , o vetor X isolado mediante a
separao de diagonal principal:
28
1
(b1 a12 x2 a13 x3 K a1n xn )
a11
1
(b2 a21 x1 a23 x3 K a2 n xn )
x2 =
a22
M
M
1
(bn an1 x1 an2 x2 K an ,n 1 xn 1 )
xn =
ann
x1 =
Metodo de Gauss-Jacobi
Dada a aproximao inicial X0, o processo iterativo produz aproximaes sucessivas

X 1 , X 2 , K, X k ,K , obtidas de:
x1(k +1) =
1
(k )
b1 a12 x 2(k ) a13x 3 K a1n x n (k )
a11
1
b 2 a 21x1(k ) a 23x 3(k ) K a 2n x n (k )
x (2k +1) =
a 22
M
M
1
(k )
b a x (k ) a x (k ) K a
x (nk +1) =
n ,n 1x n 1
n2 2
n
n1 1
a nn
Mtodo de Gauss-Seidel
Para X0 dado:
x1(k + 1) =
1
a11
1
x2(k + 1) =
a22
1
x3(k + 1) =
a33
M
1
xn(k + 1) =
ann
(b a
(b a
(b a
(k ) a x (k ) K a x (k )
1n n
13 3
12 x2
21 x1
31 x1
(b
(k + 1) a x (k ) K a x (k )
23 3
2n n
(k + 1) a x (k + 1) a x( k ) K a x (k )
3n n
32 2
34 4
M
(k + 1) a x (k + 1) K a
(k + 1)
n ,n 1 xn 1
n2 2
n an1 x1
Critrio de Convergncia
O teorema abaixo estabelece uma condio suficiente para a convergncia dos mtodos
de Gauss-Jacobi e de Gauss-Seidel.
Teorema
Dado o sistema linear AX = Y , se a matriz A Diagonalmente Dominante, isto ,
se a ii > a ij
j i
i , ento tanto o mtodo de Jacobi como o de Gauss-Seidel gera uma
seqncia (X (k ) ) convergente para a soluo do sistema dado, independente da escolha da

aproximao inicial X (0 ) .
29

Exemplo:
Resolver o sistema abaixo por Gauss- Jacobi e Gauss-Seidel.

Critrio de Parada: erro absoluto da soluo calculada for menor que 10-3.
x1
2 x1
0 ,5 x1
+ 4 x2
x3
x4
= 2
+ 2 x4
+ x4
=3
= 1
+ x3
= 1,5
Reordenamos a fim de satisfazer ao critrio de convergncia.

2 x1
x
0
,
5
x
1
+ x4
+ 4 x2
= 1
= 2
x4
+ x3
x3
+ 2 x4
>
= 1,5
4
1
>
>
1 + 1
0 ,5
=3
>
Como a matriz dos coeficientes , aps a reordenao, diagonalmente dominante, ento a

aplicao dos mtodos de Gauss-Jacobi e Gauss-Seidel produzir uma seqncia (X (k ) )
convergente para a soluo exata.
Gauss-Jacobi
Frmulas iterativas:
(k )
1 x
4
(
k + 1)
= 0 ,5 0 ,5 x4(k )
x1
=
2
x2(k + 1) =
(k )
(k )
( 2 x1
+ x4
x3(k + 1) = 1,5 0 ,5 x1(k )

(k )
( 3 + x3
x (k + 1) =
4
= 0 ,5 0 ,25 x1(k ) + 0 ,25 x4(k )
)
= 1,5 + 0 ,5 x3(k )
Aproximao inicial: X (0 ) = 0 .
30
k
0
1
2
3
4
5
6
7
8
9
10
11
:
40
x1
x2
x3
x4
0
0,5
1,25
0,875
0,9375
1,03125
0,984375
0,9921875
1,00390625
0,998046875
0,9990234375
1.000488282
:
1
0
0,5
-1,0
-1,0
-0,9375
-1,0000
-1,0000
-0,9921875
-1,0000
-1,0000
-0,999023437
-1.0000000
:
-1
0
1,5
1,25
0,875
1,0625
1,03125
0,984375
1,0078125
1,00390625
0,998046875
1,000976563
1.000488281
:
1
0
-1,5
-0,75
-0,875
-10625
-0,96875
-0,984375
-1,0078125
0,9960375
-0,998046875
-1,000976563
-0,999511718
:
-1
na 12a. iterao consegue-se x (12 ) x 11
< 10 5
Gauss-Seidel
Frmulas iterativas:
x1(k + 1) = 0 ,5 0 ,5 x4(k )
x2(k + 1) = 0 ,5 0 ,25 x1(k + 1) + 0 ,25 x4(k )

x3(k + 1) = 1,5 0 ,5 x1(k + 1)
x4(k + 1) = 1,5 + 0 ,5 x3(k + 1)
k
0
1
2
3
4
5
:
12
x1
0
0,5
0,9375
0,9921875
0,9990234375
0,999877929
:
1
x2
0
-0,625
0,953125
-0,994140625
-0,9992675781
-0,999908447
:
-1
x3
0
1,25
1,03125
1,00390625
1,000488281
1,000061035
:
1
x (5 ) x (4 ) < 10 5
31
x4
0
-0,875
-0,984375
0,99806875
-0,999755895
-0,999969482
:
-1
EXERCCIOS
1) Uma considerao importante no estudo da transferncia de calor a de se determinar a
distribuio de temperatura numa placa, quando a temperatura nas bordas conhecida. Supomos
que a placa da figura represente um seo transversal de uma barra de metal, com fluxo de calor
desprezvel na direo perpendicular placa. Sejam T1, T2 , ..., T6 as temperaturas nos seis
vrtices interiores do reticulado da figura. A temperatura num vrtice aproximadamente igual
mdia dos quatro vrtices vizinhos mais prximos ( esquerda, acima, direita e abaixo). Por
exemplo:
T1 = ( 10 + 20 + T2 + T4 )/4 ou 4T1 = 10 + 20 + T2 + T4
a) Escrever o sistema de seis equaes, cuja soluo fornece estimativas para as
temperaturas T1, T2 , ..., T6.
b) Resolver o sistema utilizando o sistema MapleV.
20o
10o
1
20o
20o
10o
40o
40o
20o
20o
20o
2) Num experimento num tnel de vento, a fora sobre um projtil devido resistncia do ar
foi medida para velocidades diferentes.
velocidade 0
2
4
6
8 10
fora
0 2.90 14.8 39.6 74.3 119
Expressar a fora como funo da velocidade aproximando-a a um polinmio de quinto
grau:
f ( v ) = a o + a 1 v + a 2 v2 + a 3 v3 + a 4 v4 + a 5 v5
Verificar a validade de f (v) encontrada e obter uma estimativa para a fora sobre o projtil
quando ele estiver se deslocando a uma velocidade de 1, 3, 5, 7 e 9 unidades de velocidade.
x1 + 0 ,5 x2 + 0 ,33 x3 = 1,83
3) Considere o sistema (#) 0 ,5 x1 + 0 ,33 x2 + 0 ,25 x3 = 1,08 .

0 ,33 x + 0 ,25 x + 0 ,2 x = 0 ,78
1
2
3
a) (#) bem ou mal condicionado? Porque? O que isso significa?

b) Resolver (#) pelo mtodo de Gauss sem pivotamento.
32

x1 + 1 / 2 x2 + 1 / 3 x3 + 1 / 4 x4 + 1 / 5 x5 = 137 / 60
1 / 2 x1 + 1 / 3 x2 + 1 / 4 x3 + 1 / 5 x4 + 1 / 6 x5 = 87 / 60
4) Idem ao 3 para 1 / 3 x1 + 1 / 4 x2 + 1 / 5 x3 + 1 / 6 x4 + 1 / 7 x5 = 459 / 420
1 / 4 x + 1 / 5 x + 1 / 6 x + 1 / 7 x + 1 / 8 x = 743 / 840
1
2
3
4
5
1 / 5 x1 + 1 / 6 x2 + 1 / 7 x3 + 1 / 8 x4 + 1 / 9 x5 = 1879 / 2520
5) Resolver por Eliminao de Gauss com pivotamento parcial.
3 x1 5 x2 + 6 x3 + 4 x4 2 x5 3 x6 + 8 x7 = 47
x + x + 9 x + 15 x + x 9 x + 2 x = 17
2
3
4
5
6
7
1
2 x1 x2 + 7 x3 + 5 x4 x5 + 6 x6 + 11x7 = 24
a) x1 + x2 + 3 x3 + 2 x4 + 7 x5 x6 2 x7 = 8
4 x + 3 x + x 7 x + 2 x + x + x = 13
2
3
4
5
6
7
1
2 x1 + 9 x2 8 x3 + 11x4 x5 4 x6 x7 = 10
7 x1 + 2 x2 x3 + 2 x4 + 7 x5 x6 + 9 x7 = 34
x1 + 2x 2 + 42x 3 = 83
b) 72x1 41x 2 14x 3 = 44

35x + 10x 5x = 25
2
3
1
2 x1 + x2 0.1x3 + x4 = 2.7
0.4 x + 0.5 x + 4 x 8.5 x = 21.9
1
2
3
4
c)
0.3 x1 x2 + x3 + 5.2 x4 = 3.9
x1 + 0.2 x2 + 2.5 x3 x4 = 9.9
6) Referente ao sistema linear AX=B, verificar se a afirmao Verdadeira ou falsa .

i) Se det A = 0 ento o sistema no tem soluo .Justificar verificando o que acontece em :
x1 x2 + x3 = 5
x1 + x2 = 0
a) x1 + x2 = 4
e
b) x1 x3 = 0
2 x + x = 2
x + x = 0
2
3
3
2
ii) Se A no uma matriz Diagonal Dominante ento os mtodos de Gauss-Jacobi e Gauss-Seidel
no geram uma sequncia convergente para a soluo . Justificar verificando o que acontece com
x + y = 3
x 3 y = 3
a)
b)
x 3 y = 3
x + y = 3
7) Resolver pelo Mtodo de Gauss-Seidel. Apresentar as frmulas iterativas e uma garantia de
convergncia (se possvel).
3 x1 5 x2 + 47 x3 + 20 x4 = 18
8 x1 + 2 x2 + 3 x3 = 30
11x + 16 x + 17 x + 10 x = 26
1
2
3
4
a)
b) x1 9 x2 + 2 x3 = 1
2 x + 3 x + 6 x = 31
56 x1 + 22 x2 + 11x3 18 x4 = 34
2
3
1
17 x1 + 66 x2 12 x3 + 7 x4 = 82
33
4 x + y 2 + z = 11
8) Resolver o sistema de equaes algbricas no lineares: x + 4 y + z 2 = 18

2
x + y + 4 z = 15
2 x1 + x2 + 7 x3 = b1
9) Resolver x1 + 3 x2 + 2 x3 = b2 para:
5 x + 3 x + 4 x = b
2
3
3
1
a) b1 =16 b2 = -5 b3=11 b) b1 =25 b2 = -11 b3 = -5 c) b1 =3 b2 = 5 b3 = -5
10) Utilizando Eliminao Gaussiana calcular detA.

7 0
2 3 1 2
3 2
1 0
1
2
a) A =
b) A = 0 5
3 1 4 1
0 1
2 2 3 1
1 0
8 0.5
0
0 0
0
3 0
3
1 9 0.25
3 1
0
11) Qual o Resduo produzido pela soluo aproximada X= [ -3 4 0]T de

0.24 x1 + 0.36 x2 + 0.12 x3 = 0.84
0.12 x1 + 0.16 x2 + 0.24 x3 = 0.52

0.15 x + 0.21x + 0.25 x = 0.64
1
2
3
Respostas:
1) Soluo obtida utilizando o MapleV:
>solve({4*T1=10+20+T2+T4,4*T2=T1+20+T3+T5,4*T3=T2+20+40+T6,
4*T4=10+T1+T5+20,4*T5=T4+T2+T6+20, 4*T6=T5+T3+40+20}, {T1,T2,T3,T4,T5,T6});
{T6 = 190/7, T5 = 150/7, T4 = 120/7, T3 = 190/7, T1 = 120/7, T2 = 150/7}
> evalf(%);
{T6 = 27.14285714, T5 = 21.42857143, T4 = 17.14285714,
T3 = 27.14285714, T1 = 17.14285714, T2 = 21.42857143}
2) Soluo utilizando o sistema MapleV:

>solve({a0=0,2.90=a0+a1*2+a2*4+a3*8+a4*16+a5*32,
14.8=a0+a1*4+a2*(4^2)+a3*(4^3)+a4*(4^4)+a5*(4^5),
39.6=a0+a1*6+a2*(6^2)+a3*(6^3)+a4*(6^4)+a5*(6^5),
74.3=a0+a1*8+a2*(8^2)+a3*(8^3)+a4*(8^4)+a5*(8^5),
119=a0+a1*10+a2*(10^2)+a3*(10^3)+a4*(10^4)+a5*(10^5)}, {a0,a1,a2,a3,a4,a5});
{a0 = 0, a2 = -1.194791667, a5 = .002604166667, a4 = -.07005208333,
a3 = .6614583333, a1 = 1.712500000}
>f:=x->1.712500000*x-1.194791667*x^2+.6614583333*x^3-.7005208333e1*x^4+.2604166667e-2*x^5;
> validade:=[f(0),f(2),f(4),f(6),f(8),f(10)];
34
validade := [0, 2.899999998, 14.80000000, 39.60000000, 74.29999994, 119.0000000]

> estimativas:=[f(1),f(3),f(5),f(7),f(9)];
estimativas := [1.111718750, 7.202343750, 25.73046873, 55.89609367, 94.9992188]
3-a) Mal condicionado. NORM A 0,000181. Uma pequena perturbao nos dados de entrada
pode causar uma grande alterao na soluo.
b) A soluo exata X=[1 1 1]T
4 - NORM A 0,00257, a soluo exata X=[1 1 1 1 1 1 1]T
5- a)X=[-21,86188 11,46568 2,376447 -8,514801 0,7475478 -15,50981 18,08498]T
b) soluo exata X=[1 0 2]T
c) soluo exata X=[1 2 3 -1]T
6-i) a) detA=0 e o sistema e incompatvel
b) detA = 0 e o sistema tem infinitas solues dadas por x=z e y=-z
ii) A no matriz Diagonal Dominante e Gauss-Jacobi e Gauss-Seidel
a) converge (oscilando) para a soluo exata [1.5 1.5]T
b) diverge
7 - a) X(10) = [-0.930569 1.901519 1.359500 -1.906078]T
X(35) = [-1.076888 1.990028 1.474477 -1.906078]T
b) soluo exata X = [2 1 4]T
8 - A soluo exata x =1 y= 2
z = 3.
9 - solues exatas: a) X = [3 -4 2]T b) X = [2 -7 4]T c) X = [-3 2 1]T

10 - a) detA = -55
b) det A = 706.875
11 - R = [0.12 0.24 0.25]T
35
4.Interpolao Polinomial
4.1 Objetivo:
Dado um conjunto de n+1 pontos distintos ( xi , f ( xi )) , i = 0 ,1,...,n , queremos determinar o
polinmio p(x) talque
p( xi ) = f ( xi ), e para os demais pontos do intervalo
p( x ) f ( x ) , x [xo ; xn ] . O polinmio p(x) dito polinmio aproximante ou interpolador de
f(x) no intervalo [xo , xn ] .
4.2 Aplicaes
Obter uma expresso analtica aproximada de uma funo que conhecida em apenas um
nmero finito de pontos;
Avaliar a funo num ponto no tabelado x* [xo ; xn ] ;
xn
Determinar aproximaes para
xo f ( x)dx , substituindo a f(x) pelo polinmio
interpolador;
Calcular uma aproximao para f ' ( x) para x [xo ; xn ] , substituindo f(x) por p(x).
4.2 Existncia e Unicidade da Soluo
Dados xi
p( xi ) = f ( xi ), xi .
f ( xi ) ,
i = 0 ,1,...,n , procuramos
Seja p ( x) = ao + a1x + a2 x 2 + ... + an x n =
36
ak x k
k =0
p( x ) Pn tal que
Ento de p( xi ) =
ak xik = f ( xi ),
obtemos:
k =0
a0 + a1 x0 + a2 x02 + ... + an x0n =
a0 + a1 x1 + a2 x12 + ... + an x1n =
..............................................
a0 + a1 xn + a2 xn2 + ... + an xnn =
f0
f1 ,
fn
o qual representa um sistema linear de ordem n+1 onde as n+1 incgnitas so os ak , k = 0 , n e a

matriz dos coeficientes dada por:
1 x0
x 02
. . x 0n
x 12
. . x 1n
1 x1
1 x
x 22
. . x 2n
2
A=
.
.
. . .
.
.
.
. . .
.
.
.
.
. . .
2
xn
. . x nn
1 x n
n 1 n
det A = ( x j xi ) . Como os pontos so
i = 0 j = i + 1
distintos, a diferena x j xi ser sempre diferente de zero, e ento detA 0. Portanto o polinmio
interpolador existe e tambm nico.
De acordo com Vandermonde,
4.3Polinmio Interpolador de Newton Para Diferenas Finitas Ascendentes
Dados (xi , yi ) , yi = f ( xi ) i=0,1,2,...,n satisfazendo

x1 x0 = x2 x1 = .... = xn xn 1 = h ,
isto , xi + 1 xi = h .
Para k = 1, 2, ...n, e i= 0, 1, 2, ..., n-k , a diferena finita de ordem k dada por
k yi = k 1 yi + 1 k 1 yi .
E, o polinmio interpolador de Newton para diferenas finitas ascendentes dado por :

p( x ) = y o +
( x xo )( x x1 )L( x x n 1 ) n
( x xo )( x x1 ) 2
( x xo )
y 0 +
yo + L +
yo
2
h
2! h
n! h n
37
4-Interpolao Polinomial
Exemplo1:
O alongamento de uma mola foi medido em funo da carga aplicada. Obteve-se:
c arg a( kg )
2 4 6 8
alongamento( cm ) 1,0 2 ,5 5 ,0 6 ,3
Estimar o alongamento para o caso de ser aplicada uma carga de 7kg , utilizando o polinmio
interpolador de Newton para diferenas finitas.
Soluo:
1) Tabela das diferenas finitas:
i
yi
xi
0
1
2
3
2
4
6
8
1
2.5
5
6.3
yi
2 yi
3 yi
1.5
1
-2.2
2.5
-1.2
-------------------1.3
-------------------- --------------------------------------- -------------------- --------------------
2) Polinmio interpolador:
(x 2) .1,5 + (x 2 )(x 4 ) .1 + (x 2 )(x 4 )(x 6 ) .( 2 ,2 )
p( x ) = 1 +
2
3! ( 2 )3
2! ( 2 )2
p( x ) = 0 ,04583333333 x 3 + 0 ,675 x 2 2 ,016666667 x + 2 ,7

3) Verificao de validade de p(x) : p( 2 ) = 0 ,9999999994 ( 1 )
p( 4 ) = 2 ,4999999999 ( 2 ,5 )
p( 6 ) = 5 e p(8)=6.3
4) Estimativa do alongamento ao se aplicar uma carga de 7kg:
O alongamento da mola neste caso aproximadamente p( 7 ) = 5 ,9375 cm.
5) Anlise grfica do problema:
38

4.4 Polinmio Interpolador de Newton Para Diferenas Finitas Divididas
Dados (xi , yi ) , yi = f ( xi ), i= 0, 1, 2, ..., n

qualquer, no necessariamente eqidistantes.
os pontos xi podem ter um espaamento
O polinmio de Newton para diferenas divididas dado por:

2
p( x) = yo + ( x xo ) y0 + ( x xo )( x x1 ) yo + ... + ( x xo )( x x1 )...( x xn 1) n yo ,
onde, para k = 1, 2, ..., n, e i= 0, 1, 2, ..., n-k a diferena dividida de ordem k dada por
yi =
k
k 1
yi + 1 k 1 yi
xi + k xi
Por exemplo, para o caso de n = 4:

i
xi
yi
yi
yi
yi
x0
y0
y1 y0
x1 x0
y1 y0
y1 y0
y2 y1
x2 x1
y 2 y1
y3 y 2
x3 x 2
y3 y2
-----------------------------------------------------------------------------
x1
x2
y1
y2
x2 x0
x3
y3
y4 y3
x4 x3
x4
y4
---------------
x3 x0
y2 y1
x3 x1
x4 x 2
yi
x4 x1
--------------------------------------------------------------------------------------------------------------------------------------
y1 y0
x4 x0
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Observao: Para h constante , a relao entre diferenas divididas e finitas dada por :
1
k yi =
k yi .
k
k !.h
Exemplo:
f(x)
yi
yi
yi
yi
0
2
3
5
6
0
8
27
125
216
4
19
49
91
-----
5
10
14
---------
1
1
-------------
0
-----------------
39
Exemplo2:
A velocidade do som na gua varia com a temperatura conforme tabela:

temperatura( oC ) 86 93,3 98 ,9 104 ,4 110
velocidade( m / s ) 1,552 1,548 1,544 1,538 1,532
Soluo:
1) Clculo das diferenas divididas
x
y0
86
93.3
98.9
104.4
110
1.552
1.548
1.544
1.538
1.532
-0.00054794
-0.00071428
-0.00109090
-0.00107142
---------------
2
y0
-0.00001289
-0.00003393
0.175 x 10-5
-----------------------------
3
y0
-0.114 x 10-5
0.213 x 10-5
-------------------------------------------
4
y0
0.136 x 10-6
---------------------------------------------------------
2) Construo do polinmio:
p( x ) = 1.552 + ( x 86 )( 0.00054794 ) + ( x 86 )( x 93.3 )( 0.00001289 ) + ( x 86 )( x 93.3 )( x 98.9 )
(-0.114 x 10 5 )+ ( x 86 )( x 93.3 )( x 98.9 )( x 104.4 ) (0.136 x 10 6 )
Simplificando a expresso , encontramos
p(x) = 0.13666902 84 10 -6 x 4 0 . 0000534327 9926 x 3 + 0 . 0077947032 83 x 2 0 . 5036369194

3) Verificao da validade de p(x) calculado no item 2:
p( 86 ) = 1.55199999 ; p( 93.3 ) = 1.548 ;
p( 98.9 ) = 1.544 ;
p( 104.4 ) = 1.537999999 ; p( 110 ) = 1.532
4) Estimativa da velocidade do som quando a temperatura da gua atinge 100 0 C ,
p( 100 ) 1.54293925 m/s
6) Anlise grfica do problema:
40

4.5 Erro de Truncamento
E ( x) =
( x)
(n + 1)!
f (n +1) ( ), [x0 , xn ] com
( x ) = ( x x0 )( x x1 )...( x xn )
pois k yi =
1
k !.h
n + 1 f 0
( n + 1 )! h
n +1
= ( x x0 )( x x1 )...( x xn )* n + 1 yi ,
k f i , para h constante.
4.6 Aplicaes utilizando o sistema Maple

APLICAAO 1
Cinquenta animais de uma espcie ameaada de extino foram colocados numa
reserva e um controle populacional mostrou os dados:
t( anos )
0 1 3 5 7 10 13
quantidade de animais 50 60 73 77 76 73 69
a) Determinar a matriz de Vandermonde para o problema e determinar o valor do respectivo
Nmero de Condicionamento (Cond e Determinante Normalizado). O que podemos
concluir?
b) Determinar o polinmio interpolador utilizando todos os dados tabelados.
c) Verificar a validade do modelo encontrado.
d) Estimar a a populao no quarto ano. possvel estimar a populao no dcimo quinto ano
utilizando o polinmio determinado no tem b.
e) Em que ano essa populao animal atingiu seu mximo? Qual a populao mxima atingida?
f) Plotar num mesmo sistemas de eixos os pontos tabelados e a e o polinmio interpolador
determinado no tem b.
Resposta:
0
0
0
0
0
1 0
1 1
1
1
1
1
1
1 3 3 2
33
34
35
36
V = 1 5 5 2
53
54
55
56
1 7 7 2 7 3 7 4 7 5 7 6
2
10 3 10 4 10 5 10 6
1 10 10
1 13 13 2 13 3 13 4 13 5 136
Determinante Normalizado= 0.9072675023 x 10 -11
Cond (V)= 39124291.11

p(t) = .5095984263e-4*t^6-.2488977072e-2*t^5+.4187474562e-1*t^4-.2409954552*t^3.6536635972*t^2+10.85522232*t+50.
p(4) 75.91851648
populao mxima p(5.312779138)= 77.05456458
41
APLICAO 2
Para determinar a resistncia eltrica de um solo num
sistema de aterramento, enterra-se duas hastes de cobre e
aplica-se uma determinada voltagem, resultando numa
corrente eltrica. Numa experincia deste tipo, foram obtidos
os seguintes dados:
x ( voltagem volts( V )) 30 35 40 47 50
y ( corrente ampere( A )) 2 2 ,8 3 ,5 4 ,3 4 ,5
Estimar a corrente se a voltagem aplicada for de 43A usando o
Polinmio Interpolador de Newton.
Resposta: p(43) 3,88
APLICAO 3
Ao considerar que no Japo a vida mdia j superior a 81 anos, a esperana de vida no Brasil de
pouco mais que 71 anos ainda relativamente baixa. E, de acordo com a projeo mais recente da
mortalidade, somente por volta de 2040 o Brasil estaria alcanando o patamar de 80 anos de
esperana de vida ao nascer. (Ver www.ibge.gov.br em Populao / Tbuas Completas de
Mortalidade). A esperana de vida ao nascer de 71,3 anos coloca o Brasil na 86 posio no ranking
da ONU, considerando as estimativas para 192 pases ou reas no perodo 2000-2005 (World
Population Prospects: The 2002 Revision; 2003). Entre 1980 e 2003 a esperana de vida ao nascer,
no Brasil, elevou-se em 8,8 anos: mais 7,9 anos para os homens e mais 9,5 anos para as mulheres.
Em 1980, uma pessoa que completasse 60 anos de idade teria, em mdia, mais 16,4 anos de vida,
perfazendo 76,4 anos. Vinte e trs anos mais tarde, um indivduo na mesma situao alcanaria, em
mdia, os 80,6 anos. Aos 60 anos de idade os diferenciais por sexo j no so to elevados
comparativamente ao momento do nascimento: em 2003, ao completar tal idade, um homem ainda
viveria mais 19,1 anos, enquanto uma mulher teria pela frente mais 22,1 anos de vida.Na tabela
acima obtemos informaes sobre a esperana de vida s idades exatas, especialmente, a esperana
de vida ao nascer que expressa o nmero mdio de anos que se espera viver um recm-nascido
(que, ao longo da vida, estivesse exposto aos riscos de morte da tbua de mortalidade em questo
42

http://www.ibge.gov.br/home/presidencia/noticias/noticia_visualiza.php?id_noticia=266&id_pagina=1).
Alm dos mltiplos usos, no somente pela Demografia e Previdncia Provada, mas tambm pelas
demais Cincias Sociais, a tabela utilizada para determinar, juntamente com outros parmetros, o
chamado fator previdencirio para o clculo das aposentadorias das pessoas regidas pelo Regime
Geral de Previdncia Social.
TAREFA: Considerar os resultados de 2003.
idade em 2003
0 10 15 20 25 30 50 55 60 65 70
exp ectativa de vida( anos ,em2003 ) Mulheres 75.2 67.5 62.6 57.8 53.0 48.3 30.1 26.0 22.1 18.4 15.0
idade em 2003
exp ectativa de vida ( anos , em 2003 ) Homens
0
10
15
20
25
30
50
55 60
65 70
67 . 6 60 . 4 55 . 5 51 . 0 46 . 8 42 . 5 26 . 2 22 . 5 19 . 1 15 . 9 13 . 1
A) Determinar o polinmio interpolador utilizando todos os dados tabelados. Sugesto: ?interp

B) Verificar a validade do modelo encontrado.
C) Plotar num mesmo sistema de eixos os pontos tabelados e a e o polinmio interpolador determinado
no item b.
D)Estimar a expectativa de vida para pessoas com idade em 2003, variando de 14 a 30 anos.
> Estimativas_mulheres:= array( [ seq( [i, pexpvidam(i)],

14..30)]);
> Estimativas_homens:= array( [ seq( [i, pexpvidah(i)], i
14..30)]);
14
14 63.56097596
15
15 62.6000001
16
16 61.6414611
17
17 60.6831095
18
18 59.7236187
19
19 58.7625088
20
20 57.8000000
21
21 56.8368317
Estimativas_homens := 22
Estimativas_mulheres := 22 55.8740682
23
23 54.9129142
24
24 53.954550
25
25 53.000000
26
26 52.050032
27
27 51.105097
28
28 50.165308
29
29 49.230445
30
30 48.300001
43
i =
=
56.46550812
55.5000000
54.5559710
53.6353083
52.7375232
51.8602890
51.0000001
50.1523108
49.3126236
48.476507
47.640028
46.800001
45.954138
45.101122
44.240601
43.373125
42.500001
4.7 Exerccios
(Fonte: Clculo Numrico Computacional. Claudio, Dalcdio Moraes e Marins, Jussara M. So
Paulo: Ed.Atlas,1994.)
1. A tabela abaixo d o volume de gua num tanque elstico (usado para transpor-te de
leo, leite, etc. em caminhes) para vrias cotas de gua. Determinar y(0,12).
x(m)
0,1
0,6
1,1
1,6
2,1
1,1052
1,8221
3,0042
4,9530
8,1662
y (m3 )
2. Uma hidroeltrica tem capacidade mxima de 60Mw, a qual determinada por trs geradores de
respectivamente 30Mw, 15Mw e 15Mw.
A demanda de energia varia num ciclo de 24h e uma funo dela que o engenheiro operacional distribui as tarefas dos geradores.
Sabe-se que a demanda mnima ocorre entre 1 e 5h e a demanda mxima entre 13 e 17h .
Pede-se para achar a partir dos dados abaixo essas demandas mximas e mnimas .
H
2
3
4
5
13
14
15 16
17
Demanda
(Mw)
16,4
15,2
14,9
16
28
36,5
43
34
31,2
3. Um paraquedista realizou seis salto; saltando de alturas distintas em cada salto, foi
testada a preciso de seus salto em relao a um alvo de raio de 5m, de acordo com a altura. A
distncia apresentada na tabela abaixo relativa circunferncia.
ALTURA (m)
DISTNCIA DO ALVO
O
1 SALTO (1500)
35
2O SALTO (1250)
25
O
3 SALTO (1000)
15
4O SALTO (750)
10
O
5 SALTO (500)
7
Levando em considerao os dados acima, a que provvel distncia do alvo cairia o paraquedista se
ele saltasse de uma altura de 850m ?
4. Um veculo de fabricao nacional, aps vrios testes, apresentou os resultados abaixo, quando
se analisou o consumo de combustvel de acordo com a velocidade mdia imposta ao veculo. Os
testes foram realizados em rodovia em operao normal de trfego, numa distncia de 72 km.
Verificar o consumo aproximado para o caso de ser desenvolvida a velocidade de 80km/h.
VELOCIDADE (km/h)
CONSUMO (km/l)
55
14,08
70
13,56
85
13,28
100
12,27
120
11,3
140
10,4
44

5. Numa esfera de superfcie conhecida, o coeficiente de absoro 0,7 foi mantido temperatura
de 6000 o K . Foi calculada a energia irradiada de acordo com o tempo de irradiao, obedecendo
tabela . Pede-se para obter a possvel energia irradiada quando a irradiao atingir o tempo de 25
minutos.
ENERGIA IRRADIADA (Joules)
TEMPO DE IRRADIAO (s)
3
600
71,72 . 10
94,72 . 10 3
800
118,4 . 10 3
1000
142,08 . 10 3
1200
165,76 . 10 3
1400
189,44 . 10 3
1600
6. Uma corda foi tensionada sob a ao de pesos distintos, quando para os respectivos
pesos foram calculadas as devidas velocidades de propagao que esto indicadas abaixo. Pede-se
para calcular a velocidade de propagao quando a corda est tensionada sob a ao de um peso de
7250 gf.
PESO (gf)
VELOCIDADE (cm/s)
6000
13728,13
6500
14288,69
7000
14828,07
7500
15348,51
8000
15851,87
Respostas
1) p( 0 ,12 ) 1,126904937
2)
A demanda mnima 14 ,8632 Mw. e ocorre entre 3h e 4h da manh.

A demanda mxima 43,101 Mw. e ocorre entre 14h e 15h.
3) p( 850 ) = 11,4128
4)
5)
p( 80 ) = 13,46701783
p( 80 ) = 13,4512685
p( 1500 ) = 177618 ,5937
6) p(7250) = 15090,53234
45
5. Ajuste de Funes
Aplicao1: Os dados acima tabelados descrevem a intensidade da luz como uma funo
da distncia da fonte, I(d), medida num experimento.
1
Determinar I (d) Y (d) =
.
Ad 2 + Bd + C
d 30 35 40 45 50 55 60 65 70 75
I 0.85 0.67 0.52 0.42 0.34 0.28 0.24 0.21 0.18 0.15
Aplicao 2:Segundo a lei de Boyle, o volume de um gs inversamente proporcional

presso exercida, mantendo-se constante a temperatura. Para um certo gs, foram
observados os seguintes valores:
Pr esso 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5

Volume 2,85 2,27 1,91 1,60 1,43 1,28 1.15 1,04
Ajustar os dados tabelados a uma hiprbole do tipo: Vol(p) Y ( p ) =
46
A
B+ p

5.1 Introduo
O ajustamento uma tcnica de aproximao. Conhecendo-se dados

experimentais , , ( xi , yi ) , i = 0 ,1,...,n , deseja-se obter a lei y = f ( x ) relacionando x com y.
Devido aos erros experimentais nos n+1 pares, ( xi , f ( xi )) , teremos em
geral f ( x1 ) + 1 ; f ( x2 ) + 2 ; ... ; f ( xn ) + n , isto , impossvel calcular exatamente a
funo f(x). Por isso , em vez de procurarmos a funo f tal que passa por cada um dos pontos
experimentais, determinaremos a funo que melhor se ajusta aos pontos dados. O
ajustamento traduz um comportamento mdio.
Para ajustar uma tabela de dados a uma funo devemos:
Conhecer a natureza fsica do problema ;
Determinar o tipo de curva a que se ajustam os valores tabulados (graficamente e/ou

clculo das diferenas finitas ou divididas) ;
Calcular os parmetros da curva.
5.2. Escolha da Funo de Ajuste

a) Funo Linear (regresso linear) : Y ( x ) = a0 + a1 x , se yi cte ou yi cte .
2
b) Parbola (ajuste quadrtico): Y ( x ) = a0 + a1 x + a2 x 2 , se 2 yi cte ou yi cte.
p
c) Polinmio de grau p: se p yi cte ou yi cte.

d) Funo Exponencial: Y ( x ) = ab x , se
d) FunoPotncia: Y ( x ) = ax p ,
log yi
cte.
xi
log yi
cte
log xi
Outros tipos de Funes Ajuste:
Y( x ) =
1
1
= a0 + a1 x ;
a0 + a1 x
y
(1 / yi ) =
(1 / yi )
cte.
xi
Y( x ) =
x
x
= a0 + a1 x;
a0 + a1 x
y
( xi / yi ) =
( xi / yi )
cte.
( xi )
47
5 - Ajuste de Funes
Y( x ) =
1
a0 + a1 x + a2 x
1
= a0 + a1 x + a2 x 2 ;
Y
Y ( x ) = ae bx + cx ; ln y = ln a + bx + cx 2 ,
(1 / y i ) =
2
ln yi + 1 ln yi
xi + 2 xi
(1 / y i +1 ) (1 / y i )
xi + 2 xi
cte.
cte.
Exemplo: Considerando a tabela abaixo, como yi = 1,i , adequado o ajuste dos dados
abaixo tabelados a um polinmio de grau 3.
xi f(xi)=yi
0
1
2
3
4
0
2
3
5
6
0
8
27
125
216
yi
4
19
49
91
-----
2
yi
5
10
14
---------
3
yi
1
1
-------------
4
yi
0
-----------------
5.3 - Determinao dos Parmetros da Funo de Ajuste
CRITRIO DOS MINMOS QUADRADOS
Seja Y = a0 + a1x + a2 x 2 + ... + a p x p a funo de ajustamento. Dada uma

tabela com n+1 pontos (xi , yi ) , chamamos resduo a diferena entre o valor de Yi da equao
de ajustamento e o valor tabulado de yi . Yi yi = i , i = 0 ,1,...,n .
n
O critrio dos mnimos quadrados estabelece que:
i2 = mnimo .
i =0
Seja F (a0 , a1,...a p ) =
(Yi yi )2 . Para F ter valor mnimo , preciso que
i =0
F
F
F
=0;
=0; . . . ;
=0
a0
a1
a p
48
5.31 -Ajuste Linear
A funo de ajuste ter a forma Y ( x ) = a0 + a1 x . Pelo critrio dos

Quadrados necessrio que :
n
n
F = (Yi yi )2 = (a0 + a1xi yi ) 2
i =0
i =0
Mnimos
deve ser mnimo .

Sendo F uma funo de duas variveis, a0 e a1 , o menor valor de F ser obtido
F
F
atravs de :
= 0;
= 0 e assim:
a0
a1
n
F
= 0 , 2(a0 + a1xi yi ) = 0 e
a0
i =0
n
F
= 0 , 2(a0 + a1xi yi )xi = 0 .
a1
i =0
Construmos o sistema de duas equaes e duas variveis:

n
2 (a0 + a1xi yi ) = 0
i =0
n
2 (a0 + a1x1 yi )xi = 0
i =0
ou
n
n
n
yi = a0 + a1xi
i =0
i =0
i =0
.
n
n
n
2
xi yi = a0 xi + a1xi
i =0
i =0
i =0
Obtemos:
n
n
(n + 1)a0 + a1 xi = yi
i =0
i =0
n
n
n
2
a0 xi + a1 xi = xi yi
i =0
i =0
i =0
Resolvendo-se este ltimo sistema linear so obtidos os valores de a0 e a1 e

assim determina-se a funo de ajuste : Y = a0 + a1x .
49
5 - Ajuste de Funes
Exemplo2 : Dada a tabela , achar a equao da reta que se ajusta usando o mtodo dos
Mnimos Quadrados.
0
1
2
3
4
5
xi
0
1
2
3
4
5
15
yi
xi yi
2
3
5
5
5.5
8
28.5
0
3
10
15
22
40
90
xi2
0
1
4
9
16
25
55
Yi
(Yi yi )2
2.07142857
3.14285714
4.21428571
5.2857143
6.3571429
7.4285714
---------------
0.005102041
0.02040816
0.61734694
0.08163266
0.73469755
0.32653061
1.78571440
Seja Y ( x) = a0 + a1x a funo que ajusta os dados .

Os parmetros a0 e a1 constituem a soluo do sistema :
yi = (n + 1)a0 + a1 xi
xi yi = a0 xi + a1 xi2
6a0 + 15a1 = 28.5

a0 = 2.071428572

a1 = 1.071428571
15a0 + 55a1 = 90
Logo, Y = 2.071428571 + 1.071428571x .
50

5.3.2 - Ajuste Quadrtico
Seja Y = a0 + a1 x + a2 x 2 a funo de ajuste. Pelo critrio dos Mnimos

Quadrados :
(
i =0
F ( a0 ,a1 ,a2 ) = (Yi yi )2 = a0 + a1 xi + a2 xi2 yi

i =0
)2
F F F
=
=
= 0.
a0 a1 a2
assume valor mnimo se
Assim, os parmetros a0 ,a1 e a2 so obtidos resolvendo:
yi = (n + 1) a0 + a1 xi + a2 xi2
xi yi = a0 xi + a1 xi2 + a2 xi3
xi2 yi = a0 xi2 + a1 xi3 + a2 xi4
Exemplo3 : Encontre a expresso do polinmio de 2o grau que se ajusta aos dados da tabela
abaixo.
xi
yi
xi yi
0
1
2
3
4
5
-2
-1
0
1
2
3
3
-0.01
0.51
0.82
0.88
0.81
0.49
3.5
0.02
-0.51
0
0.88
1.62
1.47
3.48
xi2
4
1
0
1
4
9
19
xi2 yi
-0.04
0.51
0
0.88
3.24
4.41
9
xi3
-8
-1
0
1
8
27
27
xi4
16
1
0
1
16
81
115
yi
2 yi
0.52
0.31
0.06
-0.07
-0.32
-------------------
-0.21
-0.25
-0.13
-0.25
----------------------------
6a0 + 3a1 + 19a2 = 3.5
2
3a0 + 19a1 + 27 a2 = 3.48 Y ( x) = 0.102142857 x + 0.201x + 0.806285714
19a + 27 a + 115a = 9
1
2
0
51
5 - Ajuste de Funes
5.3.3-Ajuste a polinmio de Grau p
O ajuste a um polinmio de grau p. Y = a0 + a1x + a2 x 2 + ... + a p x p , p < n , exige

resolver o sistema linear:
( n + 1 ) x x 2 x 3 ... x p
i
i
i
i
+
p
2
3
4
x x x x ... x 1
i
i
i
i
i
..................................................
p
p +1
2p
xi xi ................. xi
a0
yi

a1
xi yi
..... =
........

.....
p
a
xi yi
p

Exemplo5 Utilizando o sistema Maple

> xv:=[0,2,3,5,6,8];
> yv:=[p(0),p(2),p(3),p(5),p(6),p(8)];
>
g:=fit[leastsquare[[x,y],y=a*x^3+b*x^2+c*x+d,{a,b,c,d}]]([xv,y
v]);
> gll :=unapply(rhs(g),x):
>
plots[display]({plots[pointplot]([0,p(0),2,p(2),3,p(3),5,p(5),
6,p(6),8,p(8)]),plot(gll(x), x=-.5..8.5, y=150..280),plot(gll(x), x=-.5..8.5,
y=-150..280,thickness=2)});
52

5.3.4 -AJUSTE NO LINEAR NOS PARMETROS: CASOS REDUTVEIS AO
LINEAR OU PARABLICO POR MUDANA DE VARIVEIS
5.3.4.1 Ajuste por Funo Exonencial
Seja Y = ab x a funo de ajuste.

Linearizamos Y, aplicando log ou ln (escolher a base adequada)
ln
Y = ln
x ln b
{
{a + {
y
a0
xa1
n
n
( n + 1 ) ln a + ln b
xi =
ln yi
i =0
i =0
Determinamos a e b resolvendo:
n
n
n
2
ln a
xi + ln b
xi ln yi
xi =
i =0
i =0
i =0
a = ln a a = e a0
0
Ento
a1 = ln b b = e a1
Exemplo 4: Ajustar os dados abaixo a uma funo exponencial do tipo Y = ab x .
xi
yi
ln yi
0
1
2
3
4
5
6
7
8
0
0.5
1
1.5
2
2.5
3
3.5
4
18
3
4
6
9
12
17
24
33
48
-------------
1.09861
1.38629
1.79176
2.19722
2.48491
2.83321
3.17805
3.49651
3.87120
22.3378
xi2
0
0
0.693145 0.25
1.79176 1
3.29583 2.25
4.96982 4
7.08303 6.25
9.53415 9
12.2378 12.25
15.4848 16
55.0903 51
xi ln yi
Os grficos a seguir ilustram o efeito da linearizao dos dados.
53
Yi
2.98422
4.2228031
5.9754291
8.4555298
11.964948
16.930930
23.958013
33.901647
47.972329
-------------
(Yi yi ) 2
0.0002490
0.0496412
0.0006025
0.2964477
0.0012286
0.0047706
0.0017628
0.8129689
0.0007656
1.1684403
5 - Ajuste de Funes
9a0 + 18a1 = 22.3378
18a0 + 51a1 = 55.0903
a0 = 0.69432 b = e a1 = 2.002347015
a
0
a1 = 1.093337778 a = e = 2.984218125
Y = 2.98422(2.00235) x
5.3.4.2 -AJUSTE POR FUNO POTNCIA
Seja Y = axb a funo de ajuste.

Linearizando a funo Y(x) , temos : ln y = ln a + b ln x.
Resolve-se o sistema de equaes lineares e encontra-se a e b:
n
n
ln y = y1
( n + 1 ) ln a + b
ln xi =
ln yi
ln a = a0
i =0
i =0
n
n
n
b = a1
2
ln a
ln xi + b
(ln xi ) =
ln xi ln yi
ln x = x1
i =0
i =0
i =0
ento
ln a = a0 a = e a0 e b = a1 .
Exerccio : Os dados abaixo do a durao de uma broca em funo da velocidade de corte.

Pede-se para fazer uma tabela de D=D(v) para 100 (10) 180.
V (m / s ) 100 120 150 180
D(v)=0.813947103e14*1/(x^5.680591334)
D( seg.) 79 28 7.9 2.8
54
Efeito da linearizao dos dadoss
5.3.4.3 -AJUSTE POR FUNO HIPERBLICA : Y =
1
. Linearizando, temos :
a0 + a1 x
n
n
( n + 1 )a0 + a1 xi = 1 / yi
1
i =0
i =0
= a0 + a1 x
n
n
n
Y
xi a0 + a1 xi2 = xi / yi
i =0
i =0
i =0
5.3.4.4 -OUTROS TIPOS DE FUNES DE AJUSTE

x
1) Y =
. Linearizando, temos:
a0 + a1 x
n
n
( n + 1 )a0 + a1 xi = xi / yi
x
i =0
i =0
= a0 + a1 x
n
n
n
Y
xi a0 + a1 xi2 = xi2 / yi
i =0
i =0
i =0
2) Y =
1
a0 + a1 x + a2 x 2
. Linearizando, temos :
( n + 1 )a0 + a1 xi + a2 xi2 = 1 / yi
= a0 + a1 x + a2 x 2 a0 xi + a1 xi2 + a2 xi3 = xi / yi
Y
2
3
4
2
a0 xi + a1 xi + a2 xi = xi / yi
3)
Y = ae bx + cx
2
ln
Y = ln
{
{a + bx
1
4+
2cx
4
3
y
a0
a1 x + a 2 x 2
( n + 1 ) ln a + b xi + c xi2 = ln yi
2
3
ln a xi + b xi + c xi = xi ln yi
2
3
4
2
ln a xi + b xi + c xi = xi ln yi
ln a = a0 ae a0 .
55
5 - Ajuste de Funes
Exerccios:
1) Considerando:
i
0
1
34
x
y
1
2
45
2
3
63
3
4
88
4
5
6
5
6
7
120 159 205
a) Mostrar que o ajuste por uma parbola adequado.

b) Ajustar os dados a uma parbola.
Resposta: a) 2 y i = 7, i
b) p( x) = 3,51194762 x 2 + 0,4047619048x + 30,14285714
2) Segundo o critrio dos Mnimos Quadrados, qual das duas funes Y1 = 2 ,332 + 0 ,558 x
e Y2 = 2 ,037 e0 ,235 x melhor ajusta os dados da tabela?
x
y
-2,3 1
1,2 2,5
3,1
4,2
( Y2i yi )2 < ( Y1i yi )2

( Y1i yi )2 = 0,194 e ( Y2i yi )2 = 0,0123
Resposta: Y2, pois
3) Um filme vem sendo exibido numa determinada

sala de cinema por cinco semanas e a frequncia
semanal, (aproximada centena mais prxima) est
dada na tabela abaixo. Utilizar ajuste linear para
determinar a frequncia esperada na sexta semana.
6000
5000
4000
y = -360x + 5280
R20,9818 =
3000
semana
2000
1000
frequncia 5000 4500 4100 3900 3500
0
0
Resposta: Y(x) = 5280 -360x e y(6) = 3120
56
4) O nmero de bactrias, por unidade de volume, existente em uma cultura depois de x

horas apresentado pela tabela. Ajuste os dados tabulados a uma curva exponencial da
forma y =abx e avaliar y para x=7.
x
y
0
32
1
47
2
65
3
92
4
5
6
132 190 275
Resposta: y = 32,1483 1,42694 x e y (7) = 387, 256
5) Utilizando o critrio dos Mnimos Quadrados, ajustar a uma reta os dados tabulados:
xi
yi
3
2
5
3
6
4
8
6
9
5
11
8
Resposta: y = -0,33328 + 0,714285x
6) A tabela abaixo fornece uma relao entre a temperatura da gua e a presso baromtrica.
Ajustar os dados a uma funo potncia.
p(mm de Hg) 680
96.92
T( oC )
690
97.32
101
100,5
100
99,5
99
98,5
98
97,5
97
96,5
660
700
97.71
710
98.11
720
98.49
730
98.88
740
99.26
780
100.73
y = 15,476x 0,2813
R21 =
680
700
720
740
760
780
800
7)
A tabela abaixo fornece uma relao entre a resistncia trao do ao em funo da

t (oC )
250 330 412 485 617
temperatura.
Ajustar os dados a um polinmio de
(kg / cm2 ) 5720 5260 4450 2780 1500
grau 4.
7000 y = 2E-06x4 0,0033x - 3 1,8931x + 2 466,48x + 47846 2
R 1=
6000
5000
4000
3000
2000
1000
0
0
57
200
400
600
800
5 - Ajuste de Funes
8) Os dados abaixo referem-se a variao do coeficiente de atrito ( ) ,entre a roda e o

trilho seco, com a velocidade.
10
20
30
40
60
70
V (km / h) 0
0.450 0.313 0.250 0.215 0.192 0.164 0.154

Ajustar os dados a um polinmio de grau 5.
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
5
4
3
2
0,100 y = -9E-10x 2E-07x + 2E-05x - 0,0007x + 0,0196x + 0,45
0,050
2
R 1=
0,000
0
20
40
60
9) Os dados abaixo relacionam a viscosidade

em funo da temperatura t.
t oC 7.5 10.9 14 15 16 18
21
1.409 1.276 1.175 1.148 1.121 1.069 0.990

Realizar o ajuste sugerido pelo grfico ao lado.
Resp: ( t ) =-0.030772617131t+1.619873714
58
80
10)
Verificar qual das funes

Y1 = 0.015619 0.0001523 x
ou
Y2 = 0.017054(0.98028) x
melhor se ajusta tabela dada .

20
40
60
80
100
xi
yi 0.0131 0.00654 0.00459 0.0034 0.0026
Respostas:
Aplicao1: Y(d)= 1/(.1329810498e-2*d^2-.2080049421e-1*d+.6161059331)
Aplicao2: Y(p) = 5.779411/(2.043906+p)
59
6 . Integrao Numrica
b
Objetivo : Calcular a f ( x)dx , onde a funo integrando f (x) ou conhecida por sua expresso
a
analtica ou por uma tabela de valores (xi , f ( xi )) , i = 0, 1,..., n.
Aplicao: Para controlar a poluio trmica de um rio, a temperatura (oF) foi registrada, reproduzindo
os dados:
x( hora )
9 10 11 12 13 14 15 16 17
y( temperatura ) 75.3 77.0 83.1 84.8 86.5 86.4 81.1 78.6 75.1
Encontrar a temperatura mdia da gua entre 9h da manh e 5h da tarde e estimar o erro cometido
nesse clculo.
OBS : fm =
f
1 b
f ( x )dx
baa
o valor mdio de f ( x ) em [ a ,b ], se
f ( a ). f ( b ) > 0 e
contnua em [ a ,b ]
6.1 -Frmulas de Newton-Cotes
x x
Consideremos (xi , f ( xi )) , i = 0, 1,..., n., xi +1 xi = h , h = n 0 , yi = f ( xi ) .
n
A integral da funo f(x) no intervalo [x0 ; xn ] dada por :
xn
xn
x0
x0
f ( x )dx
Pn ( x )dx
( x x0 )...( x xn 1 ) n
( x x0 )( x x1 ) 2
( x x0 )
y0 +
y0 + ... +
y0 dx
y0 +
2
h
n! h n
2! h
x0
xn
Se R =
x=
x x0
, ento
x=
h
x0 R = 0
x0 + Rh dx = hdr
Assim:
60
x = xn R = n .

xn
x0
f ( x )dx h P( R )dR = h ( y0 + Ry0 +

0
0
R( R 1 ) 2
R( R 1 )...( R n + 1 ) n
y0 + ... +
y0 )dR
2!
n!
n
n
2 y0 n
n y0 n
R
(
R
1
)
dR
...
R
(
R
1
)...(
R
n
1
)
dR
= h y0 dR + y0 RdR +
+
+
0
2! 0
n! 0
0
Na prtica no usual aproximar f(x) por um polinmio de grau n (elevado) devido
ao erro de arredondamento que ocorre no processo.
6.2 Regra dos Trapzios
Considerando n = 1 na frmula de Newton-Cotes temos :

x1
1
1
1
f ( x )dx h P( R )dR = h y0 dR + y0 RdR
x0
0
0
= h y0 [ R ]01 + y0 [ R 2 / 2 ]01 =
y h
= h y0 + 0 = [ y0 + y1 ], ou para o intervalo [xi ; xi + 1 ] :

2 2
xi + 1
xi
f ( x )dx h
i +1
P( R )dR =
h
[ yi + yi + 1 ]
2
Generalizamos para n subintervalos:

xn
f ( x )dx
xo
h
yo + 2( y1 + y 2 + L + y n 1 ) + y n
2
Erro de Truncamento(para n subintervalos):

ET
h2
( x n x0 )
max
f ' ' ( x)
12
x[ x o , x n ]
ou
ET
( x n x0 )
max 2 yi
12
V-se que a frmula dos Trapzios exata para polinmios do 1o grau.
Exemplo1: Determinar h de tal forma que a regra trapezoidal fornea o valor de
1 x2
e
dx com um
0
erro de truncamento menor que 10 4 .

ET
h2
h2
( 2 ) < 10 4 h < 0.0245
( 1 0 )mx f ' ' ( x ) =
12
12
x [0 ;1]
n = ( xn x0 ) / h , h = ( xn x0 ) / n , ( xn x0 ) / n < 0.0245 , n > 40.8 n = 41 , h =
61
1
= 0.02439
41
6 -Integrao Numrica
6.3 Frmula de Simpson
Fazendo n = 2 na frmula de Newton-Cotes, temos,
h
2
2
x2
2 y0 2
+
+
R
(
R
1
)
dR
f
(
x
)
dx
h
y
dR
y
RdR
= [ y0 + 4 y1 + y 2 ]
0
0
x0
0
0
2! 0
3
Generalizamos para n subintervalos, n par:
xn
f ( x )dx
xo
h
yo + 4( y1 + y3 + y5 + L + y n 1 ) + 2( y 2 + y4 + y6 + L + y n 2 ) + y n
3
ERRO DE TRUNCAMENTO PARA A FRMULA DE SIMPSON

( x x0 )
h4
( xn x0 ) max
f ' '' ' ( x ) ou E S n
max 4 yi
ES
180
180
x[ xo , x n ]
Exerccios
1.Aplicao:.Para controlar a poluio trmica de um rio, a temperatura (oF) foi registrada,

reproduzindo os dados:
x( hora )
9 10 11 12 13 14 15 16 17
y( temperatura ) 75.3 77.0 83.1 84.8 86.5 86.4 81.1 78.6 75.1
Encontrar a temperatura mdia da gua entre 9h da manh e 5h da tarde e estimar o erro cometido
nesse clculo.
2. Estimar a rea da regio hachurada pela regra dos Trapzios e pela de Simpson, usando oito
subintervalos.
62
3. Calcular a integral abaixo pela regra dos Trapzios e pela de Simpson, usando quatro, seis e dez
subintervalos. Comparar os resultados.
/2
sen( 2 cos x ) sen
xdx
4. Calcular por Trapzios:

e x
e x dx
0
2
a)
b) e x tgxdx
com
h = 0.5
com
h=0.1
5. Calcular por Simpson:

1.2
a)
dx
ex + x + 1
b) e x dx
com
h =0 .3
com
h = 0.25
/2
c)
cos xdx
com
n=0.4
6. O grfico da figura foi registrado por um instrumento usado para medir uma quantidade fsica.
Estimar as coordenadas-y dos pontos do grfico e aproximar a rea da regio fechada usando seis
subintervalos
63
6 -Integrao Numrica
7) A funo de Bessel soluo de uma equao que
surge com grande freqncia, em engenharia e/ ou fsica
matemtica, na resoluo das equaes diferencias
parciais pelo mtodo da separao de variveis. As
equaes de Bessel surgem quando aplicamos a tcnica
de separao de variveis a problemas de valor de
contorno, por exemplo, em coordenadas polares,
cilndricas e esfricas. Constitui exemplos importantes
desta modelagem o estudo da evoluo da temperatura e
reaes qumicas em cilindros e esferas. Ao lado a
representao grfica de J 0 ( t )
Tarefa: Considerar a representao integral da Funo de Bessel de primeiro tipo
J m( t ) =
cos( mx tsenx )dx ,
m = 0 ,1,2 ,3 ,...
0
Estimar J 0 ( 3 ) com cinco subintervalos e o erro cometido neste clculo.
Respostas:
1. temperatura mdia 81,58 oF ( por Trapzios)
2. Trapzios: 1.761237
Simpson: 1.763624
3.
n
4
6
10
Trapzio
0,481485 0,496396 0,503836
Simpson
0,512682 0,508646 0,508045
4. a) I = 0,636571
b) I = 1,110603
5. a) I = 0,658685
b) I = 0,882065
c) I = 0,466890
7. J 0 ( 3 ) = -0,260052
64
7 - Resoluo Numrica de Equaes Diferenciais Ordinrias

Objetivo: Resolver numericamente(e generalizar para problemas de ordem mais elevada) o
problema de valor inicial de primeira ordem
y' = f ( x , y )
(PVI)
,
y( xo ) = y o
e o problema de valor de contorno de segunda ordem, linear:
y' ' + P( x ) y' +Q( x ) y = f ( x )
(PVC)
y( xo ) = yo , y( xn ) = y n .
Os mtodos numricos so processos que fornecem valores aproximados da soluo em
pontos particulares, usando operaes algbricas.
Os mtodos que estudaremos determinaro estimativas da soluo nos pontos
xo , x1 , x2 , K , onde xi = xo + ih , i= 0,1,...,n . A escolha do valor de h arbitrria e, em geral,
quanto menor h , melhor a estimativa da soluo obtida.
Sejam y ( xi ) y i , xi = xo + ih , i= 0,1,...,n e h = ( x n xo ) / n .
Mtodo de Euler(PVI):
yi + 1 = yi + hf ( xi , yi ) , i= 0,1,...,n-1.
Mtodo de Runge-Kutta de 2 a ordem(PVI) :

h
yi + 1 = yi + (k1 + k 2 ) , k1 = f ( xi , yi ) e k 2 = f ( xi + h , yi + hk1 ) , i= 0,1,...,n-1.
2
Diferenas Finitas(p/diferenas centrais)(PVC): Para i= 1,...,n-1 , gerado um sistema de n-1
equaes lineares:
h
2
2
1 + P( xi ) yi + 1 + 2 + h Q( xi ) yi + 1 P( xi ) yi 1 = h f ( xi )
2
Sistemas de Equaes Diferenciais de primeira ordem com condies iniciais

y' = f ( x , y , z )
z' = g ( x , y , z )
y( xo ) = yo , z( xo ) = z o
Para obtermos sua soluo possvel aplicar os mtodos de Euler e Runge-Kutta de
segunda ordem. Por exemplo, por Euler as estimativas so obtidas aplicando.
yi+1 = yi + h f (xi, yi, zi ) e zi+1 = zi + h g (xi, yi, zi ).

Mudana de Varivel para problemas de valor inicial de segunda ordem:
y' ' = f ( x , y , z )
Para
, fazemos a mudana de varvel y' = u , com y( xo ) = yo .
y( xo ) = yo , y' ( xo ) = zo
Ento devemos resolver o sistema de duas equaes diferenciais ordinrias, acopladas
y' = u
pelas condies iniciais: u' = f ( x , y , z )

.
y( xo ) = yo , u( xo ) = z o
65

Derivada
Diferena Finita
h, k=tamanho do passo na direo x e na direo y (ou t)
y
y( xi )
i +1
2h
yi + 2 2 y i + 1 + 2 yi 1 yi 2
y' ' ' ( xi )
2h 3
i 1 centrada ,
centrada
y i + 2 4 y i + 1 + 6 y i 4 y i 1 + y i 2
centrada
h4
y IV ( xi )
yi + 1 2 y i + y i 1
centrada
h2
y( xi )
u
xi , t j
t
yi
i +1
avanada ,
h
2u
xi ,t j
x2
u ,
u ,
i j +1
i j 1
centrada
2k
2u
xi , y j
y2
i +1 , j
2u
i,j
h2
+u
i 1 , j
centrada
2u , + u ,
u ,
i j +1
i j
i j 1
centrada
k2
Exemplos:
66
yi y
i 1 atrasada
h
7 -Resoluo Numrica de Equaes Diferenciais Ordinrias
Mtodo de Euler
Problema: y' = y x; y(0) = 2
yn
xn
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
h = 0.1
h = 0.05
h = 0.01
h = 0.005
2.0000
2.2000
2.4100
2.6310
2.8641
3.1105
3.3716
3.6487
3.9436
4.2579
4.5937
2.0000
2.2025
2.4155
2.6401
2.8775
3.1289
3.3959
3.6799
3.9829
4.3066
4.6533
2.0000
2.2046
2.4202
2.6478
2.8889
3.1446
3.4167
3.7068
4.0167
4.3486
4.7048
2.0000
2.2049
2.4208
2.6489
2.8903
3.1467
3.4194
3.7102
4.0211
4.3541
4.7115
xn
h = 0.1
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
2.0000000
2.2050000
2.4210250
2.6492326
2.8909021
3.1474468
3.4204287
3.7115737
4.0227889
4.3561818
4.7140809
Mtodo de Runge-Kutta de segunda ordem

Problema: y' = y x; y(0) = 2
yn
h = 0.05
h = 0.01
2.0000000
2.2051266
2.4213047
2.6496963
2.8915852
3.1483904
3.4216801
3.7131870
4.0248265
4.3587148
4.7171911
2.0000000
2.2051691
2.4213987
2.6498521
2.8918148
3.1487076
3.4221007
3.7137294
4.0255115
4.3595665
4.7182369
67
Soluo exata
Y(x) = ex + x + 1
2.0000
2.2052
2.4214
2.6499
2.8918
3.1487
3.4221
3.7138
4.0255
4.3596
4.7183
Soluo exata
Y(x) = ex + x + 1
2.0000000
2.2051709
2.4214028
2.6498588
2.8918247
3.1487213
3.4221188
3.7137527
4.0255409
4.3596031
4.7182818
Mtodo de Euler
Problema: y' = y; y(0) = 1
yn
xn
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
xn
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
h = 0.1
1.0000
1.1000
1.2100
1.3310
1.4641
1.6105
1.7716
1.9487
2.1436
2.3579
2.5937
h = 0.05
1.0000
1.1025
1.2155
1.3401
1.4775
1.6289
1.7959
1.9799
2.1829
2.4066
2.6533
h = 0.01
1.0000
1.1046
1.2202
1.3478
1.4889
1.6446
1.8167
2.0068
2.2167
2.4486
2.7048
h = 0.005
1.0000
1.1049
1.2208
1.3489
1.4903
1.6467
1.8194
2.0102
2.2211
2.4541
2.7115

Problema: y' = y; y(0) = 1
yn
h = 0.1
h = 0.05
h = 0.01
1.0000000
1.1050000
1.2210250
1.3492326
1.4909021
1.6474468
1.8204287
2.0115737
2.2227889
2.4561818
2.7140809
1.0000000
1.1051266
1.2213047
1.3496963
1.4915852
1.6483904
1.8216801
2.0131873
2.2248265
2.4587148
2.7171911
1.0000000
1.1051691
1.2213987
1.3498521
1.4918148
1.6487076
1.8221007
2.0137294
2.2255115
2.4595665
2.7182369
68
Soluo exata
Y(x) = ex
1.0000
1.1052
1.2214
1.3499
1.4918
1.6487
1.8221
2.0138
2.2255
2.4596
2.7183
Soluo exata
Y(x) = ex
1.0000000
1.1051709
1.2214028
1.3498588
1.4918247
1.6487213
1.8221188
2.0137527
2.2255409
2.4596031
2.7182818
Mtodo de Euler
Problema: y' = 4x3; y(0) = 1
xn
0.1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
Soluo exata
Y(x) = x4
yn
h = 0.1
0.0000
0.0000
0.0004
0.0036
0.0144
0.0400
0.0900
0.1764
0.3136
0.5184
0.8100
h = 0.05
0.0000
0.0000
0.0009
0.0056
0.0196
0.0506
0.1089
0.2070
0.3600
0.5852
0.9025
h = 0.01
0.0000
0.0001
0.0014
0.0076
0.0243
0.0600
0.1253
0.2333
0.3994
0.6416
0.9801
0.0000
0.0001
0.0016
0.0081
0.0256
0.0625
0.1296
0.2401
0.4096
0.6561
1.0000

Problema: y' = 4x3; y(0) = 0
xn
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
yn
h = 0.1
0.0000000
0.0002000
0.0020000
0.0090000
0.0272000
0.0650000
0.1332000
0.2450000
0.4160000
0.6642000
1.0100000
Soluo exata
Y(x) = x4
h = 0.05
0.0000000
0.0001250
0.0017000
0.0083250
0.0260000
0.0631250
0.1305000
0.2413250
0.4112000
0.6581250
1.0025000
h = 0.01
0.0000000
0.0001010
0.0016040
0.0081090
0.0256160
0.0625250
0.1296360
0.2401490
0.4096640
0.6561810
1.0001000
69
0.0000000
0.0001000
0.0016000
0.0081000
0.0256000
0.0625000
0.1296000
0.2401000
0.4096000
0.6561000
1.0000000

Exerccios:
1. Utilizando o mtodo de Euler, determinar y(X i ), se :

y` = xy 1
, h=0,25
,
X i =1,75
a) y( 1 ) = 2
y` = x + y , y > 0
b)
y( 1 ) = 0
y` = x 2 + 2 y
c) y( 1 ) = 0 ,2
y` = 100 y 101e x 100
d) y( 0 ) = 2
, h=0,1
X i =1,4
, h=0,1
X i =1,4
, h=0,1
xy`` y` 8 x 3 y 3 = 0
, h=0,1
e)
y( 1 ) = 0.5 , y`( 1 ) = 0 ,5
y`` ( 1 y 2 ) y` + y = 0
,
f)
y( 0 ) = 0 ,5 , y`( 0 ) = 0
h=0,1
X i =0,3
X i =1,3
X i =0,3
2.Utilizando o Mtodo de Heun (Runge-Kutta de 2 ordem), determinar y( X i ), se:

y = xy
y = 3 x 2 + y
b) y( 0 ) = 1 , h=0,1, X i =0,2
a)
, h=0,2, X i =0,4
y( 0 ) = 1
y = 4 x 3
c)
, h=0,1 , X i =0,3
y( 0 ) = 0
3.Utilizando o Mtodo das diferenas finitas, e o valor indicado de n, resolver o PVC.

y' ' +9 y = 0
a)
,n = 4
y( 0 ) = 4 , y( 2 ) = 1
x 2 y' ' +3 xy' +3 y = 0
c)
y( 1 ) = 5 , y( 2 ) = 0
,n = 8
y' ' +2 y' + y = 5 x

b)
y( 0 ) = 4 , y( 1 ) = 0
,n = 5
y' ' +( 1 x ) y' + xy = x

d)
y( 0 ) = 0 , y( 1 ) = 2
,n = 10
70
4. PVI -Considerar um sistema massa-mola-amortecedor descrito pela equao diferencial

ordinria de segunda ordem:
m y + cy + ky = L sin x.
Utilizando Euler com h=0.25, estimar o deslocamento para o tempo x=0.5, para massa
m=1, amortecedor c=0.5, rigidez k=2, amplitude da fora L=0.5 , com deslocamento inicial
y(0)=1, velocidade inicial y(0) =0.
5. PVC - Considerar o problema de deflexo de uma viga de seo transversal retangular sujeita a
uma carga uniforme, tendo seus extremos apoiados de modo a no sofrer deflexo alguma. O
problema de valor de contorno que rege essa situao fsica
d 2w
q
S
=
x( x 1 ), 0 < x < L ,
w+
2 EI
dx 2 EI
Como no ocorre deflexo nas extremidades da viga, as condies de contorno so w(0) =0,
w(L) =0. Considerando:
Comprimento L=120 pol;
Intensidade de carga uniforme q=100 lb/p;
Mdulo de elasticidade E=3.0 x 107 lb/pol2;
Esforo nas extremidades S=1000 lb;
4
Momento central de Inrcia I=625 pol ;
aproximar a deflexo w(x) da viga a cada 20pol, utilizando diferenas finitas.
Respostas :
1.a) y(1,75)=1,2018
b) y(1,4)=0,4558
c) y(1,4)=0,7778
d) y(0,3)=-25,2206
e) y(1,3)= 0, 3647
f) y(0,3)= 0,3991
2.a) y(0,4)=1,1189
b) y(0,2)=0,9801
c) y(0,3)=0,009
y1 = 0 ,2660
y3 = 6 ,3226
y 2 = 0 ,5097
y 2 = 2 ,9640
y3 = 0 ,7357
y3 = 2 ,2064
y4 = 0 ,9471
c) y4 = 1,5826
y5 = 1,0681
d) y5 = 1,1465
y6 = 1,3353
y6 = 0 ,6430
y7 = 1,5149
y7 = 0 ,2913
y8 = 1,6855
y1 = 0 ,2259
y1 = 5 ,6774
3.a) y 2 = 2 ,5807
y1 = 3,8842
b)
y 2 = 0 ,3356
y3 = 0 ,3308
y4 = 0 ,2167
y9 = 1,8474
4) y(0.5)=0.875
71
8 Resoluo Numrica de Equaes Diferenciais Parciais

8.1 -Introduo
Equao diferencial parcial (EDP) a uma equao que envolve duas ou mais
variveis independentes ( x , y , z ,t ,K ) e derivadas parciais de uma funo incgnita(varivel
dependente que queremos determinar) u u( x, y, z,t ,K) .

Um corpo isotrpico se a condutividade trmica em cada um de seus pontos
independente da direo do fluxo de calor atravs do ponto.
Em um corpo isotrpico, a temperatura, u u(x, y, z, t), obtida resolvendo-se a
equao diferencial parcial (EDP)
u u u
u
k + k + k = cp
x x y y z z
t
onde k, c e p so funes de (x,y,z), e representam respectivamente, a condutividade trmica, o

calor especfico e a densidade do corpo no ponto (x,y,z).
Quando k, c e p so constantes, essa equao denominada equao simples
tridimensional do calor, e expressa como
2u
x
2u
y
2u
z
cp u
.
k t
Se o domnio do problema relativamente simples, a soluo dessa equao obtida

utilizando a srie de Fourier. Na maioria das situaes onde k, c e p no so constantes ou
quando o domnio irregular, a soluo da equao diferencial parcial deve ser obtida por meio
de mtodos de aproximao.
Para introduzir mtodos numricos de resoluo de EDP, utilizaremos as equaes de
Poisson, do Calor e da Onda, as quais representam prottipos das EDPs elpticas, parablicas e
hiperblicas. Ser adotado um procedimento geral, seguindo os passos:
1) Construir uma malha a partir do domnio do problema;
2) Para os pontos interiores da malha, escolher a discretizao das derivadas parciais;
3) Construir o sistema de equaes lineares usando a discretizao dos pontos interiores,
f xi , y j e as condices de contorno.
4) Resolver o sistema de equaes lineares(escolher o mtodo masi eficiente), cuja

soluo forne as aproximaes da soluo nos pontos interiores da malha.
8.1.1-Equao Do Potencial ou de Poisson(EDP Elptica)

Consideremos a equao de Poisson:
2u
x 2
( x, y ) +
2u
y 2
72
( x , y ) = f ( x , y ).
Nessa equao supomos que a funo f descreve os dados do problema em uma regio
plana R com fronteira S. Equaes desse tipo aparecem durante o estudo de diversos problemas
fsicos dependentes do tempo; por exemplo, a distribuio de calor para um estado estvel em
uma regio plana, a energia potencial de um ponto em um plano sobre o qual atuam foras
gravitacionais e os problemas bidimensionais do estado de equilbrio que incluem fluidos no
comprimveis.
Para se obter uma soluo nica para equao de Poisson necessrio impor outras
restries. Por exemplo, o estudo da distribuio de calor no estado de equilbrio em uma regio
plana requer que f ( x , y ) 0 que a equao de Laplace
2u
x 2
( x, y ) +
2u
y 2
( x, y ) = 0,
Se a temperatura na regio determinada por sua distribuio no limite da regio, as

restries so denominadas Condies de limite de Dirichlet, dadas por u ( x, y ) = g ( x, y ),
para todo(x,y) em S, a fronteira da regio R ( ver figura 1).
Figura 1
8.1.2- Equao de Calor ou da Difuso (EDP Parablica)
A equao do calor ou de difuso (que uma equao diferencial parcial

parablica)
u
2u
( x ,t ) +
( x ,t ) = 0 ,
t
x 2
modela matematicamente o problema fsico referente ao fluxo de calor ao longo de uma barra de
comprimento l (figura 2), a qual tem uma temperatura uniforme dentro de cada elemento
transversal. Essa condio requer que a superfcie lateral da barra esteja perfeitamente isolada. A
constante determinada pelas propriedades de conduo de calor do material de que a barra
feita e independente da posio da barra.
Figura2
73
8 - Resoluo Numrica de Equaes Diferenciais Parciais
Um dos conjuntos tpicos de restries para um problema de fluxo de calor desse tipo
consiste em especificar a distribuio inicial de calor na barra: u(x,0)=f(x) e em descrever o
comportamento nas extremidades da barra. Por exemplo, se as extremidades so mantidas em
temperaturas constantes U i e U 2 , as condies de contorno tm a forma:
u( 0 ,t ) = U 1 e u( l ,t ) = U 2 ,
e a distribuio de calor se aproxima da distribuio limite de temperatura
lim u ( x , t ) = U 1 +
U 2 U1
x.
l
Se, a barra estiver isolada de modo que no flua calor por suas extremidades, as condies
de contorno sero:
u
u
(0, t ) = 0 e
(l , t ) = 0,
x
x
o que resulta em uma temperatura constante na barra como caso limite.
A equao diferencial parcial parablica tambm importante para o estudo da
difuso dos gases.
8.1.3- Equao da Onda (EDP Hiperblica)

Consideremos a equao da Onda unidimensional , um exemplo de uma equao
diferencial parcial hiperblica. Supomos que uma corda elstica ,de comprimento l , seja
esticada entre dois suportes no mesmo nvel horizontal(figura 3)
Figura 3
Se pusermos a corda em movimento de modo que ela vibre em um plano vertical, o

deslocamento vertical u ( x , t ) de um ponto x no tempo t satisfar a equao diferencial parcial
2u
x 2
( x ,t ) =
2u
t 2
( x ,t ), para 0 < x < l , 0 < t ,
se os efeitos de amortizao forem desconsiderados e a amplitude no for muito grande.

Para impor restries a esse problema, vamos supor que a posio e a velocidade
iniciais da corda sejam dadas por
74
u
( x ,0 ) = g( x ),
t
Se os pontos extremos forem fixos, teremos:
u( 0 ,t ) = 0 e u( l ,t ) = 0 .
Os outros problemas fsicos envolvendo a equao diferencial parcial hiperblica
ocorrem no estudo de vigas vibrantes com uma ou ambas as extremidades clamped e na
transmisso de eletricidade em uma linha de transmisso longa onde exista alguma perda de
corrente para o solo.
u ( x,0) = f ( x) e
8.2. -Mtodo das Diferenas Finitas para Equao Diferencial Parcial Elptica
Consideremos o problema de valor de contorno envolvendo a equao de Poisson (que
uma equao diferencial parcial elptica)
2
2u
2u
u( x , y ) 2 ( x , y ) + 2 ( x , y ) = f ( x , y )
x
y
u( x , y ) = g( x , y ) para ( x , y ) S ,
onde S a fronteira(contorno) do retngulo R = {( x , y ) / a < x < b , c < y < d } .
Se f e g so contnuas em seus domnios, ento existe uma nica soluo para esse problema
de valor de contorno..
Utilizaremos uma adaptao do mtodo de Diferenas Finitas .
Em R contrumos uma grade(figura4) , traando linhas verticais e horizontais ( x = xi e ,
y = y j grid lines) pelos pontos (x i , y j ), e suas interseces so os pontos de rede (mesh points),
onde
x i = a + ih, h=(b a)/n , para todo i = 0,1,...,n
e
y j = c + jk , k=(d c)/m , para todo j = 0,1,...,m
Figura 4
75
Para cada ponto de rede no interior da quadricula (x i , y j ), com i = 1,2,...,n-1 e com j =

1,2,...,m-1, utilizamos a srie Taylor na varivel x ao redor de xi para gerar a frmula das
diferenas centrais
(
(
xi , y j ) =
2
) (
2u
u xi +1 , y j 2u xi , y j + xi 1 , y j
h2
) h2 4u ( , y ),
12 x4
(2.1)
onde ( xi 1 , xi +1 ). Tambm utilizamos a srie de Taylor na varivel y ao redor de y j para gerar a

frmula das diferenas centrais
u(xi +1 , y j ) 2u(xi , y j ) + (xi 1 , y j ) k u

(
xi , y j ) =
(xi , j ),
2
2
12 4
2u
y
2 4
(2.3)
onde ( y j 1 , y j +1 ).
A utilizao dessas formulas na Equao (2.1) nos permite expressar a equao de Poisson
nos pontos (x i , y j ), como
) (
u xi +1 , y j 2u xi , y j + xi 1 , y j
h2
= f xi , y j +
) + u(xi+1 , y j ) 2u(xi , y j ) + (xi1 , y j )

k2
h 2 4u
k 2 4u
+
,
y
xi , j ,
i j
12 x4
12 y4
para todo i = 1,2,...,n-1 e j = 1,2,...,m-1, e as condies de limite como

u ( x0 , y j ) = g ( x0 , y j ) e u ( x n , y j ) = g ( x n , y j ), para todo j = 0,1,...,m;
u ( xi , y 0 ) = g ( xi , y 0 ) e u ( xi , y m ) = g ( xi , y m ), para todo i = 1,2,...,n-1;
Na forma da equao de diferenas, isso resulta no mtodo das Diferenas Finitas para a
equao de Poisson, com um erro local de truncamnto da ordem de O(h 2 + k 2 ) :
h 2
h
2 + 1 wij wi +1, j + wi 1, j wi , j + 1 + wi , j 1 = h 2 f xi , y j ,
k
k
i = 1,2,..., n - 1 e j = 1,2,..., m - 1.
(2.4)
w0 j = g ( x0 , y j ) e wnj = g ( x n , y j ) , para todo j = 0,1,...,m;

wi 0 = g ( xi , y 0 ) e wim = g ( xi , y m ), para todo i = 1,2,...,n-1;
onde wij uma aproximao de u ( xi , y j ) .
76
(2.5)
A equao em (2.4) envolve aproximaes a u ( x , y ) nos pontos
(x
i 1
, y j ),
(x , y ), (x
i
i +1
, y j ),
(x , y ) e (x , y ) .
i
j 1
j +1
Reproduzindo a parte da malha na qual esses pontos esto situados (veja figura.5),
observamos que cada equao contm aproximaes em uma regio em forma de estrela ao redor
de (xi , y j ) .
Figura 5
Se utilizarmos a informao das condies de limite (2.5) sempre que for conveniente no
sistema dado por (12.4), poderemos dizer que, em todos os pontos (xi , y j ) adjacentes ao ponto de
rede do limite, teremos um sistema linear ( n 1)(m 1) x ( n 1)(m 1), cujas incgnitas so as
aproximaes wij a u ( xi , y j ) no interior dos pontos de rede.
O sistema linear que contm essas incgnitas ser expresso mais eficientemente em clculos
matriciais se for introduzida uma remarcao dos pontos interiores da malha. Um sistema de
marcao desses pontos consiste em utilizar
Pl = xi , y j e wl = wij
onde l = i + (m 1 j )(n 1), para todo i = 1,2,...,n-1 e j = 1,2,...,m-1. Isso marca

consecutivamente os ponto de rede da esquerda para direita e de cima para baixo. Por exemplo, com
n = 4 e m = 5, com a remarcao se obtm uma quadrcula cujos pontos so mostrados na Figura
12.6.Ao marcar os pontos desse modo, se garante que o sistema necessrio para determinar wij seja
uma matiz de banda com uma largura de banda de, no mximo, 2n 1.
Figura 6
77
Exemplo1
Consideremos o problema da determinao do estado estvel da distribuio de calor em
uma placa quadrada metlica delgada, com dimenses 0,5 m por 0,5 m. Dois limites adjacentes
so mantidos a 0C, e o calor nos outros dois limites aumenta linearmente de 0C, em um canto,
para 100C no lugar onde ambos os lados se encontram. Se colocarmos os lados com as
condies de limite igual a zero ao longo dos eixos x e y , o problema pode ser expresso como
2u
2u
(
x
,
y
)
+
( x, y ) = 0,
x 2
y 2
para (x , y) no conjunto R = {( x , y ) / 0 < x < 0 ,5 , 0 < y < 0 ,5 }, com as condies de fronteira
u (0 , y)=0,
u (x , 0)=0,
u (x , 0,5)=200x,
u (0,5 , y) = 200y
Consideremos n = m = 4. Assim, com h=k=0.125. Construmos a malha da figura 7:
Figura 7
Utilizandos o mtodo das Diferenas Finitas (2.4) obtemos a equao de diferenas

finitas
4wi , j wi+1, j wi1, j wi , ji wi , j+i = 0,

para todo i= 1,2,3 e j=1,2,3 .
Para expressar isso em funo dos interiores da grade, usamos
Pl = xi , y j e wl = wij
wi = u ( Pi ) , e l = i+(m-1-j)(n-1).
78
Tambm, a partir das condies de contorno e usando (2.5)
w 1 ,0 = w 2 ,0 = w 3 ,0 = w 0 ,1 = w 0 ,2 = w 0 ,3 = 0 ,
w 1 ,4 = w 4 ,1 = 25 , w 2 ,4 = w 4 ,2 = 50 , e , w 3 ,4 = w 4 ,3 = 75
Assim, para cada ponto interior da grade, Pi geramos uma equao linear:
P 1
P 2
: 4 w 1 w 2 w 4
: 4 w 2 w 3 w 1
P 3
P 4
: 4 w 3
: 4 w 4
P 5
P 6
: 4 w 5
: 4 w 6
P7
P 8
: 4 w 7
: 4 w 8
P 9
: 4 w 9
w 2
w 5
w 6
w 5
w 8
w 9
w 8
w 6
w 1
w 4
w 3
w 4
w 7
w 6
w 0 ,3 + w 1 ,4
w 5 = w 2 ,4
w 4 ,3
w 7 =
w 2
w 9 =
w 3 ,4
w 0 ,2
w 8 =
w 0 ,1
w 5 =
w 4 ,2 ,
+ w 1 ,0 ,
w 2 ,0 ,
w 3 ,0
w 4 ,1 ,
Obtemos um sistema linear cuja a forma matricial :
Resolvendo o sistema com o sistema de computao algbrica e simblica Maple , obtemos

as temperaturas aproximadas nos pontos interiores da malha.
79

> A := matrix( [[4,-1,0,-1,0,0,0,0,0],[-1,4,-1,0,-1,0,0,0,0],[0,1,4,0,0,-1,0,0,0],[-1,0,0,4,-1,0,-1,0,0],[0,-1,0,-1,4,-1,0,1,0],[0,0,-1,0,-1,4,0,0,-1],[0,0,0,-1,0,0,4,-1,0],[0,0,0,0,-1,0,1,4,-1],[0,0,0,0,0,-1,0,-1,4]]):
> b := vector( [25,50,150,0,0,50,0,0,25]):
> linalg[linsolve](A, b);
> W:=evalf(%);
Tabelamos os resultados:
i
wi
1
18.75
2
37.50
3
56.25
4
12.5
5
25.00
6
37.50
7
6.25
8
12.50
9
18.75
Assim, para cada i, wi = u ( Pi ) , isto , wi uma estimativa da soluo em Pi = ( xi , yi ) .

Por exemplo, w6 = u( P6 ) = u( 0.375 ,0.25 ) 37.5
Exemplo2:
Consideremos o modelo para determinar a temperatura de estado estacionrio para uma
placa quadrada com condies de contorno dadas:
2u
2u
( x, y ) = 0,0 < x < 2,0 < y < 2
2 ( x, y ) +
y 2
x
u ( 0 , y ) = 0 , u ( 2 , y ) = y( 2 y )
x,0 < x < 1

u ( x ,0 ) = 0 , u ( x ,2 ) =
2 x , 1 x < 2
80
Utilizando diferenas finitas centrais com h=k=2/3, para i, j = 0,1,2,3, obtemos a equao
de diferenas finitas:
ui + 1, j + ui , j = 1 + ui 1, j + ui , j 1 4ui , j = 0
Para determinar o valor de
u( 2 / 3 ,2 / 3 ) u11, u( 2 / 3,4 / 3 ) u12 , u( 4 / 3,2 / 3 ) u 21 e u( 4 / 3,4 / 3 ) u 22
Utilizando o sistema Maple para resolver o sistema linear tridiagonal:
4u11 + u 21 + u12 = 0
u11 4u 21 + u 22 = 8 / 9
u11 4u12 + u 22 = 2 / 3
u 21 + u12 4u 22 = 14 / 9
> solve({-4*u11+u21+u12=0, u11-4*u21+u22=-8/9, u11-4*u12+u22=-2/3,
u21+u12-4*u22=-14/9},{u11,u12,u21,u22});
13
7
7
5
{ u12 = , u11 = , u22 = , u21 = }
36
36
12
12
> evalf(%);
{ u12 = .3611111111, u11 = .1944444444, u22 = .5833333333, u21 = .4166666667}
Exerccios:
1) Com h=k=10, resolver numericamente equao de Laplace
2u
2u
( x ,t ) +
( x ,t ) = 0 , 0 < x < 80 , 0 < y < 60 ,
x 2
y 2
sujeita s condies
u ( x ,0 ) = u ( x ,60 ) = u ( 80 , y ) = 0 , e
ui , j =
j
6
5
4
3
2
1
0
x
u ( 0 , y ) = 100 .
ui + 1, j + ui 1, j + ui , j i + ui , j + i
4
0
100
100
100
100
100
100
100
0
1
0
46,993
63,138
67,192
63,138
46,993
0
10
2
0
24,835
38,368
42,490
38,368
24,835
0
20
3
0
13,978
23,010
26,032
23,010
13,978
0
30
4
0
8,068
13,660
15,620
13,660
8,068
0
40
5
0
4,633
7,942
9,128
7,942
4,633
0
50
2) Resolver numericamente equao de calor
81
6
0
2,523
4,348
5,009
4,348
2,523
0
60
7
0
1,110
1,917
2,211
1,917
1,110
0
70
8
0
0
0
0
0
0
0
80
i
60
50
40
30
20
10
0
y
u
2u
( x ,t )
( x ,t ) = 0 , 0 < x < 1, 0 t ,
t
x 2
com as condies de contorno
u ( 0 , t ) = u ( 1, t ) = 0 , 0 < t ,
e as condies iniciais
u( x ,0 ) = sen( x ), 0 x 1.
Ajuda:
Diferenas finitas para o problema com h=0,2, k=0.01
+u
ui , j + 1 = 0 ,5 ui , j + 0 ,25 u
i
1
,
j
i
1
,
j
j
i
0
1
2
3
4
5
6
0 0,3219 0,5208 0,5208 0,3219
0
0,06
5
0 0,3559 0,5758 0,5758 0,3559
0
0,05
4
0 0,3934 0,6366 0,6366 0,3934
0
0,04
3
0 0,4350 0,7038 0,7038 0,4350
0
0,03
2
0 0,4809 0,7781 0,7781 0,4809
0
0,02
1
0 0,5317 0,8602 0,8602 0,5317
0
0,01
0
0 0,5878 0,9511 0,9511 0,5878
0
0,00
x 0
tempo
0,2
0,4
0,6
0,8
1
Diferenas finitas para o problema com h=0,1, k=0.005
ui , j +1 = 0 ,9 ui , j + 0 ,1 u
+u
i 1, j
i +1, j
j
6
5
4
3
2
1
0
x
0
1
2
3
4
5
6
x
0
0
0
0
0
0
0
0
0
1
0,5189
0,4759
0,4365
0,4004
0,3673
0,3369
2
0,9869
0,9053
0,8304
0,7616
0,6986
0,6408
3
1,3584
1,2460
1,1429
1,0483
0,9616
0,8820
4
1,5969
1,4647
1,3435
1,2324
1,1304
1,0369
0,3090
0,5878
0,8090
0,9511 1,0000 0,9511
0,1
0,2
0,3
0,4
8.4 Bibliografia para EDP`s
82
5
1,6791
1,5401
1,4127
1,2958
1,1886
1,0902
0,5
6
1,5969
1,4647
1,3435
1,2324
1,1304
1,0369
0,6
9 10 i
0,5189 0 0,030
0,4759 0 0,025
0,4365 0 0,020
0,4004 0 0,015
0,3673 0 0,010
0,3369 0 0,005
0,8090 0,5878 0,3090 0
0,000
0,7
0,8
0,9 1 tempo
7
1,3584
1,2460
1,1429
1,0483
0,9616
0,8820
8
0,9869
0,9053
0,8304
0,7616
0,6986
0,6408

--Burden, Richard L., Faires, J. Douglas.Analise Numrica, So Paulo, SP, 2003,
THOMSON.
--Cludio, Dalcidio M, Marins, Jussara M, Clculo Numrico Computacional, So Paulo,
SP,
Ed. Atlas, 1994.
--Cunha, M.Cristina, Mtodos Numricos, Campinas, SP, 2003, Ed. Unicamp.
--Zill, Denis G., Cullen, Michael R., Equaes Diferenciais, Vol.2, So Paulo, SP, 2002,
Makron Books.
--Schleider, Maria Amlia N, Cunha, Maria Cristina, Mtodos Numricos para Equaes
Diferenciais Parciais, Notas em Matemtica Aplicada, Volume 4, So Carlos, SP, 2003,
SBMAC. (Disponvel em http://www.sbmac.org.br/boletim/pdf_2003/livro_04_2003.pdf)
--Stroud, K.A, Booth, Dexter J., Advanced Engineering Mathematics, New York, 2003,
Palgrave Macmillan.
83
Equao
Diferenas Finitas
Centradas, com h=k
Laplace
2u
2u
( x, y ) = 0
( x, y ) +
2
2
x
y
ui , j =
Clula Computacional
u i, j + 1
ui + 1, j + ui 1, j + ui , j i + ui , j + i
4
u i 1, j
u i, j
u i + 1, j
u i, j 1
u
( x ,t ) =
( x ,t )
2
t
x
Material
Prata
Cobre
Alumnio
Ferro
Concreto
progressivas
Calor
2u
>0
1,7
1,5
0,85
0,15
0,005
2k
2 2 k
ui , j + 1 = 1
ui , j +
+u
i
1
,
j
i
1
,
j
+
2
2
h
h
1
k
Converge se
<
h2 2
u i, j+1
i1, j
i, j
i+ 1, j
centradas
Onda
2u
2u
2
( x ,t ) =
( x ,t )
t 2
x 2
2 k 2
2k 2
+u
ui , j + 1 = 2 1
ui , j +
u
u i , j 1
i 1, j
2
2 i + 1, j
h
h
u i 1, j
Se = 1 e
k2
= 1 , ui , j + 1 = ui 1, j + ui + 1, j u
i , j 1
h2
84
i, j + 1
u i, j
u i, j 1
u i + 1, j
Bibliografia
ATKINSON, K. E. An Introduction to Numerical Analysis. 2.ed. New York : John Wiley &
Sons, 1989.
AYYUB, Bilal M.; McCUEN, Richard H. Numerical Methods For Engineers. New Jersey:
Prentice Hall, 1996.
BARROSO, Leonidas Conceio et al. Clculo Numrico com Aplicaes. 2.ed. So Paulo
: Harbra, 1987.
BURDEN, Richard L., FAIRES, J. Douglas. Anlise Numrica. So Paulo :
Thomson, 2003.
CHAPRA, Steven C., CANALE, Raymond P. Numerical Methods for Engineers with
Programming and Software Applications. 4.ed. Boston : McGraw-Hill, 2002.
CLUDIO,
Dalcidio
Moraes,
MARINS,
Jussara
Numrico Computacional. 2.ed. So Paulo : Atlas, 1994.
Maria.
Clculo
CUNHA, M.Cristina, Mtodos Numricos, Campinas, SP, 2003, Ed. Unicamp.

GANDER, Walter.; HREBICEK, Jiri. Solving Problems in Scientific Computing Using
Maple and Matlab: Berlin, Springer-Verlag, 1995.
HUMES, Ana Flora P. de Castro et al. Noes de Clculo Numrico. So Paulo: McGrawHill, 1984.
KREYSZIG, Erwin. Advanced Engineering Mathematics. New York, NY : John Wiley &
Sons, 1993.
ONEIL,PeterV. Advanced Engineering Mathematics. 4.ed. Pacific Grove, CA :
Brooks/Cole, 1995.
RICE, Richard G.; DO, Duong D. Applied Mathematics and Modelling for Chemical
Engineers. New York : John Wiley & Sons, 1995.
RUGGIERO, Mrcia A. Gomes, LOPES, Vera Lcia da Rocha.
numrico: aspectos tericos e computacionais. So Paulo : McGraw-Hill, 1997.
Clculo
SCHELEIDER, Maria Amlia N, Cunha, Maria Cristina dC, Mtodos Numricos para
Equaes Diferenciais Parciais, Notas em Matemtica Aplicada, Volume 4, So Carlos, SP,
2003, SBMAC. (Disponvel em http://www.sbmac.org.br/boletim/pdf_2003/livro_04_2003.pdf)
STROUD, K.A, BOOTH, Dexter J., Advanced Engineering Mathematics, New York,
Palgrave Macmillan, 2003.
85
Clculo Numrico - Formulrio
1a) # F = 2( 1 )
xk + 1 xk
t 1( M m + 1 ) + 1 , F ( , t , m, M ) ; 1b) DIGSE( x , x
k k + 1 ) = 0 ,3 + log +
xk + 1
2) Seja p( x ) = a n x n + a n 1 x n 1 + ... + a3 x 3 + a 2 x 2 + a1 x + a0
p( x ) = (((...( a n x + a n 1 ) x + a n 2 )x + ...a 2 )x + a1 ) x + a0
123
n 1
2
b) Huat: Se p(0) 0 e para algum k = 1, 2, ...,n-1, ak ak 1ak + 1 , ento p tem razes complexas.
f ( xk )
3) Mtodo de Newton-Raphson:
xk + 1 = xk
, k = 0 ,1,2 ,..., mx f ' ( xk ) 0
f ' ( xk )
a) Horner:
4) Sistema de n equaes lineares: AX=B, A = a ij , X = x e B = b i com i,j = 1, 2, ..., n.
4a) NORM A =
det A
onde k = a 2 + a 2 + L a 2 , para k = 1, 2, ..., n.

kn
k2
k1
1 2 L n
4b) A matriz A Diagonal Dominante se a

>
ii
i , j = 1,2 ,.., n.
aij
j =1
j i
4c)Gauss -Jacobi e Gauss -Seidel: i= 1, 2, ..., n e k = 1, 2, ..., mx,
i
1
n
1
1
x
bi
a ij x j
x
=
=
bi
a ij x j
a ij x j
i k + 1 aii
i k + 1 aii
k
k +1
k
j =1
j =1
j =i +1
j i
0
5) Diferenas Finitas Ascendentes: i= 0, 1, 2, ..., n ,seja yi = yi . Para k = 1, 2, ..., n
a diferena finita de ordem k
k yi = k 1 yi + 1 k 1 yi , com i= 0, 1, 2, ..., n-k .
6) Diferenas Divididas: i= 0, 1, 2, ..., n ,seja

k yi =
k 1 yi +1 k 1 yi
xi +k xi
0 yi = yi .
Para
k = 1, 2, ..., n, a diferena dividida de ordem k
, com i= 0, 1, 2, ..., n-k .
7) Polinmio Interpolador de Newton para Diferenas Finitas Ascendentes:

p( x ) = y o +
Se z =
( x xo )
h
y0 +
( x x o )( x x )L ( x x
)
( x x o )( x x ) 2
1
n 1 n y
1 y +L+
o
o
2
n
2! h
n! h
2 yo
3 yo
n yo
( x xo )
, p( z ) = yo + z y + z( z 1 )
.
+
+
L
+
z
(
z
1
)
(
z
(
n
1
))
z
(
z
1
)(
z
2
)
0
h
n!
3!
2!
8) Polinmio Interpolador de Newton para Diferenas Divididas

2
p( x ) = yo + ( x xo )y + ( x xo )( x x ) yo + ...+ ( x xo )( x x )...(x x
) n yo
0
1
1
n1
86

p
9) Ajustamento a um Polinmio de grau p: Se Y ( x ) = ao + a x + a x 2 + L + a p x a funo que ajusta os pontos
1
2
( xi , yi ) , i = 0 ,1,...n
xi2
xi3
n+1
xi
M
p
xi
i =0
xi
xi2
M
p +1
xi
p < n , ento, para
M
p+2
xi
xi3
xi4
L
L
L
9a)Ajuste Linear e Quadrtico Y ( x ) = a o + a x , e

1
n+1
n+1
xi a
yi
0 =
, e xi
a
xi yi
xi
xi 1
xi2
M
p
xi y i
xip ao yi
xip +1 a1 = xi yi
M
p+3
xi
, os parmetros a 0 , a 1 ,..., a p constituem a soluo de:
M
M
2 p a
xi
p
Y ( x ) = ao + a x + a 2 x 2
1
2
xi
xi a o

xi3 a =
xi2
1

xi4 a
xi3
2
yi
xi yi
xi2 yi
10) Integrao: Para h = ( x n xo ) / n , xi = xo + ih e y i = f ( xi ) , i = 0,1,...n,
f ( x )dx 2 [ yo + 2( y1 + y2 + L + yn 1 ) + yn ]
xn
10a) Trapzios:
xo
ET
h2
( xn x0 ) max
f'' ( x )
12
x[ xo , xn ]
xn
10b) Simpson ( n par) :
f ( x )dx
ou
ET
( xn x0 )
max 2 yi .
12
h
y o + 4( y1 + y 3 + y 5 + L + y n 1 ) + 2( y 2 + y 4 + y6 + L + y n 2 ) + y n
3
xo
ES
h4
( x n x0 )
max
f '''' ( x )
180
x[ xo ,x n ]
y' = f ( x , y )
11) PVI: Sejam
y( xo ) = yo
ou
ES
( xn x0 )
max 4 yi .
180
y ( xi ) y i com xi = xo + ih , i= 0,1,...,n e h = ( xn xo ) / n .
11 a)Euler: yi + 1 = yi + hf ( xi , yi ) , i= 0,1,...,n-1.
a
h
11b) Runge-Kutta de 2 Ordem : y
= yi + (k1 + k 2 ) , k1 = f ( xi , yi ) e k 2 = f ( xi + h , yi + hk1 ) , i= 0,1,...,n-1.
i +1
2
y' ' + P( x ) y' +Q( x ) y = f ( x )

, y ( xi ) y i com xi = xo + ih , i= 0,1,...,n e h = ( xn xo ) / n .
y( xo ) = yo , y( xn ) = y n .
12) PVC: Sejam
Diferenas Finitas: 1 +
h
h
P( xi ) yi + 1 + 2 + h 2 Q( xi ) yi + 1 P( xi ) yi 1 = h 2 f ( xi ) , i= 1,...,n-1
2
2
87

Derivada
Diferena Finita
y( xi )
yi + 1 yi
avanada ,
h
y( xi )
yi + 1 2 y i + yi 1
centrada
h2
y' ' ' ( xi )
yi + 2 2 yi + 1 + 2 yi 1 yi 2
y IV ( xi )
yi + 2 4 yi + 1 + 6 y i 4 yi 1 + yi 2
centrada
h4
u
xi ,t j
t
2h 3
2u
xi ,t j
x2
yi + 1 yi 1
centrada ,
2h
centrada
u ,
u ,
i j +1
i j 1
centrada
2k
2u
xi , y j
y2
i +1 , j
2u , + u
i j
i 1 , j
centrada
h2
u ,
2u , + u ,
i j +1
i j
i j 1
centrada
2
k
88
yi yi 1
atrasada
h
Equao
Diferenas Finitas
Centradas, com h=k
Laplace
2u
x 2
( x, y ) +
2u
y 2
( x, y ) = 0
ui , j =
Clula Computacional
u i, j + 1
ui + 1, j + ui 1, j + ui , j i + ui , j + i
4
i 1, j
i, j
i + 1, j
u i, j 1
2u
u
( x ,t )
( x ,t ) =
t
x 2
Material
Prata
Cobre
Alumnio
Ferro
Concreto
progressivas
Calor
>0
1,7
1,5
0,85
0,15
0,005
2k
2 2 k
+u
u
ui , j +
ui , j + 1 = 1
i 1, j
2 i + 1, j
2
h
h
k
1
<
Converge se
2
2
h
u i, j+1
u i1, j
ui, j
u i+1, j
centradas
Onda
2u
2u
2
( x ,t )
( x ,t ) =
x 2
t 2
2 k 2
2k 2
+u
ui , j +
u i , j + 1 = 2 1
u
u i , j 1
i
1
,
j
i
1
,
j
2
2
h
h
Se
=1 e
k2
= 1 , ui , j + 1 = ui 1, j + ui + 1, j u i , j 1
h2
89
u i, j + 1
i 1, j
i, j
i, j 1
i + 1, j
Aula de Laboratrio 1 utilizando Maple

Operaes, Funes
Bsicas, Constantes
Adio
Subtrao
Multiplicao
Diviso
Potenciao
Valor Absoluto de x
Raiz Quadrada de x
Exemplos
Notao
+
*
/
^
abs ( x )
sqrt (x)
Raiz n-sima de x
Fatorial de n
Infinito
Unidade Imaginria
Nmero de Euler: e
Funo Exponencial
x^(1/n)
n!
Pi
infinity
sqrt(-1) ou I
exp(1) ou E
exp(x) b^x
Logaritmo Natural
Logaritmo de base b
ln(x)
log[b](x) = ln(x)/ln(b).
sin(x) cos(x) tan(x)
sec(x) csc(x) cot(x)
sinh(x) cosh(x) tanh(x)
sech(x) csch(x) coth(x)
arcsin(x) arccos(x) arctan(x)
arcsec(x) arccsc(x) arccot(x)
arcsinh(x) arccosh(x) arctanh(x)
arcsech(x) arccsch(x) arccoth(x)
Funes Trigonomtricas ,
Hiperblicas e suas inversas
(argumento x em Radianos)
> 3+5;
> 758-195;
> 7.5*8;
> 39/13;
> 2^12;
> abs(-7);
>sqrt(7835);
> sqrt(7835.);
> 27^(1/3);
> 28!;
> Pi;
> infinity;
> sqrt (-1);
> exp(1);
>exp(3.5);
>7^x;
> ln (7);
> log[3](10);
> sin(Pi/2);
> cos(75.3);
>arccosh(0);
Alguns Comandos
1) > evalf(expr);
avalia expr utilizando aritmtica de ponto flutuante com preciso determinada pela varivel
global Digits.
> evalf(27^(1/3));
> evalf( Pi);
> evalf(arccosh(0));
2) > evalf(expr, n);
calcula expr com n dgitos de preciso.
> evalf( Pi, 21);
> evalf(ln (7),8);
3) > Digits := n;
ajusta para n o nmero de dgitos utilizados em ponto flutuante.
O valor "default" de Digits 10.
> Digits:=15;
> cos(75.3);
90
4) Se usarmos : no final do comando, o mesmo executado, porm o resultado no

mostrado. %; mostra o contedo do ltimo output e %%; do penltimo.
> log[3](10):
> %;
> evalf(%%);
5) O Maple pode trabalhar com inteiros muito grandes
> 253!;
O comando length (%) mostra o nmero de dgitos de 253!
> length(%);
6) Para fazer uma atribuio varivel z e posteriormente apagar o contedo de z:
> z := 7;
> z;
> z := 'z';
>z;
7) O modo texto pode ser obtido clicando em
na barra de menu ou # pode ser usado
para fazer comentrios
> # o contedo de z tambm pode ser deletado usando unassign ( 'z' );
> z :=7;
> z;
> unassign ( 'z' );
>z;
8) restart; reinicializa o MAPLE
Exerccios:
1) Calcular o valor de :
30
a) seno(30), seno(300) = seno
180
a + 5b 3
b)
para a = -3,02 , b = 10, c = 10,3 e d = 7,1. Armazenar o resultado na
ln( 50c / d )
varivel v.
c) secante hiperblica de v calculado no item b.
2) O valor de a = e 163 um nmero inteiro? Estimar a com 18, 29, 30, 31 e 57
dgitos. Comparar os resultados.
3) Calcular 325! pelo Maple e pela sua calculadora. Analisar os resultados. Qual o nmero
de dgitos de 325! ?
27
24
4) O que maior 22 ou 25 ?
5) possvel calcular 3333333333 3333333333 no Maple?
91
Aula de Laboratrio2 utilizando Maple

Objetivos : Localizar as razes da equao f(x)=0(algbrica ou transcendente) e calcul-las
utilizando comandos do Maple e o mtodo da Bisseco.
Aplicao: O fator de atrito para um duto retangular , segundo Maubach, dado
por:
1
= 2,035 log 10 Re 0,989 , onde Re o nmero de Reynolds. Determinar para os
seguintes valores de Re : 10000, 20000, 50000, 100000, 1000000.
1
2
Comandos
f:=x->f(x);
Comentrios
plot(f(x),x= a..b,y=c..d);
3
plot({f(x),g(x)},x= a..b,y=c..d);
solve(f(x)=0, x);
fsolve(f(x)=0, x);
fsolve(f(x)=0, x=a ..b);
For i from io by k to in do
comandos
od;
Define a funo de varivel x , f(x)

Plota a funo f(x) sendo:
x - varivel
y - parmetro na vertical(opcional)
a,b,c,d :parmetros a serem especificados
Plota as funes f(x) e g(x) num mesmo
sistema de eixos.
Para opes utilizar o Help: < ?plot
Calcula as raizes da equao f(x)=0.
Para opes utilizar o Help:
< ?solve
< ?fsolve
Comando de repetio onde:
i - varivel
io - valor inicial
in - valor final
k - passo
if condio then
comando1
else
comando2
fi;
Exemplos
Comando de teste (condicional)
1) >f:=x->sin(x/2);
> f (Pi); f (4);
2) >plot(f(x), x=-3*Pi..3*Pi);
> plot(f(x), x=-15..15, y=-2..2);
3) > plot({x^2-5*x, sqrt(x+1)}, x= -2..7, y= -7..7);
4) vide exerccio 1(pgina2)
5) > for i from 0 by 2 to 10 do
>
print(i^2)
> od;
6) > a:=-23;
> if a<0 then
> print(-a);
> else
> print(a);
> fi;
92
Exerccios:
i) Localizar graficamente as raizes de f(x)=0
ii) Calcul-las utilizando os comandos dados em 4.
ii) Utilizando 5 e 6, implementar o Mtodo da Bisseco para calcular a menor raiz real
positiva de f(x) = 0 em [a , b]. Para xm=(a+b)/2, a cada bisseco imprimir: a, xm, b,f(xm).
Critrio de Parada: mnimo 10 bisseces.
1) xcos(x)-1=0
Soluo:
> f:=x->x*cos(x)-1;
> plot(f(x), x=-20*Pi..20*Pi);
> plot({cos(x),1/x}, x=-7*Pi..5*Pi, y=-5..5, title=` cos(x) , 1/x`);
Neste caso vemos que existem infinitas raizes.

>solve(f(x)=0,x);
> evalf(%);
> fsolve(f(x)=0,x);
> fsolve(f(x)=0,x=-9..-7);
> fsolve(f(x)=0,x=4..5);
> fsolve(f(x)=0,x=13..15);
Vamos implementar o mtodo da bisseo para calcular a raiz que est no intervalo [4 , 5]:
[> a:=4; b:=5;
> for i from 0 to 10 do
a; xm := evalf((a + b)/2); b; evalf(f(xm));
>
if evalf((f(a ) * f(xm))) > 0 then a := xm;
else b := xm;
>
>
fi;
> od;
Obs: No foi considerado o caso f(xm)=0.
2) ln(x+11) -2x = 0
3) x 3 5 ,875 x 2 40 ,135 x 25 ,62875 = 0
93

Objetivo: Enumerar, localizar e calcular as razes de polinmios. Analisar o comportamento
grfico( razes reais de multiplicidade par e mpar, por ex). Utilizar mtodo de NewtonRaphson para clculo das razes da equao f(x)=0(algbrica ou transcendente)
Aplicao: A lei para um gs ideal, PV = nRT um conceito conhecido. Geralmente,
utilizam-se estimativas para as relaes P-V-T. A equao de Beattie-Bridgeman um
exemplo:
a
a
RT a1
P=
+
+ 2 + 3
(1)
V V 2 V3 V 4
e pode ser reescrita como um polinmio de quarto grau:
PV 4 + RTV 3 a1V 2 a 2 V a = 0
(2)
3
Para um gs particular, a1=-1,06, a2 = 0,057 e a3=-0,00011. Considerando a presso
P=25 atm , a temperatura T = 293oK e R = 0,0,082l-atm/Kg.mol e substituindo esses
dados em (2) , o volume V obtido de :
25V 4 + 24,03V 3 + 1,06V 2 0,057V + 0,00011 = 0
(3)
Determinar V utlizando o mtodo de Newton-Raphson com V0=
Comandos
1 f:=x->f(x);
2
plot(f(x),x= a..b, y=c..d);
Comentrios
Define a funo de varivel x , f(x)
Plota a funo f(x) sendo:
x - varivel
y - parmetro na vertical(opcional)
a,b,c,d
:parmetros
a
serem
especificados
Plota as funes f(x) e g(x) num
mesmo sistema de eixos.
Para opes utilizar o Help: < ?plot
Encontra todas as
razes
do
polinmio p(x)
Determina a derivada de f(x)
Determina a derivada de quarta ordem
de f(x)
3 plot({f(x),g(x)},x= a..b, y=c..d);

4 fsolve(p(x)=0, x,complex);
5 diff(f(x),x);
diff(f(x),x$4);
diff(f(x),x,x,x,x)
6 subs(x=a, expr);
RT 0,082x 293
=
= 0,961 .
P
25
ou
substitui x por a na expresso expr
Exemplos
1) Raiz de multiplicidade par
> p1:=x->5*x^4-12.50*x^3-18.0375*x^2+32.31250*x+33.411125;
> plot(p1(x),x=-3..4);
> fsolve(p1(x)=0,x);
94
2) Raiz de multiplicidade mpar

> p2:=x-> 2*x^4+6.8*x^3-16.56*x^2-86.756*x-85.1690;
> plot(p2(x), x=-5..5);
3) Raizes complexas
> p3:=x-> x^3-2.8*x^2+8.2*x+15.6;
> plot(p3(x),x=-2..5);
> fsolve(p3(x),x, complex);
> p4:=x-> x^4-2*x^3+11*x^2-18*x+18;

> plot(p4(x),x=-3..3,y=-5..30);
> fsolve(p4(x),x, complex);
4) > subs( x=2, x^2+x+1 );
5) > diff(x^7,x);
> diff(x^7,x,x);
> diff(x^7,x$3);
6) Mtodo de Newton-Raphson
>f := x ->cosh(x)*cos(x)-1;
> plot(f(x), x=-3*Pi..3*Pi);
> plot({cos(x), 1/cosh(x)}, x=-10..10);
> x[0]:=4.5;
> for i from 0 to 5 do
x[i+1]:=evalf(x[i]-(f(x[i])/subs(x=x[i],diff(f(x),x))))
od;
> abs(x[5]-x[6]);
> Digits:=20;
> abs(x[5]-x[6]);
95

Objetivos : Resolver sistemas de equaes lineares utilizando
diversas opes de comandos do Maple. Analisar graficamente
a soluo , quando possvel, no plano e no espao.
Aplicao:
Equacionado o circuito resistivo mostrado na figura acima pelo
mtodo dos ns, obtemos:
VA VA VB VA 10
+
=0
8 +
1
5
VB VA VB 10 VB 8 VB VC VB 2 VB 0
+
+
+
+
+
=0
1
5
8
1
5
8
VC 8 VC VB VC 2
+
=0
8 +
1
5
I1 = VA VB
Aplicando a Lei de Ohm:
I 2 = VC VB
Comandos
1
array (1..m, 1..n)
augment( M1, M2);
3
4
5
6
7
evalm(expresso matricial);
gaussjord(M);
inverse(M);
linsolve(A,v);
matrix(m , n, [x11,x12,...xmn]);
solve(eqn, var);
9
10
11
12
12
transpose(M);
vector(n, [x1, x2, ..., xn]);
with(linalg);
with(plots);
A&*S;
. Determinar I1 e I2.
Comentrios
Cria uma matriz cujos os elementos esto definidos.Vide
help para opes
Cria uma nova matriz colocando M1 esquerda da M2 .
As matrizes devem ter o mesmo nmero de linhas.
Avalia uma expresso contendo matrizes.
Aplica o mtodo de Gauss-Jordan
Encontra a matriz inversa de M.
Calcula um vetor x que satisfaa a equao Ax=v
Cria uma matriz com m linhas e n colunas com
elementos x11, ...,xmn.
Resolve simbolicamente equaes eqn para varivel var.
Para opes vide help.
Determina a matriz transposta de M.
Cria um vetor de n elementos x1, ..., xn..
Carrega a biblioteca de lgebra linear do Maple V.
Carrega o package grfico
Expressa multiplicao de matrizes (no comutativa)
Exemplos :
> with(plots);
> with(linalg);
1) Sistema Linear Compatvel Determinado (possui solues)
> solve({2*x+3*y=18,3*x+4*y=25},{y,x});
> plot({(18-2*x)/3, (25-3*x)/4}, x=0..6);
> solve({3*x+2*y-5*z=8,-x+2*y+z=2,-x+2*y+3*z=4},{z,y,x});
> plot3d({(8-3*x-2*y)/(-5),2+2*x-2*y,(4+x-2*y)/3}, x=0..5,y=0..5, axes=box);
96
2) Sistema Linear Compatvel Indeterminado (possui infinitas solues)

> solve({2*x+y=50,4*x+2*y=100},{y,x});
> plot({50-2*x, (100-4*x)/2}, x=0..6);
> plot3d({50-2*x, (100-4*x)/2}, x=0..6,y=0..6, axes=box);
> solve({3*x+y+2*z=0,-9*x-3*y-6*z=0},{z,y,x});
> plot3d({(-3*x-y)/2,2+2*x-2*y,(9*x+3*y)/(-6)}, x=-2..2,y=-2..2, axes=box);
outra maneira:
> solvefor[t]( x+y=1, x-y+z*t=3 );
> solvefor[x]( x+y=1, x-y+z*t=3 );
3) Sistema Linear Incompatvel (no admite soluo)
> solve({x+y=3, x+y=-5},{y,x});
> plot({3-x, -x-5}, x=-10..10);
> plot3d({3-x, -x-5}, x=-10..10,y=-6..6, axes=box);
4) Resolver o sistema e calcular o resduo produzido pela soluo encontrada:
2 x 1 + x 2 0.1x 3 + x 4 = 2.7
0.4 x 1 + 0.5x 2 + 4 x 3 8.5x 4 = 21.9
0.3x1 x 2 + x 3 + 5.2 x 4 = 3.9

x 1 + 0.2 x 2 + 2.5x 3 x 4 = 9.9
> A := array([ [2,1,-.1,1], [.4,.5,4,-8.5], [.3,-1,1,5.2], [1,.2,2.5,-1] ]);
> F := vector([2.7,21.9,-3.9,9.9]);
> S := linsolve(A,F);
> F1 :=evalm(A&*S);
> Resduo := evalm(F-F1);
5) Resolver o sistema utilizando o Mtodo de Gauss-Jordan (Matrix Inversa).
2 x 1 + x 2 + 7 x 3 = b1
x 1 + 3x 2 + 2 x 3 = b 2
5x + 3x + 4 x = b
2
3
3
2
onde: a) b1 =16 b2 = -5 b3=11 b) b1 =25 b2 = -11 b3 = -5 c) b1 =3 b2 = 5 b3 = -5
> B := matrix(3,3, [2,1,7,1,3,2,5,3,4] );
> v1 :=vector(3,[16,-5,11] );
> v2 :=vector(3, [25,-11,-5] );
> v3 :=vector(3, [3,5,-5] );
> augment( B,v1,v2,v3 );
> gaussjord(%);
97

Objetivos: Determinar o polinmio interpolador utilizando a resoluo de sistemas de
equaes lineares. Detectar se um sistema linear mal condicionado. Gerar matrizes e vetores
utilizando comandos de teste e repetio.
Aplicao: Na modelagem de um processo de combusto necessrio expressar a entalpia
(E) como uma funo da temperatura (T). Considerando os dados tabelados, estimar a
entalpia para uma temperatura de 150 o F .
E(Btu / lb) 60 80 100 120 140 160 180
T(o F) 0.0 17.2 45.2 92.9 178.8 349.4 764.3
Exemplo 1
Construir uma matriz M = [mij] , de ordem 7x7, tal que mij = i + 3j se i igual a j e mij = 5ij
se i for diferente de j. M simtrica? Calcular o determinante de M . M inversvel?
Soluo:
> with(linalg);
>M := array(1..7,1..7);
> for i to 7 do
> for j to 7 do
>
if i <> j then M[i, j] := 5 * i * j
else M[i, j] := i + 3 * j
>
>
fi
> od
> od,
> print(M);
> M2 :=transpose(M);
> det(M);
> M1 :=inverse(M);
> evalf(%);
> evalm(M1 &* M);
> evalm(M1 + M2);
> evalf(%);
Exemplo2:
c arg a (kg )
2 4 6 8
alongamento(cm) 1,0 2,5 5,0 6,3
Estimar o alongamento para o caso de ser aplicada uma carga de 7Kg. Analisar
graficamente.
Soluo:
98
Procuramos p( x ) = a 0 + a 1x + a 2 x 2 + a 3 x 3 .
a) uma maneira de resolver no maple::
>solve ({a0+a1*2+a2*2^2+a3*2^3=1, a0+a1*4+a2*4^2+a3*4^3=2.5,
a0+a1*6+a2*6^2+a3*6^3=5, a0+a1*8+a2*8^2+a3*8^3=6.3}, {a0,a1,a2,a3});
> p:=x-> -.04583333333*x^3+.675*x^2-2.016666667*x+2.7;
> validade:= [p(2), p(4), p(6), p(8)];
> p(7);
Anlise Grfica:
> with(plots);
> plots[display]({plots[pointplot]([2,1,4,2.5,6,5,8,6.3]),plot(p(x),x=-5..15, y=0..10)});
b) outra forma de resolver o sistema:

> A := array([ [1,2,2^2,2^3], [1,4,4^2,4^3], [1,6,6^2,6^3], [1,8,8^2,8^3] ]);
> F := vector([1,2.5,5,6.3]);
Exemplo3: Considerar o sistema linear:
x1 + 1 / 2 x 2 + 1 / 3x 3 + 1 / 4 x 4 + 1 / 5x 5 = 137 / 60
1 / 2 x1 + 1 / 3x 2 + 1 / 4 x 3 + 1 / 5x 4 + 1 / 6 x 5 = 87 / 60
(*) 1 / 3x1 + 1 / 4 x 2 + 1 / 5x 3 + 1 / 6 x 4 + 1 / 7 x 5 = 459 / 420
1 / 4 x + 1 / 5x + 1 / 6 x + 1 / 7 x + 1 / 8x = 743 / 840
1
2
3
4
5
1 / 5x1 + 1 / 6 x 2 + 1 / 7 x 3 + 1 / 8x 4 + 1 / 9 x 5 = 1879 / 2520

a) (*) bem condicionado ou mal condicionado? Porqu? O que isso significa?
b) calcular a soluo de (*).
Soluo:
> with(linalg);
> C := hilbert(5);
> cond(C);
> ?cond;
> F := vector([137/60, 87/60, 459/420, 743/840, 1879/2520]);
> L := linsolve(C,F);
> evalm(C &* L);
99
Exerccio:
Consideremos a matriz de Hilbert de ordem n, Hn = [ hij ], com seus elementos genricos definidos
por
1
hij = =
, 1 i , j n
i + j 1
Hn um exemplo clssico de matriz mal condicionada.
a) Indicar se a afirmao abaixo verdadeira ou falsa e justificar.

Quanto maior for n, mais mal condicionada Hn .
b) Resolver o sistema H5.X = B , onde B = [ bi ], i= 1, 2, 3, 4 ,5 o vetor definido por:
n
1
bi =
i + j 1
j =1
c) Calcular o determinante de Hn , a matriz inversa de Hn e o produto HnHn-1.
c) Calcular todas a s raizes do determinante da matriz sI- Hn, s numero real qualquer e
I = matriz identidade
100
Aula de Laboratrio 6 utilizando Maple - Interpolao

EXEMPLO:
c arg a (kg )
2 4 6 8
alongamento(cm) 1,0 2,5 5,0 6,3
Estimar o alongamento para o caso de ser aplicada uma carga de 7Kg.
Procuramos p ( x) = a0 + a1 x + a2 x 2 + a3 x 3 Estudamos alguns algortmos para determinao dos

coeficientes de p.
1) via resoluo de um sistema linear:

1.a
> with(linalg):
> A := array([ [1,2,2^2,2^3], [1,4,4^2,4^3], [1,6,6^2,6^3],
[1,8,8^2,8^3] ]);
> F := vector([1,2.5,5,6.3]);
1.b
> solve({a0+a1*2+a2*2^2+a3*2^3=1,a0+a1*4+a2*4^2+a3*4^3=2.5,a0+a1*6
+a2*6^2+a3*6^3=5, a0+a1*8+a2*8^2+a3*8^3=6.3},{a0,a1,a2,a3});
2) Polinomio interpolador de Newtons para Diferenas Finitas Ascendentes

>
>
>
>
>
>
>
vx:=vector(4,[2,4,6,8]);
vy:=vector(4,[1,2.5,5,6.3]);
df:=array(1..3);
for i from 1 to 3 do df1[i]:=vy[i+1]-vy[i] od;
for i to 2 do df2[i]:=df1[i+1]-df1[i] od;
for i to 1 do df3[i]:=df2[i+1]-df2[i] od;
p:=x->1+((x-2)*df1[1])/(2)+((x-2)*(x-4)*df2[1])/(2!*(2^2))+((x-2
)*(x-4)*(x-6)*df3[1])/(3!*(2^3));
> simplify(p(x));
> p(7);
3) Via comandointerpdo maple

> vx:=vector(4,[2,4,6,8]):
> vy:=vector(4,[1,2.5,5,6.3]):
> pa:=interp(vx,vy,x):
> pa(7);
> paa:=unapply(pa,x):
> paa(7);
validade:
> [paa(2),paa(4),paa(6),paa(8)];
anlise grfica
> plots[display]({plots[pointplot]([2,1,4,2.5,6,5,8,6.3]),plot(paa
(x),x=-5..15, y=0..10)});
101
EXERCICIOS:
1) A tabela abaixo fornece a demanda diria mxima de energia
eltrica na Cidade A no ms de maro.
x(dia )
1 11 21 31
y (demanda MW ) 10 15 20 13
a) Determinar o polinmio interpolador p e verificar sua
validade.
b) Representar graficamente p e os dados tabelados num mesmo
sistema de eixos.
c) Estimar a demanda mxima e a data em que ocorreu.
>
2) A que temperatura a gua entra em ebulio no Pico da Bandeira
(altitude de 2890m), sabendo-se que o ponto de ebuliao da gua
varia com a altitude, conforme tabela abaixo:
altitude(m)
2600 2700 2800 2900 3000
o
ponto de ebulio( C ) 91.34 91.01 90.67 90.34 90.00
>
3) A velocidade do som na gua varia com a temperatura conforme
tabela:
temperatura ( oC ) 86.0 93.3 98.9 104.4 110.0
velocidade(m / s ) 1.552 1.548 1.544 1.538 1.532
a)Determinar o polinmio interpolador de Newton para diferenas
divididas,p, e verificar sua validade.
b) Estimar a velocidade do som se a temperatura da gua for de
100 graus centgrados.
102
c)Representar graficamente p e os dados tabelados num mesmo

sistema de eixos.
Comandos Utilizados
diff(expr, var);deriva uma expresso " expr" na variavel "var"
diff(expr, var, var$n);deriva uma expresso expr na varivel var, var$n

siginifica derivada de ordem n.
interp([exprx1,...,exprxn+1], [expy1,...,expryn+1], var);computa um polinomio na
varivel var de grau at n, no qual representa o polinomio
interpolador dos valores expx e expy .
plots[display]({plots[pointplot]([p1,p2,..,pn]),plot(f(x), x=-m..m)});plota graficos;
display, para plotar dois graficos ao mesmo tempo; pointplot, para
plotar os pontos; plot, para plotar um grafico de uma f(x)
simplify(expr);simplifica uma expresso
solve(eqn, var);resolve simbolicamente equaoes eqn para varaiivel
var.
subs(expr velha=expr nova, expr);substitui uma expresso antiga por uma
nova expresso
unapply(P,x);converte um polinomio P em uma funo na varivel x.
103
# PUCRS - Instituto de Matemtica

# Clculo Numrico -Prof. Eliete
Ajuste de Funoes
# Exemplo1
Considerando:
i
0
1
2
3
4
5
6
x 1
2
3
4
5
6
7
y 34 45 63 88 120 159 205
Ajustar os dados a reta e a uma parbola. Comparar os resultados graficamente.
> with(stats);
[ anova, describe, fit, importdata, random, statevalf, statplots, transform ]
> xv:=[1,2,3,4,5,6,7];
xv := [ 1, 2, 3, 4, 5, 6, 7 ]
> yv:=[34,45,63,88,120,159,205];
yv := [ 34, 45, 63, 88, 120, 159, 205 ]
> g:=fit[leastsquare[[x,y],y=a*x+b,{a,b}]]([xv,yv]);
57
x 12
2
> gl:=fit[leastsquare[[x,y]]]([[1,2,3,4,5,6,7],
[34,45,63,88,120,159,205]]);
g := y =
gl := y =
57
x 12
2
> gll :=unapply(rhs(g),x);

57
x 12
2
> gp:= fit[leastsquare[[x,y], y=a*x^2+b*x+c]]([xv, yv]):
> gpp:=unapply(rhs(gp), x);
gll := x
7
1
gpp := x x2 + x + 30
2
2
> with(plots):
> plots[display]({plots[pointplot]([1,34,2,45,3,63,4,88,5,120,6,15
9,7,205]),plot(gpp(x), x=-10..10, y=0..50),plot(gll(x), x=0..10,
y=0..210)});
104
Exemplo 2 - Ajuste por funo Potncia

Os dados abaixo do a durao D de uma broca de Carborundum em funo da velocidade de corte
V.
V [m/s] 100 120 150 180
D [min] 79 2 8 7.9 2.8
pede-se fazer uma tabela D = D(V) para V = 100(10) 180.
> v:=evalf([log(100),log(120),log(150),log(180)]);
v := [ 4.605170186, 4.787491743, 5.010635294, 5.192956851 ]
> d:=evalf([log(79),log(28),log(7.9),log(2.8)]);
d := [ 4.369447852, 3.332204510, 2.066862759, 1.029619417 ]
> fit[leastsquare[[x,y], y=a*x+b, {a,b}]]([v,d]);
> evalf(exp(30.52911140));
> dur :=x -> (.1813947103e14)*(x^(-5.680591334));
#validade:
> [dur(100),dur(120),dur(150),dur(180)];
#projeo:
> [dur(110),dur(130),dur(140),dur(160),dur(170)];
> plots[display]({plots[pointplot]([100,79,120,28,150,7.9,180,2.8]
),plot(dur(x), x=90..190, y=0..80)});
d 30 35 40 45 50 55 60 65 70 75
I 0.85 0.67 0.52 0.42 0.34 0.28 0.24 0.21 0.18 0.15
Os dados tabelados descrevem a intensidade da luz como uma funo
Exemplo 3
105
da distncia da fonte,I(d), medida num experimento.Utilizando o

sistema Maple, ajustar a uma parbola e a uma funo do tipo:
1
Y(d)= 2
Ad + Bd + C
Analisar os resultados plotando num mesmo sistema de eixos os
pontos tabelados e as funes de ajuste determinadas.
> vd:=[30,35,40,45,50,55,60,65,70,75];
vd := [ 30, 35, 40, 45, 50, 55, 60, 65, 70, 75 ]
> vi:=[.85,.67,.52,.42,.34,.28,.24,.21,.18,.15];
vi := [ .85, .67, .52, .42, .34, .28, .24, .21, .18, .15 ]
> vi1:=evalf([1/.85,1/.67,1/.52,1/.42,1/.34,1/.28,1/.24,1/.21,1/.1
8,1/.15]);
vi1 := [ 1.176470588, 1.492537313, 1.923076923, 2.380952381, 2.941176471, 3.571428571,
4.166666667, 4.761904762, 5.555555556, 6.666666667 ]
> f2:= fit[leastsquare[[x,i], i=a*x^2+x*b+c]]([vd, vi1]);
f2 := i = .001329810498 x2 .02080049421 x + .6161059331
> f2a:=unapply(rhs(f2),x);
f2a := x .001329810498 x2 .02080049421 x + .6161059331
> f3:=x->1/(.1329810498e-2*x^2-.2080049421e-1*x+.6161059331);
f3 := x
.001329810498 x .02080049421 x + .6161059331

> plots[display]({plots[pointplot]([30,.85,35,.67,40,.52,45,.42,50
,.34,55,.28,60,.24,65,.21,70,.18,75,.15]),plot(f2a(x),
x=10..100, i=0..3),plot(f3(x), x=10..100, i=0..3)});
2
106
> plots[display]({plots[pointplot]([30,.85,35,.67,40,.52,45,.42,50
,.34,55,.28,60,.24,65,.21,70,.18,75,.15]),plot(f2a(x),
x=-100..100, i=0..1),plot(f3(x), x=-100..100, i=0..2)});
>
Trabalho
x 0.00 0.50 1.00 1.50 2.00
y 1.00 0.50 0.30 0.20 0.20
107
Ajustar os dados tabelados a uma reta e a uma funo do tipo:

1
Y(x)=
ax + b
Analisar os resultados plotando num mesmo sistema de eixos os
pontos tabelados e as funes de ajuste determinadas.
Comandos utilizados
evalf([expr1,..., exprn]);avalia numricamente expresses, polinomios,
funes,...
fit[leastsquare[[var1,..., varn]]]; aplica o critrio dos mnimos quadrados
transform[applay[f(x)]]([expr1,..., exprn]);aplica a funo f(x) parra cada
expresso (expr)
transform[multiapplay[f(x)]]([list1,..., listn]);aplica os parmetros da funo
f(x) para cada elemento listado
plots[display]({plots[pointplot]([p1,p2,..,pn]),plot(f(x), x=-m..m)});plota grficos;
display, para plotar dois grficos ao mesmo tempo; pointplot, para
plotar os pontos; plot, para plotar um grfico de uma f(x)
unapply(P,x);converte a expresso P em uma funo na varivel x
108
PUCRS-FAMAT-Clculo Numrico-Exemplos de Integrao Numrica Utilizando Sistema

Maple9
Prof. Eliete Biasotto Hauser
> restart;
> with(Student[Calculus1]):
Ex.:Utilizando tarapzios e Simpson com 10 subintervalos, estimar o valor de I e comparar
2
( ( x )2 )
com o valor exato. I=
dx
e
Obs: Por default, o nmero de subintervalos utilizados 10. Incluindo a opo partition = n
o clculo obtido utilizando n subintervalos .
> ApproximateInt(exp(-x^2), x=0..2, method = trapezoid);evalf(%);
-1

-4

-9

-16
-36
-49
-64
-81
1 1 25 1 25 1 25 1 25 1 ( -1 ) 1 25 1 25 1 25 1 25
+ e
+ e
+ e
+ e
+ e + e
+ e
+ e
+ e
10 5
5
5
5
5
5
5
5
5
+
1 ( -4 )
e
10
0.8818388107
> ApproximateInt(exp(-x^2), x=0..2, method = simpson);evalf(%);
-9

-9
-16
-49
-81
-81
-4

-361
1
1 25 2 100 1 25 2 100 1 25 2 100 1 25 2 100
e
e
e
e
e
e
e
e
+
+
+
+
+
+
+
+
30 15
15
15
15
15
15
15
15
-121
-36
-169
-49
2 100 1 25 1 ( -4 ) 2 100 1 25 2 ( -9 / 4 ) 1 ( -1 ) 2 ( -1 / 4 )
+
+
+
+
+
+
e
e
e +
e
e
e
e +
e
15
15
30
15
15
15
15
15
-64
-1
-289
-1

1 25 2 100 2 100 1 25
e
e
e
e
+
+
+
+
15
15
15
15
0.8820809834
> Valor_exato:=int(exp(-x^2), x=0..2)=evalf(int(exp(-x^2),
x=0..2));
Valor_exato :=
1
erf( 2 ) = 0.8820813910
2
109
> ApproximateInt(exp(-x^2), x=0..2, method = trapezoid, output =

plot,partition = 4);

plot, partition = 20):
animation):
110
> ApproximateInt(exp(-x^2), x=0..2, method = simpson, output =

plot, partition =2);
> ApproximateInt(ln(x), 1..100, method = simpson, output =

animation):
111
Ateno: Sempre analisar os resultados obtidos

> ApproximateInt(x*(x - 2)*(x - 3), x=0..5, method = simpson,
output = plot);
No ltimo exemplo , rea 22.916667 esta correto?

> rea:=evalf(int(x*(x - 2)*(x - 3),x=0..2))+abs(evalf(int(x*(x 2)*(x - 3),x=2..3)))+evalf(int(x*(x - 2)*(x - 3),x=3..5));
rea := 23.75000000
> evalf(int(x*(x - 2)*(x - 3),x=2..3));
-0.4166666667
112
No prximo exemplo bvio que a rea no nula.

> ApproximateInt(tan(x) - 2*x, x=-1..1, method = simpson, output =
plot, partition = 50);
> evalf(int(tan(x) - 2*x, x=-1..0));

0.3843735297
> evalf(int(tan(x) - 2*x, x=0..1));
-0.3843735297
> area:=evalf(int(tan(x) - 2*x, x=-1..0))+abs(evalf(int(tan(x) 2*x, x=0..1)));
area := 0.7687470594
113
PUCRS - Faculdade de Matemtica

Prof. Eliete Biasotto Hauser-Clculo Numrico ALaboratrio EDO_EDP
y` = xy 1
1) Resolver no intervalo [1 , 1.75], utilizando o mtodo de Euler com h=0.25 , o PVI
y( 1 ) = 2
Resposta: y(1.75) 1.2018
2) Com h=k=10, resolver numericamente equao de Laplace
2u
2u
( x ,t ) +
( x ,t ) = 0 , 0 < x < 80 , 0 < y < 60 ,
y 2
x 2
sujeita s condies u ( x ,0 ) = u ( x ,60 ) = u ( 80 , y ) = 0 , e

j
6
5
4
3
2
1
0
x
0
100
100
100
100
100
100
100
0
1
0
46,993
63,138
67,192
63,138
46,993
0
10
2
0
24,835
38,368
42,490
38,368
24,835
0
20
3
0
13,978
23,010
26,032
23,010
13,978
0
30
4
0
8,068
13,660
15,620
13,660
8,068
0
40
5
0
4,633
7,942
9,128
7,942
4,633
0
50
u ( 0 , y ) = 100
6
0
2,523
4,348
5,009
4,348
2,523
0
60
7
0
1,110
1,917
2,211
1,917
1,110
0
70
8
0
0
0
0
0
0
0
80
i
60
50
40
30
20
10
0
y
u
2u
( x ,t )
( x ,t ) = 0 , 0 < x < 1, 0 t , com as condies de contorno
t
x 2
u ( 0 , t ) = u ( 1 , t ) = 0 , 0 < t , e as condies iniciais u( x ,0 ) = sen( x ), 0 x 1.
3 - Considerar a equao de calor
Para h=0,2 e k=0,01 obtemos as diferenas finitas para a equao do calor ui , j + 1 = 0 ,5 ui , j + 0 ,25 u
i + 1, j
Utilizando j=0 e i=1,2,3 e 4 obter as aproximaes da temperatura na primeira linha do tempo u(x , 0.01).
i
j
0
1
2
3
4
5
6
0 0,3219 0,5208 0,5208 0,3219
0
0,06
5
0 0,3559 0,5758 0,5758 0,3559
0
0,05
4
0 0,3934 0,6366 0,6366 0,3934
0
0,04
3
0 0,4350 0,7038 0,7038 0,4350
0
0,03
2
0 0,4809 0,7781 0,7781 0,4809
0
0,02
1
0 0,5317 0,8602 0,8602 0,5317
0
0,01
0
0 0,5878 0,9511 0,9511 0,5878
0
0,00
x 0
tempo
0,2
0,4
0,6
0,8
1
114
+u
i 1, j

Apostila Calc Numerico 2008

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

Apostila Calc Numerico 2008

Enviado por

Direitos autorais:

Formatos disponíveis

PONTIFCIA UNIVERSIDADE CATLICA DO RIO GRANDE DO SUL

Eliete Biasotto Hauser

1 Sistema de Ponto Flutuante Normalizado Teoria dos Erros....................4

2 Resoluo de Equaes Algbricas e Transcendentes.............................. 9

3 Sistemas de Equaes Lineares................................................................ 25

5 Resoluo Numrica de Equaes Diferenciais Ordinrias..................... 65

8 Resoluo Numrica de Equaes Diferenciais Parciais.......................... 72

Laboratrios utilizando Sistema Maple....................................................... 90

1 Teoria dos Erros - Sistema de Ponto Flutuante

0 , d d L d t a mantissa (uma frao na base ),

chamado Sistema de Ponto Flutuante Normalizado e representado por F(, t, m, M).

4) Para qualquer mantissa, vale 1 mantissa < 1 .

Se o expoente da base no pertencer a [m,M], y no pode ser representado em F.

E.B.Hauser Clculo Numrico

Se a representao do real y em F no exata, necessrio utilizar um

DIGSE ( x k , x k +1 ) = 0,3 + log +

o qual expressa o nmero de dgitos significativos exatos de x k em relao a x k + 1 . Aqui

representa a unidade de arredondamento da mquina ( =

1 - Teoria dos Erros

Passos para a resoluo de um problema: tipos de erros

Estudaremos algoritmos numricos a fim de obter uma soluo numrica do

Curiosidades: Some disasters caused by numerical errors.

E.B.Hauser Clculo Numrico

1) No sistema MapleV estimar e 8.3 utilizando

com 26 termos cada e comparar com e 8.3 0.2485168271x10 .

2) Em F(10 , 3 , -98 , 98) e arredondamento por truncamento estimar p(2.73) se:

Em ambos os casos estimar o erro absoluto ao comparar com p(2.73) 0.11917x10

exige n adies e (n +n)/2 multiplicaes enquanto que o algoritmo de Horner

1 - Teoria dos Erros

2) a)p(2.73)= -0.05 ,erro absoluto = 0.061917

b) (13,25)10 (1101,01) 2 c) (2.47)10 (10,011110) 2

2. Resoluo de Equaes Algbricas e Transcendentes

2.1- Equaes Polinomiais

3) Se a + bi raiz de p( x ) ento z = a bi tambm o .

E.B.Hauser Clculo Numrico

5)Se p ( x ) de grau mpar, ento p ( x ) possui ao menos uma raiz real.

6) Uma raiz x0 de p( x ) tem multiplicidade m se p( x0 ) = p ' ( x0 ) = p " ( x0 ) = K = p m1 ( x0 ) = 0

Ex.:1) x0 = 2 raiz de multiplicidade 2 p( x ) = 2 x 3 6 x 2 + 8

2 - Resoluo de Equaes Algbricas e Transcendentes

7) Valor numrico de um polinmio: para calcular, de forma usual, p(xi ) so necessrias n

Ex.: p( x ) = 3 x 5 + 4 x 4 2 x 3 x 2 + 3 x 4 = (((( 3 x + 4 )x 2 )x 1 )x + 3 )x4

2.1.1-Enumerao das Razes

Enumerar as razes de p( x ) dizer quantas so as razes e se positivas, negativas ou

O nmero de razes reais positivas de p( x ) igual ao nmero de variaes de sinais na

Se p (0 ) 0 e para algum k, a k2 a k 1 ak +1 ento p( x ) possui razes complexas.

Se p (0 ) 0 e para algum K, a k = 0 e a k 1 ak +1 > 0 , ento p ( x ) tem razes complexas.

E.B.Hauser Clculo Numrico

p( x ) pode ter: 1 raiz real

2.1.2-Localizao das razes de p(x)

Localizar as razes de p( x ) determinar a regio do plano que contm todas as razes.

Toda raiz (real ou complexa) de p( x ) satisfaz .

Ex.: p( x ) = x 4 3x 3 + 3,37 x 2 1,68 + 0,3136 x 1

2 - Resoluo de Equaes Algbricas e Transcendentes

esboar grfico da funo f (x ) e localizar as abcissas dos pontos onde a curva

Logo, existem trs razes reais: r1 ( 4 , 3) r2 (0 , 1) , r3 (2 , 3)

Obs: Devemos dar uma ateno especial para os casos de:

E.B.Hauser Clculo Numrico

p( x ) = x 4 3 x 3 + 3,37 x 2 1,68 x + 0,3136

r1 = 0,7 e r2 0,8 so razes de multiplicidade 2.

2.3- Mtodos para Resoluo de equaes algbricas e transcendentes

k > L (nmero mximo de iteraes)

2.3.1-Mtodo da Bisseo ou Dicotomia (Algoritmo de quebra)

Seja f : [a, b] continua e tal que f (a ) f (b ) < 0 .

2 - Resoluo de Equaes Algbricas e Transcendentes