Metodos Numericos PDF

UNIVERSIDADE FEDERAL DO PARAN
SETOR DE TECNOLOGIA/SETOR DE CINCIAS EXATAS

DEPARTAMENTO DE ENGENHARIA CIVIL/
DEPARTAMENTO DE MATEMTICA
PROGRAMA DE PS-GRADUAO EM MTODOS NUMRICOS
EM ENGENHARIA
ANLISE NUMRICA:
Uma Abordagem Algortmica e Computacional
,
por
Lucas Mximo Alves
CURITIBA PARAN
MARO 2007
LUCAS MXIMOALVES
ANLISE NUMRICA:
,
CURITIBA PARAN
MARO 2007
LUCAS MXIMOALVES
ANLISE NUMRICA:
Apostila organizada como resultado do estudo das aulas da

Disciplina de ANLISE NUMRICA para obteno de
crditos no curso de Doutorado do Programa de PsGraduao em Mtodos Numricos do Setor de
Tecnologia/Setor de Cincias Exatas, Departamento de
Engenharia Civil/Departamento de Matemtica da
Universidade Federal do Paran
Orientador: Prof. Dr. Jos Antonio Marques

Carrer
Orientador: Prof. Dr.
CURITIBA PARAN
MARO 2007
Dedicatria
Dedico este trabalho a todos os que, no se

conformando com este mundo da forma como o
encontraram, querem torn-lo em um lugar cada vez
melhor, atravs de suas atitudes e de seu trabalho.
Agradecimentos
Agradeo a Deus pelo seu imenso amor e misericrdia revelado nas oportunidades
que a vida me trouxe. Quero tambm agradecer:
minha Famlia pelo apoio emocional e espiritual, ao meu orientador o Prof. Dr.
....., ao meu Co-Orientador o Prof. Dr. .... , a Maristela Bradil pela amizade e dedicao com
que nos atende, aos amigos, ...., .... ...., ......., e toda a galera do CESEC.
Epgrafe
vida um algo multidimensional cuja

imprevisvel curvatura temporal s
conhecida quando se experimenta os fatos a
cada dia e, mesmo assim, no se consegue
prever com exatido a curvatura temporal dos
fatos seguintes, mesmo que se expanda esta (a
curvatura futura) numa vizinhana em torno
do fato no instante presente (Lucas M. Alves)
Sumrio
Apresentao ............................................................................................................................19
Captulo I ..................................................................................................................................20
INTRODUO AOS ERROS EM COMPUTADORES ........................................................20
1. 1 - Objetivos do Captulo .....................................................................................................20
1. 2 - Introduo 20
1. 3 - Noes Bsicas sobre Erros ............................................................................................21
1. 4 - Representao dos Nmeros em um Computador ..........................................................22
1. 5 - Aritmtica de Ponto Flutuante ........................................................................................24
1.5.1 Exemplo - 1 .................................................................................................................. 24
1.5.2 Exemplo - 2 .................................................................................................................. 25
1. 6 Anlise de Erros 26
1.6.1 - Erro absoluto: ................................................................................................................ 26
1.6.2 - Erro relativo: ................................................................................................................. 26
1. 7 - Erros de arredondamento e truncamento em um Sistema de Artimtica de ponto
Flutuante
27
1.7.3 Exemplo - 3 .................................................................................................................. 27

1.7.1 - Truncamento: ............................................................................................................... 28
1.7.2 Arredondamento ........................................................................................................... 28
1.7.4 Exemplo - 4 .................................................................................................................. 30
Soluo: 31
Concluso:31
1. 8 Erro absoluto e Erro relativo nas Operaes Aritmticas com Erros na representao
das Parcelas ou Fatores 31
1.8.1 Adio........................................................................................................................... 32
1.8.2 - Subtrao....................................................................................................................... 32
1.8.3 Multiplicao ................................................................................................................ 33
1.8.4 - Diviso .......................................................................................................................... 34
1. 9 - Exemplos e Aplicaes ...................................................................................................36
1. 10 - Exerccios e Problemas .................................................................................................37
Captulo II.................................................................................................................................38
ARITIMTICA DE PONTO FLUTUANTE EM PROGRAMAO....................................38
2. 1 - Objetivos do Captulo .....................................................................................................38
2. 2 Introduo 38
2. 3 Histria e Evoluo dos Computadores..........................................................................39
2.3.1 - Mquinas Calculadoras Mecnicas ............................................................................... 39
2.3.2 - Inicio da Era da Computao Eletromecnico ........................................................... 39
2.3.3 - Inicio da Era da Computao Eletrnica....................................................................... 39
2. 4 Representao Binria de Nmeros................................................................................40
2.4.1 - Esquema de um Computador ........................................................................................ 40

2.4.2 - Base Numricas............................................................................................................. 40
2.4.3 - Sistema Binrio ............................................................................................................. 40
2.4.4 - Exemplos de Representao de Nmeros ..................................................................... 42
2.4.5 - Transformao de um Valor Positivo em um Numero Negativo.................................. 42
2.4.6 - Aritmtica Binria ......................................................................................................... 43
2. 5 Representao Normalizada ...........................................................................................44
2. 6 Programao em FORTRAN..........................................................................................45
2. 7 Exemplos e Aplicaes...................................................................................................46
2. 8 Exerccios e Problemas...................................................................................................47
Captulo III ...............................................................................................................................48
SISTEMA DE EQUAES LINEARES ................................................................................48
3. 1 -Objetivos do Captulo ......................................................................................................48
3. 2 - Introduo 48
3. 3 Resoluo de Sistemas Lineares.....................................................................................49
3. 4 Mtodos Iterativos ..........................................................................................................49
3.4.1 - Esquema Iterativo.......................................................................................................... 49
3.4.2 - Critrio de Parada do Processo Iterativo ....................................................................... 50
3.4.3 - Utilizao dos mtodos iterativos ................................................................................. 50
3. 5 Mtodo de Gauss-Jacobi.................................................................................................51
3.5.1 - Exemplo ........................................................................................................................ 52
3.5.2 - Verificao da convergncia: ........................................................................................ 53
3.5.1 - Convergncia do mtodo............................................................................................... 54
3. 6 Mtodo de Gauss-Seidel.................................................................................................55
3.6.1 - O Processo Iterativo ...................................................................................................... 55
3.6.1 - Exemplo ........................................................................................................................ 58
3.6.2 - Soluo .......................................................................................................................... 58
3.6.2 - Convergncia do Mtodo .............................................................................................. 64
3.6.3 - Exemplo ........................................................................................................................ 65
3.6.4 - Soluo .......................................................................................................................... 65
3. 7 - Exemplos e Aplicaes ...................................................................................................66
3.7.1 - Exemplo ........................................................................................................................ 66
3.7.2 - Soluo .......................................................................................................................... 66
3. 8 - Exerccios e Problemas ...................................................................................................68
Captulo IV ...............................................................................................................................69
ZEROS DE FUNES E RAIZES DE EQUAES.............................................................69
4. 1 -Objetivos do Captulo ......................................................................................................69
4. 2 - Introduo 69
4. 3 - Zeros de Funes Reais...................................................................................................70
4.3.1 - Problema ....................................................................................................................... 70
4.3.2 - Aproximao inicial para raiz: ..................................................................................... 70
4.3.3 Mtodo da Bi-Seco (ou de Bolzano)......................................................................... 71
Exemplo : 74
4.3.3.1 Prova da Convergncia do Mtodo da Bi-Seco ..................................................... 76

4. 4 Iterao Linear 78
4.4.1 - Uma equao de iterao............................................................................................... 79
4.4.2 - Um critrio de parada para as iteraes ........................................................................ 80
4.4.3 - Concluso:..................................................................................................................... 80
4. 5 - Critrio de Convergncia para a iterao x = (x)..........................................................82
4.5.1 - Teorema do Valor Mdio .............................................................................................. 82
4.5.2 - Teorema da Permanncia do Sinal ................................................................................ 82
4.5.3 Teorema do Limitante da Derivada da funo de Iterao........................................... 83
4. 6 Ordem de Convergncia de uma Iterao.......................................................................85
4. 7 Mtodos de Aproximao...............................................................................................87
4.7.1 Mtodo das Aproximaes Sucessivas ou Ponto Fixo ................................................. 87
4.7.1 Interpretao Geomtrica ............................................................................................. 87
4.7.2 Mtodo de Newton-Raphson ........................................................................................ 88
4.7.2.1 Critrio de Convergncia do Mtodo de Newton-Raphson....................................... 90
4.7.2 Mtodo de Newton-Raphson Modificado .................................................................... 92
4.7.2.1 Critrio de Convergncia do Mtodo de Newton-Raphson Modificado................... 95
4.7.3 Mtodo da Secante........................................................................................................ 96
4.7.3.1 Clculo da Ordem de Convergncia do Mtodo da Secante .................................... 98
4.7.3.2 Prova da Convergncia do Mtodo da Secantes...................................................... 103
4.7.4 Mtodo da Falsa Posio ou Regula-Falsi.................................................................. 104
4.7.1 Interpretao Geomtrica ........................................................................................... 104
4. 8 - Exemplos e Aplicaes .................................................................................................107
4.8.1 - Problema ..................................................................................................................... 107
Soluo 107
Soluo 111
Soluo pelo Mtodo do Ponto Fixo ...................................................................................... 113
Soluo pelo Mtodo de Newton-Raphson ............................................................................ 117
Soluo 120
Captulo V ..............................................................................................................................123
SISTEMA DE EQUAES NO-LINEARES ....................................................................123
5. 1 - Objetivos do Captulo ...................................................................................................123
5. 2 - Introduo 123
Captulo VI .............................................................................................................................127
INTERPOLAO POLINOMIAL........................................................................................127
6. 1 Objetivos do Captulo...................................................................................................127
6. 2 Introduo 127
6. 3 Interpolao Polinmio de Interpolao....................................................................128
6.3.1 - Teorema - 1 ................................................................................................................. 128

Prova
129
6.3.2 - Definio - 1................................................................................................................ 130
6.3.3 - Exemplo - 1 ................................................................................................................. 131
6. 4 Interpolao Polinomial de Lagrange...........................................................................133
6. 5 Forma de Newton Interpolao Polinomial por Diferenas Dividas.........................135
6.5.1 Propriedade das Diferenas Divididas........................................................................ 136
6.5.2 Forma de Newton para o Polinmio Interpolador ...................................................... 137
6. 6 Estudo do Erro na Interpolao pelo Mtodo de Newton ............................................140
6.6.1 Teorema de Rolle........................................................................................................ 140
6.6.2 Limitante para o Erro.................................................................................................. 141
6. 7 Problemas na Interpolao Polinomial .........................................................................142
6. 8 Interpolao Polinomial de Hermite..............................................................................143
6.8.1 - Teorema....................................................................................................................... 143
6.8.2 - Mtodo Alternativo de Newton das Diferenas Divididas ......................................... 145
6. 9 Interpolao Polinomial de Bezier ................................................................................146
6.9.1 - Introduo ................................................................................................................... 146
6.9.2 - Definies Bsicas ...................................................................................................... 147
6.9.3 - Definio Matemtica da Curva de Bezier ................................................................. 148
6.9.4 - Exemplo de Curva de Bezier....................................................................................... 149
6.9.5 - Propriedades da Curva de Bezier ................................................................................ 151
6.9.6 - Curva de Bezier na Forma Matricial .......................................................................... 154
6.9.7 - Conexo de vrias Curva de Bezier ........................................................................... 155
6.9.8 - Vantagens e Desvantagens da Curva de Bezier ......................................................... 156
6. 10 Interpolao Polinomial de Bernstein.........................................................................157
6.10.1 - Motivao de sua Existncia ..................................................................................... 157
6.10.2 - Definio dos Polinmios ......................................................................................... 158
6.10.3 - Propriedades dos Polinmios .................................................................................... 160
6.10.4 - Base de Potncia de Bernstein .................................................................................. 164
6.10.5 Aproximao de Funes Contnuas ........................................................................ 164
Prova
165
6.10.6 - Derivadas dos Polinmios......................................................................................... 165
6.10.7 - Matriz de Representao dos Polinmios ................................................................. 166
6.10.8 - Exemplo de Aplicao de Interpolao de uma curva Bezier................................... 167
6. 11 Interpolao Polinomial por Spline .............................................................................170
6.11.1 - Definio das Splines ................................................................................................ 170
6.11.2 - Base para splines lineares (n = 1).............................................................................. 171
6.11.3 - Base para splines cbicas (n = 3) .............................................................................. 172
6.11.4 - Uso de Splines na Interpolao ................................................................................. 172
6. 12 Interpolao Polinomial por B-Spline .........................................................................174
6. 13 Exemplos e Aplicaes...............................................................................................177
6.13.1 Mtodo de Interpolao de Lagrange Exemplo 1.................................................. 177
Soluo 177
6.13.2 Mtodo de Interpolao de Lagrange Exemplo 2.................................................. 178
Soluo: 178
6.13.3 Mtodo de Interpolao Exemplo 3....................................................................... 179

Soluo: 179
6.13.4 Mtodo de Interpolao das Diferenas Divididas de Newton Exemplo - 1......... 181
Soluo 181
6.13.5 Anlise do Erro no Mtodo das Diferenas Divididas Exemplo - 1 ..................... 184
Soluo 184
Soluo 185
6.13.7 Clculo dos Limitantes do Erro Exemplo - 1 ........................................................ 187
6.13.8 Estimativa para o Erro Exemplo 1......................................................................... 188
Soluo: 189
b. Limitante do erro em cada caso .......................................................................................... 191
6.13.10 - Exemplo de Interpolao do Mtodo de Bernstein - 1............................................ 193
6.13.11 - Exemplo de Interpolao do Mtodo de Hermite - 1 .............................................. 194
Soluo 194
6.13.12 - Exemplo de Interpolao do Mtodo de Hermite - 2 .............................................. 199
Soluo 199
6. 14 Exerccios e Problemas...............................................................................................201
6.14.1 - Trabalho para casa..................................................................................................... 201
Captulo VII............................................................................................................................202
MTODOS DE AJUSTE DE CURVAS ...............................................................................202
7. 2 - Introduo 202
7. 3 Mtodo dos Mnimos Quadrados .................................................................................203
Captulo VIII ..........................................................................................................................206
INTEGRAO NUMRICA................................................................................................206
8. 1 -Objetivos do Captulo ....................................................................................................206
8. 2 - Introduo 206
8. 3 Integrao Numrica.....................................................................................................207
8. 4 Mtodo do Trapzio para a Integrao .........................................................................208
8.4.1 - Erro no Mtodo do Trapzio ....................................................................................... 208
8.4.1 - Exemplo ...................................................................................................................... 210
8. 5 Mtodo de Integrao de Simpson ...............................................................................211
8.5.1 - Erro no Mtodo de Simpson ....................................................................................... 213
8.5.2 - Exemplo ...................................................................................................................... 215
8. 6 Integrao Numrica pelo Mtodo da Quadratura de Gauss ........................................217
8. 7 Mtodo de Integrao de Chbychev ...........................................................................223
8.7.1 - Exemplo ...................................................................................................................... 225
8.7.2 - Soluo ........................................................................................................................ 225

Captulo IX .............................................................................................................................228
SOLUO NUMRICA DE EQUAES DIFERENCIAIS ..............................................228
9. 2 - Introduo 228
9. 3 Soluo Numrica de Equaes Diferenciais ...............................................................229
9. 4 Mtodos de Integrao..................................................................................................229
9. 5 Mtodos Iterativos de passo um, usando s anterior xn ...........................................230
9.5.7 - Ordem do Mtodo Numrico ...................................................................................... 230
9.5.1 - Mtodo de Euler Linear ou de ordem mm .................................................................. 231
9.5.2 - Exemplo ...................................................................................................................... 232
9.5.3 - Soluo ........................................................................................................................ 232
9.5.4 - Mtodo Quadrtico da Srie de Taylor com Trs Termos .......................................... 234
9.5.5 - Exemplo ...................................................................................................................... 234
9.5.6 Soluo ....................................................................................................................... 234
9.5.10 - Mtodo de Heun ou Mtodo de Euler Modificado ................................................... 236
9.9.2 - Exemplo ...................................................................................................................... 236
9. 6 Mtodos de Runge-Kutta..............................................................................................238
9.6.1 - Mtodo de Runge-Kutta de Ordem 1 .......................................................................... 238
9.6.5 - Mtodo de Runge-Kutta de Ordem m ......................................................................... 244
9.9.2 - Exemplo ...................................................................................................................... 244
9. 7 Mtodos de Predio-Correo ....................................................................................245
9. 8 Mtodos Implcitos que usam xn 1 como Corretor ...................................................246
9.9.1 - Algorimo ..................................................................................................................... 246
9.9.2 - Exemplo ...................................................................................................................... 247
9. 9 Mtodos Explcitos, passo mltiplo, que usam xn , xn 1 , xn 2 como Previsor ............250
9.10.1 - Adams-Moutton: ....................................................................................................... 250
9.10.2 - Adams-Bashforth: ..................................................................................................... 250
9.10.3 - Mtodo de Hamming:................................................................................................ 250
9. 10 Mtodos de Passos Mltiplos .....................................................................................251
9.11.1 - Mtodo de Milne-Simpson (4 ordem)...................................................................... 252
9. 11 - Exemplos e Aplicaes ...............................................................................................253
9.12.1 - Exemplo .................................................................................................................... 253
9. 12 - Exerccios e Problemas ...............................................................................................254
Anexos ....................................................................................................................................255
A1 - Os cdigos para compilao em MATLAB para Curvas de Bezier...............................255
A2 Superfcies de Bezier .....................................................................................................257
A3 Superfcies de B-Spline .................................................................................................259
Bibliografia.............................................................................................................................261
Lista de Figuras
Figura - 1. 1. Diagrama de transformao de um problema real em um modelo matemtico .21
Figura - 1. 2. Seqncia de aparecimento ou introduo natural dos erros nas etapas de clculo
da soluo de um problema fsico. ...........................................................................................21
Figura - 1. 3. Esquema da faixa de Operao Numrica de um Computador ..........................25
Figura - 1. 4. Representao Esquemtica de um Computador................................................40
Figura - 1. 5. Representao Esquemtica de um Computador................................................40
Figura - 1. 6. .............................................................................................................................44
Figura - 4. 1. .............................................................................................................................71
Figura - 4. 2. .............................................................................................................................72
Figura - 4. 3. .............................................................................................................................73
Figura - 4. 4. .............................................................................................................................74
Figura - 4. 5. Teorema do valor mdio .....................................................................................82
Figura - 4. 6. Funo de Iterao ..............................................................................................85
Figura - 4. 7. Representao Geomtrica do Mtodo de Aproximaes Sucessivas ou Ponto
Fixo...........................................................................................................................................87
Figura - 4. 8. Representao Geomtrica do Mtodo de Newton-Raphson. ............................89
Figura - 4. 9. Representao Geomtrica do Mtodo de Newton-Raphson Modificado..........92
Figura - 4. 10. Representao Geomtrica do Mtodo da Secante...........................................97
Figura - 4. 11. Representao Geomtrica da Falsa Posio..................................................104
Figura - 4. 12. .........................................................................................................................105
Figura - 6. 1. Escolha da ordem do polinmio de interpolao, Interpolao: Linear,
Quadrtica, Cbica. ................................................................................................................128
Figura - 6. 2. ...........................................................................................................................134
Figura - 6. 3. ...........................................................................................................................137
Figura - 6. 4. ...........................................................................................................................140
Figura - 6. 5. ...........................................................................................................................142
Figura - 6. 6. ...........................................................................................................................143
Figura - 6. 7. ...........................................................................................................................148
Figura - 6. 8. Funes de mistura. (a) Polgono de trs pontos, n = 2; (b) Polgono de quatro
pontos, n = 3; (c) Polgono de cinco pontos, n = 4; (d) Polgono de cinco pontos, n = 5; .....153
Figura - 6. 9. Sergi Natanovich Bernstein quem primeiro utilizou os polnios que levam o seu
nome. ......................................................................................................................................157
Figura - 6. 10. .........................................................................................................................160
Figura - 6. 11. .........................................................................................................................167
Figura - 6. 12. .........................................................................................................................168
Figura - 6. 13. .........................................................................................................................168

Figura - 6. 14. .........................................................................................................................168
Figura - 6. 15. .........................................................................................................................169
Figura - 6. 16. .........................................................................................................................169
Figura - 6. 17. .........................................................................................................................169
Figura - 6. 18. a) Spline linear (n = 1); b) Spline cbica (n = 3). ...........................................170
Figura - 6. 19. .........................................................................................................................171
Figura - 6. 20 ..........................................................................................................................172
Figura - 6. 21.A funo B-Spline no passa pelos pontos de controle. ..................................174
Figura - 8. 1. Processo de integrao numrica. .....................................................................207
Figura - 8. 2. Transformao de coordenadas do mapeamento linear do contorno................217
Figura - 8. 3. Integral de Gauss da funo z() nas coordenadas de generalizadas k...........218
Figura - 8. 4. Processo de Integrao de Gauss. .....................................................................221
Figura - 8. 5. Integrao de Gauss para um funo linear. .....................................................222
Figura - 9. 1. ...........................................................................................................................231
Tabela - IX.1...........................................................................................................................235
Figura - A. 1. Os dezesseis pontos de controle de uma superfcie de Bzier. ........................258
Lista de Tabelas
Tabela - I. 1...............................................................................................................................25
Tabela - IV. 1............................................................................................................................75
Tabela - IV. 2..........................................................................................................................108
Tabela - IV. 3..........................................................................................................................112
Tabela - IV. 4..........................................................................................................................112
Tabela - IV. 5..........................................................................................................................113
Tabela - IV. 6..........................................................................................................................114
Tabela - IV. 7..........................................................................................................................115
Tabela - IV. 8..........................................................................................................................116
Tabela - IV. 9..........................................................................................................................117
Tabela - IV. 10........................................................................................................................118
Tabela - IV. 11........................................................................................................................118
Tabela - IV. 12........................................................................................................................119
Tabela - IV. 13........................................................................................................................121
Tabela - VI. 1. Tabela de Diferena Divididas.......................................................................135
Tabela - VI. 2..........................................................................................................................151
Tabela - VI. 3..........................................................................................................................177
Tabela - VI. 4..........................................................................................................................179
Tabela - VI. 5..........................................................................................................................179
Tabela - VI. 6..........................................................................................................................181
Tabela - VI. 7..........................................................................................................................181
Tabela - VI. 8..........................................................................................................................183
Tabela - VI. 9..........................................................................................................................184
Tabela - VI. 10........................................................................................................................184
Tabela - VI. 11........................................................................................................................185
Tabela - VI. 12........................................................................................................................188
Tabela - VI. 13........................................................................................................................189
Tabela - VI. 14........................................................................................................................189
Tabela - VI. 15........................................................................................................................190
Tabela - VI. 16........................................................................................................................190
Tabela - VI. 17........................................................................................................................194
Tabela - VI. 18........................................................................................................................199
Tabela - VI. 19........................................................................................................................199
Lista de Siglas
Lista de Smbolos
Apresentao
Esta apostila resultado da digitao das aulas do prof. Jos Antonio Marques
Carrer. Ela resultado de estudos pessoais do estudante de doutorado Lucas Mximo Alves.
Alguns acrscimos as notas de aulas foram feitos com o intuito de se esclarecer mais algum
assunto, ou detalhar algum tpico ou exerccio em questo. A idia fornecer, a quem possa
interessar, um material com os clculos detalhados e mastigados para que a consulta seja
rpida e fcil, principalmente para aqueles estudantes que em poca de provas sesejam fazer
uma reviso rpida da matria, lendo-a como se fosse um jornal de notcias, sem embargos e
confuses. A estruturao visual do texto desta apostila procura facilitar uma leitura dinmica.
Ela foi desenvolvida durante alguns anos de experincia no preparo de notas de aulas na
Universidade Estadual de Ponta Grossa. Esta forma de estruturao busca uma forma de se
obter uma consulta visual rpida e agradvel (no cansativa aos olhos), a partir do contedo
contido numa pgina. Pensou-se em uma diagramao do texto de forma que fosse possvel
coletar informaes do contedo das pginas visualmente, para uma rpida reindexao
mental do contedo em ministrao durante as aulas em tempo real. Desta forma, uma pessoa
familiarizada com o assunto do texto ter facilidade de encontrar o que lhe interessa no
momento, por meio de um rpido exame de uma pgina de interesse.
Captulo I
INTRODUO AOS ERROS EM COMPUTADORES
RESUMO
Neste captulo ser visto uma introduo a teoria matemtica dos erros e suas
definies gerais. Sero apontado as principais fontes de erros numricos. Sero fornecidos
exemplos de casos de erros numricos para que o estudante possa adquirir uma sensibilidade
no entendimento e na deteco de erros numricos cometidos em clculos por computadores.
1. 1 - Objetivos do Captulo
i) Entender as vrias definies de tipos de erro, tais como: erro absoluto e
relativo, etc;
ii) Saber detectar fontes de erros matemticos;
iii) Saber quantificar, estimar e calcular erros;
iv) Entender a fonte de erros em um computador;
v) Entender como funciona os erros na aritmtica de ponto flutuante.
1. 2 - Introduo
O erro experimental algo inerente a medida. Por outro lado, o erro de clculo
pode surgir de vrias fontes que vo, desde o mtodo de aproximao escolhido at a mquina
utilizada no clculo. Estudar erros e tipos de erros matemticos imprescindvel no Clculo
Numrico de quantidades fsicas. Saber estim-los de vital importncia na cincia e na
engenharia. Saber prev-los facilita a anlise numrica e define os resultados finais dos
clculos. Dele depende a limitao de muitas estruturas em fsica qumica e engenharia.
1. 3 - Noes Bsicas sobre Erros

De uma maneira geral, um problema real descrito, em termos matemticos, por
meio de equaes diferenciais que envolvem variveis relevantes no estudo do problema real.
Essa seleo de variveis no deve impedir que o modelo matemtico seja uma boa
representao do modelo real, conforme mostra a Figura - 1. 1.
Figura - 1. 1. Diagrama de transformao de um problema real em um modelo matemtico
Dado um problema fsico, para resolv-lo devemos matematiz-lo por meio de

equaes diferenciais que em geral possui dois tipos de solues: uma analtica e outra a
soluo numrica ou aproximada. Dada uma soluo ns teremos erros. impossvel
matematizar em um problema real abarcando todos os detalhes. Portanto, o modelo que
fornece a soluo analtica j uma aproximao do problema real.
A soluo analtica a soluo exata do modelo matemtico que tenta representar
o problema real. Contudo, j a soluo analtica pode ser truncada ou aproximada quando est
fornecida por uma srie infinita, por exemplo. Esta seqencia de erros esquematizada na
Figura - 1. 2.
Figura - 1. 2. Seqncia de aparecimento ou introduo natural dos erros nas etapas de clculo da
soluo de um problema fsico.
Se o modelo matemtico no possuir soluo analtica pode-se recorrer aos

mtodos numricos para a soluo das equaes que representam o modelo.
* Mtodos Numricos: Conjunto de procedimentos utilizados para transformar o modelo
matemtico em um problema numrico.
A descrio seqencial dos passos em um nmero finito, que caracterizam um
mtodo numrico chama-se algoritmo.
Na soluo do problema com o emprego de mtodos numricos e de
computadores surgem erros devidos a representao dos nmeros no computador e resultantes
de operaes aritmticas. Se x representa a soluo analtica e x , a numrica deseja-se saber:
quo prximo x est de x.
1. 4 - Representao dos Nmeros em um Computador

Ao se efetuar os somatrios:
30000
S1
xi
xi 0,5
(1. 1)
xi 0,1
(1. 2)
xi 2,0
(1. 3)
i 1
e
30000
xi
S2
i 1
e
30000
S3
xi
i 1
Usando o seguinte algoritmo em FORTRAN
(1. 4)
Encontram-se os resultados:
Em preciso simples:
S1 = 15000
S2 =3000,576
(1. 5)
S3 = 60000
Em preciso dupla:
S1 = 15000
S2 =2999,99999999837
(1. 6)
S3 = 60000
O resultado correto para S2 seria 3000. A diferena entre esse resultado e os
fornecidos pelo computador, isto , o erro, ocorre devido representao de 0,1 no
computador.
A representao de um nmero depende da base disponvel na mquina em uso e
do numero mximo de dgitos usados. Um computador opera, normalmente, no sistema
binrio. No dia a dia emprega-se a base decimal. Uma fonte de erros proveniente da
converso do sistema binrio para o decimal.
De um modo geral, um nmero na base ,
a j a j1a j2 ...a2 a1ao ,
0 ak 1 , k 0,1,2,..., j , pode ser escrito na forma polinomial:
a j a j1a j2 ...a2 a1ao a j j a j1 j 1 ... a1 ao 0
(1. 7)
Por exemplo:
101112 1.2 4 0.23 1.2 2 1.21 1.2 0 10 (23)10
(1. 8)
O nmero (0,5)10 possui representao finita na base 2, igual (0,1) 2 ; o nmero
(0,1)10 possui representao infinita na base 2 (0,00001100110011...) 2

Um nmero inteiro decimal sempre pode ser representado exatamente no sistema
binrio porque os nmeros inteiros podem ser expressos como a soma de potncias de 2.
Uma frao racional s pode ser expressa por um nmero finito de dgitos no
sistema binrio quando pode ser escrita como o quociente de dois inteiros p/q onde q uma
potncia de 2: q = 2n para algum inteiro n.
1. 5 - Aritmtica de Ponto Flutuante

Um computador representa um nmero real no sistema denominado aritmtica de
ponto flutuante.
A forma normalizada de um nmero representado na base em aritmtica de
ponto flutuante de t dgitos :
.d1d 2 ...d t e
onde 0 d j 1 ;
(1. 9)
j 1,2,..., t ; d1 0 (forma normalizada), e o expoente
no intervalo [l , u ] ; em geral , l u .
A nomenclatura utilizada a dos logaritmos: O expoente denominado
caracterstica e a parte fracionria, mantissa.
1.5.1 Exemplo - 1
Considerando uma mquina que opera no sistema:
10, t 3, e [5,5]
nesse sistema os nmeros sero representados como:

d1 0
.d1d 2 ...dt 10e
0 d j 9, j 1, 2, t 3
(1. 10)
O maior nmero representado (em mdulo):
M 0,999.105 99900
(1. 11)
m 0,100.10 5 10 6
(1. 12)
O menor :
Para um nmero real x:

1) m x M
Se
x 235,89 0,23589.10 3
(1. 13)
x 0,235.10 3
(1. 14)
com truncamento:
com arredondamento:
x 0,236.10 3
(1. 15)
2) x m underflow e x M overflow
Estes nmeros no podem ser representados nesta mquina porque esto fora dos
intervalos de representao dos nmeros.
Conforme mostra a Figura - 1. 3
Figura - 1. 3. Esquema da faixa de Operao Numrica de um Computador
1.5.2 Exemplo - 2
Representar os nmeros em um sistema de aritmtica de ponto flutuante de trs
dgitos com
10 e e [4,4] , m 0,1.10 4 10 5 ; M 0,999.10 4 9990

Tabela - I. 1
Representao por
Representao por
arredondamento
truncamento
1,25
0,125.101
0,125.101
10,053
0,101.102
0,100.102
-238,15
-0,238.103
-0,238.103
2,71828...
0,272.101
0,271.101
0,000007
0,7.105 (Underflow)
0,7.10-5 (Underflow)
718235,32
0,719.106 (Overflow)
0,718.106 (Overflow)
10,53
0,101.102
0,100.102
1. 6 Anlise de Erros
Vamos a partir de agora introduzir uma anlise elementar de erros a partir da
conceituao de erros absoluto e relativo.
1.6.1 - Erro absoluto:

a diferena entre o valor exato de um nmero x e seu valor aproximado x :
EAx x x
(1. 16)
Nem sempre possvel conhecer o valor exato de um nmero por isso o erro pode
ser calculado em relao ao ser valor aproximado,
EAx x x 0, 01(limitante superior do erro)
(1. 17)
1.6.2 - Erro relativo:

O erro relativo empregado quando o erro absoluto de duas medidas so
prximas, mas o valor absoluto delas so distintos. Portanto, o erro relativo o erro relativo
dividido pelo seu valor exato x:
ERx
EAx x x
x
x
x0
(1. 18)
ERx
EAx
xx
x
x
(1. 19)
Se o erro exato no conhecido, mas apenas o valor aproximado, o erro relativo

dado por:
ERx
EAx x x
x
x
(1. 20)
ERx
EAx
xx
x
x
(1. 21)
1. 7 - Erros de arredondamento e truncamento em um Sistema de

Artimtica de ponto Flutuante
Seja x um nmero real no sistema de ponto flutuante, logo:
.d1d 2 ...d t e
(1. 22)
onde a base em que a mquina opera, t o nmero de dgitos na mantissa, com
0 d j 1 ; j 1, 2,..., t e d1 0 (forma normalizada), e e o expoente no intervalo

[ u , u ] .
Se x est na base 10 com t dgitos este pode ser escrito da seguinte forma:
x f x .10e g x .10e t
(1. 23)
onde 0,1 f x 1 e 0 g x 1
1.7.3 Exemplo - 3
Se x 234, 57 e t 4 , temos:
x 234,5 0, 07
(1. 24)
x 0, 2345.103 0, 7.101
(1. 25)
x f x .103 g x .101
(1. 26)
ou
Logo
onde f x 0, 2345 e g x 0, 7
claro que na representao de x neste sistema g x .10e t no pode ser
incorporado totalmente mantissa. Ento surge a questo de como considerar esta parcela na
mantissa e definir o mximo erro absoluto (ou relativo) cometido.
Dado um sistema de aritmtica de ponto flutuante de t dgitos na base 10, as
seguintes limitaes so encontradas para os erros absolutos e relativos, de truncamento e
arredondamento:
1.7.1 - Truncamento:
O erro absoluto no truncamento, g x .10e t desprezado e x f x .10e da:
EAx x x
(1. 27)
EAx f x .10e g x .10e t f x .10e
(1. 28)
EAx g x .10e t
(1. 29)
EAx 10 et
(1. 30)
ou seja
logo
como g x 1 temos:
O erro relativo dado por:

ERx
EAx
xx
x
x
(1. 31)
ou seja
g x .10e t
EAx
10e t
10e t
ERx
x
x
f x .10e 0,1.10e
e t
ERx
(1. 32)
10
10e 1
Portanto,
ERx 10 t 1
(1. 33)
1.7.2 Arredondamento
No arredondamento, f x modificado para levar em considerao g x
x f x .10e g x .10e t
(1. 34)
e
f x .10 se g x 2
x
f .10e 10e t se g 1
x
x
2
(1. 35)
Ento o erro absoluto dado por:
EAx x x
(1. 36)
EAx f x .10e g x .10e t f x .10e
(1. 37)
EAx g x .10e t
(1. 38)
1
EAx 10e t
2
(1. 39)
ou seja
logo
como g x
1
temos:
2
E o erro relativo dado por:

ERx
EAx
xx
x
x
(1. 40)
ou seja
1 e t
g x .10e t 2 10
EAx
1 10e t
ERx
x
x
f x .10e 2 0,1.10e
(1. 41)
1 10e t
ERx
2 10e 1
Portanto,
1
ERx 10 t 1
2
Por outro lado se g x
1
, teremos:
2
(1. 42)
Ento o erro absoluto dado por:
EAx x x
(1. 43)
EAx f x .10e g x .10e t f x .10e 10e t
(1. 44)
EAx g x 1 .10e t
(1. 45)
1
EAx 10e t
2
(1. 46)
ou seja
logo
como g x
1
temos:
2
E o erro relativo dado por:

ERx
EAx
xx
x
x
(1. 47)
ou seja
1 e t
g x .10e t 2 10
EAx
1 10e t
ERx
x
x
f x .10e 2 0,1.10e
(1. 48)
1 10e t
ERx
2 10e 1
Portanto,
1
ERx 10t 1
2
(1. 49)
1.7.4 Exemplo - 4
Sendo t = 4 base 10 e sendo dados x = 0,937.104 e y = 0,1272.102, obter (x + y) e
xy, usando truncamento e arredondamento:
Soluo:
a)
x y 0,937.10 4 0,001272.10 4 0,938272.10 4
(1. 50)
Como t = 4, o resultado arredondado :

x y 0,9383.104
(1. 51)
x y 0,9382.104
(1. 52)
x. y 0,937.10 4.0,1272.10 2 0,1191864.10 6
(1. 53)
O resultado truncado :
b)
Como t = 4, o resultado arredondado :

x. y 0,1192.106
(1. 54)
x. y 0,1191.106
(1. 55)
O resultado truncado :
Concluso:
Ainda que as parcelas ou fatores em uma expresso estejam representados
exatamente no sistema, no se pode esperar que o resultado da equao seja exato.
1. 8 Erro absoluto e Erro relativo nas Operaes Aritmticas

com Erros na representao das Parcelas ou Fatores
Dada uma seqncia de operaes importante a noo de como o erro se
propaga em uma operao ao longo das operaes subseqentes.
O erro total em uma operao composto pelo erro das parcelas ou features e
pelo erro no resultado da operao.
Sejam x e y tais que:
x x EAx
e
(1. 56)
y y EAy
(1. 57)
1.8.1 Adio
O erro absoluto dado por:
x y ( x EAx ) ( y EAy )
( x y ) ( EAx EAy )
(1. 58)
Ou
x y x y EAx y
(1. 59)
Onde EAx y EAx EAy e o erro absoluto da soma.

ERx y
EAx y
xy
EAy
EAy
EAx
EAx
x
y
.
.
xy xy
x (x y )
y (x y )
(1. 60)
logo
ERx y
x .ERx y .ER y
xy
(1. 61)
1.8.2 - Subtrao
Analogamente temos:
x y ( x EAx ) ( y EAy )
( x y ) ( EAx EAy )
(1. 62)
Ou
x y x y EAx y
(1. 63)
Onde EAx y EAx EAy e o erro absoluto da soma.

ERx y
EAx y
xy
EAy
EAx
x
y
.
.
x x y
y x y
(1. 64)
logo
ERx y
x .ERx y .ER y
xy
(1. 65)
1.8.3 Multiplicao
O erro absoluto dado por:
x. y ( x EAx ).( y EAy )
( x . y ) ( xEAy yEAx EAx EAy )
(1. 66)
Admitindo que o produto EAx EAy pode ser desprezado temos:
x. y ( x . y ) ( xEAy yEAx )
(1. 67)
E, portanto EAxy xEAy yEAx o erro absoluto da soma.

ERxy
xEAy yEAx
x.y
(1. 68)
ou
ERxy
EAxy
x.y
EAy .
x
y
EAx .
x.y
x.y
(1. 69)
Logo o erro relativo :

EAx EAy
x
y
(1. 70)
ERxy ERx ER y
(1. 71)
ERxy
ou seja
1.8.4 - Diviso
x x EAx x EAx 1
EAy
y y EAy
y
1
y
(1. 72)
EAy
em Srie e desprezando-se as potncias maiores do que 1,

Expandindo 1
y
encontra-se:
EAy
1
1
EAy
y
1
y
(1. 73)
EAy
x x EAx x EAx
1
y y EAy
y
y
(1. 74)
x x EAx y EAy x y x EAy yEAx EAx EAy

y
y
y
y2
(1. 75)
Ento:
Que resulta em:
Desprezando o produto dos erros absolutos
x x yEAx x EAy

y y
y2
(1. 76)
yEAx x EAy
EAx / y
2
y
(1. 77)
E, portanto,
ERx / y
EAx / y
x/y
y yEAx xEAy
x
y2
(1. 78)
Logo
ERx / y
y 2 EAx
x.y 2
y .xEAy
x.y 2
(1. 79)
ficando
EAx EAy
x.
y
(1. 80)
ERx / y ERx ER y
(1. 81)
ERx / y
Portanto,
1. 9 - Exemplos e Aplicaes
1. 10 - Exerccios e Problemas
Captulo II
ARITIMTICA DE PONTO FLUTUANTE EM
PROGRAMAO
RESUMO
Neste captulo ser visto um breve histrico da evoluo dos computadores. Um
resumo da representao binria dos nmeros, um estudo do funcionamento binrio dos
computadores e exemplos de aritmtica de ponto flutuante.
i) Adquirir uma rpida viso da evoluo dos computadores durante as decadas
ii) Entender como funciona a aritmtica de ponto flutuante
iii) Conhecer o funcionamento da representao dos nmeros em um computador
iv) Entender a gerao ea representao binria e decimal dos nmeros
2. 2 Introduo
O computador deixou de ser um objeto privativo dos cientistas e entrou no dia a
dia da sociedade. Porm poucos so os que verdadeiramente conhecem a sua evoluo e seu
funcionamento. Para o cientista e calculista de engenharia imprescindvel ter acesso a
informaes mais detalhadas sobre o funcionamento do clculo nos computadores nos dias de
hoje. Pois dessas informaes dependem a qualidade dos seus clculos. Um curso de Anlise
Numrica como este visa dar ao estudante uma rpida viso do funcionamento dos
computadores e das mquinas de clculo. O estudante deve adquirir atravs do entendimento
do funcionamento do computador uma sensibilidade profissional para o estudo e anlise dos

erros cometidos nos clculos numricos utilizados em cincia e engenharia.
2. 3 Histria e Evoluo dos Computadores
2.3.1 - Mquinas Calculadoras Mecnicas
1) baco
2) Pascalina
3) Calculadora de Leibnitz
4) Tear de Jacquard
5) Mquina Diferencial de Babbage que utilizava os cartes de Jacquard
6) Mquina Analtica de Babbage Pai do Computador
2.3.2 - Inicio da Era da Computao Eletromecnico

1) Tabulador de Holleitz (1890)
2) Mark I (1944) Mquina Eletromecnica
3)
2.3.3 - Inicio da Era da Computao Eletrnica

1) ENIAC (1942): Usava vlvulas
2) EDVAC (1944)
3) EDSAC (1949) 1 computador de programa armazenado operacional de grande escala
Vlvula x Transistor
4) UNIVAC I: 1 computador comercial de sucesso
5) IBM System/360 modelos 40, 50, 65 e 75
6) PDP-8 (1965): 1 minicomputador comercial, PDP 10, PDP 11
7) Cray I (1976) 1 supercomputador
8) Micromputadores: Apple IIc Plus, Xerox Alto
9) IBM/PC: Computador Pessoal
2. 4 Representao Binria de Nmeros

Vamos a partir de agora descrever resumidamente o funcionamento da
representao dos nmeros em um computador.
2.4.1 - Esquema de um Computador
Figura - 1. 4. Representao Esquemtica de um Computador
2.4.2 - Base Numricas

Base 10: (2.310)d = 2 x 103 + 3 x 102 + 1 x 101 + 0 x 100
Base 2: (10011)b = 1 x 24 + 0 x 23 + 0 x22 + 1 x 21 + 1 x 20 = (19)d
(2. 1)
(2. 2)
2.4.3 - Sistema Binrio

O sistema binrio requer mais dgitos que o sistema decimal, porque s possui
dois algarismo o zero e o um (0 ou 1).
Figura - 1. 5. Representao Esquemtica de um Computador
Palavra de Dados PD:

1) Valor Mximo: 24
0000 1111
0 15
(2. 3)
2) Valor Mximo: 28
00000000 11111111
0 255
(2. 4)
3) Valor Mximo: 216
0000000000000000 1111111111111111
0 65535
(2. 5)
4) Valor Mximo: 232
00000000000000000000000000000000 11111111111111111111111111111111
0 4294967295
5) 264
(2. 6)
00000000000000000000000000000000 11111111111111111111111111111111
00000000000000000000000000000000 11111111111111111111111111111111
(2. 7)
0 ...
....
O Windows Vista o 1 Sistema Operacional que pretende usar toda a
capacidade.
2.4.4 - Exemplos de Representao de Nmeros

Considerando-se palavras de 32 bits temos:
Complemento a dois para sinais
0000.0000...0000 = 0d
(2. 8)
0000.0000...0001 = 1d
(2. 9)
0111.1111...1111b = 2.147.483.647
(2. 10)
1000. 0000...1111b = -2.147.483.647
(2. 11)
1111.1111...1111b = -1d
(2. 12)
231 230 ... 21 20
(2. 13)
2.4.5 - Transformao de um Valor Positivo em um Numero Negativo
2d = 0010b
Ida
(2. 14)
Inverte o nmero e soma com o nmero 0001:

2d 0010b (inverte)
1101b ( soma)
1
(2. 15)
2d 1110
ou
-2d = 1101 + 0001 = 1110 = -2d
(2. 16)
Volta
Soma 0001 com 1
0001 + 1 = 0010b = +2d
(2. 17)
2.4.6 - Aritmtica Binria
1) Soma
6d + 7d = 13d
(2. 18)
0000 0111 7 d
0000 0110 6d
(2. 19)
00001110 13d
2) Subtrao
7d 6d =
* BYTE DE CARRY QUE CARREGA O (1)
(2. 20)
2. 5 Representao Normalizada
2043 = 2,043 x 103
= 20,43 x 102
(2. 21)
= 0,2043 x 104
1,
XXXXX
Alcance
YYYY
(2. 22)
Preciso
O padro IEEE 754 padroniza os pontos flutuantes da seguinte forma:
Figura - 1. 6.
Mquinas de preciso com dois tipos de representao de ponto flutuante.

1) Preciso Simples
6 dgitos de preciso 37 expoentes
2) Preciso Dupla
15 dgitos de preciso 307 expoentes
(2. 23)
Erro Ex 255 0, 0 frao
2. 6 Programao em FORTRAN
INTEGER : KNDI
KNDI = SELECTED_INT_KIND (r) voc declara o que voc quer e fica como preciso padro
(r = 50)
REAL : KNDR
KNDR = SELECTEC_REAL_KIND([p][r]) preciso , alcance
SELECTED_INT_KIND([p][r])
(p = 15 r = 100) - Retorna o nmero inteiro referente ao KIND ( tipoque diz qual o nmero o processador
usa para identificar simples ou dupla preciso)
INTEGER
TYPE
REAL*8
REAL(KIND = KND)
A = 2.0 * B
A = 2.0_KND * B garante o nmero digitado ganhe a preciso que voc quer.
2. 7 Exemplos e Aplicaes
2. 8 Exerccios e Problemas
Captulo III
SISTEMA DE EQUAES LINEARES
RESUMO
3. 1 -Objetivos do Captulo
3. 2 - Introduo
3. 3 Resoluo de Sistemas Lineares

Os mtodos numricos para a resoluo de um sistema linear podem ser divididos
em mtodos diretos e mtodos iterativos.
Mtodos Diretos so aqueles que fornecem a soluo exata do sistema linear,
quando ela existe, aps um nmero finito de operaes.
Mtodos Iterativos so aqueles que, partindo de uma aproximao inicial, por
exemplo, x (0) , geram uma seqncia de x ( k ) que converge para a soluo do problema, caso
~
ela exista, sob certas condies.
3. 4 Mtodos Iterativos
Idia central: Generalizao do Mtodo do Ponto Fixo
Assim, o sistema A x b onde A a matriz dos coeficientes, x o vetor das
~ ~
incgnitas e b o vetor independente, pode ser convertido em um sistema do tipo:

~
x C x g ( x)
~
~ ~
(3. 1)
onde a matriz C tem a mesma dimenso de A e o vetor g tem a mesma dimenso de b . O

~
vetor
( x) a funo de iterao.
~
3.4.1 - Esquema Iterativo

Dada uma aproximao inicial x (0) :
~
1 Aproximao
x
~
(1)
(0)
C x g ( x (0) )
~ ~
(2)
(1)
(3. 2)
2 Aproximao
x
~
....
K- sima aproximao
Cx g
~ ~
(3. 3)
(k )
Cx
( k 1)
~ ~
Se a seqncia de aproximaes x
(0)
(3. 4)
(1)
, x ,...., x
~
(k )
converge para a soluo do problema, seja
A1 b
~
x
lim
k ~
(k )
(3. 5)
ento,
(3. 6)
C g
(3. 7)
e
~
~ ~
3.4.2 - Critrio de Parada do Processo Iterativo

O processo iterativo repetido at que o vetor x
(k )
esteja suficientemente
prximo do vetor x
( k 1)
ou que o nmero mximo de iteraes tenha sido ultrapassado.
Para uma preciso
, o vetor x ( k ) considerado soluo aproximada do

~
problema se:
d ( k ) max | xi( k ) xi( k 1) |

1i n
(3. 8)
Adotando como critrio de parada o erro relativo, pode-se escrever:
d ( k ) max | xi( k ) xi( k 1) |

1i n
(3. 9)
3.4.3 - Utilizao dos mtodos iterativos

Quando a matriz A for esparsa (isto , apresentar grande numero de elementos
~
nulos). Os Mtodos Iterativos utilizam apenas elementos da matriz original, enquanto que o
Mtodo da Eliminao de Gauss, no preserva esparsidade, isto , durante o processo de
eliminao de muitos elementos nulos podem se tornar no nulos.
3. 5 Mtodo de Gauss-Jacobi
Considerando o sistema:
a11 x1 a12 x2 ...a1n xn b1
a21 x1 a22 x2 ...a2 n xn b2
an1 x1 an 2 x2 ...ann xn bn
(3. 10)
E admitindo que aii 0, i 1, 2,.., n , o vetor x isolado mediante a separao pela diagonal:
~
x1
1
(b1 a12 x2 ... a1n xn )
a11
(3. 11)
x2
1
(b2 a21 x1 ... a2 n xn )
a22
(3. 12)
xn
1
(bn an1 x1 ... an 1n xn 1 )
ann
(3. 13)
Em forma matricial temos:
x C x g
~
~ ~
(3. 14)
onde
a21
a
22
C a31
~
a33
:
an1
ann
com
a12
a11
0
a32
a33
:
an 2
ann
a13
a11
a1n
a11
a23
a2 n
a22
a22
a3 n
0...
a33
:...
:
an 3
...
0
ann
(3. 15)
b1
a
11
b2

g a22
~

bn
a
nn
(3. 16)
assim a relao recursiva do mtodo dado pela seguinte formula.
( k 1)
(k )
Cx g
~ ~
(3. 17)
3.5.1 - Exemplo
Resolver o sistema
10 x1 2 x2 x3 7
x1 5 x2 x3 8
2 x 3 x 10 x 6
2
3
1
(3. 18)
pelo Mtodo de Gauss-Jacobi com 0, 05 e usando
x
~
(0)
7
10
8
5
6
10
(3. 19)
Para o processo iterativo tem-se:
x1( k 1) 0, 2 x2 ( k ) 0,1x3( k ) 0, 7
( k 1)
0, 2 x1( k ) 0, 2 x3( k ) 1, 6
x2
( k 1)
0, 2 x1( k ) 0,3 x 2( k ) 0, 6
x3
(3. 20)
x1( k 1) 0
0, 2 0,1 x1( k ) 0, 7
( k 1)
0
0, 2 x2 ( k ) 1, 6
x2
0, 2
x ( k 1) 0, 2 0,3
0 x3( k ) 0, 6
3

(3. 21)
Ou
Para k = 0 tem-se:
(1)
0,96
C x g 1,86
~ ~
~
0,94
(0)
(3. 22)
3.5.2 - Verificao da convergncia:

(0)
(1)
| x~1 x~1 | 0, 26
(1)
(0)
| x2 x2 | 0, 26
~
~
| x3 (1) x3 (0) | 0, 34
~
~
(3. 23)
onde
dk
(1)
max xi(1) xi(0)

1i n
(1)
i
max x
i 1,2,3
0,34
0,1828
1,86
(3. 24)
Fazemos os outros e como est maior que o erro, continuamos o procedimento

Para k = 1 tem-se:
(2)
0,978
C x g 1,98
~ ~
~
0,966
(1)
(3. 25)
onde
dk
(2)
max xi(2) xi(1)

1 i n
(2)
i
max x
i 1,2,3
0,12
0, 0606
1,98
(3. 26)
Veja que o valor x(2) tem dk(2) > erro

Para k = 2 tem-se:
x
~
onde
(3)
0,9994
C x g 1,9888
~ ~
~
0,9984
(2)
(3. 27)
dk
(3)
max xi(3) xi(2)

1i n
(3)
i
max x
i 1,2,3
0, 0324
0, 0163
1,9888
(3. 28)
O valor x(3) tem dk(3) < erro, logo a soluo aproximada do problema :
(3)
0,9994
1,9888
0,9984
(3. 29)
3.5.1 - Convergncia do mtodo

Uma condio suficiente para a convergncia do Mtodo Iterativo de GaussJacobi dada pelo critrio das linhas:
Dado o sistema linear
Ax b
~ ~
(3. 30)
Seja
n
| akj |
j 1 | akk
j k
(3. 31)
se
max k 1
(3. 32)
1 k n
ento, o mtodo de Gauss-Jacobi gera uma seqncia x
(k )
convergente para a soluo do
sistema dado, independentemente da escolha da aproximao inicial x
(0)
~
Para a matriz A do exemplo :

~
2 1
1 10 10 0,3
1 1
2 0, 4
5 10
2 3
3 10 10 0,5
0,5 3 1
(3. 33)
logo, o mtodo convergente
3. 6 Mtodo de Gauss-Seidel
Considere o sistema
a11 x1 a12 x2 ...a1n xn b1
a21 x1 a22 x2 ...a2 n xn b2
an1 x1 an 2 x2 ...ann xn bn
(3. 34)
Do mesmo modo que no Mtodo Gauss-Jacobi, no Mtodo de Gauss-Seidel o

sistema A x b tambm escrito na forma
~ ~
(k )
Cx
~ ~
( k 1)
g ( x)
~
(3. 35)
por separao da diagonal.
3.6.1 - O Processo Iterativo

Dada a aproximao inicial x (0) , as demais so calculadas considerando o novo
~
sistema:
x1( k 1)
1
b1 a12 x2(k ) a13 x3(k ) ... a1n xn( k )
a11
x2 ( k 1)
1
b2 a21 x1( k 1) a23 x3( k ) ... a2 n xn ( k )
a22
x3( k 1)
1
b3 a31 x1( k 1) a32 x2 ( k 1) ... a3n xn ( k )
a33
:
x1( k 1)
1
bn an1 x1(k 1) an 2 x2(k 1) ... an(n1) x(n1)(k 1)
ann
(3. 36)
E admitindo que aii 0, i 1, 2,.., n , o vetor x isolado mediante a separao pela diagonal:
~
x1( k 1)
x (2 k 1)
x3( k 1)
1
(b1 a12 x 2( k ) ... a1n xn( k ) )
a11
1
(b2 a21 x1( k 1) a3n x3( k ) ... a2 n xn( k ) )
a22
(3. 37)
1
(bn a31 x1( k 1) a32 x2( k 1) ... a3 n x((nk1)1) )
ann
xn( k 1)
1
(bn an1 x1( k 1) an 2 x2( k 1) ... an 1n x((nk1)1) )
ann
( k 1)
Portanto, no clculo de x j
so utilizados os
xi( k 1) , i 1, 2,3,...,( j 1) j
(k )
calculados e os valores xm , m ( j 1),..., n restantes.

Para a representao matricial do esquema, a matriz A escrita com
~
A L D R
~
(3. 38)
onde:
L uma matriz triangular inferior com diagonal nula,

~
D uma matriz diagonal com dii 0, i 1, 2,..., n

~
R uma matriz triangular superior com diagonal nula,

~
0 ... 0
0
a11 0 ... 0
0 a12 ... a1n
a
0 a
0 0 ... a
0 ... 0
... 0
22
2n
; D
; R
L 21
~
:
: :.. 0 ~ :
: :.. 0 ~ : : :.. :
0 ... ann
0 0 ... 0
an1 an 2 ... 0
0
(3. 39)
Ento
Ax b
~ ~
substituindo pela expresso A L D R temos

~
(3. 40)
L D R x b
~
Dx b Lx Rx
~
(3. 41)
x D 1b D 1Lx D 1 Rx
~
Para o processo iterativo vale:
x ( k 1) D 1b D 1Lx ( k 1) D 1 Rx ( k )
~
(3. 42)
A expresso:
( k 1)
C x(k ) g
~
(3. 43)
obtida da equao (3. 42), agrupando as matrizes que multiplicam x
( k 1)
da seguinte forma:
D 1 L I x( k 1) D 1 R x( k ) D 1 b
~
~~
~ ~
~ ~ ~~
(3. 44)
Resolvendo para x(k+1) temos:

x( k 1) D 1 L I
~ ~ ~
~
D 1 R x ( k ) D 1 L I
~
~~
~ ~ ~
D 1 b
~
(3. 45)
Chamando
C D 1 L I
~ ~ ~
~
D 1 R
~
(3. 46)
g D 1 L I
~ ~
~ ~
D 1 b
~
(3. 47)
obtm-se
x
~
( k 1)
C x(k ) g
~
(3. 48)
3.6.1 - Exemplo
Resolver o sistema
5 x1 x2 x3 5
3x1 4 x2 x3 6
3x 3x 6 x 0
2
3
1
(3. 49)
Utilizando o mtodo de Gauss-Seidel com
x
~
(0)
0
0
0
(3. 50)
=0,05
3.6.2 - Soluo
A matriz do sistema linear:
Ax b
~ ~
(3. 51)
5 1 1 x1 5

3 4 1 x2 6
3 3 6 x 0
(3. 52)
0 0 0
5 0 0
0 1 1
L 3 0 0; D 0 4 0 : R 0 0 1
~
~
~
3 3 0
0 0 6
0 0 0
(3. 53)
rasgando as matrizes temos:
onde
1
5
1
D 0
Logo
0
1
4
0
1
6
(3. 54)
C D L I
~
D R
~
1
5
0
5
0 0 0 1 0 0
0 3 0 0 0 1 0 0
3 3 0 0 0 1
1
0

6
0
1
4
0
0
1
4
0
0
0 1 1
0 0 0 1
0 0 0
1
6
(3. 55)
ou
C D L I
~
D R
~
0
0 0 1 0 0
3 / 4 0 0 0 1 0
3 / 6 3 / 6 0 0 0 1
1
5
0
1
4
0
0
0 1 1
0 0 0 1
0 0 0
1
6
(3. 56)
C D L I
~
D R
~
1
1
0 0 5
1
3 / 4 1 0 0

3 / 6 3 / 6 1
0
0
1
4
0
0
0 1 1
0 0 0 1
0 0 0
1
6
(3. 57)
Como
a
d
temos:
0 0
b 0
e c
1
a
ab
de bf
abc
0
1
b
e
bc
1
c
(3. 58)
C D L I
~
D R
~
1
0
0 5
3 / 4
1
0 0
3 / 4 3 / 6 3 / 6 3 / 6 1
0
1
4
0
0
0 1 1
0 0 0 1
0 0 0
1
6
(3. 59)
C D L I
~
D R
~
1
5
0
0
0
1
3 / 4
1
0 0
1/ 8 3 / 6 1
0
0
0
1
5
1
4
(3. 60)
e por ltimo
C D L I
~
D R
~
1
1
5
5
3 1
0 3 / 20
20 4
0 1/ 40 1/ 40 1/ 8
(3. 61)
E
1
1
0
5
5
C 0 3 / 20
~
20
0 1/ 40 4 / 40
(3. 62)
g D 1 L I
~ ~
~ ~
1
5
g 0
0
1
4
0
D 1 b
~
0 0 0 1 0 0
0 3 0 0 0 1 0
3 3 0 0 0 1
1
1
5
0
1
4
0
0
5

0 6
0
1
6
(3. 63)
Logo
g D 1 L I
~ ~
~ ~
D 1 b
~
1
1 1
0
5
5 5
g 0 3 / 20
0
20
~
0 1/ 40 4 / 40 0
0
1
4
0
0
5

0 6
0
1
6
(3. 64)
e
g D 1 L I
~ ~
~ ~
D 1 b
~
1
1
0
5
5 1
g 0 3 / 20
6 / 4
10
~
0
0 1/ 40 1/10
(3. 65)
Portanto,
g D 1 L I
~ ~
~ ~
6 / 20
g 18 / 80
~
6 /160
obtm-se
D 1 b
~
(3. 66)
( k 1)
C x(k ) g
(3. 67)
Logo
1
1
5
5 x ( k ) 6 / 20
x1( k 1)
1
1 (k )
( k 1)
x2 18 / 80
x2
0 3 / 20
10
x ( k 1)
(k )
3
0 1/ 40 1/10 x3 6 /160
(3. 68)
Para o processo iterativo temos:

( k 1)
~1
(k )
1 0, 2 x 0, 2 x
~2
~3
( k 1)
~2
( k 1)
~3
(k)
(k )
(k)
1,5 0, 75 x 0, 25 x
~1
0,5 x
( k 1)
~1
~3
0,5 x
(3. 69)
( k 1)
~2
i) Para k = 0 tem-se,
(1)
x 1
~1
(1)
x 1,5 0, 75.1 0, 25.0 0, 75

~2
(3. 70)
(1)
x 0,5.1 0,5.0, 75 0,875

~3
O primeiro valor
x
~
(1)
1
0, 75
0,875
(3. 71)
Verificao da convergncia:
(0)
(1)
| x~1 x~1 | 1
(1)
1
(0)
(1)
1
| x2 x2 | 0, 75 ; d r
~
max xi (1)
~
i 1,2,3
| x3 (1) x3 (0) | 0,875
~
~
(3. 72)
Fazemos os outros e como est maior que o erro, continuamos dr = 1 > epsilon
ii) Para k = 1
( 2)
~1
1, 025
( 2)
0,95
~2
(3. 73)
( 2)
0,9875
~3
O segundo valor
1, 025
0,95
0,9875
(2)
(3. 74)
(1)
(2)
| x~1 x~1 | 0, 025
(2)
0, 2
0, 2
(1)
(2)
0,1951
| x2 x2 | 0, 20 ; d r
(2)
1,
025
~
~
max
x
i
i 1,2,3
| x3 (2) x3 (1) | 0,1125
~
~
(3. 75)
Fazemos os outros e como est maior que o erro, continuamos pois dr=1>epsilon
iii) Para k = 2
(3)
~1
1, 0075
(3)
0,9912
~2
(3. 76)
(3)
~3
0,9993
O terceiro valor
x
~
(3)
1, 0075
0,9912
0,9993
(3. 77)
(2)
(3)
| x~1 x~1 | 0, 00175
(3)
0, 0412
0, 0412
(2)
(3)
0, 0409
| x2 x2 | 0, 0412 ; d r
(2)
1,
0075
~
~
max
x
i
i 1,2,3
| x3 (3) x3 (2) | 0, 0118
~
~
(3. 78)
Com dk(3) = 0.0409 < erro, portanto a soluo x(3) a soluo aproximada do sistema :
(3)
1, 0075
0,9912
0,9993
(3. 79)
3.6.2 - Convergncia do Mtodo

Critrio de Sassenfeld
Sejam
a12 a13 ... a1n

a11
(3. 80)
a j1 1 a j 2 2 ... a j ( j 1) ( j 1) a j ( j 1) ... a jn
a jj
(3. 81)
Ou
j 1
k a jk
j
k 1
a jk
(3. 82)
k j 1
a jj
Sejam,
max j
(3. 83)
1 j n
Se
1, o Mtodo de Gauss-Seidel gera uma seqncia convergente, qualquer que seja
x (0) .
~
Quanto menor o valor de
, mais rpido a convergncia.
1) Critrio das Linhas

o mesmo Mtodo Gauss-Jacobi. Se
max k 1 onde
1 k n
| akj |
j 1 | akk
j k
(3. 84)
Ento, o mtodo de Gauss-Seidel gera uma seqncia x
(k )
convergente.
OBS:
1) Se o critrio das linhas for atendido, o critrio de Sassenfeld tambm ser.
2) Tanto o Critrio das Linhas para o Mtodo Gauss-Jacobi quanto os critrios de Sassenfeld
e o Critrio das Linhas para o Mtodo de Gauss-Seidel estabelecem condies suficientes para
a convergncia.
3.6.3 - Exemplo
Para o sistema de equaes do exemplo anterior, verificar se o Mtodo de GaussSeidel gera uma seqncia convergente. Utilizar o critrio de Sassenfel e o Critio das Linhas.
3.6.4 - Soluo
(a)
a12 a13 1 1
0, 4
a11
5
(3. 85)
a21 1 a23 3.0, 4 1
0,55
a22
4
(3. 86)
a31 1 a32 2 3.0,4 3.0,55
0, 475
a33
6
(3. 87)
1
e
2
e
3
Como
max j 0,55 1 ,
1 j 3
Conclui-se que o Mtodo Gauss-Seidel gera uma seqncia convergente, qualquer que seja
x (0) .
~
(b) Usando o Critrio das Linhas temos:
a12 a13 1 1
0, 4
a11
5
(3. 88)
a21 a23 3 1
1
a22
4
(3. 89)
2
e
a31 1 a32
a33
33
1
6
(3. 90)
Concluso
Como 1 , o Critrio das Linhas no atendido embora o Critrio de
Sassenfeld tenha sido.
3.7.1 - Exemplo
Seja o sistema
2 x1 x2 3 x3 9
0 x1 x2 x3 1
x 0 x 3x 3
2
3
1
(3. 91)
Verificar a convergncia pelo mtodo de Gauss-Seidel
3.7.2 - Soluo
1)
a12 a13 1 3 4
2
a11
2
2
(3. 92)
a21 1 a23 0.2 1
1
a22
1
(3. 93)
a31 1 a32 2 1.2 0.(1) 2
a33
3
3
(3. 94)
Com
max j 2
i 1,2,3
Como
(3. 95)
max j 2 , o critrio das linhas no atendido, pois muito grande

1 j 3
Se o sistema no satisfizer o critrio de Sassenfeld pode-se trocar as linhas de

forma que ele satisfaa.
2) Trocando a primeira a equao pela terceira (linha 1 pela linha 3) temos:
x1 0 x2 3x3 3
0 x1 x2 x3 1
2 x x 3x 1
3
1 2
(3. 96)
logo
a12 a13 3
3
a11
1
(3. 97)
O que pior no deu!

3) Trocando a primeira coluna pela terceira:
3x3 0 x2 1x1 3
x3 x2 0 x1 1
3x x 2 x 9
1
3 2
(3. 98)
Temos:
1
3
(3. 99)
1.1/ 3 1
1
3
(3. 100)
1
e
2
e
3(1/ 3) 1.(1/ 3) 2
2
3
Portanto, =2/3 e tem-se garantia da convergncia.
(3. 101)
Captulo IV
ZEROS DE FUNES E RAIZES DE EQUAES
RESUMO
Neste captulo ser visto diferentes mtodos de clculo de zeros de funes tais
como: o Mtodo da Bisseco, o Mtodo Iterativo das Aproximaes Sucessivas, o Mtodo
de Newton-Raphson, o Mtodo da Secante, etc. e a anlise da ordem e da convergncia destes
mtodos ser feito junto com um estudo comparativo entre eles, a partir de um mesmo
exemplo resolvido pelos diferentes mtodos.
i) Entender a problemtica do clculo de zero de funes;
ii) Saber encontrar o zero de funes por meio de diferentes mtodos numricos;
iii) Saber analisar os diferentes mtodos de clculo de zero de funes;
iv) Saber distinguir entre a qualidade de mtodos de clculos de zeros de funes;
atravs de anlise de erros e da anlise da ordem de convergncia de um mtodo numrico.
4. 2 - Introduo
Os problemas em cincia e engenharia so descritos matematicamente por meio
de equaes diferenciais. As solues dessas equaes diferenciais so funes e a soluo
destas equaes para determinadas condies de contorno ou de problemas de valor inicial
so calculadas por meio de zeros de funes. Portanto, saber calcular zeros de funes
corresponde, a saber, calcular um problema at sua ltima instncia, a fim de se obter
resultados numricos alm dos analticos.
Um dos problemas que ocorrem mais frequentemente em trabalhos cientficos

calcular as razes de equaes da forma:
f ( x) 0
(4. 1)
A funo f ( x) pode ser um polinmio em x ou uma funo transcendente.

Em raros casos possvel obter as razes exatas de f ( x) 0 , como ocorre, por
exemplo, supondo-se f ( x) um polinmio fatorvel. Em geral, queremos obter somente
solues aproximadas, confiando a aproximao em alguma tcnica computacional. Vamos
ento considerar vrios mtodos iterativos para a determinao de aproximao para razes
isoladas de f ( x) 0 . Ser dada uma ateno especial s equaes polinomiais em virtude da
importncia de que as mesmas gozam na anlise.
4. 3 - Zeros de Funes Reais

Vamos agora estudar o problema de clculo de zero de funes. Os zeros de uma
uno y f ( x) so os valores de x que anulam esta funo. Este podem ser Reais ou
Complexos. Neste captulo trataremos apenas dos zeros Reais.
4.3.1 - Problema
Dada uma funo y f ( x) encontrar os valores da varivel independente x tais
que f ( x) 0 . Esses valores so denominados razes da equao f ( x) 0 ou zeros da
funo y f ( x) .
O problema da procura das razes da equao f ( x) 0 pode ser resolvido com o
emprego de mtodos interativos.
Os mtodos interativos estacionrios de passo um contm as seguintes etapas:
4.3.2 - Aproximao inicial para raiz:

Consiste em obter um intervalo que contenha a raiz.
Figura - 4. 1.
4.3.3 Mtodo da Bi-Seco (ou de Bolzano)

Dada uma funo f(x) contnua no intervalo [a,b] onde existe uma raiz nica,
possvel determinar tal raiz subdividindo sucessivas vezes o intervalo que a contm pelo
ponto mdio de a e b.
Definio do intervalo inicial
Atribui-se [a,b] como intervalo inicial, com a seguinte condies de aplicao
f(a)*f(b) < 0
(4. 2)
A subdiviso do intervalo feita pelo o ponto mdio de a e b
x = (a+b)/2
(4. 3)
Verifica-se se x uma aproximao da raiz da equao dentro da tolerncia de erro.
Se verdadeiro
Caso contrrio
x a raiz procurada
(4. 4)
define-se um novo intervalo
(4. 5)
Definio do novo intervalo

Determina-se em qual dos subintervalos - [a, x] ou [x , b] - se encontra a raiz.
Calcula-se o produto f(a)*f(x) e verifica-se se f(a)*f(x1) < 0
Se verdadeiro (a, x) (Logo a = a e b = x)
(4. 6)
Caso contrario (x , b) (Logo a = x e b = b). Repete-se o processo at que o valor de x

atenda s condies de parada.
Anlise grfica
Figura - 4. 2.
Condies de parada
Se os valores fossem exatos
f(x) = 0
(4. 7)
(a b) = 0
(4. 8)
|f(x)| tolerncia
(4. 9)
(a b) /2| tolerncia
(4. 10)
No o sendo
Ou nmero limitado de iteraes
Figura - 4. 3.
Estimativa do Nmero de Iteraes

Dada uma preciso e um intervalo inicial a; b , possvel saber, a priori,
quantas iteraes sero efetuadas pelo mtodo da bisseco at que se obtenha b - a
Veja que:
b a
b1 a1 0 0
21
b a b a
b2 a2 1 1 0 0
2
22
b a
b a b a
b3 a3 2 2 1 1 0 0
2
22
23
:
b a
b a
bk ak k 1 k 1 0 0
2
2k
(4. 11)
Deve-se obter o valor de k tal que bk ak , ou seja,

k
log(b0 a0 ) log( )
log(2)
(4. 12)
Exemplo: Se desejamos encontrar o zero da funo f ( x) x log( x) 1 que est no intervalo

[2;3] com preciso de 102 , quantas iteraes, no mnimo, devemos efetuar?
log(3 2) log(102 ) log(1) 2 log(10)

2
~ 6, 64 k 7
log(2)
log(2)
0,3010
(4. 13)
Exemplo :
Considere-se
f(x) = x3 x 1
(4. 14)
Intervalo inicial atribudo: [1, 2]
Figura - 4. 4.
tol = 0,002
(4. 15)
f(a) = -1 f(b) = 5
(4. 16)
f(a) * f(b) = -5 < 0
(4. 17)
O clculo da 1 aproximao
x= (a + b)/ 2 = (1 + 2)/2 = 1,5
(4. 18)
f(x) = 1,53 1,5 1 = 0,875
(4. 19)
|f(x)| =|0,875| = 0,875 > 0,002
(4. 20)
teste de parada
escolha do novo intervalo
f(a).f(x) = (-1).0,875 = -0,875
(4. 21)
a= 1,0 e b= x = 1,5
(4. 22)
logo:
Tabela - IV. 1
f(a)
f(b)
f(x )
1,0000000 2,0000000 -1,000000
5,000000
1,50000000
0,875000
1,0000000 1,5000000 -1,000000
0,875000
1,25000000
-0,296875
1,2500000 1,5000000 -0,296875
0,875000
1,37500000
0,224609
1,2500000 1,3750000 -0,296875
0,224609
1,31250000
-0,051514
1,3125000 1,3750000 -0,051514
0,224609
1,34375000
0,082611
1,3125000 1,3437500 -0,051514
0,082611
1,32812500
0,014576
1,3125000 1,3281250 -0,051514
0,014576
1,32031250
-0,018711
1,3203125 1,3281250 -0,018700
0,014576
1,32421875
-0,002128
tol = 0,002
- Satisfeitas as hipteses de continuidade de f ( x) em [a; b] e de troca de sinal em

a e em b, o mtodo da bisseco permite que sempre se obtenha um intervalo que contenha a
raiz da equao, sendo que o comprimento deste intervalo final satisfar a preciso requerida;
- As iteraes no envolvem clculos laboriosos;
- A convergncia pode ser muito lenta, ou seja, dependendo do intervalo inicial e

da preciso requerida, o nmero de iteraes pode ser muito grande
4.3.3.1 Prova da Convergncia do Mtodo da Bi-Seco

O mtodo da biseco gera trs sequncias a k no crescente por superiormente
por bo , ento existe r R tal que:
lim ak r
(4. 23)
bk : no crescente e limitada inferiormente por ao , ento existe s R tal que:

lim bk s
(4. 24)
xk : por construo temos:

xk
a k bk
2
(4. 25)
onde ak xk bk , k . Assim, k
bk ak
bo ao
2k
(4. 26)
Ento
b a
lim bk a k lim o k o 0
k
k
2
(4. 27)
Como a k e bk so convergentes ento
lim bk lim ak 0
(4. 28)
lim bk lim ak r s
(4. 29)
Logo
k
Seja l r s
k lim xk l .
k
o limite das duas seqncias. Dado que
xk ak , bk
Vamos agora provar que l o zero da funo. Em cada iterao k temos:
f (ak ). f (bk ) 0
(4. 30)
Ento:
0 lim f (a k ). f (bk ) lim f ( ak ). lim f (bk ) f lim ak . f lim bk

k
f (r ). f ( s) f (l ). f (l ) f 2 (l )
(4. 31)
Assim
0 f 2 (l ) 0 f (l ) 0
(4. 32)
lim xk l onde f (l ) 0
(4. 33)
Portanto,
k
o zero da funo. Conclumos, pois que o mtodo da biseco converge sempre que f for
contnua em [ a; b] com f ( a ). f (b) 0 .
Sendo
ln(bo ao ) ln(bk ak )
ln 2
(4. 34)
Se bk a k onde o erro estimado, portanto o nmero de interao k dada por:
ln(bo ao ) ln
ln 2
(4. 35)
4. 4 Iterao Linear
A fim de introduzir o mtodo de iterao linear no clculo de uma raiz da equao
f ( x) 0
(4. 36)
reescrevemos, inicialmente, a equao (4. 36), para express-la na forma:

x ( x)
(4. 37)
de forma que qualquer soluo de (4. 37) seja, tambm, soluo de (4. 36). Em geral, h
muitas maneiras de expressar f ( x) na forma (4. 37). Basta considerarmos
( x) x A( x) f ( x)
(4. 38)
Para qualquer A( x) tal que A( x ) 0 .

Nem todas, porm, sero igualmente satisfatrias para as nossas finalidades.
Algumas formas possveis da equao
f ( x) x 2 x 2 0
(4. 39)
x x2 2
(4. 40)
x 2 x
(4. 41)
por exemplo, so:

a)
b)
c)
2
x
(4. 42)
x2 x 2
, m 0.
m
(4. 43)
x 1
d)
x x
Geometricamente, uma raiz de (4. 37) um nmero x x , para o qual a reta y x intercepta
a curva y ( x) . Pode ocorrer, naturalmente, que estas curvas no se interceptem, caso em
que no haver soluo real. Admitiremos, contudo, que essas curvas se interceptem no
mnimo, uma vez; que estamos interessados em determinar uma dessas razes, digamos x x ,
e que ( x) e '( x) sejam contnuas num intervalo que contenha essa raiz.
4.4.1 - Uma equao de iterao

Considere uma equao de iterao do tipo x = (x), onde uma funo a uma
varivel, denominada funo de iterao, que varia de mtodo a mtodo. Seja x x0 uma
aproximao inicial para a raiz x x de (4. 37). Obtemos as aproximaes sucessivas xi para
a soluo desejada x x , usando o processo iterativo definido por:
xi 1 ( xi ), i 0,1, 2,...
(4. 44)
Esse processo chamado de mtodo iterativo linear. Partindo de uma aproximao inicial, xo,
constri-se uma seqncia da forma:
x1 ( xo )
x2 ( x1 )
:
xi 1 ( xi )
(4. 45)
onde se espera que:
lim xi 1 lim ( xi ) ( )
i
(4. 46)
Para que esse processo seja vantajoso, devemos obter aproximaes sucessivas
xi , convergentes para a soluo desejada x x . Contudo, fcil obter exemplos para os
quais a seqncia xi diverge.
4.4.2 - Um critrio de parada para as iteraes

Se o processo iterativo convergente a aproximao xi est mais prxima de do
que xi-1; caso contrrio, se o processo for divergente, a aproximao xi est mais afastada do
que xi-1.
Escolhendo um nmero arbitrariamente pequeno; se o processo convergente
para todo i M , pode-s escrever:
xi
para todo i M
(4. 47)
Conclui-se que, quando i , xi 0 :
lim xi 0
(4. 48)
lim xi
(4. 49)
ou
i
Se a expresso (4. 48) vlida para xi, tambm vlida para xi+1:
lim xi 1 0
(4. 50)
lim xi 1
(4. 51)
ou
i
Combinando-se as expresses (4. 49) e (4. 51) tem-se:
lim xi 1 xi 0
i
(4. 52)
4.4.3 - Concluso:
Quando i , a diferena entre duas aproximaes sucessivas deve tender a
zero. Os critrios de parada de processo iterativo podem ser escritos como:
a)
xi 1 xi
b)
(4. 53)
f xi 1 f ( )
(4. 54)
Como f ( ) 0 temos:
f xi 1
(4. 55)
c)
xi 1 xi
xi 1
(4. 56)
4. 5 - Critrio de Convergncia para a iterao x = (x)

Vamos agora demonstrar uma srie de teoremas que ajudaro a estabelecer os
critrio de convergncia de uma funo de iterao.
4.5.1 - Teorema do Valor Mdio

Se (x) uma funo contnua e diferencivel sobre o segmento [a,b], e derivvel
em qualquer ponto x (a,b), existe ento, pelo menos um ponto entre a e b, a < < b, tal
que:
'( )
(b) (a)
ba
(4. 57)
ou
(b) (a ) ' ( )(b a )
(4. 58)
Figura - 4. 5. Teorema do valor mdio
4.5.2 - Teorema da Permanncia do Sinal

Seja f uma funo de varivel real definida e contnua numa vizinhana de x0 . Se
f ( x0 ) 0 ento f ( x) 0 para todo x pertencente a uma vizinhana suficientemente pequena
de x0 .
4.5.3 Teorema do Limitante da Derivada da funo de Iterao

Considerando as iteraes do tipo xi 1 ( xi ) , e a xi 1 e b xi , pode-se
escrever:
( xi ) ( xi 1) '( ) xi xi 1
Como
(4. 59)
( xi ) xi 1 e ( xi 1 ) xi , pode-se escrever:
xi 1 xi '( ) xi xi 1
(4. 60)
que representa a seqncia:
x2 x1 '(1 ) x2 x1
(4. 61)
x3 x2 ' ( 2 ) x2 x1
(4. 62)
xi 1 xi ' ( i ) xi xi 1
(4. 63)
At
Admitindo que a derivada
' ( ) limitada na regio que contm a raiz, pode-se escrever:

' ( i ) M
(4. 64)
x2 x1 M x1 xo
(4. 65)
x3 x2 M x2 x1 M 2 x1 xo
(4. 66)
x4 x3 M x3 x2 M x2 x1 M 3 x1 xo
(4. 67)
xi 1 xi M xi xi 1 M i x1 xo
(4. 68)
Ento:
At
Pela expresso (4. 52):
lim xi 1 xi 0
i
(4. 69)
Verifica-se que o lado esquerdo da expresso (4. 68) deve-se tornar muito pequeno para
grandes valores de i. Se M < 1, M i x1 x0 tende a zero para i , essa condio
suficiente.
Assim, se
' i M 1, o processo iterativo deve convergir.
Observao
A convergncia do processo iterativo ser tanto mais rpida quanto menor for o
valor de ' x .
Por outro lado, se a declividade '( x) for maior que 1 em valor absoluto, para
todo x pertencente a um intervalo numa vizinhana da raiz, pode ser visto que a iterao
xk 1 ( xk ) , k 0,1,... , divergir.
4. 6 Ordem de Convergncia de uma Iterao

Uma iterao definida por:
xi 1 xi
Se
(4. 70)
' xi M 1 para todo x na regio que inclui os valores intermedirios xi e
a raiz , o processo iterativo deve convergir.

Conseqncia
Se
rapidamente, se
' x est prximo de zero em toda a regio, a iterao converge

' x est prxima de 1, a iterao converge lentamente. Graficamente
temos:
Figura - 4. 6. Funo de Iterao
AB xi CD OC xi 1
(4. 71)
Definio 1.
n
Seja x n n0 uma seqncia que converge para e en xn o erro cometido

na iterao n. Se houver um nmero p 1 e um constante C 0 tais que:
lim
en1
en
xn 1
xn
(4. 72)
ento p denominado ordem de convergncia da seqncia e C, constante assimpttica do

erro.
Para p = 1,2,3... a convergncia dita linear, quadrtica, cbica, ..,etc
respectivamente.
Definio 2.
Um mtodo iterativo de ordem p para a raiz se ele gera uma seqncia que
converge para com ordem p.
O mtodo iterativo xi 1 xi um mtodo de primeira ordem. Pelo teorema
do valor mdio temos:
xi 1
xi1 ' x
i
i 1
xi1
(4. 73)
ou
xi
xi 1
Se
' i
' i 0 , a seqncia converge para com ordem p = 1.
(4. 74)
4. 7 Mtodos de Aproximao
4.7.1 Mtodo das Aproximaes Sucessivas ou Ponto Fixo

Este mtodo tambm chamado de Mtodo do Ponto Fixo. A equao de iterao
obtida da equao f ( x ) 0 , que pode ser reescrita na forma x (x) por meio de
artifcio algbrico.
Por exemplo, a equao
e x 3x 0
(4. 75)
pode ser reescrita como:
onde
( x)
ex
3
(4. 76)
ex
.
3
Para o processo iterativo ns teramos:
xi 1
e xi
3
(4. 77)
4.7.1 Interpretao Geomtrica
Figura - 4. 7. Representao Geomtrica do Mtodo de Aproximaes Sucessivas ou Ponto Fixo.
4.7.2 Mtodo de Newton-Raphson

A expanso em srie de Taylor de f ( xi 1 ) na vizinhana de xi escrita como:
( xi 1 xi ) 2
f ( xi 1 ) f ( xi ) f ' ( xi )( xi 1 xi ) f ' ' ( xi )
...
2!
(4. 78)
Supondo que:
1) xi 1 , ou seja xi 1 est muito prximo de , de tal maneira que:
f ( xi 1 ) 0.
(4. 79)
2) xi 1 xi , ou seja xi 1 est muito prximo de xi , de maneira que todos as potncias de
xi1 xi iguais ou maiores do que dois podem ser desprezadas. Logo,

0 f ( xi ) f ' ( xi )( xi 1 xi )
(4. 80)
Portanto,
xi 1 xi
f ( xi )
f ' ( xi )
(4. 81)
A funo de iterao do mtodo de Newton-Raphson :
( x) x
f ( x)
f ' ( x)
(4. 82)

Para o Mtodo de Newton-Raphson, graficamente temos:
Figura - 4. 8. Representao Geomtrica do Mtodo de Newton-Raphson.
xi 1 xi
f ( xi )
f ' ( xi )
(4. 83)
Veja que:
tan
f ( xi )
f ' ( xi )
( xi xi 1 )
(4. 84)
Se
( x) x
f ( x)
f ' ( x)
(4. 85)
ento, a derivada da funo acima fica
' ( x) 1 x
f ' ( x ) f ' ( x ) f ( x) f ' ' ( x )

f ' ( x)2
(4. 86)
ou
' ( x)
f ( x ) f ' ' ( x)
f ' ( x)2
(4. 87)
Como f ( ) 0 , por hiptese a raiz do problema, se f ' ( ) 0 , ento ' ( ) 0 que a

condio suficiente para a convergncia atendida.
O mtodo de Newton-Raphson converge quadraticamente no caso de razes reais e
n
simples, isto a seqncia x n n0 gerada pelo mtodo tem ordem de convergncia igual a
dois.
Clculo da Ordem de Convergncia do Mtodo de Newton-Raphson
Supondo que '' seja continua numa vizinhana de , o desenvolvimento em
serie de Taylor de ( x) em torno de x , dado por
( x) ( ) ( x ) ' ( ) ( x ) 2
' ' ( )
...
2!
(4. 88)
Para o processo iterativo, fazendo x xi temos
( xi ) ( ) ( xi ) ' ( ) ( xi ) 2
' ' ( )
...
2!
(4. 89)
Como
xi 1 ( xi ) e ' ( ) 0 ,
(4. 90)
desprezando-se os termos que contm derivadas de ordem superior a dois pode-se escrever
' ' ( )
2!
(4. 91)
' ' ( )
C
2!
(4. 92)
xi 1 ( xi ) 2
ou
xi 1
xi
Se
ei 1
ei
' ' ( ) 0 , logo comparando-se com a equao (4. 72) temos que a ordem de
convergncia p = 2.
4.7.2.1 Critrio de Convergncia do Mtodo de Newton-Raphson

O meto de Newton-Raphson converge sempre que x0 x for suficientemente
pequeno.
Prova
4.7.2 Mtodo de Newton-Raphson Modificado

O mtodo de Newton-Raphson Modificado obtido mantendo-se o valor da
derivada do ponto inicial de iterao do Mtodo de Newton-Raphson original, ou
seja, f '( x) f '( x0 )
x x
f ( x)
f '( x0 )
(4. 93)
Esse mtodo tambm um mtodo de iterao do tipo:
xi 1 xi
(4. 94)
onde
xi 1 xi
f ( xi )
f '( x0 )
(4. 95)

Para o Mtodo de Newton-Raphson Modificado, graficamente temos:
Figura - 4. 9. Representao Geomtrica do Mtodo de Newton-Raphson Modificado.
Dada uma primeira aproximao x0 da raiz real da equao, traando-se por essa
abscissa uma reta normal ao eixo x , encontra-se na interseo com o grfico da funo o
ponto ( x0 , f ( x0 )) . Traa-se a tangente ao grfico nesse ponto e sua interseo com o eixo x
fornece a abscissa x1 , primeira iterao, pois:
x1 x0
f ( x0 )
f ( x0 )
f ( x0 )
x0
x0
f ( x0 )
tan
k
(4. 96)
Traa-se pela abscissa x1 uma reta normal ao eixo x e encontra-se na interseo com o
grfico da funo o ponto ( x1 , f ( x1 )) . Traa-se por esse ponto uma reta paralela tangente
anterior e sua interseo com o eixo x fornece a abscissa x2 , segunda iterao, pois
x2 x1
f ( x1 )
f ( x1 )
f ( x1 )
x1
x1
f ( x0 )
tan
k
(4. 97)
Clculo da Ordem de Convergncia do Mtodo de Newton-Raphson Modificado

Supondo que '' seja continua numa vizinhana de , o desenvolvimento em
serie de Taylor de ( x) em torno de x , dado por
( x) ( ) ( x ) ' ( ) ( x ) 2
' ' ( )
...
2!
(4. 98)
Para o processo iterativo, fazendo x xi temos
( xi ) ( ) ( xi ) ' ( ) ( xi ) 2
' ' ( )
...
2!
(4. 99)
Derivando a relao ( ) temos:
' x 1
f '( x)
f '( x0 )
(4. 100)
' 1
f '( )
f '( x0 )
(4. 101)
Logo para x temos:
Substituindo ( ) em ( ) temos:

f '( )
2 ''( )
( xi ) ( ) ( xi ) 1
...
( xi )
f '( x0 )
2!
(4. 102)
Como xi 1 ( xi ) e = ( ) o ponto de convergncia temos:
f '( )
2 ''( )
xi 1 xi 1
... ,
xi
f '( x0 )
2!
(4. 103)
Ou
xi 1 xi xi
f '( )
2 ''( )
xi
... ,
f '( x0 )
2!
(4. 104)
Dividindo tudo por xi temos:
xi 1 1
xi
f '( xi )
''( )
xi
... ,
f '( x0 )
2!
(4. 105)
Tomando o limite para i temos:
xi 1 1
i xi
lim
Se
f '( )
''( )

...
f '( x0 )
2!
(4. 106)
' ' ( ) 0 , desprezando-se os termos que contm derivadas de ordem superior a dois,
logo podemos escrever:
xi 1 1
i xi
lim
f '( )
f '( x0 )
(4. 107)
Portanto,
e
x
f '( )
lim n 1 lim i 1
1
p
f '( x0 )
i e
i xi
n
(4. 108)
Como o lado direito da equao constante

C 1
temos a partir de ( )
f '( )
f '( x0 )
(4. 109)
ei 1
ei
x
f '( )
i 1
C 1
1
f '( x0 )
xi
(4. 110)
logo comparando-se com a equao (4. 72) temos que a ordem de convergncia p 1 .
4.7.2.1 Critrio de Convergncia do Mtodo de Newton-Raphson Modificado
4.7.3 Mtodo da Secante

A equao de recorrncia obtida substituindo no Mtodo de Newton-Raphson,
f ' ( xi ) pelo quociente das diferenas
f ' ( xi )
f ( xi ) f ( xi 1 )
( xi xi 1 )
(4. 111)
Onde xi e xi 1 so duas aproximaes para a raiz, assim
xi 1 xi
f ( xi )
f ( xi ) f ( xi 1 )
( xi xi 1 )
(4. 112)
( xi xi 1 ) f ( xi )
f ( xi ) f ( xi 1 )
(4. 113)
Ou
xi 1 xi
xi 1
f ( xi )
f ( xi 1 )xi ( xi xi 1 ) f ( xi )
f ( xi ) f ( xi 1 )
(4. 114)
Ento
xi 1
xi 1 f ( xi ) xi f ( xi 1 )
f ( xi ) f ( xi 1 )

Para o Mtodo da Secante, graficamente temos:
(4. 115)
Figura - 4. 10. Representao Geomtrica do Mtodo da Secante.
que por semelhana de tringulos temos
f ( xi 1 ) f ( xi )
f ( xi )
xi 1 xi
xi xi 1
(4. 116)
xi 1 f ( xi ) xi f ( xi 1 )
f ( xi ) f ( xi 1 )
(4. 117)
ou
xi 1
Assim podemos concluir que o mtodo da secante um mtodo iterativo estacionrio de

passo dois. Pode-se provar que o mtodo das secantes um mtodo de ordem 1,618...
4.7.3.1 Clculo da Ordem de Convergncia do Mtodo da Secante

Vamos iniciar supondo
x n en
(4. 118)
Para substituir na equao (4. 117) onde raiz e em o erro.

Substituindo na equao de recorrncia (4. 117) temos:
xn 1 en 1
(4. 119)
xn1 en 1
(4. 120)
e obtendo
en 1
(en1 ) f (en ) (en ) f (en 1 )

f (en ) f (en 1 )
(4. 121)
Multiplicando os termos de (4. 121) pelo denominador da frao temos:

(en 1 ) f (en ) f (en 1 ) (en 1 ) f (en ) (en ) f (en 1 )
(4. 122)
ou distribuindo os valores
(en 1 ) f (en ) f (en 1 ) f (en ) f (en 1 )

en 1 f (e n ) en f (en 1 )
(4. 123)
en 1 f (en ) f (en1 ) f (en ) f (en1 )

f (en ) f (en1 ) en 1 f (en ) en f (en 1 )
(4. 124)
Logo cancelando alguns termos temos:
en 1
en 1 f (en ) en f (en 1 )
f (en ) f (en1 )
(4. 125)
Expandindo as funes f em Srie de Taylor entorno de x , obtemos:
e
e
f (en1 ) f ( ) en1 f ' ( ) n1 f ' ' ( ) ... n1 f n1 ( ) ...
(4. 126)
2!
(n 1)!
e
2
e
e
f (en ) f ( ) en f ' ( ) n f ' ' ( ) ... n
f n1 ( ) ...
2!
(n 1)!
(4. 127)
subtraindo as equaes
f (en ) f (en1 ) en en1 f ' ( )
f ' ' ( ) 2
2
en en1 ...
2!
f n1 ( ) 2
2
en en1 ...
(n 1)!
(4. 128)
e
2
ee
ee
en f (en1 ) en en1 f ' ( ) n n1 f ' ' ( ) ... n n1 f n1 ( ) ...
2!
(n 1)!
(4. 129)
e
2
e e
e e
en1 f (en ) en1 f ( ) en1en f ' ( ) n1 n f ' ' ( ) ... n1 n f n
(4. 130)
2!
(n 1)!
Ento, a equao (4. 125) pode ser escrita a partir de (4. 13) a (4. 15), como:
en 1 f (en ) en f (en 1 ) en 1en [
f ' ' ( )
f ' ' ' ( ) 2
2
(en en 1 )
(en en 1 )
2!
3!
f n 1 ( ) 2
2
(en en 1 ) ..]
(n 1)!
(4. 131)
Logo (4. 125) fica
en 1
f ' ' ( )
f ' ' ' ( ) 2

f n 1 ( ) 2
2
2
en 1en
(en en 1 )
(en en 1 ) ...
(en en 1 ) ..
3!
( n 1)!
2!
n 1
en en1 f ' ( ) f ' ' ( ) en 2 en1 2 ... f ( ) en 2 en1 2 ...
2!
( n 1)!
(4. 132)
Supondo que os termos en e en-1 so pequenos o suficientes, tais que todas as

potncias iguais ou maiores que 2 podem ser desprezados. Logo,
f ' ' ( )
en1en
(en en1 ).
2!
en1
en en1 f ' ( ).
(4. 133)
ou
en1 en1en
f ' ' ( )
2! f ' ( )
(4. 134)
Onde
en1 en1 en A
(4. 135)
Logo
f ' ' ( )
2! f ' ( )
(4. 136)
Voltando ao critrio da determinao da ordem de convergncia temos que para

determinar a ordem necessrio que:
en1
en1
C 0 quando n
(4. 137)
logo
en1 C en
(4. 138)
Sabendo que vale para n= n -1, temos:
en C en1
(4. 139)
Logo
en
e
1/ p
C 1/ p en1
(4. 140)
1/ p
en 1 C 1 / p en
(4. 141)
Substituindo esse resultado (4. 141) na expresso (4. 138) temos:
en1 en en1 A
(4. 142)
Sendo:
1/ p
en1 en C1/ p en
(4. 143)
en1 en
11/ p
C1
(4. 144)
onde
C1 C 1/ p A
(4. 145)
Voltando em ( ) temos:
C en
C1 en
C en
11/ p
(4. 146)
Como C1 C temos:
C en
11/ p
(4. 147)
Logo
p 1 1/ p p2 1 p
(4. 148)
p2 p 1 0
(4. 149)
1 1 4 1 5
2.1
2
(4. 150)
p
como p 1 . Logo
1 5
1,618..
2
(4. 151)
Fazendo C1 C temos:
C C 1/ p A
(4. 152)
logo
AC
11/ p
p 1
p
C A
p
p 1
(4. 153)
Portanto,
p
p1
f ' ' ( )
C
2
!
f
'
(
1
p
f ' ' ( )

2
!
f
'
(
(4. 154)
Concluso
n
Existe x n n0 uma seqncia gerada por:
xn 1
que
converge
para
xn1 f ( xn ) xn f ( xn1 )
f ( xn ) f ( xn1 )
,
en x n ,
com
(4. 155)
tal
que
p 1,618... 1
C f ' ' ( ) 2! f ' ( ) p . Portanto,

lim
en1
en
(4. 156)
Implica que
lim
Logo
en1
en
1/ p
f ' ' ( )

2
!
f
'
(
(4. 157)
lim
en1
en
e
f ' ' ( )
f ' ' ( )
lim np11
2! f ' ( ) n en
2 f ' ( )
(4. 158)
Ento a ordem de convergncia do Mtodo das Secantes, sendo p 1,618... temos:
e n 1
f ' ' ( ) f ' ' ' ( )

e n 1e n
3!
2!
f ' ' ( )
f n 1 ( )
f ' ( )
...
2!
(n 1)!
(4. 159)
f ' ' ( )
f ' ' ' ( )
en1 en1en
2! f ' ( ) 3! f ' ' ( )
A?
4.7.3.2 Prova da Convergncia do Mtodo da Secantes
(4. 160)
4.7.4 Mtodo da Falsa Posio ou Regula-Falsi

O mtodo da falsa posio um caso particular do mtodo da secante, no qual os
pontos ( xi 1 , f ( xi 1 )) e ( xi , f ( xi )) so escolhidos de modo que.
f ( xi 1 ). f ( xi ) 0
(4. 161)
A equao de recorrncia a mesma do mtodo da secante, que dada por:
xi 1
xi 1 f ( xi ) xi f ( xi 1 )
f ( xi ) f ( xi 1 )
Para funes convexas esse mtodo estacionrio.

Para o Mtodo Regula-Falsi, graficamente temos:
Figura - 4. 11. Representao Geomtrica da Falsa Posio.
(4. 162)
Considerando a reta que passa pelos pontos ( x0 , y 0 ) e ( x1 , y1 ) temos a seguinte

equao:
y yo
y1 yo
( x xo )
x1 xo
(4. 163)
Quando x x2 , y 0 temos:
x2
yo
y1
x1
xo
yo y1
( y1 yo )
(4. 164)
E por analogia a reta que passa por ( x 2 , y 2 ) dada por:
y y2
y1 y 2
( x x2 )
x1 x2
(4. 165)
Quando x x3 , y 0 temos a seguinte equao:
x3
y2
y1
x1
x2
y2 y1
( y1 y 2 )
(4. 166)
Agora generalizando o processo temos
xi 1
yi
y1
x1
xi
yi y1
( y1 yi )
(4. 167)
Para funes no convexas, no estacionrio, isto , a funo de iterao no a

mesma a cada iterao (a representao grfica correta est na pgina 36 do livro de Clculo
Numrico Sperandio), por exemplo.
Graficamente temos:
Figura - 4. 12.
Temos as seguintes equaes
x2
y1
y1
xo
x1
y1 y1
( yo y1 )
(4. 168)
x3
yo
y2
xo
x2
y2 y1
( yo y2 )
(4. 169)
x4
y3
y2
x2
x3
y3 y o
( y 2 y3 )
(4. 170)
4.8.1 - Problema
1)
Encontrar as razes das equaes utilizando os critrios de parada,
f ( xi )
xi 1 xi
(4. 171)
com 10 2
a)
y x2 5x 4
(4. 172)
Soluo
Fazendo y = 0 e isolando x temos a seguinte funo.
x2 4
x
5
(4. 173)
pelo Mtodo do Ponto Fixo temos;
xi 1
xi 4
A condio de convergncia do mtodo
' ( x)
(4. 174)
' ( x) 1 . Calculando temos:
2x
2x
1
5
5
(4. 175)
Levando os valores da funo no critrio de convergncia temos

Se
x 0;
2x 2x
5
1 x
5
5
2
(4. 176)
2x
2x
5
1 x
5
5
2
(4. 177)
Se
x 0;
arrumando essa equao chegamos que 2,5 x 2,5
Para que o processo seja convergente, a estimativa inicial deve pertencer ao

intervalo
5
5
x
2
2
(4. 178)
Observando que y (0) 4 e y (3) 2 e y (6) 10 , conclui-se que uma das razes est
contida no intervalo (0;3) e a outra no intervalo (3;6). A raiz que est contida no intervalo
(3;6) no pode ser encontrada com o emprego do mtodo do ponto fixo.
Como o intervalo (0;3) no est inteiramente contido em 5 ; 5

identificar em intervalo contido em
5 2 ; 5 2
, deve-se
e que contenha a raiz. Como
y (2,4) 2,21 , pode-se concluir que a raiz procurada est contida no intervalo (0;2,4) e
que o processo iterativo ser convergente.
Adotando o ponto de chute inicial x0 1,5 obtemos a seguinte tabela para os
valores de:
Tabela - IV. 2
xi
xi 1
f ( xi 1 )
xi 1 xi
1,5
1,25
0,6875
0,25
1,25
1,1125
0,324844
0,1375
1,1125
1,047351
0,140334
0,064969
1,047351
1,019464
0,058013
0,0280067
1,019464
1,007862
0,023524
0,011602
1,007862
1,003157
0,009461
0,004705
Logo 1,003157
Alternativamente, de
y x 2 5x 4 0
(4. 179)
x2 4x x 4 0
(4. 180)
podemos escrever
ou
x x2 4x x 4
(4. 181)
onde (x) pode ser escrita da seguinte forma:
( x) x 2 4 x 4
(4. 182)
Derivando essa funo temos
' ( x) 2 x 4
(4. 183)
A condio de convergncia ' ( x) 1 fornece:

Se
2x 4 0 ;
2x 4 2x 4 1 x
5
2
(4. 184)
2x 4 0 ;
2x 4 2x 4 1 x
5
2
(4. 185)
Se
Para que o processo seja convergente, devemos ter
3
5
x
2
2
(4. 186)
3
y 1,25
2
3 5
y y 0
2 2
5
y 2,25
(4. 187)
que no contm nenhuma raiz.
No satisfaz o critrio
Outra opo e
x 2 5 x 4 x 2 10 x 5 x 4 0
(4. 188)
x 2 10 x 4
x
5
(4. 189)
ento
Assim (x) dada por
x 2 10 x 4
( x)
5
(4. 190)
Sua derivada fica assim determinada
' ( x)
2 x 10
5
(4. 191)
Da condio de convergncia do mtodo temos que ' ( x) 1 levando o valor de
' ( x) na condio do modulo da derivada temos
' ( x)
2 x 10
1
5
(4. 192)
Arrumando essa equao temos

Se
2 x 10
0 ;
5
2 x 10 2 x 10
5
1 x
5
5
2
(4. 193)
2 x 10
15
2 x 10

1 x
5
5
2
(4. 194)
Se
2 x 10
0 ;
5
Para
5
15
x , o processo convergente, a seguinte raiz encontrada quando
2
2
( x)
Adotando
x 2 10 x 4
5
(4. 195)
x0 5 , aps cinco iteraes encontra-se o valor aproximado.
4,001739 (isso com uma aproximao com 6 casas decimais)
b)
y e x 3x 0
(4. 196)
Soluo
Isolando x na equao acima temos
1
x ex
3
(4. 197)
1
( x) e x
3
(4. 198)
Assim (x) dada por
Derivando essa equao ela fica escrita da seguinte forma
1
' ( x) e x
3
(4. 199)
Das condies de convergncia do mtodo temos
1
' ( x) e x 1
3
(4. 200)
Arrumando a equao acima temos

Se
x0 ;
1 x 1 x
e e 1 e x 3 x ln 3 1,0986
3
3
(4. 201)
1 x 1 x
e e 1 e x 3 x ln 3 1,0986
3
3
(4. 202)
Se
x0 ;
O processo convergente para
ln 3 x ln 3
(4. 203)
1 e x 1
3
0 x ln 3
3 e x 3
(4. 204)
ou
Da equao
1
x ex
3
(4. 205)
Necessitamos que x seja maior que zero

Dando um chute inicial temos a seguinte tabela depois das iteraes
Tabela - IV. 3
xi
xi 1
f ( xi 1 )
xi 1 xi
0,8
0,741847
0,125731
0,058153
0,741847
0,699937
0,086185
0,041910
0,699937
0,671208
0,057025
0,028729
0,671208
0,652200
0,036840
0,019008
0,652200
0,639920
0,023431
0,012280
0,639920
0,632110
0,014753
0,00781
0,632110
0,627192
0,009230
0,004918
Temos assim que o valor aproximado da raiz 0,627192

Com o mtodo de Newton-Raphson temos que a equao de recorrncia dada
por
f ( xi )
e xi 3 xi
xi 1 xi
xi x
f ' ( xi )
e i 3
(4. 206)
E arrumando para o problema temos a seguinte equao
xi 1
e xi xi 1
e xi 3
(4. 207)
Fazendo as iteraes chegamos na tabela abaixo

Tabela - IV. 4
xi
xi 1
f ( xi 1 )
xi 1 xi
0,8
0,574734
0,052456
0,225266
0,574734
0,617613
0,001657
0,042879
0,617613
0,619060
0,000001
0,001447
Chega se na raiz da equao com apenas trs iteraes com o seguinte valor aproximado
0,619060 .
1) Verifique se possvel resolver as equaes pelo Mtodo do Ponto Fixo, se no resolva-as
utilizando o mtodo Newton-Raphson;. Trabalhe com seis casas decimais e considere
0, 01 .
a) ln x x 2 0
b) senx x 2 0
c) x.e x 2 0
d) x 2.cos x 0
Soluo pelo Mtodo do Ponto Fixo

a) ln x x 2 0
Seja a funo:
f ( x) ln x x 2
(4. 208)
A funo de iterao (simblica):
( x) e 2 x
(4. 209)
O valor do extremo inferior do intervalo: a = 0,1 e o valor do extremo superior do intervalo: b

= 0,5, e valor inicial de x: x1 = 0,1 com preciso: = 0,01.
Tabela - IV. 5
x1
|f(x1)|
x2
|x2-x1|
0,100000
0,402585
6,685894
6,585894
6,685894
2,785894
0,009224
6,67667
0,009224
2,695119
7,321209
7,311985
7,321209
3,330434
0,004887
7,316322
0,004887
3,326096
7,353035
7,348148
7,353035
3,357922
0,004734
7,348301
O conjunto de valores obtidos para x divergente. No aplicvel o mtodo do ponto fixo.
b) senx x 2 0
Seja a funo:
f ( x) senx x 2
(4. 210)
A funo de iterao (simblica):
(4. 211)
( x) senx
O valor do extremo inferior do intervalo: a =
b=
, e o valor inicial de x: x1 =
e o valor do extremo superior do intervalo:
com preciso: = 0,01.

Tabela - IV. 6
x1
|f(x1)|
x2
|x2-x1|
0,523599
0,225844
0,707107
0,183508
0,707107
0,149637
0,806001
0,098894
0,806001
0,071887
0,849426
0,043425
0,849426
0,029377
0,866546
0,01712
0,866546
0,011196
0,872982
0,006436
0,872982
0,004151
0,875356
0,002374
O zero da funo x0 = 0,872982 com um nmero de iteraes: k = 5, o erro em x: e =

0,006436.
c) x.e x 2 0
Seja a funo:
f ( x) x.e x 2
(4. 212)
( x) 2.e x
(4. 213)
A funo de iterao:
O valor do extremo inferior do intervalo: a = 0,5, e o valor do extremo superior do intervalo: b

= 1, e valor inicial de x: x1 = 0,7, com preciso: = 0,1.
Tabela - IV. 7
x1
|f(x1)|
x2
|x2-x1|
0,700000
0,590373
0,993171
0,293171
0,993171
0,681343
0,740801
0,252370
0,740801
0,446085
0,953464
0,212663
0,953464
0,473936
0,770807
0,182657
0,770807
0,333892
0,925279
0,154471
0,925279
0,334082
0,792842
0,132437
0,792842
0,248084
0,905114
0,112272
0,905114
0,237634
0,808992
0,096122
0,808992
0,183294
0,890614
0,081622
0,890614
0,170091
0,820808
0,069806
10 0,820808
0,134851
0,880152
0,059345
11 0,880152
0,122282
0,829440
0,050713
12 0,829440
0,098896
0,872587
0,043148
13 0,872587
0,088184
0,835738
0,036850
14 0,835738
0,072358
0,867109
0,031371
15 0,867109
0,063737
0,840329
0,026780
16 0,840329
0,052849
0,863137
0,022808
17 0,863137
0,046140
0,843673
0,019464
18 0,843673
0,038551
0,860255
0,016582
19 0,860255
0,033440
0,846108
0,014147
20 0,846108
0,028095
0,858163
0,012055
21 0,858163
0,024256
0,847880
0,010283
22 0,847880
0,020461
0,856644
0,008764
23 0,856644
0,017604
0,849169
0,007475
24 0,849169
0,014893
0,855540
0,006371
25 0,855540
0,012783
0,850107
0,005433
26 0,850107
0,010837
0,854738
0,004631
O zero da funo: x0 = 0,854738, Nmero de iteraes: k = 26, Erro em x: e = 0,004631
d) x 2.cos x 0
Seja a funo:
f ( x) x 2.cos x
(4. 214)
( x) arccos( x / 2)
(4. 215)
A funo de iterao:

b=
, e o valor do extremo superior do intervalo:
, e valor inicial de x: x1 = 1, com preciso: = 0,01,.

Tabela - IV. 8
x1
|f(x1)|
x2
|x2-x1|
0,080605
1,047198
0,047198
1,047198
0,047198
1,019727
0,027471
1,019727
0,027471
1,03577
0,016044
1,035770
0,016044
1,026419
0,009351
1,026419
0,009351
1,031876
0,005457
O zero da funo x0 = 1,026419 para um nmero de iteraes: k = 4, o erro em x: e =

0,009351.
Soluo pelo Mtodo de Newton-Raphson

a) ln x x 2 0
Em primeiro lugar, verificamos, graficamente, que a funo
f ( x) ln x x 2
(4. 216)
admite um zero real no intervalo [0,1; 0,5].

Seja a funo:
f ( x) ln x x 2
(4. 217)
f ( x) 1/ x 1
(4. 218)
A derivada da funo:

= 0,5, com preciso de = 0,01, com valor inicial de x: x1 = 0,1
Tabela - IV. 9
x1
x2
|f(x2)|
|x2-x1|
0,100000
0,144732
0,077605
0,044732
0,144732
0,157864
0,003883
0,013133
O zero da funo: x0 = 0,157864, Nmero de iteraes: k = 2, Erro em x: e = 0,013133.
b) senx x 2 0 .
Em primeiro lugar, verificamos, graficamente, que a funo f ( x) senx x 2
admite um zero real no intervalo [
].
Seja a funo:
f ( x) senx x 2
(4. 219)
f ( x) cos x 2.x
(4. 220)
a derivada da funo:

b=
, e valor inicial de x: x1 =
, e o valor do extremo superior do intervalo:
, com preciso: = 0,01.

Tabela - IV. 10
x1
|f(x1)|
x2
|f(x2)|
|x2-x1|
0,523599
0,225844
1,770172
2,153318
1,246573
1,770172
2,153318
1,194172
0,496136
0,576000
1,194172
0,496136
0,948629
0,087279
0,245543
0,948629
0,087279
0,882229
0,006171
0,066399
O zero da funo: x0 = 0,882229 para um nmero de iteraes: k = 4 e erro em x: e =

0,066399.
c) x.e x 2 0
Em primeiro lugar, verificamos, graficamente, que a funo f ( x) x.e x 2
admite um zero real no intervalo [0,5;1].
Seja a funo:
f ( x) x.e x 2
(4. 221)
f ( x) ( x 1).e x
(4. 222)
A derivada da funo:

= 1 e valor inicial de x: x1 = 0,5, com preciso: = 0,01.
Tabela - IV. 11
x1
|f(x1)|
x2
|f(x2)|
|x2-x1|
0,500000
1,175639
0,975374
0,586848
0,475374
0,975374
0,586848
0,863359
0,047121
0,112015
0,863359
0,047121
0,852694
0,000384
0,010665
O zero da funo x0 = 0,852694 para um nmero de iteraes: k = 3 e erro em x: e =

0,01665.
d) x 2.cos x 0
Em primeiro lugar, verificamos, graficamente, que a funo f ( x) x 2.cos x

admite um zero real no intervalo [
].
Seja a funo:
f ( x) x 2.cos x
(4. 223)
f 1 2.senx
(4. 224)
A derivada da funo:

b=
, e valor inicial de x: x1 =
e o valor do extremo superior do intervalo:
com preciso: = 0,01

Tabela - IV. 12
x1
|f(x1)|
x2
|f(x2)|
|x2-x1|
0,523599
1,208452
1,127825
0,270573
0,604226
1,127825
0,270573
1,031431
0,004249
0,096393
O zero da funo: x0 = 1,031431 para um nmero de iteraes: k = 2 e erro em x: e =

0,096393.
2) Deduza uma frmula de iterao para calcular a raiz cbica de um nmero positivo C pelo
Mtodo do Ponto Fixo, e pelo Mtodo de Newton-Raphson, a seguir considere C = 3 e
resolva o problema com 10 2 . Examine a convergncia da iterao xi 1 a / xi para
qualquer nmero positivo.
Soluo
Para encontrar a raiz quadrada de um nmero a o mesmo que resolver a
equao x 2 a 0 .
Seja x1 a1 uma primeira aproximao da raiz quadrada. Assim, a primeira
iterao nos fornece:
a
a1
(4. 225)
a
a1
a
a1
(4. 226)
x1
Uma segunda iterao nos daria:

x2
Com uma terceira iterao, chegaramos a:

x3
a
a1
(4. 227)
E assim por diante. Por conseguinte, podemos observar que a srie de valores encontrados
para xi 1 no convergente.
3) Resoluo da equao senx x 2 0 utilizando o mtodo de Newton-Raphson Modificado.
Soluo:
Em primeiro lugar, verificamos, graficamente, que a funo
f ( x) senx x 2
que admite um zero real no intervalo [
(4. 228)
].
Newton-Raphson Modificado
Seja a funo:
f ( x) senx x 2
(4. 229)
f ( x) cos x 2 x
(4. 230)
A derivada da funo:
O valor do extremo inferior do intervalo: a = / 6 e o valor do extremo superior do intervalo:

b = / 3 e valor inicial de x: x1 = 0,7, com preciso: E = 0,0001
Tabela - IV. 13
x1
x2
f ( x)
x2 x1
0,700000
0,942802
0,154218
0,242802
0,942802
0,817371
0,079668
0,125431
0,817371
0,913810
0,061254
0,096439
0,913810
0,845776
0,043213
0,068035
0,845776
0,897966
0,033149
0,052191
0,897966
0,859736
0,024282
0,038230
0,859736
0,888901
0,018524
0,029165
0,888901
0,867229
0,013765
0,021672
0,867229
0,883687
0,010454
0,016458
10
0,883687
0,871375
0,007820
0,012311
O zero da funo x0 = 0,871375 para um nmero de iteraes: k = 10 e erro em x: e =

0,012311.
4) Usando o mtodo de Newton-Raphson, com erro inferior a 103 , determinar uma raiz das
sequintes equaes:
a) 2 x tan( x)
b) 5 x3 x 2 12 x 4 0
c) sen( x) e x 0
d) x 4 8 0
5) Seja f ( x) x 2 3x 2 . Use o mtodo das secantes para calcular x3 , a partir de x0 0 e

x1 0,5
6) A equao x tan( x) tem uma raiz entre
com erro inferior a 103
7) Determinar uma raiz de

a) sen( x) xe x 0
b) cos( x) e x
usando o mtodo Regula-Falsi.
3
e
. Determin-la pelo mtodo das secantes
2
2
Captulo V
SISTEMA DE EQUAES NO-LINEARES
RESUMO
5. 2 - Introduo
(5. 1)
Captulo VI
INTERPOLAO POLINOMIAL
RESUMO
Neste captulo ser visto diferentes mtodos de interpolao de funes tais como:
o Mtodo Lagrange, o Mtodo de Newton das Diferenas Divididas, o Mtodo de Bernstein,
o Mtodo de Hermite, a anlise da ordem e da convergncia destes mtodos e um estudo
comparativo entre eles a partir de um mesmo exemplo feito pelos diferentes mtodos.
6. 1 Objetivos do Captulo
i) Entender a problemtica da interpolao em cincia e engenharia
ii) Saber interpolar pontos por meio de diferentes mtodos de interpolao.
iii) Saber analisar os resultados de uma interpolao linear, quadrtica, cbica, etc.
iii) Saber analisar o erro dos diferentes mtodos de interpolao
iv) Saber distinguir entre a qualidade de mtodos de interpolao de funes
atravs de anlise de erros e da anlise da ordem de convergncia de um mtodo numrico.
6. 2 Introduo
Interpolar uma funo f (x ) consiste em substituir ou aproximar f (x ) por
uma outra funo, g (x ) por exemplo, com o objetivo de realizar ou facilitar certas
operaes. A funo g (x ) pode ser polinomial, trigonomtrica, racional, etc.
A substituio feita quando:
1) So conhecidos valores discretos da funo e necessrio calcular um valor
correspondente a um outro tabelado.
2) A funo em estudo tem uma expresso tal que operaes como a diferenciao ou
integrao so difceis de serem realizadas.
Conforme a funo a ser interpolada pode-se realizar uma interpolao, Linear,
Quadrtica, Cbica, etc.
Figura - 6. 1. Escolha da ordem do polinmio de interpolao, Interpolao: Linear, Quadrtica,

Cbica.
6. 3 Interpolao Polinmio de Interpolao

O problema geral da interpolao por meio de polinmios consiste em: dados n +
1 nmeros (ou pontos) distintos (reais ou complexos) xo , x1 ,..., xn e n + 1 (reais ou
complexos) yo , y1 ,..., y n , nmeros estes que, em geral, so n + 1 valores de uma funo
y f (x) em xo , x1 ,..., xn , determinar-se um polinmio Pn (x) de grau mximo n tal que:

Pn ( xo ) yo
; Pn ( x1 ) y1 ;...; Pn ( xn ) y n
(6. 1)
Vamos mostrar que tal polinmio existe e nico, na hiptese de que os pontos
xo , x1 ,..., xn sejam distintos.
6.3.1 - Teorema - 1
Dados n + 1 pontos distintos xo , x1 ,..., xn (reais ou complexos) e n + 1 valores
yo , y1 ,..., y n existe um e s um polinmio Pn (x) , de grau menor ou igual a n, tal que:

Pn ( xi ) yi
, i 0,1,..., n.
(6. 2)
Prova
n
Seja Pn ( x ) ao a1 x ... an x um polinmio de grau no mximo n, com n

+ 1 coeficientes ao , a1 ,..., an a serem determinados.
Em vista do Teorema 4.1 , temos:
ao a1 xo ... an xo n yo
n
a0 a1 x1 ... an x1 y1
...................................
n
ao a1 xn ... an xn y n
(6. 3)
O determinante do sistema (6. 3), conhecido pelo nome de determinante de

Vandermonde, :
1 xo
1 x1
V V ( xo , x1 ,..., xn )
1 :
1 xn
n
.. xo
n
.. x1
:
:
n
.. xn
(6. 4)
Para se calcular V, procedemos da seguinte maneira:

Consideremos a funo V(x) definida por:
1 xo
1 x1
V V ( xo , x1 ,..., xn , x)
1 :
1 x
n
.. xo
n
.. x1
:
:
.. x n
(6. 5)
V(x) , como facilmente se verifica, um polinmio de grau menor ou igual a n.

Alm disso, V(x) se anula em xo , x1 ,..., x n , xn 1 . Podemos ento escrever:
V V ( xo , x1 ,..., xn , x) A( x xo )( x x1 )...( x xn1 )
(6. 6)
onde A depende de xo , x1 ,..., x n1 .

Para se calcular A, desenvolvemos (6. 5) segundo os elementos da ltima linha e
n
observamos que o coeficiente de x V V ( xo , x1 ,..., xn 1 ) . Logo,
V V ( xo , x1 ,..., x n , x) V ( xo , x1 ,..., xn1 )( x xo )( x x1 )...( x xn1 )
(6. 7)
Obtivemos assim, uma frmula de recorrncia:
V V ( xo , x1 ,..., xn1 , xn ) V ( xo , x1 ,..., xn1 )( x xo )( x x1 )...( x xn1 )
(6. 8)
De (6. 4) tiramos:
V ( xo , x1 ) ( x1 xo )
(6. 9)
em vista de (6. 8) escrevemos:
V V ( xo , x1 , x2 ) ( x1 xo )( x2 xo )( x2 x1 )
(6. 10)
Por aplicaes sucessivas de (6. 8), obtemos:
V V ( xo , x1 ,..., xn1 , xn ) ( xi x j )
i j
(6. 11)
Por hiptese, os pontos xo , x1 ,..., xn so distintos. Da V 0 e o sistema (6. 3)

tem uma s soluo ao , a1 ,..., an .
Vimos, ento que dado n + 1 pontos distintos xo , x1 ,..., xn e n + 1 valores,
f ( xo ) yo , f ( x1 ) y1 ,..., f ( xn ) y n de uma funo y = f(x), existe um e um s

polinmio Pn (x ) de grau no mximo n tal que:
Pn ( xi ) f ( xi ) , i 0,1,..., n.
(6. 12)
Em vista disso, podemos por a seguinte definio:
6.3.2 - Definio - 1
Chama-se polinmio de interpolao de uma funo y = f(x) sobre um conjunto de
pontos xo , x1 ,..., xn , ao polinmio de grau no mximo n que coincide com f(x) em
xo , x1 ,..., xn . Tal polinmio ser designado por Pn ( f ; x) e, sempre que no causar confuso
simplesmente por Pn (x) .
6.3.3 - Exemplo - 1
Dados os pares de pontos (1,1), (2,4), (3,9), (4,16), determinar o polinmio de
interpolao P2(x) para a funo definida por este conjunto de pares sobre os pontos 1,2,3.
Temos:
xo 1
y o 1 f ( xo )
x1 2 e y1 2 f ( x1 )
x 3
y 3 f (x )
2
2
2
Queremos
P2 ( x) ao a1 x a 2 x 2 ,
determinar
(6. 13)
tal
P2 ( xi ) f ( xi ) i 0,1,2 . Ento
2
ao a1 xo a2 xo yo
2
ao a1 x1 a2 x1 y1
(6. 14)
ao a1 x2 a2 x2 y 2
ou substituindo xi e yi, i = 0, 1, 2,
ao 1a1 1a2 1
ao 2a1 4a 2 4
(6. 15)
ao 3a1 9a2 9
ou ainda na forma matricial:
1 1 1 ao 1

1
2
4
a1 4
1 3 9 a 9
(6. 16)
Determinaremos ao , a1 , a2 , pela Regra de Cramer, temos:
1 1 1
1 2 4 2 0
1 3 9
(6. 17)
que
1 1 1
o 4 2 4 0
9 3 9
(6. 18)
1 1 1
1 1 4 4 0
1 9 9
(6. 19)
1 1 1
2 1 2 4 2
1 3 9
(6. 20)
duas colunas iguais, e
duas colunas iguais,
Logo ao , a1 , a2 so dadas por:
ao
o
0
(6. 21)
a1
1
0
(6. 22)
2 2
1
2
(6. 23)
a2
Temos, finamente:
P2 ( x) 0 0 x 1x 2
(6. 24)
P2 ( x) 0 0 x 1x 2
(6. 25)
ou
6. 4 Interpolao Polinomial de Lagrange

Dados
os
pontos
xo , x1 ,..., xn
os
valores
correspondentes
yi f ( xi ) , i 0,1,..., n o polinmio p n (x) representado como:

Pn ( x) yo Lo ( x) y1 L1 ( x) ... y n Ln ( x)
onde os polinmios Lk ( x),
(6. 26)
k 0,1,2,..., n so polinmios de grau n .
Se Pn (x ) interpola f (x ) nos pontos selecionados, ento, para cada xi a

condio Pn ( xi ) yi deve ser atendida.
Pn ( xi ) yo Lo ( x) y1 L1 ( x) ... y n Ln ( x)
(6. 27)
Se os polinmios Lk (x ) forem tais que:
1 se k i
Lk ( x)
0 se k i
(6. 28)
A condio Pn ( xi ) yi satisfeita.
Os polinmios Lk (x ) so definidos como:
Lk ( x)
( x xo )( x x1 )( x x2 )...( x xk 1 )( x x k 1 )...( x xn )
( xk xo )( xk x1 )( xk x2 )...( xk xk 1 )( xk xk 1 )...( xk xn )
(6. 29)
Como o numerador de Lk (x ) um ponto produto de n fatores da forma
x xi , i 0,12,..., k 1, k 1,...n .
Lk (x)
um
polinmio
de
grau
consequentemente, Pn (x ) um polinmio de grau menor ou igual a n .

A forma de Lagrange para o polinmio interpolador :
n
Pn ( x) y k Lk ( x)
k 0
onde
(6. 30)
n;
(x x j )
Lk ( x)
j 0
jk
n
( xk x j )
j 0
j k
Figura - 6. 2.
(6. 31)
6. 5 Forma de Newton Interpolao Polinomial por Diferenas

Dividas
A forma de Newton para o polinmio Pn (x ) que interpola f (x ) nos ( n 1)
pontos distintos xo , x1 ,..., xn :
Pn ( x) d o d1 ( x xo ) d 2 ( x xo )( x x1 ) ...
(6. 32)
d n ( x xo )( x x1 )...( x xn1 )
Os coeficientes d k , k 0,1,2,..., n so diferenas divididas de ordem k entre os

pontos ( x j , f ( x j )),
j 0,1,2,..., n.
A diferena dividida de ordem k da funo f (x ) sobre os ( k 1) pontos
xo , x1 ,..., xn representada como:

f [ xk ] f [ xo , x1 ,..., xk ]
(6. 33)
Por definio temos a seguinte tabela:

Tabela - VI. 1. Tabela de Diferena Divididas
f [ xo , x1 ]
Diferena Divida
Ordem
f [ xo ] f ( xo )
f [ x1 ] f [ xo ] f ( x1 ) f ( xo )
x1 xo
x1 xo
f [ xo , x1 , x2 ]
f [ xo , x1 , x2 , x3 ]
f [ x1 , x2 ] f [ xo , x1 ]
x 2 xo
f [ x1 , x2 , x3 ] f [ xo , x1 , x2 ]
x3 xo
:
f [ xo , x1 , x2 ,..., xn ]
Ento:
f [ x1 , x2 ,..., xn ] f [ xo , x1 ,..., xn1 ]

x n xo
:
n
d o f [ xo ]
(6. 34)
d1 f [ xo , x1 ]
(6. 35)
d 2 f [ xo , x1 , x2 ]
(6. 36)
d n f [ xo , x1 , x2 ,..., xn ]
(6. 37)
6.5.1 Propriedade das Diferenas Divididas

1) Irrelevncia da ordem dos argumentos.
Por exemplo:
f [ xo , x1 ]
f ( x1 ) f ( xo ) f ( xo ) f ( x1 )
f [ x1 , xo ]
x1 xo
xo x1
(6. 38)
Por induo demonstra-se que:
f [ xo , x1 , x2 ,..., xn ] f [ x o , x1 , x 2 ,..., x n ]
onde
(6. 39)
o ,1 ,..., n qualquer permutao de 0,1,2..., n .
2) Forma simtrica da Diferena Dividida

n
f [ xo , x1 , x2 ,..., xn ]
i 0
f ( xi )
n
( xi x j )
k 1
k i
Forma simtrica geral:
(6. 40)
6.5.2 Forma de Newton para o Polinmio Interpolador

Se f (x ) contnua em um intervalo [ a; b] e sejam dadas (n+1) pontos
a xo x1 x2 ... xn b
(6. 41)
Seja Po (x) o polinmio de grau zero que interpola f (x ) em x xo . Ento:
Po ( x) f ( xo ) f [ xo ]
(6. 42)
Para todo x [ a; b] e x xo temos:
f [ xo , x1 ]
f [ x1 ] f [ xo ] f ( x1 ) f ( xo )
x1 xo
x1 xo
(6. 43)
Portanto,
f ( x ) f ( xo ) ( x xo ) f [ xo , x ]
(6. 44)
f ( x) Po ( x) ( x xo ) f [ xo , x]
(6. 45)
ou
Designado por Ro (x) o erro que cometido ao se aproximar f (x ) por Po (x) ,

tem-se:
Ro ( x) f ( x) Po ( x) ( x xo ) f [ xo , x]
i)
(6. 46)
Seja P1 ( x) o polinmio de grau menor ou igual a 1 que interpola f (x ) em xo e
x1 , conforme mostra a Figura - 6. 3.
Figura - 6. 3.
onde
f [ xo , x1 , x] f [ x1 , xo , x]
f [ xo , x] f [ x1 , xo ]
x x1
f ( x ) f ( xo )
f [ x1 , xo ]
x xo
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ]
x x1
( x xo )( x x1 )
(6. 47)
Portanto,
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ] ( x xo )( x x1 ) f [ xo , x1 , x]
(6. 48)
onde:
P1 ( x) f ( xo ) ( x xo ) f [ x1 , xo ] Po ( x) q1 ( x)

grau
zero
grau
um
(6. 49)
E o erro R1 ( x ) , dado por:
R1 ( x) ( x xo )( x x1 ) f [ xo , x1 , x]
(6. 50)
Observe que: R1 ( xo ) R1 ( x1 ) 0
Seja P2 ( x) o polinmio de grau menor ou igual a dois que interpola f (x ) em
ii)
xo , x1 , x2 pode-se escrever:
f [ xo , x1 , x2 , x] f [ x2 , x1 , xo , x]
f [ x1 , xo , x] f [ x2 , x1 , xo ]
x x2
f [ xo , x1 ] f [ x1 , xo ]
f [ x2 , x1 , xo ]
x x1
x x2
f ( x ) f ( xo )
f [ x1 , xo ]
x xo
f [ x2 , x1 , xo ]
x x1
x x2
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ] ( x xo )( x x1 ) f [ x2 , x1 , xo ]
( x xo )( x x1 )( x x2 )
(6. 51)
Portanto,
f ( x) f ( xo ) ( x xo ) f [ x1 , xo ] ( x xo )( x x1 ) f [ xo , x1 , x2 ]
( x xo )( x x1 )( x x2 ) f [ xo , x1 , x2 , x]
(6. 52)
onde:
P2 ( x) f ( xo ) ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ]

P1 ( x )
q2 ( x )
(6. 53)
E o erro R21 ( x) , dado por:
R2 ( x) ( x xo )( x x1 )( x x2 ) f [ xo , x1 , x2 , x]
(6. 54)
Observe que os coeficientes dos polinmios de interpolao so diferenas divididas.

Para um polinmio interpolador de grau n pode-se escrever:
Pn1 ( x) f ( xo ) ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ] ...
( x xo )( x x1 )...( x xn2 ) f [ xo , x1 ,..., xn1 ]
(6. 55)
q n ( x) ( x xo )( x x1 )...( x xn1 ) f [ xo , x1 ,..., xn ]
(6. 56)
Rn ( x) ( x xo )( x x1 )...( x xn ) f [ xo , x1 , x2 ,..., x]
n
( x xi ) f [ xo , x1 , x2 ,..., x]
i 0
(6. 57)
6. 6 Estudo do Erro na Interpolao pelo Mtodo de Newton

A frmula de Newton pode ser escrita como:
n
f ( x) Pn ( x) ( x xi )G ( x)
(6. 58)
i 0
onde
G ( x) f [ xo , x1 , x2 ,..., , xn , x]
(6. 59)
Vamos ver agora uma outra forma de expressar o erro G(x).

Define-se uma frao Q (t ) onde:
n
Q(t ) f (t ) Pn (t ) (t xi )G ( )
i 0
(6. 60)
Que se anula quando t xi , i = 0,1,2,...,n ((n+1) vezes). E tambm quando t = x.
6.6.1 Teorema de Rolle

Se a funo f (x) contnua no intervalo [ a; b] , diferencivel em ( a; b) se
f (a ) f (b) 0 ento existe pelo menos um ponto c, a c b , tal que f ' (c) 0 ,
conforme mostra a Figura - 6. 4.
Figura - 6. 4.
Aplicando o teorema de Rolle funo Q , tem-se que Q' se anula pelo menos
(n+1) vezes, Q ' ' se anula pelo menos n vezes e assim sucessivamente, at Q
( n 1)
que se
anula pelo menos uma vez no intervalo (xo;xn).

Derivando (6. 60) (n+1) vezes em relao varivel t, obtm-se:
Q ( n1) (t ) f ( n1) (t ) ( n 1)!G ( )
(6. 61)
Se Q ( n1) ( ) 0 , onde o ponto onde a funo Q(t) se anula pelo menos uma
vez, ento:
f ( n1) ( )
G ( )
f [ xo , x1 , x2 ,...xn , ]
( n 1)!
(6. 62)
f ( n 1) ( )
Rn ( x) ( x xi )
(n 1)!
i 0
(6. 63)
Assim
n
Onde
( xo , x k )
6.6.2 Limitante para o Erro

Se f
( n1)
( x) for contnua no intervalo [ xo ; xn ] pode-se escrever:
Rn ( x) f ( x) Pn ( x) ( x xo )( x x1 )...( x xn )
M n1
( n 1)!
(6. 64)
onde
( n 1)
M n 1 max
( x)
f
x[ xo ; xn ]
(6. 65)
6. 7 Problemas na Interpolao Polinomial

A interpolao polinomial um mtodo fcil e nico para descrever curvas que
contm alguns atributos geomtricos satisfatrios. A interpolao polinomial no o
mtodo de escolha dentro de aplicativos como o CAD devido a descries melhores de curvas
pelo mtodo de Bezier e usando polinmios de Bernstein (como ser visto mais tarde). A
razo porque a interpolao polinomial pode oscilar, conforme mostra a
Figura - 6. 5.
Isto , o polinmio interpolante pode oscilar mesmo quando pontos de dados

normais e os valores dos parmetros so usados. Uma outra razo porque o polinmio
interpolante no preserva a forma. Isto no tem nada a ver com os efeitos numricos, ele
devido ao processo de interpolao. E por ltimo para processos de interpolao de alto custo:
uma enorme quantidade de operaes necessrias para a construo e clculo do interpolante
6. 8 Interpolao Polinomial de Hermite

A interpolao pelo Mtodo dos Polinmios de Hermite considera o
conhecimento bsico dos seguintes valores das funes:
H ( x) f ( x )
H '( x) f ( x)
(6. 66)
H ''( x) f ( x)
conforme mostra a Figura - 6. 6.
Figura - 6. 6.
6.8.1 - Teorema
1
Se f C [a; b] e se x0 , x1 ,..., xn [a; b] so distintos, o nico polinmio de

grau mnimo concordante com f e f em x0 , x1 ,..., xn o polinmio de Hermite de grau pelos
menos 2n+1, dado por:
n
j 0
j 0
H 2 n1 ( x) f ( xi )H n , j ( x) f '( xi )H n , j ( x)
(6. 67)
Onde
H n, j ( x) 1 2( x x j ) L 'n , j ( x j ) L2 n, j ( x)
(6. 68)
H n, j ( x) ( x x j ) L2 n, j ( x)
e Ln, j ( x) o jsimo coeficiente do polinmio de Lagrange Ln ( x)
Prova
(6. 69)
6.8.2 - Mtodo Alternativo de Newton das Diferenas Divididas

Existe um mtodo alternativo para se calcular os polinmios de Hermite usandose as diferenas divididas de Newton. Vejamos:
n
Pn ( x) f [ xo ] f [ xo , x1,..., xn ]( x xo )( x x1 )...( x xk 1 )
(6. 70)
k 1
Ns devemos passar para
H 2 n1 ( x) ?
(6. 71)
xo , x1,..., xn zo , z1,..., z2 n1
(6. 72)
E associar
Onde
, x1 ,...,
zo xo
z1 xo
z2 x1
z3 x1
(6. 73)
:
z2 n xn
z2 n1 xn
Veja que neste caso
f [ xo , x1 ]
f [ x1 ] f [ xo ]
x1 xo
(6. 74)
Se anula. Logo devemos fazer:
f [ z2io , z2i 1 ] f '[ z2i ] f '( xi )
(6. 75)
6. 9 Interpolao Polinomial de Bezier
6.9.1 - Introduo
As tcnicas de interpolao, que ajusta uma curva aos pontos dados, em muitos
casos oferecem excelentes resultados, elas so particularmente usadas quando a forma bsica
da curva conhecida atravs de avaliao experimental ou por clculo matemtico. Alguns
exemplos que empregam esta tcnica o projeto de asas de avio, distribuidores para
motores, e algumas peas mecnicas. Porm existe uma classe de problemas que so
denominados de ab inito, em que as tcnicas de interpolao (fitting) mostraram-se
ineficientes. Alguns exemplos de ab initio o projeto de fuselagem de avio, cascos de navios e
design de automveis. Uma tcnica alternativa para a descrio adequada da curva para
problemas de ab initio so as Curvas de Bzier, que foi desenvolvida pelo matemtico francs
Pierre Bzier nos anos 60, durante seus trabalhos em projetos de automveis para a Renault.
Originalmente Bzier baseou sua curva em princpios geomtricos, porm mais tarde, Forrest,
Gordon e Riesenfeld mostraram que o resultado equivalente base de Bernstein, ou funo
de aproximao polinomial.
Atualmente a curva de Bzier amplamente utilizada na maioria dos softwares de
computao grfica disponveis no mercado, entre eles temos o Adobe Illustrator, o Corel
Draw, o Auto CAD, 3Ds MAX, Rhinoceros 3D, e bibliotecas como o OpenGL, VTK, entre
outros. No prximo captulo sero revisados trs diferentes tipos de representaes para
curvas, mostrando as vantagens e desvantagens de seu uso. No captulo trs, mostrada a
definio matemtica da curva de Bzier. No quarto captulo construdo um exemplo a partir
de definio matemtica. O quinto captulo mostra algumas propriedades da curva. O sexto
mostra a curva de Bzier na forma matricial. No stimo captulo comentada a importncia
da continuidade da curva para conexo de duas ou mais curvas de Bzier e, por fim, no oitavo
so comentadas vantagens e desvantagem no uso das curvas de Bzier. Em anexo esto os
cdigos para visualizar as curvas de Bzier em MATLAB, algumas citaes de uso de Bzier
em aplicativos (software) e uma introduo a superfcies, em especial, as superfcies NURBS
muito utilizadas por projetistas para acelerar a construo de objetos.
6.9.2 - Definies Bsicas

Representaes da Curva
Existem basicamente 3 formas de representao para curvas: a explcita, a
implcita e a paramtrica. A forma mais intuitiva de se definir uma curva plana atravs de
uma equao do tipo
y f x
(6. 76)
Este tipo de representao chamado de forma explicita da curva, pois uma coordenada
funo explicita da outra. bastante simples representar uma reta com esta forma
y ax b
(6. 77)
y r 2 x2
(6. 78)
Ou um crculo centrado na origem
Outra representao importante obtida usando a forma implcita da curva :
f x, y 0
(6. 79)
Este tipo de equao bastante empregado para cnicas. Desta forma, um circulo de centro
(0,0) de raio r descrito pela equao
x2 y2 r 2 0
(6. 80)
Tanto a forma explcita como a implcita, permitem que as curvas sejam armazenadas de
maneira eficiente, visto que o nmero de coeficientes pequeno. A forma explicita s pode
ser utilizada para curvas que possuam apenas um valor de y, para cada valor de x, j a forma
implcita no possui esta limitao. Por outro lado, a avaliao de uma curva na forma
explcita feita de maneira trivial, enquanto para curvas na forma implcita esta variao
requer a soluo da equao:
f x, y 0
(6. 81)
Devido aos problemas das outras formas de representao, a forma paramtrica amplamente
utilizada na modelagem geomtrica. Matematicamente, uma curva paramtrica pode ser
definida atravs da equao:
p pt
(6. 82)
onde p um ponto da curva e t a coordenada paramtrica associada a este ponto. Pode-se

verificar que a converso da representao explcita para a representao paramtrica feita
de maneira direta atravs do uso das relaes:
xt
(6. 83)
y f t
(6. 84)
A forma paramtrica permite uma descrio uniforme dos diferentes tipos de curvas atravs
da adoo de um intervalo fixo de variao da coordenada paramtrica.
Exemplo:
xt r cost
0 t 2
(6. 85)
y t rsent
0 t 2
(6. 86)
Geralmente utiliza-se o intervalo [0,1].Alm disso, a representao explcita dos vrtices

obtida de maneira trivial fazendo-se com que p(0) corresponda ao vrtice inicial e p(1)
corresponda ao vrtice final da aresta associada.
6.9.3 - Definio Matemtica da Curva de Bezier

A Curva de Bzier determinada por um polgono de definio, conforme mostrado
na Figura - 6. 7
Figura - 6. 7.
Observao:
Os vrtices do polgono so enumerados de 0 n.
Os pontos B1, B2, B3,B4 so os pontos do polgono de definio.
O polgono de definio tambm chamado de polgono de Bzier.
Matematicamente, uma curva de Bzier definida como:

n
P t
Bi J n,i t
0 t 1
(6. 87)
i 1
Onde as funes bases de Bzier (ou Bernstein) ou ainda funes de mistura (blending) so:
n
n i
J n,i t i 1 t
i
com
(6. 88)
n
n!

i i ! n i !
Observao:
O grau da funo de mistura sempre uma unidade a menos que o nmero de
pontos do polgono de definio.
6.9.4 - Exemplo de Curva de Bezier

Considerando os pontos B0=[1 1], B1=[2 3], B2 =[4 3], B3 = [3 1], vrtices do
polgono de Bzier. Determine 7 pontos sobre a curva de Bzier
Dados do problema:
Os pontos B0, B1, B2, B3, definem o polgono de Bzier;
O grau das funes de mistura n = 3, ou seja, 4 menos 1.
Clculo das funes de mistura J3,i.
Aplicando a definio de funo de mistura:
n
n i
J n,i t i 1 t
i
temos:
(6. 89)
n 3
6

i i i !(3 i )!
3
6
1

0 0!(3 0)!
3
6
3

1 1!(3 1)!
3
6
3

2 2!(3 2)!
(6. 90)
3
6
1

3 3!(3 3)!
Ento:
J3,0 (t) = (1)t0(1 t )3-0 = (1-t)3

J3,1 (t) = 3t (1 t )3-1 = 3t(1-t)2
(6. 91)
J3,2 (t) = 3t2(1-t)3-2 = 3t2(1-t)

J3,3 (t) = (1)t3(1-t)3-3 = t3
Como os pontos sobre a curva de Bzier so calculados por:
3
P t
Bi J n,i t
(6. 92)
i 1
Temos que:
P(t) = B0J3,0 + B1J3,1 + B2J3,2 + B3J3,3

(6. 93)
P(t) = (1-t)3 B0 + 3t(1-t)2B1+3t2(1-t)B2 + t3P3
P(0) = B0 = [1 1]
P(0,15) = 0,614 B0 + 0,325 B1 + 0,058 B2 + 0,003 B3 = [1,5 1,765]
P(0,35) = 0,275 B0 + 0,444 B1 + 0,239 B2 + 0,042 B3 = [2,248 2,367]
P(0,5) = 0,125 B0 + 0,375 B1 + 0,375 B2 + 0,125 B3 = [2,75
2,5]
P(0,65) = 0,042 B0 + 0,239 B1 + 0,444 B2 + 0,275 B3 = [3,122 2,367]
(6. 94)
P(0,85) = 0,003 B0 + 0,058 B1 + 0,325 B2 + 0,614 B3 = [3,248 1,765]

P(1) = B3 = [3 1]
Tabela com os coeficientes da curva de Bzier
Tabela - VI. 2.
Na Figura 4.1 temos a curva gerada pelos pontos e sobre a curva em destaque os pontos para
diferentes variaes do parmetro.
6.9.5 - Propriedades da Curva de Bezier

As funes bases so reais
A forma da curva geralmente acompanha a forma do polgono de definio (na
verdade uma verso suavizada do polgono). Assim para desenhar uma curva, basta
definir o polgono e depois ajustar os pontos que forem necessrios para aproximar melhor a
forma desejada. Isso torna a definio adequada para o design iterativo. Um projetista
experiente consegue obter a forma desejada depois de 2 ou trs iteraes com um sistema
computacional
O primeiro e o ltimo ponto da curva coincidem com o primeiro e o ltimo ponto,
respectivamente, do polgono de definio.
Os vetores tangentes nos extremos da curva tm a mesma direo que o primeiro e
o ltimo segmento do polgono de definio, respectivamente.
A curva esta contida no fecho convexo do polgono (convex hull).
A curva exibe a propriedade da variao decrescente (variation diminishing
property). Isto significa, basicamente, que a curva no oscila em relao a qualquer linha reta
com mais freqncia que o polgono de definio. Algumas representaes matemticas tm a
tendncia de amplificar, ao invs de suavizar, quaisquer irregularidades no formato esboadas
pelos pontos de definio, enquanto outras, como as curvas de Bzier, sempre suavizam os
pontos de controle. Assim, a curva nunca cruza uma linha reta arbitrria mais vezes que a
seqncia de segmentos que conectam os pontos de controle.
A curva invariante sob transformaes afins. Esta propriedade garante que os
dois procedimentos descritos abaixo produzem o mesmo resultado.
primeiro calcula um ponto da curva, e depois aplica a ele uma transformao afim;
primeiro, aplica uma transformao afim ao polgono de definio e depois gera a curva.
Uma conseqncia prtica: suponha que traamos uma curva cbica calculando
100 pontos sobre ela; e que agora queremos desenhar a mesma curva depois de uma rotao.
Podemos aplicar a rotao a cada um dos 100 pontos, e desenhar os pontos
resultantes, ou aplicar a rotao a cada um dos 4 pontos do polgono de controle, calcular
novamente os 100 pontos e tra-los. A primeira estratgia requer que a rotao seja aplicada
100 vezes, e a segunda requer a aplicao apenas 4 vezes! interessante observar que as
curvas de Bzier no so invariantes sob transformaes projetivas.
Interpolao dos pontos extremos
Os vetores tangentes dos pontos extremos tm a mesma direo dos segmentos do
polgono de controle.
Pode-se mostrar que para qualquer valor do parmetro t, o somatrio das funes
base a unidade, isto :
n
J n,i 1
(6. 95)
i0
Observao: As curvas de Bzier no so invariantes sob transformaes projetivas.

Alguns resultados
i
n i
i n i (n i)
J n,i
n i
nn
(6. 96)
O mximo valor para cada funo de mistura ocorre em t = i/n e dado por:
Por exemplo, para uma cbica (n=3). O Mximo valor para J 3,1 e J3,2 ocorre em
1/3 e 2/3, respectivamente, com os valores :
J3,1(1/3) = 4/9 e J3,2(2/3)= 4/9
(6. 97)
Os grficos abaixo mostram as funes de mistura para alguns valores de n.
Figura - 6. 8. Funes de mistura. (a) Polgono de trs pontos, n = 2; (b) Polgono de quatro
pontos, n = 3; (c) Polgono de cinco pontos, n = 4; (d) Polgono de cinco pontos, n = 5;
O primeiro ponto da curva coincide com o primeiro ponto do polgono de

definio, isto :
P0 B0
(6. 98)
Prova:
Aqui definiremos que 0 0 =1.
J n,0 (0)
n!(1)(1 0)n 0
1
n!
para i 0
n!(0)i (1 0)n i
J n,i (i)
0 para i 0
i!(n i)!
Portanto:
(6. 99)
P 0 B0 J n,0 0 B0 .1 B0
(6. 100)
Similarmente para o ltimo ponto da curva, isto , para t =1,

n !(1)n (0)n n
1
para i n
n !(1)
n!
J n,i (i )
t i (1 1)n i 0 para i n
i !(n i )!
(6. 101)
P 1 Bn J n, n 1 Bn .1 Bn
(6. 102)
J n, n (1)
Portanto:
Alm disso, pode-se mostrar que para qualquer valor do parmetro t, o somatrio das funes
base a unidade, isto :
n
J n, i t 1
(6. 103)
i 0
6.9.6 - Curva de Bezier na Forma Matricial

A equao para a curva de Bzier pode ser expressa na forma matricial, da seguinte
forma, para n = 3
B0

3
2
2
3 B1
P(t ) [1 t 3t 1 t 3t t ]
B2

B3
(6. 104)
Desenvolvendo e agrupando os termos do parmetro podemos reescrever como
1 3 3
3 6 3
P(t ) t 3 t 2 t 1
3 3 0
1 0 0
1
0
0
B0
B
1
B2

B3
(6. 105)
De modo anlogo para n = 4, a curva de Bzier correspondente a 5 pontos de controle
P(t ) t 4
6 4
1 4
4 12 12 4
t 1 6 12 6
0

0
0
4 4
1
0
0
0
t3 t 2
1
0
0
0
0
B0
B
1
B2

B3
B4
(6. 106)
De uma forma geral uma curva de Bzier pode ser expressa na forma matricial como
P(t) = T N G = F G
(6. 107)
onde F = Jn,0 Jn,1 ... Jn,n (Funes de Mistura) e G = B0, B1,..., Bn (Vrtices do polgono de
definio)
Observaes:
Para qualquer valor de n a matriz [N] simtrica em relao a diagonal principal;
O canto triangular inferior (abaixo da diagonal principal) direito contm apenas
zeros.
6.9.7 - Conexo de vrias Curva de Bezier

Em geral, uma forma complexa no pode ser modelada por uma nica curva, mas
por vrias curvas que so conectadas em seus pontos extremos. Ao criar as junes temos que
controlar a continuidade nos pontos de juno. Neste ponto surge uma pergunta. O que
significa continuidade?
Continuidade de ordem 0, C0, significa que duas curvas se encontram.
Continuidade de primeira, C1, ordem exige que as curvas tenham tangentes
comuns no ponto de juno.
Continuidade de Segunda ordem, C2 ,exige que as curvaturas sejam as mesma
A forma mais simples de continuidade C0 assegura que a curva ou a unio de
curvas no ter descontinuidade. O nvel seguinte C1 indica que a inclinao ou a derivada
primeira da curva constante em todos os pontos. A continuidade C 2 implica continuidade na
derivada segunda da curva e assim por diante.
As derivadas (primeira e segunda) das curvas de Bzier so dadas por:
n
P' t B J ' , e P' ' (t ) B J ' ' (t )

i 0
onde:
n ,i
i 0
(6. 108)
J 'n,i
i nt J
(t )
t (1 t )
n,i (t )
i nt 2 nt 2 i(1 2t )
J ''n,i (t )
J n,i (t ) (6. 109)
2
2
t (1 t )
pode ser demonstrado que:
P (0) = n(B1-B0) .
(6. 110)
P (1) = n(Bn-Bn-1)
(6. 111)
P(0) = n(n-1)(B0-2B1+B2)
(6. 112)
P(1) = n(n-1)(Bn-2Bn-1+Bn-2)
(6. 113)
6.9.8 - Vantagens e Desvantagens da Curva de Bezier

Pode ser demonstrado que:
O controle da curva global. Isto significa que a mudana de um ponto do
polgono de definio (ponto de controle) implica na mudana de toda a curva. Para controle
local deve-se utilizar B-Spline(ver Anexo A), que uma evoluo da curva de Bzier;
O nmero de pontos do polgono de definio especifica diretamente o grau da
curva gerada. Desta forma o aumento no nmero de pontos do polgono de definio aumenta
o custo de avaliao da curva e suas derivadas;
A construo de desenhos complexos acelerada com o uso das curvas Bzier.
6. 10 Interpolao Polinomial de Bernstein

Na matemtica sub-rea de Anlise Numrica, os polinmios de Bernstein, foram
chamados assim, depois que o matemtico Sr. Sergi Natanovich Bernstein, que inventou esses
polinmios, que levam o seu nome, utilizou-os pela primeira vez para realizar uma prova
construtiva do Teorema de Aproximao de Stone-Weierstrass. Com o advento da computa
grfica os polinmios de Bernstein tornaram-se importante na interpolao de curvas de
Bezier.
Figura - 6. 9. Sergi Natanovich Bernstein quem primeiro utilizou os polnios que levam o seu
nome.
Na interpolao eles formam um polinmio capaz de ajustar curvas suaves por

meio de uma combinao linear da base polinomial de Bernstein. Prefere-se
sobre
outras
interpolaes polinomiais porque:
mais eficiente.
Outros polinmios de altos graus so computacionalmente mais caros.
Erros pequenos.
A curva interpolante mais suave.
Melhor controle sobre a forma das curvas
Manipulao flexvel de curvas com garantia e controle de forma da curva resultante
Introduo de pontos de controle que no necessariamente estende-se sobre a curva.
6.10.1 - Motivao de sua Existncia

A motivao da existncia dos polinmios de Bernstein surgiu da forma do
Binmio de Newton como:
n n

(a b) n a ni b i
i 0 i
(6. 114)
Os polinmios de Bernstein so os termos da Srie Binomial de Newton, formando uma

seqncia de funes.
6.10.2 - Definio dos Polinmios

Os polinmios de Bernstein de grau n so definidos como:
n
Bin (t ) (1 t ) ni t i com t 0,1 , i 0,..., n
i
(6. 115)
para i 0,1,2,..., n onde os seus coeficientes binomiais so dados por:
n!
para 0 i n
n
i
!(
n
i
)!
i
0 para 0 i n
(6. 116)
Observe que os expoentes desse polinmio em t aumenta de uma unidade e os

expoentes em (1 - t) diminuem de uma unidade conforme o ndice i aumenta. Os polinmios
de Bernstein de graus 1, 2, 3 e 4 so mostrados na Figura - 6. 10 para o intervalo de 0 t 1 .
1
1!
B0,1 (t ) (1 t )1 t 0
(1 t )t 0 (1 t )
0!(1 0)!
0
1
1!
B1,1 (t ) (1 t )11 t 1
(1 t ) 0 t t
1!(1 1)!
1
(6. 117)
2
2!
B0, 2 (t ) (1 t ) 2 t 0
(1 t ) 2 t 0 (1 t ) 2
0!(2 0)!
0
2
2!
B1, 2 (t ) (1 t ) 21 t 1
(1 t )1 t 1 (1 t )t
1!( 2 1)!
1
2
2!
B2, 2 (t ) (1 t ) 22 t 2
(1 t ) 0 t 2 t 2
2!(2 2)!
2
(6. 118)
3
3!
B0,3 (t ) (1 t ) 3 t 0
(1 t ) 3 t 0 (1 t ) 3
0!(3 0)!
0
3
3!
B1,3 (t ) (1 t ) 31 t 1
(1 t ) 2 t 1 3(1 t ) 2 t
1!(3 1)!
1
3
3!
B2,3 (t ) (1 t ) 32 t 2
(1 t )1 t 2 3(1 t )t 2
2!(3 2)!
2
(6. 119)
3
3!
B3,3 (t ) (1 t ) 33 t 3
(1 t ) 0 t 3 t 3
3!(3 3)!
3
Figura - 6. 10.
6.10.3 - Propriedades dos Polinmios

Vejamos algumas das propriedades dos polinmios de Bernstein
1) Intervalo de validade
Bin (t ) 0,1 n ,0 i n, t 0,1
(6. 120)
2) Recursividade:
Os polinmios de Bernstein de grau n podem ser definidos junto com os
polinmios de grau n 1 . Isto , o nesimo grau do polinmio de Bernstein pode ser escrito
como:
Bk ,n (t ) (1 t ) Bk ,n 1 (t ) tBk 1,n1 (t )
(6. 121)
Para mostrar isto, ns precisamos usar a definio do polinmio de Bernstein e alguma

lgebra simples:
3) Positividade:
Bvn (t ) 0x [0;1]
(6. 122)
4) Partio de uma Unidade:

n
i0 Bin (t ) 1
t 0,1
(6. 123)
Prova:
n
1 1 t t
n
n
n i
i0 i 1 t t i i0 Bin (t )

(6. 124)
Bin (t ) Bnni (1 t )
(6. 125)
5) Simetria
6) Grau Crescente:
7) Forma n escolhas i do Tringulo de Pascal
n
n-1
n!
i = i!(n - i)! = i +

n-1
i-1

(6. 126)
0
0 : :
0
1 1
1: , :
0 1
1
1+1
2 2 2
2 : , , :
1+2+1
0 1 2
3 3 3 3
3: , , , :
1 + 3 + 3 +1
0
1
2
3

4 4 4 4 4
4 : , , , , : 1 + 4 + 6 + 4 + 1
0 1 2 3 1
:
(6. 127)
n n
n n n
n
i : , ,...., , ,
,....,
n : 1,(n-1)+(i-1),(n-1+i),...,1
0 1
k-1 k k+1

1:
1,1:
1+1
1,2,1:
1+2+1
1,3,1:
1 + 3 + 3 +1
(6. 128)
1,4,6,4,1: 1 + 4 + 6 + 4 + 1
:
1, n, ...,(n-1)+(i-1),(n-1+i),...,1
8) Graus mais altos lerps de graus inferiores
n
Bi,n (t ) = t i (1-t) n-i
i
n-1
n-1
= t i (1-t) n-i + t i (1-t)n-i
i
i-1
= (1-t)Bi,n-1 (t ) + tBi-1,n-1 (t )
9) Forma uma Base de Potncias
(6. 129)
Alguns polinmios de Interpolao formam uma base de funes ortogonais, quer

sejam:
- Polinmios de Lagrange
- Polinmios de Bernstein
- Polinmios de Hermite
- etc.
10)
Bvn (t ) 0
(6. 130)
Bvn (0) v ,0
(6. 131)
Bvn (1) v ,n
(6. 132)
11) Se v 0 ou v n
onde
v ,n o Delta de Krenecker.
12)
Bvn (t )
(6. 133)
Possui uma raiz de multiplicidade v no ponto t 0 (note que se v 0 no existe raiz em
t 0 . Possui uma raiz com multiplicidade n v no ponto t 1 (note que se v n ao existe

raiz em t 1 )
13)
Bvn (1 t ) Bvn v (t )
(6. 134)
14) Se v 0 , ento Bv (t ) possui um nico mximo local no intervalo [0;1] em t v / n .

Este mximo toma valores:
n
v v n n ( n v ) n v
v
(6. 135)
6.10.4 - Base de Potncia de Bernstein

A base polinomial de Bernstein de grau n formam uma base no espao vetorial de
funes de grau n. Uma combinao linear da base polinomial de Bernstein dada por:
B(t ) b0 B0,n (t ) b1B1,n (t ) ... bn Bn ,n (t )
(6. 136)
onde os coeficientes bi so chamados de coeficientes de Bernstein ou coeficientes de Bezier.
6.10.5 Aproximao de Funes Contnuas

Seja f ( x ) uma funo contnua sobre o intervalo [0;1]. Considere o polinmio
de Bernstein dado por:
n
v
Bn ( f )(t ) f ( )Bvn (t )
n
v 0
(6. 137)
lim Bn ( f )(t ) f (t )
(6. 138)
Pode-se mostrar que:

n
Uniformemente sobre o intervalo [0;1]. Esta uma condio mais forte do que a proposio
de que o limite se mantm para cada valor de t separadamente, que deveria ser uma
convergncia ponto a ponto alm da convergncia uniforme. Especificamente, a palavra
uniformemente significa que:
lim sup f (t ) Bn ( f )(t ) para 0 t 1 0
(6. 139)
Os polinmios de Bernstein ento tenha recursos para de uma forma provar o teorema da
aproximao de Stone-Weieerstrass que toda funo contnua de valor real sobre um intervalo
real [a;b] pode ser uniformemente aproximada por funes polinomiais em R.
Uma condio mais geral para uma funo com derivada ksima continua :
Bn ( f )( k ) (t )
( n) k
f
nk
(k )
(t )
(6. 140)
f
Onde aditivamente
(k )
(t ) Bn ( f )( k ) (t )
(6. 141)
(n) k 0 1 k 1
1 1 ...1
n
nk
n n
(6. 142)
um auto valor de Bn ( f )(t ) , as correspondentes autofuno um polinmio de graus k.
Prova
6.10.6 - Derivadas dos Polinmios
6.10.7 - Matriz de Representao dos Polinmios

Um polinmio B(t ) pode ser expresso na base polinomial de Bernstein como:
B(t ) c0 B0,n (t ) c1 B1,n (t ) ... cn Bn ,n (t )
(6. 143)
Em termos de vetores, este facilmente escrita como:
c0
c
B(t ) B0,n (t ) B1,n (t ) ... Bn,n (t ) 1
:

c n
(6. 144)
Ns podemos converter a expresso anterior para matrizes onde:
b0,0
b
n 1, 0
B(t ) 1 t ... t
:
bn,0
0 ... 0 c0
b1,1 ... 0 c1

:
:
: :

bn,1 ... bn,n cn
(6. 145)
Como por exemplo:

B (t ) P0 (1 t )3 P1[3t (1 t ) 2 ] P2 [3t 2 (1 t )] P3t 3
(6. 146)
onde
B(t ) t 3 t 2
1 3 3
3 6 3
t 1
3 3 0
1 0 0
1 P0

0 P1
0 P2

0 P3
(6. 147)
Este resultado nos ajudar a interpolar uma curva de Bezier como ser visto em seguida.
6.10.8 - Exemplo de Aplicao de Interpolao de uma curva Bezier

Dado uma srie de pontos de controle onde
N
Pi i0
(6. 148)
Definio: Uma curva Bezier de grau N :

B
P(t ) PB
i n ,i (t )
(6. 149)
i 0
onde Bn ,i (t ) para i = 0, 1, , N, so os polinmios de Bernstein de grau N. P(t) a curva de

Bezier. Uma vez que Pi ( xi , yi ) .
N
x(t ) xi Bn ,i (t )
(6. 150)
i 0
e
N
y (t ) yi Bn ,i (t )
(6. 151)
i 0
fcil modificar as curvas se os pontos so acrescentados
Problema: Ache a curva Bezier que possui os seguintes pontos de controle {(x,y)={
(2,2), (1,1.5), (3.5,0), (4,1)}.
Figura - 6. 11.
Soluo: Substitui-se as coordenadas x- e y- dos N = 3 pontos de controle dentro das

frmulas x(t) e y(t):
x(t ) 2 B03 (t ) 1B13 (t ) 3.5 B23 (t ) 4 B33 (t )

y (t ) 2 B03 (t ) 1.5 B13 (t ) 0 B23 (t ) 1B33 (t )
(6. 152)
Mostramos nas figuras abaixo simulaes de aproximao de funes por meio

dos polinmios de Bernstein
Figura - 6. 12.
Figura - 6. 13.
Figura - 6. 14.
Figura - 6. 15.
Figura - 6. 16.
Figura - 6. 17.
6. 11 Interpolao Polinomial por Spline

No estudo de mtodos numricos muito comum o desenvolvimento de funes
em sries de Taylor. Entretanto, a aproximao por uma srie de potncias s possvel
quando a funo possui derivadas no ponto ao redor do qual estamos trabalhando. A srie de
Taylor nos permite obter uma aproximao de f(x) atravs de polinmios em h.
(6. 153)
A aproximao por polinmios tem uma vantagem da propriedade da analiticidade.
As funes polinomiais por partes, chamadas splines, apresentam boas
propriedades de aproximao, convergncia e estabilidade com respeito aos erros de
arredondamento. As funes splines esto associadas a uma partio predeterminada no
intervalo [a; b] definido pelos pontos x0 , x1,...xm tais que:
: a x0 x1 x2 ... xm b
(6. 154)
em cada subintervalo xi ; xi 1 , i 1, 2,..., m os splines so polinmios (que possui todas as

derivadas). Estes pedaos de polinmios so colados convenienetemente para que algumas
derivadas, da ordem ditada no problema, exitam em todo o intervalo [a; b] .
6.11.1 - Definio das Splines

Uma funo S ( x) chamada spline de grau n, associada a uma partio (2) de
[a; b] , se:
i) S ( x) um polinmio de grau n em cada subintervalo xi ; xi 1 ;

ii) S ( x) tem (n-1) derivadas contnuas em cada xi , isto , S ( x) uma funo com (n-1)
derivadas em a; b
Figura - 6. 18. a) Spline linear (n = 1); b) Spline cbica (n = 3).
A amplitude das aplicaes de splines em mtodos numricos deve-se a utilizao

dessas funes para gerar espaos de dimenso finita que aproximam problemas de dimenso
infinita.
k
possvel estabelecer base a partir de funes splines. Dada a base i ( x)i 1 ,

qualquer elemento deste espao vetorial pode ser escrito como:
(6. 155)
Onde c1, c2 ,..., ck so os coeficientes da combinao linear e k a dimenso do espao
vetorial
6.11.2 - Base para splines lineares (n = 1)

A base para funes lineares dada por:
(6. 156)
Graficamente temos as chamadas funes chapu, conforme mostra a Figura - 6. 19
Figura - 6. 19.
Usando esta base, as splines de grau 1 associadas a partio definida por

x0 , x1,...xm , as quais so retas por partes podem ser escritas na forma:
(6. 157)
Onde S i S ( xi ) so os valores que S ( x) assumem em xi
6.11.3 - Base para splines cbicas (n = 3)

A expresso analtica para base para funes cbica dada por:
(6. 158)
Graficamente temos as funes Bi ( x) , que so sinos com vrtices em xi , conforme mostra a
Figura - 6. 20
Figura - 6. 20
Pode-se observar que, para completar a base no intervalo x0 ; xm , necessrio introduzir

ns adicionais. Isto ocorre porque a funo B1 ( x) tm influncia no intervalo x0 ; xm , uma
vez que B1 ( x) 0 em
x0 ; xm .
Assim como a funo Bm 1 ( x) tambm contribui no
intervalo x0 ; xm . A combinao linear destas funes :
(6. 159)
6.11.4 - Uso de Splines na Interpolao

Para o uso das splines na interpolao, tomamos os pontos de interpolao como
os ns da partio das funes splines. Na interpolao linear por partes da funo f(x) nos
pontos xi , i 1, 2,..., n procuramos os coeficientes ai tais que:
(6. 160)
Como visto anteriormente li x j 0 se i j e li x j 1 se i j . Portanto,
(6. 161)
No caso linear o spline que interpola f 0, f1, f 2, ... f n obtido de imediato:
m
S1 ( x )
fili x 1
(6. 162)
i 0
No caso de splines cbicas procuramos os coeficientes ai , tais que:

n 1
S 3 ( x)
ai Bi x 1
(6. 163)
i 1
S 3 ( x j ) f x j f j , j 0,1, 2,..., n
(6. 164)
Onde Bi ( x) a base das splines cbicas. A figura que ilustra as splines cbicas mostra que,
para cada x j , os nicos valores diferentes de zero so B j 1 ( x j ), Bi ( x j ) e B j 1 ( x j ) . Assim
para cada ponto de interpolao teremos:
(6. 165)
Como os pontos de interpolao foram escolhidos como ns da malha, temos que
B j 1 ( x j ) 1 , Bi ( x j ) 4 e B j 1 ( x j ) 1 . Lembrando a condio de interpolao temos:
(6. 166)
temos um sistema de incgnitas ai:
(6. 167)
Este sistema possui n+1 equaes e n+3 incgnitas, que so a1, a0 , a1, a2 ,..., an , an 1 para
resolver este sistema precisamos de duas condies adicionais:
6. 12 Interpolao Polinomial por B-Spline

A B-Spline uma verso da Spline Natural, com controle local, isto , as
alteraes nos pontos de controle da B-Spline apenas se propagam para os vizinhos mais
prximos. A funo B-Spline no passa pelos de controle (Figura A.1). Outra caracterstica
bsica que ela pode ser gerada para qualquer nmero de pontos de controle e grau de
polinmio, ou seja, o grau do polinmio pode ser selecionado de maneira independente do
nmero de pontos de controle. No entanto, claro que o grau i de continuidade C i depende da
ordem dos polinmios usados nas funes de base.
Figura - 6. 21.A funo B-Spline no passa pelos pontos de controle.
Nas aplicaes que usam curvas de formas livres para projetos de modelos,
curvatura contnua geralmente um fator importante e por isso B-Splines so
preferencialmente usadas.
As curvas B-Splines de grau n podem, por sua vez, descrever uma seqncia de
curvas de Bzier de grau n conectadas suavemente entre si (Continuidade Cn-1).
A forma geral da curva B-Spline bastante semelhante a da curva de Bzier. Um
conjunto de funes Ni,k(t) combina o efeito dos pontos de controle para gerar a curva:
n
P t Bi N i ,k t
(6. 168)
i 0
As diferenas fundamentais entre ambas so as funes Ni,k(t) (i = 0, 1, ..., n)

usadas. O parmetro k controla a ordem de continuidade da curva, e n o nmero de pontos de
controle usados. O parmetro t tambm pode ter maior gama de variao do que nas curvas
anteriores. Assim Ni,k representa funes de grau (k-1) (ordem do polinmio) e curvas de
continuidade Ck-2.
Cada uma das funes Ni,k (t) definida de maneira recursiva pelas equaes:
1, t t t i 1
N i ,1 t i
0, nosdemai sin tervalos
(6. 169)
t ti
tik t
N i ,k t
N i , k 1 t
N i 1, k 1 t
t i k 1 t i
t i k t i 1
(6. 170)
Como o denominador pode se tornar zero, usa-se a conveno: 0/0 = 0. Essa formulao
requer a escolha de um conjunto de valores ti chamados ns, que se relacionam ao parmetro
t. As nicas restries impostas a esses ns so:
Estejam em ordem no decrescente, ou seja, os valores dos elementos t i devem
satisfazer a relao ti ti+1;
Um mesmo valor no deve aparecer mais que k vezes, ou seja, no pode surgir mais vezes que
a ordem da Spline usada. Esses valores de ns idnticos so referidos como ns mltiplos, ou
ns em multiplicidade.
Como as curvas de Bzier, as Splines satisfazem tambm a propriedade de
envoltria convexa. Satisfazem tambm a propriedade normalizante j que:
n
N t 1
i ,k
(6. 171)
i 0
Em uma curva B-Spline, o nmero de pontos de controle (n+1), o grau (k-1) e o

nmero de ns esto relacionados. Supondo que estes ns sejam t0, t1, t2 ... tm , essas
caractersticas se relacionam pela expresso: m = n + k
H mais opes para manipular as curvas B-Splines que as curvas de Bzier. Nas
curvas de Bzier, as formas geomtricas podem ser alteradas pelos pontos de controle e pelo
grau da curva. Nas curvas B-Splines, alm desses dois conjuntos de variveis, as formas
podem ser afetadas atravs:
Dos espaamentos dos intervalos entre ti e ti+1. Quando os espaamentos forem
iguais, dizemos que so curvas B-Splines uniformes, caso contrrio, curvas B-Splines no
uniformes;
Do uso de mltiplos ns no vetor de ns (os ns so geralmente apresentados
como vetores);
Do uso de mltiplos pontos de controles;
Vrios aplicativos possuem rotinas para a construo de curvas B-Splines, como

por exemplo:
Maple, um sistema de lgebra computacional comercial de uso genrico que
incorpora o mtodo Bspline;
Adobe Systems, companhia que desenvolve programas de computador e que
explora intensivamente curvas B-Splines;
6. 13 Exemplos e Aplicaes
6.13.1 Mtodo de Interpolao de Lagrange Exemplo 1
1) Dada tabela:
Tabela - VI. 3.
x -1 0 2
y 4
1 -1
Obter os polinmios de Lagrange de ordem dois que interpola esses pontos:
Soluo
O polinmio de Lagrange de ordem dois dado por:
P2 ( x) yo Lo ( x) y1 L1 ( x) y 2 L2 ( x)
(6. 172)
( x 0)( x 2)
x 2 2x
Lo ( x)
(1 0)(1 2)
3
(6. 173)
onde
L1 ( x)
( x (1))( x 2) 1 2
( x x 2)
(1 (1))(0 2) 2
(6. 174)
( x (1))( x 0) x 2 x
L2 ( x)
(2 (1))(2 0)
6
(6. 175)
4( x 2 2 x) 1 2
1
P2 ( x)
( x x 2) ( x 2 2 x )
3
2
6
(6. 176)
logo
Portanto,
P2 ( x)
2x 2 7
x 1
3
3
(6. 177)
6.13.2 Mtodo de Interpolao de Lagrange Exemplo 2

2) Sabe-se que a equao x e x 0 admite uma raiz no intervalo (0, 1). Determine o valor
dessa raiz utilizando interpolao quadrtica (sugesto: utilize os pontos x = 0,
x = 0,5 e x = 1 para determinar o polinmio interpolador) e compare o valor calculado com o
obtido atravs da soluo da equao (utilizando, por exemplo, o mtodo Newton-Raphson).
Soluo:
Polinmio Interpolador De Lagrange
Os Polinmios de Lagrange neste caso dado por:
( x 0,5)( x 1)
2( x 0,5)( x 1)
(0 0,5)(0 1)
x( x 1)
L1
4 x( x 1)
(0,5 0)(0,5 1)
( x 0)( x 0,5)
L2
2 x( x 0,5)
(1 0)(1 0,5)
L0
(6. 178)
donde:
p2 ( x) 1.(2).( x 0,5)( x 1) 0,10653066.(4).x( x 1) 0, 632120559.(2).x ( x 0,5)
p2 ( x) 0,309636.x 2 1,941757.x 1
(6. 179)
Resolvendo a equao acima, obtm-se a raiz x0 = 0,5661 compreendida no intervalo (0, 1).
Newton-Raphson
Seja a funo:
f ( x) x e x
(6. 180)
f ( x) 1 e x
(6. 181)
A derivada da funo:
O valor do extremo inferior do intervalo: a = 0 e o valor do extremo superior do intervalo: b =

1 com preciso: E = .0001 e valor inicial de x: x1 0,5 .
Tabela - VI. 4.
x1
|f(x1)|
x2
|f(x2)|
|x2-x1|
0,500000
0,106531
0,566311
0,001305
0,066311
0,566311
0,001305
0,567143
1,96E-07
0,000832
O zero da funo: x0 =
0,567143 para um nmero de iteraes: k = 2 e erro em x: e =
0,000832.
Existe uma diferena igual a 0,001043 entre o valor encontrado resolvendo a
equao interpoladora de Lagrange e o valor encontrado pelo mtodo de Newton-Raphson.
6.13.3 Mtodo de Interpolao Exemplo 3
3) Dada a tabela
Tabela - VI. 5.
X
f(x)
-1
Seja pn ( x) o polinmio que interpola f(x) em -1, 0, 1 , 3. Imponha condies sobre a, b, c, d

para que se tenha n = 2.
Soluo:
Como so dados quatro pontos, para que possamos determinar os coeficientes de
um polinmio de interpolao, este dever ser de grau trs, pois possui quatro coeficientes:
p3 ( x) a0 a1.x a2 .x 2 a3 .x 3
(6. 182)
Impondo a condio de que as coordenadas dos pontos dados satisfaam a expresso do

polinmio, obtemos um sistema de quatro equaes com quatro incgnitas, a0 , a1 , a2 , a3 .
p3 (1) a0 a1 a2 a3 a
p (0) a b
3
0
p3 (1) a0 a1 a2 a3 c
p3 (3) a0 3a1 9a2 27a3 d
(6. 183)
Sendo a0 b , subtramos a terceira equao multiplicada por 3 da quarta equao, e obtemos:

2b 6a2 24a3 d 3c
(6. 184)
Somando a primeira equao com a terceira:

2b 2a2 a c
(6. 185)
a2 1/ 2(a c 2b)
(6. 186)
donde
Substituindo na equao obtida anteriormente:

2b 3a 3c 6b 24a3 d 3c
(6. 187)
3a 8b 6c d 24a3
(6. 188)
Para que tenhamos n = 2, preciso que a3 0 ; portanto deve-se ter:

3a 8b 6c d 0
(6. 189)
que a condio solicitada.

Como exemplo, se tomarmos b = 0, c = 1 e d = 0, resulta: 3a + 6 = 0, donde: a
= 2 , e
a1 a2 2
a1 a2 1
(6. 190)
Resolvendo, encontramos: a2 0,5 e a1 1,5 ; donde:

p2 ( x) 1, 5 x 0,5 x 2
o polinmio interpolador procurado.
(6. 191)
6.13.4 Mtodo de Interpolao das Diferenas Divididas de Newton

Exemplo - 1
1) Dada tabela:
Tabela - VI. 6.
-1 0 1 2
y=f(x) 1
1 0 -1 -2
Obter os polinmios de Lagrange de ordem dois que interpola esses pontos:
Soluo
Pode-se construir a tabela das diferenas divididas:
Tabela - VI. 7.
Ordem 0
Ordem 1
Ordem 2
Ordem 3
Ordem 4
xo
f [ xo ]
f [ xo , x1 ]
f [ xo , x1, x2 ]
f [ xo , x1, x2 , x3 ]
f [ xo , x1 , x2 , x3 , x4 ]
x1
f [ x1 ]
f [ x1 , x2 ]
f [ x1 , x2 , x3 ] f [ x1 , x2 , x3 , x4 ]
x2
f [ x2 ]
f [ x 2 , x3 ]
f [ x 2 , x3 , x 4 ]
x3
f [ x3 ]
f [ x3 , x 4 ]
x4
f [ x4 ]
Calculando os termos de cada uma das ordens temos:
Ordem 0:
f [ xo ] f ( xo )
(6. 192)
f [ x1 ] f ( x1 )
(6. 193)
f [ x2 ] f ( x2 )
(6. 194)
f [ x3 ] f ( x3 )
(6. 195)
f [ x4 ] f ( x4 )
(6. 196)
Ordem 1:
f [ xo , x1 ]
f ( x1 ) f ( xo )
x1 xo
(6. 197)
f [ x1 , x2 ]
f ( x2 ) f ( x1 )
x2 x1
(6. 198)
f [ x 2 , x3 ]
f ( x3 ) f ( x2 )
x3 x2
(6. 199)
f [ x3 , x 4 ]
f ( x4 ) f ( x3 )
x4 x3
(6. 200)
Ordem 2:
f [ xo , x1 , x2 ]
f [ x1 , x2 ] f [ xo , x1 ]
x 2 xo
(6. 201)
f [ x1 , x2 , x3 ]
f [ x2 , x3 ] f [ x1 , x2 ]
x3 x1
(6. 202)
f [ x 2 , x3 , x 4 ]
f [ x 3 , x 4 ] f [ x 2 , x3 ]
x4 x2
(6. 203)
Ordem 3
f [ xo , x1 , x2 , x3 ]
f [ x1 , x2 , x3 ] f [ xo , x1 , x2 ]
x3 xo
(6. 204)
f [ x1 , x2 , x3 , x4 ]
f [ x1 , x2 , x3 ] f [ xo , x1 , x2 ]
x3 xo
(6. 205)
f [ x1 , x2 , x3 , x4 ] f [ xo , x1 , x2 , x3 ]
x4 xo
(6. 206)
Ordem 4
f [ xo , x1 , x2 , x3 , x4 ]
Atribuindo os valores numricos,temos:

Tabela - VI. 8.
Ordem 0
Ordem 1
Ordem 2
Ordem 3
Ordem 4
xo
-1/2
1/6
-1/24
x1
-1
x2
-1
x3
-1
-1
x4
-2
6.13.5 Anlise do Erro no Mtodo das Diferenas Divididas Exemplo - 1

Utilizar a forma de Newton para interpolar f (x ) nos pontos dados:
1)
Tabela - VI. 9.
-1 0
x
y = f(x)
1 -1
Soluo
Como n 2 , temos:
P2 ( x) f ( xo ) ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ]
(6. 207)
Determinao das diferenas divididas:

Tabela - VI. 10.
Ordem 0
Ordem 1
Ordem 2
-1
-3
2/3
-1
-1
Assim:
P2 ( x) 4 ( x (1))(3) ( x (1))( x (1)) x
P2 ( x) 4 3 x 3
P2 ( x)
2 2 2
x x
3
3
2 2 7
x x 1
3
3
2
3
(6. 208)
(6. 209)
(6. 210)

Exemplo - 2
2) Obter o valor de ln(3,7) por interpolao linear da tabela:
Tabela - VI. 11.
3,7
ln(x) 0,0000 0,6931 1,0986 ?????? 1,3863
Soluo
Como x 3,7 [3;4] , adota-se xo 3 e x1 4 . Pela forma de Newton, temos:
P1 ( x) f [ xo ] ( x xo ) f [ xo , x1 ]
(6. 211)
Calculando as diferenas divididas temos:
f [ xo ] 1,0986
f [ xo , x1 ]
(6. 212)
f ( x1 ) f ( xo )
0,2877
x1 xo
(6. 213)
Logo
P1 ( x) 1,0986 ( x 3)0,2877
0,2877 x 0,2355
p/
x [3;4]
(6. 214)
Logo
P1 (3,7) 1,3000
(6. 215)
Se for adotado um polinmio do segundo grau:
P2 ( x) f [ xo ] ( x xo ) f [ xo , x1 ] ( x xo )( x x1 ) f [ xo , x1 , x2 ]
Pode-se adotar xo 2;
Ordem 0:
(6. 216)
x1 3 e x2 4 para calcular as diferenas divididas:
f [ xo ] f ( xo ) 0,6931
(6. 217)
Ordem 1:
f [ xo , x1 ]
f ( x1 ) f ( xo )
0,4055
x1 xo
(6. 218)
f [ x1 , x2 ]
f ( x2 ) f ( x1 )
0,2877
x2 x1
(6. 219)
Ordem 2:
f [ xo , x1 , x2 ]
f [ x1 , x2 ] f [ xo , x1 ]
x 2 xo
0,2877 0,4055
f [ xo , x1 , x2 ]
0,0589
42
(6. 220)
Logo
P2 ( x) 0,6931 ( x 2)0,4055 ( x 2)( x 3)(0,0589)
(6. 221)
P2 ( x) 0,0589 x 2 0,7000 x 0,4713
(6. 222)
P2 (3,7) 1,3124
(6. 223)
ln(3,7) P1 (3,7) 0,00083
(6. 224)
Portanto,
onde os erros para a:

i) Interpolao linear:
ii) Interpolao quadrtica:
ln(3,7) P2 (3,7) 0,004
(6. 225)
6.13.7 Clculo dos Limitantes do Erro Exemplo - 1

i) Para a Interpolao linear:
R1 ( x) ( x xo )( x x1 )
f ' ' ( )
f ' ' ( )
( x 3)( x 4)
; [3;4]
2
2
(6. 226)
1
1
e f ' ' ( x) 2
x
x
(6. 227)
Se
f ( x) ln x f ' ( x)
Logo
R1 ( x)
1 ( x 3)( x 4)
0,1050
; R1 ( x)
; [3;4]
2
2
(6. 228)
Para delimitar o erro, adota-se:
R1 (3,7)
0,1050
0,0117
32
(6. 229)
Comparando-se com o erro de o 0,0083 este um resultado coerente.

ii) Para a Interpolao quadrtica:
R2 ( x) ( x xo )( x x1 )( x x2 )
f ' ' ( )
f ' ' ( )
( x 2)( x 3)( x 4)
; [2;4]
2
(6. 230)
Se
f ( x) ln x f ' ( x)
1
1
2
e f ' ' ( x ) 2 e f ' ' ' ( x) 3
x
x
x
(6. 231)
2
1 x 2)( x 3)( x 4)
3
3
6
3
(6. 232)
Logo
R2 ( x) ( x 2)( x 3)( x 4)
R2 (3, 7)
0,1090
; [2; 4]
(6. 233)
Para o clculo do limitante do erro, adota-se = 2, Portanto,
R2 (3,7)
0,1190
0,0149
23
(6. 234)
Comparando-se com o erro de o 0,004 este um resultado coerente.
6.13.8 Estimativa para o Erro Exemplo 1

Se a expresso de f (x ) no conhecida, o valor de M n 1 no pode ser
calculado. Nesse caso, o erro pode ser estimado segundo a expresso:
Rn ( x) ( x xo )( x x1 )...( x xn )max Diferena Dividida de ordem (n 1)
(6. 235)
Montando-se a tabela das diferenas divididas temos:

Tabela - VI. 12.
Ordem 0
Ordem 1
Ordem 2
Ordem 3
0,6931
-0,1438
0,0283
0,6931
0,4055
-0,0589
1,0986
0,2877
1,3863
i) Para a interpolao linear

Temos:
R1 (3,7) (3,7 3)(3,7 4) 0,1438 0,030
(6. 236)
ii) Para a interpolao quadrtica

Temos:
R2 (3,7) (3,7 2)(3,7 3)(3,7 4) 0,0283 0,010
(6. 237)

Exemplo - 3
2) Dada a tabela
Tabela - VI. 13.
x
ex
2,8
3,0
3,2
3,4
3,6
16,44465
20,08554
24,53253
29,9641 36,59823
a) Calcular e3,1 utilizando interpolao quadrtica e cbica.

b) Calcular o limitante do erro em cada caso e, tambm, uma estimativa para o erro.
Soluo:
a. Clculo de e3,1
Para a interpolao linear, consideramos os pontos 3,0 e 3,2. Utilizando o mtodo

de Newton das diferenas divididas, teremos:
Tabela - VI. 14.
Ordem 0
3,0 20,085537
Ordem 1
22,234965
3,2 24,532530
f [ x0 ] 20, 085537
f [ x0 , x1 ]
f [ x1 ] f [ x0 ]
22, 234965
x1 x0
(6. 238)
donde :
p1 ( x) 20, 085537 22, 234965( x 3, 0)
p1 ( x) 22, 234965 x 46, 619358
(6. 239)
Fazendo x = 3,1 obtemos :

p1 (3,1) 22,309034
(6. 240)
Para a interpolao quadrtica, consideramos os pontos 2,8; 3,0 e 3,2. Utilizando o mtodo de
Newton das diferenas divididas, teremos:
Tabela - VI. 15.
Ordem 0
Ordem 1
Ordem 2
2,8
16,444647
18,204445
10,076288
3,0
20,085537
22,234965
3,2
24,532530
f [ x0 ] 16, 444647
f [ x0 , x1 ]
f [ x1 ] f [ x0 ]
18, 204445
x1 x0
f [ x0 , x1 , x2 ]
(6. 241)
f [ x1 , x2 ] f [ x0 , x1 ]
10, 076288
x2 x0
donde:
p2 ( x) 16, 444647 18, 204445( x 2,8) 10, 076288( x 2,8)( x 3, 0)

p2 ( x) 10, 076288.x 2 40, 238018.x 50,113002
(6. 242)

p2 (3,1) 22, 208271
(6. 243)
Para a interpolao cbica, consideramos os pontos 2,8; 3,0; 3,2 e 3,4. Utilizando o mtodo de
Newton das diferenas divididas, teremos:
Tabela - VI. 16.
Ordem 0
Ordem 1
Ordem 2
Ordem 3
2,8 16,444647
18,204445
10,076288
3,718208
3,0 20,085537
22,234965
12,307213
3,2 24,532530
27,157850
3,4 29,964100
f [ x0 ] 16, 444647
f [ x0 , x1 ]
f [ x1 ] f [ x0 ]
18, 204445
x1 x0
f [ x0 , x1 , x2 ]
f [ x1 , x2 ] f [ x0 , x1 ]
10, 076288
x2 x0
f [ x0 , x1 , x2 , x3 ]
(6. 244)
f [ x1 , x2 , x3 ] f [ x0 , x1 , x2 ]
3, 718208
x3 x0
donde :
p3 ( x ) 16, 444647 18, 204445( x 2,8) 10, 076288( x 2,8)( x 3, 0)
3, 718208( x 2,8)( x 3, 0)( x 3, 2)
3
(6. 245)
p3 ( x ) 3, 679792. x 23, 01875. x 58,826008. x 48, 57811

p3 (3,1) 22,197002
(6. 246)
O verdadeiro valor : e3,1 22,197951 .
b. Limitante do erro em cada caso

i) Interpolao linear:
Como f ( x) e x , tomamos f ( ) e e3,0 20, 085537
R3 ( x) ( x 3, 0)( x 3, 2)
| R3 (3,1) | (0,1)(0,1)
e
2!
20, 085537
0,100428
2
(6. 247)
(6. 248)
ii) Interpolao quadrtica:

Como
f ( x) e x
tomamos
(6. 249)
f ( ) e e 2,8 16, 444647
R3 ( x) ( x 2,8)( x 3, 0)( x 3, 2)
| R3 (3,1) | (0,3)(0,1)(0,1)
(6. 250)
e
3!
(6. 251)
16, 444647
0, 0015375
6
(6. 252)
iii) Interpolao cbica:

Como
f iv ( x) e x
(6. 253)
f iv ( ) e e 2,8 16, 444647
(6. 254)
tomamos
R3 ( x) ( x 2,8)( x 3, 0)( x 3, 2)( x 3, 4)
| R3 (3,1) | (0,3)(0,1)(0,1)(0,3)
e
4!
16, 444647
0, 00061667
24
(6. 255)
(6. 256)
6.13.10 - Exemplo de Interpolao do Mtodo de Bernstein - 1
6.13.11 - Exemplo de Interpolao do Mtodo de Hermite - 1

Use o polinmio de Hermite que concorda com os dados relacionados na tabela
para encontrar uma aproximao para f(1,5).
Tabela - VI. 17.
xk
f ( xk )
f '( xk )
0 1,3 0,6200860 -0,5220232

1 1,6 0,4554022 -0,5698954
2 1,9 0,2818186 -0,5811571
Soluo
H 2(2)1 ( x) f ( x0 ) H 2,0 ( x) f ( x1 ) H 2,1 ( x) f ( x2 ) H 2,2 ( x)
f '( x0 ) H 2,0 ( x) f '( x1 ) H 2,1 ( x) f '( x2 ) H 2,2 ( x)
(6. 257)
Inicialmente vamos calcular Ln , j ( x ) e L 'n , j ( x) .

i) Logo:
( x x1 )( x x2 )
( x0 x1 )( x0 x2 )
(6. 258)
( x 1,6)( x 1,9)
(1,3 1,6)(1,3 1,9)
(6. 259)
50 x 2 175 x 152
L2,0 ( x)
9
9
9
(6. 260)
L2,0 ( x)
Substituindo os valores temos:
L2,0 ( x)
Ou
L '2,0 ( x)
ii)
100 x 2 175 x
9
9
(6. 261)
L2,1 ( x)
( x x0 )( x x2 )
( x1 x0 )( x1 x2 )
(6. 262)
100 x 2 320 x 247

L2,1 ( x)
9
9
9
(6. 263)
200 x 2 320
9
9
(6. 264)
( x x0 )( x x1 )
( x2 x0 )( x2 x1 )
(6. 265)
50 x 2 145 x 104
9
9
9
(6. 266)
L '2,1 ( x)
iii)
L2,2 ( x)
L2,2 ( x)
e
100 x 2 145
L '2,2 ( x)
9
9
(6. 267)
Calculando os H n, j ( x) temos:
i)
H 2,0 ( x) 1 2( x x0 ) L '2,0 ( x0 ) L2 2,0 ( x)
(6. 268)
175 50 x 2 175 x 152
100
H 2,0 ( x) 1 2( x 1,3)
(1,3)

9 9
9
9
9
(6. 269)
50 x 2 175 x 152
H 2,0 ( x) 1 2( x 1,3) 5
9
9
9
50 x 2 175 x 152
H 2,0 ( x) 1 (10 x 12)

9
9
9
(6. 270)
ii)
H 2,1 ( x) 1 2( x x1 ) L '2,1 ( x1 ) L2 2,1 ( x)
(6. 271)
320 100 x 2 320 x 247
200
H 2,1 ( x) 1 2( x 1,6)
(1,6)

9
9
9
9
9
100 x 2 320 x 247

H 2,1 ( x) 1 2( x 1,6) 0
9
9
9
200 x 2 320 x 247 2
H 2,1 ( x) 1

9
9
9
(6. 272)
(6. 273)
iii)
H 2,2 ( x) 1 2( x x2 ) L '2,2 ( x2 ) L2 2,2 ( x)
(6. 274)
145 500 x 2 145 x 104
100
H 2,2 ( x) 1 2( x 1,9)
(1,9)

9 9
9
9
9
50 x 2 145 x 104
H 2,2 ( x) 1 2( x 1,9) 5
9
9
9
50 x 2 145 x 104
H 2,2 ( x) 1 (10 x 16)

9
9
9
(6. 275)
(6. 276)
Calculando os H n, j ( x ) temos:\
i)
H 2,0 ( x) ( x x0 ) L2 2,0 ( x)
(6. 277)
50 x 2 175 x 152
H 2,0 ( x) ( x 1,3)
9
9
9
(6. 278)
ii)
H 2,1 ( x) ( x x1 ) L2 2,1 ( x)
(6. 279)
100 x 2 320 x 247
H 2,1 ( x) ( x 1,6)
9
9
9
(6. 280)
iii)
H 2,2 ( x) ( x x2 ) L2 2,2 ( x)
(6. 281)
50 x 2 145 x 104
H 2,2 ( x) ( x 1,9)
9
9
9
Substituindo o valor x 1,5 temos:
(6. 282)
50 x 2 175 x 152
H 2(2)1 ( x) 0,6200860 1 (10 x 12)

9
9
9

200 x 2 320 x 247 2
0,4554022 1

9
9
9
50 x 2 145 x 104
0,2818186 1 (10 x 16)

9
9
(6. 283)
50 x 2 175 x 152
0,5220232( x 1,3)

9
9
9
2
100 x 2 320 x 247

0,5698954( x 1,6)

9
9
9
50 x 2 145 x 104
0,5811571( x 1,9)
9
9
9
Logo
H 5 (1,5) 0,5118277
(6. 284)
6.13.12 - Exemplo de Interpolao do Mtodo de Hermite - 2

Use o polinmio de Hermite que concorda com os dados relacionados na tabela
para encontrar uma aproximao para f(1,5).
Tabela - VI. 18.
f ( x) ln x
f '( x)
0,693
0,5
1
x
Soluo
H 3 ( x) f [ z0 ] f [ z0 , z1 ]( x z0 ) f [ z0 , z1 , z2 ]( x z0 )( x z1 )
(6. 285)
f [ z0 , z1 , z2 , z3 ]( x z0 )( x z1 )( x z2 )
Construindo a tabela temos:
Tabela - VI. 19.
Ordem 0
Ordem 1
Ordem 2
Ordem 3
f [z]
f [ z2i 0 , z 2i 11 ]
f [ z 2i , z2i 1 , z2i 2 ]
f [ z2i , z2i 1 , z2i 2 , z2i 3 ]
z0 x0 1
f [ z0 ] 0
f [ zo , z1 ] 1
f [ z1, z2 , z3 ] 0,3068
f [ zo , z1 , z2 , z3 ] 0,1137
z1 x0 1
f [ z1 ] 0
f [ z1 , z2 ] 0,693
f [ z1, z2 , z3 ] 0,1931
f [ x1 , x2 , x3 , x4 ]
z2 x1 2
f [ z2 ] 0,693
f [ z2 , z3 ] 0,5
z3 x1 2
f [ z3 ] 0,693
Logo
H 3 ( x) 0 1( x 1) 0,3068( x 1)( x 1) 0,1137( x 1)( x 1)( x 2)
(6. 286)
Portanto,
H 3 ( x 1,5) 0 1(1,5 1) 0,3068(1,5 1)(1,5 1)

0,1137(1,5 1)(1,5 1)(1,5 2)
e
(6. 287)
H 3 ( x 1,5) 0,4090
(6. 288)
6. 14 Exerccios e Problemas
6.14.1 - Trabalho para casa
Dado pontos igualmente espaados do tipo:
u n2 f (t n 2 ), u n 1 f (t n 1 ), u n f (t n ), u n 1 f (t n 1 ), u n 2 f (t n 2 )
(6. 289)
Encontre o polinmio de Lagrange do 3 grau dado por:
P3 (t ) u n 1 Ln1 (t ) u n Ln (t ) u n1 Ln1 (t ) u n 2 Ln2 (t ) ...
(6. 290)
e as suas derivadas de primeira
dP3 (t )
?
dt t tn
dP3 (t )
?
dt t tn 1
(6. 291)
d 2 P3 (t )
dt 2 t t
(6. 292)
e segunda ordens
d 2 P3 (t )
?
dt 2 t t
n
?
n 1
E depois substitua na seguinte equao
~
~
~
~
Mun1 Cu n1 Ku n1 F n1
(6. 293)
o qual dar origem ao mtodo de Houbolt.

Se voc se empolgar com o problema encontre o polinmio do 4 grau P4 (t ) .
Captulo VII
MTODOS DE AJUSTE DE CURVAS
RESUMO
7. 2 - Introduo
7. 3 Mtodo dos Mnimos Quadrados
(7. 1)
Captulo VIII
INTEGRAO NUMRICA
RESUMO
8. 2 - Introduo
8. 3 Integrao Numrica
Se uma funo f(x) contnua em um intervalo [a;b], ento, se existe uma funo
F(x) tal que F(x) = f(x), essa funo denominada primitiva de f(x) e a integral definida de
f(x) em [a;b] calculada como:
b
f ( x)dx F (b) F (a )
(8. 1)
No entanto, h situaes nas quais a primitiva no pode ser determinada, por exemplo:
b x2
dx;
sen( x)
dx
x
(8. 2)
Para essas situaes, deve-se recorrer aos mtodos numricos para se obter uma aproximao
para a integral de f(x).
Para simplificar os clculos e empregar um procedimento padro para a integrao
numrica substitui-se a funo a ser integrada por um polinmio que a aproxime no intervalo
[a;b] ou nos subintervalos resultantes da diviso do intervalo original em intervalos menores.
Figura - 8. 1. Processo de integrao numrica.
A integrao substituda por expresses denominadas frmulas de NewtonCotes, do tipo:

xn
f ( x)dx C0 f ( x0 ) C1 f ( x1 ) C2 f ( x2 )... Cn f ( xn )
(8. 3)
Onde a x0 x1 .... xn b (as frmulas so chamadas frmulas fechadas).

Se o intervalo de integrao dividido em intervalos de mesmo comprimento, os
coeficientes Ci so determinados de acordo como o grau do polinmio interpolador. Se, em
cada subintervalo, a funo f(x) substituda por um segmento linear, obtm-se a regra do
trapzio, por outro lado, se em cada par de subintervalos a funo aproximada por uma
parbola, obtm-se a regra de Simpson.
8. 4 Mtodo do Trapzio para a Integrao

No mtodo do trapzio cada subintervalo [ xi 1 , xi ] define um trapzio de base
w xi xi 1
ba
, altura do lado esquerdo f ( xi 1 ) e altura do lado direito f ( xi ) .
n
Admite-se, portanto, que f(x) varia linearmente em [ xi 1 , xi ] . A rea do trapzio
Ai
w
f ( xi1 ) f ( xi )
2
(8. 4)
A rea total dos n trapzios a aproximao trapezoidal da integral e igual a

n
Tn Ai
(8. 5)
i 1
Ou
Tn
w
w
w
f ( x0 ) f ( x1) f ( x1 ) f ( x2 ) ... f ( xn1 ) f ( xn )
2
2
2
(8. 6)
Ou ainda
Tn
w
w
f
(
x
)
f
(
x
)
f
(
x
)
f
(
x
)
..
f
(
x
)
f
(
x
)
0
1
1
2
n
1
n
2
2
(8. 7)
Relativamente a expresso geral de Newton-Cotes:
C0
w
w
; C1 C2 ... Cn1 w; Cn
2
2
(8. 8)
8.4.1 - Erro no Mtodo do Trapzio

Considerando o i-simo trapzio
Ai
w
f ( xi1 ) f ( xi )
2
(8. 9)
Se F(x) for a primitiva da funo f(x), o valor exato da integral entre xi 1 e xi ser:
xi
i 1
f ( x)dx F ( xi ) F ( xi 1 )
(8. 10)
O erro de integrao cometido no intervalo [ xi 1; xi ]
Ei Ai I i
(8. 11)
Empregando a Srie de Taylor para obteno de f ( xi 1 ) em funo dos valores de f(x) e de

suas derivadas em xi , pode-se escrever:
f ( xi 1 ) f ( xi ) f '( xi )( xi 1 xi )
f "( xi )( xi 1 xi ) 2
...
2!
(8. 12)
f "( xi ) w2
...
2!
(8. 13)
Como w xi xi 1
f ( xi 1 ) f ( xi ) f '( xi ) w
Portanto
w
f '( xi ) w2 f "( xi ) w3
Ai [ f ( xi 1 ) f ( xi )] f ( xi ) w
...
2
2
3!
(8. 14)
Da mesma maneira, pode-se calcular F(xi-1) em funo dos valores de F(x) e de

suas derivadas em xi:
F ( xi 1 ) F ( xi ) F '( xi )( xi 1 xi )
F "( xi )( xi 1 xi ) 2 F "'( xi )( xi1 xi )3
2!
3!
(8. 15)
Como F(x) uma primitiva de f(x), ento:
f ( x) F '( x); f '( x ) F "( x ); f "( x) F "'( x )
(8. 16)
Substituindo (13) em (12)
F ( xi 1 ) F ( xi ) f ( xi ) w
f '( xi ) w2 f "( xi ) w3
...
2!
3!
(8. 17)
Assim
f '( xi ) w2 f "( xi ) w3
I i F ( xi 1 ) F ( xi ) f ( xi ) w
...
2!
3!
O erro Ei igual a
(8. 18)
Ei Ai I i f ( xi ) w
f '( xi ) w2 f "( xi ) w3
f '( xi ) w2 f "( xi ) w3
[ f ( xi ) w
..]
2!
3!
2!
3!
(8. 19)
Simplificando temos:
1 1
Ei f "( xi ) w3 ( ) termos em w4,w5,etc
4 6
(8. 20)
Desprezando os termos em w4,w5,etc , o erro cometido na integrao do i-simo

trapzio ser:
w3
Ei f "( xi )
12
(8. 21)
Se, para todo x [a;b] a condio f "( x) M for vlida, ento:
w3
Ei M
12
(8. 22)
Somando os erros cometidos na integrao de cada trapzio, o erro mximo total,

igual a soma dos erros :
Ei n.M
w3
w2
w2
nw M (b a ) M
12
12
12
(8. 23)
Portanto, o erro de integrao no Mtodo do Trapzio, proporcional a w2 ou inversamente

proporcional a n2.
8.4.1 - Exemplo
a) Calcular
0,5 x
e dx
empregando dez sub-intervalos

b) Estimar o erro cometido
c) Calcular o nmero de subintervalos para que o erro seja inferior a 10-6
(8. 24)
8. 5 Mtodo de Integrao de Simpson

O Mtodo de Simpson substitui a funo a ser integrada por uma srie de
segmentos parablicos. Se a integrao for efetuada no intervalo [A;B] e uma nica parbola
for adotada para aproimar a funo pode-se adotar o ponto mdio do intervalo c
como
terceiro
ponto
para
definio
da
parbola.
Assim,
os
a b ,
2
pontos
A, f A , B, f B , C , f C definem uma nica parbola:

y x2 x
(8. 25)
A rea sob a parbola pode ser calculada com o emprego de uma frmula equivalente do
mtodo do trapzio:
A P. f (a ) Q. f (b) R. f (c )
(8. 26)
Os valores de P, Q, e R podem ser determinados a partir da equao da parbola

que passa pelos pontos A,B e C. Alternativamente, levando-se em conta que o Mtodo de
Simpson deve fornecer respostaas exatas para qualquer f(x) que seja uma parbola,
consequemente ir fornecer respostas exatas para qualquer f(x) que seja um polinmio de grau
menor do que dois, isto , para as funes constante e linear.
Pode-se afirmar, ento que as funes, f(x) = x e f(x) = x2 e f(x) = 1 so integradas
exatamente com o emprego da equao (8. 26). Dessa maneira, os coeficientes P, Q, R so
determinados.
b
f ( x)dx P. f (a) Q. f (b) R. f (c)
(8. 27)
Fazendo a w , b w , c 0 e:
i) Para f ( x) 1 ,
w
1dx 2w P.1 Q.1 R.1

w
ii) Para f ( x) x
(8. 28)
xdx 0 P.( w) Q.(w) R.(0)
(8. 29)
ii) Para f ( x) x 2
w
2 w3
2
2
2
x dx 3 P.( w) Q.( w) R.(0)
w
2
(8. 30)
Agrupando as equaes anteriores temos:

ii) Para f ( x) x
1
1
w w
w2 w2
1 P
2w
0 Q 0

0 R 2 w3
3
(8. 31)
w
4w
eR
3
3
(8. 32)
Resolvendo o Sistema:
PQ
Portanto, no Mtodo de Simpson
As
w
f (a) 4 f (c) f (b)
3
(8. 33)
De uma maneira geral, divide-se o intervalo de integrao em um nmero par de

sub-intervalos.
A rea entre xi 1, xi e xi 1 dada por:
A i 1
w
f ( xi1 ) 4 f ( xi ) f ( xi1 )
3
(8. 34)
A rea total ser:
Sn
w f ( xo ) f ( xn ) 4 f ( x1 ) f ( x3 ) ... f ( xn 1 )
3 2 f ( x2 ) f ( x4 ) ... f ( xn2 )
(8. 35)
Em relao expresso geral da frmula de Newton-Cotes temos:
Co Cn
w
4w
w
; C1 C3 ... Cn1
; C2 C4 ... Cn 2
3
3
3
(8. 36)
8.5.1 - Erro no Mtodo de Simpson

Considerando dois intervalos xi 1, xi e xi , xi 1
A i 1
w
f ( xi1 ) 4 f ( xi ) f ( xi1 )
3
(8. 37)
Se F ( x) a primitiva de f ( x) , o valor exato da integral entre xi 1 e xi dado

por:
xi 1
I i 1
f ( x) F xi 1 F xi 1
(8. 38)
xi 1
O erro de corrente do emprego do mtodo de Simpson :
E i 1 A i 1 I i 1
(8. 39)
Desenvolvendo f xi 1 e f xi 1 em Srie de Taylor em torno de xi:
f ( xi 1 ) f ( xi ) f '( xi )( xi 1 xi )
f ''( xi )
( xi 1 xi ) 2
2!
f '''( xi )
( xi 1 xi )3 ...
3!
(8. 40)
ou
f ( xi 1 ) f ( xi ) f '( xi ) w
f ''( xi ) 2 f '''( xi ) 3 f ''''( xi ) 4

w
w
w ...
2!
3!
4!
(8. 41)
f ( xi 1 ) f ( xi ) f '( xi ) w
f ''( xi ) 2 f '''( xi ) 3 f ''''( xi ) 4

w
w
w ...
2!
3!
4!
(8. 42)
Susbtituindo (8. 41) e (8. 42) na Frmula de Simpson, as Derivadas mpares se anulam
A i 1
w
w2
w4
6 f ( xi ) 2 f ''( xi )
f ( xi )
...
3
2!
4!
(8. 43)
A i 1
w3
w5 1
2 f ( xi ) w 2 f ''( xi )
2 f ( xi )
...
3!
4! 3
(8. 44)
Ou
Desenvolvendo F xi 1 e F xi 1 em Srie de Taylor em torno de xi:
F ''( xi ) 2
w
2!
F '''( xi ) 3 F IV ( xi ) 4 F V ( xi ) 5
w
w
w ...
3!
4!
5!
(8. 45)
F ''( xi ) 2
w
2!
F '''( xi ) 3 F IV ( xi ) 4 F V ( xi ) 5
w
w
w ...
3!
4!
5!
(8. 46)
F ( xi 1 ) F ( xi ) F '( xi ) w
F ( xi 1 ) F ( xi ) F '( xi ) w
Susbtituindo (8. 45) e (8. 46) na expresso analtica da integral
I i 1
w3
w5
V
F xi F xi 1 2 F ' xi w 2 F ''' xi 2 F xi ...
3!
5!
(8. 47)
Como F xi uma primitiva de f xi temos:
f ( xi ) F ' xi ; f '( xi ) F '' xi ; f ''( xi ) F ''' xi
(8. 48)
w3
w5
IV
2 f xi w 2 f '' xi 2 f xi
...
3!
5!
(8. 49)
Portanto,
I i 1
O Erro E i 1 igual a:
w3
w5 1
E i 1 A i 1 I i 1 2 f xi w 2 f '' xi 2 f IV xi
...
3!
5! 3
2
2
2
(8. 50)
w3
w5
IV
2 f xi w 2 f '' xi 2 f xi ...
3!
5!
ou
2
2
7
9
E i 1 f IV xi w5
+termos em w , w ,...
72 120
2
(8. 51)
Desprezando os termos de ordem suoerior em w7 , w9 ,... , o erro cometido na integrao dos

dois intervalos ser:
E i 1 f IV xi
w5
90
(8. 52)
Se para todo x a; b a condio f IV ( xi ) M for vlida, ento:
Ei
w5
.M
90
(8. 53)
Se o intervalo de integrao for dividido em n segmentos (onde n par) o erro

mximo total ser a soma dos erros cometidos nos
n
pares de segmentos:
2
n w5
w4
w4
Es
.M n.w.
.M b a
.M
2 90
180
180
(8. 54)
Portanto, o erro de integrao no mtodo de Simpson proporcional a w4, ou inversamente

proporcional a n4.
8.5.2 - Exemplo
a) Calcular
0,5 x
0
empregando dez sub-intervalos
e dx
(8. 55)
b) Estimar o erro cometido

c) Calcular o nmero de subintervalos para que o erro seja inferior a 10-6
8. 6 Integrao Numrica pelo Mtodo da Quadratura de Gauss

O mtodo da quadratura de Gauss um mtodo utilizado para se calcular integrais
numericamente. A vantagem desse mtodo que ele fcil de programar e possui boa
preciso.
Considere um elemento de contorno j, conforme mostra a Figura - 8. 2
Figura - 8. 2. Transformao de coordenadas do mapeamento linear do contorno.
no qual deseja-se calcular a seguinte integral:

b
f * (r )d f * (r )d
j
(8. 56)
fazendo-se uma transformao de coordenadas atravs do mapeamento linear onde a distncia
r X
(8. 57)
transformada em r r ( ) . Logo teremos:
r X r ( ) X ( )
(8. 58)
desta forma a integral (8. 56) pode ser expressa como:

b
I f * (r )d I
a
onde
f * (r ( )) d d
(8. 59)
d
o Jacobiano da Transformao das Coordenadas Globais para as Coordenadas
d
Locais. Queremos encontrar uma soluo numrica aproximada para a integral de tal forma
que:
g
d
d
I f * (r ( ))
d I f (r ( k ))
wk
d
k
k
1
1
(8. 60)
onde k so as coordenadas e pesos da quadratura.

Considere a seguinte integral
Ng
I z ( )d I z ( k ) wk
1
onde z ( ) f * ( r ( ))
(8. 61)
k 1
d
d
e z ( k ) f * ( r ( k ))
d
d
O nosso objetivo, portanto, avaliar essa expresso (integral) atravs de um

somatrio de amostras ponderadas de z() em pontos 1, 2, 3,...k, da seguinte forma:
1
Ng
I z ( )d z ( k ) wk Erro
1
(8. 62)
k 1
onde os wk so os pesos de Gauss e os k so as coordenadas generalizadas de Gauss,

conforme est representado na Figura - 8. 3.
Figura - 8. 3. Integral de Gauss da funo z() nas coordenadas de generalizadas k.
Podemos definir os pesos e as coordenadas de Gauss de tal forma que as integrais

de polinmios sejam efetuadas com exatido, por meio da seguinte regra geral: Com N pontos
de Gauss integra-se com exatido polinmios de grau 2N-1. Por exemplo:
I) Para dois (2) pontos de Gauss (polinmio do 3 grau).
Neste caso teremos 4 incgnitas (w1,1) e (w2,2). Logo o polinmio de grau 3

possui quatro (4) coeficientes arbitrrios, ou seja:
a0 a1 x a 2 x 2 a3 x 3 0
(8. 63)
Vamos agora calcular os pesos e as coordenadas de Gauss para 2 pontos de Gauss.

1
z ( )d w1 z (1 ) w2 z ( 2 )
(8. 64)
como
z ( ) a0 a1 a2 2 a3 3
(8. 65)
Temos:
1
2
3
z ( )d a0 d a1 d a2 d a3 d 0
1
(8. 66)
Como a0 , a1 , a 2 e a3 so arbitrrios, cada uma das integrais acima deve ser integrada com
exatido. Fazendo.
i) a0 1, a1 a 2 a3 0 e z = 1
1
z ( )d a0 d 1 1 (1)) 2 w1.1 w2 .1
1
(8. 67)
logo
w1 w2 2
(8. 68)
ii) a1 1, a0 a 2 a3 0 e z =
1
2
z ( )d a1 d 2
1
1
(1) 2 (1) 2
0 w11 w2 2
2
2
1
(8. 69)
logo
w11 w2 2 0
iii) a2 1, a0 a1 a3 0 e z = 2
(8. 70)
3
z ( )d a2 d 3
1
1
(1) 3 (1) 3 2
2
2
w11 w2 2
3
3
3
(8. 71)
logo
2
w11 w2 2
2
3
(8. 72)
iv) a3 1, a0 a1 a2 0 e z = 3
1
4
z
(
)
d
4
1
1
(1) 4 (1) 4
3
3
0 w11 w2 2
4
4
(8. 73)
Logo
3
w11 w2 2 0
(8. 74)
Portanto, a partir do resultado destes clculos podemos montar um sistema de

equaes para calcular os valores de wk nos pontos k da seguinte forma:
w1 w2 2
w11 w2 2 0
2
w11 w2 2 2 / 3
(8. 75)
w11 w2 2 0
ou
12
1
3
1
1
w 2
0 2 1
0 0
2
0 2
w 2 / 3
3 2
0 2
(8. 76)
Resolvendo esse sistema no-linear de equao
w1 w2 1
1 0.57735 ; 2 0.57735
Logo, substituindo esses valores em (8. 64) temos:
(8. 77)
z ( )d w1 z (1 ) w2 z ( 2 )
1
(8. 78)
1.z (0.57735) 1.z (0.57735)

ou
1
z ( )d z (0.57735) z (0.57735)
(8. 79)
Graficamente corresponde a:
Figura - 8. 4. Processo de Integrao de Gauss.
para qualquer polinmio de grau 3.

Esta soluo ser exata se z() for um polinmio de 3 grau (no mximo para Ng
= 2) e ser aproximado para funes z() quaisquer.
A obteno dos pesos e coordenadas para um nmero maior de pontos de Gaus
segue o mesmo raciocnio. Para funes z() aproximadas por polinmios. Quanto melhor for
a proximidade da funo z() com o polinmio de grau N utilizado mais prximo ser o
resultado do valor exato, ou seja, menor ser o erro de aproximao.
Observe que se z() for uma funo linear do tipo:
z ( ) ax b
Conforme mostra a Figura - 8. 5 temos:
( 1)
2
(8. 80)
Figura - 8. 5. Integrao de Gauss para um funo linear.
Sabemos que o valor da rea deste triangulo vale:
b.h 2 1
1
2
2
(8. 81)
e pela aproximao da quadratura de Gauss temos:
(0.57735 1) (0.57735 1)
1
2
2
(8. 82)
8. 7 Mtodo de Integrao de Chbychev

A frmula de integrao de Chebychev similar a de Gauss, no sendo porm, to
verstil devido a limitao do nmero de pontos e, consequentemente, no grau mximo do
polinmio que pode ser integrado exatamente.
Partindo da igualdade (46)
b
f ( x)dx C1 f ( x1 ) C2 f ( x2 )... Cn f ( xn )
(8. 83)
Se
C1 C2 ... Cn
(8. 84)
Ento
b
f ( x)dx Cn f ( x1 ) f ( x2 )... f ( xn )
(8. 85)
Analogamente integrao Gausssiana, com a finalidade de se obter uma fmula que seja
vlida para qualquer intervalo de integrao, o intervalo a; b reduzido ao intervalo 1;1
com a mudana de variveis:
1 t a 1 t b ; dx b a dt
(8. 86)
1 t a 1 t b
f ( x) f
g (t )
2
2
(8. 87)
fazendo
e
b
a g (t )dt Cn g (t1 ) g (t2 )... g (tn )
(8. 88)
O problema consiste na determinao das variveis Cn, t1, t2,...,tn de modo que
essa frmula seja exata para toda funo da forma:
g (t ) ao a1t a2t 2 ... an1t n 1

Integrando g(t) e efetuando a soma indicada direita em (8. 88) temos:
(8. 89)
a a a a
2 o 2 4 6 ... Cn [nao a1 t1 t2 ... tn

3 5 7
1
a2 t12
t2 ... tn
an 1 t1n1
t2
n 1
... tn
n 1
(8. 90)
Igualando os coeficientes ao , a1 , a2 ,..., an1 nos dois membros obtemos:
2
1n
t1 t2 ... tn 0
Cn
t12 t2 2 ... tn 2
2
n
3Cn 3
t13 t23 ... tn3 0

t14 t2 4 ... tn 4
(8. 91)
2
n
5Cn 5
:
t1n 1 t2 n1 ... tn n1
2
n
? Cn ?
So tabelados os valores para n 3, 4,5, 6, 7 e 9 . Para n 8 ou n 9 , o sistema

de equaes (8. 91) possui razes complexas.
n
Cn
3 2/3
4 1/2
t
t1 t3 0,707107
t2 0
t1 t4 0, 794654
t2 t3 0,187592
t1 t5 0,832498
5 2/5
t2 t4 0,374541
t3 0
t1 t6 0,866247
6 1/3
t2 t5 0, 422519
t3 t4 0, 266635
t1 t7 0,883862
t2 t6 0,529657
7 2/7
t3 t5 0,323912
t4 0
t1 t9 0,883862
t2 t8 0,529657
t3 t7 0,323912
9 2/9
t 4 t 6
t5 0
8.7.1 - Exemplo
Calcular a seguinte integral:
0,5
e dx
(9. 1)
empregando quatro pontos de Chebychev
8.7.2 - Soluo
Inicialmente, o intervalo de integrao reduzido ao intervalo [1;1] atravs da
transformao:
x
(1 t ).0 (1 t ).0,5 (1 t )
2
2
4
(9. 2)
Portanto,
0,5
x
e dx
0
1 t
1
e
4 1
1t1 1t2 1t3 1t4

1
dt .C4 e 4 e 4 e 4 e 4
4
1
.2,59488503 0, 648721258
4
(9. 3)
Captulo IX
SOLUO NUMRICA DE EQUAES
DIFERENCIAIS
RESUMO
9. 2 - Introduo
9. 3 Soluo Numrica de Equaes Diferenciais

Dada uma equao diferencial de ordem m , se os valores da funo e suas
derivadas de ordem (m 1) so especificados em um mesmo ponto tem-se um problema de
valor inicial (abreviadamente PVI). Se, para m 2 , as condies fornecidas para a busca da
soluo no so todas dadas em um mesmo ponto, tem-se um problema de valor de contorno
(abreviadamente PVC).
Por exemplo,
d2y
y x 0; y (0) 0, y '(0) 1
dt 2
(9. 4)
d2y
y x 0; y (0) 0, y '(1) 1
dt 2
(9. 5)
um exemplo de PVI
um exemplo de PVC
9. 4 Mtodos de Integrao
9. 5 Mtodos Iterativos de passo um, usando s anterior xn

Os mtodos de iterativos de passo um, usando s anterior xn so: O Mtodo de
Euler, Mtodo de Sries de Taylor, Mtodo de Heun, Mtodo de Runge-Kutta.
9.5.1 - Ordem do Mtodo Numrico

Um mtodo numrico de ordem n ( n inteiro positivo) se exata para
polinmios de grau n , isto , se a soluo analtica de um PVI um polinmio de grau n ,
ento a soluo numrica (aproximada) e a soluo analtica coincidem em um mtodo de
ordem n .
O Mtodo de Euler um mtodo de ordem um e o Mtodo da Srie de Taylor
com trs termos um mtodo de ordem dois conforme veremos a seguir.
9.5.2 - Mtodo de Euler Linear ou de ordem mm

Dada a equao y ' f ( x, y ) com y ( x0 ) y0 , o mtodo de Euler consiste em:
conhecidos x0 e y ( x0 ) y0 , calcular y0' y '( x0 ) f ( x0 , y0 ) determinar a equao da reta que
passa por ( x0 , y0 ) com coeficiente angular y0' conhecido. A equao da reta :
y y0 y0' ( x x0 ) y y0 y0' ( x x0 )
(9. 6)
Grfico
Figura - 9. 1.
Para
x x1 x0 h , y ( x1 ) y1
(9. 7)
calculado aproximadamente como

y1 y0 y0' ( x1 x0 ) = y0 y0' (h)
(9. 8)
Para o clculo de y ( x2 ) y2 , determina-se a equao da reta que passa por

( x1 , y1 ) com coeficiente angular y1' f ( x1 , y1 ) . Logo a equao fica:
y y1 y1' ( x x1 ) y y1 y1' ( x x1 )
(9. 9)
x x2 x1 h ; y ( x2 ) y2
(9. 10)
y2 y1 y1' ( x x1 ) y1 y1' (h)
(9. 11)
Para
ento
e assim sucessivamente encontramos uma forma geral de escrever, se xk 1 xk h cte podese escrever:
yk 1 yk hf ( xk , yk ) yk hy 'k
(9. 12)
9.5.3 - Exemplo
Dada a equao diferencial
dy
yx
dx
com y (0) 2 , determine y (1) para h
(9. 13)
1
.
4
9.5.4 - Soluo
Calculamos
y' y x
y '(0) 2 0 2
(9. 14)
e substitumos
y1 y0
1
1
f ( x0 , y0 ) 2 .2 2,5
4
4
(9. 15)
Fazemos o mesmo para os prximos pontos:

1
1
1
f ( x1 , y1 ) 2,5 .(2,5 ) 3, 0625
4
4
4
(9. 16)
1
1
2
f ( x2 , y2 ) 3, 0625 .(3, 0625 ) 3, 703125
4
4
4
(9. 17)
1
f ( x3 , y3 ) ..... 4, 44140625
4
(9. 18)
y2 y1
y3 y2
y4 y3
Onde a soluo exata
y (1) y4 4, 718282..
(9. 19)
A justificativa que expandimos

f ( x) f (a ) ( x a ) f '(a ) .....
(9. 20)
em srie de Taylor em torno de a ento

yk 1 yk hyk' ....
despreza
se
yk
(9. 21)
Obs: a soluo exata encontrada aplicando na equao diferencial linear

y x 1 exp( x)
(9. 22)
9.5.5 - Mtodo Quadrtico da Srie de Taylor com Trs Termos

Neste mtodo, a equao resolvida usando
yk 1 yk hy k'
h2 "
yk
2
(9. 23)
O valor de yk" obtido derivando a equao de primeira ordem em relao a x e efetuando o

calculo para x xk .
9.5.6 - Exemplo
Resolva o exemplo anterior por este mtodo com h
1
4
y' y x
(9. 24)
y " y ' 1
(9. 25)
9.5.7 Soluo
Substituindo (9. 24) em (9. 25) temos:
y " y x 1
(9. 26)
sendo
yk 1 yk hy '
h2
y ''
2
(9. 27)
Logo, substituindo na equao temos:
h2
h2
yk 1 yk h ( yk xk )
2
2
Utilizando uma calculadora ou qualquer outro programa temos a seguinte tabela:
(9. 28)
Tabela - IX.1
H
0,25
k
0
1
2
3
4
xk
0,00
0,25
0,50
0,75
1,00
yk
2,0000000
2,5312500
3,1416016
3,8533020
4,6948557
Observe que a aproximao deste mtodo bem melhor.
yk+1
2,5312500
3,1416016
3,8533020
4,6948557
9.5.8 - Mtodo de Heun ou Mtodo de Euler Modificado

O Mtodo de Heun uma modificao do Mtodo de Euler, que utiliza a
expresso de Linear de Euler auto-recursivamente.
Dada a expresso
yk 1 yk hf ( xk , yk )
(9. 29)
onde
f ( xk , yk )
dy
dx
(9. 30)
temos que
f ( xk 1 , yk 1 ) f ( xk h, yk h( f ( xk , yk ))
(9. 31)
Considerando que a reta passa pelo ponto ( xk , yk ) e cujo coeficiente angular

igual a
f ( xk , yk ) f ( xk 1 , yk 1 )
2
(9. 32)
Substituindo-se (9. 31) em (9. 32) e depois em (9. 29) obtm-se a expresso do Mtodo de
Heun:
yk 1 yk
h
f xk , yk f xk h, yk hf xk , yk
(9. 33)
O Mtodo de Heun um aperfeioamento do mtodo de Euler e um mtodo de

segunda ordem ou ordem 2.
9.5.9 - Exemplo
Resolver a seguinte equao diferencial
y' y x
Com y (0) 2 e calcular y (1) utilize o Mtodo de Heun com h 0, 25 .
9.5.10 - Soluo
Utilizando a frmula:
(9. 34)
yk 1 yk
h
f ( xk , yk ) f ( xk h, yk hf ( xk , yk ))
2
(9. 35)
Calculando os valores de:

n 0 y1 2,53125
n 1 y2 3,141602
n 2 y3 3,853302
(9. 36)
n 3 y4 4, 684856
Onde
x0 0; x1 0, 25 ; x2 0,5 ; x3 0, 75 ; x4 1, 0
(9. 37)
A soluo analtica :
y4 4, 718282
(9. 38)
9. 6 Mtodos de Runge-Kutta
Nos Mtodos de Runge-Kutta, o clculo do valor das derivadas da funo
f ( x, y ) nos pontos ( xk , yk ) substituindo pelo clculo da funo f ( x, y ) em pontos
convenientes, produzindo resultados equivalentes.
9.6.1 - Mtodo de Runge-Kutta de Ordem 1

O Mtodo de Euler o Mtodo de Runge-Kutta de ordem um. A expresso deste
Mtodo de Runge-Kutta de ordem um dada por:
yk 1 yk hf ( xk , yk ) yk hy 'k
(9. 39)

Para obter uma expresso correspondente no Mtodo de Runge-Kutta de ordem 2,
considera-se que a expresso
h2
f '( xk , yk )
2!
(9. 40)
Pode ser substituda por outra expresso equivalente do tipo:

yk 1 yk h(ak1 bk2 )
(9. 41)
Igualando (9. 40) com (9. 41) temos

ak1 bk2 f ( xk , yk )
h
f '( xk , yk )
2!
(9. 42)
Como k1 , k2 so coeficientes angulares, podemos fazer:

k1 f ( xk , yk )
(9. 43)
k2 f ( xk ph, yk qhf ( xk , yk ))
(9. 44)
As incgnitas so a, b, p, q .
Expandindo a funo k2 em torno do ponto ( xk , yk ) atravs da Srie de Taylor,
para duas variveis temos:
Srie de Taylor para duas variveis

f ( x, y ) f ( a , b ) ( x a )
f
x
( y b)
( a ,b )
f
y
( a ,b )
2( x a)( y b)
1
2 f
( x a) 2 2
2!
x
(9. 45)
( a ,b )
f
1
f
( y b) 2 2
xy ( a ,b ) 2!
y
.....
( a ,b )
Logo,
k2 f ( xk ph, yk qhf ( xk , yk )) f ( xk , yk ) ph
f
f
qhf ( xk , yk )
x h
y
(9. 46)
h
Ento:
f
f
yk 1 yk h af ( xk , yk ) b f ( xk , yk ) ph
qhf ( xk , yk )
x h
y h
(9. 47)
f
f
yk 1 yk h(a b) f ( xk , yk ) h 2b p
qf ( xk , yk )
y h
x h
(9. 48)
Como:
f '( x, y ) yk 1
df ( x, y ) f dx f dy f f
f
dx
x dx y dx x x
(9. 49)
ento, substituindo (9. 49) na expresso em Srie de Taylor dado por:

h 2 f
f
q
2! x h
y
f ( xk , yk )
(9. 50)
Igualando (9. 49) com (9. 50) temos:

h(a b) f ( xk , yk ) h 2bp
f
f
h 2bqf ( xk , yk )
x h
y
(9. 51)
h
e
hf ( xk , yk )
logo
h 2 f
h 2 f
2 x h 2 y
f ( xk , yk )
h
(9. 52)
a b 1
bp 1
2
pq
1
bq
2
Fazendo p q 1 b
yk 1 yk
(9. 53)
1
1
e a , Logo:
2
2
h
f xk , yk f xk h, yk hf xk , yk
(9. 54)
h
K1 K 2
2
(9. 55)
yk 1 yk
onde
K1 f xk , yk
(9. 56)
K 2 f xk h, yk hK1
(9. 57)

Proposta do professor (que no se encontra nos livros) Mtodo de Runge-Kutta
de ordem 3.
yk 1 yk hf xk , yk
h2
h3
f ' xk , yk
f '' xk , yk
2!
3!
(9. 58)
yk 1 yk aK1 bK 2 cK 3
(9. 59)
K1 f xk , yk
(9. 60)
onde
e
K 2 f xk h, yk hK1
K 2 f xk ph, yk q xk , yk
(9. 61)
K 3 f xk rh, yk ?
(9. 62)

A expresso do Mtodo de Runge-Kutta de ordem quatro dada por:
yk 1 yk
h
K1 2K 2 2 K3 K 4
6
(9. 63)
onde
K1 f xk , yk
(9. 64)
h
h
K 2 f xk , yk K1
2
2
(9. 65)
h
h
K 3 f xk , yk K 2
2
2
(9. 66)
K 4 f xk h, yk hK 3
(9. 67)
9.6.5 - Exemplo
y' y x
(9. 68)
Com y (0) 2 e calcular y (1) utilizando Mtodo de Runge-Kutta de ordem quatro (4) com
h 0, 25 .
9.6.6 - Soluo
Utilizando a frmula:
(9. 69)
Calculando os valores de:
n 0 y1 2,534017
n 1 y2 3,148700
n 2 y3 3,866959
(9. 70)
n 3 y4 4, 718211
Onde
x0 0; x1 0, 25 ; x2 0,5 ; x3 0, 75 ; x4 1, 0
(9. 71)
A soluo analtica :
y4 4, 718282
(9. 72)
9.6.5 - Mtodo de Runge-Kutta de Ordem m

Os Mtodos de Runge-Kutta de ordem m fornecem valores aproximados da
soluo da equao diferencial:
dy
f ( x, y )
dx
(9. 73)
que coincidem com os valores de y obtidos atravs da expanso em Srie de Taylor em

torno de um ponto x , at o termo que incluim h m , isto :
y ( x h) y ( x) hf ( x, y )
h2
h3
h m ( m 1)
f '( x, y )
f "( x, y ) ...
f
( x, y )
2!
3!
m!
(9. 74)
(Obs: A estimativa do erro no Mtodo de Runge-Kutta no bem determinada!)
9.6.7 - Exemplo
y' y x
Com y (0) 2 e calcular y (1) com h 0, 25 .
(9. 75)
9. 7 Mtodos de Predio-Correo
Uma caracterstica dos Mtodos de Runge-Kutta na obteno do ponto
( xn 1 , yn 1 ) usamos apenas a informao fornecida pelo ponto anterior ( xn , yn ) , no usando
outros pontos anteriores. Contudo, alguns outros mtodos exigem a informao de pontos
anteriores.
Nos Mtodos de Predio-Correo temos:
1 - Predio :
Prevemos um valor para yn 1 . As Frmulas Abertas ou Explcitas so usadas
como Previsoras. A frmula mais simples do tipo ......
2 - Correo:
Outro mtodo corrige este valor e recorrige iterativamente at um critrio de
parada. As Frmulas Fechadas ou Implcitas so usadas como corretor. A frmula mais
simples do tipo trapezoidal.
9. 8 Mtodos Implcitos de passo Posterior

Os mtodo implcitos ou fechados usam o passo posterior xn 1 . Essas Frmulas
Fechadas ou Implcitas so usadas como corretor. A frmula mais simples do tipo
trapezoidal a qual dada por:
yn 1 yn
h
f ( xn , yn ) f ( xn1 , yn1 ) , n 0,1,...
2
(9. 76)
Note que yn 1 aparece nos dois lados da equao. Podemos tentar obter yn 1 iterativamente.
Para a aproximao inicial y n(0)
pode-se usar uma frmula aberta ou explcita, por exemplo, o
1
mtodo de Euler:
y n(0)
yn
1
h
f ( xn , yn )
2
(9. 77)
Substituindo (9. 77) em (9. 76) ficamos com:

1
y (nk1) yn
0
h
f ( xn , yn ) f ( xn 1, y (nk11) )
(9. 78)
9.8.1 - Algorimo
Um mtodo de predio-correo de segunda ordem resolve uma equao
diferencial y ' f ( x, y ), y ( x0 ) y0 com h conhecido e xn x0 nh , n 0,1,. da seguinte
forma:
1. Calcular o y n(0)
(previsor) usando (2) ou outro mtodo explcitos.
1
2. Calcular y n(k1) ,k=1,2,... usando (3) ou outro mtodo implcito, iterando at
yn( k1) yn( k11)
yn( k1)
(9. 79)
9.8.2 - Convergncia do mtodo de 2 ordem (Euler-Trapezoidal)

O Critrio de Convergncia do Mtodo de segunda ordem dado por:
2
f y
(9. 80)
9.8.3 - Exemplo
y' y x
(9. 81)
Com y (0) 2 e calcular y (1) com h 0, 5 (Obs: escolheu-se este muito grande! Apenas para
questo de tempo da aula).
9.8.4 Soluo
1 etapa:
Para x 0, 5 , usaremos como Previsor o Mtodo de Euler. Logo,
y1(0) y0 hf ( x0 , y0 )
(9. 82)
y1(0) 2 0,5(2 0)
(9. 83)
y1(0) 3, 0
(9. 84)
E usaremos como Corretor o Mtodo do Trapzio. Logo,

y1(1) y0
h
f ( x0 , y0 ) f ( x1 , y1(0) )
2
(9. 85)
0,5
2 (3, 0 0,5)
2
(9. 86)
y1(1) 3,125
(9. 87)
y1(1) 2
Fazendo mais uma iterao temos:
y1(2) 2
0,5
2 (3,125 0,5) 3,156
2
(9. 88)
0,5
2 (3,125 0,5)
2
(9. 89)
y1(2) 3,156
(9. 90)
y1(2) 2
E assim at termos uma certa margem do erro

y1(3) 3,164 ; y1(4) 3,166 ; y1(5) 3,167
(9. 91)
f ( x1 , y1 ) y1 '
(9. 92)
f ( x1 , y1 ) y1(5) x1
(9. 93)
f ( x1 , y1 ) 3,167 0,5
(9. 94)
f ( x1 , y1 ) 2, 667
(9. 95)
logo
2 etapa:
Para x 1, 0 , usaremos como Previsor o Mtodo de Euler. Logo,
y2(0) y1 hf ( x1 , y1 )
(9. 96)
y2(0) 3,167 0, 5(2, 667)
(9. 97)
y2(0) 4, 501
(9. 98)
E usaremos como Corretor o Mtodo do Trapzio. Logo,
y2(1) 3,167 0, 25(4, 501 1, 0)
(9. 99)
y2(1) 4, 709
(9. 100)
y2(2) 4, 761; y2(3) 4, 774; y2(4) 4, 777 e y2(5) 4, 778
(9. 101)
Fazendo mais uma vez obtemos:
O resultado exato :
y 4, 71828
(9. 102)
9. 9 Mtodos Explcitos, passo mltiplo, que usam xn , xn 1 , xn 2

como Previsor
Alguns mtodos explcitos ou abertos de passo mltiplos so: o Mtodo de AdamBashforth, o Mtodo de Nystrom, etc.
Comentrios:
9.9.1 - Adams-Moutton
Este Mtodo geralmente utilizado como Corretor.
y n(k1) yn
h
9 f n(k1 ) 19 f n 5 f n 1 f n 2
24
(9. 103)
onde f n f ( xn , yn )
9.9.2 - Adams-Bashforth
Este Mtodo geralmente utilizado como Previsor.
yn 1 yn
h
55 f n 59 f n1 37 f n 2 9 f n3
24
(9. 104)
9.9.3 - Mtodo de Hamming (1915-1958)

4h
yn 1 yn 3 3 2 f n f n 1 2 f n 2
y ( k ) 1 9 y y 3h f ( k ) 2 f f
n
n2
n
n 1
n1 8
8 n1
(previsor)
(9. 105)
(corretor)
9. 10 Mtodos de Passos Mltiplos

Partindo de um PVI
dy
f ( x, y )
dx
(9. 106)
e usando que y ( x0 ) y0 temos:

x
y ( x) y0 f (t , y (t ))dt
x0
(9. 107)
soluo. Logo:
x1
y ( x1 ) y ( x0 ) f ( x, y ( x))dx
x0
y ( xk 1 ) y ( xk )
xk 1
(9. 108)
f ( x, y ( x))dx
(9. 109)
y ( xk 1 ) y ( xk ) f ( x, y ( x))dx
xk
(9. 110)
xk
Considerando j+1 intervalos de integrao

xk 1
Newton-Cotes
Assim
yk 1 y ( xk 1 ) yk j
xk 1
xk j
Pr( x)dx
(9. 111)
Como os pontos xi so igualmente espaados PR pode ser construda com base no

conceito de diferenas finitas retroativas.
Supondo f k , f k 1,..., f k R conhecidos para x xk h temos:
PR ( x) f k f k' ( 1)
f k"
fR
.... ( 1)( 2)...( R 1) k
2!
k!
(9. 112)
Substituindo (9. 112) em (9. 111) e integrando o polinmio obtemos o erro local de
truncamento dado pela expresso
ELT h R 2
onde a ordem
R2
( 1)( 2)...( R) R 1
f ( , y ( ))d
( R 1)!
(9. 113)
9.10.1 - Mtodo de Milne-Simpson (4 ordem)

Temos j = 3 e R = 3
Previsor
yk 1 yk 3
4h
2 f k f k 1 2 f k 2 (previsor)
3
(9. 114)
14 5 IV
h f ( , y ( ))
15
(9. 115)
xk R 1 xk 1
(9. 116)
1
1 IV
yk 1 yk 1 h 2 f k 1 2 f k'1 f k"1 Of k"'1

f k 1 ....
3
90
(9. 117)
ETL
Corretor j = 1
onde
ETL
1 IV 5
f k 1h
90
(9. 118)
Substitumos na equao onde tem as derivadas chegamos a:

yk 1 yk 1 h( f k 1 4 f k f k 1 )
(9. 119)
cuja convergncia deve satisfazer:
'( ) 1
(9. 120)
( ) h 0 f ( xk 1 , ) C
f ( xk 1 , )
'( ) h 0
(9. 121)
Portanto,
Seja M mx
f ( x, y )
. Para yk 1 prxima da raiz
y
1
0M
onde 0 o coeficiente que multiplica f k 1 na frmula implcita.
(9. 122)
Nos exemplos que se seguem usaremos as seguintes frmulas:

Previsor:
yk 1 yk 3
4h
2 f k f k 1 2 f k 2
3
(9. 123)
yk 1 yk 2
h
f k 1 4 f k 1 f k 2
3
(9. 124)
Corretor:
9.11.1 Exemplo - 1
Seja a seguinte equao diferencial:
dy
y x 2
dx
(9. 125)
para y (0) 2, h 0,1 , queremos y (0,5)

Pelo mtodo de Runge-Kutta temos:
i
Mtodo Runge-Kutta
0
0
1
0,1
2
0,2
3
0,3
4
0,4
5
0,5
Onde o erro ocorre na 7 casa (ou seja, 106 )
y
2
2,004838
2,018731
2,040818
2,070320
2,106531
Prevendo
Para k = 4, h = 0,1 temos
y5 y1 4.(
0,1
)(2
f 4 f3 2 f 2 )
3
y x 2
4
(9. 126)
Onde y5 2,106533467 onde 106

Corrigindo
O valor de y vem da tabela (Runge-Kutta) e o valor de f (voc calcula)
y5 y3 (
0,1
)( f5 f 4 f 3 )
3 y
x 2
5
(9. 127)
y15 2,106530284
y 52 2,106530391
(9. 128)
y 35 2,106530387
E 107 . Onde o erro de truncamento local

1
yki 1 yk0
29
ETL 1, 06.107
(9. 129)
y (0) 2,10653067
(9. 130)
ETL
Cuja soluo exata :
Anexos
A1 - Os cdigos para compilao em MATLAB para Curvas de
Bezier
Bezier.m
%Programa bezier: Curvas de Bezier
%Desenha a curva de Bezier relativamente a um conjunto de pontos
%Exemplo de uso:
%x=[1 2 4 3]
%y=[1 3 3 1]
%n=3
%[bezx,bezy]=bezier(x,y,n)
function [bezx,bezy]=bezier(x,y,n)
hold on
plot (x,y,'o')
i=0;
k=0;
for t=0:0.01:1
i=i+1;
bnk=bernstein(n,k,t);
ber(i)=bnk;
end
bezx=ber*x(1);
bezy=ber*y(1);
for k=1:n
i=0;
for t=0:0.01:1
i=i+1;
bnk=bernstein(n,k,t);
ber(i)=bnk;
end
bezx=bezx+ber*x(k+1);
bezy=bezy+ber*y(k+1);
end
plot(bezx,bezy)
hold off
Bernstein.m
%programa bernstein: polinomios de Bernstein %
function [bnk]=bernstein(n,k,x)
if k==0
C=1;
else
C=factorial(n)/(factorial(k)*factorial(n-k));
end
bnk=C*x^k*(1-x)^(n-k);
A2 Superfcies de Bezier
As superfcies tm um papel muito importante na computao grfica. De uma
maneira geral, as superfcies so uma generalizao das curvas.
A equao para a superfcie de Bzier uma extenso direta das curvas de
Bzier. Um ponto qualquer da superfcie pode ser obtido pela expresso:
n
Ps, t Bi J n,i s J j ,m t
0 s, t 1
(A. 1)
i 0 j 0
onde, como no caso das curvas de Bzier, Bi,j define o vrtice e controle da superfcie e
Ji,n(s), Ji,m(t) so funes de Berstein nas direess e t respectivamente.
Se a superfcie de Bzier a ser gerada for definida por dois polinmios de grau 3,
teremos as chamadas superfcies bicbicas de Bzier, que podem ser escritas como:
P s , t s 3
s2
t 3
2
T t
1 M B GB M B
t

1
(A. 2)
sendo
1 3 3
3 6 3
MB
3 3
0
0
0
1
1
0
0
(A. 3)
P0,3
P1,3
P2,3
P3,3
(A. 4)
e os pontos de controle representados pela matriz:
P0, 0
P
1, 0
GB
P2, 0
P2, 0
P0,1
P1,1
P2,1
P3,1
P0, 2
P1, 2
P2, 2
P3, 2
Para representar uma superfcie Bzier bicbica, os dezesseis pontos de controles

devem ser especificados(Figura A.2).
Figura - A. 1. Os dezesseis pontos de controle de uma superfcie de Bzier.
A3 Superfcies de B-Spline
As superfcies B-Spline mais conhecidas na prtica da computao grfica o
NURBS (Nonuniform Rational B-Splines), um sistema de modelagem grfico-computacional
que utiliza, alm de crculos, linhas e arcos as splines. empregado em sistemas CAD
(desenho auxiliado por computador) para gerao de superfcies complexas. So formas
matemticas que permitem a construo de simples linhas 2D (bidimensionais), crculos,
arcos ou mesmo slidos geomtricos regulares superfcie orgnica complexas 3D
(tridimensonais). Os objetos em NURBS podem ser utilizados para qualquer tipo modelagem,
animao, ilustrao, ou modelos para a fabricao industrial por causa de sua flexibilidade e
preciso na construo dos objetos 3D. Permitem definir com preciso seces cnicas
(polinmios quadrticos).
O termo NURBS a abreviatura de Non-Uniform Rational B-Splines Surfaces, ou
seja, uma B-Splines racional (originria da razo de polinmios). Non-uniform significa que
a influncia da extenso de um controle de vrtice no precisa ser a intervalos iguais do
parmetro t, podendo variar (o que muito bom na modelagem de superfcies irregulares).
Rational significa que a equao usada para representar a curva ou superfcie expressa pela
razo de dois polinmios. A forma rational fornece um modelo melhor de algumas superfcies
importantes.
As superfcies NURBS forem criadas especialmente para modelagem em trs
dimenses no computador. Na prtica, ou seja, para o projetista, a maior qualidade no uso de
superfcies NURBS a velocidade e facilidade de construo de objetos muito complexos.
Essas superfcies so obtidas com uso de matrizes Bi,j de ns no-uniformes e uma das
formas de representao mais usadas em projetos de engenharia.
A funo polinomial das curvas NURBS definida como:
n
w B N t
i
Pt P t
w
n ,i
i0
n
(A. 5)
wi N n,i t
i 0
Diferentes segmentos de curvas NURBS podem ter diferentes nveis de

continuidade dependendo do posicionamento dos pontos de controle pelo usurio. Em
particular, quando posicionamos dois pontos de controle em um mesmo lugar ou muito
prximos, o nvel de continuidade ser reduzido. Dois pontos de controle aguam a curvatura.
Essa propriedade de uma NURBS conhecida como multiplicidade.
O sucesso da NURBS verificado pela enorme quantidade de aplicativos e APIs

(Interface de Programao de Aplicativos) que se beneficiam desta poderosa ferramenta, entre
elas ento:
OpenGL (Open Graphics Library) pode ser definida como uma biblioteca de
interface de software para acelerao da programao de dispositivos grficos 3D com
excelente qualidade visual e rapidez. Criada pela SGI, a biblioteca OpenGL bastante popular
nas indstria de jogos, super computadores, efeitos especiais para TV e cinema.
VTK, (Visualization Toolkit) uma API disponibilizada gratuitamente pela Kitware Inc,
possuindo cdigo fonte aberto e totalmente portvel. Ele consiste em uma biblioteca de
classes implementadas em C++ e utilizada para o processamento de imagens e visualizao
cientfica.
3D Studio Max ou 3ds Max, um programa de modelagem 3D que permite renderizao
de imagens e animao. Sendo usado em produo de filmes de animao, vinhetas e
comerciais para TV, maquetes eletrnicas e na criao de qualquer mundo virtual.
Rhinoceros 3D da empresa Robert McNeel & Associates, possui um formato que
reconhece as NURBS e tem um foco maior na modelagem de superfcies.
Bibliografia
1 Burden, R. L. Faires, J. D. Numerical Analyisis, Brooks Cole Publishing Company,
1997.
2 Cunha, M. C. Mtodos Nmericos, Editora Unicamp, 2003 (sugere o uso do Maple)
3 Sperandio, D. Clculo Numrico, Pearson
4 Atkinson, K. An Introduction to Numerical Analysis, John Willey & Sons, 1978
5 http://www.sbg.ac.at/mat/staff/revers/revers07.html
6 - http://www.cse.uiuc.edu/iem/interpolation/brnstein/
7 - http://en.wikipedia.org/wiki/Bernstein_polynomial
8 - Kenneth I. Joy, Bernstein Polynomials, On-Line Geometric Notes
9 - Foley, James D., Fundamentals of interactive computer graphics, The System
Programming Series.(1942);
10 - Azevedo, Eduardo, Computao Grfica, Teoria e Prtica (2003);
11 - Jambrina, Leonardo F., Tema 2: Curvas de Bzier;
12 - Andrade, Lenimar N. de Curvas e Superfcies de Bzier e B-Spline (1999);
13 - Universidade de Aveiro http://www.mat.ua.pt/disciplinas/an
14 - Conte, S. D. Elementos de Anlise Numrica.
15 - Bronson, R. Moderna Introduo s Eq. Difs.

Metodos Numericos PDF

Enviado por

Dados do documento

Título original

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

Metodos Numericos PDF

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO PARAN

SETOR DE TECNOLOGIA/SETOR DE CINCIAS EXATAS

Apostila organizada como resultado do estudo das aulas da

Orientador: Prof. Dr. Jos Antonio Marques

Dedico este trabalho a todos os que, no se

vida um algo multidimensional cuja

1.7.3 Exemplo - 3 .................................................................................................................. 27

2.4.1 - Esquema de um Computador ........................................................................................ 40

4.3.3.1 Prova da Convergncia do Mtodo da Bi-Seco ..................................................... 76

6.3.1 - Teorema - 1 ................................................................................................................. 128

6.13.3 Mtodo de Interpolao Exemplo 3....................................................................... 179

8. 9 - Exerccios e Problemas .................................................................................................227

Figura - 6. 13. .........................................................................................................................168

Tabela - VI. 19........................................................................................................................199

1. 3 - Noes Bsicas sobre Erros

Figura - 1. 1. Diagrama de transformao de um problema real em um modelo matemtico

Dado um problema fsico, para resolv-lo devemos matematiz-lo por meio de

Se o modelo matemtico no possuir soluo analtica pode-se recorrer aos

1. 4 - Representao dos Nmeros em um Computador

Usando o seguinte algoritmo em FORTRAN

a j a j1a j2 ...a2 a1ao ,

0 ak 1 , k 0,1,2,..., j , pode ser escrito na forma polinomial:

a j a j1a j2 ...a2 a1ao a j j a j1 j 1 ... a1 ao 0

101112 1.2 4 0.23 1.2 2 1.21 1.2 0 10 (23)10

O nmero (0,5)10 possui representao finita na base 2, igual (0,1) 2 ; o nmero

(0,1)10 possui representao infinita na base 2 (0,00001100110011...) 2

1. 5 - Aritmtica de Ponto Flutuante

j 1,2,..., t ; d1 0 (forma normalizada), e o expoente

nesse sistema os nmeros sero representados como:

O maior nmero representado (em mdulo):

Para um nmero real x:

Figura - 1. 3. Esquema da faixa de Operao Numrica de um Computador

10 e e [4,4] , m 0,1.10 4 10 5 ; M 0,999.10 4 9990

1.6.1 - Erro absoluto:

EAx x x 0, 01(limitante superior do erro)

1.6.2 - Erro relativo:

Se o erro exato no conhecido, mas apenas o valor aproximado, o erro relativo

1. 7 - Erros de arredondamento e truncamento em um Sistema de

onde a base em que a mquina opera, t o nmero de dgitos na mantissa, com

0 d j 1 ; j 1, 2,..., t e d1 0 (forma normalizada), e e o expoente no intervalo

EAx f x .10e g x .10e t f x .10e

O erro relativo dado por:

Ento o erro absoluto dado por:

EAx f x .10e g x .10e t f x .10e

E o erro relativo dado por:

Ento o erro absoluto dado por:

EAx f x .10e g x .10e t f x .10e 10e t

E o erro relativo dado por:

x y 0,937.10 4 0,001272.10 4 0,938272.10 4

Como t = 4, o resultado arredondado :

x. y 0,937.10 4.0,1272.10 2 0,1191864.10 6

Como t = 4, o resultado arredondado :

1. 8 Erro absoluto e Erro relativo nas Operaes Aritmticas

Onde EAx y EAx EAy e o erro absoluto da soma.

Onde EAx y EAx EAy e o erro absoluto da soma.

Admitindo que o produto EAx EAy pode ser desprezado temos:

E, portanto EAxy xEAy yEAx o erro absoluto da soma.

Logo o erro relativo :

em Srie e desprezando-se as potncias maiores do que 1,

x x EAx y EAy x y x EAy yEAx EAx EAy

Que resulta em:

Desprezando o produto dos erros absolutos

do funcionamento do computador uma sensibilidade profissional para o estudo e anlise dos