INSTITUTO FEDERAL DE EDUCAC

AO, CI

ENCIA E TECNOLOGIA DA BAHIA - IFBA

C

ALCULO NUM

ERICO
Allan de Sousa Soares
Vitoria da Conquista - BA
2012
Sumario
1 Solucao de Equac oes com Uma Variavel
Localizacao de Zeros 4
1.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Metodo de Localizacao de Zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Solucao de Equac oes com Uma Variavel
Metodo da Bisseccao 7
2.1 Metodo da Bissec cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Solucao de Equac oes com Uma Variavel
Metodo do Ponto Fixo 9
3.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Metodo do Ponto Fixo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 Solucao de Equac oes com Uma Variavel
Meto de Newton 12
4.1 Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.2 Metodo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5 Solucao de Equac oes com Uma Variavel
Zeros de um Polin omio 16
5.1 Zeros de um Polinomio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.2 Multiplicidade de um Zero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1
5.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6 Interpolacao e Aproximacao Polinomial
Polin omio de Lagrange 19
6.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.2 Polinomio Interpolador de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
7 Interpolacao e Aproximacao Polinomial
Diferencas Divididas Finitas - DDF 24
7.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
7.2 Formula do Polinomio Interpolador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
7.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
8 Teoria da Aproximacao
Aproximacao Discreta dos Mnimos Quadrados 26
8.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.2 Mnimos Quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
9 Integracao Numerica
Regra do Trapezio e Regra de Simpson 31
9.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.2 Regra dos Trapezios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
9.3 1
a
Regra de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
9.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
10 Integracao Numerica
Quadratura Gaussiana 35
10.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
11 Solucao de Sistemas Lineares
Metodo Direto de Gauss 38
11.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
11.2 Metodo De Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2
11.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3
Captulo 1
Solucao de Equac oes com Uma Variavel
Localizacao de Zeros
1.1 Introducao
Um dos problemas mais importantes em matematica e o de se obter os zeros de uma funcao real.
Em outras palavras, dada uma funcao f(x), gostariamos de encontrar p tal que f(p) = 0. Por exemplo,
a funcao f(x) = x
2
5x + 6 tem dois zeros reais, p
1
= 2 e p
2
= 3.
Denicao 1.1. Dizemos que uma funcao f : I R e contnua em um ponto c, se para toda sequencia
(x
n
) em I, tivermos
lim
n
x
n
= c lim
n
f(x
n
) = f(c).
Observacao 1.2. A grosso modo, dizemos que f(x) e contnua, se ao tracarmos seu graco nao levan-
tarmos o lapis do papel. Busque em livros de calculo exemplos de funcoes contnuas!
Teorema 1.3. Se f(x) e uma fun cao contnua denida no itervalo [a, b] tal que f(a)f(b) < 0, entao f(x)
possui pelo menos um zero em [a, b].
1.2 Metodo de Localizacao de Zeros
Veremos agora um metodo para isolar zeros de uma funcao em intervalos. Estamos interessados em
obter intervalos onde existe um unico zero.
Considere o graco da funcao f(x) a seguir:
4
Veja que g(x) possui tres zeros em [a, b]. Gostaramos de encontrar uma particao deste intervalo, digamos
P = {p
1
= a, p
2
, . . . , p
n
= b}, onde p
j
= p
j1
+ para escolhido, isolando cada zero em um subintervalo
(p
k1
, p
k
).
Exemplo 1.4. Considere a func ao f(x) = 16x
3
22x 5 no intervalo [2, 2]. Tomando uma particao
com =
1
2
, podemos construir a seguinte tabela
P 2
3
2
1
1
2
0
1
2
1
3
2
2
f(P) + + + +
Logo, f(x) possui, pelo Teorema 1.3, zeros nos subintervalos [
3
2
, 1], [
1
2
, 0] e [1,
3
2
].
Observacao 1.5. Voce pode vir a se perguntar:
1) A func ao do exemplo acima possui mais que tres zeros?
2) Em cada um dos intervalos acima existe um unico zero somente?
Por se tratar especicamente de um polinomio do terceiro grau, a resposta a estas duas perguntas e
armativa, isto e, existe somente um unico zero em cada intervalo obtido no Exemplo 1.4, e estes zeros,
sao os unicos.
1.3 Exerccios
Exerccio 1: Dada as fun coes a seguir, determine os subintervalos (se existirem) contendo algum zero:
a) f(x) = x
3
7x + 6, [4, 3], = 0, 7
b) f(x) = x
5
+ 8x
2
8, [1, 1], = 0, 4
c) f(x) = e
x
3x
2
+ 2, [2, 2], = 0, 5
d) f(x) = x
4
+ 1, [5, 5], = 0, 5
Resposta: a) [3, 3; 2, 6], [0, 9; 1, 6], [1, 6; 2, 3], b) [0, 6; 1], c) [1; 0, 5], [1; 1, 5], d) nao ha zeros nesta
particao.
Exerccio 2: Considerando a funcao f(x) = 1000x
3
600x
2
+ 110x 6, no intervalo, [0, 25; 0, 75]
encontre
a) usando = 0, 5, subintervalo(s) contendo algum zero.
b) usando = 0, 2, subintervalo(s) contendo algum zero.
c) usando = 0, 1, subintervalo(s) contendo algum zero.
d) o que voce pode notar `a medida que se diminuia , isto e a medida que cada particao do intervalo
[0, 25; 0, 75] era renada?
Resposta: a) [0, 25; 0, 75], b) [0, 05; 0, 15], c) [0, 25; 0, 35], [0, 05; 0, 05], d) Se diminuirmos mais ainda,
pode ser que encontremos mais um zero de f(x) em algum subintervalo do intervalo [0, 25; 0, 75]. O
fato de renarmos uma particao nao e garantia de que obteremos um subintervalo contendo ao menos
um zero (real), ou aumentemos o n umero de subintervalos nos quais tenhamos ao menos zero (real). Isso
pode ser visto se tentarmos renar a parti cao dada no item d) do exerccio anterior, uma vez que esta
fun cao f(x) = x
4
+ 1 nao possui zero real algum (verique!). Um outro caso em que o renamento de
5
nada adianta, e aquele em que estamos procurando zeros de uma funcao num dado intervalo onde esta
nao possui zeros, como por exemplo, se tentarmos renar uma particao qualquer do intervalo [1, 1]
considerando f(x) = x
2
5x + 6. Nao obteremos subintervalo algum contendo zeros, umas vez que os
zeros de f(x) sao 2 e 3 (fun cao polinomial de grau 2).
Exerccio 3: Note que a funcao f(x) =
1
x
e tal que f(1).f(1) < 0. Podemos armar que f(x)
possui ao menos um zero no intervalo [1, 1]?
Resposta: Nao, muito embora somos tentados a usar o Teorema 1.3, o que nao pode ser feito, uma vez
que a fun cao f(x) =
1
x
nao e contnua em x = 0 [1, 1].
Exerccio 4:

E possvel que uma fun cao contnua f(x), denida em um intervalo [a, b], tenha algum zero
em [a, b], no caso em que f(a).f(b) > 0?
Resposta: Sim, basta considerar a fun cao f(x) = x
2
5x + 6 no intervalo [0, 4]. Ela e tal que
f(0).f(4) = 6.2 = 12 > 0, mas, como ja sabemos, esta funcao tem dois zeros reais, p
1
= 2 e p
2
= 3.
6
Captulo 2
Solucao de Equac oes com Uma Variavel
Metodo da Bisseccao
2.1 Metodo da Bisseccao
Suponha que f seja contnua no intervalo [a, b], com f(a) e f(b) possuindo sinais opostos. Pelo
Teorema do Valor Intermediario existe p (a, b) com f(p) = 0. O procedimento a seguir funciona nos
casos em que se tem mais de uma raiz no intervalo (a, b), porem assumiremos, por simplica cao que a
raiz nesse intervalo e unica. Este metodo consiste em diminuirmos o intervalo [a, b] em outros iguais `a
metade do anterior e, em cada passo, localizar qual dos meio-intervalos contem p.
Para iniciar, consida-se a
1
= a, b
1
= b e toma-se p
1
=
a
1
+b
1
2
(ponto medio de [a, b]). Se f(p
1
) = 0,
entao p = p
1
, e temos encontrado a solu cao. Se f(p
1
) = 0, entao f(p
1
) tem mesmo sinal que f(a
1
) ou
f(b
1
). Se f(a
1
).f(p
1
) > 0 entao p (p
1
, b
1
) e fazemos a
2
= p
1
, b
2
= b
1
. Se f(a
1
).f(a
1
) < 0, p (a
1
, p
1
), e
fazemos a
2
= a
1
, b
2
= p
1
. Reaplicamos o processo em [a
2
, b
2
], . . ., [a
n
, b
n
], . . . ate que obtermos f(p) = 0
ou |a
n
b
n
| < , onde e a precisao desejada.
Exemplo 2.1. Utilizemos o metodo da Bisseccao para encontrar a solucao contida no intervalo [0, 1],
com precisao de 10
2
(isto e, < 10
2
) para x
3
7x
2
+ 14x 6 = 0.
Solu cao: Observe a tabela a seguir
n a
n
p
n
b
n

n
f(p
n
)
1 0() 0, 5() 1(+) 0, 5 0, 625
2 0, 5 0, 75(+) 1 0, 25 0, 984375
3 0, 5 0, 625(+) 0, 75 0, 125 0, 259765625
4 0, 5625 0, 5625() 0, 625 0, 0625 0, 161865234
5 0, 5625 0, 59375(+) 0, 625 0, 03125 0, 054046631
6 0, 5625 0, 578125() 0, 59375 0, 015625 0, 052623749
7 0, 578125 0, 5859375 0, 59375 0, 0078125 0, 001031399
Logo, a solucao e p
7
= 0, 5859375 com
7
= 0, 0078125.
Observacao 2.2. Para determinarmos o n umero de iterac oes (N) necessarias para se obter uma solucao,
no intervalo [a, b], de uma equacao da forma f(x) = 0, com uma precisao de 10
n
, basta utilizarmos a
7
formula a seguir:
N >
n + log
10
(b a)
log
10
2
.
Busque de onde vem a estimativa acima, entenda e explique ao professor.
VALE PONTOS EXTRAS
2.2 Exerccios
Exerccio 1:Utilize o metodo da Bissec cao para encontrar a solu cao, com precisao de 10
2
, para
x
3
7x
2
+ 14x 6 = 0 no intervalo [1; 3, 2]. So ha mais esta solu cao?
Resposta: p
8
= 3, 002. Ha mais uma solu cao, consulte o professor!
Exerccio 2: Utilize o metodo da Bisseccao para encontrar uma solucao com precisao de 10
3
para
x = tg(x) no intervalo [4; 4, 5].
Resposta: p
9
= 4, 4932.
Exerccio 3: No calculo de
3

25, com precisao de 10

4
, por meio da aplicacao do metodo da Bis-
seccao, obtemos p
n
= 2, 92401. Qual o valor de n? Voce tem ideia de qual e a equa cao f(x) = 0 pode ser
utilizada neste caso?
Resposta: n = 14, f(x) = x
3
25.
Exerccio 4: O metodo da Bisseccao pode ser aplicado para se encontrar uma solucao para a equacao
x
4
2x + 1 = 0, no intervalo [2, 2], com precisao dada? Existe alguma solucao p (2, 2) tal que
f(p) = 0? Caso tenha alguma solucao em (2, 2), mas nao seja possvel aplicar o metodo da bisseccao
ao intervalo fechado[2, 2], voce conseguiria ajustar algum dado fornecido para que este metodo seja
aplicavel?
Resposta: Simples, veja com o professor.
Exerccio 5: Escreva um algoritmo para o metodo da Bisseccao. Por meio deste algoritmo deve ser
possvel encontrar uma solucao para f(x) = 0 dada a func ao f contnua no intervalo [a, b], onde f(a) e
f(b) tem sinais opostos.
Resposta: Veja em livros de calculo numerico.
8
Captulo 3
Solucao de Equac oes com Uma Variavel
Metodo do Ponto Fixo
3.1 Introducao
Um n umero p e um ponto xo para uma funcao g se g(p) = p.
Exemplo 3.1. Os pontos xos da funcao g(x) = x
2
2, para 2 x 3 sao x = 1 e x = 2, uma vez
que g(1) = 1 e g(2) = 2.
Teorema 3.2. a) Se g e contnua em [a, b] e g(x) [a, b], para todo x [a, b], entao g tem um ponto
xo em [a, b].
b) Se, adicionalmente, g

(x) existe em (a, b) e uma constante positiva k < 1 existe, tal que |g

(x)| k,
para todo x (a, b), entao o ponto xo em [a, b] e unico.
Demonstracao. a) Se g(a) = a ou g(b) = b acabou. Do contrario, g(a) > a e g(b) < b. Note que a funcao
h(x) = g(x) x e contnua em [a, b] com h(a) = g(a) a > 0, h(b) = g(b) b < 0. Logo, pelo Teorema
do Valor Intermediario existe p (a, b) tal que h(p) = 0, isto e,
g(p) p = 0 g(p) = p.
b) Suponha que |g

(x)| k < 1 e p, q pontos xos em [a, b]. Se p = q, o Teorema do Valor Medio assegura
que existe entre p e q tal que g

() =
g(p)g(q)
pq
. Logo,
|p q| = |g(p) g(q)| = g

()|p q| k|p q| < |p q|,

o que e uma contradi cao. Assim, p = q.
Exemplo 3.3. Seja g(x) =
x
2
1
3
em [1, 1]. Tracando-se o graco de g percebe-se que g(x) [1, 1].
Alem disso, g e contnua em [1, 1] e |g

(x)| = |
2x
3
|
2
3
para todo x (1, 1). Logo, o Teorema 3.2
assegura que g possui um unico ponto xo em [1, 1].
9
3.2 Metodo do Ponto Fixo
Para obter o valor aproximado do ponto xo de uma fun cao g, escolhemos uma aproximacao inicial
p
0
e geramos a sequencia (p
n
) fazendo p
n
= g(p
n1
) para cada n 1. Se a sequencia converge para p e
g e contnua, entao
p = lim
n
p
n
= lim
n
g(p
n1
) = g(lim
n
p
n1
) = g(p),
e obtemos a suolucao para x = g(x).
Agora, vejamos um algoritmo para o Metodo da Itera cao Linear.
Algoritmo 3.4. Metodo da Iteracao Linear
Entrada: g(x) = x, p
0
,
p
1
= g(p
0
)
n = 1
enquanto |p
n
p
n1
| <
n = n + 1
p
n
= g(p
n1
)
menquanto
Sada: p
n
Dada uma funcao f(x) a qual buscamos algum zero por meio do Metodo da Itera cao Linear, devemos
obter a funcao auxiliar g(x) = x. Ela e nomalmente obtida fazendo-se f(x) = 0 e por meio de manipulacao
algebrica desta ultima equacao deve-se obter g(x) = x, tal que g(x) satisfaca o Teorema 3.2.
Exemplo 3.5. Seja f(x) = x
3
31x + 1, no intervalo [0, 2]. Utilizemos o Metodo da Iteracao Linear,
para encontrar uma solucao p para f(x) com precisao de 10
3
e chute inicial p
0
= 1.
Solu cao: Uma possvel escolha para a funcao g(x) pode ser obtida da seguinte forma:
x
3
31x + 1 = 0 x
3
x 30x + 1 = 0 30x = x
3
x + 1 x =
x
3
x + 1
30
.
Logo, g(x) =
x
3
x+1
30
. Aplicando as iteracoes, temos:
n g(p
n
)
n
1 0, 033333333 0, 966666667
2 0, 032223457 0, 001109877
3 0, 032260333 0, 0000368766
Logo, a solucao e p
3
= 0, 032260333.
Exemplo 3.6. A equacao x
3
+ 4x
2
10 = 0 tem uma unica raiz no intervalo [1, 2]. Por meio de
manipulacao algebrica, podemos obter varias equacoes para a forma de ponto xo x = g(x). Vejamos:
a) x = g
1
(x) = x x
3
4x
2
+ 10; b) x = g
2
(x) =
_
10
x
4x
_
1/2
; c) x = g
3
(x) =
1
2
_
10 x
3
_
1/2
;
d) x = g
4
(x) =
_
10
4+x
_
1/2
; e) x = g
5
(x) = x
x
3
+4x
2
10
3x
2
+8x
.
10
Surge entao uma pergunta: Sera que existe uma melhor escolha para a funcao auxiliar g(x)? Se sim, qual
das funcoes acima deve ser escolhida? A tabela a seguir nos responde a estas questoes.
n (a) (b) (c) (d) (e)
0 1, 5 1, 5 1, 5 1, 5 1, 5
3 469, 7 (8, 65)
1/2
1, 345458374 1, 364957015 1, 365230014
4 1, 03.10
8
1, 375170253 1, 365264748 1, 365230013
15 1, 365223680 1, 365230013
30 1, 365230013
Teorema 3.7. Seja g uma funcao contnua em [a, b] e g(x) [a, b] para todo x [a, b]. Suponha,
adicionalmente, que g

exista em (a, b) e que uma constante 0 < k < 1 exista, com |g(x)| < k, para todo
x (a, b). Entao, para qualquer n umero p
0
[a, b], a sequencia denida por p
n
= g(p
n1
), para n 1
converge para o ponto xo unico p [a, b].
3.3 Exerccios
Exerccio 1: Utilize manipulacoes algebricas para mostrar que cada uma das fun coes a seguir tem um
ponto xo em p precisamente quando f(p) = 0, para f(x) = x
4
+ 2x
2
x + 3.
a) g
1
(x) = (3 + x 2x
2
)
1/4
;
b) g
2
(x) =
_
x+3x
4
2
_
1/2
;
c) g
3
(x) =
_
x+3
x
2
+2
_
1/2
.
Resposta: Tente ate conseguir. Dica, tente o caminho inverso e depois arrume!
Exerccio 2: Os quatro metodos a seguir sao propostos para se calcular 21
1/3
. Ordene-os, com base na
velocidade aparente de convergencia, assumindo p
0
= 1.
a) p
n
=
20p
n1
+21/p
2
n1
21
;
b) p
n
= p
n1

p
3
n1
21
3p
2
n1
;
c) p
n
= p
n1

p
4
n1
21p
n1
p
2
n1
21
;
d) p
n
=
_
21
p
n1
_
1/2
.
Resposta: A ordem, por velocidade de convergencia descendente, e (b), (d), (a). A sequencia em (c) nao
converge.
Exerccio 3: Utilize o metodo de iteracao do ponto xo para determinar uma solucao com precisao
de 10
2
para x
4
3x
2
3 = 0.
Resposta: Com g(x) = (3x
2
+ 3)
1/4
e p
0
= 1, p
6
= 1, 94332 e preciso ate 0, 01.
Exerccio 4: Utilize o metodo de itera cao de ponto xo para encontrar uma aproximacao para

3
com precisao de 10
4
.
Resposta: Para p
0
= 1 e g(x) =
1
2
(x +
3
x
), temos p
4
= 1, 73205.
11
Captulo 4
Solucao de Equac oes com Uma Variavel
Meto de Newton
4.1 Metodo de Newton
O Metodo de Newton, apresentado a seguir, e um dos mais poderosos metodos numericos conhecidos
para resolver o problema de se encontrar as razes de uma fun cao. Introduziremos o Metodo de Newton
utilizando o polinomio de Taylor.
Suponhja que f seja diferenciavel e que f

seja contnua em [a, b]. Seja x [a, b] uma aproximacao

de p tal que f

( x) = 0 e |p x| e pequeno. Considere o polinomio de Taylorde primeiro grau para f(x)

expandido em torno de x,
f(x) = f( x) + (x x)f

( x) +
(x x)
2
2
f

((x)),
onde (x) esta entre x e x. Como f(p) = 0, fazendo x = p, temos
f(p) = 0 = f( x) + (p x)f

( x) +
(p x)
2
2
f

((p)).
Desde que |p x| e pequeno, podemos ignorar o termo(p x)
2
que e muito menor. Portanto,
0 f( x) + (p x)f

( x).
Isolando p temos
p x
f( x)
f

( x)
.
A gura a seguir ilustra como as aproxima coes sao obtidas utilizando-se sucessivas tangentes. Iniciando-
se com uma aproxima cao inicial p
0
, a aproximacao p
1
e o valor em que a linha da tangente ao gaco de
f em (p
0
, f(p
0
)) intercepta o eixo dos x. Por sua vez, p
2
e o valor em que a tangente ao graco de f em
(p
1
, f(p
1
)) conrta o eixo dos x, e assim por diante.
12
Acima, foi dito que |p x| tem que ser pequeno. O que isto signica? Pequise! Alem disso, busque
ao menos um exemplo de uma equa cao f(x) = 0 para a qual, uma certa aproxima cao inicial p
0
nao
produza resultados muito bons, mas uma segunda aproxima cao p

0
, mais proximade p leve a uma boa
aproximacao do zero de f(x) = 0.
VALE PONTOS EXTRAS
Exemplo 4.1. Suponha que queiramos calcular,com aproximacao, o valor do ponto xo de f(x) = cos(x).
Usando iteracao do ponto xo, com p
0
= /4 e x = g(x) = cos(x), o maximo que podemos concluir e que
p 0, 74, conforme mostra a tabela a seguir:
n p
n
0 0, 7853981635
1 0, 7071067810
2 0, 7602445972
.
.
.
.
.
.
6 0, 7434642113
7 0, 7361282565
Por outro lado, utilizando o Metodo de Newton na funcao auxiliar h(x) = f(x) x = cos(x) x. Assim,
f

(x) = sen(x) 1, donde obtemos a seguinte sequencia de iteracao:

p
n
= p
n1

cos(p
n1
) p
n1
sen(p
n1
) 1
, n 1.
Os resultados obtidos sao mostrados na tabela a seguir:
n p
n
0 0, 7853981635
1 0, 7395361337
2 0, 7390851781
3 0, 7390851332
4 0, 7390851332
13
Ao que se pode ver, analisando-se os valor de p
3
e p
4
que o Metodo de Newton e muito mais rapido que
a iteracao do ponto xo.
4.2 Metodo da Secante
Embora o Metodo de Newton e uma tecnica extremamente poderosa, ele apresenta uma fraqueza:
a necessidade de se conhecer o valor da derivada de f em cada aproximacao. Frequentemente, f

(x)
apresenta muito mais diculdades e necessita de mais operacoes aritmeticas para ser calculada do que
f(x). Na tentativa de se evitar este problema, introduzimos o Metodo da Secante. Este metodo trata-se
de uma pequena variacao do Metodo de Newton.
Por denicao,
f

(p
n1
) = lim
xp
n1
f(x) f(p
n1
)
x p
n1
.
Fazendo x = p
n2
, temos
f

(p
n1
)
f(p
n1
) f(p
n2
)
p
n1
p
n2
.
Utilizando essa aproxima cao para f

(p
n1
) na formula de Newton, temos que
p
n
= p
n1
f(p
n1
)
p
n1
p
n2
f(p
n1
) f(p
n2
)
.
Busque uma interpreta cao geometrica para o Metodo da Secante!
4.3 Exerccios
Exerccio 1: Seja f(x) = x
2
6 e p
0
= 1. Use o metodo de Newton para achar p
2
.
Resposta: p
2
= 2, 60714.
Exerccio 2: Use o metodo de Newton para encontrar solu coes com precisao de 10
4
para os seguintes
problemas:
a) x
3
2x
2
5 = 0, [1, 4];
b) x cos(x) = 0, [0, /2];
c) x
3
+ 3x
2
1, [3, 2];
d) x 0, 8 0, 2sen(x) = 0, [0, /2].
Resposta: a) Para p
0
= 2, temos p
5
= 2, 69065; b) Para p
0
= 3, temos p
3
= 2, 87939; c) Para p
0
= 0,
temos p
4
= 0, 73909; d) Para p
0
= 0, temos P
3
= 0, 96434.
Exerccio 3: Seja f(x) = x
2
6. Com p
0
= 3 e p
1
= 2, ache p
3
usando o Metodo da Secante.
Resposta: 2, 45454
Exerccio 4: Estude, para uma equacao particular, f(x) = 0 a velocida de convergencia dos metodos da
Bisseccao, iteracao do ponto xo, Newton e Secante. Calcule pelo menos 7 iteracoes para cada um desses
metodos, isto e, encontre pelo menos p
7
. Dica: Tome de preferencia uma equacao cuja solucao exata seja
14
conhecida.
Resposta: Aberta!
VALE PONTOS EXTRAS.
Observacao 4.2. A resposta para a questao anterior e aberta e deve conter, alem de todos os calculos,
uma tabela comparando cada metodo. Sao innitas possibilidades de escolha para a equacao f(x) = 0,
para as aproximacoes inicial p
0
(e p
1
quando for o caso), intervalos contendo razes, funcoes de iteracao
de ponto xo etc, o que ca meio improvavel trabalhos semelhantes!
15
Captulo 5
Solucao de Equac oes com Uma Variavel
Zeros de um Polin omio
5.1 Zeros de um Polin omio
Nesta secao buscaremos limitar os zeros de um polinomio qualquer. Nos resultados a seguir consid-
eraremos apenas polinomios monicos, ou seja, polinomios no qual o coeciente do termo de maior grau e
igual a 1.
Teorema 5.1. Seja P(x) = x
n
+ a
n1
x
n1
+ . . . + a
1
x + a
0
um polinomio de grau n e a
0
= 0. Se

n1
i=0
||a
i
||
||x||
ni
< 1 e x = 0, entao p(n) = 0.
Demonstracao. Temos que
P(x) = x
n
_
1 +
n1

i=0
a
i
x
ni
_
.
Mas ||

n1
i=0
a
i
x
ni
||

n1
i=0
||a
i
||
||x||
ni
< 1 e portanto P(x) = 0.
Corolario 5.2. Se
||a||
1/ni
||x||
<
1
2
para i = 0, . . . , n 1 e x = 0,entao P(x) = 0.
Teorema 5.3. Seja P(x) = x
n
+ a
n1
x
n1
+ . . . + a
1
x + a
0
um polinomio de grau n e a
0
= 0. Se x e
um zero de p, entao
||x|| L,
onde L = 2max
0in1
{||a||
1/ni
}.
Demonstracao. Negando o corolario 5.2, temos que se P(x) = 0 entao existe i
0
tal que
1
2

||a||
1/ni
0
||x||
.
Alem disso,
||a||
1/ni
||x||

max
0in1
{||a||
1/ni
}
||x||
.
Assim,
1
2

max
0in1
{||a||
1/ni
}
||x||
||x|| 2max
0in1
{||a||
1/ni
}.
16
Exemplo 5.4. Ache o limite superior e inferior dos zeros reais do polinomio P(x) = x
3
+3x
2
10x+24
Solu cao:
L = 2max
0in1
{||a||
1/ni
} = 2max{||a
0
||
1/3
, ||a
1
||
1/2
, ||a
2
||} = 2max{24
1/3
, 10
1/2
, 3} = 2

10.
Logo, todos os zeros reais de P(x) estao no intervalo [2

10, 2

10].
Observacao 5.5. Se por exemplo, estivessemos interessados tanto nos zeros complexos, quanto reais no
exemplo acima, teriamos, ao inves de um intervalo, uma bola raio 2

10. Basta observar que ||x|| < L.

Sejam
0
, . . . ,
n1
os zeros de P(x). Considere o polinomio P
1
(x) = x
n
P
_
1
x
_
. Assim,
P
1
(x) = x
n
_
1
x

0
_
. . .
_
1
x

n1
_
= x
n
_
1 x
0
x
_
. . .
_
1 x
n1
x
_
= (1 x
0
) . . . (1 x
n1
).
Assim, os zeros de P
1
(x) sao
1

0
, . . . ,
1

n1
. Aplicando o Teorema 5.3 a P
1
(x) temos L
1
tal que
||
1
x
i
|| L
1
e portanto
1
L1

i
.Logo, se x e um zero de um polinomio (monico) qualquer, etnao
L
1
||x|| L.
No caso de zeros reais podemos dizer que:
L
1

1

i
L
1

1

1
L
1
e
1

1
L
1
.
Portanto, os zeros reais positivos e negtivos de p(x) estao nos intervalos [L,
1
L
1
], [
1
L
1
, L]. Como
seria a interpreta cao deste ultimo caso para zeros complexos?
Exemplo 5.6. Ache os limites L, L
1
de P(x) = x
3
+ 3x
2
10x + 24.
Solu cao: No Exemplo 5.4 vimos que L = 2

10. Por outro lado,

P
1
(x) = x
3
P
_
1
x
_
= x
3
_
1
x
3
+ 3
1
x
2
10
1
x
+ 24
_
= 1 + 3x 10x
2
+ 24x
3
.
g
1
(x) =
P
1
(x)
24
=
1
24
+
1
8
x
5
12
x
2
+ x
3
L
1
= 2max
_
||
1
24
||
1/3
, ||
1
8
||
1/2
, ||
5
12
||
_
= 2.
5
12
=
5
6
.
Logo, os zeros reais de f(x) estao nos intervalos [2

10,
5
6
], [
5
6
, 2

10].
Observacao 5.7. No exemplo anterior foi utilizado um polinomio auxiliar g
1
(x) =
P
1
(x)
24
, pois o P
1
(x)
nao era monico. Note que todo zero de g
1
(x) e um zero de P
1
(x) e vice versa. Tome este cuidado nos
exerccios!
5.2 Multiplicidade de um Zero
Teorema 5.8. Todo polinomio de grau n tem exatamente n zeros reais ou complexos.
Em particular, o polinomio P(x) = x
3
+ 4x
2
+ 5x + 2. Temmos que P(x) tem tres zeros, porem o
conjunto solucao de P(x) = 0 e {1, 2}. Isto ocorre devido ao 1 ser um zero de multiplicidade 2.
17
Para se determinar a multiplicidade de um zero, , basta olharmos as derivadas sucessivas aplicadas
a . A multiplicidade, neste caso, e dada pela ordem da ultima derivada nula, adicionada de 1 (lembre-se
que f(x) = f
(0)
, f

(x) = f
(1)
(x), . . ..
Por exemplo,
0
= 2 e tal que P(2) = 0, P(2) = 0 e portanto
0
= 2 tem multiplicidade igual
a 0 + 1 = 1. Por outro lado,
1
= 1 e tal que P(1) = P

(1) = 0, P

(x) = 0. Portanto,
1
tem
multiplicidade 2.
5.3 Exerccios
Exerccio 1: Ache os limites superior e inferior dos zeros do polinomio P(x) = 2x
3
3x
2
2x + 3.
Resposta: L = 3, L
1
= 2(2/3)
1/3
Exerccio 2: Dado P(x) = x
3
2x
2
4x + 8 encontre seus zeros reais, com precisao de 10
2
e in-
vestigue suas multiplicidades.
Resposta: L = 4, L
1
= 1; i) Aplicando-se o Metodo de Newton a P(x) com x
0
= 1 temos x
7
=
1, 994391224. Aplicando-se o Metodo de Newton a P

(x) com x

0
= 1, 99431224, obtemos x

1
= 2, 000011847,
x

2
2 (precisao do Excel), o que mostra que 1, 99431224 parece tambem ser um zero de P

(x). Alem
disso, aplicando-se o Metodo de Newton a P

(x) e x

0
= 1, 99431224 obtemos x
n
=
4
6
n, que e bem
distante de x

0
. Logo, x
7
e um zero de multiplicidade 2 de P(x). Por m, aplicando-se o Metodo de
Newton a P(x) com x
0
= 3, obtemos x
4
= 2, 000000152 que e um zero de multiplicidade 1 (a soma
das multiplicidades de todos os zeros, reais e complexos, de um polinomio e igual a seu grau). Mas isso
pode ser vericado aplicando-se o Metodo de Newton a P

(x) com x

0
= 2, 000000152.
18
Captulo 6
Interpolacao e Aproximacao Polinomial
Polin omio de Lagrange
6.1 Introducao
Em uma certa cidade foram feitas medicoes de sua temperatura a cada hora. A tabela
a seguir mostra a temperatura em graus Celsius de 6h as 12h.
Hora 6 7 8 9 10 11 12
Temperatura 14 17 21 26 27 23 21
Revendo esses dados podemos perguntar se eles poderia ser utilizados para se fazer uma
estimativa de temperatura, digamos as 10:30 h do mesmo dia. Previsoes desse tipo podem
ser feitas por meio de uma funcao de ajuste dos dados obtida usando um porcesso chamado
interpolacao.
Uma das fun coes mais uteis que mapeiam os n umeros reais em si mesmos e a classe dos polinomios
algebricos,
P(x) = a
n
x
n
+ . . . + a
1
x + a
0
,
onde n e inteiro nao negativo e a
0
, . . . , a
n
sao constantes reais. O resultado a seguir e central no estudo
da interpolacao.
Teorema 6.1. Suponha que f esteja denida e seja contnua em [a, b]. Entao, para cada > 0, existe
P(x) tal que
|f(x) P(x)| < ,
para todo x [a, b].
6.2 Polin omio Interpolador de Lagrange
Nesta se cao encontraremos polinomios aproximativos que sao determinados especicando-se somente
certos pontos atraves dos quais esses polinomios devem passar.
19
Teorema 6.2. Se x
0
, x
1
, . . . , x
n
sao n + 1 n umeros distintos e f e uma funcao cujos valores sao dados
nesses n umeros, entao existe um unico polinomio P(x) de grau pelo menos n no qual f(x
k
) = P(x
k
) para
todo k = 0, . . . , n. Esse polin omio e dado por
P(x) = f(x
0
)L
n,0
+ f(x
1
)L
n,1
+ . . . + f(x
n
)L
n,n
=
n

k=0
f(x
k
)L
n,k
,
onde, para cada k = 0, . . . , n,
L
n,k
(x) =
(x x
0
)(x x
1
) . . . (x x
k1
)(x x
k+1
) . . . (x
k
x
n
)
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
=
n
i=0, i=k
(x x
i
)
(x
k
x
i
)
.
Exemplo 6.3. Utilize os n umeros x
0
= 2, x
1
= 2, 5 e x
2
= 4 para encontrar o segundo polinomio
interpolador para f(x) = 1/x. Calcule uma aproximacao para f(3) e compare com o valor real.
Solu cao: Primeiro calculemos L
0
(x), L
1
(x), L
2
(x).
L
0
(x) =
(xx
1
)(xx
2
)
(x
0
x
1
)(x
0
x
2
)
=
(x2,5)(x4)
(22,5)(24)
= x
2
6, 5x + 10,
L
1
(x) =
(xx
0
)(xx
2
)
(x
1
x
0
)(x
1
x
2
)
=
(x2)(x4)
(2,52)(2,54)
=
4
3
x
2
+ 8x
32
3
,
L
2
(x) =
(xx
0
)(xx
1
)
(x
2
x
0
)(x
2
x
1
)
=
(x2)(x2,5)
(42)(42,5)
=
1
3
x
2
1, 5x +
5
3
.
Como f(x
0
) = f(2) = 0, 5, f(x
1
) = f(2, 5) = 0, 4 e f(x
2
) = f(4) = 0, 25, temos
P(x) =

2
k=0
f(x
k
)L
k
(x) = 0, 5(x
2
6, 5x + 10) + 0, 4(
4
3
x
2
+ 8x
32
3
) + 0, 25(
1
3
x
2
1, 5x +
5
3
) =
= 0, 05x
2
0, 425x + 1, 15.
Uma aproximacao para f(3) =
1
3
e dada por
P(3) = 0, 05.3
2
0, 425.3 + 1, 15 = 0, 325.
Comparando com o valor real, f(3), temos
|f(3) P(3)| = 0, 008333,
onde obtemos uma precisao de 10
2
.
Exemplo 6.4. A tabela a seguir relaciona valores de uma funcao em diversos pontos. As aproximac oes
para se calcular f(1, 5) obtidas por varios polinomios de Lagrange sera comparada.
Indice x f(x)
0 1, 0 0, 7651977
1 1, 3 0, 6200860
2 1, 6 0, 4554022
3 1, 9 0, 2818186
4 2, 2 0, 1103623
Polinomio de 1
o
grau: Como 1, 5 esta entre 1, 3 e 1, 6, o polinomio linear mais apropriado utiliza
x
0
= 1, 3 e x
1
= 1, 6. O chamaremos de P
1,2
(x)
P
1,2
(1, 5) =
(1, 5 1, 6)
(1, 3 1, 6)
(0, 6200860) +
(1, 5 1, 3)
(1, 6 1, 3)
(0, 4554022) = 0, 5102968.
Polinomio de 2
o
grau: Dois Polinomios de 2
o
grau podem ser razoavelmente utilizados, um deles
fazendo x
0
= 1, 3, x
1
= 1, 6 e x
2
= 1, 9, o que nos da
P
1,2,3
(1, 5) =
(1,51,6)(1,51,9)
(1,31,6)(1,31,9)
(0, 6200860) +
(1,51,3)(1,51,9)
(1,61,3)(1,61,9)
(0, 4554022) +
(1,51,3)(1,51,6)
(1,91,3)(1,91,6)
(0, 2818186) =
20
= 0, 5112857,
e o outro polinomio fazendo x
0
= 1, 0, x
1
= 1, 3 e x
2
= 1, 6, o que nos da
P
1,2,4
(1, 5) = 0, 5124715.
Polinomio de 3
o
grau: Temos, tambem duas escolhas. A primeira e fazendo x
0
= 1, 3, x
1
= 1, 6,
x
2
= 1, 9 e x
3
= 2, 2,o que nos da
P
1,2,3,4
(1, 5) = 0, 5118302.
e a segunda escolha de polinomio e aquela fazendo x
0
= 1, 0, x
1
= 1, 3, x
2
= 1, 6 e x
3
= 1, 9 e x
4
= 2, 2,
o que nos da
P
0,1,2,3
(1, 5) = 0, 5118127.
Polinomio de 4
o
grau: Com x
0
= 1, 0, x
1
= 1, 3, x
2
= 1, 6, x
3
= 1, 9 e x
4
= 2, 2, o que nos da
P
1,2,3,4
(1, 5) = 0, 5118200.
Sabe-se que o valor de f(1, 5) e de aproximadamente 0, 5118277, o que nos leva a concluir que a melhor
aproximacao e obtida por meio de P
1,2,3,4
(1, 5) ao inves de P
0,1,2,3,4
(1, 5), contrariando nossa intuicao.
O exemplo acima nos mostra que a intui cao as vezes falha. Porem, e possvel se conhecer um limite
para o erro onde se conhece algo sobre certa derivada de ordem superior de f.
Teorema 6.5. Seja f(x) = E
t
(x) + P(x), onde P(x) e o polinomio interpolador de f(x) realtivamente
aos pontos x
0
, . . . , x
n
de [a, b]. Suponha que f(x) seja n + 1 vezes diferenci avel em [a, b]. Entao existe
(a, b) tal que
E
t
(x) = (x x
0
)(x x
1
) . . . (x x
n
)
f
n+1
()
(n + 1)!
.
Exemplo 6.6. Calcule uma aproximacao para log
10
(2, 4) sabendo que log
10
(2, 00) = 0, 301 e log
10
(0, 477).
Calcule um cota superior para o erro e compare com o erro real. (Use log
10
(2, 4) = 0, 380.)
Solu cao:
P(2, 4) = 0, 301
2, 40 3, 00
2, 00 3, 00
+ 0, 477
2, 40 2, 00
3, 00 2, 00
= 0, 371.
Vemos que o erro absoluto da aproximac ao e
|log
10
(2, 4) P(2, 4)| = |0, 380 0, 371| = 0, 009.
Agora, analisemos o erro conforme 6.5. Queremos uma cota superior para f

(x). Temos que

|f

(x)| = |
1
x
2
ln(10)
|,
cujo maximo em [2, 3] ocorre em x = 2, isto e, |f

(x)|
1
2
2
ln(10)
= 0, 109 . Portanto,
e(2, 4)
|(2, 40 2, 00)(2, 40 3, 00)|
2!
.0, 109 e(2, 4) 0, 0131.
Note que a cota maxima de erro, 0, 0131, e maior que o erro real, 0, 009, o que ja era esperado.
21
6.3 Exerccios
Exerccio 1: Utilize o polinomio interpolador de grau 1, 2, 3 para aproximar cada um dos seguintes
itens:
a) f(8, 4) se f(8, 1) = 16, 94410, f(8, 3) = 17, 56492, f(8, 6) = 18, 50515, f(8, 7) = 18, 82091;
b) f(
1
3
) se f(0, 75) = 0, 07181250, f(0, 5) = 0, 02475000, f(0, 25) = 0, 33493750, f(0) =
1, 10100000.
c) f(0, 25) se f(0, 1) = 0, 62049958, f(0, 2) = 0, 28398668, f(0, 3) = 0, 00660095, f(0, 4) = 0, 24842440.
Resposta:
a)
n x
0
, x
1
, . . . , x
n
P
n
(8, 4)
1 8, 3, 8, 6 17, 87833
2 8, 3, 8, 6, 8, 7 17, 87716
3 8, 3, 8, 6, 8, 7, 8, 1 17, 87714
b)
n x
0
, x
1
, . . . , x
n
P
n
(1/3)
1 0, 5, 0, 25 0, 21504167
2 0, 5, 0, 25, 0, 0 0, 16988889
3 0, 5, 0, 25, 0, 0, 0, 75 0, 17451852
c)
n x
0
, x
1
, . . . , x
n
P
n
(0, 25)
1 0, 2 0, 3 0, 13869287
2 0, 2, 0, 3, 0, 4 0, 13259734
3 0, 2, 0, 3, 0, 4, 0, 1 0, 13277477
Exerccio 2: Os dados do exerccio anterior foram gerados usando as fun coes abaixo. Use o Teo-
rema 6.5 para encontrar o limite para o erro e compare o limite com o erro verdadeiro para os casos n = 1
e n = 2.
a) f(x) = xln(x);
b) f(x) = x
3
+ 4, 001x
2
+ 4, 002x + 1, 101;
c) f(x) = xcos(x) 2x
2
+ 3x 1. (resolva com a calculadora em radianos!)
Resposta:
a)
n Erro V erdadeiro Limite de erro
1 0, 00118 0, 00120
2 1, 367.10
5
1, 452.10
5
b)
n Erro V erdadeiro Limite de erro
1 4, 0523.10
2
4, 5153.10
2
2 4, 6296.10
3
4, 6296.10
3
c)
n Erro V erdadeiro Limite de erro
1 5, 9210.10
3
6, 0971.10
3
2 1, 7455.10
4
1, 8128.10
4
Observacao 6.7. Uma diculdade reside no exerccio acima, que e justamente, a de se encontrar
proposto no Teorema 6.5. Por simplicidade, as as derivadas de ordem 2, (n = 1) e as derivadas de ordem
3, (n = 2) citadas no teorema, atingem seu valor maximo em um dos valores de x
0
, x
1
ou x
2
(x
2
somente
no caso, n = 2). Teste cada valor substituindo na derivada de ordem 2 e 3 ( ordem 3 apenas se n = 2 ).
Tome o valor para o qual a derivada toma seu maior valor em modulo e depois aplique o teorema. Isto
nem sempre ocorre, por exemplo, se estamos no caso n = 1, e no intervalo [x
0
, x
1
], a derivada segunda
22
em questao pode assumir seu valor em qualquer ponto deste intervalo, e nao apenas em x
0
ou x
1
. O
exerccio acima repete basicamente o Exemplo 6.6. Qualquer d uvida consulte o professor!
Exerccio 3: Considere a fun cao f(x) = sen(x).
a) Obtenha o polinomio interpolador de Lagrange de grau 2 nos pontos x
0
= 0, x
1
=

4
, x
2
=

2
;
b) Calcule o limite para o erro no ponto
3
8
;
c) Calcule o erro verdadeiro no ponto
3
8
.
Resposta:
a) P(x) = 0, 335748867x
2
+ 1, 16401286; b) 0, 30280; c) 0, 018.
23
Captulo 7
Interpolacao e Aproximacao Polinomial
Diferencas Divididas Finitas - DDF
7.1 Introducao
Nesta parte, veremos uma outra maneira de se encontrar o polinomio interpolador que passa pelos
n + 1 pontos x
0
, . . . , x
n
, onde f e conhecida. Lembre-se que o Teorema 6.2 estabelece que o polinomio
interpolador e unico.
Consideremos uma funcao f(x) contnua em [a, b] e diferenciavel em (a, b). Uma DDF de primeira
ordem de f(x) em rela cao a x
0
, x
1
e dada por:
f[x
0
, x
1
] =
f(x
1
) f(x
0
)
x
1
x
0
.
A DDF de segunda ordem de f(x) sera dada por:
f[x
2
, x
1
, x
0
] =
[x
2
, x
1
] f[x
1
, x
0
]
x
2
x
0
.
Assim a DDF de n-esima ordem de f(x) sera dada por:
f[x
n
, . . . , x
1
, x
0
] =
f[x
n
, . . . , x
1
, x
1
] f[x
n1
, . . . , x
1
, x
0
]
x
n
x
0
.
Uma DDF tem a seguinte propriedade: f[x
n
, . . . , x
1
, x
0
] = f[x

n
, . . . , x

1
, x

0
] onde {
0
, . . . ,
n
} e
qualquer permutacao dos inteiros {n, . . . , 1, 0}.
Observacao 7.1. 1) Observe que
f[x
0
, x
1
] =
f(x
0
)
x
0
x
1
+
f(x
1
)
x
1
x
0
.
Da mesma mesma forma
f[x
0
, x
1
, x
2
] =
f(x
0
)
(x
0
x
1
)(x
0
x
2
)
+
f(x
1
)
(x
1
x
0
)(x
1
x
2
)
+
f(x
2
)
(x
2
x
0
)(x
2
x
1
)
.
O que voce notou?
2) Observe que f[x
0
, x
1
] e uma aproximacao para f

(x
0
), f[x
0
, x
1
, x
2
] e uma aproximacao para f

(x
1
).
24
7.2 F ormula do Polin omio Interpolador
Consideremos os n + 1 pontos, x
0
, . . . , x
n
onde f(x) e conhecida. Pela deni cao de DDF, temos
P[x, x
0
] =
P(x) P(x
0
)
x x
0
P(x) = P(x
0
) + (x x
0
)P[x, x
0
].
Mas P[x, x
0
, x
1
] =
P[x,x
0
]P[x
0
,x
1
]
xx
1
. Donde,
P[x, x
0
, x
1
] =
P[x, x
0
] P[x
0
, x
1
]
x x
1
P[x, x
0
] = (x x
1
)P[x, x
0
, x
1
]

P(x) P(x
0
)
x x
0
= P[x, x
0
] = (x x
1
)P[x, x
0
, x
1
]
P(x) = P(x
0
) + (x x
0
)P[x
0
, x
1
] + (x x
0
)(x x
1
)P[x, x
0
, x
1
].
Procedendo de maneira analoga, temos
P(x) = P(x
0
)+(xx
0
)P[x
0
, x
1
]+(xx
0
)(xx
1
)P[x, x
0
, x
1
]+. . .+(xx
0
)(xx
1
) . . . (xx
n
)P[x, x
0
, . . . , x
n
].
Como P(x) e um polinomio de grau n, entao a sua (n + 1)-esima derivada e igual zero. Logo,
P[x, x
0
, . . . , x
n
] = 0.
Dessa forma, o polinomio P(x) pode ser escrito da seguinte forma:
P(x) = P(x
0
)+(xx
0
)P[x
0
, x
1
]+(xx
0
)(xx
1
)P[x
0
, x
1
, x
2
]+. . .+(xx
0
)(xx
1
) . . . (xx
n1
)P[x
0
, . . . , x
n
].
Exemplo 7.2. Construa o polinomio interpolador para a funcao f(x) =
sen(x)

x
via DDF considerando
os pontos x
0
=
3
2
, x
1
=

2
.
Solu cao: Temos que
P(x) = f(x
0
) + (x x
0
)P[x
0
, x
1
] =
= 0, 460658866 + (x
3
2
).(0, 400606814) =
= 0, 400606814x + 1, 42715627.
Observacao 7.3. Observe que, via Polinomio de Lagrange, teramos, no Exemplo 7.2, o mesmo polinomio
interpolador (uma vez que ja sabemos que este e unico). De fato,
P(x) = f(x
0
)
(x x
1
)
(x
0
x
1
)
+ f(x
1
)
(x x
0
)
(x
1
x
0
)
= 0, 400606814x + 1, 42715627.
Disso, decorre que tanto o Polinomio de Lagrangem quanto as DDFs produzem os mesmos resultados
numerico, porem utilizam caminhos diferentes. Portanto, quando se conhece a formula algebrica de f(x)
podemos obter o limite para o erro por meio do Teorema 6.5.
7.3 Exerccios
Exerccio 1: Refaca, com os devidos ajustes, todos os exerccios do Captulo 6.
Respostas: Consulte o professor.
Observacao 7.4. O ajuste dos exercios do Captulo 6 e feito da seguinte forma: Onde le-se polinomio
interpolador de grau n, passe a ler DDF de ordem n.
25
Captulo 8
Teoria da Aproximacao
Aproximacao Discreta dos Mnimos Quadrados
8.1 Introducao
O estudo da teoria da aproxima cao envolve dois tipos de problemas genericos:
1) Um problema ocorre quando uma funcao e dada de forma explcita, mas queremos encontrar um tipo
de fun cao mais simples, como uma funcao polinomial que possa ser utilizada para determinar valores
aproximados da fun cao dada.
2) O outro problema na teoria da aproximacao e relativo ao ajuste da funcao aos dados encontrados, e a
se encontrar a mehorfuncao em uma determinada classe para representar todos os dados possveis.
8.2 Mnimos Quadrados
Considere o problema de se estimar os valores de uma fun cao em pontos nao tabulados, dados
resultados de um experimento que se pode encontrar na tabela a seguir
x
i
1 2 3 4 5 6
y
i
2, 9 5, 1 7, 2 8, 7 11, 5 13, 2
Vejamos o graco apresentando os valores dados acima
(8.1)
26
Uma rapida observa cao nos leva a crer que a relacao entre x e y deve ser linear. A provavel razao para
que nenhuma curva una com precisao os pontos representativos dos dados deve-se ao fato de que existem
erros na obten cao dos dados (erros experimentais).
Portanto, devemos determinar a melhor aproxima cao linear envolvendo a busca de valores de a
0
e a
1
que minimizem
E
1
(a
0
, a
1
) =
6

i=1
|y
i
(a
1
x
i
+ a
0
)|.
Essa quantidade e chamada de desvio absoluto. Na tentativa de minimizar esta funcao de duas variaveis
recaimos num serio problema. A funcao modulo nao e diferenciavel em zero.
A abordagem de mnimos quadrados busca as constantes a
0
e a
1
de modo a minimizar o erro dos
mnimos quadrados
E = E
2
(a
0
, a
1
) =
m

i=1
(y
i
(a
1
x
i
+ a
0
))
2
.
Na obtencao do mnimo, fa camos
0 =

a
0
m

i=1
(y
i
(a
1
x
i
+ a
0
))
2
= 2
m

i=1
(y
i
a
1
x
i
a
0
).(1),
0 =

a
1
m

i=1
(y
i
(a
1
x
i
+ a
0
))
2
= 2
m

i=1
(y
i
a
1
x
i
a
0
).(x
i
).
Que resulta no seguinte sistema 2 2
_
_
_
a
0
m + a
1

m
i=1
x
i
=

m
i=1
y
i
a
0

m
i=1
x
i
+ a
1

m
i=1
x
2
i
=

m
i=1
x
i
y
i
Por meio da resolucao deste sistema podemos encontrar a curva dos mnimos quadrados que aproxima os
dados apresentados anteriormente. Pois bem, utilizemos a seguinte tabela auxiliar:
x
i
y
i
x
2
i
x
i
y
i
1 2, 9 1 2, 9
2 5, 1 4 10, 2
3 7, 2 9 21, 6
4 8, 7 16 34, 8
5 11, 5 25 57, 5
6 13, 2 36 79, 2
21 48,6 91 206,2
Temos portanto, o seguinte sistema:
_
_
_
6a
0
+ 21a
1
= 48, 6
21a
0
+ 91a
1
= 206, 2
A solucao do sistema acima e a
0
= 0, 88, a
1
= 2, 06. Logo, P(x) = 2, 06x + 0, 88. Agora, calculemos
E
2
=

6
i=1
(y
i
P(x
i
))
2
.
P(x
i
) 2, 94 5 7, 06 9, 12 11, 18 13, 24
(y
i
P(x
i
))
2
0, 0016 0, 01 0, 1096 0, 1764 1024 0, 0016

0,3116
27
Portanto, E
2
= 0, 3116. Observe o graco:
(8.2)
O problema algebrico de se aproximar um conjunto de dados {(x
i
, y
i
); i = 1, . . . , m}, com um polinomio
algebrico
P
n
(x) = a
n
x
n
+ . . . + a
1
x + a
0
,
de grau n < m 1 e tratado de modo semelhante. Neste caso, devemos achar a
0
, . . . , a
n
de modo a
minimizar
E
2
=
m

i=1
(y
i
P
n
(x
i
))
2
.
Isso resulta no seguinte sistema de n + 1 equacoes
_

_
a
0
m + a
1

x
1
i
+ a
2

x
2
i
+ . . . + a
n

x
n
i
=

y
i
a
0

x
1
i
+ a
1

x
2
i
+ a
2

x
3
i
+ . . . + a
n

x
n+1
i
=

x
i
y
i
.
.
.
.
.
.
a
0

x
n
i
+ a
1

x
n+1
i
+ a
2

x
n+2
i
+ . . . + a
n

x
2n
i
=

x
n
i
y
i
,
onde escrevemos

m
i=1
=

.
Exemplo 8.1. Ajuste os dados da tabela a seguir com um polinomio discreto de mnimos quadrados de
2
o
grau.
i 1 2 3 4 5
x
i
0 0, 25 0, 5 0, 75 1, 00
y
i
1, 0000 1, 2840 1, 6487 2, 1170 2, 7183
Solucao: Utilizemos a seguinte tabela auxiliar:
x
i
y
i
x
2
i
x
3
i
x
4
i
x
i
y
i
x
2
i
y
i
0 1 0 0 0 0 0
0, 25 1, 2480 0, 0625 0, 015625 0, 00390625 0, 321 0, 08025
0, 50 1, 6487 0, 25 0, 125 0, 0625 0, 82435 0, 412175
0, 75 2, 1170 0, 5625 0, 421875 0, 31640625 1, 58775 1, 1908125
1, 00 2, 7183 1 1 1 2, 7183 2, 7183
2,5 8,7680 1,875 1,5625 1,3828 5,4514 4,4015
28
Temos portanto, o seguinte sistema:
_

_
5a
0
+ 2, 5a
1
+ 1, 875a
2
= 8, 7680
2, 5a
0
+ 1, 875a
1
+ 1, 5625a
2
= 5, 4514
1, 875a
0
+ 1, 5625a
1
+ 1, 3828a
2
= 4, 4015
Onde obtemos a
0
= 1, 0051, a
1
= 0, 86468 e 0, 84316. Logo,
P
2
(x) = 0, 84316x
2
+ 0, 86468x + 1, 0051
e
E
2
= 2, 74.10
4
.
Use um soft para esbocar o graco de P(x) juntamente com os pontos.
Ocasionalmente e apropriado assumir que os valores estao relacionados de forma exponencial. Assim,
devemos obter uma funcao de aproxima cao da forma
y = be
ax
.
Aplicando ln a ambos os membro da funcao acima, temos:
ln(y) = ln(be
ax
) ln(y) = ln(b) + ax Y = B + Ax,
onde Y = y, B = ln(b) e A = a.
Exemplo 8.2. Ajuste os dados da tabela a seguir com uma curva exponencial de mnimos quadrados.
i 1 2 3 4 5
x
i
1, 00 1, 25 1, 50 1, 75 2, 00
y
i
5, 10 5, 79 6, 53 7, 45 8, 46
Solu cao: Utilizemos a seguinte tabela auxiliar:
i x
i
ln(y
i
) x
2
i
x
i
ln(y
i
)
1 1, 00 1, 629 1, 0000 1, 629
2 1, 25 1, 756 1, 5625 2, 195
3 1, 50 1, 876 2, 2500 2, 814
4 1, 75 2, 008 3, 0625 3, 514
5 2, 00 2, 135 4, 0000 4, 270

7,50 9,404 11,875 14,422

Portanto, obtemos o seguinte sistema
_
_
_
5B + 7, 50A = 9, 404
7, 50B + 11, 875A = 14, 422
,
cuja solucao e dada por A = 0, 5056, B = 1, 122. Portanto, b = e
1,122
= 3, 071, a = 0, 5056 donde
obtemos a seguinte funcao de aproximacao
y = 3, 071e
0,5056
.
Calcule E
2
e use um soft para esbocar os graco de y = 3, 071e
0,5056
juntamente com os pontos.
29
8.3 Exerccios
Exerccio 1: Encontre os polinomios de mnimos quadrados de graus 1, 2 e 3 para os dados apresentados
na tabela a seguir. Calcule o erro em cada caso. Se possvel use um soft para esbocar o graco dos
polinomios.
x
i
1, 0 1, 1 1, 3 1, 5 1, 9 2, 1
y
i
1, 84 1, 96 2, 21 2, 45 2, 94 3, 18
Respostas:
y = 1, 219621x + 0, 6208950, E = 2, 719.10
5
;
y = 0, 01085343x
2
+ 1, 253293x + 0, 5965807, E = 1, 801.10
5
;
y = 0, 01004723x
3
+ 0, 03533252x
2
+ 1, 185010x + 0, 6290193, E = 1, 741.10
5
.
Exerccio 2: Apresentados os dados
x
i
4, 0 4, 2 4, 5 4, 7 5, 1 5, 5 5, 9 6, 3 6, 8 7, 1
y
i
102, 56 113, 18 130, 11 142, 05 167, 53 195, 14 224, 87 256, 73 299, 50 326, 72
a) Construa o polinomio de mnimo quadrado de grau 1 e calcule o erro.
b) Construa o polinomio de mnimo quadrado de grau 2 e calcule o erro.
c) Construa o polinomio de mnimo quadrado de grau 3 e calcule o erro.
d) Construa a aproximacao de mnimo quadrado da forma be
ax
e calcule o erro.
e) Construa a aproximacao de mnimo quadrado da forma bx
a
e calcule o erro.
Respostas:
a) y = 72, 0845x 194, 138, E = 329;
b) y = 6, 61821x
2
1, 14352x + 1, 23556, E = 1, 44.10
3
;
c) y = 0, 0136742x
3
+ 6, 84557x
2
2, 37919x + 3, 42904, E = 5, 27.10
4
;
d) y = 24, 2588e
0,372382x
, E = 418;
e) y = 6, 23903x
2,01954
, E = 0, 00703.
Observacao 8.3. Observando as respostas dos itens a) e d) do Exerccio 2 vemos que o ajuste linear
e o ajuste exponencial n ao sao adequados. Das escolhas feitas, a que melhor se adequa aos dados e o
polinomio mnimo quadrado de grau 3, pois o erro e menor que nos demais itens.
30
Captulo 9
Integracao Numerica
Regra do Trapezio e Regra de Simpson
9.1 Introducao
Frequentemente nos deparamos com a necessidade de calcular a integral denida de uma funcao sem
antiderivada explcita, ou seja, cuja derivada nao e simples de se obter, como, por exemplo
_
b
a
e
x
2
dx.
A interpolacao polinomial pode nos ajudar a resolver este problema. Nela aprendemos como gerar o
polinomio P(x). Assim, dada uma funcao a qual aproximamos por P(x), podemos considerar a integral
_
b
a
P(x)dx =
_
b
a
f(x)dx.
9.2 Regra dos Trapezios
Seja f(x) uma funcao conhecida apenas nos pontos (x
0
, f(x
0
)), (x
1
, f(x
1
)). Por meio de Interpola cao
de Lagrange sabemos que
P(x) = f(x
0
)
x x
1
x
0
x
1
+ f(x
1
)
x x
0
x
1
x
0
. (1)
Integrando ambos os membros de (1) de x
0
a x
1
, temos
_
x
1
x
0
P(x)dx =
_
x
1
x
0
_
f(x
0
)
x x
1
x
0
x
1
+ f(x
1
)
x x
0
x
1
x
0
_
dx =
=
f(x
0
)
x
0
x
1
_
x
0
x
1
(x x
1
)dx +
f(x
1
)
x
1
x
0
_
x
0
x
1
(x x
0
)dx =
x
1
x
0
2
(f(x
1
) + f(x
0
)). (2)
31
De acordo com a equacao acima, temos a area do trapezio
(9.1)
Se tivermos (n + 1) pontos, digamos x
0
, . . . , x
n
, igualmente espa cados, ou seja, x
k
= x
k1
+ h,
(k = 1, . . . , n), temos
_
x
n
x
0
P(x)dx =
_
x
1
x
0
P
1
(x)dx + . . . +
_
x
n
x
n1
P
n
(x)dx =
=
x
1
x
0
2
(f(x
1
) + f(x
0
)) + . . . +
x
n
x
n1
2
(f(x
n
) + f(x
n1
)) =
=
h
2
(f(x
0
) + 2f(x
1
) + 2f(x
2
) + 2f(x
3
) + . . . + 2f(x
n1
) + f(x
n
)).
Vimos anteriormente que o erro na interpola cao e dado por E
t
(x) = (x x
0
)(x x
1
)
f

()
2!
para
(x
0
, x
1
). Integrando, temos
_
x
1
x
0
E
t
(x)dx =
_
x
1
x
0
(x x
0
)(x x
1
)
f

()
2!
dx =
=
f

()
12
(x
1
x
0
)
3
=
f

()h
3
12
.
Para o caso geral, em que temos n + 1 pontos, x
0
, . . . , x
n
, o erro total sera dado por:
E =
n1

i=1
E
I
i
,
onde E
I
i
e o erro em cada (x
i1
, x
i
).
Exemplo 9.1. Apliquemos a regra do trapezio para calcular
_
x
1
x
0
f(x)dx, onde x
0
=

3
, x
1
=
5
6
e
f(x) = sen(x).
Solu cao:
A regra dos trapezios nos da que
_
x
1
x
0
f(x)dx =
x
1
x
0
2
(f(x
1
) f(x
0
)) =
5/6 /3
2
(sen(5/6) sen(/3)) = 1, 07287.
Sabemos que f

(x) = sen(x) e tal que |f

(/3)| |f

(x)| para todo x (5/6, /3). Logo,

E =
f

(/3)(5/6 /3)
3
12

= 0, 2797.
Pelo Teorema Fundamental do Calculo temos
_
5/6
/3
sen(x)dx = 1, 36603.
32
9.3 1
a
Regra de Simpson
A regra dos trapezios utiliza polinomios interpolantes de grau 1, uma vezque trabalha de dois em
doispontos. A Regra de Simpson, por sua vez, utiliza polinomios de grau 2. Considere o polinomio
interpolante de grau 2 que passa pelos pontos x
0
, x
1
, x
2
P(x) = f(x
0
)
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
+ f(x
1
)
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
+ f(x
2
)
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
.
Integrando P(x) de x
0
a x
2
, temos
_
x
2
x
0
P(x)dx =
h
3
(f(x
0
) + 4f(x
1
) + f(x
2
)).
Para n + 1 pontos x
0
, . . . , x
n
, temos
_
x
n
x
0
P(x)dx =
h
3
(f(x
0
) + 4f(x
1
) + 2f(x
2
) + 4f(x
3
) + 2f(x
4
) + . . . + 4f(x
n1
) + f(x
n
)).
Neste caso dos pontos x
0
, x
1
, x
2
, o erro e dado por:
E
I
=
f
(4)
()h
5
90
.
Exemplo 9.2. Apliquemos a regra do trapezioe a 1
a
regra de Simpson para calcular
_
x
2
x
0
f(x)dx, onde
x
0
=

3
, x
1
=
7
12
, x
2
= 5/6 e f(x) = sen(x).
Solu cao: Temos que h =
x
1
x
0
2
=
7/12/3
2
= /4.
Regra dos Trapezios:
_
5/6
/3
sen(x)dx =
/4
2
(sen(/3) + 2sen(7/12) + sen(5/6)) = 1, 29507.
1
a
Regra de Simpson:
_
5/6
/3
sen(x)dx =
/4
3
(sen(/3) + 4sen(7/12) + sen(5/6)) = 1, 36914.
Deduza a 2
a
Regra de Simpson, isto e, para f(x) conhecida nos pontos x
0
, x
1
, x
2
e x
3
. Encontre o
erro.
9.4 Exerccios
Exerccio 1: Aproxime as seguintes integrais utilizando a regra do trapezio.
a)
_
1
0,5
x
4
dx, x
0
= 0, 5, x
1
= 1;
b)
_
0,5
0
2
x4
dx, x
0
= 0, x
1
= 0, 5;
c)
_
1
0
x
2
e
x
dx, x
0
= 0, x
1
= 1;
d)
_
1,6
1
2x
x
2
4
dx, x
0
= 1, x
1
= 1, 6;
e)
_
/4
0
xsen(x)dx, x
0
= 0, x
1
= /4.
Respostas: a) 0, 265625; b) 0, 2678571; c) 0, 1839397; d) 0, 8666667; e) 0, 2180895.
Exerccio 2: Repita o Exerccio 1 usando a regra de 1
a
regra de Simpson. Neste caso, deveser considerar
o intervalo [x
0
, x
2
]. Em particular, no item a), temos: x
0
= 0, 5, x
1
= 0, 75, x
2
= 1 e h = 0, 25.
Respostas: a) 0, 1940104; b) 0, 2670635; c) 0, 16240168; d) 0, 7391053; e) 0, 2180895.
33
Exerccio 3: Utilize a regra do trapezio nos itens abaixo com os valores de n indicados.
a)
_
2
1
xln(x)dx, n = 4 (n = 4 signica que sao considerados os pontos x
0
, . . . , x
4
);
b)
_
2
2x
3
e
x
dx, n = 4;
c)
_
2
0
2
x
2
+4
dx, n = 6;
d)
_
3
1
x
x
2
+4
dx, n = 8.
Respostas: a) 0, 639900; b) 31, 3653; c) 0, 784241; d) 0, 476877.
Exerccio 4: Use a 1
a
regra de Simpson para aproximar
_
2
0
xe
x
dx
a) usando h = 0, 25;
b) usando h = 0, 125.
Resposta: a) 8, 389785277; b) 8, 389102023.
34
Captulo 10
Integracao Numerica
Quadratura Gaussiana
10.1 Introducao
As formulas de intregra cao numericas vistas anteriormente foram obtidas integrando-se polinomios
interpoladores. Alem disso, temos a utiliza cao de pontos uniformemente espcados.
Pro sua vez, a Quadratura Gaussiana escolhe pontos para se calcular a aproxima cao de uma maneira
otima, em vez de considerar apenas pontos igualmente espacados.
Teorema 10.1. (Mudanca de Variavel) Seja f : [a, b] R contnua, g : [c, d] R com derivada
integravel e g([c, d]) [a, b]. Entao,
_
g(d)
g(c)
f(x)dx =
_
d
c
f(g(t))g

(t)dt.
A quadratura gaussiana arma que
_
b
a
f(x)dx =
n

i=1
w
i
f(t
i
),
onde os nos t
1
, . . . , t
n
[a, b] e os coecientes w
1
, . . . , w
n
sao escolhidos de modo a minimizar o erro
esperado para o calculo da aproxima cao.
Pois, bem seja g : [a, b] R tal que g(t) =
_
ba
2
_
t +
b+a
2
. Observe que g(1) = a e g(1) = b.
Aplicando o Teorema 10.1 temos:
_
b
a
f(x)dx =
_
1
1
F(t)dt
onde
F(t) = f(g(t)).g

(t) = f
_
b a
2
t +
b + a
2
_
b a
2
.
Assim, para sabermos o valor de
_
b
a
f(x)dx basta calcular
_
1
1
F(t)dt.
Por meio da quadratura gaussiana, temos
_
1
1
F(t)dt =
n

i=0
w
i
F(t
i
),
onde w
k
sao chamados de pesos e t
k
sao pontos do intervalo [1, 1].
35
A seguir identicaremos estes pontos e pesos para n = 1, isto e, dois pontos apenas. Devemos
achamarw
0
, w
1
, t
0
e t
1
, tais que
_
1
1
F(t)dt = w
0
F(t
0
) + w
1
F(t
1
).
Necessitamos de um sistema de 4 equacoes para descobrir estas incognitas. Note que, estas incognitas
nao depende de F(t), donde podemos escolher F(t) = t
k
. Portanto,
k = 0
k = 1
k = 2
k = 3
_

_
2 =
_
1
1
t
0
dt = w
0
t
0
0
+ w
1
t
0
1
0 =
_
1
1
t
1
dt = w
0
t
0
+ w
1
t
1
2
3
=
_
1
1
t
2
dt = w
0
t
2
0
+ w
1
t
2
1
0 =
_
1
1
t
3
dt = w
0
t
3
0
+ w
1
t
3
1

_
2 = w
0
t
0
0
+ w
1
t
0
1
0 = w
0
t
0
+ w
1
t
1
2
3
= w
0
t
2
0
+ w
1
t
2
1
0 = w
0
t
3
0
+ w
1
t
3
1
Resolvendo este sistema, temos
w
0
= 1, w
1
= 1, t
0
=
1

3
, t
1
=
1

3
.
Ate mesmo para n = 1 encontra-se certa diculdade para se resolver o sistema anterior na busca pela
incognitas w
i
e t
i
. Apresentaremos a seguir as solucoes para os casos n = 1, n = 2, . . ., n = 7.
n i t
i
w
i
1 1; 0 0, 57735027 1
2 0; 1; 0, 77456667 5/9
2 0 8/9
3 0; 1; 0, 86113631 0, 34785484
2; 3; 0, 33998104 0, 65214516
4 0; 1; 0, 90617985 0, 23692688
2; 3; 0, 53846931 0, 47862868
4 0 0, 53888889
5 0; 1; 0, 93246951 0, 17132450
2; 3; 0, 66120939 0, 36076158
4; 5; 0, 23861919 0, 46791394
6 0; 1; 0, 94910791 0, 12948496
2; 3; 0, 74153119 0, 27970540
4; 5; 0, 40584515 0, 38183006
6 0 0, 41795918
7 0; 1; 0, 96028986 0, 10122854
2; 3; 0, 79666648 0, 22238104
4; 5; 0, 52553242 0, 31370664
6; 7; 0, 18343464 0, 36268378
Exemplo 10.2. Calcule
_
1
0
e
x
dx por quadratura gaussiana para n = 1 e n = 2.
Solu cao: Inicialmente, devemos achar F(t),
F(t) = f
_
b a
2
t +
b + a
2
_
b a
2
= e
1
2
t+
1
2
1
2
.
36
Para n = 1, temos
_
1
0
e
x
dx
_
1
1
F(t)dt = w
0
F(t
0
) + w
1
F(t
1
) =
= 1.F(1/

3) + 1.F(1/

3) = 1, 717896.
Para n = 2, temos
_
1
0
e
x
dx
_
1
1
F(t)dt = w
0
F(t
0
) + w
1
F(t
1
) + w
2
F(t
2
) =
=
5
9
F(0, 77459667) +
5
9
F(0, 77459667) +
8
9
F(0) = 1, 718281.
Comparando os casos n = 1 e n = 2 com o resultado obtido via Teorema Fundamental do Calculo, temos
n = 1 E
1
= |1, 718281828 1, 717896| = 3, 85828459.10
4
;
n = 2 E
2
= |1, 718281828 1, 718281| = 8, 28459.10
7
.
Se F e um polinomio de grau ate 3, entao esta formula fornece o valor exato da integral. Do contrario
o erro pode ser calculado da seguinte forma:
E =
2
2n+3
((n + 1)!)
4
(2n + 3)((2n + 2)!)
3
F
2n+2
()
com (1, 1).
10.2 Exerccios
Exerccio 1: Calcule
_
/2
0
sen(x)dx por quadratura gaussiana com n = 1 e n = 2.
Resposta: n = 1
_
/2
0
sen(x)dx 0, 9984 e n = 1
_
/2
0
sen(x)dx 1.
Exerccio 2: Calcule int
1,5
1
e
x
2
dx por quadratura gaussiana com n = 1 e n = 2.
Resposta: n = 1
_
1,5
1
e
x
2
dx 0, 1094003 e n = 2
_
1,5
1
e
x
2
dxdx 0, 1093642.
Exerccio 3: Escolha uma integral denida particular, cujo valor exato e conhecido pelo Teorema
Fundamental do Calculo, e compare os metodos de solu cao da Regra dos Trapezios, 1
a
e 2
a
Regras de
Simpson e Quadratura Gaussiana.
Resposta: Aberta!
VALE PONTOS EXTRAS
Observacao 10.3. A resposta da questao anterior e aberta. Para a comparacao entre os metodos use
n = 1, . . . , n = 6 dispondo-os em uma tabela, de forma a compara-los. Obtenha tambem o valor real da
integal denida via Teorema Fundamental do C

laculo. Lembre-se que a quantidade de escolhas para a

integral denida e innita, bem como os limites de integracao!
37
Captulo 11
Solucao de Sistemas Lineares
Metodo Direto de Gauss
11.1 Introducao

E bastante comum nos depararmos com sistemas lineares quadrados, isto e, sistemas lineares de n
equacoes e n incognitas. Utilizaremos a seginte nota cao para tais sistemas:
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
. +
.
.
. + . . . +
.
.
. =
.
.
.
a
n1
x
1
+ a
n2
x
2
+ . . . + a
nn
x
n
= b
n
(11.1)
O sistema 11.1 admite uma representacao matricial da forma AX = B
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
. . . .
.
.
.
a
n1
a
n2
. . . a
nn
_

_
_

_
x
1
x
2
.
.
.
x
n
_

_
=
_

_
b
1
b
2
.
.
.
b
n
_

_
.
Podemos considerar tambem a chamada matriz aumentada do sistema 11.1
_

_
a
11
a
12
. . . a
1n
b
1
a
21
a
22
. . . a
2n
b
2
.
.
.
.
.
. . . .
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
b
n
_

_
Exemplo 11.1. Considere os sistema 2 2
_
_
_
2x
1
+ x
2
= 3
x
1
+ 4x
2
= 5
Neste caso,
A =
_
_
2 1
1 4
_
_
, X =
_
_
x
1
x
2
_
_
, B =
_
_
3
5
_
_
.
38
Alem disso a matriz aumentada deste sistema e dada por
A =
_
_
2 1 3
1 4 5
_
_
.
Nas secoes a seguir, trabalharemos somente com sistemas possveis e determinados, isto e, sistemas
quadrados (n umero de equacos igual ao n umero de incognitas) cujo determinante da matriz A e nao nulo.
Em problemas praticos e comum encontrarmos sistemas lineares de grande porte, por exemplo n > 100.
Este fato nos condu a buscarmos metodos numericos para encontrarmos a solu cao de tais sistemas, de
tal forma que eles possam ser implementados computacionalmente.
11.2 Metodo De Gauss
Este metodo trabalha por meio do uso de operacoes elementares na busca por sistemas equivalentes.
Operacoes Elementares
i) Trocar duas linhas: L
i
L
j
;
ii) Multiplicar uma linha por um escalar k = 0: L
i
kL
i
;
iii) Substituir uma linha por uma soma dela propria com um m ultiplo escalar de outra: L
i
L
i
+ kL
j
.
Denicao 11.2. Dizemos que as matrizes A e B sao linha equivalentes, se B pode ser obtida atraves de
operacoes elementares em A.
Exemplo 11.3. Mostre que as matrizes A =
_
_
0 2 2
1 2 3
_
_
. e B =
_
_
1 1 2
0 1 1
_
_
. sao linha equivalentes.
Solu cao: Aplicando operacoes elementares em A, temos:
_
_
0 2 2
1 2 3
_
_
L
1
L
2

_
_
1 2 3
0 2 2
_
_
L
1

1
2
L
2

_
_
1 2 3
0 1 1
_
_
L
1
L
1
L
2

_
_
1 1 2
0 1 1
_
_
.
Teorema 11.4. Dois sistemas que possuem matrizes ampliadas equivalentes possuem mesma solucao.
Demonstracao. Veja em livros de

Algebra Linear.
O Teorema ?? nos permitira iniciar o Metodo de Gauss. Este metodo consiste em transformar a matiz
ampliada de um sistema atraves de operacoes elementares em uma matriz da forma:
_

_
a
11
a
12
. . . a
1n
b
1
0 a

22
. . . a

2n
b

2
.
.
.
.
.
. . . .
.
.
.
.
.
.
0 0 . . . a

nn
b

n
_

_
.
Na verdade, o Metodo de Gauss Consiste em transformar a matriz A em uma matriz diagonal. Vejamos
alguns exemplos.
Exemplo 11.5. Encontre a solucao do sistema
_
_
_
3x
1
+ x
2
= 2
2x
1
+ x
2
= 1
.
Solu cao: Temos a seguinte representacao matricial para os sistema dado:
_
_
3 1 2
2 1 1
_
_
.
39
Devemos deixar a matriz acima na forma dada em 11.2.
_
_
3 1 2
2 1 1
_
_
L
2
L
2

2
3
L
1

_
_
3 1 2
0
1
3

1
3
_
_
.
Voltando a forma matricial para a forma de sistema, temos
_
_
_
3x
1
+ x
2
= 2
1
3
x
2
=
1
3
. Portanto, de
L
2
, temos que x
2
= 1, donde por substituicao em L
1
, temos que x
1
= 1. Logo, asolucao do sistema e
dada por S = {(1; 1)}.
Observacao 11.6. O valor
2
3
, o qual multiplicamos L
1
antes de somarmos com L
2
, sera, chamado de
m
21
. ( obvia escolha de ndice! )
Exemplo 11.7. Encontre a solucao do sistema
_

_
2x
1
+ 2x
2
x
3
= 1
x
1
+ 2x
2
+ x
3
= 2
3x
1
x
2
4x
3
= 1
.
Solu cao: Temos a seguinte representacao matricial para os sistema dado:
_

_
2 2 1 1
1 2 1 2
3 1 4 1
_

_
.
Procederemos na tentativa de colocar a matriz acima na forma dada em 11.2.
_

_
2 2 1 1
1 2 1 2
3 1 4 1
_

_
L
2
L
2

1
2
L
1

L
3
L
3

3
2
L
1

_

_
2 2 1 1
0 1
3
2
3
2
0 4
5
2

5
2
_

_
L
3
L
3
+
5
3
L
1

_

_
2 2 1 1
0 1
3
2
3
2
0
7
3
0 0
_

_
.
Portanto, obtemos o seguinte sistema
_

_
2x
1
+ 2x
2
x
3
= 1
x
2
+
3
2
x
3
=
3
2

7
3
x
2
+ 0 = 0
,
onde obtemos que x
2
= 0, e por substituicao em L
2
, obtemos x
3
= 1. Por m, substituindo x
2
e x
3
em
L
1
, temos x
1
= 1. Logo, a solucao do sistema e S = {(1; 0; 1)}.
Observacao 11.8. Como em 11.6 temos que os valores
1
2
,
3
2
e
5
3
sao respectivamente chamados de
m
21
, m
31
e m
32
.
11.3 Exerccios
Exerccio 1: Determine a solu cao dos seguintes sistemas lineares:
a)
_
_
_
2x
1
+ 5x
2
= 6
x
1
+ x
2
=
3
2
b)
_

_
x
1
5x
2
= 9
x
1
+ x
2
= 3
2x
1
4x
2
= 13
c)
_

_
2x
1
+ x
2
x
3
=
1
3
x
1
+ x
2
+ x
3
=
1
6
3x
1
x
2
3x
3
=
3
2
40
d)
_

_
0, 25x
1
+ 0, 2x
2
x
3
= 0, 2175
0, 03x
1
+ 0, 4x
2
+ 0, 9x
3
= 0, 0007
x
1
0, 5x
2
0, 5x
3
= 0, 26
e)
_

_
x
1
+ 2x
2
x
3
+ x
4
= 3
2x
1
+ 2x
2
+ x
3
+ 3x
4
= 8
x
1
x
2
x
3
+ x
4
= 0
x
1
x
3
+ x
4
= 1
Respostas: a)
_
1
2
; 1
_
; b) Impossvel; c)
_
1
2
; 1;
1
3
_
; d) (0, 31; 0, 2; 0, 1); e) (1; 1; 1; 1).
Exerccio 2: Por meio de sistemas lineares encontre o polinomio do segundo grau que passa pelos
pontos (2; 0), (1, 2), (4, 2).
Resposta: y = x
2
5x + 6.
Exerccio 3: Resolva, por meio de sistemas lineares o seguinte problema:
Em uma ocina mecanica ha exatamente 50 veculos, considerando apenas carros e motos. Sabe-se que
todos os pneus destes veculos foram trocados, de modo que foram necessarios 160 pneus.
Determine o n umero de carros e de motos nesta ocina.
Respsota: 30 carros e 20 motos.
41