Cálculo Numérico - Francisco &amp Jânio - IFECT-CE EaD

Ministrio da Educao - MEC
Universidade Aberta do Brasil

Instituto Federal de Educao, Cincia e Tecnologia do Cear
Diretoria de Educao a Distncia
LICENCIATURA EM MATEMTICA
Francisco Gvane Muniz Cunha
Jnio Klo de Sousa Castro
Clculo
Numrico
FORTALEZA
2010
Crditos
Presidente
Luiz Incio Lula da Silva
Ministro da Educao
Fernando Haddad
Secretrio da SEED
Carlos Eduardo Bielschowsky
Diretor de Educao a Distncia
Celso Costa
Reitor do IFCE
Cludio Ricardo Gomes de Lima
Pr-Reitor de Ensino
Gilmar Lopes Ribeiro
Diretora de EAD/IFCE e Coordenadora
UAB/IFCE
Cassandra Ribeiro Joye
Vice-Coordenadora UAB
Rgia Talina Silva Arajo
Coordenador do Curso de
Tecnologia em Hotelaria
Jos Solon Sales e Silva
Coordenador do Curso de
Licenciatura em Matemtica
Zelalber Gondim Guimares
Elaborao do contedo
Autores: Francisco Gvane Muniz Cunha
Jnio Klo de Sousa Castro
Equipe Pedaggica e Design Instrucional
Ana Cladia Ucha Arajo
Andra Maria Rocha Rodrigues
Carla Anale Moreira de Oliveira
Cristiane Borges Braga
Eliana Moreira de Oliveira
Gina Maria Porto de Aguiar Vieira
Giselle Santiago Cabral Raulino
Glria Monteiro Macedo
Iraci Moraes Schmidlin
Jane Fontes Guedes
Karine Nascimento Portela
Lvia Maria de Lima Santiago
Lourdes Losane Rocha de Sousa
Luciana Andrade Rodrigues
Maria Irene Silva de Moura
Maria Vanda Silvino da Silva
Marlia Maia Moreira
Saskia Natlia Brgido Bastista
Equipe Arte, Criao e Produo Visual
bner Di Cavalcanti Medeiros
Benghson da Silveira Dantas
Davi Jucimon Monteiro
Diemano Bruno Lima Nbrega
Germano Jos Barros Pinheiro
Gilvandenys Leite Sales Jnior
Jos Albrio Beserra
Jos Stelio Sampaio Bastos Neto
Larissa Miranda Cunha
Marco Augusto M. Oliveira Jnior
Navar de Medeiros Mendona e Nascimento
Roland Gabriel Nogueira Molina
Samuel da Silva Bezerra
Equipe Web
Aline Mariana Bispo de Lima
Benghson da Silveira Dantas
Fabrice Marc Joye
Igor Flvio Simes de Sousa
Luiz Bezerra de Andrade FIlho
Lucas do Amaral Saboya
Ricardo Werlang
Samantha Onofre Lssio
Tibrio Bezerra Soares
Thuan Saraiva Nabuco
Samuel Lima de Mesquita
Reviso Textual
Aurea Suely Zavam
Nukcia Meyre Arajo de Almeida
Reviso Web
Antnio Carlos Marques Jnior
Dbora Liberato Arruda Hissa
Saulo Garcia
Logstica
Francisco Roberto Dias de Aguiar
Virgnia Ferreira Moreira
Secretrios
Breno Giovanni Silva Arajo
Francisca Venncio da Silva
Auxiliar
Ana Paula Gomes Correia
Bernardo Matias de Carvalho
Isabella Britto
Maria Tatiana Gomes da Silva
Rassa Miranda de Abreu Cunha
Wagner Souto Fernandes
Zuila Smea Vieira de Arajo
Cunha, Francisco Gvane Muniz
Calculo numrico: semestre IV. / Francisco Gvane Muniz
Cunha, Jnio Klo Sousa de Castro; Coordenao Cassandra Ribeiro
Joye. - Fortaleza: UAB/IFCE, 2010.
161p. : il. ; 27cm.
1. MATEMTICA - CALCULO 2. REPRESENTAO DOS N-
MEROS. 3. MTODOS NUMRICOS I. Castro, Jnio Klo Sousa de.
II. Joye, Cassandra Ribeiro. (Coord.) III. Instituto Federal de Educa-
o, Cincia e Tecnologia do Cear IFCE IV. Universidade Aberta
do Brasil V. Ttulo
CDD 519.40785
C972c
Catalogao na Fonte: Islnia Fernandes Arajo (CRB 3 N917 615)
Apresentao
Representando nmeros e calculando erros
Clculo numrico: por que e para qu?
Fontes de erros, erros absolutos e relativos
Representao de nmeros e aritmtica de ponto flutuante
Zeros reais de funes reais
Conhecendo o problema e sua importncia
Isolamento ou localizao de zeros reais
Mtodo iterativos para celular zeros e funes
Mtodos iterativos para refinamento de zeros:
Funcionamento e critrios de parada.
Sobre o Conjunto Soluo de uma Equao Linear
Sistemas de Equaes Lineares: Conceitos e Notao
Resoluo de sistemas lineares: Mtodos diretos
Introduo aos Sistemas lineares
Mtodo de eliminao de Gauss
Mtodo de fatorao de Cholesky
Resoluo de sistemas lineares: Mtodos iterativos
Mtodos iterativos para resoluo de sistemas lineares:
Funcionamento e critrios de parada
Notao Matricial
Matrizes de Formato Especial
Interpolao Polinomial
Definies Iniciais
O mtodo de lagrange
O mtodo de Newton
Integrao Numrica
Reviso de conceitos e definies iniciais
Soma de Riemann
14
30
36
46
52
60
Sumrio
6
7
67
8
Tpico 1 -
Tpico 1 -
Tpico 1 -
Tpico 2 -
Tpico 2 -
Tpico 2 -
Tpico 2 -
Tpico 3 -
Aula 1 -
Aula 2 -
Aula 4 -
20
29
Tpico 1 -
Tpico 2 -
Aula 3 -
Tpico 3 -
45
68
74
82
Tpico 1 -
Tpico 2 -
Aula 5 -
Tpico 3 -
88
94
100
87
Tpico 1 -
Tpico 2 -
Tpico 3 -
Aula 6 -
108
114
118
107
126
130
125
Tpico 1 -
Tpico 2 -
Aula 7 -
A regra dos trapzios
A regra de Simpson
O mtodo dos mnimos quadrados
O caso linear discreto
A regra dos trapzios
A regra de Simpson
134
138
Tpico 3 -
Tpico 4 -
Tpico 1 -
Tpico 2 -
Tpico 3 -
Aula 8 -
144
152
156
159
161
143
Referncias
Currculo
Apresentao
Caro aluno,
Seja bem-vindo ao nosso curso de clculo numrico, cujo objetivo central estudar
tcnicas (ou mtodos) numricas para obter solues de problemas que possam ser
representados por modelos matemticos. Assim, ganhamos uma importante ferramenta
para a resoluo de problemas oriundos da prpria matemtica, ou de outras reas,
estabelecendo um elo entre matemtica e problemas prticos de reas especficas.
Devemos destacar que a resoluo de modelos matemticos muitas vezes complexa,
envolvendo fenmenos no-lineares, podendo tornar impossvel a descoberta analtica
de solues. Nestes casos, os mtodos numricos so ferramentas imprescindveis a
aproximao das solues. Portanto, o clculo numrico fundamental na formao de
profissionais das reas de cincias exatas e engenharias.
Esperamos que voc, caro aluno, adquira habilidades para: compreender como os n-
meros so representados nas calculadoras e computadores e como so realizadas as
operaes nestes sistemas; conhecer e aplicar os principais mtodos numricos para a
soluo de certos problemas; estimar e analisar os erros obtidos; e propor solues para
minimiz-los ou mesmo, quando possvel, elimin-los.
A sua participao nas atividades e em cada aula ser essencial para que voc possa tirar
o maior proveito da disciplina. Agradeceremos quaisquer contribuies no sentido de
melhorar o nosso texto, estando disposio para maiores esclarecimentos
Desejamos um bom curso a todos!
Gvane Cunha e Jnio Klo.
7
Aula 1
Ol! Iniciaremos aqui os nossos estudos sobre o Clculo Numrico. Nesta primeira
aula, apresentamos uma breve viso sobre a disciplina, destacando, de modo geral,
os contedos que sero abordados e procurando mostrar a importncia dessa fer-
ramenta para a resoluo de diversos problemas que surgem, principalmente das
cincias exatas e engenharias.
Nesta aula, trataremos ainda das formas de representao dos nmeros em siste-
mas de numerao, enfatizando a representao em ponto flutuante, comumente
adotada em sistemas digitais como calculadoras e computadores. Apresentaremos
tambm noes de erro e de aproximao numrica, fundamentais para o trabalho
com as tcnicas do clculo numrico.
Objetivos:
Formular uma viso geral do clculo numrico.
Estabelecer, em linhas gerais, os contedos que sero abordados na disciplina.
Estudar noes de erro e de aproximao numrica.
Conhecer formas de representao numrica.
Representando nmeros e calculando erros
8 Licenciatura em Matemtica
CLCULO NUMRICO:
POR QUE E PARA QU?
01
TPICO
OBJETIVOS
Reconhecer a importncia do clculo numrico.
Conhecer princpios bsicos usados em clculo
numrico.
Reconhecer problemas que podem ser resolvidos
por clculo numrico.
Estabelecer fases para a resoluo de problemas reais.
N
este tpico, estabelecemos as bases gerais para o nosso trabalho na disci-
plina, apontando os contedos que sero trabalhados. Com isso, estare-
mos realando a importncia do clculo numrico e a sua utilidade como
ferramenta para a resoluo de problemas reais oriundos da prpria Matemtica, de
outras cincias exatas e das engenharias.
Grande parte dos problemas matemticos surge da necessidade de solucionar pro-
blemas da natureza, sendo que possvel descrever muitos fenmenos naturais por
meio de modelos matemticos (HUMES et. al, 1984). De acordo com Ohse (2005, p. 1):
Desde que o homem comeou a observar os fenmenos naturais e verif-
car que os mesmos seguiam princpios constantes, ele observou que estes
fenmenos podiam ser colocados por meio de frmulas. Este princpio
levou a utilizao da matemtica como uma ferramenta para auxiliar estas
9 Clculo Numrico
A
1
T
1
observaes. Este o princpio da matemtica como um modelo, ou seja,
modelar matematicamente o mundo em que vivemos e suas leis naturais.
A fgura 1 apresenta, de forma sucinta, as etapas para solucionar um problema
da natureza.
Figura 1: Etapas para solucionar um problema da natureza. Fonte: Humes et. al (1984, p. 1).
O esquema da fgura 1 mostra duas etapas fundamentais para a soluo de um problema:
1. Modelagem do problema: etapa inicial que consiste na representao do
problema por um modelo matemtico conveniente. Em geral, o modelo
obtido a partir de teorias das rea especfcas que originaram o problema e,
com vistas a tornar o modelo um problema matemtico resolvvel, podem
conter simplifcaes do problema real. Dependendo da abordagem dada
ao problema, mesmo possvel obtermos modelos matemticos diferentes.
2. Resoluo do modelo: etapa em que buscamos encontrar uma soluo para o
modelo matemtico obtido na fase de modelagem. nesta fase que necessita-
mos de mtodos numricos especfcos para resolver o modelo correspondente.
A ideia de modelo matemtico tem sido discutida por vrios autores. Uma boa
defnio para a expresso modelo matemtico a de Biembengut e Hein (2000,
p. 12), segundo a qual um couto de smbolos e relaes matemticas ue tra couto de smbolos e relaes matemticas ue tra
duz, de alguma forma, um femeo em uesto ou um problema de situao real,
deomiado de modelo matemtico.
Os mtodos utilizados na resoluo dos modelos mate-
mticos de problemas, nos vrios ramos das engenharias
ou cincias aplicadas, baseiam-se, atualmente, em uma de
duas categorias: mtodos aalticos e mtodos umricos .
Sempre que possvel, e em especial quando dese-
jamos exatido na soluo do problema, prefervel a
utilizao dos mtodos analticos na resoluo dos mo-
delos matemticos. Tais mtodos tm a vantagem de
fornecer informaes gerais em vez de particulariza-
das, alm de uma maior informao quanto nature-
za e dependncia das funes envolvidas no modelo.
No entanto, a resoluo de modelos matemticos ob-
Entendemos por mtodo analtico
aquele que, a menos de erros de
arredondamentos, fornece as solues
exatas do problema real. Em geral,
tais solues so obtidas a partir de
frmulas explcitas. Por outro lado, um
mtodo numrico constitudo por uma
sequncia finita de operaes aritmticas
que, sob certas condies, levam a uma
soluo ou a uma aproximao de uma
soluo do problema.
ATENO
tidos na modelagem de problemas reais de diversas re-
as muitas vezes complexa e envolve fenmenos no-li-
neares, podendo tornar impossvel a descoberta de uma
soluo analtica para o problema dado. Nestes casos,
e/ou quando for possvel aceitar solues aproximadas
para os problemas reais, os mtodos numricos so fer-
ramentas importantes para sua soluo.
Para compreender melhor e diferenciar os mtodos
analticos dos mtodos numricos, vejamos agora dois
exemplos simples caractersticos.
EXEMPLO 1:
Um mtodo analtico para determinar (quando exis-
tem) os zeros reais de uma funo quadrtica
f x ax bx c ( ) = + +
2
, com a 0
dado pela frmula de Bhaskara, a saber:
x
b b ac
a
=

2
4
2
.
Desse modo, os zeros reais de f x x x ( ) = +
2
5 6 so
x
1
2
5 5 4 1 6
2 1
2 =

=
( ) ( )
e x
2
2
5 5 4 1 6
2 1
3 =
+
=
( ) ( )
EXEMPLO 2:
Um mtodo numrico para determinar uma aproxima-
o para a raiz quadrada de um nmero real p, maior que
1, o algoritmo de Eudoxo:
Do fato que p >1, temos que 1< < p p .
Escolhe-se, como uma primeira aproximao para p ,
x p
0
1 2 = + ( ) / , ou seja, a mdia aritmtica entre 1 e p.
Pode-se mostrar que p x p x /
0 0
< < .
Escolhe-se como uma nova aproximao
x p x x
1 0 0
2 = + ( / ) / , isto , a mdia aritmtica entre p x /
0
e x
0
. Novamente, po-
de-se mostrar que p x p x /
1 1
< < .
Continuando desse modo, podemos construir uma sequncia de aproximaes dada por:
x
p n
p
x
x n
n
n
n
=
+ =
+
( ) /
( ) /
1 2 0
2 1
1
1
se
se

Em um mtodo numrico, uma
soluo aproximada , em geral,
obtida de forma construtiva: partindo
de aproximaes iniciais, vo sendo
construdas novas aproximaes at
que uma aproximao considerada
boa seja obtida. Desse modo, um
mtodo numrico pode ser escrito em
forma de algoritmo com as operaes
(ou grupos de operaes), podendo
ser executadas repetidamente.
GUARDE BEM ISSO!
Eudoxo de Cnidos astrnomo,
matemtico e filsofo grego que viveu
de 408 a.C a 355 a.C. Cnidos, onde
nasceu, corresponde hoje Turquia.
VOC SABIA?
A
1
T
1
11 Clculo Numrico
A tabela 1 fornece os valores de algumas aproximaes para 2 obtidas pelo al-
goritmo de Eudoxo. Para que se possa avaliar a preciso das aproximaes, so for-
necidos tambm os quadrados dessas aproximaes. Trabalhando com 14 dgitos de-
pois do ponto decimal, possvel observar que, na quinta aproximao
4
x , temos .
x
4
=2,00000000000000
Algoritmo de Eudoxo para 2
x
2
x
0 1,50000000000000 2,25000000000000
1 1,41666666666667 2,00694444444444
2 1,41421568627451 2,00000600730488
3 1,41421356237469 2,00000000000451
4 1,41421356237310 2,00000000000000
Tabela 1: Algoritmo de Eudoxo para 2 . Fonte: de Freitas (2000, p. 11).
Grosso modo, o clculo numrico tem por objetivo estu-
dar tcicas umricas ou mtodos umricos para obter so-
lues de problemas reais que possam ser representados por
modelos matemticos, ou seja, o clculo numrico busca pro-
duzir respostas numricas para problemas matemticos.
Torna-se evidente que o clculo numrico uma discipli-
na fundamental para a formao de profssionais das reas
de cincias exatas e engenharias, pois possibilita que os alu-
nos conheam vrias tcnicas para a soluo de determina-
das classes de problemas, saibam escolher entre estes mto-
dos os mais adequados a um problema especfco e aplic-los
de modo a obter solues de seus problemas. Desse modo, o
clculo numrico estabelece uma ligao entre a Matemtica
e os problemas prticos de reas especfcas.
Antes de tudo, devemos deixar claro que este apenas
um curso introdutrio de clculo numrico. Nele, espera-
mos que voc, caro (a) aluno (a), adquira habilidades para:
Compreender como os nmeros so representados nas calculadoras e compu-
tadores e como so realizadas as operaes numricas nestes sistemas digitais.
Para saber mais sobre o algoritmo de
Eudoxo, consulte o artigo publicado na
Revista do Professor de Matemtica 45
intitulado Raiz Quadrada Utilizando
Mdias (CARNEIRO, 2001). Nele
voc encontrar as justificativas para
o funcionamento deste formidvel
mtodo, bem como conhecer um
procedimento generalizado para
o clculo aproximado de razes
quadradas de nmeros reais maiores
que 1 usando mdias. Encontrar
ainda uma discusso sobre a preciso
do processo, calculando-se o erro
cometido nas aproximaes.
SAIBA MAIS!
A
1
T
1
Entender o que so mtodos numricos de aproxi-
mao, como e por que utiliz-los, e quando esperado
que eles funcionem.
Identifcar problemas que requerem o uso de tcni-
cas numricas para a obteno de sua soluo.
Conhecer e aplicar os principais mtodos num-
ricos para a soluo de certos problemas clssicos, por
exemplo, obter zeros reais de funes reais, resolver sis-
temas de equaes lineares, fazer interpolao polinomial,
ajustar curvas e fazer integrao numrica.
Estimar e analisar os erros obtidos devido apli-
cao de mtodos numricos e propor solues para minimiz-los ou mesmo,
quando possvel, elimin-los.
A aplicao das tcnicas desenvolvidas no clculo numrico para a resoluo de
problemas envolve, normalmente, um grande volume de clculos (ou seja, o esforo
computacional alto), tornando imprescindvel o trabalho de forma integrada com
calculadoras, preferencialmente, cientfcas, grfcas ou programveis ou com am-
bientes computacionais programveis, os quais normalmente dispem de ferramen-
tas algbricas, numricas e grfcas, facilitando e possibilitando o trabalho.
Com o desenvolvimento de rpidos e efcientes computadores digitais e de avan-
ados ambientes de programao, a importncia dos mtodos numricos tem aumen-
tado signifcativamente na resoluo de problemas.
Neste tpico, esperamos ter deixado claro para voc, caro aluno, o papel e a im-
portncia do clculo numrico como ferramenta para a resoluo de problemas reais
em diversas reas e, especialmente, nas cincias exatas e engenharias. No prximo
tpico, faremos um breve estudo sobre erros. Uma vez que os mtodos numricos
fornecem solues aproximadas para os problemas, tal anlise se torna essencial.
Os mtodos numricos desenvolvidos
e estudados no clculo numrico
servem, em geral, para a aproximao
da soluo de problemas complexos
que normalmente no so resolveis
por tcnicas analticas.
VOC SABIA?
A
1
T
1
FONTES DE ERROS, ERROS
ABSOLUTOS E RELATIVOS
02
TPICO
OBJETIVOS
Conhecer as principais fontes de erros.
Determinar erros absolutos e relativos.
V
oc j deve ter percebido que, inerente ao processo de resoluo de proble-
mas reais via mtodos numricos, encontra-se o surgimento de erros. Neste
tpico, iremos estudar vrias fontes de erros que infuenciam as solues de
problemas em clculo numrico. Uma vez que os mtodos numricos fornecem solu-
es aproximadas para os problemas, tal anlise se torna essencial. Veremos ainda as
noes de erro absoluto e erro relativo, necessrias no decorrer de toda a disciplina.
Os erros cometidos para se obter a soluo de um problema podem ocorrer em
ambas as fases de modelagem e de resoluo. Apresentaremos aqui as principais fon-
tes de erros que levam a diferenas entre a soluo exata e uma soluo aproximada
de um problema real, a saber:
Erros nos dados.
Simplifcaes na construo do modelo matemtico.
Erros de truncamentos.
Erros de arredondamentos nos clculos.
15 Clculo Numrico
A
1
T
2
O esquema seguinte apresenta essas fontes de erros associadas fase em que aparecem:
2.1 ERROS NOS DADOS
Os dados e parmetros de um problema real so frequentemente resultados de
medidas experimentais de quantidades fsicas, de pesquisas ou de levantamentos e,
portanto, so sujeitos a incertezas ou imprecises prprias dos equipamentos de me-
dies, dos instrumentos de pesquisas ou mesmo de aes humanas.
Tais erros surgem ainda da forma como os dados so armazenados no compu-
tador. Isso se deve ao fato de o computador usar apenas uma quantidade fnita
de dgitos para representar os nmeros reais. Desse modo, torna-se impossvel
representar exatamente, por exemplo, nmeros irracionais como as constantes
matemticas e e . Dependendo do sistema de numerao escolhido, at mesmo
certos nmeros racionais, inclusive inteiros, podem no ter uma representao
exata em um determinado computador ou sistema eletrnico. A representao de
nmeros ser objeto de estudo do prximo tpico dessa aula.
H tambm a possibilidade de os dados serem originados pela soluo num-
rica de outro problema que j carregam erros.
2.2 SIMPLIFICAES NA
CONSTRUO DO MODELO MATEMTICO
J vimos que, dependendo da abordagem dada ao problema, podemos ter modelos
matemticos diferentes. Muitas vezes, torna-se impossvel obter um modelo matemtico
que traduza exatamente o problema real, enquanto, em outras, um tal modelo demasia-
do complexo para ser tratado. Nesses casos, para obter um modelo tratvel, necessitamos
impor certas restries idealistas de simplifcaes do modelo. O modelo matemtico ob- O modelo matemtico ob- O modelo matemtico ob-
tido ento um modelo aproximado que no traduz exatamente a realidade.
Devido s alteraes e/ou simplifcaes, a soluo de um modelo aproximado, ainda
que exata, deve ser considerada suspeita de erros. recomendvel, ento, que sejam fei-
tos experimentos para verifcar se as simplifcaes feitas so compatveis com os dados
experimentais, ou seja, recomendvel uma validao do modelo simplifcado.
Desprezar a massa de um pndulo ao se calcular o seu perodo, desprezar atritos
ou resistncias quando se trata de movimentos, dentre outras, so exemplos de sim-
plifcaes de modelos.
2.3 ERROS DE TRUNCAMENTOS
Os erros de truncamento surgem quando processos infnitos ou muito grandes
para a determinao de certo valor so interrompidos em um determinado ponto, ou
seja, so substitudos por processos com uma limitao prefxada. Desse modo, po-
demos dizer que um erro de truncamento ocorre quando substitumos um processo
matemtico exato (fnito ou infnito) por um processo aproximado correspondente a
uma parte do processo exato. Ao consideramos um nmero fnito de termos de uma
srie, estamos fazendo um truncamento da srie.
Um exemplo claro desse tipo de erro pode ser visto quando calculamos e
x
para
algum nmero real x em um computador. O valor exato dado pela srie
e
x
k
x
k
k
=
=
!
0
Entretanto, por ser impossvel somar os infnitos termos da srie, fazemos apenas
uma aproximao por um nmero fnito de termos, ou seja, tomamos
e
x
k
x
k
k
N
!
0
em que N um determinado nmero natural. Obviamente, medida que N aumen-
ta, mais precisa a aproximao, ou seja, o erro de truncamento diminui.
2.4 ERROS DE ARREDONDAMENTOS
Os erros de arredondamento so aqueles que ocorrem no
processo de clculo de uma soluo numrica, ou seja, surgem
dos clculos (operaes aritmticas) existentes no mtodo num-
rico. Tais erros esto associados ao fato de os computadores ou
sistemas eletrnicos de clculo utilizarem um nmero fxo de d-
gitos para representarem os nmeros, isto , so consequncias
de se trabalhar com o que chamamos aritmtica de preciso fita.
Desse modo, sempre que o resultado de uma operao for um
nmero que no pode ser representado exatamente no sistema
de representao usado, necessitamos fazer arredondamentos, o
Em clculo numrico, lidamos
essencialmente com valores
aproximados e a quase totalidade
dos clculos envolve erros. Assim no
podemos usar mtodos numricos e
ignorar a existncia de erros.
GUARDE BEM ISSO!
A
1
T
2
17 Clculo Numrico
A
1
T
2
que leva a desprezar dgitos e arredondar o nmero.
Vale ressaltar que, mesmo quando as parcelas ou fatores de uma operao po-
dem ser representados exatamente no sistema, no se pode esperar que o resul-
tado da operao armazenado seja exato.
Uma vez que em nossa disciplina estaremos mais focados nos mtodos numricos,
daremos maior nfase aos erros de truncamento e de arredondamento.
Nosso principal interesse em conhecer as fontes de erros que ocorrem quando do
uso de mtodos numricos reside na tentativa elimin-los ou, pelo menos, de poder
controlar o seu valor. Neste contexto, so de grande importncia o conhecimento dos
efeitos da propagao de erros e a determinao do erro fnal das operaes numricas.
Finalizamos este tpico apresentado as noes muito teis de erro absoluto e erro relativo.
2.5 ERRO ABSOLUTO
Voc j sabe que, ao resolvermos um problema real utilizando mtodos nu-
mricos, os resultados obtidos so geralmente aproximaes do que seria o va-
lor exato de uma soluo do problema. Dessa forma, inerente aos mtodos se
trabalhar com as aproximaes e com os erros.
A informao sobre o erro que acompanha uma aproximao para a soluo de
um problema fundamental para se conhecer a qualidade da aproximao e para
termos uma noo mais clara sobre o valor exato da soluo. Vejamos um exemplo:
EXEMPLO 3:
Considere a equao 2 3 7 0
3
x x + = . Essa equao tem uma nica raiz real. So
aproximaes para essa raiz os nmeros 1,195000, 1,195175 e 1,195200. Agora, qual
dessas aproximaes a mais exata, ou seja, qual delas mais se aproxima do valor exa-
to da raiz? Para respondermos a esta pergunta, e para termos uma informao mais
precisa sobre o valor exato da raiz, necessrio conhecer a ualidade da aproximao.
Apesar de, em geral, aumentando o esforo computacional, as aproximaes pode-
rem ser melhoradas, torna-se importante medir o quo prximo uma aproximao est
do valor exato. Para quantifcar essa informao, introduzimos a noo de erro absoluto.
Defnio 1: Sea x um mero e x uma sua aproximao, chamase erro
absoluto, e desigase por EA
x
, a diferea etre x e x . Simbolicamete:
EA x x
x
= .
No caso de x x > , ou sea, uado EA
x
>0 , dizemos ue x uma aproxi
mao por falta e, o caso de x x < , ou sea, uado EA
x
<0 , dizemos ue x
uma aproximao por excesso.
EXEMPLO 4:
Como 3 14 3 15 , , < < p , temos que 3,14 uma aproximao de p por falta e 3,15
uma aproximao de p por excesso.
Entretanto, desde que, geralmente, no conhecemos o valor exato x (alis, esta
a razo de procurarmos uma aproximao x para x), torna-se impossvel determinar
o valor exato do erro absoluto. Nesses casos, o que pode
ser feito a determinao de um limitante superior ou de
uma estimativa para o mdulo do erro absoluto.
No exemplo 2, uma vez que p ( , ; , ) 3 14 3 15 ,
se tomarmos como aproximao para p, um va-
lor p tambm pertence ao intervalo
( , ; , ) 3 14 3 15
,
teremos
| | | | , EA
p
p p = <0 01,
que signifca que o erro absoluto cometido inferior a
um centsimo.
Se 0 e > uma cota para
x
EA , ou seja, se
x
|EA |<e , temos:
| | | | EA x x x x x
x
< < < < + e e e e .
Portanto, possvel precisar que o valor exato x (pro-
vavelmente no conhecido) est compreendido entre dois
valores conhecidos: x-e e x +e . Na prtica, desej-
vel que uma cota para
x
EA seja bem prxima de 0.
Contudo, o erro absoluto pode no ser sufciente para in-
formar sobre a qualidade da aproximao. Para ilustrar isso,
consideremos duas situaes: a primeira foi adaptada de Rug-
giero e Lopes (1996, p. 13), e a segunda de Freitas (2000, p. 18):
SITUAO 1
Seja um nmero x com uma aproximao x =2112 9 , tal que | | , EA
x
<0 1 , o que
implica x ( , ; ) 2112 8 2113 e seja um nmero y com uma aproximao y =5 3 , tal
que | | , EA
y
<0 1, o que implica y ( , ; , ) 5 2 5 4 . Note que os limites superiores para
os mdulos dos erros absolutos so os mesmos. Podemos dizer que os nmeros esto
representados por suas aproximaes com a mesma preciso?
SITUAO 2
Considere x =100 ; x =100 1 , e y =0 0006 , ; y =0 0004 , . Assim, EA
x
=0 1 , e
EA
y
=0 0002 , . Como | | EA
y
muito menor que | | EA
x
, possvel afrmar que a
aproximao y de y melhor que a aproximao x de x?
Para responder os questionamentos acima, preciso comparar, em ambas as si-
tuaes, a ordem de grandeza de x e de y. Uma primeira anlise nos permite afrmar
que as grandezas dos nmeros envolvidos so bastante diferentes. Para a situao 1,
possvel concluir ainda que a aproximao para x mais precisa que a aproxima-
o para y, pois as cotas para os erros absolutos so as mesmas (0,1), e a ordem de
Um nmero 0 e > tal que
x
|EA |<e
chamado cota para o erro
x
EA .
Para descrever o intervalo ( , ; , ) 3 14 3 15 ,
usamos o separador ponto-e-vrgula
(;) em vez de vrgula (,) como fazemos
normalmente. Para evitar confuso,
faremos isso sempre que algum dos
extremos tiver parte fracionria (que
precisa ser separada da parte inteira
por vrgula).
SAIBA MAIS!
ATENO!
A
1
T
2
19 Clculo Numrico
grandeza de x maior que a ordem de grandeza de y. J para a situao 2, a ordem
de grandeza de x tambm maior que a ordem de grandeza de y, mas, como a cota
para o erro em x maior que aquela para o erro em y, precisamos fazer uma anlise
mais cuidadosa. Para tanto, introduzimos a noo de erro relativo.
Defnio 2: Sea x um mero e x 0 uma sua aproximao, chamase er
ro relativo, e desigase por ER
x
, a razo etre EA
x
e x . Simbolicamete:
ER
EA
x
x x
x
x
x
= =

.
Ao produto 100ER
x
, chamamos erro percentual ou percentagem de erro.
EXEMPLO 5:
Vamos calcular cotas para os erros relativos cometidos nas aproximaes na Situ-
ao 1. Temos
| |
| |
| |
,
,
ER
EA
x
x
x
= <
0 1
2112 9
4,73 10
-5
e,
| |
| |
| |
,
,
ER
EA
y
y
y
= <
0 1
5 3
1,89 10
-2
.
Isso confrma que a aproximao para x mais precisa que a aproximao para y.
De fato, um erro da ordem de 0,1 bem menos signifcativo para x que da ordem
de milhares do que para y que da ordem de unidades.
EXEMPLO 6:
Vamos calcular os erros relativos e os erros percentuais
cometidos nas aproximaes na Situao 2. Temos
9,99 10
9,99 10
-4
-4
ER
EA
x
ER
x
x
x
= =

0 1
100 1
100 100
,
,
%0 1 , %
e
3,33 10
3,33 1
-1
ER
EA
y
ER
y
y
x
= =

0 0002
0 0006
100 100
,
,
00
-1
% , % =33 3
.
Portanto, ao contrrio do que poderia parecer, a aproxima-
o para x mais precisa que a aproximao para y. Assim, um
erro da ordem de 0,1 para x, que da ordem de centenas, menos signifcativo que um erro
de 0,0002 para y, que da ordem de dcimos de milsimos.
Conhecemos, neste tpico, as principais fontes geradoras de erros quando do uso de
mtodos numricos para a resoluo de problemas reais. Vimos ainda formas de medir
os erros cometidos ao se tomar uma aproximao para um determinado valor.
No prximo tpico faremos uma breve apresentao sobre representao de nmeros.
Do mesmo modo que para o erro
absoluto, na maior parte dos casos, no
possvel a determinao exata do erro
relativo. Isso porque, em geral, no se
conhece o valor exato de x, mas apenas
uma aproximao
x
. A partir de uma
cota para o erro absoluto, podemos
calcular uma cota para o erro relativo.
ATENO
A
1
T
2
R
eservamos este ltimo tpico para tratar das formas de representao dos
nmeros em sistemas de numerao. Daremos nfase representao dos
nmeros em poto futuate, comumente adotada em sistemas digitais como
calculadoras e computadores.
A necessidade de contar e de registrar o total de objetos contados muita antiga
e o homem utilizou vrios processos de faz-los. Desde a contagem via correspon-
dncia um a um, com o registro por meio de marcas (uma para cada objeto), passan-
do pelas contagens por agrupamentos que facilitavam as contagens de grandes quan-
tidades de objetos, foram muitos os avanos alcanados. Outra necessidade marcante
era a de fazer medies e registrar os resultados dessas medies.
medida que se civilizava, a humanidade foi apoderando-se de modelos abs-
tratos para os registros das contagens e das medies, os nmeros. Dessa forma os
REPRESENTAO DE NMEROS E
ARITMTICA DE PONTO FLUTUANTE
03
TPICO
OBJETIVOS
Apresentar formas de representao numrica.
Conhecer sistemas de numerao.
Aprender a representar nmeros em ponto flutuante.
21 Clculo Numrico
nmeros surgiram, principalmente, da necessidade de o homem cotar e medir. De
acordo com Lima (2003, p. 25), os meros so etes abstratos, desevolvidos pe
lo homem como modelos ue permitem cotar e medir, portato avaliar as diferetes
uatidades de uma gradeza.
Associados ao conceito de mero esto os conceitos de umeral e de sistema de
umerao, fundamentais para que se possam representar os nmeros. Em linhas
breves, podemos dizer que
1. Um nmero uma noo matemtica que serve para descrever uma
quantidade ou medida.
2. Um numeral um smbolo ou conjunto de smbolos que representam
um nmero.
3. Um sistema de numerao um conjunto de numerais que representam os n-
meros. Para tal, fxado um nmero natural b, b >1, denominado base do sis-
tema de numerao e so utilizados elementos do conjunto { , , , , } 0 1 2 1 . b- ,
denominados algarismos ou dgitos do sistema de numerao.
No nosso dia a dia, estamos acostumados a lidar com o
sistema de umerao de base 10 ou sistema de umerao
decimal. Esse sistema que utiliza 10 dgitos 0, 1, 2, 3, 4,
5, 6, 7, 8 e 9 para a representao dos nmeros o mais
utilizado para a comunicao entre as pessoas. No caso de
representaes no sistema de numerao decimal, a indi-
cao da base torna-se desnecessria, por isso costuma-
mos omiti-la. Assim, a menos que seja especifcada outra
base, sempre que falamos em um nmero ou escrevemos o seu numeral, referimo-nos
a eles no sistema de numerao decimal.
Uma importante caracterstica do sistema de numerao decimal o fato de ele
ser posicioal, ou seja, nele o valor de cada smbolo relativo, dependendo da sua
posio no nmero.
EXEMPLO 7:
No nmero 46045 temos
1. o primeiro algarismo 4 ocupa a posio das dezenas de milhares, va-
lendo 4 dezenas de milhares ou 4 10000 40000 = unidades ou ainda
4
4 10 unidades.
2. o algarismo 6 ocupa a posio das unidades de milhar, valendo 6 unida-
des de milhar ou 6 1000 6000 = unidades ou ainda
3
6 10 unidades.
3. o algarismo 0, ocupando a posio das centenas, indica ausncia de
A rigor, sempre que escrevemos o
numeral que representa um nmero,
deveramos indicar a base do sistema
de numerao adotado.
ATENO
A
1
T
3
centenas ou 0 100 0 = unidades ou ainda
2
0 10 unidades.
4. o segundo algarismo 4 ocupa a posio das dezenas, valendo 4 dezenas
ou 4 10 40 = unidades ou ainda
1
4 10 unidades.
5. o algarismo 5 ocupa a posio das unidades, valendo 5 1 5 = unidades
ou ainda
0
5 10 unidades.
Logo, 46045 signifca
4 3 2 1 0
4 10 6 10 0 10 4 10 5 10 + + + + .
O prximo teorema bem conhecido e estabelece que qualquer nmero natural
pode ser representado de modo nico em uma base qualquer.
Teorema 1: Sea B um iteiro maior ue 1, eto cada N N admite uma
represetao ica da forma
N a B a B a B a B a
m
m
m
m
= + + + + +
1
1
2
2
1
1
0
. ,
em ue a
m
0 e 0 < a B
i
, para toda i com 0 i m.
A demonstrao desse teorema pode ser vista nos livros de Teoria dos Nmeros.
Para exemplifcar, vamos representar um determinado nmero em algumas bases
bem conhecidas.
EXEMPLO 8:
Representar o nmero 69 nas bases 2 (binria), 8 (octal), 10 (decimal) e 16 (hexa-
decimal). Temos
69 1 2 0 2 0 2 0 2 1 2 0 2 1 2
69 1 8 0 8 5 8
69 6
6 5 4 3 2 1 0
2 1 0
= + + + + + +
= + +
= +
= +
10 9 10
69 4 16 5 16
1 0
1 0
Portanto, 69 escrito como 1000101 na base 2, 105 na base 8, 69 na base 10 e 45
na base 16. Usando uma notao com o numeral entre parnteses e base como ndice,
temos que 69 escrito como (1000101)
2
, (105)
8
, (69)
10
e (45)
16
. Assim,
(1000101)
2
= (105)
8
= (69)
10
= (45)
16
.
A fgura 2 apresenta a representao nas bases binria, octal, decimal e hexade-
cimal dos nmeros de 1 a 20.
Binria Octal Decimal HexaDecimal
00001 01 01 01
00010 02 02 02
00011 03 03 03
A
1
T
3
23 Clculo Numrico
00100 04 04 04
00101 05 05 05
00110 06 06 06
00111 07 07 07
01000 10 08 08
01001 11 09 09
01010 12 10 0A
01011 13 11 0B
01100 14 12 0C
01101 15 13 0D
01110 16 14 0E
01111 17 15 0F
10000 20 16 10
10001 21 17 11
10010 22 18 12
10011 23 19 13
10100 24 20 14
Figura 2: Representao dos nmeros de 1 a 20 em diferentes bases.
O teorema 1 apresenta a representao de nmeros in-
teiros positivos em uma base qualquer. Entretanto, ele po-
de ser generalizado para a representao de nmeros reais
positivos de modo natural. Assim, se B um inteiro maior
que 1, ento o nmero
m m 1 2 1 0 1 2
a a a a a ,a a
- - -
. .
representa, na base 10, o nmero
Parte Inteira
m m 1 2 1 0 1 2
m m 1 2 1 0 1 2
a B a B a B a B a B a B a B
- - -
- - -
+ + + + + + + +
` `
. .
,
em que
m
a 0 e
i
0 a B < , para toda i com 0 i m .
EXEMPLO 9:
( , )
( , )
( , )
( , )
1101 101
470 75
142 857
3 2
1 2 1 2 0 2
2
8
10
10
3 2 1
D A
=
=
=
=
+ + ++ + + + =
+ + + + =

1 2 1 2 0 2 1 2 13 625
4 8 7 8 0 8 7 8 5 8
0 1 2 3
2 1 0 1 2
,
3312 953125
1 10 4 10 2 10 8 10 5 10 7 10 142 857
1
2 1 0 1 2 3
,
, + + + + + =

33 16 3 16 10 16 2 16 107 6328125
1 0 1 2
+ + + =

,
Para facilitar a representao fsica, a defnio das operaes aritmticas e
Na representao a
m
a
m-1
...a
2
a
1
a
0
,a
-1
a
-2
... , a vrgula (,) separa a parte inteira
da parte fracionria. Essa a notao
mais comum no Brasil. Alguns autores,
entretanto, talvez influenciados pela
notao usada pelos ingleses e americanos,
usam o ponto (.) como separador.
ATENO
A
1
T
3
Parte Fracionria
a comunicao entre as mquinas digitais, necessrio
fazer uso de outros sistemas de representao. Os com-
putadores comumente operam no sistema birio (base
2), o qual usa apenas dois algarismos (0 e 1), correspon-
dentes aos estados ausncia ou presena de sinal eltri-
co, respectivamente. Outras bases tambm so ou foram
utilizados.
Assim, importante conhecer a representao de n-
meros em bases diferentes da base decimal e a converso de
nmeros de uma para outra base uma tarefa muitas vezes
necessria. Vale destacar que um mesmo nmero pode ter
representao fnita (exata) em uma base, mas sua represen-
tao em outra base pode ser infnita. Por conseguinte, a prpria representao de um
nmero em uma determinada base pode ser uma fonte de erros. De acordo com Rug-
giero e Lopes (1996, p. 3-4), na interao entre o usurio e o computador:
... os dados de entrada so enviados ao computador pelo usurio no siste-
ma decimal; toda esta informao convertida para o sistema binrio, e as
operaes todas sero efetuadas neste sistema. Os resultados fnais sero
convertidos para o sistema decimal e, fnalmente, sero transmitidos ao
usurio. Todo este processo de converso uma fonte de erros que afetam
o resultado fnal dos clculos.
Por outro lado, a representao em ponto fxo, ainda
que cmoda para clculos no papel, no adequada para
processamento nos computadores ou calculadoras. Nestes
sistemas, costuma-se usar uma representao denominada
representao em poto futuate ormalizada. Nela, um
nmero representado na forma
0
1 2
,d d d B
t
e
. ,
em que, para cada i = 1, 2, ..., t,
d
i
um inteiro com
0 < d B
i
e d
1
0 , e um inteiro no intervalo tal que
l e u . O nmero 0
1 2
,d d d
t
. chamado de matissa,
B a base do sistema, t o mero de algarismos a ma
tissa (algarismos signifcativos) e l e u so, respectivamen-
te, os limites inferior e superior para o expoente e.
Observe que a representao em ponto futuante normali-
zada corresponde a um deslocamento da vrgula na represen-
tao em ponto fxo que se d pela multiplicao do nmero
A representao de nmeros reais em
certa base no formato parte inteira,
vrgula (ou ponto), parte fracionria,
como mostrado na figura 3, tambm
chamada representao em ponto fixo.
Parte Inteira .
Parte
Fracionria
Figura 3: Representao de nmeros reais
em ponto fixo.
SAIBA MAIS!
De modo geral, qualquer
nmero (inteiro ou fracionrio)
pode ser expresso no
formato nmero x base
expoente
,
em que variam a posio da vrgula e
o expoente ao qual elevamos a base.
Essa representao denominada
representao em ponto flutuante, pois
o ponto varia sua posio de acordo
com o expoente escolhido. Na forma
normalizada, o nmero representado
movendo-se a vrgula de forma que
o nmero seja menor que 1, o mais
prximo possvel de 1. Isso significa
que o primeiro dgito significativo vir
imediatamente aps a vrgula.
VOC SABIA?
A
1
T
3
25 Clculo Numrico
por uma correspondente potncia da base do sistema.
Para fixar melhor a representao em ponto flutuante normalizada, vejamos
alguns exemplos:
EXEMPLO 10:
Considere uma mquina S com representao em ponto futuante normalizada na
base binria, com t = 8 e e [ 5, 5] - . Temos, ento:
o nmero
3
1
n 0,10100110 2 = representado em S corresponde, na base 10, a
5,1875 e o nmero
3
2
n 0,10100111 2 = representado em S corresponde, na base
10, a 5,21875. Como exerccio, verifque essas correspondncias.
Perceba que nesse sistema,
1
n e
2
n so dois nmeros consecutivos. Portanto, no
possvel representar em S qualquer nmero compreendido entre 5,1875 e 5,21875.
Assim, o 5,2, por exemplo, no tem representao exata em S. Esta perda de preciso
se d porque o nmero de dgitos na mantissa no sufciente.
EXEMPLO 11:
Considerando a mesma mquina S do exemplo 7, temos
1. maior nmero real representado:
5
M 0,11111111 2 =+ que corres-
ponde a +31,875.
2. menor nmero real representado:
5
M 0,11111111 2 - =- que corres-
ponde a -31,875.
3. menor nmero real positivo representado:
5
m 0,10000000 2
-
=+ que
corresponde a +0,015625.
4. maior nmero real negativo representado:
5
m 0,10000000 2
-
- =-
que corresponde a -0,015625.
Como exerccio, verifque essas correspondncias.
Portanto, por falta de expoentes maiores que u 5 = , no possvel representar
em S nmeros que sejam menores que -M ou maiores que M, isto , no possvel
representar nmeros x tais | | x M > . Nestes casos, a mquina costuma retornar um
erro de overfow . Por outro lado, por falta de expoentes menores que l 5 =- , tam-
bm no possvel representar em S nmeros que so menores que esto entre -m
e m, ou seja, no possvel representar nmeros x tais | | x m < . Nestes casos, a m-
quina costuma retornar um erro de uderfow .
Dos exemplos acima, podemos concluir que, quanto maior o intervalo para o ex-
poente, maior ser a faixa de nmeros que um sistema pode representar; e, quanto
maior o nmero de algarismos para a mantissa, maior ser a preciso da represen-
tao. Vejamos mais um exemplo, este extrado de Ruggiero e Lopes (1996, p. 12):
A
1
T
3
EXEMPLO 12:
Veja a representao de alguns nmeros em um sistema de aritmtica de ponto
futuante de trs dgitos para B 10 = , l 4 =- e

u = 5:
x Representao por arredondamento
3,42 0,34210
1
200,65 0,20110
3
85,7142 0,85710
2
0,0041887... 0,41910
-2
9999,99 0,10010
5
0,0000078 Underflow
123456,789 Overflow
Tabela 2: Representao em ponto flutuante com arredondamento.
Finalizamos este tpico, fazendo trs observaes im-
portantes sobre a representao e a aritmtica de ponto
futuante normalizada:
1. A adio de dois nmeros em aritmtica de ponto
futuante feita com o alinhamento dos pontos decimais,
do seguinte modo: a mantissa do nmero de menor ex-
poente deslocada para a direita at que os expoentes se
igualem, ou seja, o deslocamento de um nmero de casas
igual diferena dos expoentes. Somam-se as mantissas e repete-se o expoente e, se
necessrio, faz-se a normalizao.
Exemplo:
Em um sistema de base 10 com t 4 = , temos
5 3 5 5
5
5
0, 4370 10 0,1565 10 0, 4370 10 0,0016 10
(0, 4370 0,0016) 10
0, 4386 10
+ = +
= +
=
O zero em ponto futuante representado por mantissa nula (0,00...0) e com o
menor expoente disponvel. Caso o expoente no fosse o menor possvel, mesmo a
mantissa sendo nula, poderia ocasionar a perda de dgitos signifcativos na adio
deste zero a um outro nmero. Isso se d pela forma como a adio realizada em
aritmtica de ponto futuante.
Exemplo:
0 2 0 0
0
2
0,0000 10 0,1428 10 0,0000 10 0,0014 10
0,0014 10
0,1400 10
-
-
+ = +
=
=
Vale ressaltar que as operaes de adio
e multiplicao em aritmtica de ponto
flutuante no gozam das propriedades
associativas e distributivas.
ATENO
A
1
T
3
27 Clculo Numrico
A multiplicao de dois nmeros em aritmtica de ponto futuante feita mul-
tiplicando-se as mantissas dos nmeros e somando-se os expoentes; em seguida, se
necessrio, faz-se a normalizao.
Exemplo:
5 3 5 3
1 5
4
0, 4370 10 0,1565 10 (0, 4370 0,1565) 10
0,6839 10 10
0,6839 10
+
-
=
=
=

Nesta aula, fzemos uma breve introduo ao estudo do Clculo Numrico, apre-
sentando a sua importncia para a resoluo de diversos problemas reais nas mais
diversas reas, especialmente cincias exatas e engenharias. Uma vez que o Clculo
Numrico trabalha com aproximaes, demos algumas noes de erros, apontando
como surgem e de que modo podemos medi-los. Finalmente, apresentamos formas
de representao dos nmeros, enfatizando a represetao em poto futuate.
Voc pode aprofundar seus conhecimentos consultando as referncias que citamos e/ou visitando
pginas da internet. Abaixo, listamos algumas pginas interessantes que podem ajud-lo nessa pesquisa.
Bons estudos!
http://www.bibvirt.futuro.usp.br/textos/periodicos/revista_do_professor_de_matematica/vol_0_no_45
http://www.profwillian.com/_diversos/download/livro_metodos.pdf
www.ufmt.br/icet/matematica/geraldo/erros.pdf
http://venus.rdc.puc-rio.br/rmano/rd5nr.html
SAIBA MAIS!
A
1
T
3
29
Aula 2
Caro (a) aluno (a),
Nesta segunda aula, abordaremos um importante problema que aparece com muita
frequncia em diversas reas: encontrar zeros reais de funes reais. Iniciaremos
fazendo uma breve introduo de apresentao do problema. Daremos tambm o
significado geomtrico para os zeros reais de funes reais e veremos como fazer a
localizao ou isolamento de tais zeros utilizando como recursos o tabelamento e a
anlise grfica da funo. Ento, vamos ao problema!
Objetivos:
Contextualizar o problema de determinar zeros de funes.
Apresentar tcnicas para resolver o problema.
Rever conceitos e resultados necessrios do clculo.
Localizar zeros reias de funes reais.
Zeros reais de funes reais
N
este tpico, introduziremos o problema geral de determinar a existncia
de e de calcular zeros reais de funes reais e conheceremos a sua impor-
tncia para as mais diversas reas do conhecimento humano, justifcando
assim a sua incluso entre os problemas que so objetos de estudo do clculo num-
rico. Faremos ainda a interpretao geomtrica e estabeleceremos a ideia central dos
mtodos numricos iterativos para a obteno de zeros reais de funes reais. Inicia- zeros reais de funes reais. Inicia- . Inicia-
remos com uma defnio.
Defnio 1: Dada uma fuo R R : f (fuo real de uma varivel real),
chamase zero de f a todo R a tal ue = ( ) 0 f a .
CONHECENDO O
PROBLEMA E SUA IMPORTNCIA
01
TPICO
OBJETIVOS
Conhecer o problema e constatar sua importncia
Dar o significado geomtrico de zeros reais de
funes reais.
Conhecer a ideia geral dos mtodos iterativos
para resolver o problema.
31 Clculo Numrico
Portanto, o problema de determiar os zeros reais de
uma fuo f (que o problema no qual estamos interessa-
dos) equivale ao problema de determiar as razes reais da
euao = ( ) 0 f x , ou seja, determinar os valores R a
que satisfazem = ( ) 0 f a .
Vejamos algumas situaes em que este problema aparece.
EXEMPLO 1:
Considere um circuito eltrico composto apenas de uma fonte de tenso V e de uma
resistncia R, como ilustrado na fgura 1a. O modelo matemtico para calcular a corrente
que circula no circuito conhecido como Lei de Kirchoff, sendo dado pela equao
- =0 V Ri .
Este um modelo bem simples: uma equao linear a uma incgnita cuja nica
raiz dada por = / i V R . Agora, como indicado na fgura 1b, se introduzirmos nes-
te circuito eltrico um diodo D (dispositivo ou componente eletrnico semicondutor
usado como retifcador de corrente eltrica), o modelo matemtico para determinar
a corrente que circula no circuito ser dado pela equao:

- - + =

ln 1 0
S
kT i
V Ri
I
em que k e
S
I so constantes, a carga do eltron e T a temperatura do disposi-
tivo (BUFFONI, 2002).
Figura 1a: Circuito eltrico Figura 1b: Circuito eltrico
EXEMPLO 2:
Para encontrar a quantidade de cido que se ioniza em
uma soluo em equilbrio, o modelo matemtico (obtido
de teorias da qumica) dado pela equao
+ - =
2
0
0
a a
x k x k C ,
em que
a
k indica a constante de ionizao do cido e
0
C representa a concentrao
inicial do cido (BERLEZE E BISOGNIN, 2006). Este modelo de uma equao quadr-
tica e suas razes (reais ou no) so dadas pela conhecida frmula de Bhaskara.
EXEMPLO 3:
O tempo de ueda de um parauedista ou de uma boliha detro dgua (ASANO e
COLLI, 2007, p. 90-93):
O problema de determinar zeros de
uma funo aparecer sempre que
tivermos de resolver uma equao.
GUARDE BEM ISSO!
A
2
T
1
As Leis de Kirchhoff so bastante
utilizadas em circuitos eltricos mais
complexos. Acesse o site http://www.
infoescola.com/eletricidade/leis-de-
kirchhoff/ e conhea mais sobre as leis
desse brilhante fsico.
SAIBA MAIS!
,
Imagine um paraquedista que abre seu paraquedas no instante =0 t , da
altura
0
h , ou, alternativamente, uma bolinha que parte do repouso altu-
ra
0
h dentro de um tubo cheio
dgua, e cai sob a fora da gravidade. Levando em conta que a queda no
completamente livre, isto , o meio oferece resistncia ao movimento,
quanto tempo levar a queda do paraquedista e da bolinha?
Figura 2: Tempo de queda. Fonte: Asano e Colli (2007, p. 90).
Resolver este problema corresponde a obter as razes da equao =
0
( ) h t h , em que
-
= + - ( )
Dt
h t A Bt Ce ,
com A, B, C e D sendo constantes que dependem da constante de acelerao da
gravidade superfcie terrestre g, da altura inicial
0
h , da massa do corpo m, da velo-
cidade inicial do corpo
0
v e da velocidade para a qual a fora de resistncia do meio
exatamente igual fora da gravidade mg. Equivalentemente, o problema consiste
em obter os zeros da funo f, dada por
= -
0
( ) ( ) f t h t h .
Para maiores detalhes, incluindo a deduo da equao acima, veja a referncia
Asano e Colli (2007, p. 90) .
Os exemplos acima so de situaes concretas e mostram a importncia do problema
de obter zeros reais de funes reais ou, equivalentemente, de determinar as razes reais
de equaes. No primeiro caso do exemplo 1 e no exemplo 2, pela simplicidade dos mo-
delos, as razes so obtidas de modo exato atravs de frmulas, dispensando o uso de m-
todos numricos especfcos. J no segundo caso do exemplo
1 e no exemplo 3, os modelos no so to simples, no haven-
do frmulas explcitas para o clculo das razes. Nesses casos,
os mtodos numricos tornam-se indispensveis.
Apesar de certas equaes (como as polinomiais) po-
derem apresentar razes complexas, o nosso interesse ser
somente nas razes reais das equaes, ou seja, nos zeros
reais das funes correspondentes. H uma interpretao
grfca para os zeros reais de funes reais:
Dada uma funo R R : f , os
zeros de f correspondem s abscissas
dos pontos em que o grfico de f
intercepta o eixo das abscissas. De fato,
= ( ) 0 ( ,0) Graf( ) f a a f .
VOC SABIA?
A
2
T
1
33 Clculo Numrico
A
2
T
1
Para a funo f cujo grfco est esboado abaixo (fgura 3), temos que os nme-
ros
1
x ,
2
x e
3
x so zeros reais de f.
Figura 3: Zeros reais de uma funo real
At agora, j sabemos a importncia de calcular zeros reais de funes reais e o
signifcado geomtrico de tais zeros. Voc deve est se perguntando:
Como calcular os zeros reais de uma dada fuo?
o que pretendemos responder a partir de agora.
Sabemos que, para certas funes, como as polinomiais
afns ou quadrticas, tais zeros podem ser obtidos dire-
tamente atravs de frmulas. Entretanto, existem fun-
es (e, na maioria dos problemas reais, isto que ocor-
re) para as quais no existem ou so muito complexas
as frmulas para o clculo exato de seus zeros. Nesses
casos, precisamos recorrer a mtodos umricos. Tais m-
todos podem ser utilizados no clculo de um zero real
(caso exista) de qualquer funo contnua dada.
Em geral, salvo raras excees, os mtodos num-
ricos iterativos no fornecem os zeros exatos de uma
funo f . Eles podem, entretanto, ser usados para o
clculo de aproximaes para estes zeros.
A princpio, obter apenas uma aproximao para o
zero (e no seu valor exato) da funo f pode parecer uma limitao, mas ela no
uma limitao to sria, pois, com os mtodos numricos que trabalharemos, ser
possvel obter aproximaes boas ou satisfatrias. Para sermos mais precisos,
a menos de limitaes de mquinas, possvel encontrar um zero de uma funo
com qualquer preciso prefxada. Isso signifca que a aproximao pode ser tomada
to prxima do valor exato do zero quanto se deseje.
Relembre que a diferena entre o valor exato de um zero x de f e de um seu
valor aproximado x chamada erro absoluto (ou, simplesmente, erro). Como vi-
mos na aula 1, por no conhecer o valor exato x , no podemos determinar o valor
1. Em geral, um mtodo (processo ou
procedimento) numrico iterativo
calcula uma sequncia de aproximaes
de um zero de f, cada uma mais precisa
que a anterior. Assim, a repetio do
processo fornece, em um nmero
finito de vezes, uma aproximao a
qual difere do valor exato do zero por
alguma preciso (tolerncia) prefixada.
2. O clculo de cada nova aproximao
feito utilizando aproximaes anteriores,
porm as aproximaes iniciais que o
processo exigir devem ser fornecidas.
VOC SABIA?
exato do erro. Nestes casos, o que se costuma fazer delimitar o erro, ou seja, exi-
gir que d - < | | x x para algum d >0 previamente escolhido. Desse modo, temos
d d - < < + x x x e diremos que x uma aproximao de x com preciso d .
Obviamente, ser interessante que a sequncia .
1 2 3
, , , x x x gerada por um pro-
cesso iterativo convirja para algum R x . Neste caso, dizemos tambm que o pro-
cesso iterativo converge para x . Voc j deve ter visto o conceito de covergcia de
uma seucia em disciplinas anteriores, entretanto vamos relembr-lo:
Defnio 2: Uma seucia .
1 2 3
, , , x x x , deotada por
N
( )

x , coverge
para x , se
= lim
x x . Ou sea, se dado e >0 , $ N N tal ue ualuer ue se

a > N , e - < | |
x x . Isto ser idicado por
x x .
Os mtodos numricos iterativos para o clculo de um
zero real de uma funo real f que apresentaremos envol-
vem duas fases:
Fase 1 - Isolamento ou localizao dos zeros:
consiste em achar intervalos fechados disjuntos [ , ] a b , ca-
da um dos quais contendo exatamente um zero de f.
Fase 2 Refnamento: consiste em, partindo de
aproximaes iniciais escolhidas em um determinado in-
tervalo obtido na fase 1, melhorar (refnar) sucessivamen-
te as aproximaes at obter uma aproximao para o zero de f que satisfaa
uma preciso prefxada.
Neste tpico, apresentamos o problema de calcular zeros reais de funes reais e per-
cebemos sua importncia. Demos tambm o signifcado geomtrico de tais zeros e vimos
a necessidade do uso de mtodos numricos iterativos para resolver este problema. No
prximo tpico, trataremos da fase inicial de isolamento dos zeros de uma funo.
Para estudos complementares de
sequncias acesse o site http://www.
ufpi.br/uapi/conteudo/disciplinas/
matematica/download/unidade3.pdf
SAIBA MAIS!
A
2
T
1
ISOLAMENTO OU
LOCALIZAO DE ZEROS REAIS
02
TPICO
OBJETIVOS
Construir tabelas e esboar grficos de funes.
Isolar ou localizar zeros reais de funes reais.
Classificar mtodos iterativos para a fase de
refinamento.
O
conhecimento de um intervalo [ , ] a b que contm um nico zero x de
uma funo real f uma exigncia de alguns mtodos numricos iterati-
vos para a determinao de uma aproximao x para x . Para outros, a
exigncia de uma aproximao inicial
0
x de x . De todo modo, conforme vimos,
para o clculo dos zeros reais de f, os mtodos iterativos pressupem uma fase inicial
de isolameto ou localizao desses zeros. Reservamos este tpico para abordarmos
especifcamente esta primeira fase. Vale ressaltar que o sucesso nessa fase funda-
mental para que possamos obter xito tambm na segunda fase.
Nosso objetivo ser, portanto, obter intervalos fechados disjuntos [ , ] a b que
contenham zeros isolados de f. Para tanto, necessitaremos estudar o comportamento
de f, sendo teis as seguintes ferramentas ou estratgias:
Tabelamento da funo.
Anlise grfca da funo.
37 Clculo Numrico
A
2
T
2
Na aula 1, j deixamos claro que, para o trabalho nessa disciplina, ser fundamen-
tal o uso de uma calculadora (cientfca, grfca ou programvel) e/ou de um software
com ferramentas algbricas, numricas e grfcas. Sugerimos uma calculadora cient-
fca para a computao numrica. Voc pode obter uma na tela de seu computador.
uma ferramenta do sistema operacional Widows que encontrada pelo caminho:
Iiciar Todos os programas Acessrios Calculadora.
Se for possvel, recomendamos ainda que vocs utilizem algum dos softwares que
foram trabalhados na disciplina Iformtica Aplicada ao Esio do segundo semes-
tre. Finalmente, devemos dizer que os grfcos apresentados nesta e nas demais aulas
sero gerados com o auxlio do software Mathematica 6.0.
Para o isolamento de zeros via tabelamento da funo, sero teis dois resultados
do clculo. Suas demonstraes podem ser encontradas na maioria dos livros de Cl-
culo. Veja, por exemplo, Lima (2004).
Teorema 1 (Teorema de Bolzano): Sea R R : f uma fuo cotua
um itervalo fechado [ , ] a b . Se < ( ) ( ) 0 f a f b , eto f tem pelo meos um zero
o itervalo aberto ( , ) a b .
Este teorema diz que se uma funo contnua em um intervalo fechado troca de
sinal nos extremos desse intervalo, ela possui zeros reais nele. Grafcamente, pela
continuidade de f, este resultado parece ser bastante natural. Vejamos um exemplo:
EXEMPLO 4:
Seja R R : f , dada por = + ( ) sen( ) cos( ) f x x x . Desde que f contnua em R,
ela contnua em qualquer intervalo [ , ] a b . Temos tambm que

p p p - = - + - = - =- ( ) sen( ) cos( ) 0 1 1 f e p p p = + = + = (2 ) sen(2 ) cos(2 ) 0 1 1 f .
Portanto, p p - =- < ( ) (2 ) 1 0 f f . Logo, pelo teorema 1, f tem zeros no intervalo
p p - ( , 2 ) . A fgura 4, abaixo, mostra que f tem trs zeros em p p - ( , 2 ) .
Figura 4: Grfico de = + ( ) sen( ) cos( ) f x x x em p p - [ , 2 ] .
O Teorema de Bolzano, satisfeitas suas condies, ga-
Aqui, sen(x) e cos(x) so calculadas
para x em radianos (rad) e no em
graus (
o
). Nestes casos, ao usar a
calculadora, voc deve habilitar para o
modo Radianos.
VOC SABIA?
A
2
T
2
rante a existncia de zeros em um intervalo, mas no diz
nada a respeito da quantidade deles. Pode haver apenas
um (caso em que o zero estaria isolado), dois, trs (como
no Exemplo 4) ou at uma infnidade deles. Para garan-
tir a unicidade do zero, sufciente o seguinte teorema:
Teorema 2: Sob as hipteses do teorema 1, se a de
rivada ' f de f existir e preservar o sial o itervalo
aberto ( , ) a b , eto f tem um ico zero em ( , ) a b .
Dizer que ' f preserva o sinal em ( , ) a b o mesmo que
afrmar que
> " '( ) 0, ( , ) f x x a b ou < " '( ) 0, ( , ) f x x a b .
Isso signifca que a funo f , respectivamente, estri-
tamente crescente ou estritamente decrescente no interva-
lo ( , ) a b . Vejamos mais um exemplo:
EXEMPLO 5:
Seja R R : f , dada por
-
=- + ( ) 2
x
f x x e . Desde
que f contnua em R, ela contnua em qualquer intervalo [ , ] a b . Temos tam-
bm que
-
=- + =- + =
0
(0) 0 2 0 2 1 2 f e
e
-
=- + =- + <- + <-
3
3 3
2 2
(3) 3 2 3 3 2.9
2,7182
f e
e
.
Portanto, f muda de sinal nos extremos do intervalo [0, 2] . Logo, pelo Teorema 1,
f tem zeros no intervalo (0, 2) . Por outro lado, temos
-
=- - =- - <
2
'( ) 1 2 1 0
x
x
f x e
e
, para todo R x .
Assim, ' f preserva o sinal em (0, 2) . Mais precisamente, < " '( ) 0, (0, 2) f x x , o
que implica que f estritamente decrescente em (0, 2) . Logo, pelo Teorema 2, f tem
um nico zero no intervalo (0, 2) . A Figura 5, abaixo, comprova este fato.
Figura 6: Grfico de
-
=- + ( ) 2
x
f x x e em [0, 2] .
A constante matemtica e
conhecida como nmero de Euler
(em homenagem ao matemtico
suo Leonhard Euler) ou constante
de Napier (em homenagem ao
matemtico escocs John Napier).
Este nmero irracional a base da
funo logaritmo natural e seu valor
aproximado com 4 (valor usado acima)
e com 30 casas decimais (dgitos aps
a vrgula) , respectivamente:
@ 2,7183 e

e
@ 2,718281828459045235360287471353 e
VOC SABIA?
39 Clculo Numrico
A
2
T
2
Os Teoremas 1 e 2 so grandes aliados para o isolamento dos zeros reais de uma
funo real f via tabelamento da funo. Esta estratgia consiste em construir uma
tabela com valores de f para diversos valores de x e observar as mudanas de sinal
de f e o sinal da derivada ' f nos intervalos em que f mudou de sinal nos extremos.
Algumas vezes, certas caractersticas prprias das funes ajudaro. Vamos isolar os
zeros de algumas funes usando a estratgia de tabelamento?
EXEMPLO 6:
Seja R R : f , dada por = - - + -
4 3 2
( ) 9 2 120 130 f x x x x x . Desde que f con-
tnua em R, ela contnua em qualquer intervalo [ , ] a b . Vamos construir uma tabela com
valores de f para alguns valores de x e observar as mudanas de sinal de ocorridas. Temos
x
-10 -5 -4 -3 0 1 2 3 4 5 7 10
( ) f x
17470 970 190 -184 -130 -20 46 50 -2 -80 -74 1870
Sinal
+ + + - - - + + - - - +
Pelas variaes de sinal, podemos dizer que f tem zeros nos intervalos - - [ 4, 3] ,
[1, 2] , [3, 4] e [7, 10] . Desde que f um polinmio de grau 4, f tem no mximo 4
zeros reais distintos (este um resultado que voc deve ter visto na disciplina Mate
mtica Bsica II. Reveja-o). Portanto, podemos afrmar que f tem exatamente 4 zeros
reais distintos e eles esto isolados nos intervalos listados acima.
EXEMPLO 7:
Seja + R : (0, ) f , dada por = + ( ) ln f x x x x . Temos que f contnua em
+ (0, ) , como produto e soma de funes contnuas. Logo, f contnua em qual-
quer intervalo [ , ] a b contido em + (0, ) . Vamos construir uma tabela com valores
(ou valores aproximados) de f para alguns valores de x e observar as mudanas de
sinal que ocorrem. Temos
x
0,01 0,1 0,5 1 2 3 5 10
( ) f x
-9,60 -7,27 -5,34 -4,00 -1,48 1,29 7,79 28,93
Sinal
- - - - - + + +
Pelas variaes de sinal, podemos dizer que f tem zeros no intervalo [2, 3] . A de-
rivada de f est defnida em + (0, ) e dada por
= +
1 3
'( )
2
x
f x
x
.
Perceba que > '( ) 0 f x para todo >0 x , ou seja, f estritamente crescente em
seu domnio de defnio. Assim, ' f preserva o sinal em
(2, 3) . Logo, podemos afrmar que f possui um nico zero
no intervalo (2, 3) .
Alm do tabelamento com a anlise de mudanas de si-
nal da funo, o isolamento dos zeros reais de uma funo
real f pode ser feito tambm por meio da anlise grfca
da funo. Para tanto, torna-se necessrio esboar o grf-
co de f e obter intervalos que contenham as abscissas dos
pontos em que o grfco de f intercepta o eixo dos x.
Vejamos um primeiro exemplo. Neste apresentamos as
ferramentas do clculo para esboar o grfco. Entretanto,
como dissemos, usaremos o software Mathematica 6.0 pa-
ra gerar os nossos grfcos.
EXEMPLO 8:
Seja R R : f , dada por = + - -
3 2
( ) 2 1 f x x x x .
Temos
= + -
2
'( ) 3 4 1 f x x x

- - - +
= + - = = =
2
2 7 2 7
'( ) 0 3 4 1 0 ou
3 3
f x x x x x .
Logo, o sinal de ' f :
Portanto, f crescente nos intervalos

- -

2 7
,
3
e

- +

2 7
,
3

e decrescente no intervalo

- - - +

2 7 2 7
,
3 3
. Os valores
- -
=
2 7
3
x e
- +
=
2 7
3
x so abscissas de pontos de mximo e de mnimo local de f, respec-
tivamente.
Temos ainda
= + ''( ) 6 4 f x x = + = =-
2
''( ) 0 6 4 0
3
f x x x .
Logo, o sinal de '' f :
Voc j deve ter esboado grficos
de algumas funes na disciplina de
Clculo I. Sabe, portanto, que esta
tarefa requer um estudo detalhado
do comportamento da funo,
destacando-se a determinao
de intervalos de crescimento e
decrescimento, pontos de mximo
e de mnimo, concavidade, pontos
de inflexo, assntotas horizontais e
verticais, dentre outros. Isso envolve o
estudo da funo e de suas derivadas.
O tabelamento de valores da funo
para alguns valores de x tambm til.
ATENO!
A
2
T
2
41 Clculo Numrico
Desse modo, a concavidade de f voltada para baixo no intervalo

- -
2
,
3
e voltada
para cima no intervalo

- +
2
,
3
. O valor =-
2
3
x abscissa de ponto de infexo de f.
Temos tambm que f est defnida e contnua em R e que
-
=- lim ( )
x
f x e
+
=+ lim ( )
x
f x . Logo, f no possui assntotas verticais nem horizontais.
Com essas informaes, e com o auxlio da tabela seguinte com valores exatos (ou
aproximados) de f para alguns valores de x, fca mais simples esboar o grfco de f:
x ( ) f x
-2,5 -1,625
-2 1
- -
@-
2 7
1,5586
3
1,6311
-1 1
- @-
2
0,6667
3
0,2593
-0,5 -0,125
0 -1
- +
@
2 7
0,2153
3
-1,1126
0,5
-0,875
1 1
Figura 7: Grfico de = + - -
3 2
( ) 2 1 f x x x x em - [ 2,5;1] .
A
2
T
2
Podemos concluir que f tem um zero em cada um dos
intervalos - [ 2,5; 2] , - - [ 0,6667; 0,5] e [0,5;1] .
A menos que se use um software matemtico, para cer-
tas funes, a tarefa de esboar o grfco no nada f-
cil. Isso porque o estudo detalhado do comportamento de
uma funo f cuja expresso analtica seja mais comple-
xa pode ser bastante laborioso. Em alguns desses casos,
mais conveniente, partindo da equao = ( ) 0 f x , obter
uma equao equivalente =
1 2
( ) ( ) f x f x , em que
1
f e
2
f se-
jam funes mais simples e de anlise grfca mais fcil. Os
intervalos de isolamento dos zeros de f procurados podem
ser obtidos considerando as abscissas dos pontos de interseco dos grfcos de
1
f e
2
f . De fato, se a um zero de f, ento:
= =
1 2
( ) 0 ( ) ( ) f a f a f a .
Logo, a abscissa de um ponto comum dos grfcos de
1
f
e
2
f . Vejamos um exemplo:
EXEMPLO 9:
Seja R R : f , dada por =- + + ( ) 1 cos( ) f x x x x .
Temos que
- + + = + = + =
1
1 cos( ) 0 (1 cos( )) 1 1 cos( ) x x x x x x
x
.
Portanto, isolar os zeros de f equivalente a obter in-
tervalos cada um dos quais contendo a abscissa de um dos
pontos de interseco dos grfcos de
1
f e
2
f (fgura 8), no
qual = +
1
( ) 1 cos( ) f x x e =
2
1
( ) f x
x
, que so mais simples de
ser esboados do que o grfco de f.
Figura 8: Grficos de = +
1
( ) 1 cos( ) f x x e =
2
1
( ) f x
x
em p [0, 2 ]
.
Para descrever o intervalo - [ 2,5;1]
, usamos o separador ponto-e-
vrgula (;) em vez de vrgula (,) como
fazemos normalmente. Para evitar
confuso, faremos isso sempre que
algum dos extremos tiver parte
fracionria (que precisa ser separada
da parte inteira por vrgula).
O uso de um software matemtico
adequado torna a tarefa de esboar
os grficos bem mais simples. Alguns
desses softwares so Mathematica,
Maple, Graphmatica, Winplot, dentre
outros. Voc deve ter trabalhado
com o Winplot na disciplina de
Informtica Aplicada ao Ensino. Ele
um software livre e pode ser baixado
do link http://www.baixaki.com.br/
download/winplot.htm.
Voc deve esboar os grficos de
1
f e
2
f
em um mesmo sistema de coordenadas
cartesianas no plano para visualizar
melhor os pontos de interseco.
ATENO!
GUARDE BEM ISSO!
GUARDE BEM ISSO!
A
2
T
2
43 Clculo Numrico
Dos grfcos de
1
f e
2
f , podemos concluir que f tem um
zero em cada um dos intervalos [0, 1] , [2; 2,5] e [3,5; 4] . En-
tretanto, no podemos afrmar que isolamos todos os zeros
de f. Na verdade, f possui uma infnidade de zeros em R.
O tabelamento e a anlise grfca da funo so recur-
sos complementares para o isolamento dos zeros. O tra-
balho com essas duas ferramentas simultaneamente pode
tornar a fase de isolamento mais efciente, permitindo ob-
ter intervalos de amplitudes bem pequenas.
Agora voc j sabe como fazer o isolamento dos zeros de uma funo f. Na pr-
xima aula, veremos mtodos iterativos especfcos para a fase refnamento. De acor-
do com Camponogara e Castelan Neto (2008, 33-34), tais mtodos so de trs tipos:
1. Mtodos de quebra: requerem um intervalo fechado [ , ] a b que conte-
nha um nico zero de f e tal que < ( ) ( ) 0 f a f b , ou seja, tal que a funo
troque de sinal nos extremos do intervalo. Ento, partindo o intervalo
em dois outros intervalos, verifca-se qual deles contm a raiz desejada.
Prossegue-se repetindo o procedimento com o subintervalo obtido.
2. Mtodos de ponto fxo: Partindo de uma aproximao inicial
0
x , constri-
-se uma sequncia
=1
( )

x na qual cada termo obtido a partir do anterior
por
+
=
1
( )

x g x , em que g uma funo de ite-
rao. Dependendo das propriedades de g, sur-
gem diferentes tipos de mtodos de ponto fxo,
dentre eles o conhecido Mtodo de Newto.
3. Mtodos de mltiplos passos: Genera-
lizam os mtodos de ponto fxo. Constri-
-se uma sequncia
=1
( )

x , utilizando vrios
pontos anteriores:
x ,
-1
x , ...,
- p
x para de-
terminar o ponto
+1
x .
Sob certas condies, teremos que a raiz x ser dada por
= lim
x x , em que
N
( )

x a sequncia gerada pelo mtodo.
Nesta aula, conhecemos o problema de obter zeros de
funes e vimos vrias situaes em que este problema
aparece de forma contextualizada, caracterizando a impor-
tncia deste problema nas mais diversas reas. Abordamos
tambm formas de localizar ou isolar os zeros reais de fun-
es reais, um requisito necessrio pelos mtodos numri-
cos iterativos para a determinao de aproximaes para os
zeros de funes. Na prxima aula, apresentaremos mto-
dos iterativos especfcos para a fase de refnamento.
Quanto menor for a amplitude do
intervalo que contm o zero, mais
eficiente ser a fase de refinamento.
GUARDE BEM ISSO!
Amplie seus conhecimentos
consultando as referncias e
os sites citados. Para um maior
aprofundamento, voc dever
pesquisar tambm outras referncias
ou visitar outras pginas da internet.
Abaixo, listamos algumas pginas
interessantes que podem ajud-lo
nessa pesquisa. Bons estudos!
1 . www. i me . u s p . b r / ~a s a n o /
LivroNumerico/LivroNumerico.pdf
2. www.professores.uff.br/salete/imn/
calnumI.pdf
3.www.ccet.ucs.br/eventos/outros/
egem/cientificos/cc46.pdf
4. http://www.das.ufsc.br/~camponog/
Disciplinas/DAS-5103/LN.pdf
SAIBA MAIS!
A
2
T
2
45
Aula 3
Ol aluno (a),
Esta nossa terceira aula. Nela, continuaremos abordando o problema de encontrar
zeros reais de funes reais. Veremos alguns dos principais mtodos numricos ite-
rativos para obter tais zeros, destacando-se mtodo da bisseco, mtodo da posio
falsa, mtodos do ponto fixo e mtodo de Newton-Raphson.
Objetivos:
Saber utilizar mtodos numricos iterativos.
Calcular aproximaes para zeros reais de funes reais.
Estudar a convergncia de alguns mtodos.
Conhecer critrios de parada de algoritmos.
Mtodo iterativos para celular zeros e funes
MTODOS ITERATIVOS
PARA REFINAMENTO DE ZEROS:
FUNCIONAMENTO E CRITRIOS DE PARADA
01
TPICO
OBJETIVOS
para refinamento de zeros.
Apresentar fluxograma de funcionamento dos
mtodos iterativos.
Estabelecer critrios de proximidade.
N
este primeiro tpico, conheceremos o modus operadi dos mtodos itera-
tivos para calcular zeros de funes. Mais precisamente, veremos como
estes mtodos fazem o refnamento da aproximao inicial obtida na fase
de isolamento dos zeros, ou seja, como eles calculam aproximaes para os zeros re-
ais de uma funo f que estejam sufcientemente prximas dos zeros.
Na aula anterior, vimos que, utilizando aproximaes anteriores para calcular
as novas aproximaes, um mtodo numrico iterativo constri uma sequncia de
aproximaes
1 2 3
, , , x x x . de um zero de f. Veremos que, sob certas condies, a
sequncia construda converge para o valor exato do zero de modo que, em um n-
mero fnito de repeties do procedimento, possvel obter uma aproximao que
satisfaa uma preciso prefxada.
Os mtodos iterativos so compostos, basicamente, de pelo menos trs mdulos:
Inicializao: onde so fornecidos os dados iniciais (como aproximaes ini-
ciais ou intervalos iniciais) e/ou feitos alguns clculos iniciais.
Atualizao: aqui se calcula (geralmente, por meio de alguma frmula) uma
nova aproximao.
47 Clculo Numrico
Parada: mdulo que estabelece quando parar o processo iterativo.
O fuxograma seguinte mostra como os mtodos iterativos fazem o refnamento dos zeros.
Figura 1: Fluxograma da fase de refinamento
A iicializao corresponde fase de localizao ou
isolamento dos zeros e isto o que vimos na aula 2. A
atualizao o mdulo que caracteriza cada mtodo ite-
rativo e corresponde forma particular que cada um tem
de calcular uma nova iterao. Este mdulo o nosso foco
de estudo nesta aula. Antes, porm, falaremos um pouco
mais sobre o mdulo de parada.
O diagrama de fuxo anterior sugere que os mtodos
iterativos, para obter um zero real de uma funo f , fazem
um teste de parada, dado pela pergunta:
A aproximao atual est suficietemete prxima
do zero exato de f?
Mas, o que signifca estar sufcientemente prxima? Qual o
signifcado de aproximao ou de zero aproximado? Especifca-
mente, h vrias formas de fazer o teste de parada do processo iterativo. Concentraremos-nos
em quatro delas. Suporemos que x um zero (exato) de f, e que
k
x a aproximao (zero apro-
ximado) calculada na k-sima iterao. Sejam ainda
1
e e
2
e precises (tolerncias) prefxadas.
1.
1
| |
k
x x e - < : a distncia entre x e
k
x menor que
1
e , ou seja,
1 1 k k
x x x e e - < < + .
2
| ( )|
k
f x e < : o valor da funo em
k
x dista no mximo
2
e do valor 0, ou seja,
2 2
( )
k
f x e e - < < .
2.
1 1
| |
k k
x x e
-
- < : a distncia entre dois iterados (aproximao calculada em uma
iterao) consecutivos menor que
1
e , ou seja,
1 1 1 1 k k k
x x x e e
- -
- < < + .
A
3
T
1
No podemos repetir um processo
numrico iterativo infinitamente, ou
seja, em algum momento, precisamos
par-lo. Para parar as iteraes de
um processo numrico iterativo,
devemos adotar os chamados critrios
de parada. Obviamente, esses
critrios dependero do problema
a ser resolvido e da preciso que
necessitamos obter na soluo.
VOC SABIA?
3.
k N = : o nmero de iteraes atingiu um limite mximo N preestabelecido.
Devemos fazer algumas observaes:
OBSERVAO 1
Como efetuar o teste 1 se no conhecemos x ? Uma forma reduzir o intervalo
que contm o zero a cada iterao (RUGGIERO e LOPES, 1996, p. 39). Se obtivermos
um intervalo [ , ] a b de tamanho menor que
1
e contendo x , ento qualquer ponto
nesse intervalo pode ser tomado como zero aproximado. Assim, basta exigir que
k
x
esteja no intervalo [ , ] a b . Perceba que a distncia entre x e
k
x menor que a dis-
tncia entre a e b. A fgura 2 ilustra esta situao. Simbolicamente, temos
Se [ , ] a b tal que
1
b a e - < e [ , ] x a b , ento
1
| |
k
x x e - < , [ , ]
k
x a b " .
Figura 2: Critrio de parada
1
| |
k
x x e - <
OBSERVAO 2
Devemos tomar cuidado com o teste de parada
2
| ( )|
k
f x e < dado em 2, pois,
a menos que conheamos bem o comportamento de f, o fato de ele ser satisfeito
no implica necessariamente que
k
x esteja prximo do zero procurado. A funo
: (0, ) f + R, dada por
Log
( )
x
f x
x
= , por exemplo, possui um nico zero 1 x = .
Entretanto, calculando f para x = 10, 100, 1000, 10000, 100000, ..., obteremos, res-
pectivamente: 0.1, 0.02, 0.003, 0.0004, 0.00005, ..., isto , quanto mais distante es-
tamos de x , menor o valor de ( ) f x .
OBSERVAO 3
O teste de parada em 3 tambm devemos ser visto com cautela, pois
1 1
| |
k k
x x e
-
- <
no implica necessariamente que
1
| |
k
x x e - < . Isso ilustrado na fgura 3, em que
k
x e
1 k
x
-
so prximos sem que x e
k
x tambm sejam prximos.
Figura 3 - Critrio de parada
1 1
| |
k k
x x e
-
- <
A
3
T
1
49 Clculo Numrico
OBSERVAO 4
Dependendo da ordem de grandeza dos nmeros envolvidos, devemos usar o
teste do erro relativo, quando as desigualdades em 1, 2 e 3 seriam, respectivamente:
1.
1
| |
| |
k
k
x x
x
e
-
< .
2.
1
| ( )|
k
f x
L
e < , em que | ( )| L f x = para algum x em uma vizinhana de x
(RUGGIERO e LOPES, 1996, p. 40).
3.
1
1
| |
| |
k k
k
x x
x
e
-
-
<
.

OBSERVAO 5
Ao contrrio do que ocorre com os outro trs, o teste de parada em 4 ( k N = )
que estipula um nmero mximo de iteraes, no pode ser visto como um critrio
de proximidade propriamente dito. Ele usado para evitar que o processo iterativo
entre em loopig, ou seja, fcar se repetindo ciclicamente sem parar. O loopig pode
ocorrer devido a vrios fatores: erros de arredondamento, erros no processo iterati-
vo, inadequao do processo iterativo ao problema, dente outros.
OBSERVAO 6
O ideal seria parar o processo com uma aproximao
k
x que satisfzesse os crit-
rios 1 e 2 simultaneamente. Isso signifcaria estar prximo do zero exato x pela dis-
tncia e ter tambm o valor da funo na aproximao prximo de zero. Entretanto,
pode ocorrer que um critrio seja satisfeito sem que os outros sejam. Esse procedi-
mento ser ilustrado nas fguras 4a e 4b. Na fgura 4a, temos uma situao em que o
critrio 1 satisfeito, mas o 2 no. Na fgura 4b, ocorre a situao inversa.
Figura 4a - Critrio 1 satisfeito, mas critrio 2 no
A
3
T
1
Figura 4b - Critrio 2 satisfeito, mas critrio 1 no
Vimos a forma como os mtodos iterativos operam para calcular zeros de funes
e estabelecemos os principais critrios de parada para estes processos. Agora voc
est preparado para a parte central desta aula: o modo como cada mtodo iterativo
faz o clculo de uma nova aproximao. Ento, vamos ao primeiro mtodo.
A
3
T
1
A
partir deste tpico, estudaremos o mdulo de
atualizao, ou seja, a forma como cada mtodo
iterativo especfco faz o refnamento dos zeros.
Este mdulo o que caracteriza e d nome a cada mtodo,
correspondendo ao clculo, a partir de iteraes anterio-
res, de uma nova iterao. Iniciamos com o mtodo da bis
seco, tambm chamado de mtodo da dicotomia.
O mtodo da bisseco est na categoria dos m-
todos de quebra (reveja as categorias de mtodos vis-
ta no final da aula 2). Portanto, para determinar uma
aproximao para o zero de uma funo f:
Satisfeitas as condies requeridas, o mtodo da bisseco opera reduzindo a am-
MTODO DA BISSECO E
MTODO DA POSIO FALSA
02
TPICO
OBJETIVOS
Compreender o funcionamento do mtodo da
bisseco e da posio falsa.
Calcular aproximaes para zeros de funes.
Fazer estimativas do nmero de iteraes.
O mtodo da bisseco requer um
intervalo fechado [ , ] a b em que f
seja contnua tal que ( ) ( ) 0 f a f b <
(a funo troca de sinal nos extremos
do intervalo). Por questes de
simplicidade, exigi-se ainda que o
zero de f em [ , ] a b seja nico.
GUARDE BEM ISSO!
53 Clculo Numrico
A
3
T
2
plitude do intervalo que contm o zero at obter um intervalo [ , ] a b de tamanho
menor que e , ou seja, tal que b a e - < , em que e uma preciso prefxada. Desse
modo, conforme indicado na observao 1, podemos escolher um ponto qualquer
k
x no intervalo fnal [ , ] a b para ser a aproximao do zero exato x que teremos o
critrio de parada 1 satisfeito.
Tecnicamente, a reduo da amplitude do intervalo faz-se pela sucessiva diviso
de [ , ] a b ao meio, ou seja, pelo ponto mdio
2
M
a b
x
+
= , mantendo a cada iterao
o subintervalo que contm o zero desejado e desprezando o outro subintervalo. A
escolha do subintervalo que ser mantido feita de modo simples: calculamos o va-
lor da funo f no ponto mdio
2
M
a b
x
+
= . Temos, assim, trs possiblidades:
1.
( ) 0
M
f x = . Nesse caso
M
x o zero (exato) de f e no temos mais nada
a fazer. Em geral, no isso que ocorre.
2.
( ) ( ) 0
M
f a f x < . Aqui o zero de f est entre a e
M
x . O intervalo a ser
mantido ser, ento, [ , ]
M
a x .
3.
( ) ( ) 0
M
f a f x > . Nesse caso, desde que ( ) f a e ( ) f b tm sinais opostos,
teremos tambm ( ) ( ) 0
M
f x f b < . Assim, o zero de f est entre
M
x e b,
e o intervalo a ser mantido ser, ento, [ , ]
M
x b .
De modo mais simplifcado, temos o esquema seguinte:
Se ( ) 0, ento
0, ento
Se ( ) ( )
0, ento
M M
M
M
M
f x x x
b x
f a f x
a x
= =
< =

> =
Em termos de algoritmo, o mtodo da bisseco pode

ser descrito como
Dados um intervalo
0 0
[ , ] a b , uma funo real de uma
varivel real f contnua em
0 0
[ , ] a b tal que
0 0
( ) ( ) 0 f a f b < ,
uma preciso e e N N .
0 k = .
Enquanto
k k
b a e - > e k N < , faa
2
k k
k
a b
x
+
= .
Se ( ) ( ) 0
k k
f a f x = , faa
k
x x = . PARE.
Se ( ) ( ) 0
k k
f a f x < , faa
1 k k
a a
+
= e
1 k k
b x
+
= .
Caso contrrio, faa
1 k k
a x
+
= e
1 k k
b b
+
= .
1 k k = + .
Faa
2
k k
a b
x
+
= . PARE.
Inspirado no teorema de Bolzano, o
mtodo da bisseco um mtodo bem
intuitivo para achar o zero de uma funo
f em um intervalo que contm um nico
zero de f. A cada iterao, o mtodo da
bisseco obtm um novo intervalo com
um tamanho igual metade do tamanho
do intervalo anterior.
VOC SABIA?
A
3
T
2
Terminado o processo iterativo, teremos um intervalo [ , ] a b que contm o zero x
de f e, caso k N < , encontraremos tambm uma aproximao x de x que satisfaz o
critrio de parada 1, ou seja, tal que | | x x e - < . Uma interpretao geomtrica do
mtodo da bisseco dada na fgura seguinte.
Figura 5- Mtodo da bisseco. Fonte: Adaptado de Ruggiero e Lopes (1996, p. 41).
Para exemplifcar, vamos usar o mtodo da bisseco para obter uma aproxima-
o para 2 com erro inferior a
2
10
-
.
EXERCCIO RESOLVIDO 1:
Encontre uma aproximao para 2 com erro inferior a
2
10
-
pelo mtodo da
bisseco.
Soluo:
Este problema equivalente a determinar uma aproximao para o zero de
2
( ) 2 f x x = - com erro inferior a
2
10
-
.
Temos (1) 1 f =- e (2) 2 f = . Assim, (1) (2) 2 0 f f =- < e, uma vez que f contnua
no intervalo [1, 2] , podemos garantir f tem zeros nesse intervalo. Como '( ) 2 f x x = , o que
implica que '( ) 0 f x > para todo (1, 2) x , temos que o zero de f no intervalo [1, 2] nico.
k
k
a
k
b
k k
b a -
k
x ( )
k
f x
0 1 2 1 1,5 0,25
1 1 1,5 0,5 1,25 -0,43
2 1,25 1,5 0,25 1,375 -0,109375
3 1,375 1,5 0,125 1,4375 0,06640625
4 1,375 1,4375 0,0625 1,40625 -0,0224609375
5 1,40625 1,4375 0,03125 1,421875 0,021728515625
55 Clculo Numrico
A
3
T
2
6 1,40625 1,421875 0,015625 1,4140625 -0,00042724609375
7 1,4140625 1,421875 0,0078125
Tabela 1: Mtodo da bisseco para calcular 2 com erro inferior a
2
10
-
.
Portanto, depois de 7 iteraes ( 0, 1, 2, ..., 6 k = ), teremos um intervalo
7 7
[ , ] [1, 4140625; 1, 421875] a b = com tamanho
2
7 7
0,0078125 10 b a
-
- = < . Assim,
como indicado no algoritmo, fazendo
7 7
1, 4140625 1, 421875
2 2
a b
x
+ +
= = = 1,41796875,
obteremos uma aproximao x de 2 com erro inferior a
2
10
-
, ou seja, coincidin-
do com o valor de 2 at pelo menos duas casas decimais (casas depois da vrgula).
Compare com o valor de 2 exibido a seguir com 10 casas decimais.
2 =1,41421356237... .
Para uma melhor visualizao dos intervalos obtidos a cada iterao, observe o
esquema seguinte:
0 k =
0
0
0
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
>
0 0
1 0
1 0
[ , ] x a x
a a
b x
=
=
1 k =
1
1
1
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
<
1 1
2 1
2 1
[ , ] x x b
a x
b b
=
=
2 k =
2
2
2
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
<
2 2
3 2
3 2
[ , ] x x b
a x
b b
=
=
3 k =
3
3
3
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
>
3 3
4 3
4 3
[ , ] x a x
a a
b x
=
=
4 k =
4
4
4
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
<
4 4
5 4
5 4
[ , ] x x b
a x
b b
=
=
5 k =
5
5
5
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
>
5 5
6 5
6 5
[ , ] x a x
a a
b x
=
=
6 k =
6
6
6
( ) 0
( ) 0
( ) 0
f a
f b
f x
<
>
<
6 6
7 6
7 6
[ , ] x x b
a x
b b
=
=
E se desejssemos uma aproximao para 2 com erro inferior a
5
10
-
, ou seja,
coincidindo com o valor de 2 at pelo menos cinco casas decimais? Seria possvel
dizer quantas iteraes precisaramos executar?
Evidentemente, para uma maior preciso, o processo de reduo dos intervalos
dever prosseguir. Felizmente, possvel precisar a priori (sem precisar realizar a
experincia) quantas iteraes sero executadas pelo mtodo da bisseco at obter
uma aproximao para o zero de uma funo com uma preciso prefxada.
Teorema 1: Dado um itervalo
0 0 0
[ , ] I a b = ue cotm um ico zero x de
uma fuo cotua : f R R e uma preciso prefxada 0 e > , aps k itera
es, k satisfazedo
0 0
Log( ) Log( )
Log(2)
b a
k
e - -
> ,o mtodo da bisseco obtm um
itervalo [ , ]
k k k
I a b = cotedo o zero x de f e tal ue ualuer ue sea a apro
ximao x escolhida em
k
I , | | x x e - < .
De fato, uma vez que a amplitude de cada novo intervalo igual metade da am-
plitude do intervalo anterior, temos
1 1 2 2 0 0
2
2 2 2
k k k k
k k
k
b a b a b a
b a
- - - -
- - -
- = = = =
Assim,
0 0
0 0
0 0
0 0
2
2
Log(2) Log
Log( ) Log( )
.
Log(2)
k k
k
k
b a
b a
b a
b a
k
b a
k
e e
e
e
e
-
- < <
-
>
-

>

- -
>
Agora, voltando ao nosso exemplo, podemos calcular o nmero de mnimo de
iteraes para ter a garantia de uma aproximao para 2 no intervalo [1, 2] com
erro inferior a
5
10
-
. Temos
5
Log(2 1) Log(10 ) 5 5
16,61
Log(2) Log(2) 0,3010
k
-
- -
> = @ @
.
Portanto, sero necessrias pelo menos 17 iteraes para garantir uma aproxima-
o para 2 com erro inferior a
5
10
-
.
Calcular todas essas iteraes daria um trabalho, voc no acha?
Voc j sabe que outra preocupao que devemos ter com a convergncia do
mtodo. No caso do mtodo da bisseco, uma vez que a amplitude do intervalo que
A
3
T
2
57 Clculo Numrico
contm o zero reduzida pela metade a cada iterao, pode parecer bem intuitivo
que a sequncia ( )
k
x gerada convirja para o zero exato x .
Entretanto, para termos a garantia da eficcia do mtodo da bisseco, a
prova analtica de sua convergncia imprescindvel. Voc pode ver tal prova
em Ruggiero e Lopes (1996, p. 44-46).
Na mesma categoria dos mtodos de quebra, est o mtodo da posio falsa ou
mtodo das cordas. Como o mtodo da biseco, este mtodo tambm requer um in-
tervalo fechado [ , ] a b , em que f seja contnua tal que ( ) ( ) 0 f a f b < . Sob estas con-
dies, para determinar uma aproximao para o zero de f, o mtodo da posio falsa
particiona (quebra) o intervalo [ , ] a b de um modo diferente.
Enquanto no mtodo da bisseco feita uma mdia aritmtica simples (sem pon-
derao) dos valores a e b, o mtodo da posio falsa faz uma mdia ponderada des-
ses valores com pesos ( ) f b e ( ) f a , respectivamente, ou seja, o ponto x que divide
o intervalo [ , ] a b de certa iterao dado por
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
a f b b f a a f b b f a
x
f b f a f b f a
+ -
= =
+ -
.
A segunda igualdade segue do fato que ( ) f a e ( ) f b tm sinais contrrios. H uma in-
terpretao geomtrica para o ponto x. Ele o ponto de interseco da reta que passa pelos
pontos ( , ( )) a f a e ( , ( )) b f b com o eixo das abscissas, como ilustra a fgura seguinte.
Figura 6 - Mtodo da posio falsa. Fonte: Adaptado de Ruggiero e Lopes (1996, p. 49).
Desse modo, o mtodo da posio falsa leva em conta as informaes dos valores
da funo. Isso parece lgico, uma vez que, se ( ) f a estiver mais prximo de zero do
que ( ) f b , de se esperar que o zero de f esteja mais prximo de a do que de b, e vice-
versa. Isso o que ocorre, por exemplo, para funes afns. Na verdade, o que se faz no
mtodo da posio falsa substituir f no intervalo [ , ] a b de cada iterao por uma reta.
A
3
T
2
Quanto ao critrio de parada, no mtodo da posio fal-
sa, alm da parada pelo critrio 1,
1 k k
b a e - < , paramos
tambm se
2
| ( )|
k
f x e < , pois isso pode ocorrer sem que o
intervalo seja sufcientemente pequeno. Finalizamos este
tpico com um exemplo:
Aplicar o mtodo da posio falsa para encontrar uma
aproximao para o zero de ( ) 3 ln 4 f x x x = + - no in-
tervalo [1, 2] com precises
4
1 2
10 e e
-
= = . Fazer arredon-
damentos e usar 5 casas decimais.
Soluo:
(1) 1 f =- e (2) 3 2 ln 2 4 0,93579 f = + - @ . Assim, (1) (2) 0 f f < e, uma vez
que f contnua no intervalo [1, 2] , podemos garantir f tem zeros nesse intervalo.
Como
1 3
'( )
2
f x
x x
= + , o que implica que '( ) 0 f x > para todo (1, 2) x , temos que
o zero de f no intervalo [1, 2] nico.
k k
a
k
b
k k
b a -
k
x
( )
k
f x
0 1,00000 2,00000 1,00000 1,51658 0,11094
1 1,00000 1,51658 0,51658 1,46499 0,01295
2 1,00000 1,46499 0,46499 1,45905 0,00152
3 1,00000 1,45905 0,45905 1,45835 0,00017
4 1,00000 1,45835 0,45835 1,45827 0,00002
Tabela 1: Mtodo da posio falsa para o zero de ( ) 3 ln 4 f x x x = + - em [1, 2] com
precises
4
1 2
10 e e
-
= = .
Observe o clculo de
k
x e de ( )
k
f x em cada iterao:
0 k =

0
1,00000 (2,00000) 2,00000 (1,00000)
(2,00000) (1,00000)
1,00000 0,93579 2,00000 ( 1,00000)
0,93579 ( 1,00000)
1,51658
f f
x
f f
-
=
-
- -
@
- -
@
0
( ) 0,11094 f x @
1 k =

1
1,00000 (1,51658) 1,51658 (1,00000)
(1,51658) (1,00000)
1,00000 0,11094 1,51658 ( 1,00000)
0,11094 ( 1,00000)
1, 46499
f f
x
f f
-
=
-
- -
@
- -
@
1
( ) 0,01295 f x @
A diferena ente os mtodos da
bisseco e da posio falsa a forma
de dividir o intervalo
[ , ] a b
a cada
iterao. No mtodo da bisseco,
quebra-se o intervalo ao meio,
enquanto no mtodo da posio falsa
se toma o ponto de interseco da
reta que une os pontos
( , ( )) a f a
e
( , ( )) b f b com o eixo x.
GUARDE BEM ISSO!
A
3
T
2
59 Clculo Numrico
2 k =

2
1,00000 (1, 46499) 1, 46499 (1,00000)
(1, 46499) (1,00000)
1,00000 0,01295 1, 46499 ( 1,00000)
0,01295 ( 1,00000)
1, 45905
f f
x
f f
-
=
-
- -
@
- -
@
2
( ) 0,00152 f x @
3 k =

3
1,00000 (1, 45905) 1, 45905 (1,00000)
(1, 45905) (1,00000)
1,00000 0,00152 1, 45905 ( 1,00000)
0,00152 ( 1,00000)
1, 45835
f f
x
f f
-
=
-
- -
@
- -
@
3
( ) 0,00017 f x @
4 k =

4
1,00000 (1, 45835) 1, 45835 (1,00000)
(1, 45835) (1,00000)
1,00000 0,00017 1, 45835 ( 1,00000)
0,00017 ( 1,00000)
1, 45827
f f
x
f f
-
=
-
- -
@
- -
@
4
( ) 0,00002 f x @
Portanto, depois de 5 iteraes ( 0, 1, 2, 3, 4 k = ), temos uma aproximao
4
1, 45827 x x = =
que satisfaz a preciso prefxada, pois
4
4 4 2
( ) (1, 45827) 0,00002 ( ) 10 f x f f x e
-
= @ < = .
Neste caso, a parada se deu pelo valor da funo em
4
x ser prximo de 0 e no
pela distncia entre x e
4
x ser sufcientemente pequena.
Em termos de comparao, para obter uma aproximao com a preciso requeri-
da pelo mtodo da bisseco para este exemplo, seriam necessrias:
4
Log(2 1) Log(10 ) 4 4
13,29
Log(2) Log(2) 0,3010
k
-
- -
> = @ @ iteraes,
ou seja, pelo menos 14 iteraes, bem mais que pelo mtodo da posio falsa.
Vimos o funcionamento dos mtodos da bisseco e da posio falsa. Mtodos
mais sofsticados sero estudados no prximo tpico.
A
3
T
2
MTODOS DE PONTO FIXO:
MTODO DE NEWTON-RAPHSON
03
TPICO
OBJETIVOS
Compreender o funcionamento dos mtodos de
ponto fixo.
Conhecer o mtodo de Newton-Raphson.
Calcular aproximaes para zeros de funes.
N
este tpico, discutiremos a determinao de aproximaes para zeros de
funes atravs dos mtodos de poto fxo, denominados tambm mtodos
de iterao liear. Sabemos que os mtodos de quebra, como o mtodo da
bisseco e o mtodo da posio falsa, necessitam da existncia de um intervalo no
qual a funo troca de sinal. Entretanto nem sempre possvel satisfazer este requisito.
Imagine uma funo f tal que para todo x do seu domnio ( ) 0 f x ou ( ) 0 f x .
Evidentemente f pode possuir zeros reais, entretanto no existem intervalos em que f
troque de sinal. Nesses casos, aproximaes para os possveis zeros de f no poderiam
ser obtidas por meio do mtodo da bisseco ou do mtodo da posio falsa, sendo ne-
cessrios outros mtodos. Uma boa sada nesses casos ou mesmo em qualquer situao
61 Clculo Numrico
que satisfaa certas restries que veremos so os mtodos de ponto fxo. Basicamente,
estes mtodos funcionam da seguinte maneira (ASANO e COLLI, 2007):
1. Dada a funo f da qual se procura um zero x , arranja-se uma fun-
o auxiliar g que deve satisfazer certas caractersticas (veremos como
achar uma tal funo).
2. Arrisca-se um palpite de uma aproximao inicial
0
x e, a partir desse pal-
pite, constri-se uma sequncia de aproximaes
0
x ,
1
x ,
2
x , ..., na qual a
aproximao
1 k
x
+
depende da aproximao
k
x pela relao
1
( )
k k
x g x
+
= .
3. Para-se o processo, tomando algum dos
k
x como aproximao de x , quan-
do algum critrio de parada para alguma preciso prefxada for satisfeito.
A funo g chamada fuo de iterao para a equao ( ) 0 f x = . Como obter
uma funo de iterao?
Pela forma como construda a sequncia
k
x , uma condio necessria para que
o mtodo funcione que x seja um poto fxo de g, ou seja,
( ) g x x = .
Os mtodos de ponto fxo transformam o problema de obter zeros de f em obter pontos
fxos de g, com g sendo uma funo de iterao para a equao ( ) 0 f x = , pela equivalncia
( ) 0 ( ) f x x g x = = .
No difcil introduzir uma funo de iterao g para a equao ( ) 0 f x = . Veja-
mos um exemplo:
Dada uma funo : j R R, um nmero real a tal que ( ) a a j = chamado ponto fixo de j .
Geometricamente, um ponto fixo de j corresponde abscissa de um ponto de interseco do grfico
de j com a reta y x = (diagonal dos quadrantes mpares). Na figura abaixo, por exemplo, vemos 2
pontos fixos da funo j (aqui, as razes de j no nos interessam).
Figura 7: Pontos fixos de uma funo j .
GUARDE BEM ISSO!
A
3
T
3
EXEMPLO 1:
Considere a equao
2
2 3 0 x x - - = , ou seja, ( ) 0 f x = com
2
( ) 2 3 f x x x = - - .
Vamos obter algumas funes de iterao para ( ) 0 f x = . Para isso, basta obtermos
uma equao equivalente do tipo ( ) x g x = . Temos:
2 2
2 3 0 3 x x x x x - - = = - -

2
1
( ) 3 g x x x = - -
2
2 3 0 2 3 x x x x - - = = + (se 2 3 0 x + )

2
( ) 2 3 g x x = +
2
3
2 3 0 2 x x x
x
- - = = + (se 0 x )

3
3
( ) 2 g x
x
= +
2
3
2 3 0
2
x x x
x
- - = =
-
(se 2 0 x - )

4
3
( )
2
g x
x
=
-
Em geral, h muitos modos de expressar ( ) 0 f x = na forma. Basta considerarmos
( ) ( ) ( ) g x x A x f x = + ,para qualquer ( ) A x que satisfaa ( ) 0 A x , em que x um
ponto fxo de g ou, equivalentemente, um zero de f.
EXEMPLO 2:
Voltemos equao
2
2 3 0 x x - - = do exemplo 1. Por ser uma equao quadr-
tica, suas razes podem ser obtidas analiticamente pela frmula de Bhaskara e valem
1 e 3. Entretanto, para exercitarmos a aplicao dos mtodos de ponto fxo, vamos
tentar obter a raiz 3, usando duas das funes de iterao obtidas no exemplo 1 e
partindo de uma aproximao inicial
0
1,5 x = .
Para
3
3
( ) 2 g x
x
= + , temos
0
1,5 x = .
1 3 0
3
( ) 2 4
1,5
x g x = = + = .
2 3 1
3
( ) 2 2,75
4
x g x = = + = .
3 3 2
3
( ) 2 3,0909090909
2,75
x g x = = + @ .
4 3 3
3
( ) 2 2,9705882353
3,0909090909
x g x = = + @ .
5 3 4
3
( ) 2 3,0099009901
2,9705882353
x g x = = + @ .
6 3 5
3
( ) 2 2,9967105263
3,0099009901
x g x = = + @ .
7 3 6
3
( ) 2 3,0010976948
2,9967105263
x g x = = + @ .
.
Vemos que o processo parece convergir para a raiz 3. Agora, para
2
1
( ) 3 g x x x = - - ,
temos:
A
3
T
3
63 Clculo Numrico
0
1,5 x = .
2
1 1 0
( ) 1,5 1,5 3 2,25 x g x = = - - =- .
2
2 1 1
( ) ( 2,25) ( 2,25) 3 4,3125 x g x = = - - - - = .
2
3 1 2
( ) 4,3125 4,3125 3 11,28515625 x g x = = - - = .
2
4 1 3
( ) 11,28515625 11,28515625 3 113,0695953369 x g x = = - - @ .
2
5 3 4
( ) 113,0695953369 113,0695953369 3 12668,6637943134 x g x = = - - @ .
2 8
6 3 5
( ) 12668,6637943134 12668,6637943134 3 1,6048237067 10 x g x = = - - @ .
8 2 8 16
7 3 6
( ) (1,6048237067 10 ) 1,6048237067 10 3 2,5754591135 10 x g x = = - - @
.
Vemos que o processo parece divergir (no convergir) da raiz 3.
O exemplo 2 mostra que no para qualquer escolha da funo de iterao para
( ) 0 f x = e da aproximao inicial
0
x que o processo gerado pelo mtodo do ponto
fxo convergir para um zero x de f. Em Ruggiero e Lopes (1996, p. 58-60), voc
pode encontrar a demonstrao do teorema seguinte que estabelece condies suf-
cientes para que o processo seja convergente.
Teorema 2: Sea x uma raiz da euao ( ) 0 f x = , isolada em um itervalo I
cetrado em x e sea g uma fuo de iterao para a euao ( ) 0 f x = . Se
i) g e sua derivada, ' g , so cotuas em I
ii) | '( )| 1, g x M x I < "
iii)
0
x I
eto a seucia ( )
k k
x
N
gerada pelo processo iterativo
1
( )
k k
x g x
+
= coverge para x .
Quanto ao critrio de parada, nos mtodos de ponto fxo, adotamos os
critrios 2 e 3 apresentados no tpico 1, ou seja, para em um ponto
k
x se
1 1
| |
k k
x x e
-
- < ou
2
| ( )|
k
f x e < .
Dependendo das propriedades de g, surgem diferentes tipos de mtodos de
ponto fxo. Finalizaremos esta aula, destacando um particular mtodo de ponto
fxo, o Mtodo de NewtoRaphso que bem conhecido e bastante utilizado.
O mtodo de Newton-Raphson um mtodo de ponto fxo em que a es- aphson um mtodo de ponto fxo em que a es- um mtodo de ponto fxo em que a es-
colha da funo de iterao feita visando acelerar a convergncia, ou seja,
tentando tornar o processo mais rpido. A condio (ii) no teorema 2 esta-
belece que | '( )| 1 g x < . Na verdade, possvel mostrar que a convergncia
ser tanto mais rpida quanto menor for o fator | '( )| g x . Portanto, para ace-
lerar a convergncia, o mtodo de Newton-Raphson escolhe g tal que '( ) 0 g x = .
Olhando para a forma geral ( ) ( ) ( ) g x x A x f x = + , a condio '( ) 0 g x = ser atin-
Figura 8: Isaac Newton
h
t
t
p
:
/
/
e
n
.
w
i
k
i
p
e
d
i
a
.
o
r
g
/
w
i
k
i
/
A
3
T
3
gida se tomarmos
1
( )
'( )
A x
f x
=- . Portanto, a funo de iterao para o mtodo de
Newton-Raphson

( )
( )
'( )
f x
g x x
f x
= - .
Verifque, como forma de exerccio, que '( ) 0 g x = (evidentemente, devemos im-
por '( ) 0 f x ).
Assim, partindo de uma aproximao inicial
0
x , a aproximao
k
x dada pela relao
1
( )
'( )
k
k k
k
f x
x x
f x
+
= - .
EXEMPLO 3:
Voltemos mais uma vez equao
2
2 3 0 x x - - = do exemplo 1. Aqui,
2
( ) 2 3 f x x x = - - , o que implica que '( ) 2 2 f x x = - . Portanto, a funo de iterao

2
2 3
( )
2 2
x x
g x x
x
- -
= -
-
e o processo iterativo dado por
2 2
1 1
2 3 3
2 2 2 2
k k k
k k k
k k
x x x
x x x
x x
+ +
- - +
= - =
- -
.
Partindo, novamente, da aproximao inicial
0
1,5 x = , obtemos
0
1,5 x = .
2
1
1,5 3
5,25
2 1,5 2
x
+
= =
-
.
2
2
5,25 3
3,5955882353
2 5,25 2
x
+
= @
-
.
2
3
3,5955882353 3
3,0683323613
2 3,5955882353 2
x
+
= @
-
.
2
4
3,0683323613 3
3,0011287624
2 3,0683323613 2
x
+
= @
-
.
2
5
3,0011287624 3
3,0000003183
2 3,0011287624 2
x
+
= @
-
.
.
Perceba que, em 5 iteraes, obtivemos uma aproximao
5
3,0000003183 x =
para a raiz 3 x = bem mais precisa que a aproximao
7
3,0010976948 x = obtida
em 7 iteraes no exemplo 2 com a funo de iterao
3
g dada por
3
3
( ) 2 g x
x
= + .
H uma interpretao geomtrica para o mtodo de Newton-Raphson. A par- aphson. A par- . A par-
tir da aproximao
k
x , a aproximao
1 k
x
+
obtida grafcamente traando-se a
reta t tangente ao grfco de f pelo ponto passando pelo ponto de abscissa
k
x . O
valor
1 k
x
+
, ento, dado pela abscissa do ponto de interseo da tangente com o
eixo das abscissas (eixo x). Isso justifca que o mtodo de Newton-Raphson seja
tambm chamado de Mtodo das Tagetes.
Conforme indicado na fgura 9, por um lado, a tangente do ngulo a que a reta t
A
3
T
3
65 Clculo Numrico
forma com o eixo x igual a '( )
k
f x e, por outro, d-se pela razo
1
( )
k
k k
f x
x x
+
-
. Assim,
1
1
( ) ( )
'( )
'( )
k k
k k k
k k k
f x f x
f x x x
x x f x
+
+
= = -
-
.
Figura 9: Interpretao geomtrica do Mtodo de Newton-Raphson.
A convergncia do mtodo de Newton-Raphson assegurada no teorema seguin- aphson assegurada no teorema seguin- assegurada no teorema seguin-
te. Sua demonstrao segue a demonstrao do teorema 2 com a especifcidade da
funo de iterao para o mtodo de Newton-Raphson e tambm pode ser encontra- aphson e tambm pode ser encontra- e tambm pode ser encontra-
da em Ruggiero e Lopes (1996, p. 69-70).
Teorema 3: Seam f , ' f e '' f cotuas em um itervalo I ue cotm a
raiz x da euao ( ) 0 f x = . Supoha ue '( ) 0 f x . Eto, existe um itervalo
I I , cotedo x , tal ue, se
0
x I , a seucia ( )
k k
x
N
gerada pelo processo
iterativo
1
( )
'( )
k
k k
k
f x
x x
f x
+
= - coverge para x .
Os critrios de parada para o mtodo de Newton-Raphson so os mesmos adotados
para os mtodos de ponto fxo de modo geral. Para fnalizar, vamos a mais um exemplo.
Determinar, usando o mtodo de Newton-Raphson, uma aproximao para o zero
de ( ) ln 1 f x x x = - , com erro inferior a
3
10
-
.
Soluo:
Temos
1
'( ) 1 ln 0 ln 1 f x x x x
x
= + - = + . Portanto, o processo iterativo dado por
1 1
ln 1 ( ) 1
'( ) ln 1 ln 1
k k k k
k k k k
k k k
x x f x x
x x x x
f x x x
+ +
- +
= - = - =
+ +
.
Precisamos obter uma aproximao inicial
0
x . Para tanto, recorremos ao mtodo
grfco. Da equivalncia
1
ln 1 0 ln x x x
x
- = = ,fazemos
1
( ) ln f x x = e
2
1
( ) f x
x
= e esboamos os
grfcos de
1
f e
2
f no mesmo sistema de coordenadas, observando seus pontos de
A
3
T
3
interseco (fgura 10). Como voc j sabe, as abscissas dos pontos de interseo das
duas curvas correspondem aos zeros de f.
Figura 10 - Grficos de
1
( ) ln f x x = e
2
1
( ) f x
x
= no intervalo (0, 5] .
Analisando a fgura 10, vemos que h um zero de f no intervalo [1, 2] e, portanto,
tomaremos
0
1,5 x = . Trabalharemos com a representao em ponto fxo e 4 (quatro)
casas decimais e usando arredondamentos, obtemos
k
k
x | ( )|
k
f x
1
| |
k k
x x
+
-
0
0
1,5000 x =
0,3918
1 1
1,5000 1 1,5000 1
1,7787
ln1,5000 1 0, 4055 1
x
+ +
= = =
+ +
0,0244 0,3674
2 2
1,7787 1 1,7787 1
1,7632
ln1,7787 1 0,5759 1
x
+ +
= = =
+ +
0,0000 0,0155
Assim, em apenas duas iteraes, obtemos uma aproximao
2
1,7632 x = que sa-
tisfaz a preciso requerida.
Nesta aula, conhecemos os principais mtodos numricos iterativos para obter
aproximaes para zeros reais de funes reais e os aplicamos para a soluo de al-
guns problemas. Vimos tambm condies para a garantia da convergncia destes
mtodos e estabelecemos critrios de parada dos processos.
Consulte as referncias que citamos ou outras da rea e acesse pginas da internet relacionadas ao tema
estudado nessa aula para complementar seus conhecimentos. Abaixo, listamos algumas pginas que
podero ajud-lo. Bons estudos!
1. http://www.profwillian.com/_diversos/download/livro_metodos.pdf
2. www.ime.usp.br/~asano/LivroNumerico/LivroNumerico.pdf
3. http://www.das.ufsc.br/~camponog/Disciplinas/DAS-5103/LN.pdf
SAIBA MAIS!
A
3
T
3
67
Aula 4
Caro(a) aluno(a),
Ol! Nesta aula, iniciaremos nossos estudos sobre o problema de resolver sistemas
lineares. Faremos uma breve introduo mostrando a importncia do problema e
apresentando alguns conceitos e a notao utilizada. Teremos ainda a oportunidade
de conhecer e trabalhar com alguns dos chamados mtodos diretos para resolver
o problema, como o mtodo de eliminao de Gauss e o mtodo da fatorao de
Cholesky.
Objetivos:
Contextualizar o problema de resolver sistemas lineares.
Caracterizar mtodos numricos diretos e iterativos para resolver o problema.
Conhecer alguns dos principais mtodos diretos.
Resoluo de sistemas lineares: mtodos diretos
INTRODUO AOS
SISTEMAS LINEARES
01
TPICO
OBJETIVOS
Conhecer o problema de resolver sistemas
lineares e a sua importncia.
Rever conceitos bsicos.
Estabelecer a notao utilizada.
V
oc j tem uma boa noo sobre o problema de resolver sistemas linea-
res. Este tema foi discutido na disciplina de Fudametos de lgebra do
segundo semestre. Nela, foram apresentados, inclusive, alguns mtodos
diretos de resoluo de sistemas lineares. Portanto, usaremos esta aula para revisitar
alguns dos mtodos que vocs j conhecem, dando-lhes um maior aprofundamento
e para introduzir outros mtodos diretos ainda no trabalhados.
O tema de sistemas lineares um dos principais objetos de estudo da lgebra
Linear e desempenha um papel fundamental na Matemtica, bem como em outras
cincias, em especial nas exatas e nas engenharias. Aplicaes de sistemas lineares a
situaes concretas ocorrem em diversas situaes, como as egeharias, a ali
se ecomica, as images de ressocia magtica, a alise de fuxo de trfego, a
previso do tempo e a formulao de decises ou de estratgias comerciais (ANTON
E BUSBY, 2006, p.59), e podem ter milhares ou at milhes de incgnitas.
Encontraremos aplicaes dos sistemas lineares em vrios problemas que so tra-
69 Clculo Numrico
A
4
T
1
tados por mtodos numricos como na interpolao polinomial, no ajuste de curvas,
na soluo de sistemas de equaes no lineares, na soluo de equaes diferenciais
parciais e no clculo de autovalores e autovetores.
Nesta aula, faremos uma breve reviso do estudo de sistemas lineares, destacan-
do as possibilidades para as solues de um sistema linear, apresentando a notao
utilizada e descrevendo alguns dos mtodos diretos para resolv-los.
Desde que um sistema de equaes lineares um conjunto de equaes lineares,
devemos relembrar que uma equao linear se cada termo contm no mais do que
uma incgnita e cada incgnita aparece na primeira potncia.
Defnio 1: Uma euao liear as icgitas
1 2
, , ...,
x x x uma euao
ue pode ser expressa a forma padro

1 1 2 2
...

a x a x a x b + + + = , (1)
em ue
1 2
, , ...,
a a a e b so costates reais. A costate

i
a chamada coefciente
da icgita
i
x e a costate b chamada costate ou termo idepedete da euao.
So, portanto, lineares as equaes
2 3 5 1 x y z - + = e
1 2 3 4 5
3 4 5 2 x x x x x - + = - + .
Observe que a segunda equao pode ser es-
crita na forma
1 2 3 4 5
3 4 2 5 x x x x x - + + - = .
Entretanto as equaes 2 3 4 x yz - = e
3
4 7 x y z + - =
no so lineares, pois, na primeira equao, o segundo
termo contm duas incgnitas e, na segunda equao, o
primeiro termo contm uma incgnita elevada ao cubo.
A seguir, formalizamos a defnio de sistema linear e
apresentamos a forma comumente utilizada para descrev-lo.
Defnio 2: Uma coleo fita de euaes lieares deomiada um sistema
de euaes lieares ou, simplesme te, um sistema liear. Um sistema liear de m
euaes a icgitas
1 2
, , ...,
x x x pode ser descrito a forma

11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2

m m m m
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =
+ + + =
+ + + =
. . . .
, (2)
em ue
i
a e
i
b so costates reais. A costate
i
a chamada coefciete da icgita
x a euao i e a costate
i
b chamada costate ou termo idepedete da euao i.
Nas equaes lineares com poucas
incgnitas (quando n igual a 2, 3
ou 4, por exemplo), costumamos
indicar as incgnitas sem ndices. As
incgnitas de uma equao linear
costumam ser chamadas tambm de
variveis. Entretanto esta terminologia
mais indicada para funes.
ATENO!
Uma soluo do sistema linear (2) uma -upla de nmeros
1 2
( , , ..., )
s s s tais que,
sendo substitudos nos lugares de
1 2
, , ...,
x x x , respectivamente, tornam cada equao

uma identidade. Ou seja, uma soluo para o sistema linear (2) um vetor
1 2
( , , ..., )
s s s ,
cujos componentes satisfazem simultaneamente a todas as equaes do sistema.
EXEMPLO 1:
1 2 3 4
1 2 3 4
2 3 1
5 2 7 8
x x x x
x x x x
- + + = -
+ + - =

Este exemplo se trata de um sistema linear de duas
equaes a quatro incgnitas. A qudrupla (2,3, 1,1) s = -
uma soluo do sistema linear (3), porque, quando subs-
titumos
1 2 3 4
2, 3, 1 e 1 x x x x = = =- = , as duas equaes
so satisfeitas. Verifque isso! J o vetor (1,2, 1,2) v = - no
uma soluo deste sistema linear, pois, apesar de satisfa-
zer a primeira equao, no satisfaz a segunda, uma vez que
1 5 2 2 ( 1) 7 2 8 + + - - = ou 5 8 - = no uma verdade.
O conjunto de todas as solues de um sistema linear
deno minado couto soluo ou soluo geral do sistema
linear. Referimos-nos ao processo de encontrar o conjunto
soluo de um sistema linear como resolver o sistema.
Quanto ao nmero de solues, voc j sabe da disciplina
de Fundamentos de lgebra que um sistema linear geral de m
equaes a incgnitas pode ter ehuma, uma ou uma ifidade de solu es, no haven-
do outras possibilidades. Um sistema linear chamado possvel quando tem pelo menos
uma soluo e impossvel quando no tem soluo. Assim, um sistema linear possvel tem
ou uma soluo ou uma infnidade de solues, no havendo outras possibilidades. Quan-
do tem uma nica soluo, dizemos ainda que o sistema possvel determiado. Quando
tem uma infnidade de solues, dizemos tambm que o sistema possvel idetermiado.
A fgura 1 ilustra todas as possibilidades para o nmero de solues de um sistema linear.
Figura 1: Classificao de um sistema linear quanto ao nmero de solues
A determinao do conjunto
soluo dos sistemas lineares
um tema de estudo relevante
dentro da Matemtica Aplicada e,
particularmente, em muitos tpicos
de Engenharia. A complexidade
de muitos sistemas, com elevado
nmero de equaes e de incgnitas,
requer, muitas vezes, o auxlio de
um computador para resolv-los.
Existem diversos algoritmos que
permitem encontrar, caso existam,
solues de um sistema, recorrendo
eventualmente a mtodos numricos
de aproximao.
VOC SABIA?
A
4
T
1
71 Clculo Numrico
Recorrendo notao matricial, o sistema linear (2)
acima equivalente equao matricial
11 12 1 1 1
21 22 2 2 2
1 2
n
n
m m mn n m
a a a x b
a a a x b
a a a x b

=

(3)
ou, simplesmente, AX B = , em que
11 12 1
21 22 2
1 2
n
n
m m mn
a a a
a a a
A
a a a

=

,
1
2
n
x
x
X
x

=

e
1
2
m
b
b
B
b

=

.
A matriz [ ]
ij
A a = a matriz dos coefcietes das icg
itas, tambm chamada matriz do sistema; [ ]
j
X x = a
matriz (vetor) das icgitas e [ ]
i
B b = a matriz (vetor)
das costates ou matriz (vetor) dos termos idepedetes.
A afirmao de equivalncia significa que toda so-
luo do sistema linear (2) tambm soluo da equa-
o matricial (3) e vice-versa.
Outra matriz associada ao sistema linear a matriz
11 12 1 1
21 22 2 2
1 2
n
n
m m mn m
a a a b
a a a b
a a a b

,
chamada matriz aumetada do sistema ou matriz completa do sistema. Ela a matriz A
do sistema linear aumentada de uma coluna correspondente ao vetor B das constantes.
EXEMPLO 2:
O sistema linear de duas equaes a trs incgnitas
2 3 4 8
2 5 10
x y z
x y z
+ =
+ =
pode ser escrito como
2 3 4 8
1 2 5 10
x
y
z

=

.
A matriz aumentada do sistema
Os termos consistente e compatvel
tambm so usados para nos referirmos
a um sistema linear possvel. Um sistema
linear impossvel tambm chamado
de inconsistente ou incompatvel.
medida que aumenta o nmero de
equaes e de incgnitas dos sistemas
lineares, a complexidade da lgebra
envolvida na obteno de solues
tambm aumenta. Entretanto os
clculos necessrios podem ficar
mais tratveis pela simplificao da
notao e pela padronizao dos
procedimentos. Desse modo, ao
estudar sistemas de equaes lineares,
, em geral, mais simples utilizar a
linguagem e a teoria das matrizes.
ATENO!
GUARDE BEM ISSO!
A
4
T
1
2 3 4 8
1 2 5 10

.
Consideraremos apenas os sistemas lineares em que o nmero de equaes seja igual ao
nmero de incgnitas, ou seja, em que m = e nos referiremos a eles como um sistema
linear de ordem . Tais sistemas aparecem com frequncia em aplicaes de diversas reas.
Antes de descrevermos detalhadamente alguns dos mtodos de soluo de siste-
mas lineares, devemos deixar claro que eles so divididos em dois grupos (RUGGIE-
RO e LOPES, 1996):
Mtodos diretos: tambm chamados mtodos exatos, so aqueles que, a menos
de erros de arredondamento, fornecem uma soluo exata (caso uma exista)
em um nmero fnito de operaes aritmticas.
Mtodos iterativos: so aqueles que, partindo de uma aproximao inicial, ge-
ram uma sequncia de aproximaes da soluo exata que, sob certas condi-
es, converge para uma soluo exata (caso uma exista).
Nessa aula, abordaremos apenas mtodos diretos. Estudaremos mtodos iterati-
vos na aula seguinte.
Nosso objetivo ser o de estudar mtodos numricos para resolver sistemas li-
neares de ordem , que tenham soluo nica. Vale destacar que para esses siste-
mas a matriz A dos coefcientes no singular, ou seja, tal que det( ) 0 A . Mais
ainda, nesses casos, a matriz A invertvel, ou seja, existe a matriz
1
A
-
tal que
1 1
AA A A I
- -
= = . Portanto, temos
1
AX B X A B
-
= =
e, ento,
1
A B
-
a soluo do sistema linear.
Desse modo, o problema estaria resolvido por um mtodo direto. Na prtica,
necessitaramos apenas de calcular a inversa
1
A
-
e, em seguida, efetuar o produto
1
A B
-
. Entretanto, computacionalmente, a tarefa de determinar a inversa de uma
matriz no das mais fceis.
Alm da soluo por inverso da matriz dos coefcientes, outro mtodo direto a
regra de Cramer, comumente utilizada no ensino mdio para a resoluo de um siste-
ma linear de ordem . Esse mtodo envolve o clculo de 1 + determinantes de ma-
trizes de ordem , demandando tambm um enorme esforo computacional, espe-
cialmente para sistemas lineares de porte maior. Para se ter uma ideia da inefcincia
da Regra de Cramer frente ao mtodo do escalonamento (mtodo que estudaremos a
seguir), Lima et al. (2001, p. 289) apresenta a seguinte comparao
[...] imaginemos um computador (um tanto ultrapassado) capaz de efetuar
um milho de multiplicaes ou divises por segundo. Para resolver um
A
4
T
1
73 Clculo Numrico
sistema de 15 equaes lineares com 15 incgnitas, usando a Regra de Cra-
mer, tal computador demoraria 1 ano, 1 ms e 16 dias. O mesmo computa-
dor, usando o mtodo de escalonamento (que bem elementar e no requer
determinantes) levaria
1
2
2
milsimos de segundo para resolver dito siste-
ma. Se tivssemos um sistema 20 20 , a Regra de Cramer requereria 2 mi-
lhes, 745 mil e 140 anos para obter a soluo! O mtodo de escalonamento
usaria apenas 6 milsimos de segundo para resolver o sistema.
Nos dias de hoje, a Regra de Cramer deve ser tratada como um fato terico in-
teressante, til em algumas situaes. Entretanto, pelas desvantagens e limitaes
que apontamos, no pode ser considerada uma tcnica computacional efciente para
resolver sistemas lineares. Desse modo, precisamos buscar mtodos mais efcientes
para resolv-los. o que faremos no prximo tpico.
A
4
T
1
MTODO DE
ELIMINAO DE GAUSS
02
TPICO
OBJETIVOS
Resolver sistemas lineares triangulares.
Compreender o funcionamento do mtodo de
eliminao de Gauss.
Usar estratgias de pivoteamento.
M
esmo quando se trata de sistemas lineares pequenos e, es-
pecialmente, quando o nmero de equaes e/ou incgni-
tas cresce, o excesso de trabalho (clculos) que se apresenta
justifca a utilizao de alguma tcnica que sistematize e simplifque seu
processo de resoluo. Uma tcnica muito utilizada e bastante efciente e
conveniente o mtodo de elimiao de Gauss ou mtodo de elimiao
gaussiaa, tambm conhecido como mtodo do escaloameto, que apre-
sentaremos neste tpico. Esta tcnica se baseia em combinaes lineares
das equaes do sistema.
Para se ter uma ideia da importncia do mtodo de eliminao de
Gauss, inclusive para a Educao Bsica, destacamos o que dizem a esse respeito as
orientaes curriculares para o Ensino Mdio:
A resoluo de sistemas 2 3 ou 3 3 tambm deve ser feita via operaes
elementares (o processo de escalonamento), com discusso das diferentes si-
Figura 2: Carl Friedrich Gauss
75 Clculo Numrico
A
4
T
2
tuaes (sistemas com uma nica soluo, com infnitas solues e sem so-
luo). Quanto resoluo de sistemas de equao 3 3 , a regra de Cramer
deve ser abandonada, pois um procedimento custoso (no geral, apresenta-
do sem demonstrao, e, portanto de pouco signifcado para o aluno), que
s permite resolver os sistemas quadrados com soluo nica. Dessa forma,
fca tambm dispensado o estudo de determinantes. (BRASIL, 2006, p. 78).
De um modo simplifcado, uma forma de resolver um sistema linear substituir o
sistema inicial por outro equivalente (que tenha o mesmo conjunto soluo) ao pri-
meiro, porm que seja mais fcil de resolver.
O mtodo de eliminao de Gauss aplicado a um sistema linear de ordem con-
siste em transformar o sistema original em um sistema equivalente com matriz dos
coefcientes triangular superior. O mtodo de Gauss se baseia no fato de um sistema
linear de ordem triangularizado

11 1 12 2 1 1
22 2 2 2

n n
n n
nn n n
a x a x a x b
a x a x b
a x b
+ + + =
+ + =
=

, (4)
ou seja, um sistema AX = B cuja matriz dos coefcientes triangular superior e tal
que os elementos da diagonal so no nulos ( 0
ii
a , 1, 2, ..., i = ) ter soluo obti-
da facilmente por retrossubstituio (substituio de trs para frente) dos valores das
incgnitas encontrados a partir da ltima equao na equao anterior.
De fato, da ltima equao do sistema (4), temos que
b
x
a
= . Substituindo o va-
lor de
x na penltima equao, obtemos

1 1,
1
1, 1

b a x
x
a
- -
-
- -
-
= . Prosseguindo desse
modo, obtemos, sucessivamente,
2
x
-
,
3
x
-
, ...,
2
x e, fnalmente,
1
x que dado por
1 12 2 13 3 1
1
11

b a x a x a x
x
a
- - - -
=
.
. De uma forma mais resumida,
i
x dado por
1
1
( )
i i ik k
k i ii
x b a x
a
= +
= -

, , 1, ..., 1 i = - .
EXEMPLO 3:
O sistema linear
2 4 11
5 2
3 9
x y z
y z
z
+ - =
+ =
= -
triangular. Podemos resolv-lo por retrossubstituio:
A
4
T
2
i. A ltima equao d 3 z =- .
ii. Levando o valor de z na segunda equao, obtemos 5 ( 3) 2 y + - = , ou
5 5 y = , ou 1 y = .
iii. Levando os valores de z e de y na primeira equao, obtemos
2 4 (1) ( 3) 11 x + - - = , ou 2 4 3 11 x + + = , ou 2 4 x = , ou 2 x = .
Portanto, o vetor (2,1, 3) s = - a soluo nica do sistema.
Uma forma de obter um sistema equivalente a um sistema dado aplicar sucessi-
vamente uma srie de operaes (que no alterem a soluo do sistema) sobre as su-
as equaes. Desse modo, uma sucesso de sistemas cada vez mais simples pode ser
obtida eliminando incgnitas de maneira sistemtica usando trs tipos de operaes:
1. Trocar duas equaes de posio.
2. Multiplicar uma equao por uma constante no-nula.
3. Somar a uma equao outra equao multiplicada por uma constante.
Tais operaes so chamadas operaes elemetares com as equaes de um siste-
ma linear e, formalmente, temos o seguinte teorema:
Teorema 1: Sea um sistema S de euaes lieares, obtido de outro sistema S
de euaes lieares por uma seucia fita de operaes elemetares. Eto S e
S tm o mesmo couto soluo.
A prova deste teorema pode ser vista em Lipschutz (1994, p. 49) ou nos outros livros
de lgebra Linear citados em nossas referncias. As ideias centrais por trs da prova so
Se x soluo de um sistema linear, ento x tambm soluo do sistema li-
near obtido aplicando-se uma operao elementar sobre suas equaes.
Se o sistema S, obtido de S aplicando-se uma operao elementar s suas equa-
es, ento o sistema S tambm pode ser obtido de S aplicando-se uma operao
elementar s suas equaes, pois cada operao elementar possui uma operao
elementar inversa do mesmo tipo, que desfaz o que a anterior fez.
Usaremos a seguinte notao para as trs operaes elementares com as equaes
de um sistema linear com equaes
1 2
, , ...,
m
E E E :
1.
i
E E signifca trocar as equaes i e .

2.

i i
E kE signifca multiplicar a equao i pela constante k.

3.

i i
E E kE + signifca somar k vezes a equao i equao.
J vimos como fcil resolver um sistema linear triangular. Para completar o pro-
cesso todo do mtodo de eliminao de Gauss, resta-nos apresentar o algoritmo para
reduzir ou transformar um sistema linear de ordem para um sistema triangu-
lar equivalente. Chamaremos esse algoritmo de algoritmo da reduo.
77 Clculo Numrico
ALGORITMO DA REDUO:
Passo 1: Seja 1 k = .
Passo 2: Permute a primeira equao com outra, se necessrio, de modo que a in-
cgnita
k
x aparea como a primeira incgnita com coefciente diferente de zero
na primeira equao.
Passo 3: Some mltiplos convenientes da primeira equao a cada uma das equa-
es seguintes de modo a ter todos os coefcientes da incgnita
k
x abaixo da pri-
meira equao iguais a zero.
Passo 4: Se 1 k = - , pare. Se no, oculte a primeira equao, faa 1 k k = + e
repita todos os passos, a partir do passo 2, ao sistema linear que restou.
Na etapa do processo, o passo 3 consiste em eliminar
a incgnita
k
x de todas as equaes ainda envolvidas no
processo, exceto da primeira. Para isso, devem-se somar
mltiplos convenientes da primeira equao a cada uma
das equaes seguintes. Se no Passo 3 a o coefciente
de
k
x na primeira equao envolvida no processo e b
o coefciente de
k
x em uma equao l seguinte, ento o
mltiplo conveniente
b
a
- . Nesse caso, dizemos que a
o piv da etapa k e que o nmero
b
a
, denotado por
lk
m
o multiplicador da equao l na etapa k.
EXEMPLO 4:
Vamos aplicar o algoritmo da reduo ao sistema linear
2 2 10
4 2 3
11
5 3 25
2
x y z
x y z
x y z
+ - =
- + + = -
+ - =
Etapa 1 ( 1 k = ):
Aqui, x j a primeira incgnita com coefciente diferente de zero da pri-
meira equao. O piv da etapa 1
11
2 a = . Os multiplicadores da etapa 1 so
21
21
11
4
2
2
a
m
a
-
= = =- , multiplicador da equao 2, e
31
31
11
5
2
a
m
a
= = , multiplicador
da equao 3. Vamos agora eliminar a incgnita x da segunda e terceira equaes. Pa-
ra isso, vamos somar
21
2 m - = vezes a primeira equao segunda equao e somar
31
5
2
m - =- vezes a primeira equao terceira equao para obter
2 2 10
4 3 17
3 2 0
x y z
y z
y z
+ - =
- =
+ =
Uma vez que estamos interessados
apenas em sistemas lineares de
ordem n que tenha soluo nica,
possvel mostrar que o piv em cada
etapa ser no-nulo.
VOC SABIA?
A
4
T
2
Uma vez que esse sistema ainda no triangular, ocultaremos a primeira equao
e repetiremos o procedimento considerando apenas as duas ltimas equaes.
Etapa 2 ( 2 k = ):
Aqui, y j a primeira incgnita com coefciente di-
ferente de zero da primeira equao restante. O piv da
etapa 2
22
4 a = . A etapa 2 tem apenas um multiplicador:
32
32
22
3
4
a
m
a
= = , multiplicador da equao 3. Vamos agora
eliminar a incgnita y da terceira equao. Para isso, va-
mos somar
32
3
4
m - =- vezes a primeira equao tercei-
ra equao para obter
2 2 10
4 3 17
17 51
4 4
x y z
y z
z
+ - =
- =
= -
Este ltimo sistema linear triangular. Resolvendo-o
por retrossubstituio, temos 3 z =- , 2 y = e 1 x = . Por-
tanto, a nica soluo do sistema linear original o vetor
(1,2, 3) s = - .
Conforme vimos, o mtodo de eliminao de Gauss requer o clculo dos multi-
plicadores em cada etapa, ou seja, na etapa k, dos nmeros
lk
lk
kk
a
m
a
= , multiplicador
da equao l na etapa k, com
kk
a e
lk
a sendo os coefcientes de
k
x nas equaes k
e l. J sabemos que o piv em cada etapa ser no-nulo. Mas, o que ocorrer se ti-
vermos um piv prximo de zero? De acordo com Ruggiero e Lopes (1996, p. 127),
... trabalhar com um piv prximo de zero pode conduzir a resultados to-
talmente imprecisos. Isto porque em qualquer calculadora ou computador
os clculos so efetuados com aritmtica de preciso fnita, e pivs prxi-
mos de zero do origem a multiplicadores bem maiores que a unidade que,
por sua vez, origina uma ampliao dos erros de arredondamento.
O uso de estratgias de pivoteamento, ou seja, de processos para a escolha da li-
nha e/ou coluna do piv, indicado para evitar (ou pelo menos minimizar) este tipo
de problema. As estratgias de pivoteamento podem ser de
Pivoteameto parcial: o piv para a etapa k escolhido como o elemento de
maior mdulo entre os coefcientes
lk
a , , 1, ..., l k k = + (coefcientes da in-
cgnita
k
x nas equaes ainda restantes no processo), ou seja, o piv ser o
elemento
rk
a tal que
| | max{| |: , 1, ..., }
rk lk
a a l k k = = + .
Alternativamente, temos ainda um
mtodo de eliminao que evita a etapa
de retrossubstituio. Esse mtodo,
denominado mtodo de eliminao
de Gauss-Jordan, consiste em uma
modificao do mtodo de eliminao
de Gauss e exige que o sistema seja
transformado para um sistema linear em
uma forma denominada escalonada
reduzida. No caso de o sistema original
ser de ordem n e ter soluo nica, o
sistema obtido ser triangular superior
com a matriz dos coeficientes tendo
diagonal unitria.
ATENO!
A
4
T
2
79 Clculo Numrico
Se r k , trocam-se as linhas k e r.
Pivoteameto total: o piv para a etapa k escolhido como o elemento de maior m-
dulo entre os coefcientes
i
a , tais que , 1, ..., i k k = + e , 1, ..., k k = + (co-
efcientes ainda restantes no processo), ou seja, o piv ser o elemento
rs
a tal que
| | max{| |: , 1, ..., e , 1, ..., }
rs i
a a i k k k k = = + = + .
Se necessrio, so feitas trocas de linhas e/ou colunas de modo que o piv pas-
se a ser o elemento
kk
a .
O exemplo seguinte, adaptado de Ruggiero e Lopes (1996, p. 129-131), mostra a
importncia do uso de estratgias de pivoteamento. Ele servir tambm para ilustrar
possveis erros de arredondamento causados pelo nmero limitado de algarismos sig-
nifcativos. Lembramos que os arredondamentos devem ser feitos aps cada operao.
Resolver pelo mtodo de eliminao de Gauss e pelo mtodo de eliminao de
Gauss com estratgia de pivoteamento parcial o sistema linear abaixo. Usar represen-
tao em ponto futuante com 4 algarismos signifcativos
1 2
1 2
0,0002 2 5
2 2 6
x x
x x
+ =
+ =
Soluo:
Vamos resolver inicialmente pelo mtodo de eliminao de Gauss sem adotar
qualquer estratgia de pivoteamento.
Etapa 1 ( 1 k = ):
Piv:
3
11
0,2000 10 a
-
= .
Multiplicadores:
1
4 5 21
21
3
11
0,2000 10
1,000 10 0,1000 10
0,2000 10
a
m
a
-
= = = =
.
Vamos agora eliminar a incgnita x da segunda. Para isso, vamos somar
5
21
0,1000 10 m - =- vezes a primeira equao segunda. Temos
1 5 1
22 22 21 12
1 5 5
0,2000 10 (0,1000 10 ) (0,2000 10 )
0,2000 10 0,2000 10 0,2000 10
a a m a = - = -
= - =-
1 5 1
2 2 21 1
1 5 5
0,6000 10 (0,1000 10 ) (0,5000 10 )
0,6000 10 0,5000 10 0,5000 10
b b m b = - = -
= - =-
O sistema obtido ento,
3 1 1
1 2
5 5
2
0,2000 10 0,2000 10 0,5000 10
0,2000 10 0,5000 10
x x
x
-
+ =
- = -
,
que triangular. Resolvendo-o por retrossubstituio, obtemos
5
0 1
2
5
0,5000 10
2,500 10 0,2500 10
0,2000 10
x
-
= = =
-
A
4
T
2
e
3 1 1 1
1
0,2000 10 0,2000 10 0,2500 10 0,5000 10 x
-
+ =
3 2 1
1
0,2000 10 0,0500 10 0,5000 10 x
-
+ =
1 1 1
4
1
3 3
0,5000 10 0,5000 10 0,0000 10
0,0000 10
0,2000 10 0,2000 10
x
- -
-
= = =

.
Portanto,
4 1
(0,0000 10 ; 0,2500 10 ) (0; 2,5) x = = . Entretanto fcil verifcar
que x no satisfaz a segunda equao, pois
2 0 2 2,5 5 6 + = .
Agora vamos resolver novamente pelo mtodo de eliminao de Gauss, mas, des-
ta vez, adotaremos a estratgia de pivoteamento parcial.
Etapa 1 ( 1 k = ):
1
1 21
max{| |: 1, 2} |0,2000 10 | | |
l
a l a = = = Piv:
1
21
0,2000 10 a = .
Logo, devemos trocar as equaes 1 e 2. Obtemos assim o sistema
1 1 1
1 2
3 1 1
1 2
0,2000 10 0,2000 10 0,6000 10
0,2000 10 0,2000 10 0,5000 10
x x
x x
-
+ =
+ =
,
para o qual temos
Piv:
1
11
0,2000 10 a = .
Multiplicadores:
3
4 3 21
21
1
11
0,2000 10
1,000 10 0,1000 10
0,2000 10
a
m
a
-
- -
= = = =
.
Vamos agora eliminar a incgnita x da segunda. Para isso, vamos somar
3
21
0,1000 10 m
-
- =- vezes a primeira equao segunda. Encontramos
1 3 1
22 22 21 12
1 3 1
0,2000 10 (0,1000 10 ) (0,2000 10 )
0,2000 10 0,2000 10 0,2000 10
a a m a
-
-
= - = -
= - =
1 3 1
2 2 21 1
1 3 1
0,5000 10 (0,1000 10 ) (0,6000 10 )
0,5000 10 0,6000 10 0,5000 10
b b m b
-
-
= - = -
= - =
O sistema obtido ento
1 1 1
1 2
1 1
2
0,2000 10 0,2000 10 0,6000 10
0,2000 10 0,5000 10
x x
x
+ =
=
que triangular. Resolvendo-o por retrossubstituio, temos
1
0 1
2
1
0,5000 10
2,500 10 0,2500 10
0,2000 10
x

= = =
e
1 1 1 1
1
0,2000 10 0,2000 10 0,2500 10 0,6000 10 x + =
1 2 1
1
0,2000 10 0,0500 10 0,6000 10 x + =
1 1 1
0
1
1 1
0,6000 10 0,5000 10 0,1000 10
0,5000 10
0,2000 10 0,2000 10
x
-
= = =

.
Assim,
0 1
(0,5000 10 ; 0,2500 10 ) (0,5; 2,5) x = = . Podemos verifcar que x sa-
tisfaz cada uma das equaes do sistema. De fato,
3 0 1 1
3 1 1
(0,2000 10 ) (0,5000 10 ) (0,2000 10 ) (0,2500 10 )
0,1000 10 0,5000 10 0,5000 10 5
-
-
+ =
+ = =
A
4
T
2
81 Clculo Numrico
e
1 0 1 1
1 1 1
(0,2000 10 ) (0,5000 10 ) (0,2000 10 ) (0,2500 10 )
0,1000 10 0,5000 10 0,6000 10 6
+ =
+ = =

Neste tpico, revimos o mtodo de eliminao de Gauss para resolver sistemas
lineares. Vimos tambm que o uso de estratgias de pivoteamento importante para
a reduo dos possveis erros de arredondamentos. No prximo tpico, apresentare-
mos mais um mtodo que pertence categoria dos mtodos diretos.
A
4
T
2
E
m certas situaes, necessitamos resolver vrios
sistemas lineares que tm a mesma matriz dos co-
efcientes. Nesses casos, as chamadas tcicas de
fatorao ou de decomposio da matriz dos coefcientes se
tornam bastante adequadas e efcientes. Dentre essas tc-
nicas, merece destaque a da fatorao LU, bastante utili-
zada. Dela deriva o mtodo de fatorao de Cholesky que
abordaremos neste tpico.
Conforme visto em Ruggiero e Lopes (1996, p. 132), a
tcnica de fatorao para resolver um sistema linear co
siste em decompor a matriz A dos coefcietes em um pro
duto de dois ou mais fatores e, em seguida, resolver uma
MTODO DE
FATORAO DE CHOLESKY
03
TPICO
OBJETIVOS
Compreender o funcionamento dos mtodos de
fatorao.
Conceituar matrizes definidas positivas.
Conhecer o mtodo de fatorao de Cholesky.
A fatorao LU ou decomposio LU
das tcnicas mais usadas para resolver
sistemas de equaes lineares. Ela
consiste em decompor a matriz A
dos coeficientes do sistema em um
produto de duas matrizes L e U, em
que L uma matriz triangular inferior
(lower) com diagonal unitria e U
uma matriz triangular superior (upper).
SAIBA MAIS!
83 Clculo Numrico
A
4
T
3
seucia de sistemas lieares ue os coduzir soluo do sistema liear origial.
Desse modo, se a matriz A de um sistema linear Ax b = puder ser fatorada como
A MN = , teremos que o sistema poder ser escrito como
( ) MN x b = .
Fazendo y Nx = , o problema de resolver Ax b = torna-se equivalente a resolver
o sistema linear My b = e, em seguida, o sistema linear Nx y = .
Evidentemente, desejvel que, feita a fatorao da matriz A, os sistemas lineares
a serem resolvidos sejam de fcil resoluo. Ademais, como deixamos transparecer aci-
ma, a vantagem dos mtodos de fatorao a de que, uma vez fatorada a matriz A, fca
fcil resolver qualquer sistema linear que tenha A como matriz dos coefcientes, ou
seja, se o vetor b for alterado, a resoluo do novo sistema linear torna-se bem simples.
O mtodo de fatorao de Cholesky um mtodo direto que se aplica a certos
sistemas lineares particulares, aqueles cuja matriz dos coefcientes simtrica e def
ida positiva. Boa parte dos problemas que envolvem sistemas de equaes lineares
nas cincias e engenharias tm a matriz de coefcientes simtrica e defnida positiva.
Voc j conhece o conceito de matriz simtrica visto na disciplina de Fundamen-
tos de lgebra. Vamos relembr-lo com a defnio 3 seguinte. Na defnio 4, dare-
mos o signifcado de matriz defnida positiva.
Defnio 3: Chamase matriz simtrica toda matriz uadrada A tal ue
T
A A = , ou sea, ue igual sua trasposta. Simbolicamete, uma matriz ua
drada de ordem , [ ]
i
A a = , simtrica se, e somete se,
, {1, 2, ..., } e {1, 2, ..., }
i i
a a i = " " .
Defnio 4: Uma matriz uadrada A de ordem defida positiva se, e so
mete se,
0, , 0
T
x Ax x x > " R .
Um sistema linear Ax b = em que a matriz dos coef-
cientes simtrica e defnida positiva pode ter a matriz A
decomposta como
T
A MM = ,
na qual M uma matriz triangular inferior de ordem com
elementos da diagonal estritamente positivos. Tal fatorao
conhecida como fatorao de Cholesky e a matriz M cha-
mada fator de Cholesky da matriz A. A existncia e unicida-
de do fator de Cholesky garantida no teorema seguinte.
Uma vez que estamos interessados
apenas em sistemas lineares de
ordem n que tenha soluo nica,
possvel mostrar que o piv em cada
etapa ser no-nulo.
GUARDE BEM ISSO!
Teorema 2: Se A for uma matriz uadrada de ordem defida positiva,
eto existe uma ica matriz triagular iferior M de ordem com elemetos
da diagoal positivos tal ue
T
A MM = .
A obteno do fator M pode ser feita construtivamente a partir da equao matri-
cial
T
A MM = . Uma vez que [ ]
i
A a = [ ]
i
M m = triangular inferior, essa equa-
o pode ser escrita como
11 21 1 11 11 21 1
21 22 2 21 22 22 2
1 2 1 2
0 0
0 0
0 0

a a a m m m m
a a a m m m m
a a a m m m m

=

. . . . . . . . .

.
Comparando os elementos, temos
11 11 11
21 21 11 22 21 21 22 22
1 1 11 2 1 21 2 22 1 1 2 2
,
,
,

a m m
a m m a m m m m
a m m a m m m m a m m m m m m
=
= = +
= = + = + + +
. .

.
Rearranjado as equaes acima, obtemos
1
2
1
k
k
m a m
-
=
= -
1
1
i ik k
k
i
a m m
m
m
-
=
-
=
, para i > .
Obtido o fator M, a soluo do sistema linear original
Ax b = vem da resoluo de dois sistemas lineares trian-
gulares. De fato, desde que
T
A MM = , temos
( )
T
T
My b
Ax b MM x b
M x y
=
= =
,
ou seja, devemos resolver dois sistemas lineares:
My b = : triangular inferior
T
M x y = : triangular superior
Voc pode estar achando complexo trabalhar com todos esses smbolos e ndices.
Ento, vamos a um exemplo.
Resolva pelo mtodo de fatorao de Cholesky o sistema linear abaixo.
1 2 3
1 2 3
1 2 3
4 2 14 6
2 17 5 9
14 5 83 55
x x x
x x x
x x x
+ + = -
+ - =
- + = -
Quando decompostas, as matrizes
definidas positivas apresentam uma
grande estabilidade numrica. O
mtodo de Cholesky aplicado a uma
matriz simtrica e definida positiva
no necessita de estratgias de
pivoteamento (troca de linhas e/ou
colunas) para manter a estabilidade
numrica, o que no acontece com
matrizes indefinidas.
GUARDE BEM ISSO!
A
4
T
3
85 Clculo Numrico
Soluo:
Devemos encontrar os coefcientes
i
m tais que
11 11 21 31
21 22 22 32
31 32 33 33
4 2 14 0 0
2 17 5 0 0
14 5 83 0 0
T
A M
M
m m m m
m m m m
m m m m

- =

-

.
Dessa equao matricial, igualando coluna a coluna, obtemos
Da coluna 1:
2
11 11
4 4 2 m m = = =
21 11 21
11
2 2
2 1
2
m m m
m
= = = =
31 11 31
11
14 14
14 7
2
m m m
m
= = = = .
Da coluna 2:
2 2 2 2
21 22 22 21
17 17 17 1 16 4 m m m m = + = - = - = =
31 21
31 21 32 22 32
22
5 5 7 1 12
5 3
4 4
m m
m m m m m
m
- - - - -
- = + = = = =- .
Da coluna 3:
2 2 2 2 2 2 2
31 32 33 33 31 32
83 83 83 7 ( 3) 25 5 m m m m m m = + + = - - = - - - = =
Logo,
2 0 0
1 4 0
7 3 5
M

-

e
2 1 7
0 4 3
0 0 5
T
M

= -

.
Vamos agora resolver os sistemas lineares My b = e
T
M x y = . O sistema My b =
1
1 2
1 2 3
2 6
1 4 9
7 3 5 55
y
y y
y y y
= -
+ =
- + = -
,
cuja soluo o vetor ( 3, 3, 5) y = - - . Assim, o sistema
T
M x y =
1 2 3
2 3
3
2 1 7 3
4 3 3
5 5
x x x
x x
x
+ + = -
- =
= -
,
cuja soluo o vetor (2, 0, 1) x = - .
Nesta aula, revimos o mtodo de eliminao de Gauss, aplicando-o para a resolu-
o de sistemas lineares de ordem e, visando minimizar os possveis erros de arre-
dondamentos, utilizamos tcnicas de pivoteamento. Conhecemos ainda o mtodo de
fatorao de Cholesky que se aplica para o caso de o sistema ter matriz dos coefcien-
tes simtrica e defnida positiva. Na prxima aula, estudaremos alguns dos mtodos
para o problema de resolver sistemas lineares.
A
4
T
3
Voc pode complementar seus estudos examinando outros mtodos diretos para resolver sistemas
lineares, como o mtodo de fatorao LU. Para isso, consulte as referncias que citamos ou outras da
rea e acesse pginas da internet relacionadas ao tema. Abaixo, listamos algumas pginas que podero
ajud-lo. Bons estudos!
http://www.das.ufsc.br/~camponog/Disciplinas/DAS-5103/LN.pdf
http://dspace.lcc.ufmg.br/dspace/bitstream/1843/SLBS-6GVEVL/1/fernandacristinacarmo.pdf
http://www-di.inf.puc-rio.br/~tcosta/cap2.htm
http://www.inf.pucrs.br/~dalcidio/disciplinas/metodos_computacionais/selas.pdf
SAIBA MAIS!
A
4
T
3
87
Aula 5
Ol, nesta aula, daremos continuidade aos nossos estudos sobre o problema de
resolver sistemas lineares. Desta vez, abordaremos mtodos iterativos para resolver
o problema e enfocaremos o mtodo de Gauss-Jacobi e o mtodo de Gauss-Seidel.
Objetivos:
Entender o funcionamento de mtodos numricos iterativos para o problema.
Calcular aproximaes para a soluo de sistemas lineares.
Estudar a convergncia dos mtodos apresentados.
Conhecer critrios de parada dos algoritmos.
Resoluo de sistemas lineares: Mtodos iterativos
MTODOS ITERATIVOS PARA
RESOLUO DE SISTEMAS LINEARES:
FUNCIONAMENTO E CRITRIOS DE PARADA
01
TPICO
OBJETIVOS
para resoluo de sistemas lineares.
Apresentar fluxograma de funcionamento dos
mtodos iterativos.
Estabelecer critrios de parada.
N
este tpico, conheceremos, em linhas gerais, o funcionamento dos m-
todos iterativos para resolver sistemas de equaes lineares. Compreen-
deremos que a ideia central por trs dos mtodos que abordaremos ge-
neralizar os mtodos de ponto fxo para o clculo de zeros de funes estudados na
aula 3. Apresentaremos ainda os principais critrios de parada para estes processos.
Na aula anterior, apresentamos o problema de resolver sistemas lineares e vimos
sua importncia para a Matemtica e para outras reas, especialmente para as Cin-
cias Exatas e Engenharias. Nela, voc conheceu alguns dos principais mtodos dire-
tos para resolver o problema, merecendo destaque o mtodo de eliminao de Gauss.
Alm dos mtodos exatos para resolver sistemas lineares, existem os mtodos ite
rativos e, em certos casos, tais mtodos so melhores do que os exatos. o caso, por
exemplo, quando o sistema linear de grade porte e/ou quando a matriz dos coef-
cientes do sistema uma matriz esparsa.
89 Clculo Numrico
Um sistema de equaes lineares
de grande porte se constitudo de
um grande nmero de equaes e/
ou incgnitas, ou seja, tem ordem
elevada. Uma matriz dita esparsa
quando tem a maioria de seus
elementos iguais a zero, ou seja,
quando possui relativamente poucos
elementos no nulos. Muitos sistemas
lineares que surgem de problemas
reais so de ordem elevada e
possuem matrizes esparsas.
Relembre que dois sistemas
lineares so equivalentes se tm
as mesmas solues.
VOC SABIA?
GUARDE BEM ISSO!
A
5
T
1
Relembre que um mtodo numrico iterativo
quando fornece uma sequncia de aproximaes
k
x pa-
ra a soluo x , utilizando aproximaes anteriores pa-
ra calcular as novas aproximaes. Em geral, o processo
para obter cada nova aproximao sempre o mesmo e,
por esse motivo, dizemos que o mtodo numrico itera-
tivo estaciorio. sempre desejvel que, sob certas
condies, a sequncia construda convirja para a solu-
o exata. Nesse caso, em um nmero fnito de repeti-
es do procedimento, possvel obter uma aproxima-
o que satisfaa uma preciso prefxada.
Como no caso dos mtodos diretos, vamos conside-
rar sistemas lineares de ordem que tenham soluo
nica, ou seja, sistemas lineares do tipo Ax b = , em
que A uma matriz quadrada de ordem , x e b so ve-
tores do R
e tal que det( ) 0 A .

Seguindo a ideia dos mtodos de ponto fxo para determinar aproximaes para
os zeros de funes, a fm de determinar uma aproximao para a soluo de um sis-
tema linear por mtodos iterativos, transformamos o sistema linear original em outro
sistema linear. Nesse novo sistema linear, defnimos um processo iterativo. Ser ne-
cessrio que a soluo obtida para o sistema transformado seja tambm a soluo do
sistema original, ou seja, que os sistemas lineares sejam equivalentes.
Como vantagens dos mtodos iterativos em relao aos mtodos diretos, podemos
dizer que eles
So mais efcientes para sistemas lineares de grande porte e/ou quando a ma-
triz dos coefcientes do sistema uma matriz esparsa.
Ocupam menos memria.
So mais simples de serem implementados no computador.
Esto menos sujeitos ao acmulo de erros de arredondamento.
Podem se autocorrigir, caso um erro seja cometido.
Podem, sob certas condies, ser aplicados para re-
solver sistemas no lineares.
As restritivas condies de convergncia aparecem
como uma das principais desvantagens dos mtodos
iterativos. Eles no podem ser aplicados para a reso-
luo de todo sistema linear.
Portanto, o sistema Ax b = transformado em um sistema equivalente do tipo
x Cx d = + ,
em que C uma matriz quadrada de ordem , x e d so vetores do R
. Um exemplo de siste-
ma transformado seria aquele do tipo x Cx d = + , tal que = - C I A e = d b . Verifque!
Podemos defnir a funo j R R :

, dada por ( ) x Cx d = + que funciona
como funo de iterao na forma matricial. Desse modo, o problema de resolver o sis-
tema linear Ax b = transformado no problema de encontrar um ponto fxo para j .
Partindo de uma aproximao inicial
0
x para a soluo x do sistema linear, po-
demos construir uma sequncia de aproximaes de
0 1 2
, , , ... x x x , na qual a aproxi-
mao
+1 k
x depende da aproximao
k
x pela relao
j
+
=
1
( )
k k
x x , =0, 1, 2, ... k ,
ou seja, defnimos uma sequncia de aproximaes para a soluo da seguinte ma-
neira:
+
= +
1 k k
x Cx d , =0, 1, 2, ... k ,
em que
0
x uma aproximao inicial dada.
Verifca-se que se a sequncia { }
k
x converge para x , isto ,
= lim
k
k
x x ,
ento x a soluo do sistema Ax b = . De fato, passando-se ao limite (quando
k ) ambos os membros da igualdade
+
= +
1 k k
x Cx d , obtemos
= + x Cx d .
Pela equivalncia dos sistemas lineares, segue que x tambm soluo do
sistema Ax b = .
Defnio 1: Sea V um espao vetorial. Dada uma
seucia de vetores { }
k
x pertecetes a V e uma or
ma ||.|| sobre V, dizemos ue a seucia { }
k
x co
verge para x V se
- = lim|| || 0
k
k
x x .
Talvez voc ainda no conhea alguns termos nessa
defnio, como espao vetorial e orma. Eles sero apre-
sentados formalmente na disciplina de lgebra Liear do
prximo semestre. Uma vez que avaliaremos se uma dada
aproximao boa (ou seja, satisfaz uma preciso pref-
xada) atravs da chamada norma do mximo, faremos uma
breve introduo apresentando as normas mais usuais so-
bre o espao vetorial R
.
possvel que voc j tenha trabalhado com a chamada orma euclideaa padro
No caso de mtodos iterativos,
fundamental identificar se a sequncia
de aproximaes que estamos
obtendo est convergindo ou no
para a soluo desejada. Para tanto,
necessrio ter em mente o significado
de convergncia de uma sequncia de
vetores (as aproximaes so vetores).
Veja este importante conceito abaixo.
Voc pode encontr-lo tambm em
livros de clculo.
ATENO!
A
5
T
1
91 Clculo Numrico
sobre R
, que, a cada vetor = . R

1 2
( , , , )
v v v v , asso-
cia o nmero real
=
= + + =

.
2 2 2 2
1 2
1
|| ||
E i
i
v v v v v .
Alm da norma euclideana padro, outras normas so-
bre R
bem conhecidas so a orma da soma, dada por

=
= + + + =
.
1 2
1
|| || | | | | | | | |
S i
i
v v v v v ,
e a orma do mximo, dada por
= = = .
1 2
|| || max{| |,| |, ,| |} max{| |: 1, 2, ..., }
M i
v v v v v i
.
Para fxar melhor, vejamos o exemplo a seguir.
EXEMPLO 1
Considerando o vetor = - - R
5
(2, 1,0, 5,3) v , teremos
= + - + + - + =
2 2 2 2 2
|| || 2 ( 1) 0 ( 5) 3 39
E
v .
= + - + + - + = || || |2| | 1| |0| | 5| |3| 11
S
v .
= - - = || || max{|2|,| 1|,|0|,| 5|,|3|} 5
M
v .
Um fato interessante que toda norma ||.|| sobre R

induz uma distncia d em R
dada por
= - ( , ) || || d x y x y , " R ,
x y .
Antes de passarmos aos mtodos iterativos especfcos que ve-
remos, devemos deixar claro o critrio de parada que adotaremos.
Supondo que x seja soluo do sistema line-
ar Ax b = e que a sequncia { }
k
x converge para x
(
- = lim|| || 0
k
k
x x ), possvel mostrar que
-
- =
1
lim|| || 0
k k
k
x x ,
ou seja, a sequncia dos termos consecutivos converge para 0.
Baseado nesse fato, dada uma preciso (tolerncia) prefxada e , paramos um processo
iterativo para determinar uma aproximao para a soluo x de um sistema linear deter-
minado Ax b = de ordem se a aproximao
k
x calculada na k-sima iterao satisfaz
e
-
- <
1
|| ||
k k
M
x x .
Isso corresponde distncia entre dois iterados (aproximao calculada em uma
iterao) consecutivos ser menor que e .
Portanto, interrompemos o processo iterativo quando o vetor
k
x estiver sufcien-
temente prximo do vetor
-1 k
x ou, mais precisamente, quando a distncia entre os
vetores
k
x e
-1 k
x , dada por
Uma norma sobre o espao vetorial
R
uma funo R R ||||:

que satisfaz as propriedades:
i) || || 0 x ,
" R
x
e
= = || || 0 0 x x .
ii)
+ + || || || || || || x y x y
,
" R ,
x y .
iii)
a a = || || | || | || x x
, " R
x e
a " R .
Uma distncia no espao vetorial R

uma funo
R R R :

d
que
satisfaz as propriedades:
i)
( , ) 0 d x y
, " R ,
x y e
= = ( , ) 0 d x y x y .
ii)
= ( , ) ( , ) d x y d y x
, " R ,
x y .
iii)
+ ( , ) ( , ) ( , ) d x y d x z d z y
,
" R , ,
x y z .
ATENO!
ATENO!
A
5
T
1
- - -
= = - = - =
1 1 1
( , ) || || max{| |: 1, 2, ..., }
k k k k k k k
M i i
d d x x x x x x i ,
satisfaz e <
k
d .
Do mesmo modo que para os mtodos iterativos para obter aproximaes para ze-
ros de funes, podemos efetuar o teste do erro relativo, em que fazemos
=
= max{| |: 1, 2, ..., }
k
k
r
k
i
d
d
x i
.
interessante tambm exigir que o nmero de iteraes no ultrapasse um limite
mximo N de iteraes preestabelecido, ou seja, paramos tambm se = k N .
Estamos agora em condies de conhecer alguns mtodos numricos iterativos espe-
cfcos para o clculo de uma aproximao para a soluo de um sistema linear determi-
nado de ordem . Ento, vamos ao prximo tpico, no qual veremos primeiro mtodo.
A
5
T
1
MTODO DE GAUSS-JACOBI
02
TPICO
OBJETIVOS
Gauss-Jacobi.
Calcular aproximaes para solues de sistemas
lineares.
Estabelecer o critrio das linhas para convergncia
do mtodo.
O
que caracteriza cada mtodo iterativo para resolver sistemas lineares
a forma como o sistema = Ax b transformado no sistema equivalente
x Cx d = + , ou seja, a forma como defnida a funo de iterao matri-
cial j R R :

dada por ( ) x Cx d = + . Neste tpico, analisaremos o modo par-
ticular que o mtodo de Gauss-Jacobi faz tal transformao, ou seja, veremos como
feito o isolamento de x no mtodo de Gauss-Jacobi.
Vamos considerar um sistema linear de ordem nas incgnitas
1 2
, , ...,
x x x ,
+ + + =
+ + + =
+ + + =
. . . .
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2

a x a x a x b
a x a x a x b
a x a x a x b
,
que pode ser escrito na forma matricial = Ax b , em que a matriz A dos coef-
95 Clculo Numrico
A
5
T
2
cientes do sistema quadrada de ordem e b um vetor
do R
. Suponhamos que 0
ii
a , =1, 2, ..., i (todos os
elementos da diagonal da matriz A so no nulos).
O mtodo de Gauss-Jacobi faz o isolamento do vetor x
pela diagonal do seguinte modo:
= - - - -
= - - - -
= - - - -
. .
1 1 12 2 13 3 1
11
2 2 21 1 23 3 2
22
1 1 2 2
1
( )
1
( )
1
( )

x b a x a x a x
a
x b a x a x a x
a
x b a x a x a x
a
,
ou seja, isolamos a incgnita
1
x pela primeira equao, a incgnita
2
x pela se-
gunda equao e, sucessivamente, isolamos a incgnita
x pela -sima equao.

Note que isto s possvel porque estamos supondo 0
ii
a , =1, 2, ..., i .
Na forma matricial, temos x Cx d = + , com

- - -

- - -

=

- - -

- - -

. . . .
13 1 12
11 11 11
23 2 21
22 22 22
31 32 3
33 33 33
1 2 3
0
0
0
0

a a a
a a a
a a a
a a a
a a a C
a a a
a a a
a a a
e

.
1
11
2
22
3
33
b
a
b
a
b d
a
b
a
.
Desse modo, fornecida uma aproximao inicial
= .
0 0 0 0
1 2
( , , , )
x x x x , o mtodo de Gauss-Jacobi consiste em

construir uma sequncia de aproximaes
0 1 2
, , , ... x x x ,
dada pela relao recursiva
+
= +
1 k k
x Cx d ,
ou seja, por
+
+
+
= - - - -
= - - - -
= - - - -
. .
1
1 1 12 2 13 3 1
11
1
2 2 21 1 23 3 2
22
1
1 1 2 2
1
( )
1
( )
1
( )
k k k k

k k k k

k k k k

x b a x a x a x
a
x b a x a x a x
a
x b a x a x a x
a
.
Muitas vezes, a condio 0
ii
a ,
=1, 2, ..., i
pode no ser cumprida
pelo sistema original. Em alguns
desses casos, uma reordenao das
equaes e/ou incgnitas pode tornar
a condio satisfeita.
Substituindo o vetor aproximao
k
x
(seus componentes) no lado direito
das equaes acima, obteremos uma
nova aproximao
+1 k
x
, sendo que,
para o clculo do i-sima componente
do vetor
+1 k
x , dado por
x
a
b a x a x
a x a x a
i
k
ii
i i
k
i
k
i i i
k
i i i
k
i
+
+ +
=

1
1 1 2 2
1 1 1 1
1
(
, ,
nn n
k
x )
,

=1, 2, ..., i
,
utilizamos todos os componentes do
vetor
k
x , exceto o componente
k
i
x .
ATENO!
GUARDE BEM ISSO!
Para uma melhor apropriao do processo iterativo de Gauss-Jacobi, vejamos um
exemplo.
EXEMPLO 1
Considere o sistema linear
+ =
- + = -
1 2
1 2
2 1
4 5
x x
x x
O processo iterativo de Gauss-Jacobi dado por
+
+
= -
= - +
1
1 2
1
2 1
1
(1 )
2
1
( 5 )
4
k k
k k
x x
x x
Trabalhando com representao em ponto fxo com 5 casas decimais e fazendo ar-
redondamentos, partindo da aproximao inicial =
0
(0,0) x , obteremos os seguintes
resultados para as iteraes:
k
1
k
x
2
k
x
0 0,00000 0,00000
1 0,50000
-
1,25000
2 1,25000
-
1,25000
3 1,06250
-
0,96875
4 0,98438
-
0,98438
5 0,99219
-
1,00391
6 1,00195
-
1,00195
7 1,00098
-
0,99951
8 0,99976
-
0,99976
9 0,99988
-
1,00006
10 1,00003
-
1,00003
11 1,00001
-
0,99999
12 1,00000
-
1,00000
Tabela 1: Iteraes do exemplo 1
O sistema linear desse exemplo bem simples e sua soluo exata = - (1, 1) x po-
de ser obtida por um mtodo direto qualquer.
Nesse exemplo 1, no adotamos qualquer critrio de parada. Entretanto, no ca-
so geral, quando no se conhece a soluo exata do sistema, precisaremos estipular
quando o processo iterativo ser interrompido, ou seja, precisamos de uma preciso
prefxada e considerar o critrio de parada apresentado no tpico 1 ou algum outro.
Observe que as iteraes no exemplo 1 esto se aproximando da soluo exata do
A
5
T
2
97 Clculo Numrico
sistema linear. Entretanto, no podemos esperar isso sempre. Para motivar a necessi-
dade de estabelecer condies que garantam a convergncia da sequncia de aproxi-
maes gerada pelo mtodo de Gauss-Jacobi, vejamos mais um exemplo.
EXEMPLO 2
+ - =
- + =
+ = -
1 2 3
1 2 3
2 3
3 3
5 2 2 8
3 4 4
x x x
x x x
x x
.
+
+
+
= - +
= - - -
= - -
1
1 2 3
1
2 1 3
1
3 2
3 3
1
(8 5 2 )
2
1
( 4 3 )
4
k k k
k k k
k k
x x x
x x x
x x
.
Usando novamente representao em ponto fxo com 5 casas decimais e fazendo
arredondamentos, partindo da aproximao inicial =
0
(1,1,1) x , obteremos os se-
guintes resultados para as iteraes:
k
1
k
x
2
k
x
3
k
x
k
d
0 1,00000 -0,50000 -1,75000 2,75000
1 2,75000 -3,25000 -0,62500 2,75000
2 12,12500 2,25000 1,43750 9,37500
3 -2,31250 27,75000 -2,68750 25,50000
4 -82,93750 -12,46880 -21,81250 80,62500
5 18,59380 -233,15600 8,35156 220,68800
6 710,82000 50,83590 173,86700 692,22700
Tabela 2: Iteraes do exemplo 2
A soluo exata deste sistema linear = - (2,0, 1) x e as iteraes parecem estar
divergindo de x . Observe que a distncia
k
d ente os dois iterados consecutivos
k
x
e
-1 k
x est aumentando.
Portanto, ser fundamental estabelecer critrios que assegurem a convergncia
da sequncia de aproximaes gerada pelo mtodo de Gauss-Jacobi. O critrio das
lihas, apresentado no teorema seguinte, estabelece uma condio sufciente para tal
garantia conhecida (RUGGIERO E LOPES, 1996).
A
5
T
2
Teorema 1: Sea o sistema liear = Ax b de ordem e seja
a
=
=

1
1
| |
| |
k k
kk
k
a
a
.
Se a a = = < max{ : 1, 2, ..., } 1
k
k , eto o mtodo
de GaussJacobi gera uma seucia { }
k
x covergete
para a soluo do sistema dado, idepedete da esco
lha da aproximao iicial
0
x .
Como exemplo de aplicao do critrio das linhas, verifque que ele satisfeito para o
sistema linear do exemplo 1. Faremos a seguir a verifcao para o sistema do exemplo 2.
EXEMPLO 3
Vamos verifcar o critrio das linhas para o sistema linear do exemplo 2. Temos
a
+ + -
= = =
12 13
1
11
| | | | |3| | 1|
4
| | |1|
a a
a
,
a
+ +
= = =
-
21 23
2
22
| | | | |5| |2| 7
| | | 2| 2
a a
a
e
a
+ +
= = =
31 32
3
33
| | | | |0| |3| 3
| | |4| 4
a a
a
.
a a = = = = >
7 3
max{ : 1, 2, 3} max{4, , } 4 1
2 4
k
k .
Portanto, o critrio das linhas no satisfeito e no
podemos garantir (por este critrio) que a sequncia
gerada pelo mtodo de Gauss-Jacobi ir convergir. De
fato, pelo que observamos da construo da sequn-
cia, ela parece divergir da soluo exata.
Voltando ao exemplo 2, se reordenarmos o sistema
permutando a primeira com a segunda equao, ob-
temos o sistema linear
- + =
+ - =
+ = -
1 2 3
1 2 3
2 3
5 2 2 8
3 3
3 4 4
x x x
x x x
x x
Esse novo sistema linear equivalente ao sistema original e satisfaz o critrio das
linhas. Verifque, como forma de exerccio, este fato.
Desse modo, mais adequado aplicarmos o mtodo de Gauss-Jacobi a esta nova
O nmero a
k
associado linha k
o quociente entre a soma dos valores
absolutos (mdulos) de todos os
coeficientes da linha k da matriz A,
exceto o coeficiente
kk
a pelo valor
absoluto do coeficiente
kk
a .
O critrio das linhas d uma condio
suficiente para garantir a convergncia
da sequncia. Entretanto, ela pode no
ser necessria, ou seja, a sequncia
pode convergir sem que o critrio das
linhas seja satisfeito.
GUARDE BEM ISSO!
GUARDE BEM ISSO!
A
5
T
2
99 Clculo Numrico
disposio, pois h garantia de que a sequncia gerada ir convergir para a soluo
do novo sistema que, por sua vez, a soluo do sistema original. Isso motiva uma
ideia interessante, exposta em Ruggiero e Lopes (1996, p. 161): ...sempre ue o crit
rio das lihas o for satisfeito, devemos tetar uma permutao de lihas e/ou coluas
de forma a obtermos uma disposio para a ual a matriz dos coefcietes satisfaa o
critrio das lihas. Mas ateno: nem sempre possvel obter tal disposio!
Neste tpico, vimos o mtodo de Gauss-Jacobi, estabelecendo uma condio para
garantia de sua convergncia. A seguir, apresentaremos o mtodo de Gauss-Seidel.
A
5
T
2
MTODO DE GAUSS-SEIDEL
03
TPICO
OBJETIVOS
Gauss-Seidel.
Calcular aproximaes para solues de sistemas
lineares.
Estabelecer o critrio de Sassenfeld para
convergncia do mtodo.
N
este tpico, apresentaremos o mtodo iterativo de Gauss-Seidel para resolver sis-
temas lineares. Ele pode ser visto como uma variao do mtodo de Gauss-Jacobi
em que, para o clculo de um componente da nova aproximao, so usados,
alm dos componentes da aproximao anterior, os j calculados da nova aproximao.
Essa uma ideia bem interessante, uma vez que podemos esperar que, no caso de
haver convergncia para a soluo exata do sistema, os componentes da nova apro-
ximao sejam melhores que os componentes da aproximao anterior.
Mais precisamente, supondo que 0
ii
a , =1, 2, ..., i , o processo iterativo para o m-
todo de Gauss-Seidel consiste em, partindo de uma aproximao inicial = .
0 0 0 0
1 2
( , , , )
x x x x
, construir uma sequncia de aproximaes
0 1 2
, , , ... x x x , dada pelas relaes recursivas.
101 Clculo Numrico
+
+ +
+ + +
+ + + + +
= - - - - -
= - - - - -
= - - - - -
= - - - - -
. .
1
1 1 12 2 13 3 14 4 1
11
1 1
2 2 21 1 23 3 34 4 2
22
1 1 1
3 3 31 1 32 2 34 4 3
33
1 1 1 1 1
1 1 2 2 34 4
1
( )
1
( )
1
( )
1
( )
k k k k k

k k k k k

k k k k k

k k k k k

x b a x a x a x a x
a
x b a x a x a x a x
a
x b a x a x a x a x
a
x b a x a x a x a x
a
.
Portanto, o i-sima componente do vetor
+1 k
x , dado por
+ + + +
- - + +
= - - - - - - -
1 1 1 1
1 1 2 2 , 1 1 , 1 1
1
( )
k k k k k k
i i i i i i i i i i i
ii
x b a x a x a x a x a x
a
,
=1, 2, ..., i ,
calculado utilizando todos os componentes do ve-
tor
+1 k
x j calculados (componentes do vetor
+1 k
x com
ndices menores que i) e os componentes do vetor
k
x
com ndices maiores que i, ou seja, usando os componen-
tes
+ + +
-
1 1 1
1 2 1
, , ,
k k k
i
x x x do vetor
+1 k
x e os componentes
+ +

1 2
, , ,
k k k
i i
x x x do vetor
k
x .
Como vantagens do mtodo de Gauss-Seidel em rela-
o ao mtodo de Gauss-Jacobi, podemos esperar que
a convergncia seja acelerada
os critrios de convergncia sejam menos restritivos.
Para exemplifcar, vamos repetir o que foi feito no exem-
plo 1, desta vez usando o processo iterativo de Gauss-Seidel.
EXEMPLO 4
+ =
- + = -
1 2
1 2
2 1
4 5
x x
x x
.
+
+ +
= -
= - +
1
1 2
1 1
2 1
1
(1 )
2
1
( 5 )
4
k k
k k
x x
x x
.
Trabalhando com representao em ponto fxo com 5 casas decimais e fazendo
O mtodo da Gauss-Seidel
conhecido tambm por Mtodo
dos Deslocamentos Sucessivos,
uma vez que, para o clculo de uma
componente de
+1 k
x , utilizam-se
os valores mais recente das demais
componentes.
Como dica para complementar os
estudos, acesse o site
200.134.81.163/professores/adm/
download/apostilas/071942.pdf
SAIBA MAIS!
A
5
T
3
A
5
T
3
arredondamentos, partindo da aproximao inicial =
0
(0,0) x , obtemos os seguintes
resultados para as iteraes:
k
1
k
x
2
k
x
0 0,00000 0,00000
1 0,50000 -1,12500
2 1,06250 -0,98438
3 0,99219 -1,00195
4 1,00098 -0,99976
5 0,99988 -1,00003
6 1,00001 -1,00000
7 1,00000 -1,00000
Tabela 3: Iteraes do exemplo 1.
Observe que pelo mtodo de Gauss-Seidel, com o sistema de numerao escolhido,
foram necessrias apenas 7 iteraes para obter a soluo = - (1,00000; 1,00000) x ,
enquanto que pelo mtodo de Gauss-Jacobi precisamos de 12 iteraes.
Do mesmo modo que no mtodo de Gauss-Jacobi, o mtodo de Gauss-Seidel
transforma o sistema original = Ax b de ordem em um sistema equivalente do ti-
po = + x Cx d , ou seja, a funo de iterao matricial dada por ( ) x Cx d = + .
Assim, apesar de utilizarmos componentes do vetor
+1 k
x , nas relaes recursivas
para o processo de Gauss-Seidel apresentadas acima, o processo iterativo para o m-
todo pode ser escrito como
+
= +
1 k k
x Cx d ,
ou seja, com os componentes da nova aproximao sendo dados em termos ape-
nas dos componentes da aproximao anterior. Para isso, devemos fazer
- -
=- +
1 1
1 1
( ) C I L R e
- -
= +
1 1
1
( ) d I L D b .
em que

. . . .
21
22
31 32
1
33 33
1 2 3
0 0 0 0
0 0 0
0 0
0

a
a
a a
L
a a
a a a
a a a
,

-

. . . .
13 1 12
11 11 11
23 2
22 22
1
3
33
0
0 0
0 0 0
0 0 0 0
a a a
a a a
a a
a a
R
a
a
,
103 Clculo Numrico
A
5
T
3

. . . .
11
22
33
0 0 0
0 0 0
0 0 0
0 0 0
a
a
a D
a
e

. . . .
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
I .
Portanto, o processo iterativo do mtodo de Gauss-Seidel dado pela relao recursiva
+ - - - -
=- + + +
1 1 1 1 1
1 1 1
( ) ( )
k k
x I L R x I L D b .
Voc pode encontrar uma demonstrao desse fato em Ruggiero e Lopes (1996)
ou em outras referncias da rea.
Passaremos agora a estabelecer critrios que garantam a convergncia da sequn-
cia de aproximaes gerada pelo mtodo de Gauss-Seidel.
O critrio das linhas, usado para avaliar a convergncia do mtodo de Gauss-Jacobi,
pode ser aplicado tambm para estabelecer uma condio sufciente para a convergncia
do mtodo de Gauss-Seidel (RUGGIERO E LOPES, 1996). Ento, temos o teorema seguinte.
a
=
=

1
1
| |
| |
k k
kk
k
a
a
.
Se a a = = < max{ : 1, 2, ..., } 1
k
k , eto o mtodo de GaussSeidel gera
uma seucia { }
k
x covergete para a soluo do sistema dado, idepedete
da escolha da aproximao iicial
0
x .
Outro critrio que estabele uma condio sufciente para garantir a convergncia
da sequncia de aproximaes gerada pelo mtodo de Gauss-Seidel o critrio de
Sassenfeld, apresentado no teorema abaixo. Voc pode encontrar este resultado de-
monstrado em Ruggiero e Lopes (1996) ou em outras referncias da rea.
b b
-
= = +

= +

1
1 1
1
| | | |
| |
k
k k k
k kk
a a
a
.
Se b b = = < max{ : 1, 2, ..., } 1
k
k , eto o mtodo de GaussSeidel gera uma
seucia { }
k
x covergete para a soluo do sistema dado, idepedete da esco
lha da aproximao iicial
0
x .
O nmero b
k
associado linha k o quociente entre a soma dos valores absolu-
tos (mdulos) de todos os coefcientes da linha k da matriz A, exceto o coefciente
kk
a pelo valor absoluto do coefciente
kk
a , sendo que os valores absolutos dos co-
efcientes com ndice menor que k so multiplicados por b
k
, ou seja, os nmeros
b
k
so dados por
b
+ + +
=

12 13 1
1
11
| | | | | |
| |
a a a
a
e
b b b
b
- - +
+ + + + + +
=

1 1 2 2 , 1 1 , 1
| | | | | | | | | |
| |
k k k k k k k k
k
kk
a a a a a
a
.
Note que o nmero b
1
igual ao nmero a
1
do crit-
rio das linhas.
O nmero b est associado ordem de convergncia da
sequncia gerada pelo mtodo, entretanto a convergncia
ser tanto mais rpida quanto menor for o valor de b .
O critrio de Sassenfeld apresenta uma condio menos
restritiva que o critrio das linhas. possvel mostrar que
o critrio de Sassenfeld satisfeito sempre que o critrio
das linhas for satisfeito. Entretanto, a recproca desse resul-
tado no verdadeira, ou seja, possvel que o critrio de
Sassenfeld seja satisfeito sem que o critrio das linhas seja
satisfeito. O exemplo seguinte uma ilustrao desse fato.
EXEMPLO 5
- + =
+ + =
- + + = -
1 2 3
1 2 3
1 2 3
5 3
3 4 2 5
3 3 6 6
x x x
x x x
x x x
.
Vamos verifcar o critrio das linhas para o sistema. Temos
a
+ - +
= = =
12 13
1
11
| | | | | 1| |1| 2
| | |5| 5
a a
a
,
a
+ +
= = =
21 23
2
22
| | | | |3| |2| 5
| | |4| 4
a a
a
e
a
+ - +
= = =
31 32
3
33
| | | | | 3| |3|
1
| | |6|
a a
a
.
a a = = = = >
2 5 5
max{ : 1, 2, 3} max{ , , 1} 1
5 4 4
k
k .
Logo, o critrio das linhas no satisfeito e no podemos garantir (por este cri-
trio) que a sequncia gerada pelo mtodo de Gauss-Seidel ir convergir. Note que
no precisaramos sequer calcular a
3
, pois do fato que a = >
2
5
1
4
j poderamos
afrmar que a a = = > max{ : 1, 2, 3} 1
k
k .
Vamos agora verifcar o critrio de Sassenfeld para o sistema. Temos
Os critrios das linhas ou de Sassenfeld
no dependem das constantes (dos
termos independentes) do sistema.
Assim, se um sistema linear = Ax b
cumpre a condio de um desses
critrios, dizemos tambm que a
matriz A dos coeficientes do sistema
satisfaz essa condio.
ATENO!
A
5
T
3
105 Clculo Numrico
b
+ - +
= = =
12 13
1
11
| | | | | 1| |1| 2
| | |5| 5
a a
a
,
b
b
+
+
= = =
21 1 23
2
22
2
|3| |2|
| | | | 4
5
| | |4| 5
a a
a
e
b b
b
- +
+
= = =
21 1 23 2
3
22
2 4
| 3| |3|
| | | | 9
5 5
| | |4| 10
a a
a
.
b b = = = = <
2 4 9 9
max{ : 1, 2, 3} max{ , , } 1
5 5 10 10
k
k .
Portanto, o critrio de Sassenfeld satisfeito e podemos garantir que a sequncia
gerada pelo mtodo de Gauss-Seidel ir convergir. Que tal determinar uma aproxi-
mao para a soluo desse sistema linear pelo mtodo de Gauss-Seidel com erro in-
ferior a e
-
=
2
10 ? Faa isso como exerccio!
Do mesmo modo que observamos para aplicao do critrio das linhas no mtodo
de Gauss-Jacobi, caso o critrio de Sassenfeld no seja satisfeito para um sistema dado,
voc pode tentar uma nova disposio (um sistema equivalente), permutando linhas e/
ou colunas para examinar o critrio. Obviamente, caso haja tal disposio para a qual
o critrio seja satisfeito, devemos aplicar o mtodo de Gauss-Seidel a ela por termos
a garantia de convergncia. Mas lembre: nem sempre possvel obter tal disposio!
Neste tpico, vimos o mtodo de Gauss-Seidel, estabelecendo condies para ga-
rantia de sua convergncia. Com isso, completamos nossos estudos sobre tcnicas
numricas para resolver sistemas lineares. Agora, voc j tem bastantes ferramentas
para tratar esta importante classe de problemas: os mtodos diretos, discutidos na
aula 4; e os mtodos iterativos, vistos nesta aula. Nas prximas aulas, voc conhece-
r outros tipos de problemas que podem ser tratados por mtodos numricos e ter
a oportunidade de aplicar os conhecimentos adquiridos at aqui.
Como o critrio das linhas, o critrio de
Sassenfeld d uma condio suficiente
para garantir a convergncia da
sequncia. Entretanto, ela pode no
ser necessria, ou seja, a sequncia
pode convergir sem que o critrio de
Sassenfeld seja satisfeito.
GUARDE BEM ISSO!
Aprofunde seus conhecimentos consultando as referncias que citamos ou outras da rea e/ou acessando pginas
da internet relacionadas ao tema. Abaixo, listamos algumas pginas que podero ajud-lo. Bons estudos!
http://www.das.ufsc.br/~camponog/Disciplinas/DAS-5103/LN.pdf
www.ime.usp.br/~asano/LivroNumerico/LivroNumerico.pdf
http://www.dma.uem.br/kit/arquivos/arquivos_pdf/sassenfeld.pdf
SAIBA MAIS!
A
5
T
3
107
Aula 6
Ol a todos! Vamos continuar nosso estudo de Clculo Numrico e das ferramentas
de aproximao de resultados. Em muitas situaes, obtemos dados pontuais para
o estudo de determinado fenmeno. Se tivermos condies de, a partir dos dados
obtidos, conseguir uma funo que represente (ou aproxime) o processo, podere-
mos fazer simulaes para resultados intermedirios ou prximos, diminuindo a
necessidade de repetio para os experimentos ou obtendo valores em intervalos
fora da preciso da mquina.
Por exemplo, um responsvel por um laboratrio pode fazer medies regulares da
presso de um determinado gs e obter como dados ( ) { , , ,
1 1 2 2 3 3 4 4
( , ), , ( ), ( )} t P t P t P t P .
Uma funo ( ) f t tal que, para cada um dos tempos dados, satisfaa = ( )
i i
f t P (ou
sejam bem prximos) permitir uma boa avaliao da presso no gs em outros
tempos, sem que seja necessria a medio.
Nesta aula, estudaremos especificamente a aproximao por polinmios dos dados
apresentados.
Objetivos:
Analisar aproximaes de dados por funes.
Apresentar mtodos de obteno dos polinmios interpoladores.
Interpolao Polinomial
DEFINIES INICIAIS
01
TPICO
OBJETIVOS
Formular o problema de interpolao polinomial.
Resolver problemas de interpolao pelo mtodo
direto.
I
maginemos, inicialmente, a seguinte situao da Fsica: um mvel se desloca
em uma trajetria orientada passando sucessivamente pelos pontos s =20m,
s =30m e s =50m para tempos iguais a 3s, 5s e 7s, respectivamente. Colocando
esses dados em uma tabela, obtemos
t (em SegunDOS) S (em metrOS)
3 20
5 30
7 50
Tabela 1: Representao dos dados do problema
A partir desses dados, podemos nos perguntar qual a posio do mvel para
t=4s. Como responder satisfatoriamente a essa pergunta se no foi feita a observao
109 Clculo Numrico
A
6
T
1
do espao do mvel no tempo dado? Se a velocidade dele fosse constante, podera-
mos simplesmente fazer a mdia aritmtica entre os valores para t=3s e para t=7s.
Entretanto, pelos dados do problema, verifca-se imediatamente que o movimento
no uniforme (pois, de 3 a 5 segundos, ele percorreu 10 m, enquanto nos dois se-
gundos seguintes foram percorrido 20m). Outra informao da qual no dispomos
se a acelerao constante ou no.
Se tivssemos uma funo ( ) s t que descrevesse esse movimento, bastaria substi-
tuir t=4s para encontrar o espao desejado. Com apenas os pontos dados, algo que
podemos fazer para ter uma boa noo da posio do mvel para t=4s, de modo a
no perder as informaes, seria admitir um comportamento para ( ) s t , que poderia
ser o de uma funo exponencial, trigonomtrica ou polinomial, sendo essa ltima
alternativa mais simples para fns de clculo. Ento, supondo que s(t) uma funo
polinomial de t, tal que = = = (3) 20, (5) 30 e (7) 50 s s s , podemos ter uma boa apro-
ximao para o valor de (4) s .
EXEMPLO 1
Encontre um polinmio ( ) s t , de segundo grau, tal que
= = = (3) 20, (5) 30 e (7) 50 s s s .
Soluo:
Um polinmio do segundo grau da forma = + +
2
( ) s t at bt c . Devemos encon-
trar, ento, nmeros reais a, b e c para que = = = (3) 20, (5) 30 e (7) 50 s s s , ou seja,
+ + = + + = + + =
2 2 2
.3 .3 20; .5 .5 30 e .7 .7 50 a b c a b c a b c que equivale a
+ + =
+ + =
+ + =
9 3 30
25 5 30
49 7 50
a b c
a b c
a b c
.
Usando algum dos mtodos que conhecemos para resolver sistemas lineares, en-
contraremos a soluo (exata) = =- = 1,25, 5 e 23,75 a b c . Assim, o polinmio de-
sejado ser = - +
2
( ) 1,25 5 23,75 s t t t .
Empregando a soluo encontrada no exemplo 1, podemos obter uma aproxima-
o para = - + =
2
(4) 1,25.4 5.4 23,75 23,75 s . Com isso, conseguimos, sem desprezar
os dados apresentados, aproximar a posio do mvel para =4 t s por =23,75 m s .
Vista essa situao inicial, podemos formular o problema da interpolao polinomial.
Problema 1: Para o conjunto de dados
0 0 1 1 2 2
{( , ),( , ), ( , ), ..., ( , )}

x y x y x y x y ,
encontre um polinmio ( ) p x , de grau menor ou igual a , para o qual = ( )
i i
p x y ,
para i = 0, 1, 2, ..., .
Em outras palavras, interpolar polinomialmente alguns dados consiste em encon-
trar uma funo polinomial cujo grfco passe pelos pontos dados.
Aqui surgem dois questionamentos:
o problema tem soluo?
a soluo nica?
Para responder s duas perguntas ao mesmo tempo, deve-se observar que todo poli-
nmio de grau menor ou igual a pode ser escrito da forma = + + +
1 0
( ) ...
p x a x a x a .
Substituindo os pontos dados, devemos ter, necessariamente: = ( )
i i
p x y , para todo
i = 0, 1, ..., . Ou seja:
0 0 1 0 0 0
( ) ...
p x a x a x a y = + + + =
1 1 1 1 0 1
( ) ...
p x a x a x a y = + + + =
...
1 0
( ) ...

p x a x a x a y = + + + =
, que gera um sistema nas incgnitas
a
, ..., a
1
, a
0
dado por
0 1 0 0 0
1 1 1 0 1
1 0
...
...
...
...

a x a x a y
a x a x a y
a x a x a y
+ + + =
+ + + =
+ + + =
, matricialmente equivalente a
0 0 0
1 1 1 1
0
... 1
... 1
.
... ... ... ... ...
... 1

a y x x
a y x x
a y x x
-

=

.
Uma vez que a matriz dos coefcientes de Vandermonde (ou de potncias), seu
determinante ser diferente de zero sempre que os valores de x
i
forem todos distin-
tos. Desse modo, teremos um sistema possvel e determinado, de onde podemos con-
cluir que a soluo do problema existe e nica.
A partir de agora, sabendo que o problema de interpolao polinomial sempre
ter soluo (o que nos tranquiliza um bocado), nossa preocupao ser em COMO
resolv-lo de forma efciente.
Observao 1: Ao polinmio soluo para o problema 1, damos o nome de poli
mio iterpolador.
Observao 2: Para um conjunto de + 1 dados, devemos encontrar um polin-
mio de grau menor ou igual a , ou seja, o grau mximo do polinmio interpolador
ser um a menos que a quantidade de pontos.
A
6
T
1
111 Clculo Numrico
EXEMPLO 2
Encontre o polinmio interpolador para o conjunto de dados
- {( 1,0), (1,2), (2,7), (3,26)}.
Soluo:
Uma vez que o conjunto de dados possui pontos com abscissas todas distin-
tas, o problema ter soluo. Assim, buscaremos um polinmio de grau menor
ou igual a 3 (pois h quatro pontos). Um polinmio de grau menor ou igual a 3
da forma
3 2
( ) p x ax bx cx d = + + + . Com as condies do problema, devemos
ter - = = = = ( 1) 0, (1) 2, (2) 7 e (3) 26 p p p p . Por isso, devemos resolver o sistema
0
2
8 4 2 7
27 9 3 26
a b c d
a b c d
a b d c
a b c d
- + - + =
+ + + =
+ + + =
+ + + =
. Para tanto, devemos fazer uso de algum mtodo para re-

soluo de sistemas lineares, como visto nas ltimas aulas ou pelos conhecimentos ad-
quiridos em outras disciplinas. A soluo para o sistema = = = =- 1, 0 e 1 a b c d .
Assim, o polinmio procurado
3
( ) 1 p x x = - .
EXEMPLO 3
Em um laboratrio, um fsico fez medies regulares na presso de um gs e or-
ganizou os resultados na seguinte tabela:
tempO(S) preSSO(atm)
5 2,5
8 6,8
13 11,9
Usando interpolao polinomial, estime a presso do gs para t = 10 s.
Soluo:
Temos o conjunto de dados{(5;2,5), (8;6,8), (13;11,9)}. Aqui usamos ponto e
vrgula para separar as coordenadas de modo a evitar confuso com a vrgula que
separa a parte decimal. O polinmio procurado ser de grau menor ou igual a 2, sen-
do, portanto, da forma
2
( ) p t at bt c = + + . De maneira anloga ao exemplo ante-
rior, devemos resolver o sistema
25 5 2,5
64 8 6,8
169 13 11,9
a b c
a b c
a b c
+ + =
+ + =
+ + =
. Obviamente, aqui temos

um trabalho maior que no exemplo anterior por causa dos dados quebrados. Re-
alizando um processo qualquer da aula passada, podemos encontrar aproximaes
A
6
T
1
at a segunda casa decimal para =- = =- 0,05; 2,1 e 6,73 a b c . Assim, um poli-
nmio que aproxima a presso a qualquer instante
2
( ) 0,05 2,1 6,73 p t t t =- + - .
Desse modo, uma estimativa para a presso do gs em t=10s pode ser obtida por
2
(10) 0,05.10 2,1.10 6,73 9,27 p =- + - = atm.
Pelo que vimos neste tpico, podemos sempre aproximar um conjunto de dados por
um polinmio. Entretanto, dependendo da quantidade de dados, esse processo pode ser
muito trabalhoso de ser realizado diretamente pela soluo de um sistema linear. Nos
prximos tpicos, veremos mtodos para encontrar o polinmio interpolador.
A
6
T
1
O MTODO DE LAGRANGE
02
TPICO
OBJETIVOS
Apresentar o mtodo de Lagrange para obteno
do polinmio interpolador.
Comparar o mtodo de Lagrange com o mtodo
direto.
C
omo vimos no tpico anterior, ( ) p x o polinmio interpolador para um con-
junto de dados
0 0 1 1
{( , ), ( , ), ..., ( , )}

x y x y x y se = ( )
i i
p x y , para i = 0, 1, 2, ..., .
Tal polinmio sempre existe e, de modo a torn-lo nico, pedimos que o seu
grau fosse menor ou igual a .
Neste tpico, descreveremos um mtodo atribudo ao matemtico nascido da It-
lia e naturalizado francs Joseph Louis Lagrange (1736 - 1812), a quem so devidos
muitos importantes teoremas, como o Teorema do Valor Mdio, do Clculo Diferencial.
A ideia consiste basicamente em escrever o polinmio como soma de polinmios, di-
tos elementares, que se anulem em todos os valores do conjunto de dados, menos em um.
EXEMPLO 1
Encontre um polinmio ( ) p x , tal que = (3) 1 p e que tenha 2, 4 e 6 como razes.
115 Clculo Numrico
A
6
T
2
Soluo:
Do estudo de polinmios, sabemos que, se x uma raiz do polinmio ( ) p x , en-
to ( ) p x divisvel por x - x (ver Teorema de DAlembert). Assim, para que 2, 4 e
6 sejam razes de um polinmio, ele deve ser divisvel por - - - ( 2)( 4)( 6) x x x . Por
simplicidade, poderamos colocar = - - - ( ) ( 2)( 4)( 6) p x x x x . Entretanto, dessa for-
ma, (3) (3 2)(3 4)(3 6) 3 p = - - - = . Para atingir o nosso objetivo, basta, ento, que
dividamos - - - ( 2)( 4)( 6) x x x por 3. Ou seja, o polinmio com as caractersticas
procuradas
( 2)( 4)( 6) ( 2)( 4)( 6)
( )
(3 2)(3 4)(3 6) 3
x x x x x x
p x
- - - - - -
= =
- - -
.

De modo geral, facilmente verifcvel que o polinmio
1 2
0
0 1 0 2 0
( )( )...( )
( )
( )( )...( )
x x x x x x
L x
x x x x x x
- - -
=
- - -
, o qual se anula para todos os elementos de
1 2
{ , , ..., }
x x x e satisfaz =
0 0
( ) 1 L x . Da mesma forma, podemos encontrar polin-
mios
1 2
( ), ( ), ..., ( )
L x L x L x tais que ( ) 1 e ( ) 0
i i i
L x L x = = , se i , cada um dos
quais com grau . Defnimos, ento, o polinmio

0 0 1 1
( ) . ( ) . ( ) ... . ( )

p x y L x y L x y L x = + + +
,
que um polinmio de grau menor ou igual a tal que:
0 0 0 0 1 1 0 0 0 1 0
( ) . ( ) . ( ) ... . ( ) .1 .0 ... .0

p x y L x y L x y L x y y y y = + + + = + + + =
;
1 0 0 1 1 1 1 1 0 1 1
( ) . ( ) . ( ) ... . ( ) .0 .1 ... .0

...
0 0 1 1 0 1
( ) . ( ) . ( ) ... . ( ) .0 .0 ... .1 ,

ou seja, o polinmio interpolador para o conjunto de dados
0 0 1 1
{( , ), ( , ), ..., ( , )}

x y x y x y .
Vejamos, a seguir, como aplicar o mtodo de Lagrange.
EXEMPLO 2
Usando o mtodo de Lagrange, encontre o polinmio interpolador para o conjun-
to de dados {(1, 3), (4, 18)}.
Soluo:
O conjunto de dados contm dois pontos, logo o polinmio interpolador ter grau
1 e ser da forma
0 0 1 1
( ) . ( ) . ( ) p x y L x y L x = + , sendo = =
0 0 1 1
( , ) (1,3) e ( , ) (4,18) x y x y .
Comecemos encontrando os polinmios elementares
0 1
( ) e ( ) L x L x . Temos

1
0
0 1
( ) ( 4) ( 4)
( )
( ) (1 4) 3
x x x x
L x
x x
- - -
= = =
- - -
e

0
1
1 1
( ) ( 1) ( 1)
( )
( ) (4 1) 3
x x x x
L x
x x
- - -
= = =
- -
.
A
6
T
2
Dessa maneira, encontraremos
0 0 1 1
( ) . ( ) . ( ) p x y L x y L x = +
=
0 1
( 4) ( 1)
. .
3 3
x x
y y

+
=
( 4) ( 1)
3. 18.
3 3
x x
+
=
( 4) 6( 1) x x +
= 5 2 x .
Podemos escrever a defnio dos polinmios elementares usando o smbolo de
produtrio (a letra grega
P
) da seguinte forma:
0
0
( )
( )
( )
n
k
k
k i
i n
i k
k
k i
x x
L x
x x
=
e o polinmio interpolador fca

0
( ) . ( )
n
i i
i
p x y L x
=
=
.
As expresses acima so apenas formas mais compactas de escrever o que j obte-
mos antes do exemplo. Na prtica, ao procurar pelo polinmio interpolador, usa-se a
forma extensa, pois precisaremos colocar os dados do conjunto.
EXEMPLO 3
(situao inicial da aula) Um mvel desloca-se em uma trajetria orientada de acordo
com os seguintes dados:
t (em SegunDOS) S (em metrOS)
3 20
5 30
7 50
Usando interpolao polinomial, atravs do mtodo de Lagrange, encontre uma
estimativa para a posio do mvel para t = 4 s.
Soluo:
Para o conjunto de dados {(3,20), (5,30), (7,50)}, o polinmio interpolador te-
r grau 2 (no mximo) da forma 0 0 1 1 2 2
( ) . ( ) . ( ) ( ) p x y L x y L x y L x = + +
, sendo
0 0 1 1 2 2
( , ) (3,20); ( , ) (5,30) e ( , ) (7,50) x y x y x y = = = . Comecemos encontrando os po-
linmios elementares
0 1 2
( ), ( ) e ( ) L x L x L x . Temos
1 2
0
0 1 0 2
( )( ) ( 5)( 7) ( 5)( 7)
( )
( )( ) (3 5)(3 7) 8
x x x x x x x x
L x
x x x x

= = =

;
0 2
1
1 0 1 2
( )( ) ( 3)( 7) ( 3)( 7)
( )
( )( ) (5 3)(5 7) 4
x x x x x x x x
L x
x x x x

= = =

0 1
2
2 0 2 1
( )( ) ( 3)( 5) ( 3)( 5)
( )
( )( ) (7 3)(7 5) 8
x x x x x x x x
L x
x x x x

= = =

.
117 Clculo Numrico
A
6
T
2
Assim, o polinmio interpolador ser da forma
0 0 1 1 2 2
( ) . ( ) . ( ) . ( ) p x y L x y L x y L x = + + =
0 1 2
20. ( ) 30. ( ) 50. ( ) L x L x L x + +
=
( 5)( 7) ( 3)( 7) ( 3)( 5)
20. 30. 50.
8 4 8
x x x x x x
+ +
.
Como o objetivo no encontrar o polinmio em si, no precisa-
mos desenvolver os produtos. Podemos, apenas, substituir x = 4 pa-
ra obter p(4) =
(4 5)(4 7) (4 3)(4 7) (4 3)(4 5)
20. 30. 50.
8 4 8

+ +
=
3 ( 3) ( 1)
20. 30. 50.
8 4 8

+ +
= 23,75. Obviamente, encontramos o mesmo resulta-

do do mtodo direto.
Como sugesto para encerrar o tpico, recomendamos que voc refaa os exem-
plos do tpico 1, usando o mtodo de Lagrange, para que fque claro o uso da fr-
mula, com a comodidade de j sabermos as respostas.
O MTODO DE NEWTON
03
TPICO
OBJETIVOS
Apresentar o mtodo de Newton para obteno
do polinmio interpolador.
Calcular diferenas divididas em um conjunto de
dados.
N
este tpico, ainda em relao ao problema de encontrar o polinmio in-
terpolador, descreveremos um mtodo atribudo ao famoso matemtico
ingls Isaac Newton (1643 - 1727).
Inicialmente, defnamos diferea dividida para um conjunto de dados da seguinte forma:
Defnio 1: Para o conjunto de dados
0 0 1 1
{( , ), ( , ), ..., ( , )}

x y x y x y , a dife-
rena dividida de ordem 0 em relao a x
i
ser dada por
0
i i
y =
.
Defnio 2: Para o conjunto de dados
0 0 1 1
{( , ), ( , ), ..., ( , )}

x y x y x y , a dife-
rena dividida de ordem 1 em relao a x
i
ser dada por
0 0
1 1
1
i i
i
i i
x x
+
+

=
. Observe
que, nesta defnio, podemos calcular os valores
1
i
apenas para i = 0, 1, ..., 1.

EXEMPLO 1
Para o conjunto de dados {(1,2),(3,7),(5,19)}, podemos calcular
0
0 0
2 y = =
;
0
1 1
7 y = =
e
0
2 2
19 y = =
. Tambm podemos determinar
119 Clculo Numrico
0 0
1 1 0
0
1 0
7 2 5
3 1 2 x x

= = =

e
0 0
1 2 1
1
2 1
19 7 12
6
5 3 2 x x

= = = =

, mas no podemos
calcular
1
2
, pois no h x
3
.
Defnio geral (por recorrncia): Para o conjunto de dados
0 0 1 1
{( , ), ( , ), ..., ( , )}

x y x y x y , a diferena dividida de ordem k em relao a x
i
,
com 1 k , ser dada por
1 1
1
k k
k i i
i
i k i
x x

+
+

=
.
EXEMPLO 1
(continuao): Para o conjunto de da-
dos {(1,2), (3,7), (5,19)}, podemos calcular
1 1
2 1 0
0
2 0
6 (5 / 2) 7 / 2 7
5 1 4 8 x x

= = = =

e organizar os
resultados em uma tabela:
x
i
0
i i
y =
1
i
2
i
1 2 5/2 7/8
3 7 6 ---
5 19 --- ---
Assim, por exemplo, para encontrar a diferena dividida de ordem 4 de um de-
terminado valor, precisamos das diferenas divididas de ordem 3 e, por isso, de to-
das as diferenas divididas de ordem menor que 4.
EXEMPLO 2
Para o conjunto de dados {(2,3), (3,5), (4,14), (5,27), (6, 42)}, encontre o valor de
4
0
.
Soluo:
Para que determinemos uma diferena dividida de ordem 4, devemos encontrar as
diferenas divididas de todas as ordem menores que 4. Comecemos pelas de ordem 0:
0
0 0
3 y = =
,
0
1 1
5 y = =
,
0
2 2
14 y = =
,
0
3 3
27 y = =
,
0
4 4
42 y = =
.
Seguimos para determinar as diferenas divididas de ordem 1:
0 0
1 1 0
0
1 0
5 3
2
3 2 x x

= = =

,
0 0
1 2 1
1
2 1
14 5
9
4 3 x x

= = =

,
Na Definio geral, podemos
determinar os valores
k
i
apenas para
i = 0, 1, ..., n k.
ATENO!
A
6
T
3
0 0
1 3 2
2
3 2
27 14
13
5 4 x x

= = =

,
0 0
1 4 3
3
4 3
42 27
15
6 5 x x

= = =

. Veja que no h
1
4
, pois no existe x
5
para o conjunto de dados. Podemos guardar estes dados para
referncia na seguinte tabela:
x
i
0
i i
y =
1
i
2
i
3
i
4
i
2 3 2
3 5 9 ---
4 14 13 --- ---
5 27 15 --- --- ---
6 42 --- --- --- ---
Encontremos, agora, as diferenas divididas de ordem 2:
1 1
2 1 0
0
2 0
9 2 7
4 2 2 x x

= = =

,
1 1
2 2 1
1
3 1
13 9
2
5 3 x x

= = =

e

1 1
2 3 2
2
4 2
15 13
2
6 4 x x

= = =

. Aqui no calculamos
2
3
, pois no existe x
5
para
o conjunto de dados. Analisando o clculo para essas diferenas divididas, observe
que, no numerador, subtramos as diferenas divididas consecutivas de ordem 1,
mas, no denominador, no subtramos x
i
consecutivos, h um salteamento.
Agora as diferenas divididas de ordem 3:
2 2
3 1 0
0
3 0
2 7 / 2 3/ 2 1
5 2 3 2 x x

= = = =

e
2 2
3 2 1
1
4 1
2 2
0
6 3 x x

= = =

.
Aqui no calculamos
3
2
, pois no existe x
5
para o conjunto de dados. Analisan-
do o clculo para essas diferenas divididas, observe que, no numerador, subtramos
as diferenas divididas consecutivas de ordem 2, mas, no denominador, no subtra-
mos x
i
consecutivos, h um salteamento duplo.
Por ltimo, com ordem 4:
3 3
4 1 0
0
4 0
0 ( 1/ 2) 1/ 2 1
6 2 4 8 x x

= = = =

, que completa a tabela:
x
i
0
i i
y =
1
i
2
i
3
i
4
i
2 3 2 7/2 -1/2 1/8

3 5 9 2 0 ---
4 14 13 2 --- ---
5 27 15 --- --- ---
6 42 --- --- --- ---
A
6
T
3
121 Clculo Numrico
EXEMPLO 3
Para o conjunto de dados {(1,3), (2,5), (3,9), (4,17), (5,33), (6,65)}, podemos
construir a tabela (verifque):

x
i
0
i i
y =
1
i
2
i
3
i
4
i
5
i
1 3 2 1 1/3 1/12 1/60

2 5 4 2 2/3 2/12 ---
3 9 8 4 4/3 --- ---
4 17 16 8 --- --- ---
5 33 32 --- --- --- ---
6 65 --- --- --- --- ---
As diferenas divididas podem ser usadas para determinar o polinmio interpo-
lador para um conjunto de dados de acordo com o que segue.
Proposio: Para o conjunto de dados
0 0 1 1
{( , ), ( , ), ..., ( , )}

x y x y x y , o polinmio interpolador
pode ser obtido pela expresso:
1 2
0 0 0 0 0 1 0 0 1 1
( ) .( ) .( )( ) ... .( )( )...( )
n
n
p x y x x x x x x x x x x x x

= + + + +
.
Vejamos como pode ser encontrado o polinmio interpolador pelo uso da propo-
sio acima.
EXEMPLO 4
Usando o mtodo de Newton, encontre o polinmio interpolador para os dados
{(1, 4), (3,8), (6,29)}.
Soluo:
Fazendo ( ) ( ) ( )
0 0 1 1 2 2
( , ) 1, 4 , ( , ) 3,8 e ( , ) 6,29 x y x y x y = = = , podemos encontrar
as diferenas divididas
De ordem 0:
0
0 0
4 y = =
,
0
1 1
8 y = =
,
0
2 2
29 y = =
.
De ordem 1:
0 0
1 1 0
0
1 0
8 4
2
3 1 x x

= = =

e
0 0
1 2 1
1
2 1
29 8
7
6 3 x x

= = =

.
E de ordem 2:
1 1
2 1 0
0
2 0
7 2
1
6 1 x x

= = =

, dados que podem ser tabelados:
A
6
T
3
x
i
0
i i
y =
1
i
2
i
1 4 2 1
3 8 7 ---
6 29 --- ---
Assim, o polinmio interpolador ser
1 2
0 0 0 0 0 1
( ) .( ) .( )( ) p x y x x x x x x = + +
=
4 2.( 1) 1.( 1)( 3) x x x + +
=
2
4 2 2 4 3 x x x + + +
=
2
2 5 x x +
.
EXEMPLO 5
O volume de gua em um reservatrio foi medido em tempos regulares. Os re-
sultados das medies aparecem na tabela abaixo. Usando interpolao polinomial,
estime o volume de gua no reservatrio para t=2,5h.
t (em H)
0 1 2 3 4
V (em m)
0 3 7 15 30
Soluo:
Agrupando os dados {(0,0), (1,3), (2,7), (3,15), (4,30)}na tabela do mtodo de
Newton, temos
x
i
0
i i
y =
1
i
2
i
3
i
4
i
0 0 3 1/2 1/2 0
1 3 4 2 1/2 ---
2 7 8 7/2 --- ---
3 15 15 --- --- ---
4 30 --- --- --- ---
Assim, o polinmio interpolador pode ser obtido por

p x y x x x x x x x x x x x x ( ) .( ) .( )( ) .( )( )( ) = + + +
0 0
1
0 0
2
0 1 0
3
0 1 2
++
= + +
0
4
0 1 2 3
0 3 0
1
2
0 1
.( )( )( )( )
( ) .( ) .( )( )
x x x x x x x x
p x x x x ++ +

= +
1
2
0 1 2 0 0
1 1 3
3
1
2
.( )( )( ) .( )
( )( )( )
( ) .(
x x x x
x x x
p x x x x 11
1
2
1 2 ) . .( )( ) + x x x
Para obter uma estimativa do volume do tanque para t=2,5h, calculamos
1 1
(2, 5) 3.2, 5 2, 5.(2, 5 1) .2, 5.(2, 5 1)(2, 5 2) 10, 3125
2 2
p = + + =
, de onde
A
6
T
3
123 Clculo Numrico
podemos afrmar que o volume do tanque para t=2,5h de, aproximadamente, 10,31m.
Para encerrar a aula, acompanhe como a interpolao polinomial pode ser usada
para aproximar razes de funes.
EXEMPLO 6
Considere = + -
3
( ) 2 1 f x x x . No h um mtodo analtico simples para determi-
nar as razes de f, mas, como =- = (0) 1 e (1) 2 f f , temos a certeza de que a funo
f possui uma raiz entre 0 e 1 (ver Teorema de Bolzano). Uma aproximao para essa
raiz pode ser obtida por algum dos mtodos descritos nas primeiras aulas.
Algo diferente que podemos fazer escolher um terceiro valor, de preferncia perto de 0 e
1, substituir na funo e obter trs pontos, usar os trs pontos para encontrar um polinmio
p, de grau 2, que aproxime f, e aplicar a frmula de Bhaskara para determinar a raiz de p que
fca no intervalo considerado e us-la como aproximao para a raiz de f.
Escolhendo, por exemplo, o nmero 0,5, temos = + - =
3
(0,5) 0,5 2.0,5 1 0,125 f .
Usemos ento o conjunto de dados - {(0; 1), (0,5;0,125), (1;2)}e o mtodo de La-
grange, comeando pelos polinmios elementares
0 1 2
( ), ( ) e ( ) L x L x L x . Temos

2
1 2
0
0 1 0 2
( )( ) ( 0, 5)( 1) 1, 5 0, 5
( )
( )( ) (0 0, 5)(0 1) 0, 5
x x x x x x x x
L x
x x x x
+
= = =

;

2
0 2
1
1 0 1 2
( )( ) ( 0)( 1)
( )
( )( ) (0, 5 0)(0, 5 1) 0, 25
x x x x x x x x
L x
x x x x

= = =

;

2
0 1
2
2 0 2 1
( )( ) ( 0)( 0, 5) 0, 5
( )
( )( ) (1 0)(1 0, 5) 0, 5
x x x x x x x x
L x
x x x x

= = =

.
Assim, o polinmio interpolador ser da forma
0 0 1 1 2 2
( ) . ( ) . ( ) . ( ) p x y L x y L x y L x = + +
= 0 1 2
( 1). ( ) 0,125. ( ) 2. ( ) L x L x L x + +
=
=
2 2 2
1, 5 0, 5 0, 5
( 1). 0,125. 2.
0, 5 0, 25 0, 5
x x x x x x +
+ +
=
=
2 2 2
2( 1, 5 0, 5) 0, 5( ) 4( 0, 5 ) x x x x x x + +
=
=
2 2 2
2 3 1 0, 5 0, 5 4 2 x x x x x x + + +
=
=
2
1, 5 1, 5 1 x x +
.
Dessa forma, podemos usar a frmula de Bhaskara para o polinmio
2
( ) 1, 5 1, 5 1 p x x x = +
, resultando na raiz positiva
2
1, 5 1, 5 4.1, 5.( 1)
0, 457
2.1, 5
x
+
=
.
Assim, como no fnal do tpico 2, sugerimos que os exemplos dos tpicos ante-
riores sejam refeitos atravs do mtodo de Newton e que se analise as vantagens e
desvantagens dos mtodos descritos.
A
6
T
3
125
Aula 7
Ol alunos! Sejam bem-vindos.
Nesta nova aula, aproximaremos os valores das integrais definidas, como visto no
Clculo I. Recomendamos que voc revise os conceitos aprendidos naquela disci-
plina, especialmente o de integral de Riemann, para que possamos tirar o maior
proveito possvel do estudo que se inicia agora.
Objetivos:
Descrever mtodos de integrao numrica.
Comparar mtodos e aplicar processos de aproximao de funes.
Integrao Numrica
REVISO DE CONCEITOS
E DEFINIES INICIAIS
01
TPICO
OBJETIVOS
Revisar os conceitos necessrios para a formulao
do problema.
Resolver problemas iniciais.
U
m problema central com o qual lidamos no Clculo Diferencial e Integral
o que segue:
Problema: Encontre a rea da regio do plano cartesiano limitada pelo grfco
da funo contnua : [ , ] f a b
+
R , pelo eixo x e pelas retas x a = e x b = (ver fgura 1).
Figura 1: rea da regio limitada pelas retas x a = e x b =
127 Clculo Numrico
A
7
T
1
No curso de Clculo I, vimos que o problema pode ser resolvido a partir da de-
terminao da integral defnida ( )
b
a
f x dx
e que uma regra prtica para se encontrar

esse valor dada pelo seguinte resultado crucial:
Teorema Fundamental do Clculo: Se : [ , ] f a b R uma funo cont-
nua, e F uma primitiva de f em (a, b), ou seja, vale ( ) ( ), ( , )
dF
x f x x a b
dx
= " ,
ento ( ) ( ) ( )
b
a
f x dx F b F a = -
.
EXEMPLO 1
Calcule a rea da regio do plano cartesiano limitada pelo grfco de ( ) 2 1 f x x = - ,
pelo eixo x e pela retas 1 x = e 2 x = .
Soluo
Um esboo da regio considerada pode ser visto na fgura 2. Como a funo no as-
sume valores negativos no intervalo [1,2] , podemos calcular a rea por
2
1
(2 1) x dx -
.
Para tanto, encontramos uma primitiva para a funo. imediato verifcar que
2
( ) F x x x = - uma primitiva para a funo dada. Assim, usando o Teorema Fun-
damental do Clculo, obtemos
2
1
(2 1) (2) (1) 2 x dx F F - = - =
.
Figura 2: Grfico da funo ( ) 2 1 f x x = -
EXEMPLO 2
Uma vez que
3
( ) F x x = uma primitiva para
2
( ) 3 f x x = , podemos, usando o Teo-
rema Fundamental do Clculo, escrever
5
5
2 3 3 3
2
2
3 5 2 125 8 117
x
x
x dx x
=
=

= = - = - =

.
A
7
T
1
Embora a motivao inicial para o clculo de integrais venha da Geometria Plana,
na qual no interessam medidas negativas, podemos encontrar, via TFC, o valor de
integrais defnidas mesmo que as funes assumam valores negativos.
EXEMPLO 3
Visto que
4
( )
4
x
F x = uma primitiva para
3
( ) f x x = , podemos, usando o Teore-
ma Fundamental do Clculo, escrever

0
0
4 4 4
3
1 1
( 1) 0 1
4 4 4 4
x
x
x
x dx
=
=- -

-

= = - =-

.

As integrais defnidas tm aplicao em vrias reas, com interpretaes diversas
(reas, espao percorrido, volume, trabalho, etc.); entretanto h duas situaes nas
quais a determinao de seu valor pela aplicao do Teorema Fundamental do Clcu-
lo impraticvel. Vejamos quais:
SITUAO 1
Para se encontrar o valor de ( )
b
a
f x dx
, precisamos de uma primitiva para a fun-

o ( ) f x , o que pode ser bem difcil ou mesmo impossvel de se obter por funes
simples. Por exemplo, as funes
x
e
x
,
2
x
e ,
3
1 x + e
1
lnx
no possuem primiti-
vas elementares, ou seja, no podemos determinar exatamente o valor de
2
1
0
x
e dx
,
2
1
ln
e
dx
x
ou
1
3
0
1 x dx +
atravs das funes que estudamos nos cursos iniciais de Clculo.

SITUAO 2
Outra impossibilidade de determinao do valor exato da integral quando a
funo obtida a partir de um experimento (por instrumentos de medida ou por
dados coletados), caso no qual podemos no ter uma frmula para express-la ou,
por conhec-la apenas em pontos isolados, no temos a confrmao do seu compor-
tamento em intervalos.
A integrao numrica estabelece mtodos de aproximao para essas integrais,
mas que, obviamente, tambm podem ser usados nos casos nos quais conhecemos a
primitiva para a funo, mas saber o valor exato da integral no o objetivo ou no
algo simples de ser feito sem o uso de calculadoras, como o caso da funo
1
( ) f x
x
= ,
da qual conhecemos uma primitiva ( ) ln F x x = . Assim,
3
2
1 3
ln3 ln2 ln
2
dx
x
= - =
,
entretanto, pode ser que trabalhar com a funo gere uma complexidade menor que
fazer uma aproximao para o logaritmo.
SOMA DE RIEMANN
02
TPICO
OBJETIVOS
Apresentar o mtodo de integrao por somas de
Riemann.
Analisar geometricamente o mtodo.
C
omecemos aqui recordando a defnio de Integral
de Riemann
Dada a funo contnua : [ , ] f a b
+
R , dividimos
o intervalo considerado em subintervalos de igual
comprimento
b a
x
-
D = (ou seja, fazemos uma
partio uiforme de [ , ] a b ) e escolhemos em cada
subintervalo [ ]
1
,
i i
x x
-
um valor qualquer
i
x
*
. Dessa
forma, temos, por defnio:

( )
*
1
( ) lim
b
i
a
f x dx f x x
=
= D
.
Figura 3: Georg Riemann
h
t
t
p
:
/
/
p
t
.
w
i
k
i
p
e
d
i
a
.
o
r
g
/
131 Clculo Numrico
A
7
T
2
Na defnio acima
i
x
*
, cada pode ser escolhido como o fnal do intervalo, o come-
o, o ponto de mximo, o ponto de mnimo, o ponto mdio ou qualquer outro ponto
j que o resultado permaneceria o mesmo ao realizar o processo de limite. Um mtodo
que podemos usar para aproximar o valor da integral considerar apenas a soma de
Riemann para uma quantidade fxa de subintervalos, pois assim aproximaremos
( )
1
( )
b
i
i
a
f x dx f x x
*
=
D
.
Na fgura 4 a seguir, temos a interpretao geomtrica desta aproximao, consi-
derando
*
i
x como o mnimo em cada subintervalo.
Figura 4: rea desejada ( esquerda) e suas aproximaes ( direita) por somas inferiores de Rie-
mann com 1, 2 e 4 subintervalos
EXEMPLO 1
Usando soma de Riemann, quatro subintervalos e escolhendo
*
i
x como o fnal de
cada subintervalo, aproxime
2
2
0
x
e dx
.
Soluo
Inicialmente, dividimos o intervalo [0;2] em quatro subintervalos, cada um de-
les com comprimento
2 1
0,5
4
x
-
D = = .
no primeiro subintervalo [0;0,5] , obtemos
*
1
0,5 x = e assim
( )
2
* 0,5 0,25
1
.0,5 .0,5 f x x e e D = = .
no segundo subintervalo [0,5;1] , temos
*
2
1 x = , portanto encontraremos
( )
2
* 1
2
.0,5 .0,5 f x x e e D = = .
no terceiro subintervalo [1;1,5] , encontramos
*
3
1,5 x = e, por conseguinte,
( )
2
* 1,5 2,25
3
.0,5 .0,5 f x x e e D = = .
no quarto subintervalo [1,5;2] , temos
*
4
2 x = e assim
( )
2
* 2 4
4
.0,5 .0,5 f x x e e D = =
A
7
T
2
Desse modo, podemos aproximar

( ) ( ) ( ) ( ) ( )
2
2
4
* * * * *
1 2 3 4
1
0
0,25 1 2,25 4
0,25 2,25 4
.0,5 .0,5 .0,5 .0,5
0,5.( ) 0,5.68,08 34,04
x
i
i
e dx f x x f x x f x x f x x f x x
e e e e
e e e e
=
D = D + D + D + D =
= + + + =
= + + + @ =
Como a funo
2
( )
x
f x e = crescente em [0;2] , escolher o ponto fnal de cada subin-
tervalo equivale a escolher o ponto de mximo, assim a aproximao feita no exemplo
por excesso, de onde podemos concluir que o valor exato da integral menor que 34,04.
EXEMPLO 2
Usando soma de Riemann, cinco subintervalos e escolhendo
*
i
x como o ponto
mdio de cada subintervalo, aproxime
2
1
1
dx
x
.
Soluo
Inicialmente, dividimos o intervalo [1;2] em cinco subintervalos, cada um deles
com comprimento
1
5
x D = . Para a funo
1
( ) f x
x
= :
no primeiro subintervalo
6
1,
5

, temos
*
1
11
10
x = e, assim,
( )
*
1
1 1 2
.
11/ 10 5 11
f x x D = = ;
no segundo subintervalo
6 7
,
5 5

, temos
*
2
13
10
x = e, assim,
( )
*
2
1 1 2
.
13 / 10 5 13
f x x D = = ;
no terceiro subintervalo
7 8
,
5 5

, temos
*
3
15
10
x = e, assim,
( )
*
3
1 1 2
.
15 / 10 5 15
f x x D = = ;
no quarto subintervalo
8 9
,
5 5

, temos
*
4
17
10
x = e, assim,
( )
*
4
1 1 2
.
17 / 10 5 17
f x x D = = ;
no quinto subintervalo
9
,2
5

, temos
*
5
19
10
x = e, assim,
( )
*
5
1 1 2
.
19 / 10 5 19
f x x D = = .
Desse modo, podemos aproximar
( ) ( ) ( ) ( ) ( ) ( )
2
5
* * * * * *
1 2 3 4 5
1
1
1
2 2 2 2 2
11 13 15 17 19
1 1 1 1 1
2. 0,692.
11 13 15 17 19
i
i
dx f x x f x x f x x f x x f x x f x x
x
=
D = D + D + D + D + D =
= + + + + =

= + + + + @

133 Clculo Numrico
A
7
T
2
O exemplo 2 pode ser usado para se obter uma aproximao de ln2 , pois, pelo
Teorema Fundamental do Clculo, temos [ ]
2
2
1
1
1
ln ln2 ln1 ln2
x
x
dx x
x
=
=
= = - =
. As-
sim, obtemos ln2 0,692 @ .
Observao 1: Quanto maior for a quantidade de subintervalos, melhor ser a
aproximao, independente da escolha do
*
i
x .
Observao 2: Escolhendo
*
i
x como sendo o mximo em cada subintervalo, tere-
mos uma aproximao por excesso e, escolhendo
*
i
x como sendo o mnimo em cada
subintervalo, teremos uma aproximao por falta. Em geral, a melhor aproximao
da integral por soma de Riemann ser feita pela escolha do ponto mdio.
A REGRA DOS TRAPZIOS
03
TPICO
OBJETIVOS
Apresentar e justificar a regra dos trapzios para
integrao numrica.
N
o tpico anterior, analisamos aproximaes de integral por somas de Rie-
mann, que consistem em somas de reas de retngulos. No presente tpi-
co, faremos uma aproximao por trapzios, como o nome da regra suge-
re. Acompanhe a situao na fgura 5.
Figura 5: rea pretendida ( esquerda) e aproximao por um trapzio ( direita)
135 Clculo Numrico
A
7
T
3
Relembrando que, se um trapzio tem bases de medidas B e b, e altura h, ento sua
rea vale .( )
2
h
B b + . Na situao do grfco de ( ) f x , a altura do trapzio o compri-
mento do intervalo e as bases medem ( ) f b e ( ) f a . Assim, podemos aproximar
( ) ( ( ) ( ))
2
b
a
b a
f x dx f b f a
-
+
.
EXEMPLO 1
Use a regra do trapzio para estimar o valor da integral
2
3
0
1 x dx +
.
Soluo
Para a funo
3
( ) 1 f x x = + , podemos fazer
( )
2
3 3 3
0
2 0
1 .( (2) (0)) 1. 1 2 1 0 9 1 4
2
x dx f f
-
+ + = + + + = + =
.
Podemos tambm dividir o intervalo considerado e aplicar a regra do tra-
pzio em cada um dos subintervalos, de acordo com o esquema abaixo, no qual
b a
h x
-
=D = :

( ) ( ) ( )
( )
1 2
0 1 1
0 1 1 2 1
0 1 1
( ) ( ) ( ) ... ( )
( ) ( ) ( ) ( ) ... ( ) ( )
2 2 2
( ) 2. ( ) ... 2. ( ) ( ) .
2
x x x b
a x x x

f x dx f x dx f x dx f x dx
h h h
f x f x f x f x f x f x
h
f x f x f x f x
-
-
-
= + + +
+ + + + + + =
= + + + +

Observe a fgura a seguir na qual a regra do trapzio foi usada para quatro su-
bintervalos.
Figura 6: Aproximao pela regra do trapzio com quatro subintervalos
EXEMPLO 2
Se ( ) p x o polinmio interpolador para o conjunto de dados
{(1,3),(2,7),(3,15),(4,31),(5,59)}, encontre uma aproximao para o valor de
5
1
( ) p x dx
.
A
7
T
3
Soluo: Aqui temos o caso no qual a funo que vamos integrar desconheci-
da, mas sabemos quanto ela vale em alguns pontos especfcos. Se considerarmos os
subintervalos [1,2] , [2,3] , [3, 4] e [4,5] , podemos aproximar o valor de
5
1
( ) p x dx

pela regra dos trapzios, pois sabemos que (1) 3 p = , (2) 7 p = , (3) 15 p = , (4) 31 p =
e (5) 59 p = . Assim

( )
( )
5
0 1 2 3 4
1
( ) ( ) 2. ( ) 2. ( ) 2. ( ) ( )
2
1 1
3 2.7 2.15 2.31 59 .168 84.
2 2
h
p x dx p x p x p x p x p x + + + + =
= + + + + = =
EXEMPLO 3
Usando as tcnicas de integrao vistas no Clculo, podemos obter
1
2
0
1
arctg 1 arctg 0 0
1 4 4
dx
x
p p
= - = - =
+
. Assim, se fzermos uma aproximao

para o valor de
1
2
0
1
1
dx
x +
, teremos uma aproximao para

4
p
e, multiplicando
por 4, uma aproximao para p .
Usemos aqui a regra dos trapzios para cinco subintervalos (de comprimento
0,2), os pontos considerados so

0
0 x = ;
1
0,2 x = ;
2
0, 4 x = ;
3
0,6 x = ;
4
0,8 x = e
5
1 x = .
Assim, para a funo
2
1
( )
1
f x
x
=
+
, encontramos

0
2
1
( ) 1
1 0
f x = =
+
;
1
2
1 1
( )
1 0,2 1,04
f x = =
+
;
2
2
1 1
( )
1 0, 4 1,16
f x = =
+
;

3
2
1 1
( )
1 0,6 1,36
f x = =
+
;
4
2
1 1
( )
1 0,8 1,64
f x = =
+
e
5
2
1 1
( )
1 1 2
f x = =
+
.
A partir da, a aproximao fcar
( )
1
0 1 2 3 4 5
0
0,2
( ) ( ) 2. ( ) 2. ( ) 2. ( ) 2. ( ) ( )
2
1 1 1 1 1
0,1 1 2. 2. 2. 2. 0,1.7,837 0,7837.
1,04 1,16 1,36 1,64 2
f x dx f x f x f x f x f x f x + + + + + =

= + + + + + =
Logo, encontramos uma aproximao para 4.0,7837 3,1348 p @ = .

Em geral, a regra dos trapzios oferece uma aproximao equivalente quela ob-
tida pela soma de Riemann com ponto mdio, mas tem vantagem sobre as outras es-
colhas de pontos, especialmente em funes de crescimento acentuado.
Usando soma de Riemann, aproximamos a funo em cada subintervalo por uma
137 Clculo Numrico
A
7
T
3
funo constante, ou seja, de grau 0. A regra dos trapzios aproxima o grfco da
funo em cada subintervalo por um segmento de reta, isto , o grfco de uma fun-
o de primeiro grau. O prximo passo ser aproximar as funes em cada subin-
tervalo por uma parbola, ou seja, por uma funo de segundo grau, e, para tanto,
podemos fazer uso de interpolao polinomial. Por ora, sugerimos que voc refaa os
exemplos do tpico 1, usando a regra dos trapzios, e compare os resultados obtidos.
A REGRA DE SIMPSON
04
TPICO
OBJETIVOS
Apresentar e justificar a regra de Simpson para
integrao numrica.
N
os tpicos iniciais, vimos como aproximar o grfco de uma funo por
segmentos de reta, horizontais (soma de Riemann) ou no (regra dos tra-
pzios), com o objetivo de encontrar o valor aproximado da integral da
funo. Neste tpico, aproximaremos as funes por arcos de parbola, ou seja, por
funes de segundo grau. Vimos, na aula passada, que um polinmio de segundo grau
fca bem determinado por trs pontos. Assim, precisaremos de trs pontos do interva-
lo e no apenas dos extremos, como nos mtodos anteriores. Observe a fgura 7:
Figura 7: rea pretendida ( esquerda) e sua aproximao por um arco de parbola ( direita)
139 Clculo Numrico
Por simplicidade, consideraremos os pontos igualmente espaados, sendo a ori-
gem o ponto mdio. Sero, portanto, os pontos
0
x h =- ,
1
0 x = e
2
x h = com ima-
gens
0
y ,
1
y e
2
y , respectivamente. Escrevendo o polinmio interpolador para estes
dados como
2
( ) p x ax bx c = + + , teremos

( )
( )
2
0
2
3 2
3 2 3 2
3
2 2
( )
3 2
3 2 3 2
2
2 2 6 .
3 3
x h
x h
x h
x h
p x dx ax bx c dx
ax bx
cx
ah bh ah bh
ch ch
ah h
ch ah c
-
=
=-
= + + =

= + + =

-

= + + - + - =

= + = +

Porm, como a parbola passa pelos pontos
0
( , ) h y - ,
1
(0, ) y e
2
( , ) h y , devemos ter
2 2
0
( ) ( ) y a h b h c ah bh c = - + - + = - +
2
1
.0 .0 y a b c c = + + = e
2
2
y ah bh c = + + .
Assim, obtemos
2
0 1 2
4 2 6 y y y ah c + + = + , de mo-
do que podemos escrever a integral de ( ) p x na forma
( ) ( )
2
0
2
0 1 2
( ) 2 6 4
3 3
x
x
h h
p x dx ah c y y y = + = + +
.
Agora, fazendo a parbola mover-se horizontal-
mente para outros pontos
0 1 0 2 1
, e x x x h x x h = + = + ,
com imagens
0
y ,
1
y e
2
y , a rea sob a parbola no se
altera. Desse modo, podemos enunciar que
Proposio (Regra de Simpson)
Se ( ) f x uma funo contnua, e os pontos
0 0
( , ) x y ,
1 1
( , ) x y e
2 2
( , ) x y do
grfco de ( ) f x esto igualmente espaados horizontalmente, ou seja, se
2 1 1 0
x x x x h - = - = , ento podemos aproximar:
( )
2
0
0 1 2
( ) 4
3
x
x
h
f x dx y y y @ + +
.
EXEMPLO 1
Usando a regra de Simpson, faa uma aproximao para
2
1
0
x
e dx
-
.
A
7
T
4
O resultado enunciado na proposio
j era conhecido por matemticos
do sculo XVII, mas foi popularizado
nos textos do britnico Thomas
Simpson (1710 1761), reconhecido
por muitos como um dos melhores
matemticos ingleses do sculo
XVIII. Em sua homenagem, damos ao
mtodo o nome de Regra de Simpson.
ATENO!
Soluo
Para usar a frmula acima, precisamos de trs pontos igualmente espaados. To-
memos, ento, o ponto mdio do intervalo e calculemos

0
0 x = , logo
2
0
0
1 y e
-
= = ;

1
0,5 x = , logo
2
0,5
1
0,7788 y e
-
= @ e

2
1 x = , logo
2
1
2
0,3679 y e
-
= @ .
Como o intervalo tem comprimento 1, vale
1
0,5
2
h = = . Assim, podemos aproximar

( )
2
1
0 1 2
0
0,5
4
3
0,5
(1 4.0,7788 0,3679) 0,7472.
3
x
e dx y y y
-
+ +
@ + + @
EXEMPLO 2
Use a regra de Simpson para estimar o valor da integral
3
3
2
1 x dx +
.
Soluo
De maneira anloga ao exemplo 1, precisamos de trs
pontos igualmente espaados. Tomemos, ento, o ponto
mdio do intervalo [2,3] e calculemos
0
2 x = , logo
3
0
1 2 3 y = + = ;
1
2,5 x = , logo
3
0
1 2,5 4,0774 y = + @ e
2
3 x = , logo
3
0
1 3 5,2915 y = + = .
Assim, podemos aproximar, para
3 2
0,5
2
h
-
= =
( )
3
3
0 1 2
2
0,5 0,5
1 4 (3 4.4,0744 5,2915) 4,0982.
3 3
x dx y y y + = + + @ + + @

Por fm, podemos refar a regra de Simpson, usando-a repetidamente. Se dividirmos
o intervalo [ , ] a b em subintervalos, essa quantidade deve ser par, a fm de que pos-
samos aplicar a regra de dois em dois. Acompanhe o esquema, no qual
b a
h
-
= :

( ) ( ) ( )
( )
2 4
0 2 2
0 1 2 2 3 4 2 1
0 1 2 3 4 2 1
( ) ( ) ( ) ... ( )
4 4 ... 4
3 3 3
4 2 4 2 ... 2 4 .
3
x x x b
a x x x

f x dx f x dx f x dx f x dx
h h h
y y y y y y y y y
h
y y y y y y y y
-
- -
- -
= + + +
+ + + + + + + + + =
= + + + + + + + +

1. Por causa da expresso obtida, a regra
de aproximao acima tambm recebe
o nome de regra 1/3 de Simpson.
2. Os valores de
i
y aparecem na
expresso abaixo obedecendo
seguinte regra: o primeiro e o ltimo
sero multiplicados por 1, e os demais,
alternadamente, multiplicados por 4 e
2, sempre comeando por 4.
ATENO!
A
7
T
4
141 Clculo Numrico
EXEMPLO 3
Usando a regra de Simpson para oito subintervalos, aproxime
3
1
1
dx
x
.
Soluo
Aqui o intervalo [1,3] deve ser dividido em oito partes iguais, cada uma de com-
primento
3 1 2
0,25
8 8
h
-
= = = . Assim, os valores a serem empregados so
0 0
1
1
1
x y = = ;
1 1
1
1,25
1,25
x y = = ;
2 2
1
1,5
1,5
x y = = ;
3 3
1
1,75
1,75
x y = = ;
4 0
1
2
2
x y = = ;
5 5
1
2,25
2,25
x y = = ;
6 6
1
2,5
2,5
x y = = ;
7 7
1
2,75
2,75
x y = = e
8 8
1
3
3
x y = = .
Logo, podemos fazer a aproximao:

( )
( )
3
0 1 2 3 4 5 6 7 8
1
1
4 2 4 2 4 2 4
3
0,25 1 1 1 1 1 1 1 1
1 4. 2. 4. 2. 4. 2. 4.
3 1,25 1,5 1,75 2 2,25 2,5 2,75 3
0,0833 1 3,2 1,3333 2,2857 1 1,7778 0,8 1, 4545 0,3333
1,098277
h
dx y y y y y y y y y
x
+ + + + + + + + =

= + + + + + + + + @

@ + + + + + + + + @
@
Podemos usar o valor acima como aproximao para ln3 1,098277 @ .

EXEMPLO 4
Foram feitas medies regulares na largura de uma piscina, de dois em dois me-
tros, com resultados apresentados na fgura abaixo, na qual as unidades esto em
metros. Sabendo que a piscina tem profundidade constante de 1,5 m, use a regra de
Simpson para estimar a sua capacidade.
Figura 9: Planta de uma piscina
Soluo
Inicialmente, relembremos que o volume de um slido de altura constante pode ser
encontrado multiplicando-se a altura pela rea da base. Devemos, para comear, apro-
A
7
T
4
ximar a rea da piscina. Como as medies foram feitas de 2 em 2 metros, podemos con-
siderar para cada x o valor da largura correspondente, de acordo com a seguinte tabela:
x 0 2 4 6 8 10 12 14 16
Largura (L) 0 6,2 7,2 6,8 5,6 5,0 4,8 4,8 0

Desse modo, podemos aproximar a rea da piscina pela integral
16
0
( ) L x dx
e usar
a diviso feita pelas medies, ou seja, 2 h = . Fazendo as contas, obtemos

( )
( )
16
0 1 2 3 4 5 6 7 8
0
( ) 4 2 4 2 4 2 4
3
2
0 4.6,2 2.7,2 4.6,8 2.5,6 4.5,0 2.4,8 4.4,8 0
3
2 252,8
.126, 4 .
3 3
h
L x dx y y y y y y y y y + + + + + + + + =
= + + + + + + + + =
= =
Multiplicando o resultado acima pela profundidade da piscina, obteremos uma

aproximao para o seu volume. O resultado
252,8
.1,5 126, 4
3
= metros cbicos.
Uma estimativa para a capacidade da piscina , portanto, de 126 400 litros.
Depois desse exemplo, chegamos ao fm da aula. Sugerimos que voc refa-
a alguns exemplos usando um mtodo diferente daquele empregado no texto.
Compare os resultados e decida quais so mais precisos. Em geral, a regra de
Simpson oferece uma aproximao melhor que os outros mtodos e/ou com uma
quantidade diferente de subintervalos. Se dispuser de um sistema computacio-
nal que calcule integrais, compare os resultados obtidos.
A
7
T
4
143
Aula 8
Ol a todos!
Dando prosseguimento ao nosso estudo de aproximao de dados por funes co-
nhecidas, trataremos nesta aula do problema dos mnimos quadrados. Um caso sim-
ples o de encontrar a reta que melhor se ajusta a trs ou mais pontos no alinha-
dos. H algumas maneiras de medir o quanto a funo de aproximao difere dos
dados do problema. Aqui levaremos em considerao a distncia entre os pontos
dados e os pontos aproximados ou, equivalentemente, o quadrado dessa distncia.
Precisaremos de conceitos iniciais do trato de funes e anlise de grficos. No
hesite em recorrer a outras fontes, como o material de disciplinas anteriores, para
revisar esses assuntos. Vamos ao trabalho, ento?!
Objetivos:
Aproximar dados por funes conhecidas minimizando as distncias.
Apresentar e discutir mtodos e casos do problema de mnimos quadrados.
O mtodo dos mnimos quadrados
O CASO LINEAR DISCRETO
01
TPICO
OBJETIVOS
Descrever aproximao de dados por funes.
Definir desvios quadrados.
Formular o problema dos mnimos quadrados
para o caso linear.
E
m nossos estudos de Interpolao Polinomial, vimos como obter um polin-
mio que sirva de modelo para descrever certos fenmenos, visando coinci-
dncia de pontos dados com os pontos gerados. Sabemos que h uma nica
parbola que passa por trs pontos no colineares.
EXEMPLO 1
Encontre a equao da parbola que passa pelos pontos (1, 6), (2, 13) e (4, 45).
Soluo
Uma parbola tem equao do tipo
2
y ax bx c = + + e como queremos que passe
pelos pontos dados, devemos ter:

2
2
2
1, 6 .1 .1 6 6
2, 13 .2 .2 13 4 2 13
4, 45 .4 .4 45 16 4 45
x y a b c a b c
x y a b c a b c
x y a b c a b c
= = + + = + + =
= = + + = + + =
= = + + = + + =
145 Clculo Numrico
A
8
T
1
Resolvendo, ento, o sistema
6
4 2 13
16 4 45
a b c
a b c
a b c
+ + =
+ + =
+ + =
, obtemos 3, 2 e 5 a b c = =- = ,

de onde podemos escrever a equao da parbola
2
3 2 5 y x x = - + .
Note que, no exemplo anterior, o sistema linear obtido possvel e determinado,
ou seja, a soluo nica. Se quisssemos encontrar uma funo de terceiro grau
para os mesmos pontos, teramos vrias solues, o que nos daria mais alternativas.
Um problema surge quando temos que aproximar um conjunto de 1 + dados por
um polinmio de grau menor que .
EXEMPLO 2
Encontre a equao da reta (funo do primeiro grau) que passa pelos pontos
(1, 6), (2, 13) e (4, 45).
Soluo
Uma reta tem equao do tipo y ax b = + e como queremos que passe pelos pon-
tos dados, devemos ter:
1, 6 .1 6 6
2, 13 .2 13 2 13
4, 45 .4 45 4 45
x y a b a b
x y a b a b
x y a b a b
= = + = + =
= = + = + =
= = + = + =
Como o sistema
6
2 13
4 45
a b
a b
a b
+ =
+ =
+ =
possui trs equaes e duas incgnitas, uma ma-

neira de saber as suas solues trabalhar com as duas primeiras e verifcar se a so-
luo obtida tambm a mesma da terceira, mas
6
7, 1
2 13
a b
a b
a b
+ =
= =-
+ =
, e
4.7 1 27 45 - = , ou seja, o sistema impossvel.
No exemplo que acabamos de estudar, o problema no tem soluo. Uma interpre-
tao geomtrica para esse fato que os pontos (1, 6), (2, 13) e (4, 45) no esto alinha-
dos, como pode ser facilmente verifcado por algum mtodo de Geometria Analtica.
Como nenhuma reta passa pelos trs pontos dados, poderamos escolher dois dos
pontos e encontrar a reta que passa por eles, usando-a como funo de aproximao.
Mas quais dos pontos devem ser escolhidos? Como dizer se uma aproximao me-
lhor que outra sem termos a funo? Uma reta que no passa pelos pontos pode
ser uma melhor aproximao?
Uma maneira de medir o quanto uma reta y ax b = + se distancia de um conjun-
A
8
T
1
to de dados { }
0 0
( , ),...,( , )

x y x y o clculo da distncia vertical entre ( , )
i i
x y e seu
correspondente pela reta ( , )
i i
x ax b + , a saber ( )
i i
y ax b - + , como sugere a fgura 1.
Figura 1: Distncia vertical entre ( , )
i i
x y e ( , )
i i
x ax b +
Calcular o mdulo diretamente dividiria os casos em que os pontos esto acima
ou abaixo da reta. Para simplifcar o processo, calculamos diretamente o quadrado
desse valor. Defnimos, ento, o desvio uadrado por:
( )
2
( )
i i i
d y ax b = - +
EXEMPLO 3
Para o conjunto de dados { } (1,6),(2,13),(4, 45) e para a reta 8 2 y x = + , calcule
todos os desvios quadrados.
Soluo
Substituindo x por 1, 2 e 4 na equao da reta, obtemos 10, 18 e 34, respectiva-
mente. Assim, os desvios quadrados sero:
2 2
0 0 0
( (8 2)) (6 10) 16 d y x = - + = - = ;
2 2
1 1 1
( (8 2)) (13 18) 25 d y x = - + = - = ;
2 2
2 2 2
( (8 2)) (34 45) 121 d y x = - + = - = .
EXEMPLO 4
Para o conjunto de dados { } (1,2),(3,9),(5,16),(7,20) e para a reta 3 1 y x = - , cal-
cule todos os desvios quadrados.
Soluo
Substituindo x por 1, 3, 5 e 7 na equao da reta, obtemos 2, 8, 14 e 20, respecti-
vamente. Assim, os desvios quadrados sero:
2 2
0 0 0
( (3 1)) (2 2) 0 d y x = - - = - =
2 2
1 1 1
( (3 1)) (9 8) 1 d y x = - - = - =
147 Clculo Numrico
2 2
2 2 2
( (3 1)) (16 14) 4 d y x = - - = - =
2 2
3 3 3
( (3 1)) (20 20) 1 d y x = - - = - =
Procuraremos, assim, minimizar a soma dos desvios quadrados.
Problema - Para o conjunto de dados { }
0 0 1 1
( , ),( , ),...,( , )

x y x y x y , encontrar a re-
ta y ax b = + que minimiza a soma dos desvios quadrados, ou seja, tal que o valor de
( )
2
0 0
( )

i i i
i i
Q d y ax b
= =
= = - +

seja o menor possvel.
Aqui temos uma justifcativa para o nome mtodo dos mimos uadrados. Ob-
serve que o problema consiste em encontrar os valores de a e b que minimizem a
expresso Q . Do clculo de duas variveis, sabemos que os pontos de mnimo pos-
suem derivadas nulas em relao s variveis a e b . A derivada de Q em relao a
a representada por
Q
a
e por ser igual a zero, devemos ter:

( )
( )
0
0
2
0 0 0
2
0 0 0
2
0 0 0
0 2 ( ) 0
0
0
.
i i i
i
i i i
i

i i i i
i i i

i i i i
i i i

i i i i
i i i
Q
x y ax b
a
x y ax b
x y ax bx
ax bx x y
a x b x x y
=
=
= = =
= = =
= = =
= - - + =
- - =
- - =
+ =
+ =

Analogamente, a derivada de Q em relao a b representada por
Q
b
e para
que seja igual a zero, devemos ter:

( )
( )
0
0
0 0 0
0 0 0
0 1
0 2 ( ) 0
0
0
( 1) .
i i
i
i i
i

i i
i i i

i i
i i i

i i
i i
Q
y ax b
b
y ax b
y ax b
ax b y
a x b y
=
=
= = =
= = =
= =
= - - + =
- - =
- - =
+ =
+ + =

A
8
T
1
Juntando as equaes resultantes, as quais chamamos de euaes ormais do
problema, obtemos o sistema nas incgnitas a e b :

2
0 0 0
0 0
( 1)

i i i i
i i i

i i
i i
a x b x x y
a x b y
= = =
= =
+ =
+ + =

.
Observe, no exemplo a seguir, como determinar cada um dos elementos envolvi-
dos nas equaes normais e como resolver o problema.
EXEMPLO 5
Usando o mtodo dos mnimos quadrados, encontre a reta que melhor se ajusta
ao conjunto de dados { } (1,6),(2,13),(4, 45) .
Soluo
Para o conjunto de dados, temos
0 1 2
1; 2; 4 x x x = = =
e
0 1 2
6; 13; 45 y y y = = =
.
Assim, podemos encontrar:
2
2 2 2 2 2 2 2
0 1 2
0
1 2 4 1 4 16 21.
i
i
x x x x
=
= + + = + + = + + =
2
0 1 2
0
1 2 4 7.
i
i
x x x x
=
= + + = + + =
2
0 0 1 1 2 2
0
1.6 2.13 4.45 6 26 180 212.
i i
i
x y x y x y x y
=
= + + = + + = + + =
2
0 1 2
0
6 13 45 64.
i
i
y y y y
=
= + + = + + =
Assim, o sistema de equaes normais

2
0 0 0
0 0
( 1)

i i i i
i i i

i i
i i
a x b x x y
a x b y
= = =
= =
+ =
+ + =

fca

21 7 212
7 3 64
a b
a b
+ =
+ =

, que tem soluo
94
7
a = e 10 b =- . Dessa forma, a reta procura-
da tem equao
94
10
7
y x = - .

Observe que estamos querendo uma reta que minimize os desvios quadrados. No
exemplo que acabamos de resolver, a reta no passa por nenhum dos pontos. Ao pro-
cesso descrito acima, damos tambm o nome de regresso liear dos dados e os coe-
fcientes procurados podem ser encontrados diretamente em algumas calculadoras
cientfcas. Acompanhe o prximo exemplo do tpico, conferindo as contas feitas.
A
8
T
1
149 Clculo Numrico
EXEMPLO 6
Usando o mtodo dos mnimos quadrados, encontre a equao da reta que me-
lhor se ajusta ao conjunto de dados { } (1,2),(3,9),(5,16),(7,20) .
Soluo
Temos
0 1 2 3
1; 3; 5; 7 x x x x = = = = e
0 1 2 3
2; 9; 16; 20 y y y y = = = = . Da calculamos:
3
2 2 2 2 2
0
1 3 5 7 84.
i
i
x
=
= + + + =
3
0
1 3 5 7 16.
i
i
x
=
= + + + =
3
0
1.2 3.9 5.16 7.20 249.
i i
i
x y
=
= + + + =
3
0
2 9 16 20 47.
i
i
y
=
= + + + =

2
0 0 0
0 0
( 1)

i i i i
i i i

i i
i i
a x b x x y
a x b y
= = =
= =
+ =
+ + =

fca
84 16 249
16 4 47
a b
a b
+ =
+ =
, que tem soluo

61
20
a = e
9
20
b =- . Dessa forma, a reta pro-
curada tem equao
61 9
20 20
y x = - .
Antes de encerrar o tpico, acompanhe mais um exemplo, com o qual ganhamos
mais um mtodo para aproximar integrais.
EXEMPLO 7
Usando a funo do primeiro grau obtida pelos mtodos dos mnimos quadra-
dos, podemos obter um valor aproximado para
2
1
1
dx
x
com quatro subintervalos.

Os pontos dessa diviso so
0 1 2 3 4
5 3 7
1; ; ; ; 2
4 2 4
x x x x x = = = = = , com imagens cor-
respondentes pela funo
1
( ) f x
x
= iguais a
0 1 2 3 4
4 2 4 1
1; ; ; ;
5 3 7 2
y y y y y = = = = = .
Para esse conjunto de dados, podemos encontrar:
2 2 2
4
2 2 2
0
5 3 7 95
1 2 .
4 2 4 8
i
i
x
=

= + + + + =

4
0
5 3 7 15
1 2 .
4 2 4 2
i
i
x
=
= + + + + =
4
0
5 4 3 2 7 4 1
1.1 . . . 2. 5.
4 5 2 3 4 7 2
i i
i
x y
=
= + + + + =
4
0
4 2 4 1 743
1 .
5 3 7 2 210
i
i
y
=
= + + + + =
A
8
T
1
2
0 0 0
0 0
( 1)

i i i i
i i i

i i
i i
a x b x x y
a x b y
= = =
= =
+ =
+ + =

fca
95 15
5
8 2
15 743
5
2 210
a b
a b
+ =
+ =
, que tem soluo 0, 49143 a @- e 1, 44476 b @ . Dessa forma, a

parte do grfco da funo
1
( ) f x
x
= para valores de [1,2] x pode ser aproximada
pela reta 0, 49143 1, 44476 y x =- + . Assim,

( )
2
2 2
2
1 1 1
1
( ) 2 2
2 2
3.( 0, 49143) 3
1, 44476 0,707615.
2 2
x
x
ax a
dx ax b dx bx a b b
x
a
b
=
=

+ = + = + - + =

-
= + @ + =

Com o que temos neste exemplo, aliado ao exposto na aula 7, podemos tambm
aproximar o valor ln2 0,707615. @ Sugerimos que se use o mtodo acima para obter
outras aproximaes para as integrais discutidas naquela aula.
Por fm, observe que, se escrevermos
2
0 0 0 0
; ; ; 1 e

i i i i i
i i i i
F x G x H x y I J y
= = = =
= = = + =

, o sistema de equaes nor-
mais de que tanto falamos reduz-se a
Fa Gb H
Ga Ib J
+ =
+ =
, que matricialmente equivalen-

te a
F G a H
G I b J

=

. Uma vez que a matriz dos coefcientes desse sistema simtrica,
podemos usar o mtodo de Cholesky para resolv-lo (ou aproximar a soluo).
Neste tpico, tratamos um conjunto de dados isolados (caso discreto) que foi
aproximado por uma funo do primeiro grau (caso linear). H vrias outras pos-
sibilidades tambm para dados contnuos e outros tipos de funes (exponenciais,
logartmicas, trigonomtricas, polinomiais etc). Algumas dessas aproximaes sero
discutidas nos prximos tpicos, sempre tendo em vista a melhor relao entre apro-
ximao dos dados e complexidade da funo de ajuste.
A
8
T
1
CASO DISCRETO GERAL
02
TPICO
OBJETIVOS
Formular o mtodo dos mnimos quadrados no
caso geral.
Analisar o caso de funes do segundo grau.
N
o tpico anterior, vimos como aproximar um conjunto de dados por uma
funo do primeiro grau, resolvendo as suas equaes normais e obtendo os
coefcientes da equao da reta. Em alguns problemas, pode fcar evidente,
pela quantidade de pontos e pelo seu comportamento, o uso de outros tipos de funes.
Com mais rigor, dado o conjunto de pontos { }
0 0 1 1
( , ),( , ),...,( , )

x y x y x y , os des-
vios da funo ( ) x j so defnidos por ( )
i i i
d x y j = - e os desvios quadrados por
( )
2
( )
i i i
d x y j = - . O mtodo dos mnimos quadrados consiste em encontrar a fun-
o, dentro de um modelo pr-estabelecido, que minimize a soma dos desvios qua-
drados. Para a soma ( )
2
0
( )
i i
i
Q x y j
=
= -
, vale sempre 0 Q , de onde temos que

ela deve assumir um mnimo, que o objetivo do nosso problema. Note que, ao con-
siderar os desvios quadrados, a ordem da subtrao no infuencia o resultado, ou
seja, poderamos igualmente defnir ( )
2
0
( )
i i
i
Q y x j
=
= -
.
A escolha do tipo da funo ( ) x j depende do fenmeno descrito pelos dados ou da
anlise grfca dos pontos. Por exemplo, se a marcao dos pontos sugerir uma parbola,
procuraremos uma funo do segundo grau, e a determinao dos coefcientes ser feita
de modo semelhante ao desenvolvido no tpico 1.
EXEMPLO 1
Marque os pontos do conjunto { } ( 2;14,5),( 1;7,5),(0;4,5),(1;2,5),(2;2),(3;4,5) - -
no plano cartesiano.
153 Clculo Numrico
A
8
T
2
Figura 2: Plano Cartesiano
Soluo
Um esboo da marcao dos pontos pode ser visto na fgura 2. Pelo que vimos na
aula 6, para um conjunto com seis pontos, o polinmio interpolador ter grau 5, mas
o diagrama sugere uma parbola.
Se fzermos o processo para encontrar uma parbola que passa pelos seis pontos
dados no exemplo, encontraremos um sistema impossvel, mas podemos encontrar
uma funo do segundo grau cujo grfco aproxime bem esses pontos, ou seja, que
passe o mais perto possvel dos pontos dados. Uma parbola tem equao do tipo
2
( ) x ax bx c j = + + . Para cada ponto ( , )
i i
x y do conjunto de dados, podemos def-
nir o desvio quadrado por ( )
2
( )
i i i
d x y j = - =
( )
2
2
i i i
ax bx c y + + - . Dessa forma,
a expresso da soma dos desvios quadrados fca:
( )
2
0
( )
i i
i
Q x y j
=
= -
=
( )
2
2
0
i i i
i
ax bx c y
=
+ + -
.
Para este problema, devemos encontrar a , b e c que minimizem o valor de Q .
Assim como o desenvolvido no caso linear, aqui faremos 0
Q Q Q
a b c

= = =

,
o que ir gerar trs equaes normais. Acompanhe com ateno os clculos
abaixo, pois eles podero ser usados para qualquer outro caso no qual o con-
junto de dados sugerir uma parbola.
( ) ( )
2
2 2 2
0 0
2

i i i i i i i
i i
Q
Q ax bx c y x ax bx c y
a
= =
= + + - = + + -

. Da temos:
( )
2 2
0
4 3 2 2
0
4 3 2 2
0 0 0 0
4 3 2 2
0 0 0 0
0 0
0
0
.
i i i i
i
i i i i i
i

i i i i i
i i i i

i i i i i
i i i i
Q
x ax bx c y
a
ax bx cx x y
ax bx cx x y
a x b x c x x y
=
=
= = = =
= = = =
= + + - =
+ + - =
+ + - =
+ + =

A
8
T
2
Agora em relao a b :
( ) ( )
2
2 2
0 0
2

i i i i i i i
i i
Q
Q ax bx c y x ax bx c y
b
= =
= + + - = + + -

. Da temos:
( )
2
0
3 2
0
3 2
0 0 0 0
3 2
0 0 0 0
0 0
0
0
.
i i i i
i
i i i i i
i

i i i i i
i i i i

i i i i i
i i i i
Q
x ax bx c y
b
ax bx cx x y
ax bx cx x y
a x b x c x x y
=
=
= = = =
= = = =
= + + - =
+ + - =
+ + - =
+ + =

E, por fm, em relao a c :
( ) ( )
2
2 2
0 0
2

i i i i i i
i i
Q
Q ax bx c y ax bx c y
c
= =
= + + - = + + -

. Ento, temos:
( )
2
0
2
0 0 0 0
2
0 0 0
0 0
0
( 1) .
i i i
i

i i i
i i i i

i i i
i i i
Q
ax bx c y
c
ax bx c y
a x b x c y
=
= = = =
= = =
= + + - =
+ + - =
+ + + =

Juntando os trs resultados, obtemos o sistema de equaes normais:

4 3 2 2
0 0 0 0
3 2
0 0 0 0
2
0 0 0
( 1)

i i i i i
i i i i

i i i i i
i i i i

i i i
i i i
a x b x c x x y
a x b x c x x y
a x b x c y
= = = =
= = = =
= = =
+ + =
+ + =
+ + + =

.
Para cada conjunto de dados, os valores
4 3 2 2
0 0 0 0 0 0 0
, , , , , e

i i i i i i i i i
i i i i i i i
x x x x x y x y y
= = = = = = =

so facilmente determinados, em-
bora seja um processo demorado de ser realizado manualmente para uma grande quanti-
dade de pontos. Uma vez determinados os valores citados, passa-se a resolver o sistema de
equaes normais para a determinao dos coefcientes da funo
2
( ) x ax bx c j = + + .
EXEMPLO 2
Usando o mtodo dos mnimos quadrados, encontre a equao da parbola que me-
lhor se ajusta ao conjunto de dados { } ( 2;14,5),( 1;7,5),(0;4,5),(1;2,5),(2;2),(3;4,5) - - .
155 Clculo Numrico
A
8
T
2
Soluo
Para determinar os coefcientes da equao
2
( ) x ax bx c j = + + , devemos resol-
ver o sistema de equaes normais e, para tanto, devemos encontrar os valores de:
5
4 4 4 4 4 4 4 4
0 1 2 3 4 5 6
0
4 4 4 4 4 4
( 2) ( 1) 0 1 2 3 16 1 0 1 16 81 115;
i
i
x x x x x x x x
=
= + + + + + + =
= - + - + + + + = + + + + + =
5
3 3 3 3 3 3 3 3
0 1 2 3 4 5 6
0
3 3 3 3 3 3
( 2) ( 1) 0 1 2 3 ( 8) ( 1) 0 1 8 27 27;
i
i
x x x x x x x x
=
= + + + + + + =
= - + - + + + + = - + - + + + + =
5
2 2 2 2 2 2 2 2
0 1 2 3 4 5 6
0
2 2 2 2 2 2
( 2) ( 1) 0 1 2 3 4 1 0 1 4 9 19;
i
i
x x x x x x x x
=
= + + + + + + =
= - + - + + + + = + + + + + =
5
0 1 2 3 4 5 6
0
( 2) ( 1) 0 1 2 3 3;
i
i
x x x x x x x x
=
= + + + + + + =
= - + - + + + + =
5
2 2 2 2 2 2 2
0 0 1 1 2 2 3 3 4 4 5 5
0
2 2 2 2 2 2
( 2) .14,5 ( 1) .7,5 0 .4,5 1 .2,5 2 .2 3 .4,5
58 7,5 0 2,5 8 40,5 116,5;
i i
i
x y x y x y x y x y x y x y
=
= + + + + + =
= - + - + + + + =
= + + + + + =
5
0 0 1 1 2 2 3 3 4 4 5 5
0
( 2).14,5 ( 1).7,5 0.4,5 1.2,5 2.2 3.4,5
29 7,5 0 2,5 4 13,5 16,5;
i i
i
x y x y x y x y x y x y x y
=
= + + + + + =
= - + - + + + + =
=- - + + + + =-
5
0 1 2 3 4 5
0
14,5 7,5 4,5 2,5 2 4,5 35,5;
i
i
y y y y y y y
=
= + + + + + =
= + + + + + =
Assim, o sistema de equaes normais descrito acima fca

115 27 19 116,5
27 19 3 16,5
19 3 6 35,5
a b c
a b c
a b c
+ + =
+ + =-
+ + =
,

cuja soluo pode ser encontrada (ou aproximada) por algum dos mtodos vistos nas
aulas 4 e 5 (inclusive o de Cholesky, pois a matriz dos coefcientes simtrica). Temos
1,0269 a @ , 2,9839 b @- e 4,1571 c @ . Assim, a parbola procurada tem equao
2
1,0269 2,9839 4,1571 y x x = - + .
O mtodo empregado no exemplo anterior pode ser estendido para encontrar poli-
nmios de qualquer grau cujo grfco aproxime um conjunto de pontos. Entretanto, o
processo ganha complexidade medida que o grau do polinmio aumenta, como po-
de ser visto j no caso de aumentar o grau de 1 pra 2. Problemas semelhantes podem
ser resolvidos quando os pontos sugerirem uma funo trigonomtrica, logartmica ou
exponencial. No prximo tpico, estudaremos o mtodo dos mnimos quadrados para
dados contnuos, ou seja, para um intervalo em vez de dados isolados.
E
m vez de um conjunto de dados, no caso contnuo do mtodo dos mnimos
quadrados, teremos uma funo : [ , ] f a b R , a qual aproximaremos por
outra : [ , ] a b j R . Como o conjunto base no mais formado por pontos
isolados, no podemos defnir o desvio total pela soma dos desvios em cada ponto.
Esse problema contornado pela defnio a seguir:
Defnio - Dada a funo : [ , ] f a b R , o desvio quadrado total de
: [ , ] a b j R em relao a f dado por ( )
2
( ) ( )
b
a
Q f x x dx j = -
.
O objetivo aqui, ento, ser minimizar o valor de Q dentro de determinado modelo
para ( ) x j . Por exemplo, poderemos aproximar um polinmio de grau elevado por um de
O CASO CONTNUO
03
TPICO
OBJETIVOS
Descrever o mtodo dos mnimos quadrados para
varivel contnua.
Analisar expresses obtidas por derivao parcial.
157 Clculo Numrico
grau 2, ou uma funo trigonomtrica por uma polinomial. A difculdade nesse caso ser o
clculo das integrais, portanto recomendamos uma reviso sobre integrais defnidas.
EXEMPLO 1
Encontre a funo do primeiro grau que minimiza o desvio quadrado total em
relao funo
3
( ) 6 f x x = + no intervalo [0,1] .
Soluo
Uma funo do primeiro grau do tipo ( ) x ax b j = + . Assim, o desvio quadra-
do total no intervalo dado calculado por
( )
1
2
3
0
( 6) ( ) Q x ax b dx = + - +
. Simplif-
quemos, ento:

( )
( )
( )
( )
1
2
3
0
1
3 2 3 2
0
1
6 3 4 3 2 2 2
0
1
6 3 4 3 2 2 2
0
7 5 4 3
4 2 2 2
( 6) )
( 6) 2( 6)( ) ( )
12 36 2( 6 6 ) 2
12 36 2 2 12 12 2
3 36 2 6 12
7 5 2 3
Q x ax b dx
x x ax b ax b dx
x x ax bx ax b a x abx b dx
x x ax bx ax b a x abx b dx
x x x x
x x a b ax bx a abx b
= + - + =
= + - + + + + =
= + + - + + + + + + =
= + + - - - - + + + =
= + + - - - - + + +
1
2
0
2
2
2
2
1
3 36 6 12
7 5 2 3
274 32 25
.
7 5 2 3
x
x
x
a b a
a b ab b
a b a
ab b
=
=

=

2
= + + - - - - + + + =
= - - + + +
Com o objetivo de minimizar o valor de
2
2
274 32 25
7 5 2 3
a b a
Q ab b = - - + + + ,
devemos anular suas derivadas parciais em relao a a e a b . Assim, calculamos:
32 2
5 3
Q a
b
a
=- + +
e
25
2
2
Q
a b
b
=- + +
. Igualando as duas expresses a

zero, obtemos as equaes
2 32
3 5
a
b + = e
25
2
2
a b + = . Multiplicando a primeira
equao por 15 e a segunda por 2, obtemos o sistema
10 15 96
2 4 25
a b
a b
+ =
+ =
, que tem
soluo
9
0,9
10
a = = e
29
5,8
5
b = = . Assim, a funo procurada a de equao
( ) 0,9 5,8 x x j = + .
Como se percebe, ajustar curvas pelo mtodo dos mnimos quadrados pode ser
um processo bem trabalhoso (imagine fazer o exemplo anterior ajustando por uma
A
8
T
3
funo s de segundo grau). Alm disso, necessrio entender os passos, deve fcar
claro que, assim como no caso de interpolao polinomial, estamos encontrando um
modelo (ou simplifcando um modelo pr-existente) de uma funo dada por uma
expresso ou conjunto de dados. A diferena central entre os dois mtodos que, na
interpolao, a funo dada e o ajuste que fazemos coincidem nos pontos; enquanto
no mtodo dos mnimos quadrados, como o nome sugere, ajustamos por uma curva
que passe o mais perto possvel dos pontos dados.
O ajuste pelos mnimos quadrados permite, tambm, obter aproximaes para
valores fora do intervalo considerado com certa segurana. Se os dados vierem de
experimentos sujeitos a erros de medio, possvel que tenhamos mais de um valor
para determinado ponto, de acordo com que escolhamos modelos diferentes para o
ajuste. Na prtica, algo razovel para contornar essa provvel ambiguidade a m-
dia aritmtica entre os valores possveis dentre os modelos aceitveis.
A
8
T
3
Referncias
ANTON, Howard e BUSBY, Robert C. lgebra linear contempornea. Traduo Claus Ivo Do-
ering. Porto Alegre: Bookman, 2006.
ASANO, Claudio Hirofume e COLLI, Eduardo. Clculo numrico: fundamentos e aplicaes.
2007. Disponvel em: www.ime.usp.br/~asano/LivroNumerico/LivroNumerico.pdf. Acesso em:
20 jul. 2009.
BERLEZE, Caren Saccol e BISOGNIN, Eleni. Interdisciplinaridade: equaes quadrticas as-
sociadas ionizao de cidos. In: ENCONTRO GACHO DE EDUCAO MATEMTICA
- EGEM, 9., 2006, Caxias do Sul, RS. Anais do IX EGEM. Caxias do Sul: UCS, 2006. Disponvel
em: www.ccet.ucs.br/eventos/outros/egem/cientificos/cc46.pdf. Acesso em: 20 jul. 2009.
BIEMBENGUT, Maria S. e HEIN, Nelson. Modelagem matemtica no ensino. So Paulo: Con-
texto, 2000.
BRASIL. Ministrio da Educao. Secretaria de Educao Bsica. Orientaes curriculares para
o ensino mdio: Cincias da Natureza Matemtica e suas Tecnologias, v. 2. Braslia: MEC/SEB,
2006.
BUFFONI, Salete Souza de Oliveira. Apostila de introduo aos mtodos numricos (Parte 1).
Volta Redonda, Rio de Janeiro: Universidade Federal Fluminense, 2002. Disponvel em: www.
professores.uff.br/salete/imn/calnumI.pdf. Acesso em: 20 jul. 2009.
CAMPONOGARA, Eduardo e CASTELAN NETO, Eugnio de Bona. Clculo numrico para
controle e automao (Verso preliminar). Florianpolis: Universidade Federal de Santa Ca-
tarina / Departamento de Automao e Sistemas, 2008 Disponvel em: http://www.das.ufsc.
br/~camponog/Disciplinas/DAS-5103/LN.pdf. Acesso em: 20 jul. 2009.
CARNEIRO, Jos P. Q. Raiz quadrada utilizando mdias. Revista do Professor de Matemtica,
n. 45, p. 21-28, 2001. Disponvel em: <http://www.bibvirt.futuro.usp.br/textos/periodicos/re-
vista_do_professor_de_matematica/vol_0_no_45>. Acesso em: 20 jul. 2009.
de FREITAS, Srgio Roberto. Mtodos Numricos. Campo Grande: Universidade Federal de
Mato Grosso do Sul, 2000.
FREITAS, Srgio R. Mtodos Numricos. Campo Grande: Universidade Federal de Mato Grosso
do Sul, 2000. Disponvel em: <www.profwillian.com/_diversos/download/livro_metodos.pdf.>
Acesso em: 20 jul. 2009.
HUMES, Ana F. P. C. L. et. al. Noes de Clculo Numrico. So Paulo: McGraw-Hill do Brasil,
1984.
HUMES, Ana Flora Pereira de Castro Lages. Noes de Clculo Numrico. So Paulo: McGraw-
Hill do Brasil, 1984.
LIMA, Elon L. et. al. A matemtica do ensino mdio. Rio de Janeiro: Sociedade Brasileira de
Matemtica, 2003, v.1.
__________________. Exame de textos: anlise de livros de matemtica para o ensino m-
dio. Rio de Janeiro: Sociedade Brasileira de Matemtica, 2001.
__________________. Curso de anlise, volume 1, 11 edio, Projeto Euclides. Rio de Janeiro:
Instituto de Matemtica Pura e Aplicada, 2004.
LINHARES, O.D., Clculo Numrico B. Departamento de Cincias de Computao e Estatstica
do ICMSC, 1969.
LIPSCHUTZ, Seymour. lgebra linear: teoria e problemas. 3. ed. Traduo Alfredo Alves de
Farias. So Paulo: Pearson Makron Books, 1994.
OHSE, Marcos L. A matemtica como modelo (ferramenta). Pedagobrasil, Revista Eletrnica
de Educao, v. 1, n. 1, p. 1-2, 2005. Disponvel em: <http://www.pedagobrasil.com.br/peda-
gogia/amatematica.htm>. Acesso em: 20 jul. 2009.
RUGGIERO, Marcia Aparecida Gomes e LOPES, Vera Lcia da Rocha. Clculo numrico: as-
pectos tericos e computacionais. 2 ed. So Paulo: Makron Books, 1996.
STEWART, James. Clculo. Vol 1. 5 Edio. So Paulo: Cengage Learning.
CURRCULO
FRANCISCO GVANE MUNIZ CUNHA
Francisco Gvane Muniz Cunha professor efetivo do Instituto Federal do Cear IFCE desde
1993. Nascido em So Joo do Jaguaribe CE em 1970, tcnico em informtica industrial pela Es-
cola Tcnica Federal do Cear (1993). Licenciado (1993) e bacharel (1994) em matemtica pela Uni-
versidade Federal do Cear UFC. Possui mestrado em matemtica (1997) e mestrado em cincia da
computao (2002), ambos pela UFC. doutor em engenharia de sistemas e computao (2007) pela
Universidade Federal do Rio de Janeiro com tese na linha de otimizao. Tem experincia na rea de
matemtica aplicada, no ensino de matemtica, na formao de professores, no uso de tecnologias e
no ensino na modalidade a distncia. Atualmente professor de disciplinas de matemtica dos cur-
sos de licenciatura em matemtica, engenharias e outros do IFCE. Na modalidade semi-presencial
professor conteudista e formador de disciplinas de matemtica do curso licenciatura em matemtica
do IFCE, tendo produzido diversos livros didticos. Orienta alunos em nvel de graduao e ps-
-graduao em matemtica, ensino de Matemtica ou educao Matemtica. Tem interesse no uso de
ambientes informatizados e, em especial, no uso de softwares educativos como apoio para o ensino
de matemtica. Dentre outras atividades, gosta de ler a bblia, ajudar as pessoas, ensinar, estudar
matemtica e computao e assistir corridas de frmula 1.
JNIO KLO SOUSA CASTRO
Jnio Klo comeou seus estudos de Matemtica em 2000, quando ingressou no bacharelado da
Universidade Federal do Cear, colando grau em julho de 2004.. A partir de 2001 e por trs anos, foi
monitor de Clculo Diferencial e Integral na UFC, desempenhando atividade de acompanhamento e
tira-dvidas para alunos de graduao.
Durante os anos de 2006, 2007 e 2008, foi professor da UFC, com turmas de diversos cursos, minis-
trando aulas de lgebra Linear, Equaes Diferenciais, Variveis Complexas e Geometria Hiperblica,
entre outras. Desde o comeo de 2009 professor do Instituto Federal de Educao, Cincia e Tecnolo-
gia do Cear, atuando nos campus de Fortaleza e Maracana, nos cursos presenciais e semipresenciais.

Cálculo Numérico - Francisco &amp Jânio - IFECT-CE EaD

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

Cálculo Numérico - Francisco &amp Jânio - IFECT-CE EaD

Enviado por

Direitos autorais:

Formatos disponíveis

Ministrio da Educao - MEC

Universidade Aberta do Brasil

x x . Ou sea, se dado e >0 , $ N N tal ue ualuer ue se

x x . Isto ser idicado por

Em termos de algoritmo, o mtodo da bisseco pode

a a a e b so costates reais. A costate

x x x pode ser descrito a forma

x x x , respectivamente, tornam cada equao

x na penltima equao, obtemos

e tal que det( ) 0 A .

, que, a cada vetor = . R

bem conhecidas so a orma da soma, dada por

uma funo R R ||||:

x pela -sima equao.

x x x x , o mtodo de Gauss-Jacobi consiste em

. Para tanto, devemos fazer uso de algum mtodo para re-

. Obviamente, aqui temos

e o polinmio interpolador fca

= 23,75. Obviamente, encontramos o mesmo resulta-

apenas para i = 0, 1, ..., 1.

2 3 2 7/2 -1/2 1/8

1 3 2 1 1/3 1/12 1/60

e que uma regra prtica para se encontrar

, precisamos de uma primitiva para a fun-

atravs das funes que estudamos nos cursos iniciais de Clculo.

. Assim, se fzermos uma aproximao

, teremos uma aproximao para

Logo, encontramos uma aproximao para 4.0,7837 3,1348 p @ = .

Podemos usar o valor acima como aproximao para ln3 1,098277 @ .

Multiplicando o resultado acima pela profundidade da piscina, obteremos uma

possui trs equaes e duas incgnitas, uma ma-

e por ser igual a zero, devemos ter:

Assim, o sistema de equaes normais

Assim, o sistema de equaes normais

, que tem soluo

com quatro subintervalos.

, que tem soluo 0, 49143 a @- e 1, 44476 b @ . Dessa forma, a

, que matricialmente equivalen-

, vale sempre 0 Q , de onde temos que

Assim, o sistema de equaes normais descrito acima fca

. Igualando as duas expresses a

Você também pode gostar