Você está na página 1de 114

UNIVERSIDADE REGIONAL INTEGRADA DO ALTO

URUGUAI E DAS MISSES


DEPARTAMENTO DE ENGENHARIAS E CINCIA DA COMPUTAO -
DECC
DEPARTAMENTO DE CINCIAS EXATAS E DA TERRA - DCET
CURSOS: ENGENHARIA CIVIL E CINCIA DA COMPUTAO
CLCULO NUMRICO COMPUTACIONAL
CADERNO 1
PROF ELIANI RETZLAFF
e-mail: elianir@urisan.tche.br

Equaes Diferenciais Definio e Classificao Clculo V - Prof Eliani Retzlaff
1
UR
SANTO NGELO - AGOSTO! "#1$
Equaes Diferenciais Definio e Classificao Clculo V - Prof Eliani Retzlaff
2
S% &' () *'+),) )--'--)(! .)&)-/0+)&,) &' () 1/*) &/2/3
DADOS DE IDENTIFICAO
CURSO: ENGENHARlA ClVlL E ClNClAS DA COMPUTAO
DlSClPLlNA: CLCULO NUMRICO COMPUTACIONAL
DEPARTAMENT
O:
CET CDlGO: l0-4l5
PROFESSOR: ELlANl RETZLAFF
NMERO DE HORAS: 60 h/a T: 45 P: l5 CRDlTOS
:
04
EMENTA DA DISCIPLINA
Erros. Zeros de funes. Sistemas lineares. lnterpolao polinomial. lntegrao
numrica. lntroduo a solues de equaes diferenciais ordinrias.
OBJETlVOS DA DlSClPLlNA
GERAL:
Propiciar ao aluno metodologias/conhecimentos para a resoluo de diversos problemas
que envolvam a utilizao do computador como ferramenta de clculo.
ESPEClFlCOS:
Entender, saber quando aplicar, como utilizar e como implementar diversos mtodos
numricos apropriados para: achar as razes de equaes algbricas e transcendentes;
resolver sistemas de equaes lineares; fazer ajustes de curvas; fazer interpolao;
realizar integrao numrica.
CONTEDO PROGRAMTICO:
l. ERROS
l.l lntroduo
l.2 Mtodo Numrico
l.3 Clculo Numrico
l.4 Clculo Direto e Clculo lterativo
l.5 Erros e Critrios de Arredondamento
l.6 Erros da Fase de Modelagem
l.7 Erros da Fase de Resoluo
l.8 Erros de Arredondamento
l.9 Erros de Truncamento
l.l0 Propagao de Erros
2. ZEROS DE FUNES
2.l Conceitos e definies
2.l.l Zeros de uma Funo
2.l.2 Processo lterativo
2.l.3 Determinao da Raiz
2.2 Localizao e Refinamento
2.2.l Localizao de Razes lsoladas
2.3 Processos lterativos
2.3.l Mtodo da Dicotomia ou Bisseco
2.3.2 Mtodo de Newton, Newton-Raphson ou das Tangentes
2.4 lmplementao Computacional de Mtodos
3. SlSTEMAS LlNEARES
3.l Conceitos e Definies
3.2 Matrizes Associadas a um Sistema
3.3 Mtodo de Gauss e Gauss-Jordan
3.3.l Algoritmo da Triangulao de Gauss
3.3.2 Algoritmo da Diagonalizao de Gauss-Jordan
Plano de Ensino Clculo Numrico Computacional - Prof Eliani Retzlaff
3
3.4 Mtodos lterativos de Jacobi e Gauss-Seidel
3.5 Refinamento de Solues
3.6 lmplementao Computacional de Mtodos
4. lNTERPOLAO
4.l lnterpolao Linear
4.2 lnterpolao Polinomial
4.3 lnterpolao Quadrtica - Determinante de Vandermonde
4.4 lnterpolao de Lagrange
4.5 lnterpolao de Newton para diferenas divididas
4.6 lmplementao Computacional de Mtodos
5. lNTEGRAO NUMRlCA
5.l lntroduo
5.2 Mtodo dos Trapzios
5.3 Mtodo de Simpson
5.4 Quadratura Gaussiana
5.5 lmplementao Computacional de Mtodos
6. MTODOS NUMRlCOS PARA EDO'S
6.l lntroduo
6.2 Mtodo de Euler
6.3 Mtodo de Runge-Kutta
6.4 Mtodo de Predio-Correo
6.5 lmplementao Computacional de Mtodos
METODOLOGIA DE ENSINO
Os conceitos tericos sero expostos dentro de um contexto aplicado. Ser
utilizado o laboratrio de informtica, utilizando-se da planilha Excel, bem como
lmplementao Computacional de Mtodos Utilizando o MathCad, Scilab, ou Octave.
ATIVIDADES DISCENTES
Aplicao dos mtodos na resoluo de exerccios individuais e/ou em grupo
sem e com a utilizao de recursos tecnolgicos.
PROCEDIMENTOS DE AVALIAO
Sero realizados:
a) Exerccios programas constituindo uma nota T;
b) duas provas constituindo as notas Pl e P2;
c) a nota de aprovao ser:
3 / ) 2 1 ( T P P A + +
A prova ser realizada com consulta somente a um formulrio de uma folha
tamanho A4 (frente e verso) escrito mo a ser entregue junto com a prova.
Em caso de perda de uma das provas o acadmico dever procurar o professor
at no mximo 2 dias teis aps a data de realizao da prova para realizar a prova
de reposio.
BIBLIOGRAFIA BSICA
BARROSO, L. C. Cl!lo N!m"#io om A$li%&'()* 2 ed., So Paulo: Harbra,
l987.
CLAUDlO, D. M.; MARlNS, J. M. Cl!lo N!m"#io Com$!+%io,%l* 2 ed., So
Paulo: Atlas, l994.
RUGGlERO, M.A.G.; LOPES, V.L.da R. Cl!lo N!m"#io: A)$(+o) T(-#io) (
Com$!+%io,%i)* 2 ed., So Paulo: Makron Books, l997.
BIBLIOGRAFIA COMPLEMENTAR
Plano de Ensino Clculo Numrico Computacional - Prof Eliani Retzlaff
4
GUlDORlZZl, Hamilton Luiz. Um !#)o .( l!lo* 5. ed. Rio de Janeiro: LTC, 2002.
4 v.
HUMES, Ana Flora P. de Castro; MELO, lns S. Homem; YOSHlDA, Luzia
Kazuko;MARTlNS, WAGNER Tunis. No&'() .( Cl!lo N!m"#io* So Paulo:
Editora McGraw- Hill Ltda., l984.
SANTOS, Vitoriano Ruas de Barros. C!#)o .( l!lo ,!m"#io* Rio de Janeiro:
LTC, l974-l977.
SADOSKY, Manuel. Cl!lo N!m"#io ( G#/io* Rio de Janeiro: lntercincia, l980.
BARROS, lvan de Queiroz. I,+#o.!&0o %o l!lo ,!m"#io* So Paulo: Edgard
Blcher, l98l.
ATENDIMENTO AOS ALUNOS
Quarta-feira das l4 s l7h.
O1)*: Os exerccios programa sero realizados em dupla, podendo-se utilizar os
programas Scilab, ou Octave, ou Mathcad.
Plano de Ensino Clculo Numrico Computacional - Prof Eliani Retzlaff
5
1 ERROS EM PROCESSOS NUMRICOS
O conhecimento e controle sobre os possveis erros envolvidos no processo de
clculos eletrnicos ou mtodos numricos so muito importantes para anlise de
resultados obtidos, pois esta anlise representa uma etapa fundamental no processo das
solues numricas.
1.1 ALGUNS CONCEITOS
ModeIagem: a fase de obteno do modelo matemtico que descreve o comportamento
do sistema fsico.
AIgoritmo: o conjunto predeterminado e bem definido de regras e processos destinados
soluo de um problema, com um nmero finito de etapas, ou seja, um caminho para
soluo de um problema.
O algoritmo tambm representa o rascunho para programas (Software), pois sua
linguagem intermediria linguagem humana e s linguagens de programao, sendo
ento, uma boa ferramenta na validao da lgica de tarefas a serem automatizadas.
CARACTERISTICAS BSICAS DE TODO ALGORITMO
Partir de um ponto inicial e chegar a um ponto final;
No ser ambguo (ter dupla interpretao);
Poder receber dados externos e ser capaz de retornar resultados aos mesmos;
Ter todas suas etapas alcanveis em algum momento do programa.
FORMAS DE REPRESENTAO
Pode-se representar um algoritmo de 3 formas distintas:
1 Forma: Descrio narrativa
Faz-se uso da descrio narrativa, quando se quer descrever um algoritmo de forma
que o receptor da informao entenda do assunto mesmo no conhecendo de algoritmos,
porm neste tipo de descrio temos uma impreciso e uma falta de confiabilidade no
entendimento do algoritmo alm de se ter uma descrio muito grande para dizer pouca
coisa.
Exemplo: Dobro de um nmero
Digitar um nmero;
Gravar em uma varivel;
Pegar o nmero e multiplicar por 2;
Gravar o resultado em outra varivel;
Mostrar o resultado da operao.
2 Forma: FIuxograma
Desta forma faz-se o uso de smbolos universais que ajudam a compreender o que o
algoritmo quer dizer. Este mais utilizado, pois se trata de um padro mundial, alm de que
Captulo 1: Alguns conceitos
Clculo Numrico Computacional UR /2014
6
6
smbolos dizem muito mais que palavras, porm este complica-se na medida que o
algoritmo cresce. Levando-se em considerao o exemplo anterior temos:
Legenda:
Clculo
Deciso
Entrada
Sada
nicio/Fim

3 Forma: Linguagem AIgortmica
Consiste na representao em linguagem de programao. Exemplo atravs da
linguagem de estudo de algoritmos o Turbo Pascal 7.0:
Program Calcula_Dobro;
Uses crt;
Var
NUM: integer;
DOBRO: integer;
Begin
Write ('Digite um nmero:');
Read (NUM);
DOBRO:= 2 * NUM;
Captulo 1: Alguns conceitos
Clculo Numrico Computacional UR /2014
7
7
Write ('O dobro de ', NUM, ' e ', DOBRO);
Readkey;
End.
Programa: a formalizao de um algoritmo em uma determinada linguagem de
programao, segundo suas regras de sintaxe (conjunto de regras que determinam quais
construes so corretas) e semntica (descrio de como as construes sintaticamente
corretas so interpretadas ou executadas), de forma a permitir que o computador possa
entender a seqncia de aes.
ResoIuo: a fase de obteno da soluo atravs da aplicao de mtodos numricos
(este o objetivo de estudo do CIcuIo Numrico).
CIcuIo Numrico: Conjunto de ferramentas ou mtodos usados para se obter a soluo
de problemas matemticos de forma aproximada.

Mtodos numricos: se define como um algoritmo que vai produzir um ou mais valores
numricos, ou seja, so mtodos de convergncia que apresentam uma seqncia de
clculos simples, porm repetitivos.
Assim, os mtodos numricos:
Aplicam-se onde os mtodos exatos falham ou so trabalhosos
1) Um problema de Matemtica pode ser resolvido
analiticamente, mas esse mtodo pode se tornar impraticvel
com o aumento do tamanho do problema.
ExempIo: soluo de sistemas de equaes lineares.
2) A existncia de problemas para os quais no existem mtodos
matemticos para soluo (no podem ser resolvidos
analiticamente).
ExempIos:
a) equaes transcendentes
b) certas integrais
c) equaes diferenciais parciais no lineares podem ser resolvidas analiticamente
s em casos particulares.
Primam pela simplicidade, sendo que o resultado possvel de refinamento
at obter-se a preciso desejada;
So conhecidos h muito tempo, mas atualmente encontram larga aplicao
valendo-se da evoluo dos processos computacionais.
Captulo 1: Alguns conceitos
Clculo Numrico Computacional UR /2014
8
8
Estas consideraes podem ser visualizadas no fluxograma:





Quando a soluo de um problema necessita ser obtida numericamente, o processo
tende a se apresentar da forma seguinte:
Captulo 1: Alguns conceitos
Clculo Numrico Computacional UR /2014
9
Problema, Estudo, Pesquisa
Levantamento de Dados
Modelo Matemtico
Processo de Clculo
Exato Aproximado
Soluo Exata Soluo aproximada
Refinamento
Soluo Aproximada
Problema real Levantamento de dados
Construo do Modelo Matemtico
Escolha do Mtodo Numrico
mplementao computacional desse mtodo
Anlise dos resultados
Bom .. ou tem-se que:
Reformular o Modelo Matemtico ou,
escolher um outro Mtodo Numrico?!
9
Pesquisar:
1- Qual o objetivo do Clculo Numrico?
2- Apresente aplicaes nas quais se torna necessrio (ou til) a produo de
resultados numricos.
3- Sabendo que os mtodos numricos buscam solues aproximadas para as
formulaes matemticas, qual o problema inerente das solues obtidas atravs da
utilizao destes mtodos?
4- Quais os passos necessrios para a obteno de uma soluo numrica utilizando
o computador?
Captulo 1: Alguns conceitos
Clculo Numrico Computacional UR /2014
10
10
1.2 ERROS
Nos problemas reais, os dados so medidas e, como tais, no so exatos. Uma
medida fsica no um nmero, um intervaIo, pela prpria impreciso das medidas. Da,
trabalha-se sempre com a figura do erro, inerente prpria medio.
Ento, ao buscar-se solues atravs de mtodos numricos para resoluo dos
problemas das mais variadas reas, podem se chegar a resultados no esperados.
Em todo o processo do esquema citado anteriormente podem ocorrer erros:
de observao (no levantamento de dados);
de modelagem (na escolha do modelo adequado);
referente ao mtodo numrico escolhido;
devido capacidade de representao dos nmeros nas mquinas (arredondamento
ou truncamento);
resultante da propagao de outros erros.
1.2.1 Erros na fase de Modelagem
Erros causados por distores que existem entre os possveis modelos que podem
ser usados na descrio do comportamento de um fenmeno fsico.
ExempIo: Para determinar a altura de um edifcio dispondo apenas de uma bolinha de
metal, um cronmetro e a seguinte frmula
2
0 0
t . a .
2
1
t . v d d + + , uma pessoa sobe ao
topo e mede o tempo que a bolinha gasta para tocar no solo que de 3 segundos.
d = 44,1 m (no confivel)
- Preciso do cronmetro?
- Velocidade do vento?
- Resistncia do ar?
- Foras?
2.2.2 Erros na fase de Resoluo
Para a obteno da soluo de determinados modelos matemticos muitas vezes
necessria a utilizao de instrumentos de clculo que necessitam aproximaes e com isso
podem gerar erros, como exemplo, os computadores, que tem capacidade limitada para
armazenar os dgitos significativos de valores numricos utilizados nas operaes
elementares (+, - , x, ).
1.2.2.1 Erros na Converso de Bases:
SSTEMAS DE NUMERAO E SUA REPRESENTAO:
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
11
11
Uma das primeiras tentativas de registro de quantidades sob a forma escrita foi o
sistema de numerao indo-arbico, do qual derivado o atual sistema de numerao
decimal. Um sistema de numerao formado por um conjunto de smbolos utilizados para
representao de quantidades (alfabeto) e as regras que definem a forma de representao.
Quando falamos em sistema decimal, estamos estabelecendo que a nossa base de
contagem o nmero 10, pois o sistema decimal possui um alfabeto de 10 smbolos: 0, 1, 2,
3, 4, 5, 6, 7, 8 e 9. Este conjunto de smbolos do alfabeto define o que chamado de base
do sistema de numerao. Assim, se temos 10 smbolos, estamos trabalhando sobre a base
10. Um sistema de numerao determinado fundamentalmente pela sua base.
Os Sistemas de numerao podem ser divididos em 2 grupos: os sistemas no-
posicionais e os sistemas posicionais.
SISTEMAS NO-OSI!IONAIS" So aqueles em que o valor atribudo a um smbolo no se
altera, independentemente da posio em que ele se encontre no conjunto de smbolos que
est representando um nmero.
ExempIo: O sistema de numerao romano. Neste sistema temos os smbolos , V, X, L, C,
D e M. Em qualquer posio dentro de um conjunto destes smbolos, eles no alteram seus
valores ( _ 1, V _ 5, X _ 10, L _ 50, C _ 100 e M _ 1000), o que se altera a sua utilizao
para a definio da quantidade representada (porm individualmente eles continuam
representando a mesma quantidade), a partir das regras definidas pelo sistema:
Cada smbolo colocado direita de um maior adicionado a este.
Ex.: X _ 10 + 1 = 11;
Cada smbolo colocado esquerda de um maior tem o seu valor subtrado deste.
Ex.: X _ 10 1 = 9;
Assim, o nmero XX representa 21 em decimal (10 + 10 + 1), enquanto que XX representa
19 (10 + 10 1).
SISTEMAS OSI!IONAIS" So aqueles em que o valor atribudo a um smbolo depende da
posio em que ele se encontra no conjunto de smbolos que est representando um
nmero.
ExempIo: O sistema de numerao decimal, com smbolos de 0, 1,.., 9. Neste sistema, por
exemplo, o smbolo 5 pode representar o valor 5, o valor 50, como em 57 (50 + 7), o valor
500, como em 503 (500 + 3), e assim por diante. sto , a regra vlida para o sistema
decimal que quanto mais esquerda do nmero o smbolo est, mais ele vale. Na
verdade, a cada posio mais esquerda, o smbolo vale 10 vezes mais.
Se representarmos o nmero 245 assinalando um smbolo a cada casa, indicando o
valor de cada casa, teremos:
Valor da casa 1000 100 10 1 0,1 0,01
Dgitos 0 2 4 5 0 0
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
12
12
O significado de cada dgito em determinada posio o valor da casa multiplicado
pelo valor do dgito e a quantidade representada a soma de todos os produtos.
x = (245)10 = 2.10
2
+ 4.10
1
+ 5.10
0

ExempIo: O nmero 3547,21, pode ser representado da seguinte forma:
x = (3547,21)10 = 3.10
3
+ 5. 10
2
+ 4.10
1
+ 7. 10
0
+ 2. 10
-1
+ 1. 10
-2
= 3000 + 500 + 40 + 7 + 0,2
+ 0,01
Os computadores atuais representam os nmeros internamente no formato binrio,
como sequncia de zeros e uns.
No sistema binrio, os smbolos 0 e 1, representam os valores numricos, onde,
cada casa vale 2 vezes mais que aquela que est imediatamente a sua direita e 2 vezes
menos que a que est a sua esquerda. Desta forma, teremos que, se o valor da primeira
casa da direita for 2
0
, a segunda valer 2
0
x 2 = 2
1
, e assim consecutivamente para a
esquerda. Os valores das casas ficam claros no seguinte esquema:
Se b0, b1, b2, etc., so os valores (0 ou 1) que se coloca em cada posio, a
quantidade representada valer:
. + b42
4
+ b32
3
+ b22
2
+ b12
1
+ b02
0
+ b-12
-1
+ ...
Para evitar a representao mediante o somatrio, adota-se a conveno de separar
mediante vrgulas as casas 2
0
e 2
-1
, de tal modo que a representao fique:
... b4 b3 b2 b1 b0, b-1 b-2 .
Em que bi = 0 ou 1.
ExempIo: o nmero binrio 10011,01 representa a quantidade:
Valor da casa 2
4
=16 2
3
=8 2
2
=4 2
1
=2 2
0
=1 2
-1
=1/2 2
-2
=1/4
Dgitos 1 0 0 1 1 0 1
x = (10011,01)2 = 1.2
4
+ 0.2
3
+ 0.2
2
+ 1.2
1
+ 1.2
0
+ 0.2
-1
+ 0.2
-2
= 16 + 2 + 1 + 1/4 = 19,25
A tabela seguinte apresenta alguns sistemas de numerao:
Decimal Hexadecimal Binrio Octal
0 0 0 0
1 1 1 1
2 2 10 2
3 3 11 3
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
13
13
4 4 100 4
5 5 101 5
6 6 110 6
7 7 111 7
8 8 1000 10
9 9 1001 11
10 A 1010 12
11 B 1011 13
12 C 1100 14
13 D 1101 15
14 E 1110 16
15 F 1111 17
Exerccio 1: Represente os nmeros nas respectivas bases:
a. (347)10 =
b. (1059,7)10 =
c. (10111)2 =
d. (11,101)2 =
CONVERSO DE BASES:
o processo de converter valores de um sistema de numerao para outro.
BASE QUALQUER EM DECIMAL:
Basta fazer a representao do nmero pelo
Teorema FundamentaI de Numerao (T.F.N.):
an
n
+...+ a2
2
+ a1
1
+ a0
0
+ a-1
-1
+...
de forma simplificada:


N . a
n
n i
i
i
e cada ai um inteiro no negativo e n um valor que representa a posio mais
esquerda do nmero, ou posio mais significativa do nmero. Esta representao de X
nica e chamada de representao de X na base B, representada como (X)B.
ExempIo:
(11001)2 = 1.2
4
+ 1.2
3
+ 0.2
2
+ 0.2
1
+ 1.2
0
= 16 + 8 + 0 + 0 + 1 = (25)10
Exerccio 2: Converta os seguintes nmeros de base binria para base decimal:
a. (101111)2 =
b. (11,01)2 =
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
14
14
c. (101101)2 =
d. (11010,101)2 =
e. (0,1101)2 =
DECIMAL EM BINRIO:
Para a parte inteira mediante divises inteiras sucessivas por dois, tomando-se os
restos das divises no sentido ascendente.
ExempIo: Converta o nmero de base decimal 197,125 para base binria.
Para inteiros:

Dividir at que o ltimo quociente seja
menor que a base.
(197)10 = (11000101)2
Para no inteiros usa-se o mtodo das multiplicaes sucessivas.
Algoritmo:
Passo 0: x1 = x; k = 1
Passo 1: Calcule 2.xk
Se 2.xk = 1, faa: dk = 1
Caso contrrio, faa: dk = 0
Passo 2: Faa xk+1 = 2xk - dk,
Se xk+1 = 0, pare.
Caso contrrio:
Passo 3: k = k+1
Volte ao passo 1
E ento: 0,d1d2d3...dk
Do exempIo anterior:
K Xk 2.Xk dk Xk+1= 2.Xk - dk
1 0,125 0,25 0 0,25 0 = 0,25
2 0,25 0,5 0 0,5 0 = 0,5
3 0,5 1,0 1 1,0 1 = 0 (pare!)
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
15
15
Ou:
0,125*2 = 0,25*2 = 0,5*2 = 1
(0,125)10 = (0,d1d2d3)2 = (0,001)2 e
(197,125 )10 = (11000101,001)2
Observao: um nmero real entre 0 e 1 pode ter representao finita no sistema decimal,
mas infinita no sistema binrio.
Exerccio 3: Converter (0,1)10 na base 2. Resp.: (!111111..."2
Como visto, um nmero pode ter representao finita em uma base e no-finita
em outra. Assim, os dados de entrada so enviados ao computador pelo usurio no sistema
decimal; toda esta informao convertida para o sistema binrio, e as operaes todas
sero efetuadas neste sistema. Os resultados finais sero convertidos para o sistema
decimal e, finalmente, sero transmitidos ao usurio. Todo este processo de converso
uma fonte de erros que afetam o resultado final dos clculos.
Exerccios 4:
1) Converta os seguintes nmeros de base decimal para base binria:
a.
10
) 18 (
=
b.
10
) 347 (
=
c.
10
) 2 , 0 (
=
d.
10
) 875 , 0 (
=
e.
10
) 25 , 13 (
=
f.
10
) 1875 , 0 (
=
2) Determine o inteiro positivo x que verifica a igualdade (10101)x =(651)10
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
16
16
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
17
Programa de converso - no Mathcad
Dados de entrada: b: base
d: dgitos presentes no nmero
n: nmero de dgitos presentes no nmero
i: ordem do dgito, comeando por i = 0 (linha zero)
b 2 : n 6 : i 0 n 1 .. :
De (101111)
2
para base 10:
d
i
1
1
1
1
0
1
:
Algoritmo:
N
i
d
i
b
i

_
,

:
Dados de sada: N 47
17
1.2.2.2 Erros de Representao dos Nmeros
Na memria de um equipamento, cada nmero armazenado em uma posio que
consiste em um sinal que identifica se o nmero positivo ou negativo e um nmero fixo e
limitado de dgitos significativos.
ARITMTICA DE PONTO FLUTUANTE:
Um computador ou calculadora representa um nmero real (inteiro ou no-inteiro)
num sistema denominado aritmtica de ponto flutuante, pois o ponto da frao "flutua
conforme o nmero a ser representado e sua posio expressa pelo expoente e.
Definio:
Um sistema de ponto flutuante F um subconjunto dos nmeros reais cujos
elementos tem a forma:
e
t 3 2 1
e
t
t
3
3
2
2
1
1
) d ... d d d (. )
d
...
d d d
( x t

+ +

t
Onde:
base

em que a mquina opera (binria, decimal, hexadecimal, etc..);


preciso t da mquina (nmero de algarismos da mantissa);
limites do expoente e de

(
mx mn
e e e
);
di: so nmeros inteiros contidos no intervalo 0 di < ; i = 1, 2, ..., t; d1 0;
Se d1 0, diz-se que o nmero est normaIizado.
A mantissa fracionria nesta representao (<1). E, para assegurar representao
nica para cada F x , faz-se a normalizao no sistema de forma que 0
1
d para 0 x .
Alguns exemplos da representao de ponto flutuante:
Nmero na respectiva base Representao em ponto flutuante Mantissa Base Expoente
(5532)10 0,5532 x 10
4
0,5532 10 4
(55,32)10 0,5532 x 10
2
0,5532 10 2
(0,00233)10 0,233 x 10
-2
0,233 10 -2
(100)10 0,1 x 10
3
0,1 10 3
(100)10 = (1100100)2
0,1100100 x 2
7
0,11001 2 7
Usualmente, procura-se representar um sistema de ponto flutuante por F = F(, t,
emn, emx), onde emn e emx so respectivamente o menor e o maior expoente, a base e t
a preciso.
Alguns exemplos:
1) HP25: F(10, 9, -98,100)
2) BM 360/370: F(16, 6, -64, 63)
3) B6700: F(8, 13, -51, 77)
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
18
18
Exerccios:
1) Dado F(10, 3, -4, 4), represente o nmero x
a. x = -279,15 b. x = 1,35 c. x = 0,012412
2) Dado F(2, 10, -15, 15), represente o nmero x
a. x = 23 b. x = -7,125
Propriedades do sistema de ponto fIutuante:
Menor nmero em mdulo: 0,1*
e
mn
Maior nmero: 0,
vezes t
1] - 1]...[ - 1].[ - [
*
e
mx
A mantissa est contida no intervalo [0.1, 1) e o nmero mximo de mantissas positivas
dado por:
1 t
* ) 1 ( m

+

O nmero mximo de expoentes possveis :
1 e e e
mn mx possvel
+
Se x F , ento ~ x F e a cardinalidade (nmero de elementos) de F :
[ ] ) 1 e e ( * * ) 1 ( * 2 NE
mn mx
1 t
+

+1
ExempIo: Considere uma mquina que opere no sistema F(2, 3, -1, 2)
a) O menor exatamente representvel:
4
1
2 . 1 2 . 0 0100 , 0 2 * 100 , 0
2 1 1
+

b) O maior exatamente representvel:
0,111*2
2
=
2
7
2
1
3 2 . 1 2 . 1 2 . 1 1 , 11
1 0 1
+ + +


c) Nmero mximo de mantissas positivas possveis:
4 2 * ) 1 2 ( m
1 3


+
, que so: 0,100; 0,101; 0,110 e 0,111.
d) O nmero mximo de expoentes possveis:
4 1 ) 1 ( 2 e
possvel
+
, que so: -1, 0, 1, 2
e) Nmero de elementos positivos representveis:
16 4 * 4 e * m
possvel

+
Desta forma, tm-se os seguintes nmeros positivos:
(0,100 x 2
-1
)2 = (0,01)2 =
(0,100 x 2
0
)2 = (0,1)2 =
(0,100 x 2
1
)2 = (1)2 =
(0,100 x 2
2
)2 = (10)2 =
E assim sucessivamente
Ento:
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
19
19
Mantissa
e 0,100 0,101 0,110 0,111
-1
0
1
2
f) Nmero total de elementos exatamente representveis:
Pode-se perceber pela tabela que a cardinalidade do sistema de ponto flutuante, igual
ao dobro do nmero de elementos positivos (por causa dos negativos) mais um (o zero), ou
[ ]
[ ] 33 1 ) 1 ) 1 ( 2 ( * 2 * ) 1 2 ( * 2
1 ) 1 e e ( * * ) 1 ( * 2 NE
1 3
mn mx
1 t
+ +
+ +

Ou
Simplesmente 2*mantissas*expoentes possveis + um (que o zero)
Regies de overfIow e de underfIow:
O conjunto de nmeros reais infinito, entretanto, a sua representao em um
sistema de ponto flutuante limitada, pois um sistema finito, no existe representao
exata da totalidade dos nmeros reais, havendo a necessidade de arredondar para o
nmero mais prximo da mquina.
Essa limitao tem duas origens:
a faixa dos expoentes limitada (
max min
e e e
);
a mantissa pode representar um nmero finito de nmeros (
t 1
1 m

)
A primeira limitao leva aos fenmenos chamados de "overflow e "underflow. A
Segunda leva aos erros de arredondamentos, que ser visto na prxima seo.
Sempre que uma operao aritmtica produz um nmero com expoente superior ao
expoente mximo, tem-se o fenmeno de "overflow. De forma similar, operaes que
resultem em expoente inferior ao expoente mnimo tm-se o fenmeno de "underflow.
No caso do exemplo dado, podem-se observar quais as regies que ocorrem o
overflow e o underflow. Neste caso, considera-se a parte positiva e negativa da aritmtica do
exemplo.
Observe que, se o expoente for maior que 2 ou menor que -1, no se tem
representao no conjunto formado pela aritmtica de ponto flutuante. No primeiro caso,
tem-se o overflow, no segundo caso, tem-se o underflow. Ento:
Regio de underfIow: regio situada entre o maior nmero de ponto flutuante negativo e o
zero e, simetricamente, entre o menor nmero de ponto flutuante positivo e o zero.
Regio de overfIow: regies situadas aqum do menor nmero de ponto flutuante negativo
e alm do maior nmero de ponto flutuante positivo.
Do exempIo: RU = (~1/ 4;0) (0;1/ 4) e RO = (~;~7 / 2) (7 / 2;+) .
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
20
20
Exerccio:
1) Encontre todos os elementos positivos (em base dez), a cardinalidade, a regio
de overflow e a regio de underflow para o sistema de ponto flutuante F(3,2,-2,2).
Mantissas
e
-2
-1
0
1
2
Resposta: Os elementos positivos so: 1/27, 4/81, 5/81, 2/27, 7/81, 8/81, 1/9, 4/27, 5/27,
2/9, 7/27, 8/27, 1/3, 4/9, 5/9, 2/3, 7/9, 8/9, 1, 4/3, 5/3, 2, 7/3, 8/3, 3, 4, 5, 6, 7, 8. O conjunto
tem 2x30+1 = 61 elementos. RU = (~1/ 27,0) (0,1/ 27) e RO = (~,~8) (8,+) .
Os nmeros encontrados na regio de overflow so enxergados pela mquina como
infinitos, ou seja, o que chamamos de probIema de overfIow. Os nmeros que esto na
regio de underflow so vistos pela mquina como zero, ou seja, x RU x 0 .
Quanto ao x representado por um elemento do sistema de ponto flutuante, em geral
feita de uma das duas formas a seguir:
a) Representao por Corte ou Truncamento: Desprezam-se os algarismos que ficam
acima da (t+1)-sima casa decimal. Onde t representa o numero de dgitos da mantissa.
Observe que esta forma de representao pode gerar um grande erro de arredondamento.
b) Representao por Arredondamento: Nesta representao, x representado pelo
elemento do sistema de ponto flutuante que estiver mais prximo dele, diminuindo ao
mximo o erro de arredondamento.
ExempIo: Em F(10, 4, -98, 100), as quantidades 0.333333, 0.123952, 0.348446 e 0.666...
so representadas por corte, respectivamente, como 0.3333, 0.1239, 0.3484 e 0.6666
(observe que apenas consideramos os primeiros dgitos do nmero) e so representados
por arredondamento, respectivamente, por 0.3333, 0.1240, 0.3484 e 0.6667 (observe que
quando o prximo dgito maior que 5, o ltimo algarismo aumentado de uma unidade).
Exerccios:
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
21
21
1) Encontrar a representao dos nmeros abaixo em um sistema de nmeros de
aritmtica de ponto flutuante, de trs dgitos significativos, com
4
min
e
e
4
max
e
.
Nmero
Arredondament
o Truncamento
1,25
10,053
-236,15
2,72822
0,000008
654582,4
2) Considere a representao binria de 0,6 e 0,7.
0,6=0,100110011001... 0,7=0,1011001100110...
Se esses dois nmeros forem representados na aritmtica #(2,2,-1,2 ), de que forma
eles sero representados e qual o respectivo decimal?
Nota: No se deve confundir representao por truncamento e representao por
arredondamento com erro de truncamento e erro de arredondamento.
1.4 ERROS ABSOLUTO E RELATIVO
1.4.1 Erro AbsoIuto
a diferena em mdulo, entre um valor exato x e o valor aproximado
x
, ou seja,:
EAx = | x x |.
EAx s poder ser determinado se x for conhecido com exatido, caso contrrio,
costuma-se trabalhar com um limitante superior para o erro, ao invs do prprio erro,
|
x x
|< , onde o limitante.
ExempIo 1: Para
e s = 0,01.
EAx = | x x |< 0,01
(3,14; 3,15)
Mesmo no conhecendo o valor exato, sabe-se que se encontra entre valores
conhecidos.
ExempIo 2: Sejam a = 3876,373 e b = 1,373
Considerando a parte inteira de a (a') e a parte inteira de b (b'), o erro absoluto ser:
EAa = |a - a'| = 3876,373 - 3876 = 0,373 e EAb = |b - b'| = 1,373 - 1 = 0,373
Obviamente o resultado o mesmo nos dois casos, porm, necessrio comparar a
ordem de grandeza de a e b, nesse caso a ordem de grandeza de a maior que de b
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
22
22
1.4.2 Erro ReIativo
Serve para prescrever a preciso de um clculo. definido como o erro absoluto
dividido pelo valor aproximado, ou seja:
x
| x x |
ER
x

.
ExempIo 1: O erro relativo pode transmitir perfeitamente os resultados do exemplo anterior:
4
a
10 000096 , 0
3876
| 373 , 0 |
ER


1
b
10 . 5 373 , 0
1
| 373 , 0 |
ER


O erro percentuaI dado por
x x
ER EP . 100 .
Ento, tem-se um erro percentual de 0,0096% no primeiro caso e um erro relativo
igual a 37% no segundo caso.
Observa-se que o nmero que tem menor erro relativo, ter maior preciso. Logo o
peso de aproximao em a maior do que em b.
ExempIo 2: O erro relativo considerando-se os nmeros a'= 2112,9; e'= 5,3 e |EA| = 0,1:
5
a
10 . 7 , 4
9 , 2112
1 , 0
| ER |


02 , 0
3 , 5
1 , 0
| ER |
e

Ento, o nmero a representado com maior preciso que o nmero b.
1.5 ERROS RELACIONADOS A APROXIMAES DOS CLCULOS (NMEROS DE
ITERAES).
o erro devido ao mtodo numrico aplicado (por exemplo, expanso truncada de
uma srie, linearizao de uma funo) num processo algoritmo infinito e utilizamos apenas
uma parte finita do mesmo.
ExempIo: Clculo do valor de e
x
pela srie:
?
! 2
l
2
+ +
x
x e
x
1.6 ERROS DE TRUNCAMENTO E ARREDONDAMENTO EM UM SISTEMA DE
ARITMTICA DE PONTO FLUTUANTE
Considere um sistema que opera em sistema de ponto flutuante de base 10, e seja x:
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
23
23
) 1 g 0 e 1 f (0,1 10 . g 10 . f x
x x
t e
x
e
x
< < +

Sendo: e nmero de dgitos inteiros
t nmero de dgitos significativos
ExempIo: Para t = 4 e x = 234,57, tem-se:
X = 0,23457.10
3
= (0,2345+ 0,00007).10
3
= 0,2345.10
3
+ 0, 7.10
-1
fx = 0,2345 e gx = 0,7
No truncamento, gxx10
e-t
desprezado e
e
x
10 . f x
EAx = | x x |=
t e t e
x
10 10 . | g |

<
Visto que 1 | | <
x
g

x
| x x |
ER
x
1 t
e
t e
e
x
t e
x
10
10 . 1 , 0
10

10 . | f |
10 . | g |
+

<
pois 0,1 o menor valor possvel para fx.
No arredondamento simtrico (forma mais utilizada):

'

+
<

) f de dgito ltimo ao "1" (soma


2
1
g se 10 10 . f
) desprezado (g
2
1
g se 10 . f
x
x x
t e e
x
x x
e
x
Se
2
1
g
x
< :
EAx = | x x |=
t e t e
x
10 .
2
1
10 . | g |

<
e

x
| x x |
ER
x
1 t
e
t e
e
x
t e
x
10 .
2
1
10 . 1 , 0
10 . 5 , 0

10 . | f |
10 . | g |
+

<
Se
2
1
g
x
:
EAx = | x x |= | ) 10 10 . f ( - 10 . g 10 . f |
t e e
x
t e
x
e
x

+ +
EAx =
t e t e
x
t e t e
x
10 .
2
1
| 10 ). 1 g ( | | 10 - 10 . g |


e

x
| x x |
ER
x
1 t
e
t e
e
x
t e
t e e
x
t e
10 .
2
1
10 . | 1 , 0
10 . 5 , 0
10 . | f |
10 . 5 , 0

| 10 10 . f |
10 . 5 , 0
+

< <
+
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
24
24
Quando se utiliza o arredondamento os erros cometidos so menores que no
truncamento, no entanto o arredondamento requer um maior tempo de execuo e por esta
razo o truncamento mais utilizado. A demonstrao de que no arredondamento
incorremos em erros menores que no truncamento pode ser encontrada no Iivro de CIcuIo
Numrico da Mrcia Ruggiero e Vera Lopes.
1.7 PROPAGAO DE ERROS
Erros descritos anteriormente podem influenciar o desenvolvimento de um clculo,
ou ento ocorrem ao se efetuar operaes com nmeros j afetados por algum erro.
ExempIo: Suponha-se que as operaes abaixo sejam processadas em uma mquina com
4 dgitos significativos e fazendo-se: x = 0.937*10
4
e $= 0.1272*10
2
dois elementos de
F(10,4, -98,99). Calcule:
a) x + y efetuando truncamento;
x + y = 0,937.10
4
+ 0,1272.10 = 0,937.10
4
+ 0,001272.10.10 = (0,937 +
0,001272).10
4
x + y = (0,938272).10
4
x + y = (0,9382 + 0,000072).10
4
x+y = (0,9382 + 0,72.10
-4
).10
4
= 0,9382.10
4
+ 0,72.10
0
fx+y = 0,9382 e gx+y = 0,72
logo: x % $ = 9382
b) x+y efetuando arredondamento;
como gx+y = 0,72 >
x + y = 0,9383.10
4
= 9383
c) x.y efetuando truncamento;
x.y = 0,937.10
4
. 0,1272.10 = (0,1191864).10
6
x.y = (0,1191 + 0,0000864).10
4
x.y = (0,1191 + 0,864.10
-4
).10
4
= 0,1191.10
4
+ 0,864.10
0
fx.y = 0,1191 e gx+y = 0,864
logo: x.y = 119100
d) x.y efetuando arredondamento.
como gx.y = 0,864 >
x.y = 0,1192 . 10
4
= 119200
Exerccios:
1) Considere o sistema F(10,3,-5,5) e x = 234.56, calcule fx e gx.
2) Com as operaes em #(10,2,-5,5). Sejam x = 4,32 e y= 0,064, calcular x + y, com
truncamento e com arredondamento.
3) Considere uma aritmtica de ponto flutuante #(10,2,-5,5). Sejam x = 875 e y =3172.
Calcular x + y e tambm x * y.
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
25
25
4) Suponhamos que as operaes indicadas nos itens a. e b. sejam processadas numa
mquina com 4 dgitos significativos. Fazendo-se: x1 = 0.349110
4
e x& = 0,234510
0
,
tem-se:
a. (x2 + x1) x1
b. x2 + (x1 x1)
ResoIver:
1- Exerccio 3 e 9 da pgina 22 - livro de CIcuIo Numrico da Mrcia Ruggiero e
Vera Lopes
Captulo 1: Erros em Processos Numricos
Clculo Numrico Computacional UR /2014
26
26
2 ZEROS DE FUNES
Em muitos problemas prticos de aplicao matemtica de Cincias e Engenharia,
por exemplo: clculo de valores extremos de uma funo indicativa de um fenmeno fsico,
como temperatura, energia, etc., ou as razes de um polinmio caracterstico para a
obteno dos autovalores e autovetores de uma matriz, extremamente importantes na
anlise do comportamento dos sistemas dinmicos; h a necessidade de se determinar um
nmero xr para o qual:
r r
x 0 ) x ( f raiz de f(x)
Equaes AIgbricas (ou PoIinomiais):
A varivel aparece submetida a operaes algbricas, repetidas um nmero finito de
vezes. Se x esta varivel, tem-se:
0 1
2
2
2 n
2 n
1 n
1 n
n
n n
a x a x a ... x a x a x a ) x ( P + + + + + +

onde:
R a
n
i


Equaes Transcendentes:
A varivel aparece submetida a operaes no algbricas em pelo menos um termo
da equao. Nestas equaes, em pelo menos um termo, aparecem funes como:
exponenciais, logartmicas, trigonomtricas, etc.
ApIicao:
EquiIbrio de Mecanismos:
Captulo 2: Zeros de Funes
Clculo Numrico Computacional UR /2014
27
2.1 RESOLUO DE EQUAES ALGBRICAS E TRANSCENDENTES
As equaes algbricas de 1 e 2 Graus, certas classes de 3 e 4 graus e algumas
equaes transcendentes podem ter suas razes calculadas exatamente por mtodos
analticos, mas para polinmio de grau posterior a quatro e para a grande maioria das
equaes transcendentes o problema s pode ser resolvido por mtodos que aproximam as
solues.
Embora esses mtodos no determinem as solues exatas, as razes podem ser
calculadas com a exatido que o problema determine, desde que certas condies de f
sejam satisfeitas.
2.1.1 Teorema de BoIzano
Para que uma funo seja contnua y = f(x) tenha no mnimo uma raiz no intervalo [a,
b], suficiente, que ele tenha valores de sinais opostos nos limites deste intervalo, ou seja,
f(x) assume valores de sinais opostos nos pontos extremos do intervalo fechado [a,b].
Observando o grfico seguinte:
Se
0 ) b ( f ). a ( f <
, ento o intervalo conter no mnimo uma raiz (ou um n
mpar de razes).
Se
0 ) b ( f ). a ( f >
, ento, a f(x) no tem nenhuma raiz real no intervalo ( ou o n
de razes ser par).
A raiz x ser definida e nica se a derivada f`(x) for contnua e conservar o sinal
dentro do intervalo [a, b].
y = f(x) f(a).f(b) < 0 xr
[a, b]

f(xr) = 0
2.1.2 Refinamento
Para calcular uma raiz, duas etapas devem ser seguidas:
Zeros de Funes: Mtodo da Bisseo
Clculo Numrico Computacional UR /2014
28
f(b)
f(a)
2.1.2.1 IsoIar a raiz, ou seja, achar um intervaIo [a,b], o menor possveI, que
contenha uma e somente uma raiz da equao f(x) = 0;
Tcnicas de IsoIamento de Razes:
Para isolar os intervalos que contenham razes, alm do Teorema de Bolzano
(procedimento analtico), podemos utilizar um recurso grfico, ou o isolamento atravs de
tabelas, ento:
IsoIamento atravs de TabeIas:
Observamos as mudanas de sinais da funo f(x), quando for atribudo
valores para a varivel x' Verifique o exemplo, f(x) = x
3
9x +3,
x - -100 -5 -3 -1 0 1 2 3
Tem-se que,

1
x
( , ) ,

2
x
( , ) e
3
x ( , )
VisuaIizao Grfica - mtodo grfico: Se possvel a subdiviso da funo dada
em outras duas funes, pode simplificar muitas vezes a representao grfica:
0 ) x ( f ) x ( h ) x ( g ) x ( f
) x ( h ) x ( g
ou seja, os valores de x para os quais vale a igualdade de g(x) e h(x), so aproximaes das
razes de f(x), logo: o zero da funo se encontra no ponto x da interseco das duas
novas funes.
Do exemplo anterior:
f x ( ) x
3
9x 3 + : g x ( ) x
3
: h x ( ) 9x 3 :
4 2 0 2
40
20
20
f x ( )
g x ( )
h x ( )
x
Exerccio: Como visto, o Mtodo Grfico, consiste em traar o grfico da funo f(x) com o
objetivo de determinar o intervalo [a, b] que contenha uma nica raiz, ento, encontre (isole)
os intervalos onde as razes da funo transcendente ) x ( sen x ) x ( f
3
esto localizadas.
(lembrar (ue" )ara *alores reais+ calculadoras em rad,
Zeros de Funes: Mtodo da Bisseo
Clculo Numrico Computacional UR /2014
29
Procedimento anaItico:
Seja f(x) contnua em [a, b], ento:
o Se f(a).f(b) < 0,

um nmero mpar de razes neste intervalo;


o Se f(a).f(b) > 0,

ou

um nmero par de razes neste intervalo;


o supondo que f(x) e f'(x) sejam contnuas em [a, b] e que o sinal de f'(x) se
mantenha constante, ento:
Se f(a).f(b) < 0 uma nica raiz em [a, b];
Se f(a).f(b) > 0 raiz real em [a, b];
Observao: o fato de f'(x) manter o sinal constante em [a, b], implica que f(x) poder ser
crescente ou decrescente em [a, b].
o Se f''(x) indica a direo da concavidade da curva:
Se f''(x) > 0

concavidade voltada para cima;


Se f''(x) < 0

concavidade voltada para baixo;


Exemplo de uma funo qualquer:
Zeros de Funes: Mtodo da Bisseo
Clculo Numrico Computacional UR /2014
30
f x ( ) x 1.6 ( ) x 1 ( ) x 1 + ( ) x 1.6 + ( ) :
Com relao a primeira raiz:
As funes f(x) e f(x) so contnuas no intervalo x [-2; -1,5]
a = -2 e b = -1,5; f(a) = f(-2) 4,32 > 0 e f(b) = f(-1,5) - 0,388 < 0;
f x ( ) x 1 ( ) x 1 + ( ) x 1.6 + ( ) x 1.6 ( ) x 1 + ( ) x 1.6 + ( ) + x 1.6 ( ) x 1 ( ) x 1.6 + ( ) + x 1.6 ( ) x 1 ( ) x 1 + ( ) + :
f(x) < 0, para x [a, b] o sinal de f(x) se mantm constante e f(a).f(b) < 0: uma nica
raiz em [a, b] = [-2; -1,5]
Zeros de Funes: Mtodo da Bisseo
Clculo Numrico Computacional UR /2014
31
x
-2
-1.9
-1.8
-1.7
-1.6
-1.5
f x ( )
-17.76
-13.908
-10.512
-7.548
-4.992
-2.82

f x ( )
2
x
f x ( )
d
d
2
:
f x ( ) 2 x 1 + ( ) x 1.6 + ( ) 2 x 1 ( ) x 1.6 + ( ) + 2 x 1 ( ) x 1 + ( ) + 2 x 1.6 ( ) x 1.6 + ( ) + 2 x 1.6 ( ) x 1 + ( ) + 2 x 1.6 ( ) x 1 ( ) +
f(x) > 0, para x [a, b] concavidade voltada para cima.
Outros exempIos:

'

>
<
< >
0 ) x ( ' ' f
] b , a [ em 0 ) x ( ' f
0 ) b ( f , 0 ) a ( f

'

<
>
> <
0 ) x ( ' ' f
] b , a [ em 0 ) x ( ' f
0 ) b ( f , 0 ) a ( f

'

<
<
< >
0 ) x ( ' ' f
] b , a [ em 0 ) x ( ' f
0 ) b ( f , 0 ) a ( f

'

>
>
> <
0 ) x ( ' ' f
] b , a [ em 0 ) x ( ' f
0 ) b ( f , 0 ) a ( f
Zeros de Funes: Mtodo da Bisseo
Clculo Numrico Computacional UR /2014
32
f x ( )
40.88
36.20
31.76
27.56
23.60
19.88

xr
b
b
a
x
r
a
x
r
x
r
b
a
a
b
2.1.2.2 MeIhorar o vaIor da raiz aproximada, isto , refin-Ia at o grau de
exatido requerido, atravs de mtodos iterativos, que so as
seqncias de instrues que so executadas passo a passo,
aIgumas repetidas em cicIos (iteraes).
2.1.2.2.1 Mtodos Iterativos para se obter Zeros de Funes AIgbricas
e Transcendentes
So mtodos numricos para determinao de razes.
A. Mtodo da Bisseo (ou Dicotomia) Mtodo de quebra
Seja f(x) uma funo contnua no intervalo [a,b] e f(a).f(b) < 0. (Supor uma nica raiz
no intervalo) e = preciso.
Divide-se o intervalo [a,b] ao meio, obtm-se xo. Ento tem-se dois sub-intervalos,
[a , xo ] e [xo , b] a serem considerados.
Se f(xo) = 0, ento a
r 0
x x raiz
, caso contrrio, a raiz estar no sub-intervalo
onde a f(x) tem sinais opostos nos pontos extremos, ou seja, f(a) . f(xo) < 0, por exemplo.
O novo intervalo que contm a raiz dividido ao meio novamente e obtm-se o
ponto x1 e assim sucessivamente at que se tenha uma aproximao para a raiz com a
margem de erro desejada.
A1. Interpretao geomtrica do mtodo:

Zeros de Funes Mtodo da Bisseo
Clculo Numrico Computacional UR /2014
33
f(x)
x
y
x3 = xr
a
X
0
X
2
b X
1
2
b a
x
0 ) b ( f ). a ( f : como
0
+

<

2
b x
x
0 ) b ( f ). x ( f
0
1
0
+

<

2
x x
x
0 ) x ( f ). x ( f
1 0
2
1 0
+

<

dado. com , x
2
x x
x
0 ) x ( f ). x ( f
r
2 0
3
2 0

+

<
A2. Critrio de Parada:
1) |a-b|<
2) |xn xn-1|<
3) |f(xn)| <
4) Nmero de iteraes
5) Erro relativo
A3. AIgoritmo:
Dada funo f(x):
enquanto
> ) b a ( abs
faa
;
2
) b a (
x
+

se
0 ) x ( f * ) a ( f <
ento:
x b ; ( x passa a ser b)
seno
x a ; ( x passa a ser a)
fim se;
fim enquanto;
ExempIo: Aplicao do mtodo da bisseo no clculo da raiz da funo -(x, . e
x
- /x+
localizada no intervalo [0; 1], aplicando o critrio de parada |a b| < 10
-5
.
Zeros de Funes: Mtodo da bisseo
Clculo Numrico Computacional UR /2014 34
Separando em duas outras funes:
f x ( ) e
x
3x :
g x ( ) e
x
: h x ( ) 3x :
0 0.5 1 1.5 2
2
4
g x ( )
h x ( )
f x ( )
x
n a b xn f(a) f(b) f(xn) | a - b | < erro
0 0,00000 1,00000 0,50000 1,00000 -0,28172 0,14872 1,00000
1 0,50000 1,00000 0,75000 0,14872 -0,28172 -0,13300 0,50000
2 0,50000 0,75000 0,62500 0,14872 -0,13300 -0,00675 0,25000
3 0,50000 0,62500 0,56250 0,14872 -0,00675 0,06755 0,12500
4 0,56250 0,62500 0,59375 0,06755 -0,00675 0,02952 0,06250
5 0,59375 0,62500 0,60938 0,02952 -0,00675 0,01116 0,03125
6 0,60938 0,62500 0,61719 0,01116 -0,00675 0,00214 0,01563
7 0,61719 0,62500 0,62109 0,00214 -0,00675 -0,00232 0,00781
8 0,61719 0,62109 0,61914 0,00214 -0,00232 -0,00009 0,00391
9 0,61719 0,61914 0,61816 0,00214 -0,00009 0,00103 0,00195
10 0,61816 0,61914 0,61865 0,00103 -0,00009 0,00047 0,00098
11 0,61865 0,61914 0,61890 0,00047 -0,00009 0,00019 0,00049
12 0,61890 0,61914 0,61902 0,00019 -0,00009 0,00005 0,00024
13 0,61902 0,61914 0,61908 0,00005 -0,00009 -0,00002 0,00012
14 0,61902 0,61908 0,61905 0,00005 -0,00002 0,00001 0,00006
15 0,61905 0,61908 0,61906 0,00001 -0,00002 0,00000 0,00003
16 0,61905 0,61906 0,61906 0,00001 0,00000 0,00001 0,00002
17 0,61906 0,61906 0,61906 0,00001 0,00000 0,00000 0,00001
18 0,61906 0,61906 0,61906 0,00000 0,00000 0,00000 0,00000
Este resultado (0,61906) exato com 5 casas decimais. Observar que quando os
critrios de convergncia so atingidos, os valores de a, b e xn so iguais com cinco
casas decimais.
Zeros de Funes: Mtodo da bisseo
Clculo Numrico Computacional UR /2014 35
x
y
EXERCCIO:
Traar o grfico da funo f(x) com o objetivo de determinar o intervalo [a,b] que
contenha a raiz da 2 ) x ( sen e ) x ( f
x
e refine pelo mtodo da bisseo com
preciso <10
-2
e critrio de parada | xn xn-1 |<
.
n a b xn f(a) f(b) f(xn) | xn xn-1 |<
0
1
Zeros de Funes: Mtodo da bisseo
Clculo Numrico Computacional UR /2014 36
SOLUO - MATHCAD:
- Para plotar o grfico necessrio definir a funo com a sintaxe : (dois pontos)
f(x): exp(x) - sin(x) - 2
f x ( ) e
x
sin x ( ) 2 :
e em seguida usar o atalho f(x)@x para mostrar o grfico; para formatar clicar com o
boto direito do mouse sobre o grfico, escolher crossed e diretamente no grfico
modificar a escala se necessrio. Outros efeitos como o de zoom so bem teis.
Captulo 2: Zeros de Funes Newton-Raphson
Clculo Numrico Computacional UR /2014 37
3 2 1 0 1 2
2
1
1
2
f x ( )
x
bisse 1 1.5 , 0.001 , ( ) 1.054
Complementando o programa para mostrar as iteraes:
CIcuIo direto:
Sintaxe para determinar razes no mathcad: roo#($(%"!%!a!&"'
!" f x ( ) x , 1 , 1.5 , ( ) 1.05413
A4. Nmero de Iteraes:
A cada iterao o intervalo dividido ao meio, e na ensima iterao o
comprimento do intervalo ser
n n n
2
a b
a b

, ou seja, para um dado intervalo [a,b] so
necessrias, no mnimo n iteraes para se calcular a raiz com a margem de erro
desejada.
Usando como critrio de parada |a-b|< , pode-se saber com antecedncia o
nmero de iteraes a serem feitas:
( )

,
_

>

>
< <

a b
ln 2 ln
a b
2
2 . a b
2
a b
n n
n
n

2 ln
a b
ln
n
a b
ln 2 ln . n

,
_

>

,
_

>
A5. Convergncia do Mtodo da Bisseo:
# A convergncia garantida, a aproximao no sai do intervalo inicial, esse
intervalo cada vez dividido por dois;
# A convergncia muito lenta: para ganhar uma casa decimal (base 10), precisa-
se de 3 a 4 passos.
# No exige o conhecimento de derivadas;
# O mtodo deve ser usado para diminuir o intervalo que contm a raiz.
bisse a b , e!! , ( )
x
a b +
2

b x f a ( ) f x ( ) 0 < if
a x "he!$ise
a b e!! > $hi%e
x
:
EXERCCIOS:
1. Resolva o problema de Equilbrio de Mecanismos
B. Mtodos de ponto fixo
So mtodos que comeam suas iteraes de uma aproximao inicial x0, como
Newton-Raphson e terao Linear.
B.1. Mtodo de Newton-Raphson (ou Mtodo das Tangentes):
Seja f(x) uma funo contnua no intervalo [a,b] (que f(a).f(b) < 0), e xr o seu nico
zero neste intervalo; as derivadas
) (x f
com
& 0 ) ( ' x f
e
) (x f
tambm devem
ser contnuas. Graficamente, temos:
O mtodo de Newton equivalente a substituir um pequeno arco da curva y = f(x)
por uma reta tangente, traada a partir de um dos pontos (a ou b) da curvatura.
Neste caso, traado a partir de Bo[xo, f(xo)], uma reta tangente a curva y = f(x),
que intercepta o eixo x no ponto x1. Do ponto B1 traamos outra reta tangente a curva e o
processo se repete at que se encontre xr = xn, com tolerncia requerida.
Geometricamente, podemos mostrar que:
1 0
0
0
x x
) x ( f
) x ( ' f ) ( tg


, da tem-se:
) x ( ' f
) x ( f
x x
0
0
1 0

=>
) x ( ' f
) x ( f
x x
0
0
0 1

2 1
1
1
x x
) x ( f
) x ( ' f ) ( tg


, onde:
) x ( ' f
) x ( f
x x
1
1
1 2

Captulo 2: Zeros de Funes Newton-Raphson
Clculo Numrico Computacional UR /2014 40
Por induo:
) x ( ' f
) x ( f
x x
1 n
1 n
1 n n


, para n = 1,
2,..
B.1.1. Critrio de parada: | ) x ( f | , ou


| x x |
1 n n
B.1.2. Convergncia do Mtodo de Newton-Haphson e o meIhor extremo:
Observe que ao partir do ponto A, o ponto

1
1 x
[a, b], ento o mtodo no
convergiria por A.
Logo, o mtodo garante convergncia desde que:
1. f'(x) e f''(x) sejam no nulas e preservem o sinal em [a, b];
2. xo seja tal que f(x).f''(x) > 0
O mtodo requer o conhecimento da forma analtica de f'(x), mas sua
convergncia extraordinria.
ExempIo: Calcular novamente a raiz da funo -(x, . e
x
- /x localizada prxima ao valor x
= 0 pelo mtodo iterativo de Newton-Raphson, com preciso 10
-5
e critrio de parada |xn -
xn-1|< erro.

n xn-1 f(xn-1) f'(xn-1) xn |xn - xn-1|< erro
1 0,00000 1,00000 -2,00000 0,50000 -----
2 0,50000 0,14872 -1,35128 0,61006 0,11006
3 0,61006 0,01036 -1,15946 0,61900 0,00894
4 0,61900 0,00007 -1,14294 0,61906 0,00006
5 0,61906 0,00000 -1,14282 0,61906 0,00000
A raiz calculada aps 4 iteraes igual a 0,61906 com erro menor do que 10
-5
.
Comparando-se este resultado com o obtido pelo mtodo da bisseo, observa-se
que a convergncia do mtodo da bisseo foi muito mais lenta do que a do mtodo de
Newton-Raphson.
EXERCCIO:
1. Determinar a raiz real de
4 ) x ( sen x 2 ) x ( f
, utilizando o mtodo de
Newton-Raphson, com preciso

<10
-3
. Resp.: A raiz 2,3542
2. Obter a raiz cbica de 5, usando o mtodo Newton-Raphson, sendo o erro = 10
-3
.
Resp.: A raiz 1,710
Zeros de Funes: Newton-Raphson
Clculo Numrico Computacional UR /2014 41
B2. Mtodo da Iterao Linear
Seja -(x) uma funo contnua no intervalo [a, b] e seja xr uma raiz desta funo,
sendo xr (a, b), tal que -(xr) = 0.
nicialmente determina-se um intervalo , onde o zero de f(x) esteja isolado, em
seguida, por um artifcio algbrico, pode-se transformar -(x) = 0 em duas funes que lhe
sejam equivalentes, da forma x = g(x), ou seja: y1 = x e y2 =
) x ( g
, onde g(x) chamada
de $(n)o de *#era)o.
B.2.1. Interpretao geomtrica do mtodo da iterao Iinear:
Busca-se a interseco da reta x com a curva g(x), e assim o mtodo transforma o
problema de se encontrar uma raiz da equao f(x) = 0 na busca do ponto em que x =
g(x).

Sendo x0 a primeira aproximao da raiz xr, calcula-se g(x0). Faz-se ento, x1 =
g(x0), x2 = g(x1), x3 = g(x2) e assim vai gera-se uma seqncia de aproximao para a raiz
pelo algoritmo:
) x ( g x
1 n n
para n = 0, 1, 2, ...
B.2.2. Convergncia do mtodo
Dependendo da funo g(x) escolhida, a relao de recorrncia ) x ( g x
1 n n

pode ou no fornecer uma sequncia convergente, desta forma, o Teorema que segue
pode estabelecer condies suficientes, porm no necessrias para garantir melhor
extremo.
Teorema: Seja x
r
um zero de uma funo f(x), isolada em um intervalo =[a,b], e
seja g(x) uma funo tal que g(x
r
) = x
r
. Se:
i) g(x) e g(x) so funes contnuas em
Captulo 2: Zeros de Funes terao Linear
Clculo Numrico Computacional UR /2014 42
x
r
ii)
1 ) x ( g mx
x
<

Logo, o mtodo tem sucesso quando | 01(x) | < 1 em todo intervalo. O extremo
mais rpido para iniciar o mtodo aquele para o qual o mdulo da primeira derivada
menor.
Se |g'(a)| < |g'(b)| ento x0 = a, seno x0 = b.
Observe graficamente o problema e verifique que existem funes g(x) que no
so indicadas para a escolha.
Casos de convergncia: Seja -(x) = x
3
- 5x + 3, as possveis funes de iteraes (
g
(x)):
2'
5
3 x
) x ( g
3
+

2 0 2
2
2
x
g x ( )
x
Zeros de Funes: terao Linear
Clculo Numrico Computacional UR /2014 43
&'
2
x
3 x 5
) x ( g

2 0 2
10
5
x
g x ( )
x
/'
3 / 1
) 3 x 5 ( ) x ( g
2 0 2
2
x
g x ( )
x
3'
5 x
3
) x ( g
2

2 0 2
10
5
x
g x ( )
x
B.2.3. Critrio de Parada:


| x x |
1 n n
ou
| ) x ( f |
Zeros de Funes: terao Linear
Clculo Numrico Computacional UR /2014 44
Consideraes finais:
- A maior dificuldade neste mtodo encontrar uma funo de iterao que
satisfaa condio de convergncia;
- Teste de | 01(x) | < 1 pode levar a um engano se x0 no estiver suficientemente
prximo da raiz. A velocidade de convergncia depender de |g1(x)|: quanto menor
este valor maior ser a convergncia;
- Devemos observar que o teste de erro ( |xn - xn-1 | < erro ) no implica
necessariamente que | xn - xr| < erro, conforme vemos na figura abaixo:
EXERCCIOS:
1. Dada a funo -(x) = x
2
+ 3x - cos(x) - 2.45, obter sua raiz contida no intervalo [0,5;
1], pelo ML, com um erro < 10
-2
. R.: xr = 0.8161
2. Calcular as seguintes razes reais das equaes, com erro < 0.001, pelo ML
a. f(x) = 3 e x
x 3 2
+ entre [0.5, 1]
b. f(x) = 3 ) x cos( e
x
+ entre [0.5, 1]
Zeros de Funes: terao Linear
Clculo Numrico Computacional UR /2014 45
PROBLEMAS PROPOSTOS:
1) O preo vista de um carro de $ 36.484,17, mas pode ser vendido a prazo em
48 prestaes mensais de $ 1.580,00. Nessas condies, qual a taxa de juros
mensal que estaria sendo cobrada?
Da financeira tem-se:
1
]
1

+
+

n
n
) i 1 .( i
1 ) i 1 (
. PMT PV
, que:
1 ) i 1 ( ] ) i 1 .( i .[
PMT
PV
ou 0
PMT
PV
-
) i 1 .( i
1 ) i 1 (

) i 1 .( i
1 ) i 1 (
PMT
PV
n n
n
n
n
n
+ +
1
]
1

+
+

1
]
1

+
+

0 1 ) i 1 ( ] ) i 1 .( i .[
PMT
PV

n n
+ + + , logo: f(i) = 0
Construir o grfico da funo na planilha Excel:
2) A rea A da parte sombreada, com em radianos, dada por:
Se A = 3,6m e r = 3m, para determinar o ngulo 0, a equao deve ser resolvida
para 0. Desta forma, tem-se:
Ento, pode-se escrever que e,

Exerccios
Clculo Numrico Computacional UR /2014 46
(
Encontre 0.
3) No clculo da raiz de f(x) = e
-x
- 3x - 3, pelo mtodo da iterao linear, fazem-se
as transformaes:
). x = g1(x) = e
-x
- 2x - 3
d. x = g2(x) = (e
-x
- 3) / 3
e. x = g3(x) = - In(3+3x)
ndique, sem fazer iteraes, que funo ou funes iro convergir para a raiz.
3) Seja a equao
0 ) x ln( . x 1 x +
, com = 0,0001, complete a seguinte
tabela:
x
f x ( )
d
d
%n x ( )
0 2 4
2
1
1
2
f x ( )
x
Compare os mtodos considerando a garantia e rapidez de convergncia em cada caso.
4) Calcule uma aproximao para a raiz cbica de 25 com preciso menor que 10
-4
.
Observaes: Todos os clculos devem ser realizados com no mnimo 5 casas decimais
com arredondamento.
RESUMO:
MTODOS DE REFNAMENTO:
Para todos os mtodos: f(a).f(b)< 0 (1), para que
) , ( b a x
r

1. Bisseo:
2
b a
x
n
+

n a B Xn f(a) f(b) f(Xn) |f(Xn)| <


Captulo 2: Resumo
Clculo Numrico Computacional UR /2014
47
BSSEO T. LNEAR NEWTON
Dados iniciais
xr
f(xr)
Erro em x
Nm.
iteraes
0
2. Newton-Raphson:
) (
) (
l
|
l
l
x f
x f
x x
n n

+
Escolha do x0:
0 ) **( ). (
0 0
> x f x f
n Xn f(Xn) f (Xn) Xn+1
|f(xn+1)| <
0
3. terao linear:
) (
1

n n
x g x
para n = 0, 1, 2, ... Convergncia: | 01(x) | <
1
n Xn f(xn)
|f(xn)| <
0
Captulo 2: Resumo
Clculo Numrico Computacional UR /2014
48
3. SELA - SISTEMAS DE EQUAES LINEARES ALGBRICAS
Considere o sistema linear A.x = B, de equaes com n equaes e n incgnitas,
escrito na usualmente na forma:

'

+ + +
+ + +
+ + +
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
...
...
...
...
2 2 1 11
2 2 2 22 1 21
1 1 2 12 1 11
Usando notao matricial, o sistema linear pode ser representado por A4 = 5'

,
_

,
_

,
_

n n nn n n
n
n
b
b
b
x
x
x
a a a
a a a
a a a
... ...
.
...
... ... ... ...
...
...
2
1
2
1
2 1
2 21 21
1 12 11
onde
A . (ai6,: coeficientes; 1 > i > n, 1 > 6 7 n ou i+6 . 2+'''+n
4 . (x6,: incgnitas; 6 = 1, 2, ...,n
5 . (bi ,: constantes; i = 1, 2,... ,n
Ou ainda:

n
j
i i ij
b x a
1
.
; i = 1,2 , .., n
A resoluo de um sistema linear consiste em calcular os valores de x6, 6 = 1, 2, ...,
n, caso eles existam, que satisfaam as n equaes simultaneamente, e a garantia de
soluo nica que det(A) = 0.
3.1 CIassificao Quanto ao Nmero de SoIues
Um sistema linear pode ser classificado quanto ao nmero de solues em:
!om)at8*el" existe soluo
- determinado - o sistema linear tem soluo nica (determinante diferente de
zero)
- indeterminado - o sistema linear admite infinitas solues
Incom)at8*el" o sistema linear no admite soluo.
Captulo 3: SELA Notao e classificao
Clculo Numrico Computacional UR /2013
49
Quando todos os termos independentes forem nulos, isto , se bi = 0, i = 0, 1, ...,
n, o sistema dito homo09neo. Todo sistema homogneo compatvel, pois admitir
pelo menos a soluo trivial (x6 = 0, 6 = 0, 1, 2, ..., n).
Captulo 2: Resumo
Clculo Numrico Computacional UR /2014
50
3.2. Mtodos Diretos
So mtodos que permitem obter a soluo do sistema realizando-se um nmero
finito de operaes aritmticas. Assim, o esforo computacional necessrio para se obter
uma soluo do sistema perfeitamente previsvel. Esta soluo seria exata se no fosse
a presena de erros de arredondamento. Dentre os mtodos diretos mais comuns esto:
3.2.1. Mtodo de EIiminao de Gauss:
Consiste na transformao da matriz expandida (matriz de coeficientes acrescida
da coluna de termos independentes) em matriz triangular, superior ou inferior, seguida de
um processo de substituies sucessivas para explicitar a soluo do sistema. Esta
transformao em matriz triangular (ou escalonamento) obtida atravs da aplicao
sucessiva de operaes elementares sobre linhas (ou sobre colunas) na matriz
expandida, buscando a eliminao seletiva de elementos no nulos para torn-la uma
matriz triangular.
No algoritmo do mtodo de eliminao de Gauss necessrio que aii=0, esse
elemento chamado de piv.
Considere o sistema:
) 0 ( ) 0 (
B X A
(sistema original)
1
1
1
1
]
1

nn 2 n 1 n
n 2 22 21
n 1 12 11
a .. a a
.. .. ..
a ... a a
a ... a a
A
;
1
1
1
1
]
1

n
2
1
b
...
b
b
B
;
1
1
1
1
]
1

n
2
1
x
..
x
x
X
1) Montamos inicialmente a matriz ampliada (ou expandida): : B | A
) 0 ( ) 0 (
1
1
1
1
1
]
1

+
+
+
) 0 (
1 n , n
) 0 (
1 n , 2
) 0 (
1 n , 1
) 0 (
nn
) 0 (
2 n
) 0 (
1 n
) 0 (
n 2
) 0 (
22
) 0 (
21
) 0 (
n 1
) 0 (
12
) 0 (
11
a
..
a
a

a .. a a
.. .. ..
a ... a a
a ... a a
2) TrianguIarizao:
Fase 1: ( 0 a
11
) eIemento piv: a11
Captulo 3: SELA Mtodos Diretos
Clculo Numrico Computacional UR /2013
51
Objetivo: eliminar a incgnita
1
x da 2, 3, ..., n equao.
- Subtrair da 2 equao a 1 multiplicada por
) 0 (
11
) 0 (
21
21
a
a
m
, ou seja:
1 21 2 2
L m L L
- Subtrair da 3 equao a 1 multiplicada por
) 0 (
11
) 0 (
31
31
a
a
m
, ou seja: 1 31 3 3
L m L L
- Subtrair da n equao a 1 multiplicada por
) 0 (
11
) 0 (
1 n
1 n
a
a
m
, ou seja:
1 1 n n n
L m L L
Assim, obtemos a matriz ampliada : B | A
) 1 ( ) 1 (
1
1
1
1
1
]
1

+
+
+
) 1 (
1 n , n
) 1 (
1 n , 2
) 1 (
1 n , 1
) 1 (
nn
) 1 (
2 n
) 1 (
n 2
) 1 (
22
) 1 (
n 1
) 1 (
12
) 1 (
11
a
..
a
a

a .. a 0
.. .. ..
a ... a 0
a ... a a
Fase 2: ( 0 a
22
) eIemento piv: a22
Objetivo: eliminar a incgnita
2
x da 3, 4, ..., n equao.
- Subtrair da 3 equao a 2 multiplicada por
) 1 (
22
) 1 (
32
32
a
a
m
: 2 32 3 3
L m L L
- Subtrair da 4 equao a 2 multiplicada por
) 1 (
22
) 1 (
42
42
a
a
m
;
- Subtrair da n equao a 2 multiplicada por
) 1 (
22
) 1 (
2 n
2 n
a
a
m
;
Ento, obtemos a matriz ampliada : B | A
) 2 ( ) 2 (
1
1
1
1
1
]
1

+
+
+
) 2 (
1 n , n
) 2 (
1 n , 2
) 2 (
1 n , 1
) 2 (
nn
) 2 (
n 2
) 2 (
22
) 2 (
n 1
) 2 (
12
) 2 (
11
a
..
a
a

a .. 0 0
.. .. .. ..
a ... a 0
a ... a a
Ao final da fase n-1, teremos: : B | A
) 1 n ( ) 1 n (
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
52
1
1
1
1
1
]
1



) 1 n (
1 n , n
) 1 n (
1 n , 2
) 1 n (
1 n , 1
) 1 n (
nn
) 1 n (
n 2
) 1 n (
22
) 1 n (
n 1
) 1 n (
12
) 1 n (
11
a
..
a
a

a .. 0 0
.. .. .. ..
a ... a 0
a ... a a

OBS: caso o elemento aii = 0, fazer troca de linhas ou colunas.
+,a matriz trianguIar superior aquela em que os elementos abaixo da
diagonal so zero:
uma matriz trianguIar inferior aquela em que os elementos acima da diagonal
so zero:
3). Processo de retrosubstituio sucessiva:
De forma que o sistema
) 1 n ( ) 1 n (
B X . A

seja triangular superior, cuja soluo


pode ser facilmente obtida. Assim a soluo do sistema
) 1 n ( ) 1 n (
B X . A

tambm
soluo do sistema original, j que ambos so equivalentes.

'

+ +
+ + +
n n nn
2 n n 2 2 22
1 n n 1 2 12 1 11
b x a
...
b x a ... x a
b x a ... x a x a
Para ordem n, tem-se:
1
1
1
1
1
]
1



) 1 n (
1 n , n
) 1 n (
1 n , 2
) 1 n (
1 n , 1
) 1 n (
nn
) 1 n (
n 2
) 1 n (
22
) 1 n (
n 1
) 1 n (
12
) 1 n (
11
a
..
a
a

a .. 0 0
.. .. .. ..
a ... a 0
a ... a a
n , n
1 n , n
n
a
a
x
+


Para: i = n-1, n-2, ..., 1, tem-se:
ii
n
1 i j
j ij 1 n , i
i
a
x . a a
x

+
+

ExempIo: Resolver o seguinte sistema de equao:


Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
53
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1


13
7
7
x
x
x
.
8 2 3
1 4 2
1 2 6
3
2
1
1). Gerao da matriz expandida:
2). Triangularizao:
- correspondente a primeira coluna (k = 1):
- correspondente a segunda coluna (k = 2):
3). Processo de retrosubstituio sucessiva:
Exerccio:
1. Elabore um algoritmo para resolver um sistema pelo Mtodo de Gauss.
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
54
Pode-se tambm associar o mtodo de eliminao de Gauss a um processo de
pivotamento, parcial ou total, que promove uma troca seletiva de linhas (ou colunas),
visando tomar pivs (elementos das diagonais principais) com maior mdulo possvel, e
assim procurando evitar a presena de pivs nulos.
ExempIo 1: Resolver o seguinte sistema de equaes lineares pelo mtodo de
eliminao de Gauss sem pivotamento adotando operaes aritmticas com 4 (quatro)
dgitos significativos e arredondamento ponderado.

'

+
+ +
+ +
0 x 207 , 0 x 784 , 0 x 421 , 0
1 x 193 , 0 x 832 , 0 x 448 , 0
0 x 279 , 0 x 784 , 0 x 421 , 0
3 2 1
3 2 1
3 2 1
Na forma matricial tem-se
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

0
1
0
x
x
x
207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 448 , 0
279 , 0 784 , 0 421 , 0
3
2
1
1). Gerao da matriz expandida:
1
1
1
]
1

0
1
0

207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 448 , 0
279 , 0 784 , 0 421 , 0

2). Triangularizao correspondente a primeira coluna (k = 1):


Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
55

1 3 3 1 3 3
1 2 2 1 2 2
L L L )).L 421 , 0 /( 421 , 0 ( L L
L 064 , 1 L L )).L 421 , 0 /( 448 , 0 ( L L
0
1
0

207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 448 , 0
279 , 0 784 , 0 ) 421 , 0 (
+
+
1
1
1
]
1



1
1
1
]
1

0
1
0

0720 , 0 568 , 1 0
4899 , 0 666 , 1 0
279 , 0 784 , 0 421 , 0

3). Triangularizao correspondente a segunda coluna (k = 2):



2 3 3 2 3 3 L 9412 , 0 L L )L 666 , 1 / 568 , 1 ( L L 0
1
0

0720 , 0 568 , 1 0
4899 , 0 ) 666 , 1 ( 0
279 , 0 784 , 0 421 , 0
1
1
1
]
1


1
1
1
]
1

9412 , 0 -
1
0

3891 , 0 0 0
4899 , 0 666 , 1 0
279 , 0 784 , 0 421 , 0

4). Processo de retrosubstituio sucessiva:


Aps a triangularizao analisa-se o sistema de equaes equivalente, gerado a
partir do processo de eliminao empregado:

9412 , 0 - x 3891 , 0 x 0 x 0
1 x 4899 , 0 x 666 , 1 x 0
0 x 279 , 0 x 784 . 0 x 421 . 0
3 2 1
3 2 1
3 2 1

'

+
+ +
+ +
Logo:
x3 = -0,9412/(-0,3891) x3 = 2,419
x2 = ( 1 0,4899x3 ) / 1,666 x2 = -0,1110
x1 = ( - 0,784x2 0,279 x3 ) /(-0,421) x1 = 1,396
Portanto, a soluo do sistema correspondente ao exemplo 2 :
S = { 1,396; -0,1110; 2,419}
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
56
Se os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear
proposto forem avaliados, normalmente so obtidos valores residuais no nulos das
equaes, decorrentes de erros de arredondamento.

Por ex:
0000 , 0 | 0 x 207 , 0 x 784 , 0 x 421 , 0 = | r
0000 , 0 | 1 x 193 , 0 x 832 , 0 x 448 , 0 | r
0002 , 0 | 0 x 279 , 0 x 784 , 0 x 421 , 0 | - r
3 2 1 3
3 2 1 2
3 2 1 1
+
+ +
+ +
Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |. A soluo exata foi encontrada atravs da calculadora grfica
CFX-9850G:
Xexato1 = 1,396286256
Xexato2 = - 0,111080218
Xexato3 = 2,419080304
Avaliando o erro utilizando a preciso de 4 dgitos significativos, que foi utilizada
at aqui em todas as operaes. temos:
Xexato1 = 1,396
Xexato2 = - 0,1111
Xexato3 = 2,419
E o erro exato obtido foi:
Erro1 = | 1,396 1,369 | = 0,000
Erro2 = | -0,1111 - (-0,1110) | = 0,0001
Erro3 = | 2,419 2,419 | = 0,000
ExempIo 2: Resolver o seguinte sistema de equaes lineares pelo mtodo de
eliminao de Gauss com pivotamento parciaI utilizando operaes aritmticas com 4
(quatro) dgitos significativos e arredondamento ponderado.
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
57

'

+
+ +
+ +
0 x 207 , 0 x 784 , 0 x 421 , 0
1 x 193 , 0 x 832 , 0 x 448 , 0
0 x 279 , 0 x 784 , 0 x 421 , 0
3 2 1
3 2 1
3 2 1
Na forma matricial tem-se
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

0
1
0
x
x
x
207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 448 , 0
279 , 0 784 , 0 421 , 0
3
2
1
1). Gerao da matriz expandida:
1
1
1
]
1

0
1
0

207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 448 , 0
279 , 0 784 , 0 421 , 0

2). Pivotao parcial, correspondente ao primeiro piv (k=1):


(i). Busca do maior elemento em mdulo da coluna k = 1:
i = 2
1
1
1
]
1

0
1
0

207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 ) 448 , 0 (
279 , 0 784 , 0 421 , 0

(maior mdulo da coluna k=1 est na linha i = 2).


(ii). troca de linhas:
( )
1 2
2 1
L L
L L
0
1
0

207 , 0 784 , 0 421 , 0
193 , 0 832 , 0 448 , 0
279 , 0 784 , 0 421 , 0

1
1
1
]
1

(Troca da linha L1 com L2 e vice-versa)


(iii). Matriz pivotada:
1
1
1
]
1

0
0
1

207 . 0 784 . 0 421 . 0
279 . 0 784 . 0 421 . 0
193 . 0 832 . 0 ) 448 . 0 (

3). Processo de triangularizao, correspondente ao primeiro piv (k=1):


Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
58
1 3 3
1 3 3
1 2 2
1 2 2
L 9397 , 0 L L )L 448 , 0 / 421 , 0 ( L L
L 9397 , 0 L L )L 448 , 0 / 421 , 0 ( L L
0
0
1

207 , 0 784 , 0 421 , 0
279 , 0 784 , 0 421 , 0
193 , 0 832 , 0 ) 448 , 0 (

+
1
1
1
]
1


9397 , 0 -
9397 , 0
1

3884 , 0 0022 , 0 0
4604 , 0 566 , 1 0
193 , 0 832 . 0 ) 448 , 0 (
1
1
1
]
1

Obs.: Note que as operaes elementares aplicadas acima eliminam os elementos


abaixo da diagonal principal na primeira coluna. A operao de eliminao acontece
sempre que se subtrai de cada linha, a linha do piv multiplicada pelo elemento a ser
eliminado divida pelo elemento piv.
4). Pivotao Parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda
linha e da segunda coluna, pois a primeira coluna j foi anulada)

,
,
, ,
, ,
, , ,
1
1
1
]
1

9397 0
9397 0
1
3884 0 0022 0 0
4604 0 566 1 0
193 0 832 0 448 0
-
) (

(maior mdulo da coluna k=2 j est na linha i =


2)
(ii). No necessrio a troca de linhas, pois a matriz j est pivotada.
5). Processo de triangularizao, correspondente ao segundo piv (k=2):
2 3
2 3 3
001405 0 566 1 0022 0 9397 0
9397 0
1
3884 0 0022 0 0
4604 0 566 1 0
193 0 832 0 448 0
L L L L L , -
,
, ) , / , (

, ,
, ) , (
, , ,


1
1
1
]
1



,
, ,
, , ,
1
1
1
]
1

9410 0
9397 0
1
3890 0 0 0
4604 0 566 1 0
193 0 832 0 448 0
, -
,

Captulo 3: SELA: Mtodos diretos


Clculo Numrico Computacional UR /2014
59
6). Processo de retrosubstituio sucessiva:
Primeiramente analisa-se o sistema de equaes equivalente, gerado a partir do
processo de eliminao empregado:

'

+
+ +
+ +
9410 0 3890 0 0 0
9397 0 4604 0 566 1 0
1 193 0 832 0 448 0
3 2 1
3 2 1
3 2 1
, - x , x x
, x , x , x
x , x , x ,
Logo:
x3 = -0,9410/ (-0,3890) x3 = 2,419
x2 = ( 0,9397 0,4606x3 ) / 1,566 x2 = -0,1113
x1 = ( 1 0,832 x2 0,193 x3 ) /0,448 x1 = 1,397
Portanto a soluo do sistema dado no exemplo 3 :
S = { 1,397; -0,1113; 2,419}
Os resduos ( r = | b - A x | ):
0001 , 0 | = 0 x 207 , 0 x 784 , 0 x 421 , 0 = | r
0002 , 0 | = 1 x 193 , 0 x 832 , 0 x 448 , 0 = | r
0005 , 0 | 0 x 279 , 0 x 784 , 0 x 421 , 0 | - r
3 2 1 3
3 2 1 2
3 2 1 1
+
+ +
+ +
Neste caso, tambm pode ser calculado o erro exato, dado por: erro = | Xexato -
Xaprox.|, atravs da soluo exata encontrada na calculadora:
Xexato1 = 1,39628656...
Xexato2 = - 0,11108021803
Xexato3 = 2,4190803038
Utilizando a preciso de 4 dgitos significativos, temos:
Xexato1 = 1,396
Xexato2 = - 0,1111
Xexato3 = 2,419
E o erro exato obtido foi:
Erro1= | 1,396 1,397 | = 0,001
Erro2= | -0,1111 - (-0,1113) | = 0,0002
Erro3= | 2,419 2,419 | = 0,000

Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
60
Obs.: Note que com o processo de pivotamento parcial:
Eliminam-se os possveis pivs nulos, caso a matriz de coeficientes seja no
singular (determinante diferente de zero);
Tambm consegue-se uma reduo nos efeitos de erros de arredondamento
(diminuio da perda de significao), destacada na avaliao do erro exato.

Alternativamente, pode-se implementar o mtodo de eliminao de Gauss usando


a pivotao total, que computacionalmente mais eficiente, induzindo um menor erro de
arredondamento acumulado, de forma a se obter solues computacionalmente mais
estveis em relao s perturbaes introduzidas por erros de arredondamento. No
pivotamento totaI, ou compIeto, procura-se o elemento de maior mdulo dentre todos
os elementos disponveis na matriz de coeficientes, promovendo trocas de linhas e/ou
colunas conforme a necessidade. Para avaliar as consequncias destas trocas de linhas
e colunas deve-se interpretar os elementos da matriz expandida em termos das
equaes do sistema, assim:
Troca de Iinhas implica apenas em trocar a ordem na apresentao das
equaes;
Troca de coIunas implica na troca da ordem de apresentao das variveis
(incgnitas) do sistema.
Exerccio: Resolver o seguinte sistema de equaes lineares, usando a pivotao totaI
e operaes aritmticas com 4 (quatro) dgitos significativos e arredondamento
ponderado.

'

+
+ +
+ +
0 x 207 , 0 x 784 , 0 x 421 , 0
1 x 193 , 0 x 832 , 0 x 448 , 0
0 x 279 , 0 x 784 , 0 x 421 , 0
3 2 1
3 2 1
3 2 1
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
61

'

+
+
+ +

'

+
+ +
+ +
0 x 207 , 0 x 421 , 0 x 784 , 0
0 x 279 , 0 x 421 , 0 x 784 , 0
1 x 193 , 0 x 448 , 0 x 832 , 0
0 x 207 , 0 x 784 , 0 x 421 , 0
0 x 279 , 0 x 784 , 0 x 421 , 0
1 x 193 , 0 x 832 , 0 x 448 , 0
3 1 2
3 1 2
3 1 2
3 2 1
3 2 1
3 2 1
Consideraes:
Pelos resduos encontrados nos exemplos acima, nota-se que o resduo nem
sempre um bom elemento para certificarmos a exatido da soluo, pois
embora encontremos resduos menores no mtodo sem o uso do pivotamento,
comparativamente aos mtodos que se utilizaram de pivotamento parcial e total, a
soluo do sistema normalmente mais exata nos mtodos com pivotao.
Nas operaes elementares sobre linhas aplicadas no mtodo de Gauss, aparece
uma operao de diviso pelo piv. Sabemos que na maioria das operaes de
diviso so gerados erros de arredondamentos, ento ao longo do processo de
eliminaes sucessivas, estes erros de arredondamento vo se acumulando, pois
os resultados obtidos em um estgio do processo de eliminao sero usadas no
estgio seguinte.
Programa EIaborado no MathCad
1) ELMNAO DE GAUSS SEM PVOTAMENTO:
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
62
-./0/N 1 :
n 3 :
,i
1
4
0
0
1
4.5
0
1
0.5
6.889
9
10.5
20.667

3.1.2. Mtodo de Gauss-Jordan:


Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
63
2
1
1 2 3 ( )
Consiste na transformao da matriz expandida em matriz diagonal (normalizada
com coeficientes unitrios), que equivalente a matriz identidade. Esta transformao
obtida atravs da aplicao sucessiva de operaes elementares sobre linhas (ou sobre
colunas), buscando a eliminao seletiva dos elementos no nulos externos a diagonal
principal. Tambm pode ser associado a um processo de pivotamento, parcial ou total.
ExempIo 1: Resolver o seguinte sistema de equaes lineares usando o mtodo de
Gauss-Jordan com pivotamento parcial:

'

+ +
+ +
+ +
12 x 3 x 5 x 2
7 x 3 x 2 x 4
8 x 75 , 4 x 5 , 1 x 3
3 2 1
3 2 1
3 2 1
OBS: operaes aritmticas com 4 (quatro) dgitos significativos e arredondamento
ponderado.
Na forma matricial tem-se:
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

12
7
8
x
x
x
3 5 2
3 2 4
75 , 4 5 , 1 3
3
2
1
1). Gerao da matriz expandida:
1
1
1
]
1

12 -
7
8

3 5 2
3 2 4
75 , 4 5 , 1 3

2). Pivotao parcial, correspondente ao primeiro piv (k = 1):


(i). Busca do maior mdulo da coluna k = 1
k=1
i = 2 (o elemento de maior mdulo est na linha i = 2).
(ii). troca de linhas:
( )
1 2
2 1
L L
L L
12 -
7
8

3 5 2
3 2 4
75 , 4 5 , 1 3

1
1
1
]
1

(Troca da linha L1 com a linha L2 e vice-versa)


(iii). Matriz pivotada:
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
64

12 -
8
7

3 5 2
75 , 4 5 , 1 3
3 2 ) 4 (
1
1
1
]
1

Obs.: at aqui o processo idntico a eliminao de Gauss.


3). Processo de normalizao do primeiro piv (k=1):
4 / L L

12 -
8
7

3 5 2
75 , 4 5 , 1 3
3 2 ) 4 (
1 1

1
1
1
]
1


12 -
8
1.75

3 5 2
75 , 4 5 , 1 3
75 , 0 5 , 0 1
1
1
1
]
1

4). Processo de diagonalizao, correspondente ao primeiro piv (k = 1):


1 3 3
1 2 2
L 2 L L
L 3 L L
12 -
8
1,75

3 5 2
75 , 4 5 , 1 3
75 , 0 5 , 0 1


1
1
1
]
1


5 , 15 -
75 , 2
75 , 1

5 . 1 4 0
5 , 2 0 0
75 , 0 5 , 0 1
1
1
1
]
1

5). Pivotao Parcial, correspondente ao segundo piv (k=2):


(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda
linha e segunda coluna, pois a primeira coluna j foi anulada)
k=2

(elemento de maior mdulo da coluna k=2 est
na linha i = 3).
(ii). troca de linhas:
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
65

1
1
1
]
1

75 , 2
5 , 15 -
75 , 1

5 , 2 0 0
5 , 1 ) 4 ( 0
75 , 0 5 , 0 1

(Troca da linha L2 com a linha L3 e vice-versa)


6). Processo de normalizao do segundo piv (k=2):
4 / L L
75 , 2
5 , 15 -
75 , 1

5 , 2 0 0
5 , 1 4 0
75 , 0 5 , 0 1
2 2

1
1
1
]
1



75 , 2
875 , 3 -
75 , 1

5 , 2 0 0
375 , 0 1 0
75 , 0 5 , 0 1
1
1
1
]
1

7). Processo de diagonalizao, correspondente ao segundo piv (k = 2):



L 0 L L
L 5 . 0 L L

2,75
3,875 -
1,75

5 , 2 0 0
375 , 0 1 0
75 , 0 5 , 0 1
2 3 3
2 1 1


1
1
1
]
1


75 , 2
875 , 3 -
6875 , 3

5 , 2 0 0
375 , 0 1 0
5625 , 0 0 1
1
1
1
]
1

9). Processo de normalizao do terceiro piv (k = 3):


5 . 2 / L L

2,75
3,875 -
3,6875

5 , 2 0 0
375 , 0 1 0
5625 , 0 0 1
3 3
1
1
1
]
1


1,1
3,875 -
3,688

1 0 0
375 , 0 1 0
5625 , 0 0 1
1
1
1
]
1

10). Processo de diagonalizao, correspondente ao terceiro piv (k = 3):


3 2 2
3 1 1
L 375 . 0 L L
L 5625 . 0 L L

1 , 1
875 , 3 -
688 , 3

1 0 0
375 , 0 1 0
5625 , 0 0 1


1
1
1
]
1


1 , 1
288 , 4 -
069 , 3

1 0 0
0 1 0
0 0 1
1
1
1
]
1

Analisando o sistema de equaes equivalente, gerado a partir do processo de


eliminaes sucessivas, tem-se o seguinte sistema:
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
66

1 , 1 x x 0 x 0
288 , 4 x 0 x x 0
069 , 3 x 0 x 0 x
3 2 1
3 2 1
3 2 1

'

+ +
+ +
+ +
Obs.: Note que cada equao representa explicitamente uma incgnita, ou seja, o vetor b
de termos independentes modificado guarda a prpria soluo do sistema. Assim,
X3 = 3.069
x2 = - 4.288
x1 = 1.100
Logo: S = {3,069;- 4,288;1,100}
Exerccios:
1. Elabore um algoritmo para resolver um sistema de equaes lineares pelo mtodo
de Gauss-Jordan.
Utilizando MathCad:
3.1.3. Mtodo LU - Decomposio
Considerando o sistema linear AX = B, o processo de fatorao LU consiste na
decomposio da matriz A num produto de duas matrizes triangulares e a seguir,
resolver os dois sistemas triangulares que conduziro soluo do sistema original
(Utilizando a idia bsica da eliminao de Gauss).
A vantagem de utilizar o processo de fatorao que pode-se resolver qualquer
sistema linear que tenha A como matriz dos coeficientes. Se o vetor B for alterado, a
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
67
O comando rref resulta a forma final de Gauss-Jordan
resoluo do novo sistema ser quase que imediata. A fatorao LU um dos
processos de fatorao mais utilizados.
_

'


UX
B L
B UX L B AX

: = Matriz triangular inferior com diagonal unitria


; = Matriz triangular superior.
Obteno da Matriz LU:
Considere o sistema:
) 0 ( ) 0 (
B X A (sistema original)
1
1
1
1
]
1

nn 2 n 1 n
n 2 22 21
n 1 12 11
a .. a a
.. .. ..
a ... a a
a ... a a
A
;
1
1
1
1
]
1

n
2
1
b
...
b
b
B
;
1
1
1
1
]
1

n
2
1
x
..
x
x
X
Sendo A uma matriz de ordem 3:
Fase 1:
1
1
1
]
1

1
1
1
]
1


1
1
1
]
1

) 0 (
33
) 0 (
32
) 0 (
31
) 0 (
23
) 0 (
22
) 0 (
21
) 0 (
13
) 0 (
12
) 0 (
11
31
21
) 1 (
33
) 1 (
32
) 1 (
23
) 1 (
22
) 1 (
13
) 1 (
12
) 1 (
11
a a a
a a a
a a a
.
1 0 m
0 1 m
0 0 1
a a 0
a a 0
a a a
Fase 2:
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

) 1 (
33
) 1 (
32
) 1 (
23
) 1 (
22
) 1 (
13
) 1 (
12
) 1 (
11
32
) 2 (
33
) 2 (
23
) 2 (
22
) 2 (
13
) 2 (
12
) 2 (
11
a a 0
a a 0
a a a
.
1 m 0
0 1 0
0 0 1
a 0 0
a a 0
a a a
Logo:
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

33 32 31
23 22 21
13 12 11
) 2 (
33
) 2 (
23
) 2 (
22
) 2 (
13
) 2 (
12
) 2 (
11
32 31
21
a a a
a a a
a a a
a 0 0
a a 0
a a a
.
1 m m
0 1 m
0 0 1

L * U = A
ExempIo 1: Resolver o sistema linear pelo mtodo da fatorao LU:
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
68
1)
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1


13
7
7
x
x
x
.
8 2 3
1 4 2
1 2 6
3
2
1
X1= 1
X2= 1
X3= 1
Exerccio:
Resolver os sistemas lineares pelo mtodo da fatorao LU:

'

+ +
+ +
+
5 z 4 y 2 x
1 z 2 y 3 x
3 z 1 y 1 x 2
Captulo 3: SELA: Mtodos diretos
Clculo Numrico Computacional UR /2014
69
3.2. MTODOS ITERATIVOS
Os sistemas lineares de mdio e grande porte so em geral esparsos, ou seja,
quando a matriz A dos coeficientes possui uma grande porcentagem de elementos nulos.
A resoluo desses sistemas pelo mtodo de Gauss no aconselhvel, pois o mtodo
no preserva a esparsidade (muitos elementos nulos podem se tornar no nulos).
Existem mtodos que usam apenas os elementos da matriz A original: estes
mtodos so algoritmos simples para converter qualquer vetor x em outro vetor x, que
depende de x, A, b, preservando a esparsidade da matriz A e apresentam uma vantagem
sobre o mtodo de Gauss que de apresentar uma relativa insensibilidade ao
crescimento de erros de arredondamento. Esses mtodos pertencem classe dos
mtodos iterativos para a resoluo de sistema linear, como Gauss-Jacobi e Gauss-
Seidel.
3.2.1. MTODO ITERATIVO GAUSS-JACOBI
Cada coordenada do vetor correspondente nova aproximao calculada a
partir da respectiva equao do sistema, utilizando-se as demais coordenadas do vetor
aproximao da iterao anterior.
Considere o sistema linear:

'

+ + +
+ + +
+ + +
n n nn 3 3 n 2 2 n 1 1 n
2 n n 2 3 23 2 22 1 21
1 n n 1 3 13 2 12 1 11
b x a .. .......... x a x a x a
...... .......... .......... .......... .......... .......... ..........
...... .......... .......... .......... .......... .......... ..........
b x a .. .......... x a x a x a
b x a .. .......... x a x a x a
Supondo
n i a
ii
3...3 2 3 1 3 0
, isola-se o vetor
x
mediante a separao pela
diagonal da matriz dos coeficientes.
) x a .......... x a x a b (
a
1
x
) x a .......... x a x a b (
a
1
x
) x a .......... x a x a b (
a
1
x
) k (
1 n 1 nn
) k (
2 2 n
) k (
1 1 n n
nn
) 1 k (
n
) k (
n n 2
) k (
3 23
) k (
1 21 2
22
) 1 k (
2
) k (
n n 1
) k (
3 13
) k (
2 12 1
11
) 1 k (
1

+
+
+


Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2013
70
ou
) x a b (
a
1
x
) k (
j
n
i j
1 j
ij i
ii
) 1 k (
i

+

i = 1,2,...,n (1)
Para se resolver A.x = B por Jacobi, toma-se uma soluo inicial
[ ]
o
n
o
2
o
1
o
x ,..., x , x x
T
, isola-se a i-sima incgnita xi na i-sima equao e aplica-se
{ }

0 k
k
x para se tentar obter a seqncia convergente.
CRTRO DE PARADA:
O processo iterativo repetido at que o vetor x
(k+1)
esteja suficientemente
prximo do vetor x
(k)
.
Ento, veja quatro testes dentre os critrios mais comuns:
(i).
{ }
+

) k (
i
) 1 k (
i
n i 1
x x Max
i = 1,2,3,...,n
Corresponde mxima diferena absoluta entre valores novos e antigos de todas
as variveis.
(ii).

'


+
+

1 k (
) i
) k (
i
) 1 k (
i
n i 1
x
x x
Max
i = 1,2,3,...,n
Corresponde mxima diferena relativa entre valores novos e antigos de todas
as variveis.
(iii). Computacionalmente tambm usado como teste de parada um nmero mximo
de iteraes.
(iv).
{ }
+

) 1 k (
i
n i 1
R Max
i = 1,2,3,...,n
Corresponde ao maior resduo dentre todas as equaes, onde

+ +

n
1 j
1 k
j ij i
1 k
i
x a b R
ExempIo 1: Resolver o seguinte sistema pelo mtodo de Jacobi.

'

+
+ +

4 4x 2x 2x
5 x 3x x
1 x x 3x
3 2 1
3 2 1
3 2 1
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
71
Montando as equaes evolutivas para as variveis do sistema tem-se:

'

+

+ +
)/4 2x 2x (4 = x
)/3 x x 5 ( = x
)/3 x x (1 x
k
2
k
1
1 + k
3
k
3
k
1
1 + k
2
k
3
k
2
1 + k
1
Valor inicial: ) 704 , 0 ; 901 , 0 ; 901 , 0 ( ) x , x , x (
0
3
0
2
0
1

xik 0 1 2 3 4 5 6
0,901
0,901
0,704
Pode-se notar que a seqncia evolutiva obtida para as variveis
k
i
x est
convergindo para a soluo S, que no caso dada por S = 1,1,1.
Neste ponto necessrio estabelecer um critrio de parada que determine o quo
prxima da soluo exata est a seqncia convergente
k
i
x .
Pelo 1 critrio:
{ }
+

) k (
i
) 1 k (
i
n i 1
x x Max
, temos:
Portanto, neste exemplo, o critrio alcanado | x x | Max
k
i
1 k
i

+
.
Obs.: Note que, neste exemplo, o processo iterativo do tipo oscilatrio, onde as
variveis aumentam e diminuem alternativamente. Este efeito prejudica a convergncia,
tornando o processo lento.
Condies Suficientes para a Convergncia do Mtodo de Gauss-Jacobi:
Teorema: Seja o sistema linear b Ax e seja:
kk
n
k j
1 j
kj
k
a
a

,
_

Se
1 max
k
n , 1 k
<

, ento o mtodo G-J gera uma seqncia { }


) k (
x convergente para a
soluo do sistema dado, independentemente da escolha da aproximao inicial
) 0 (
x .
Observe que esta uma condio suficiente, se for satisfeita o mtodo converge,
entretanto se no for satisfeita nada se pode afirmar.
ExempIo 2: Seja a matriz do exemplo dado anteriormente:
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
72
1 2 , 0
10
) 3 2 (
1 4 , 0
5
) 1 1 (
1 3 , 0
10
) 1 2 (
10 3 2
1 5 1
1 2 10
A
3
2
1
<
+

<
+

<
+

1
1
1
]
1

Tem-se a convergncia garantida para qualquer vetor inicial.


ExempIo 3: Seja o sistema de equaes lineares:
3 x 3 x
3 x x
2 1
2 1

+
3
1
1
1
1
2
1




As condies de convergncia do teorema no so satisfeitas, entretanto o
Mtodo de Gauss-Jacobi gera uma seqncia convergente para a soluo exata
[ ]
T
2
3
2
3
x
. Se as condies de suficincia no so satisfeitas, no significa que o
mtodo no possa convergir.
ExempIo 3:
Considere o sistema linear:
6 x 8 x 6 x 0
3 x 2 x 2 x 5
2 x x 3 x
3 2 1
3 2 1
3 2 1
+ +
+ +
+ +
1 75 , 0
8
) 6 0 (
1 5 , 3
2
) 2 5 (
1 4
1
) 1 3 (
8 6 0
2 2 5
1 3 1
A
3
2
1
<
+

>
+

>
+

1
1
1
]
1

As condies do teorema no so satisfeitas. Uma soluo possvel permutar as


equaes. Seja no exemplo permutar a primeira equao com a segunda equao:
1 75 , 0
8
) 6 0 (
1 66 , 0
3
) 1 1 (
1 8 , 0
5
) 2 2 (
8 6 0
1 3 1
2 2 5
A
3
2
1
<
+

<
+

<
+

1
1
1
]
1

As condies passam a ser satisfeitas e a convergncia garantida para qualquer


vetor inicial. Este tipo de procedimento nem sempre possvel.
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
73
Exerccio: Resolver o sistema de equaes lineares, pelo Mtodo de Gauss-Jacobi com
soluo inicial [ ]
T ) o (
6 , 0 6 , 1 7 , 0 x e tolerncia
05 , 0
.

'

+ +
+ +
+ +
6 x 10 x 3 x 2
8 x x 5 x
7 x x 2 x 10
3 2 1
3 2 1
3 2 1
3.2.2. MTODO ITERATIVO GAUSS-SEIDEL
Cada coordenada do vetor correspondente nova aproximao calculada a
partir da respectiva equao do sistema, utilizando-se as coordenadas do vetor
aproximao da iterao anterior, quando essas ainda no foram calculadas na iterao
corrente, e as coordenadas do vetor aproximao da iterao corrente, no caso contrrio,
ou seja, o processo iterativo consiste em: partindo-se de uma aproximao inicial
(arbitrria)
) x ,..., x , x ( x
) 0 (
n
) 0 (
2
) 0 (
1
) 0 (

, obter-se aproximaes x
(1)
, x
(2)
, . . . x
(n)
, atravs
das relaes recursivas dadas por:
[ ]
[ ]
[ ]
[ ]
) 1 k (
1 n 1 n , n
) 1 k (
2 2 n
) 1 k (
1 1 n n
11
) 1 k (
n
) k (
n n 1
) 1 k (
2 32
) 1 k (
1 31 3
33
) 1 k (
3
) k (
n n 1
) k (
3 13
) 1 k (
1 21 2
22
) 1 k (
2
) k (
n n 1
) k (
3 13
) k (
2 12 1
11
) 1 k (
1
x a ...... x a x a b
a
1
x
.......... .......... .......... .......... .......... .......... .......... ..........
x a ...... x a x a b
a
1
x
x a ...... x a x a b
a
1
x
x a ...... x a x a b
a
1
x
+

+ + +
+ + +
+ +
+




ii
k
j
n
i j
1 i j
ij
1 k
j
1 i
i j
1 j
ij i
1 k
a / ) x a x a b ( x

>
+
+

<

+

i = 1,2,...,n (2)
A operacionalizao semelhante do mtodo de Jacobi, porm, utiliza-se
sempre o ltimo vetor obtido em cada nova iterao.
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
74
Continua-se a gerar aproximaes at que a condio de parada
[ ] <
+ k 1 k
x x

dado.
ExempIo 1: Resolver o seguinte sistema pelo mtodo de Gauss-Seidel:

'

+
+ +

4 4x 2x 2x
5 x 3x x
1 x x 3x
3 2 1
3 2 1
3 2 1
SoIuo: Montando as equaes evolutivas para as variveis do sistema temos:

'

+

+ +
+
)/4 2x 2x (4 = x
)/3 x x 5 ( = x
)/3 x x (1 x
1 + k
2
1 + k
1
1 + k
3
k
3
1 k
1
1 + k
2
k
3
k
2
1 + k
1
Ateno: as equaes evolutivas se utilizam dos valores disponveis mais atualizados.
Valor inicial: ) 704 , 0 ; 901 , 0 ; 901 , 0 ( ) x , x , x (
0
3
0
2
0
1

xik 0 1 2 3 4 5 6
0,901
0,901
0,704
Pelo 1 critrio:
{ }
+

) k (
i
) 1 k (
i
n i 1
x x Max
, temos:
Obs.: Note que, no mesmo exemplo, o processo iterativo correspondente a aplicao do
Mtodo de Gauss-Seidel tambm um processo oscilatrio, porm neste caso tem-se
um processo de convergncia um pouco mais rpido, por que no mtodo de Gauss-
Seidel so tomados os valores disponveis mais atualizados.
Estudo da Convergncia do Mtodo de Gauss-SeideI:
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
75
Existem dois critrios de suficincia para a convergncia do Mtodo de Gauss-
Seidel. O critrio de linhas e o critrio de Sassenfeld. O critrio de linhas o mesmo da
Mtodo de Gauss-Jacobi.
Critrio de Linhas
Seja o sistema linear
b x A
, com A dimenso
n n
e seja:
kk
n
k j
1 j
kj
k
a
a

,
_

Se
1 max
k
n , 1 k
<

, ento o mtodo Gauss-Seidel gera uma seqncia { }


) k (
x
convergente para a soluo do sistema dado, independentemente da escolha da
aproximao inicial
) 0 (
x .
A matriz que satisfizer o critrio de linhas chamada de diagonaI dominante estrita.
Critrio de SassenfeId:
Seja o sistema linear
b x A
, com A dimenso n n e seja:
11
n 1 14 13 12
1
a
a ....... a a a + + + +

e para
n .... ,......... 3 , 2 j
:
jj
jn 1 jj 1 j 1 jj 2 2 j 1 1 j
j
a
a . ...... a a .... .......... a a + + + + + +

+
Define-se j
n , 1 j
max

.
Se
1 <
, ento o Mtodo de Gauss-Seidel gera uma sequncia convergente
para a soluo do sistema, qualquer que seja o vetor inicial. Alm disso, quanto menor for
o valor de

mais rpida a convergncia.


ExempIo 2: Verificar as condies de convergncia do Mtodo de Gauss-Seidel no
sistema abaixo:

'

+
+
+ +
3 x 3 x
1 x x
3 x 3 x x 2
3 1
3 2
3 2 1
a) Critrio de Linhas
1 2
2
3 1
1
>
+
no satisfaz.
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
76
b) Critrio de Sassenfeld
1 2
2
3 1
1
>
+
no satisfaz.
Como a convergncia do Mtodo de Gauss-Seidel fortemente dependente da
posio das equaes, pode-se trocar a posio das equaes.
Tentativa 1: Troca-se a primeira equao pela terceira equao.

'

+ +
+
+
3 x 3 x x 2
1 x x
3 x 3 x
3 2 1
3 2
3 1
a) Critrio de Linhas
1 3
1
3 0
1
>
+
no satisfaz.
b) Critrio de Sassenfeld
1 3
1
3 0
1
>
+
no satisfaz.
Tentativa 2: Troca-se a primeira coluna pela terceira coluna na equao anterior.

'

+ +
+
+ +
3 x 2 x x 3
1 x 0 x x
3 x x 0 x 3
1 2 3
1 2 3
1 2 3
a) Critrio de Linhas
1 33 . 0
3
1
1
< satisfaz. 1
1
1
2
no satisfaz.
b) Critrio de Sassenfeld
1 33 , 0
3
1
1
< satisfaz.
1 33 , 0
1
3
1
1
2
<


satisfaz.
1
6
4
2
3
1
1
3
1
3
3
<
+


satisfaz.
Com a ltima modificao o sistema passa a ser convergente para qualquer
vetor inicial. Modificaes desse tipo so puramente acadmicas e so difceis de serem
realizadas em sistemas reais. Principalmente pelas dimenses dos problemas, resultando
num grande esforo computacional, e das incertezas quanto a sua eficincia.
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
77
ExempIo 3:Verifique a convergncia do sistema abaixo pelo critrio de linhas e
Sassenfeld.

'

+
+
4 x x
3 x x 2
2 1
2 1
Critrio de Linhas:
1
2
1
2
1


No satisfaz
Critrio de SassenfeId:
2
1
1
2
1
1
2
1
2
1



Satisfaz
ExempIo 4: Verifique a convergncia do sistema abaixo pelo critrio de linhas e
Sassenfeld.

'

+ + +
+ +
+
+ +
5 , 2 x x 2 , 0 x 3 , 0 x 1 , 0
0 , 1 x 2 , 0 x x 2 , 0 x 1 , 0
6 , 2 x 1 , 0 x 2 , 0 x x 2 , 0
2 , 0 x 1 , 0 x 1 , 0 x 5 , 0 x
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
Exerccios:
1) Encontrar as solues dos sistemas, utilizando o mtodo Gauss-Seidel, com
preciso 10
-2
:
a.

'

+

+
7 z y 10 x 2
1 z 3 y x 5
5 z 6 y 2 x
, com X
(0)
=[0,0,0]
t
b.

'

+ +
+
+ +
+
33 w 10 z 3 y 2 x 2
7 w 2 z 7 y 3
26 w 4 z 3 y 9 x
5 w z 2 y x 5
, com X
(0)
= [1,3,1,3]
t
2) Resolver o sistema

'

+

3 x 2 x
1 x x 2
2 1
2 1
pelo mtodo iterativo Gauss-Seidel, sendo
0 , 0 ! x
) 0 (
e o erro
2
10

, k = 10.
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
78
3) Resolva os sistemas lineares abaixo, conforme o mtodo indicado, considerando
operaes aritmticas com 4 (quatro) dgitos significativos e arredondamento
ponderado.
a. Mtodo de Eliminao de Gauss
i.

'

+ +
+ +
+ +
32 x 8 x 2 x 4
15 x x 5 x 2
9 x x x 4
3 2 1
3 2 1
3 2 1
Resposta: X = [1 2 3]
T
ii. Seja f(x) = ax
2
+ bx+ c. Determine a, b e c sabendo-se que f(-4) = 0,
f(-1) = -3 e f(2) = 12.
Resposta: f(x) = x
2
+ 4x
b. Mtodo de Gauss com pivotamento total:

'

+
+
+ +
2 x x 3 x
3 x 2 x 2 x 5
39 x 6 x 3 x 9
3 2 1
3 2 1
3 2 1
c. Mtodos iterativos (Gauss-Jacobi e Gauss-Seidel). Use X
(0)
= [1 1 1]
T
para calcular X
(5)
.

'

+ +
+ +
+
51 x " x x
2 x x 2 x 7
10 x 2 x 3
3 2 1
3 2 1
3 2
4) Considerando o circuito
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
79
Tem-se o sistema:

'

+


0 2 1
3 2
3 2 1
E i 20 i 40
0 i 10 i 20
0 i i i
. Utilize o mtodo de pivotamento de Gauss
para determinar o vetor , considerando E0 genrico.
5) Resolver o sistema linear pelo mtodo da fatorao LU:

'

+
+ +
+
5313 , 7 z 1825 , 5 y 2837 , 1 x 0587 , 2
0873 , 8 z 3333 , 1 y 15153 , 1 x 2861 , 3
109 , 2 z 1105 , 2 y 5348 , 0 x 3234 , 1
6) ELABORAR PROGRAMA PARA:
a. GAUSS-JORDAN b. LU-DECOMPOSO
7) ELABORAR PROGRAMA PARA
a. GAUSS-JACOB b. GAUSS-SEDEL
Captulo 3: SELA: Mtodos terativos
Clculo Numrico Computacional UR /2014
80
4. INTERPOLAO POLINOMIAL
A classe de funes mais usada na interpolao so os polinmios, por serem
fceis de derivar, integrar e calcular.
O&+e#*vo:
- nterpolar uma funo f(x) consiste em aproximar essa funo por uma outra
funo p(x), escolhida priori entre uma classe de funes definidas (polinmios),
que satisfaa algumas propriedades. A funo p(x) usada em substituio
funo f(x).
ProbIemtica:
- Essa necessidade de efetuar esta substituio surge:
Quando so somente conhecidos os valores numricos da funo para um
conjunto de pontos e necessrio calcular o valor de um ponto no
tabelado.
Quando a expresso da funo tal que operaes como diferenciao e
integrao so difceis (ou impossveis) de serem realizadas.
Considere o seguinte probIema:
A tabela abaixo que relaciona calor especfico da gua e temperatura:
Xi, com i = 0,1,..,7
Temperatura (
o
C) 20 25 30 35 40 45 50 55
Calor especfico 0,99907 0,99852 0,99826 0,99818 0,99828 0,99849 0,99878 0,99919
N 8 :

i 0 N 1 .. :
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2013
81
20 30 40 50 60
0.996
0.997
0.998
0.999
y
x
A partir desses dados, calcular:
a) O calor especfico da gua a 32,5 C
b) A temperatura a qual o calor especfico 0,99837.
Equacionando:
- Considerar n+1 valores distintas: x0, x1, ..., xn (ns da interpolao) e os valores de
f(x) nesses pontos: f(x0), f(x1), ..., f(xn).
Determinar a funo p(x) tal que:
p(x0)=f(x0)
p(x1)=f(x1)
....
p(xn)=f(xn)
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
82
Graficamente: se n = 5
As trs formas de interpolao a seguir tem o objetivo de determinar os
coeficientes do polinmio interpolador
pn(x) = a0+a1x+...+anx
n
que interliga os n+1 pontos conhecidos [xi, f(xi)] e a imposio bsica a seguinte:
f(xk) = pn(xk); k=0,1,...,n
4.1. Obteno do poIinmio interpoIador a partir da soIuo de um sistema Iinear
de equaes de n equaes e n incgnitas.
Considerando que p o polinmio escreve-se pn(x)= a0+a1x+...+anx
n
, a condio
f(xk)=pn(xk) ; k=0,1,...,n produz o sistema seguinte de n+1 equaes, n+1 variveis:

'

+ + + +
+ + + +
+ + + +
) x ( f a x a x a ... x a
... .......... .......... ..........
) x ( f a x a x a ... x a
) x ( f a x a x a ... x a
n 0
1
n 1
2
n 2
n
n n
1 0
1
1 1
2
1 2
n
1 n
0 0
1
0 1
2
0 2
n
0 n
Tal sistema linear e pode ser resolvido por tcnicas vistas anteriormente.
Na forma matricial, tem-se:

,
_

,
_

,
_

) x ( f
...
) x ( f
) x ( f
a
a
...
a
.
1 x ... x
... ... ... ...
1 x .... x
1 x .... x
n
1
0
0
1
n
1
n
n
n
1
1
n
1
1
0
n
0
A . , = $
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
83
4(x)
A: Matriz de Vandermonde (abscissa dos pontos)
a: vetor de incgnitas (coeficientes do polinmio)
-: vetor conhecido (ordenada dos pontos)
Se as abscissas x0, ..., xn so pontos distintos ( j i
x x
,
j i
) n ,.., 1 , 0 j ; n ,.., 1 , 0 i (
) e det A 0, o sistema admite uma soluo nica, o que
implica no fato de que qualquer outro mtodo de interpolao resultar no mesmo
polinmio.
ExempIo 1: Encontrar o polinmio de grau 2 que interpola os pontos da tabela:
x -1 0 2
f(x) 4 1 -1
Considerando p2(x) = a0+a1x+a2x
2
, temos o sistema:
1 x
3
7
x
3
2
) x ( P
2
+
ExempIo 2: Calcular o nmero de habitantes de Santo ngelo em 2003, considerando os
valores dados pela tabela a seguir, considerando os pontos: 2002, 2004, 2005 e 2006.
Fonte: Dados do BGE
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
84
0 1 2
0 0 1 2
0 1 2
a 5a 6a (4
7 2
a (1 a 13 a 3 a
3 3
a 62a 64a (51


'

0i7en
x 2002y + 40080048 + 8024024008$ + 77705
1x 2004y + 2004
2
8 + 2004
3
$ + 79086
1x 2005y + 2005
2
8 + 2005
3
$ + 79603
1x 2006y + 2006
2
8 + 2006
3
$ + 80117 9ind x y , 8 , $ , ( )
113520736702
509557718
3
338851
4
169
12

4 x ( )
169
12
x
3

338851
4
x
2
+
509557718
3
x + 113520736702 + :
4 2002 ( ) 77705.0 4 2004 ( ) 79086.0 4 2005 ( ) 79603.0 4 2006 ( ) 80117.0
4 2003 ( ) 78481.5
Ou:
0i7en
x 2y + 2
2
8 + 2
3
$ + 77705
1x 4y + 4
2
8 + 4
3
$ + 79086
1x 5y + 5
2
8 + 5
3
$ + 79603
1x 6y + 6
2
8 + 6
3
$ + 80117
9ind x y , 8 , $ , ( )
75298
4718
3
851
4
169
12

4 x ( )
169
12
x
3

851
4
x
2
+
4718
3
x + 75298 + :
4 3 ( ) 78481.5
Exerccio: A tabela informa o nmero de carros (x mil) que passam por um determinado
pedgio em um determinado dia:
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
85
Horrio 10:00 10:30 11:00 11:30 12:00 12:30
No. Carros 2,69 1,64 1,09 1,04 1,49 2,44
a. Faa o grfico para verificar qual a tendncia da curva.
b. Estime o nmero de carros que passariam pelo pedgio s 11:10, usando
sistemas lineares para encontrar um polinmio interpolador )(x) que
estima o nmero de carros em funo do tempo. Use uma reta como
funo interpoladora.
c. Faa a mesma estimativa, mas utilizando uma parbola como polinmio
interpolador.
d. Agora, faa a mesma estimativa, mas utilizando um polinmio de grau
maior possvel como polinmio interpolador.
SoIuo: Ietra d
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
86
NTERPOLAO POLNOMAL POR SELA:
N 6 :

n N 1 : n 5
i 0 1 , n .. :
y
i
2.69
1.64
1.09
1.04
1.49
2.44
:
9.5 10 10.5 11 11.5 12 12.5 13
1
2
3
y
x
-./0/N 1 :
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
87
Matriz de Vandermonde:
: ;ande!,nde),y 5 ( ) :
Resolvendo o SELA por Eliminao de Gauss:
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
88
:
100000
127628.156
161051
201135.719
248832
305175.781
10000
12155.063
14641
17490.063
20736
24414.063
1000
1157.625
1331
1520.875
1728
1953.125
100
110.25
121
132.25
144
156.25
10
10.5
11
11.5
12
12.5
1
1
1
1
1
1
2.69
1.64
1.09
1.04
1.49
2.44

n 6 :
1 0 :
,
:
i < ,
:
< < ,

0
i = ,
:
i = ,
, :
< = ,

: 0
= < n 1 + ( ) .. f!
i < 1 + n .. f!
< 1 n 1 .. f!
0
:
2
1
0 0 0 1 22.6 128.69 ( )
> x ( ) 128.69 22.6x x
2
+ :
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
89
1
100000
0
0
0
0
0
10000
607.75312
0
0
0
0
1000
118.65656
6.3381
0
0
0
100
17.37816
1.81363
0.08588
0
0
10
2.26282
0.34611
0.03204
0.00136
0
1
0.27628
0.05506
0.00748
0.00062
0.00002
2.69
1.7932
1.07761
0.3238
0.04897
0.00303

2 x
n
1
n n 1 + ,
1
n n ,

x
i
1
i n 1 + ,
i 1 +
n
=
1
i = ,
x
=

( )

1
i i ,

i n 1 ( ) n 2 ( ) , 1 .. f!
x
:
9.5 10 10.5 11 11.5 12 12.5 13
1
2
3
y
> x ( )
x
4.2. Forma de InterpoIao de Lagrange
Pode-se determinar mais facilmente o polinmio interpolador sem resolver o
SELA, utilizando os polinmios de Lagrange.
Seja o polinmio de grau n que deve passar por n+1 pontos, considerando P(x) na
forma:
P(x) = Ao(x-x1)(x-x2)....(x-xn) + A1(x-xo)(x-x2)....(x-xn) + ... + An(x-xo)(x-x1)....(x-xn-1) = y
(1)
Cada um dos termos por sua vez um polinmio de grau "n.
Sendo
n
A A A A 3..... 3 3
2 1 0
constantes a serem determinadas satisfazendo as
condies:
x = xo, P(xo) = yo
x = x1 P(x1) = y1
x = x2, P(x2) = y2 (2)
.
x = xn P(xn) = yn
Ento, tem-se substituindo (2) em (1):
yo = Ao(x0-x1)(x0-x2)....(x0-xn) Ao = 0
n 0 2 0 1 0
y *
) x x )....( x x ).( x x (
1

y1 = A1(x1-xo)(x1-x2)....(x1-xn) A1 = 1
n 1 2 1 0 1
y *
) x x )....( x x ).( x x (
1

(3)
y2 = A2(x2-xo)(x2-x1)....(x2-xn) A2 = 2
n 2 3 2 1 2 0 2
y *
) x x )....( x x ).( x x ).( x x (
1

....................................
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
90
yn = An(xn-xo)(xn-x1)....(xn-xn) A2 = n
1 n n 2 n 1 n 0 n
y *
) x x )....( x x ).( x x ).( x x (
1


Com (3) em (1), tem-se:
n
1 n n 1 n 0 n
1 - n 1 0
2
n 2 1 2 0 2
n 1 0
1
n 1 2 1 0 1
n 2 0
0
n 0 2 0 1 0
n 2 1
y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
... y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x

y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
) x ( P


+ +

+
+

+

Se;
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
) x ( L
.......
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
) x ( L
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
) x ( L
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
) x ( L
1 n n 1 n 0 n
1 - n 1 0
n
n 2 1 2 0 2
n 1 0
2
n 1 2 1 0 1
n 2 0
1
n 0 2 0 1 0
n 2 1
0

Reduzindo a:

+
+

n
k j
0 j
j k
j
k
1 n k 1 k k 1 - k k 1 k 0 k
n 1 k 1 - k 1 0
k
) x x (
) x - (x
) x ( L
) x x ....( ) x - ).(x x - (x )... x x ).( x x (
) x - )...(x x - ).(x x - )....(x x - ).(x x - (x
) x ( L
) x ( L . y ) x ( P
j
n
0 j
j

Ou ainda:

n
k j
0 j
j k
j
n
0 k
k n
) x x (
) x x (
y ) x ( P
(frmula interpoladora de Lagrange)
Obs.: Quanto maior o grau do polinmio interpolador, melhor sua preciso.
ExempIo 1: Encontrar o polinmio de grau 2 que interpola os pontos da tabela:
x -1 0 2
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
91
f(x) 4 1 -1
6
x x
) 0 2 ).( 1 2 (
) 0 x ).( 1 x (
) x x ).( x x (
) x - )(x x - (x
) x ( L
2
2 x x
) 2 0 ).( 1 0 (
) 2 x ).( 1 x (
) x x ).( x x (
) x - )(x x - (x
) x ( L
3
x 2 x
) 2 1 ).( 0 1 (
) 2 x ).( 0 x (
) x x ).( x x (
) x - )(x x - (x
) x ( L
2
1 2 0 2
1 0
2
2
2 1 0 1
2 0
1
2
2 0 1 0
2 1
0
+

+
+

+
+

1 x
3
7
x
3
2
) x ( P
6
x x
2
2 x x
3
x 2 x
. 4 ) x ( P
2
2 2 2
+
+

ExempIo 2: Encontre o polinmio interpolador pelo mtodo de Lagrange e calcule o


nmero de habitantes de Santo ngelo em 2003, considerando os valores dados
anteriormente pela tabela de crescimento populacional de Santo ngelo, considerando os
pontos: 2002, 2004, 2005 e 2006.

3
k j
0 j
j k
j
3
0 k
k 3
) x x (
) x x (
y ) x ( P
+


+

) x x ).( x x ).( x x (
) x x ).( x x ).( x x (
y
) x x ).( x x ).( x x (
) x x ).( x x ).( x x (
y ) x ( P
3 1 2 1 0 1
3 2 0
1
3 0 2 0 1 0
3 2 1
0 3
) x x ).( x x ).( x x (
) x x ).( x x ).( x x (
y
) x x ).( x x ).( x x (
) x x ).( x x ).( x x (
y
2 3 1 3 0 3
2 1 0
3
3 2 1 2 0 2
3 1 0
2


+


+
4.3. Forma de InterpoIao de Newton
Considerando os n+1 pontos (x0,f(x0)), ..., (xn,f(xn)) e o polinmio interpolador pn(x).
Newton props de representar o polinmio pn(x) da forma:
pn(x) = d0 + d1(x-x0) + d2(x-x0).(x-x1) +...+ dn(x-x0)...(x-xn-1)
Os coeficientes dk, k=0,...,n so diferenas divididas de ordem k entre os pontos
(xj,f(xj)), j=0,...,k
4.3.1. Operador diferenas divididas:
- f(x) uma funo tabelada em x0,...,xn.
- Os operadores de diferenas divididas so definidos por:
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
92
x Ordem 0 Ordem 1 Ordem 2 ... Ordem n
x0 f[x0] = d0
f[x0,x1] = d1
x1 f[x1] f[x0,x1,x2] = d2
f[x1,x2]
x2 f[x2] f[x1,x2,x3]
f[x0,...,xn] = dn
f[xn-2, xn-1, xn]
.... f[xn-1, xn]
xn f[xn]
ExempIo: Encontrar o polinmio de grau 2 que interpola os pontos da tabela:
x -1 0 2
f(x) 4 1 -1
x Ord 0 Ord 1 Ord 2
-1 4
-3
0 1 2/3
-1
2 -1
pn(x) = d0 + d1(x-x0) + d2(x-x0).(x-x1) +...+ dn.(x-x0)...(x-xn-1)
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
93
0 0
1 0
0 1
1 0
1 2 0 1
0 1 2
2 0
1 0 1
0
0
' & ( ) 0
' & ' &
' 3 & 1
' 3 & ' 3 &
' 3 3 & 2
' 3...3 & ' 3...3 &
' 3...3 &
n n
n
n
f x f x ordem
f x f x
f x x ordem
x x
f x x f x x
f x x x ordem
x x
f x x f x x
f x x ordemn
x x

1 x
3
7
x
3
2
) x ( P
x
3
2
x
3
2
3 x 3 4 ) 0 x ).( 1 x (
3
2
) 1 x .( 3 4 ) x ( P
2
2
+
+ + + + +
Exerccios:
1. Considere a seguinte tabela de valores
w 0,1 0,2 0,4 0,6 0,8 0,9
f(w) 0,905 0,819 0,67 0,549 0,449 0,407
Dar o correspondente polinmio de interpolao pelo mtodo polinomial, Newton e
Lagrange, e tambm o valor aproximado para w = 0,3.
2. Considere a seguinte tabela de valores
x 1 1,2 1,4 1,7 1,8
g(x) 0,21 0,32 0,48 0,56 0,78
Dar o correspondente polinmio de interpolao pelo mtodo polinomial, ou de
Newton, ou pelo de Lagrange, e tambm o valor aproximado para x = 1,3.
3. A velocidade V(m/s) de um foguete lanado do solo foi medida 4 vezes, t
segundos aps o lanamento, e os dados foram registrados na tabela abaixo.
Expresse o polinmio e calcule usando um polinmio de 4 grau, a velocidade
aproximada do foguete aps 25 segundos do lanamento.
Tempo (s) 0 8 20 30 45
Velocidade (m/s) 0 52,032 160,450 275,961 370,276
4. De um velocmetro de um automvel foram obtidas as seguintes leituras de
velocidade instantnea:
t(min) 0 5 10 15
V(Km/h
)
23 10 28 35
a. Determinar o polinmio interpolador de grau maior possvel;
b. Calcular a velocidade correspondente a 10 min.
5. A figura a seguir mostra o esboo do leito do rio. A partir de uma linha reta,
prxima a uma das margens, foram medidas distncias (em m) entre esta linha
reta e as duas margens do rio, de 15 em 15 metros, a partir de um ponto tomado
como origem. Tais dados foram registrados na tabela a seguir. Determinar o valor
aproximado da largura do rio nos pontos que distam 10, 20, 40 e 50 metros da
origem (tomados na linha reta).
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
94
0 10 20 30 40 50 60 70
100
200
?ei" d .i
%inha !e"a
d
i
s
"
@
n
)
i
a

e
,

,
e
"
!

s
yA1
yA2
x
X 0 15 30 45 60
y(M1) 50,00 86,00 146,00 73,50 50,00
y(M2) 112,50 154,50 195,00 171,00 95,50
Captulo 4: NTERPOLAO
Clculo Numrico Computacional UR /2014
95
5. INTEGRAO NUMRICA
Sabe-se do Clculo Diferencial e ntegral que se -(x) uma funo contnua em [a,
b], ento esta funo tem uma primitiva neste intervalo, ou seja, existe #(x) tal que:

dx x f ) (
= #(x) + !, com #<(x) = -(x);
demonstra que, no intervalo [a, b],
) ( ) ( ) ( a F b F dx x f
b
a

(1)
A integral definida em (1) representa a rea sob a curva f(x) entre x = a e x = b.
Do ponto de vista analtico existem diversas regras, que podem ser utilizadas na
prtica, caso no, deve-se recorrer ao mtodo numrico.
A necessidade de soluo numrica ocorre quando:
Em tipos de inte0randos -(x), no conhecidas suas )rimiti*as #(x);
Para aqueles em que a obteno da primitiva, embora vivel, muito trabalhosa;
Caso em que no se possua a expresso analtica de -(x,, conhecido apenas em
alguns pontos, num intervalo [a, b], ou ainda atravs de um grfico.
A integrao numrica pode trazer timos resultados quando outros mtodos
falham.
Id-*a &.s*/a:
Fazer a substituio da funo -(x) por um polinmio que aproxime razoavelmente
no intervalo [a, b]. Assim o problema fica resolvido pela integrao de polinmios, o que
trivial de se fazer.
5.1. FrmuIas de Newton-Cotes
Empregam valores de f(x), onde os valores de x so igualmente espaados, ou
seja, a idia de polinmio que aproxime -(x) razoavelmente que este polinmio interpole
-(x) em pontos de [a, b] igualmente espaados.
Considerando a partio do intervalo [a, b] em subintervalos, de comprimento h,
[xi, xi+1], i = 0, 1, ..., n-1. Assim xi+1 - xi = h = (b - a)/n.
0.1.1 Re1ra dos 2rap-3*os (n ' 1! 2 pon#os /on4e/*dos"
Considerando a Fig. 1, pelos dois pontos do extremo do intervalo, faz-se passar
uma reta e a integral de f(x) aproximada pela rea sob esta reta.
Graficamente, tem-se:
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2013 96
Fig. 1
A rea de cada trapzio :
2
h
). b B ( A
T
+
A soma destas reas ser uma aproximao para

b
a
#x ) x ( f
[ ] ) x ( f ) x ( f
2
h

x x a b h
0 1 T
0 1
+

Numericamente: A regra dos trapzios obtida aproximando-se - por um polinmio
interpolador do 1 grau. Se for usado a frmula de Lagrange para expressar o polinmio
)1(x) que interpola -(x) em x0 e x1 temos:
T
x
x
o
x b
x a
b
a
I dx x f
h
x x
x f
h
x x
dx x p dx x f
o o

1
]
1

l l
) (
) (
) (
) (
) ( ) (
l
0 l
l
[ ] ) x ( f ) x ( f
2
$
%
0 1 &
+
ExempIo: Calcular pela Regra dos Trapzios e depois analiticamente o valor de

6 , 3
3
#x
x
1
%
e comparar os resultados.
[ ] +


) x ( f ) x ( f
2
$
%
x b
x a
1 0 &
1
0
5.1.2 Regra do Trapzio Repetida
Seja o intervalo finito [a, b] no eixo x que particionado em n subintervalos
igualmente espaados [xi, xi+1], com x0 = a e xn = b e hi = xi+1 - xi. Seja - uma funo
contnua ou simplesmente Riemann integrvel, cuja integral no conhecida.
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
97
Para h suficientemente pequeno, pode ser aproximado pela regra do trapzio
repetida, ou seja:
[ ] ) x ( f ) x ( f
2
h

1 i i i +
+

1 n
0 i
i TR

, com x 0 = a e x n = b
)] x ( f ) x ( f [
2
h
... )] x ( f ) x ( f [
2
h
)] x ( f ) x ( f [
2
h

n 1 n 2 1 1 0 TR
+ + + + + +


( ) [ ] ) x ( f ... ) x ( f ) x ( f 2 ) x ( f ) x ( f
2
h

1 n 2 1 n 0 TR
+ + + + +
ExempIo: Calcular pela Regra dos Trapzios com n = 6 (subdividindo o intervalo de
integrao em 6 subintervalos) e depois analiticamente o valor de

6 , 3
3
dx
x
1

e
comparar os resultados.
h = (3,6 3)/6 =
xi f(xi)
3
3,1
3,2
3,3
3,4
3,5
3,6
1.5.3 Regra 1/3 de Simpson (n=2, trs pontos conhecidos)
um mtodo similar a regra do trapzio, porm melhor. No mtodo de Simpson
calculamos a rea do trapzio sob uma parbola entre xi e xi + 1 . O intervalo [a , b] tem
que ser dividido num nmero par de subintervalos.
Ento, a integral aproximada pela integral da curva de segundo grau que interpola
a funo nos valores a, (a+b)/2 e b.
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
98
ou
O polinmio escolhido para aproximar a funo o polinmio de Lagrange de
grau 2. Seja )2(x) o polinmio que interpola -(x) nos pontos x0 = a, x1 = x0 + h e x2 = x0 +
2h = b:
dx ) x x )( x x (
h 2
) x ( f
dx ) x x )( x x (
h
) x ( f
dx ) x x )( x x (
h 2
) x ( f
dx ) x ( P dx ) x ( f dx ) x ( f
) x ( f
) h )( h 2 (
) x x )( x x (
) x ( f
) h )( h (
) x x )( x x (
) x ( f
) h 2 )( h (
) x x )( x x (
) x ( P
) x ( f
) x x )( x x (
) x x )( x x (
) x ( f
) x x )( x x (
) x x )( x x (
) x ( f
) x x )( x x (
) x x )( x x (
) x ( P
2
0
2
0
2
0
2
0
2
0
x
x
1 0
2
2
x
x
2 0
2
1
x
x
2 1
2
0
x
x
2
x
x
b
a
2
2 0
1
2 0
0
2 1
2
2
1 2 0 2
2 0
1
2 1 0 1
2 0
0
2 0 1 0
2 1
2


+


+



+


+

Resolvendo as integrais, tem-se:


[ ] ) x ( f ) x ( f 4 ) x ( f
3
h
dx ) x ( P
2 1 0
x
x
2 S
2
0
+ +

ExempIo: Seja f(x) uma funo conhecida apenas nos pontos tabelados a seguir.
Utilizando a regra de Simpson, encontrar uma aproximao para

4
2
dx ) x ( f .
1.5.4 Regra 1/3 de Simpson Repetida
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
99
Como no caso da regra dos trapzios, para diminuir o erro cometido na
aproximao da integral, podemos subdividir o intervaIo iniciaI em n intervaIos de
mesmo comprimento. Para poder aplicar 1/3 de Simpson, a condio que n seja par.
Supondo 9 pontos conhecidos:
[ ]
[ ]
[ ]
[ ] ) x ( f ) x ( f 4 ) x ( f
3
h

) x ( f ) x ( f 4 ) x ( f
3
h

) x ( f ) x ( f 4 ) x ( f
3
h

) x ( f ) x ( f 4 ) x ( f
3
h

8 7 6 4
6 5 4 3
4 3 2 2
2 1 0 1
+ +
+ +
+ +
+ +
(1)
Somando-se todos os termos de (1), tem-se:
( ) ( ) [ ] ) x ( f ... ) x ( f x ( f 2 ) x ( f ... ) x ( f ) x ( f 4 ) x ( f ) x ( f
3
h
dx ) x ( f
6 4 2 7 3 1 8 0
b
a
+ + + + + + + + +


Generalizando para n+1 pontos (n par), tem-se:
[ ] [ ] { } ) x ( f ... ) x ( f ) x ( f . 2 ) x ( f ... ) x ( f ) x ( f . 4 ) x ( f ) x ( f .
3
h
dx ) x ( f
2 n 4 2 1 n 3 1 n 0
b
a

+ + + + + + + + +

ExempIo 1: Adicionando alguns pontos na tabela do exemplo anterior tem-se:


Recalcular

4
2
dx ) x ( f pela regra de Simpson Repetida.
ExempIo 2:
Calcular a

2 /
o
senxdx , aplicando: (sugesto: faa n=6)
a) a regra do trapzio;
b) a regra de Simpson de 1/3.
Soluo:
- Construo da tabela de valores da f(x)
0 1 2 3 4 5 6
i
x 0 /12 2/12 3/12 4/12 5/12 6/12
f(xi) 0 0,2588 0,5 0,7071 0,8660 0,9659 1
- Clculo da integral
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
100
a) Regra do Trapzio
{ ( ) } ) x ( f ) x ( f ) x ( f ) x ( f ) x ( f 2 ) x ( f ) x ( f
2
12 /
senxdx
5 4 3 2 1 6 0
2 /
o
+ + + + + +


( ) [ ] 9659 , 0 8660 , 0 7071 , 0 5 , 0 2588 , 0 2 1 0
24
senxdx
12 /
0
+ + + + + +

= 0,9943
b) Regra de Simpson de 1/3
{ [ ] [ ] } ) x ( f ) x ( f 2 ) x ( f ) x ( f ) x ( f " ) x ( f ) x ( f
3
12 /
'(nx#x
" 2 5 3 1 6 0
12 /
0
+ + + + + +

( ) [ ] ( ) 8660 , 0 5 , 0 2 9659 , 0 7071 , 0 2588 , 0 4 1 0


36
senxdx
12 /
0
+ + + + + +

=1,0000038
Obs: O valor mais prximo, com a mesma quantidade de pontos tabelados, dado pela
regra de Simpson.
Atividades:
1. Calcular
, dx
1 x x
1

1
0
2
+ +

aplicando a regra dos trapzios, com:


a. n = 2 b. n = 4
2. A seguinte tabela de valores reproduz alguns valores da funo y = f(x)
X 0 0,25 0,5 0,75 1
f(x) 0,6 0,751 0,938 1,335 2,4
Calcular
3 ) (
1
0

dx x f I
pela regra de Simpson com:
a. n = 2 b. n = 4
3. A figura a seguir mostra o esboo do leito de um rio. A partir de uma linha reta,
prxima a uma das margens, foram medidas distncias (em m) entre esta linha
reta e as duas margens do rio, de 15 em 15 metros, a partir de um ponto tomado
como origem. Tais dados foram registrados na tabela a seguir. Determinar o valor
aproximado da largura do rio no ponto que dista 10, 20, 40 e 50 metros da origem
(tomados na linha reta). Calcule a rea limitada entre 15 e 60 metros.
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
101
0 10 20 30 40 50 60 70
100
200
?ei" d .i
%inha !e"a
d
i
s
"
@
n
)
i
a

e
,

,
e
"
!

s
yA1
yA2
x
X 0 15 30 45 60
y(M1) 50,00 86,00 146,00 73,50 50,00
y(M2) 112,50 154,50 195,00 171,00 95,50
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
102
6. MTODOS NUMRICOS PARA SOLUO DE EQUAES DIFERENCIAIS
ORDINRIAS - EDOs
A equao diferencial de primeira ordem uma equao que pode ser escrita na
forma:
)) x ( ) , x ( f ) x ( ' )
#x
#)

Onde:
x a varivel independente e y a varivel depedente
A soluo da equao diferencial a funo y(x) = f(x), tal que f'(x) = f(x,y(x))
O clculo da soluo envolve a integrao de y'(x) para obter y(x)
A soluo de uma equao diferencial geralmente uma famlia de funes.
A condio inicial usualmente necessria na ordem para especificar uma nica
soluo.
O uso de mtodos numricos se torna necessrio quando no possveI obter a
soIuo anaItica, ou muitas vezes requerem soIues muito compIicadas.
ExempIo 1: y' = x
2
+ y
2
no pode ser resolvida em termos de funes elementares
6.1 SoIuo Numrica de um ProbIema de VaIor IniciaI (PVI) de 1 ordem
Supondo que:
a x * b , a ! x ,
) ) x ( )
)) x ( ) , x ( f ) x ( ' )
#x
#)
0
0 0

'



onde x a varivel independente.
ExempIo 2: Uma lancha se desloca numa lagoa com velocidade de 10m/s. Em dado
instante seu motor desligado; a lancha sofre com isso uma reduo de velocidade
proporcional resistncia da gua. Sabendo-se que ao cabo de 5s sua velocidade de
8m/s, qual ser a velocidade que a lancha adquire aos 8s?
Captulo 6: EQUAES DFERENCAS
Clculo Numrico Computacional UR /2014
103
" 0 : "1 5 : 7 10 : 71 8
,
s
: 72 1
,
s
:
"
7
d
d
< 7 7
1
7

(
(

d " <

d %n 7 ( ) <" ) +
%n 7 ( ) <" ) + s%7e 7 , e
<" ) +
7 ex4 < " ) + ( ) s%7e ) , %n 10 ( )
71 ex4 < "1 ) + ( ) s%7e < ,
1
5
%n 10 ( )
1
5
%n 8
,
s

,
+
<
1
5
%n
4
5

,
s
: 7 " ( ) ex4 < " ) + ( ) :
7 " ( ) ex4 0.045
1
s
" 2.303 +

,
:
0 20 40 60 80 100
5
10
15
7 " ( )
"
Equao diferencial ordinria de 1 ordem:
"
7
d
d
< 7
Pela forma analtica obteve-se a soluo geral:
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
104
) 2.303
7 " ( ) ex4 0.045
1
s
" ) +

,
:
Com a condio inicial:
" 0 :

7 10 :
Soluo particular:
7 " ( ) ex4 0.045
1
s
" 2.303 +

,
:
Para t = 8s:
7 8 ( ) 6.98
Podemos verificar outros valores:
As tcnicas numricas mais comuns para resolver equaes diferenciais
ordinrias, so o mtodo de EuIer e o mtodo de Runge-Kutta.
Tanto o mtodo de Euler quanto o mtodo de Runge-Kutta aproximam a funo
utilizando-se da expanso em srie de Taylor.
6.1.1 Mtodo de EuIer
Lembrando que a srie de Taylor uma expanso que pode ser usada para
aproximar uma funo cujas derivadas so definidas no intervalo contendo a e b. A
expanso por srie de Taylor para f(b) :
f(b) = f(a) + (b - a) f '(a) + (b - a)
2
f ''(a) + ... + (b - a)
n
f(n)(a) + ...
2!
Para o mtodo de Euler utiliza-se da expanso de Taylor de primeira ordem:
f(x1) f(x0) + (x1 - x0) f '(x0)
onde:
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
105
" 0 8 , 56 .. :
"
0
8
16
24
32
40
48
56
7 " ( )
10.004
6.98
4.87
3.397
2.37
1.654
1.154
0.805

$
a b
+
b x
a x
n
0

h o tamanho do passo;
xn so os pontos da malha;
N o nmero de passos
yn uma aproximao para a soluo terica de y(xn), ou seja: yn y(xn)
INTERPRETAO GEOMTRICA DO MDODO DE EULER:
Como se conhece x= e $= . -(x=,+ ento pode-se calcular $<(x=, . -(x=+$=,' Assim,
a reta r=(x, que passa por (x=+$=,+ com coeficiente angular $<(x=,+ :
Ou seja,
) , (
0 0 0 l
y x hf y y +
O raciocnio repetido com (x2+$2, e $& . $2 % h-(x2+$2, e assim, sucessivamente,
o mtodo de Euler nos fornece:
) , (
l k k k k
y x hf y y +
+
Exemplo:
y'(x) = x - y +2 f(x, y(x)) = x - y + 2
x0 = 0 h = 0,2
y(x0) = 2 malha = [0, 1]
k xk yk y'(x)=f(x,y(x)) yk+1 = yk + h.f(xk, yk(x))
0 0 2,00000 0,00000 2,00000
1 0,2 2,00000 0,20000 2,04000
2 0,4 2,04000 0,36000 2,11200
3 0,6 2,11200 0,48800 2,20960
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
106
n
a b
h
onde
h k x x
k

+
:
.
0
) ( ' ) ( ) ( ) (
0 0 l 0 l l
x hy x y x r y x y +
k k
x x h
x x
x y y
x y

+l
0 l
0 l
0
) (
) ( '
4 0,8 2,20960 0,59040 2,32768
5 1 2,32768 0,67232 2,46214
OBS:
x1, ..., xn igualmente espaados (xk+1-xk=h) (condio no necessria mas til) e
calcula-se yk=y(xk) para cada ponto usando as informaes dos pontos
anteriores.
Se para determinar yk precisamos somente de yk-1, o mtodo de passo simples.
Se precisamos de mais valores, o mtodo de passo mltiplo.
No caso de PV, temos uma aproximao inicial para y(x0), o mtodo auto-
iniciante.
Mtodo de Runge-Kutta
A idia do mtodo aproveitar as qualidades dos mtodos de srie de Taylor:
preciso e ao mesmo tempo eliminar seu maior defeito: calculo de derivadas de
f(x,y). Basicamente,
So de passo 1
No exigem clculo de derivada
Coincide com a expresso do mtodo de serie de Taylor
Mtodo de Runge-Kutta:
Ordem 1: o mtodo de Euler satisfaz as caractersticas precedentes, ela o
mtodo de Runge-Kutta de ordem 1.
O mtodo de Euler aperfeioado usa, no lugar da inclinao da tangente num
ponto para aproximar o ponto seguinte, a media das inclinaes no ponto e no
ponto seguinte.
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
107
Runge-Kutta de ordem 2:
No caso de Euler aperfeioado, obtemos:
A forma geral dos mtodos de Runge-Kutta de ordem 2 a seguinte:
Runge-Kutta de ordem 4:
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
108
Captulo 5: NTEGRAO NUMRCA
Clculo Numrico Computacional UR /2014
109
Resumo:
1. SELA:
1.1. Mtodos Diretos:
- Mtodo de EIiminao de Gauss:
1). Gerao da matriz expandida:
2). Triangularizao:
- correspondente a primeira coluna (k = 1):
- correspondente a segunda coluna (k = 2):
...
1
1
1
1
1
]
1



n
2
1
) 1 n (
nn
) 1 n (
n 2
) 1 n (
22
) 1 n (
n 1
) 1 n (
12
) 1 n (
11
b
..
b
b

a .. 0 0
.. .. .. ..
a ... a 0
a ... a a
3). Processo de retrosubstituio sucessiva:

'

+ +
+ + +
n n nn
2 n n 2 2 22
1 n n 1 2 12 1 11
b x a
...
b x a ... x a
b x a ... x a x a
- Mtodo de Gauss-Jordan:
1) Gerao da matriz expandida
2) Transformar a matriz dos coeficientes em uma matriz identidade.
- Mtodo LU Decomposio:
Trian0ulari>ar a matri> dos coe-icientes"
; = Matriz triangular superior.
1
1
1
]
1

) 2 (
33
) 2 (
23
) 2 (
22
) 2 (
13
) 2 (
12
) 2 (
11
a 0 0
a a 0
a a a
: = Matriz triangular inferior com diagonal unitria
1
1
1
]
1

1 m m
0 1 m
0 0 1
32 31
21
_

'


UX
B L
B UX L B AX

B L, , encontra variveis y..


RESUMO PARTE 2
Clculo Numrico Computacional UR /2013
110
, -X , encontra varveis x..
1.2. MTODOS ITERATIVOS:

'

+ + +
+ + +
+ + +
n n nn 3 3 n 2 2 n 1 1 n
2 n n 2 3 23 2 22 1 21
1 n n 1 3 13 2 12 1 11
b x a .. .......... x a x a x a
...... .......... .......... .......... .......... .......... ..........
...... .......... .......... .......... .......... .......... ..........
b x a .. .......... x a x a x a
b x a .. .......... x a x a x a
- GAUSS-JACOB
) x a .......... x a x a b (
a
1
x
) x a .......... x a x a b (
a
1
x
) x a .......... x a x a b (
a
1
x
) k (
1 n 1 nn
) k (
2 2 n
) k (
1 1 n n
nn
) 1 k (
n
) k (
n n 2
) k (
3 23
) k (
1 21 2
22
) 1 k (
2
) k (
n n 1
) k (
3 13
) k (
2 12 1
11
) 1 k (
1

+
+
+


xik 0 1 2 3 ...
k
x
1
Dado
k
x
2
Dado
...
k
n
x
...
Dado
- GAUSS-SEDEL:
2. InterpoIao PoIinomiaI: Dados n+1 pontos
pn(x)= a0+a1x+...+anx
n
, a condio f(xk)=pn(xk)
RESUMO PARTE 2
Clculo Numrico Computacional UR /2014
111
[ ]
[ ]
[ ]
[ ]
) 1 k (
1 n 1 n , n
) 1 k (
2 2 n
) 1 k (
1 1 n n
11
) 1 k (
n
) k (
n n 3
) 1 k (
2 32
) 1 k (
1 31 3
33
) 1 k (
3
) k (
n n 2
) k (
3 23
) 1 k (
1 21 2
22
) 1 k (
2
) k (
n n 1
) k (
3 13
) k (
2 12 1
11
) 1 k (
1
x a ...... x a x a b
a
1
x
.......... .......... .......... .......... .......... .......... .......... ..........
x a ...... x a x a b
a
1
x
x a ...... x a x a b
a
1
x
x a ...... x a x a b
a
1
x
+

+ + +
+ + +
+ +
+




0 0
1 0
0 1
1 0
1 2 0 1
0 1 2
2 0
1 0 1
0
0
' & ( ) 0
' & ' &
' 3 & 1
' 3 & ' 3 &
' 3 3 & 2
' 3...3 & ' 3...3 &
' 3...3 &
n n
n
n
f x f x ordem
f x f x
f x x ordem
x x
f x x f x x
f x x x ordem
x x
f x x f x x
f x x ordemn
x x

2.1. Obteno do polinmio interpolador por SELA:

'

+ + + +
+ + + +
+ + + +
) x ( f a x a x a ... x a
... .......... .......... ..........
) x ( f a x a x a ... x a
) x ( f a x a x a ... x a
n 0
1
n 1
2
n 2
n
n n
1 0
1
1 1
2
1 2
n
1 n
0 0
1
0 1
2
0 2
n
0 n
2.2. Forma de nterpolao de Lagrange:
n
1 n n 1 n 0 n
1 - n 1 0
2
n 2 1 2 0 2
n 1 0
1
n 1 2 1 0 1
n 2 0
0
n 0 2 0 1 0
n 2 1
n
y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
... y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x

y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
y .
) x x )....( x x ).( x x (
) x - )....(x x - )(x x - (x
) x ( P


+ +

+
+

+

2.3. Forma de nterpolao de Newton:


x Ordem 0 Ordem 1 Ordem 2 ... Ordem n
x0 f[x0] = d0
f[x0,x1]=d1
x1 f[x1] f[x0,x1,x2] = d2
f[x1,x2]
x2 f[x2] f[x1,x2,x3]
f[x0,...,xn] = dn
f[xn-2, xn-1, xn]
.... f[xn-1, xn]
xn f[xn]
Por meio de:
pn(x) = d0 + d1(x-x0) + d2(x-x0).(x-x1) +...+ dn(x-x0)...(x-xn-1)
RESUMO PARTE 2
Clculo Numrico Computacional UR /2014
112
3. Integrao Numrica:
5.1. Re1ra dos 2rap-3*os (n ' 1! 2 pon#os /on4e/*dos":
[ ] ) x ( f ) x ( f
2
h

0 1 T
+
3.2. Regra do Trapzio Repetida:
( ) [ ] ) x ( f ... ) x ( f ) x ( f 2 ) x ( f ) x ( f
2
h

1 n 2 1 n 0 TR
+ + + + +
3.3. Regra 1/3 de Simpson (n=2, trs pontos conhecidos):
[ ] ) x ( f ) x ( f 4 ) x ( f
3
h
dx ) x ( P
2 1 0
x
x
2 S
2
0
+ +

3.4. Regra 1/3 de Simpson Repetida:


[ ] [ ] { } ) x ( f ... ) x ( f ) x ( f . 2 ) x ( f ... ) x ( f ) x ( f . 4 ) x ( f ) x ( f .
3
h
dx ) x ( P
2 n 4 2 1 n 3 1 n 0
b
a
n SR
+ + + + + + + + +

RESUMO PARTE 2
Clculo Numrico Computacional UR /2014
113
RESUMO PARTE 2
Clculo Numrico Computacional UR /2014
114