Você está na página 1de 64

CALCULO NUMRICO

NOTAS DE AULA

Este trabalho no tem objetivo de publicao e foi desenvolvido apenas na tentativa


de aproveitar melhor o tempo disponvel para as aulas de clculo numrico, devido a
extenso dos programas da disciplina, e no deve ser usado em hiptese alguma como
nica fonte de pesquisa, pelo fato de no contem maiores detalhes referentes aos assuntos
aqui abordados, que sero melhor trabalhados em sala, inclusive com a resoluo dos
exemplos. Para um melhor aprofundamento dos contedos so sugeridas as referencias
bibliogrficas usadas na elaborao desse.
Possivelmente no contenha todo o contedo que eventualmente faa parte do
programa, que sero inseridos dentro da sequencia lgica conforme surgir a necessidade.

Prof. Sergio Marcussi Gaspechak

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


1

CALCULO NUMRICO

CAPITULO 1
Conceitos bsicos do calculo numrico
1 Introduo
As fases de resoluo de um problema fsico podem de modo geral ser assim
representados.
Problema fsico

Modelagem

Modelo Matemtico
Implementao Computacional
Resoluo

Soluo

A partir do problema fsico, com emprego de leis de conservao, de relaes


constitutivas, modelos de turbulncia, das condies de contorno, etc., chega-se a um
modelo matemtico.
A rea da matemtica que trata da concepo de processos numricos e sua
exeqibilidade para encontrar soluo do modelo matemtico denominam-se anlise
numrica.
Com o surgimento do computador na dcada de 40, notou-se a importncia da
analise numrica, uma vez que, por meio de processos eletrnicos tornaram viveis as
tcnicas numricas.
Num curso de graduao a disciplina de calculo numrico tem por objetivo propiciar
ao estudante o conhecimento de processos j concebidos pela anlise numrica.

1.1 Problema Numrico


todo problema que resolvido por meio de calculo numrico, onde os dados de
entrada e sada, input e output, so dados por um conjunto finito de nmeros.
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
2

1.2 Mtodos numricos


o conjunto de procedimentos utilizados para transformar o modelo matemtico a
ser resolvido em um problema numrico.
Para resolver um problema numrico deve-se escolher o mtodo mais eficiente
levando em considerao os seguintes aspectos:
i)
Preciso desejada.
ii)
Capacidade do mtodo de conduzir a resultado esperado como, convergncia
e ordem de convergncia.
iii)
Esforo computacional despendido ( tempo de processamento, economia de
memria necessria para resoluo).

1.3 Algoritmo
a descrio seqencial, completa, dos passos que levam a soluo do problema, e
caracterizam um mtodo numrico. O algoritmo fornece descrio completa de operaes
bem definidas por das quais o conjunto de dados de entrada transformado em dados de
sada.

1.4 Iterao ou Aproximao Sucessiva


Iterao tem um sentido de repetio de um processo. uma das idias bsicas do
calculo numrico, isto , a maioria dos mtodos numricos so iterativos, mas temos
tambm outros processos no iterativos, com por exemplo, os mtodos diretos e mtodos
de passos mltiplos.
Dentro do mtodo iterativo o objetivo criar uma sequencia de recorrncia
convergente, onde o valor da convergncia a soluo do problema em questo, para isso
um fator importante, temos o erro tendendo a zero.
Um mtodo iterativo possui as seguintes caractersticas:
i)
ii)
iii)

Tentativa inicial: primeira tentativa para obter a soluo desejada.


Equao de recorrncia: equao por meio da qual ser feita as iteraes
com o objetivo de obter a soluo desejada.
Teste de parada: condio para que o processo iterativo seja finalizado.

1.5 Aproximao local


A idia bsica da aproximao local substituio de uma funo por outra, mais
fcil de trabalhar. Como por exemplo, subustituir uma funo no linear por outra linear em
um determinado intervalo.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


3

1.6 Erros
Os erros merecem ateno especial, pois ao tentar encontrar a soluo de um
problema atravs de calculo numrico, surgem varias fontes de erros, que podem levar a
resultados muitos distantes da soluo ou que nada tenham a ver com a soluo do
problema.
As principais fontes de erros so:
i)
Erros nos dados de entrada.
ii)
Erros na fase de modelagem.
iii)
Erros de arredondamento.
iv)
Erros de truncamento.
v)
Erros humanos e de mquinas.

1.6.1 Tipos de Erros


Quando calculamos a soluo de um problema por aproximao temos de ter
critrios de como delimitar o erro envolvido, neste caso usaremos os tipos de erros assim
definidos:
EA: erro Absoluto

Ea =

xx

ER: erro Relativo

Er =

xx
x

O erro relativo o erro percentual do resultado, pois um erro significativo para um


resultado, pode no significar nada em outro resultado se analizada sua proporcionalidade,
ou seja, leva em considerao a ordem de grandeza do valor calculado.
Temos que

a soluo exata do problema e

a aproximao para a soluo

na n-sima iterao.
O problema em encontrar o erro que no conhecemos
para este, fornecida pelo processo iterativo.

x e apenas aproximaes

Neste caso podemos estimar o erro da seguinte forma:

Ea <

x x

Er <

x x
x

n 1

n 1

no caso do erro absoluto


no caso do erro relativo

n 1

Onde

xn e xn1 a soluo aproximada obtida nas duas ultimas iteraes.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


4

Quando

Ea 0,5 10

ento dizemos que a aproximao tem possui t casas

decimais corretas, ou t casas decimais de preciso.

OBSERVAO: TODO PROBLEMA RESOLVIDO ATRAVS DE MTODOS NUMRICOS


DEVE CONTER UMA RESPOSTA COM A PRECISO DO RESULTADO, EXCETO PARA OS
MTODOS EXATOS, SEM ISSO A SOLUO ENCONTRADA NO FAR NENHUM SENTIDO.
Pois se voc encontrou o valor de

3.1415

esta errado!, mas se for dito que o

valor de 3.1415 com 3 casas decimais corretas, ai sim faz sentido sua resposta, pois
fica claro que temos um erro apartir da 4 casa decimal.
Ex 1) Vamos supor que durante o processo iterativo pra obter a raiz de uma equao
obteve-se os seguintes resultados:

x10 2.34567 e x11 2.34538 assim o erro absoluto ser

EA x10 x11 2.34567 2.34538 0,00029 0,5.10 3


note que o erro inferior a

0,5.103 , assim t 3 e a resposta ficara:

A raiz da funo 2.34538 com 3 casa decimais corretas.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


5

CAPITULO 2
SISTEMAS NUMERICOS
Todo numero N, pode ser representado em diferentes bases. O sistema numrico
que utilizamos o sistema decimal, posicional, visto que todo nmero escrito como soma
de produto de potencias de base 10, e cada algarismo, dgito, vale de acordo com a sua
posio.
Outras bases, e outros sistemas numricos, j foram usados na antiguidade como a
base 60, base 12 e o sistema aditivo conhecido por algarismos romanos pro exemplo.
Vejamos Alguns exemplos:
Ex 1):

(4362)10 = 4.103 3.102 6.101 2.100

2.1 Sistema Binrio


Atualmente com o uso do computador uma base muito usada a base 2, tambm
conhecido como sistema binrio, pois na base dois todos os nmeros podem ser escritos
como soma de potencias de base 2, onde temos apenas dois dgitos 0 e 1.

(13) (1101) 1 2 1 2 0 2 1 2
3

10

2.2 0utras bases


Base 5
Ex 2:

(176) 1 5 2 5 0 5 1 5 (1201)
Qualquer nmero natural > 0 pode ser usado como base, quanto estamos na base
3

10

dez omitimos o ndice que indica a base usada.

2.3 Sistemas discretos de nmeros no computador


Alguns nmeros no possuem representao exata em determinadas bases, por esse
fato, alguns sistemas so ditos discretos, ou seja possuem falhas, ou no permitem a
representao exata de alguns valores e alguns casos nem mesmo uma representao
aproximada.
Inicialmente, vejamos como os nmeros so representados num computador.
A representao de um nmero inteiro N no possui maiores dificuldades dada por:

N (d d ...d d ) (d d ... d
0

k 1

k 1

k 1

d )
k

di i
k

i 0

Onde

d , i 0, 1, 2,... k
i

so inteiros satisfazendo

0 d e d 0.
i

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


6

Ex3) i) 2356 2.103 3.102 5.101 6.100


2000 300 50 6

ii) (1011)2 1.23 0.22 1.21 1.20


8 0 2 1 (11)10

2.4 Representao de um nmero real.


Podemos representar num computador um nmero real de duas maneiras;
i) Ponto fixo: Usado durante muito tempo.
Se x um nmero real no nulo ento sua representao ser dada por:

x di i
n

i k

Onde k e n so inteiros satisfazendo k < n e usualmente k > 0 e n > 0 e os valores de

di

satisfazem

0d .
i

Ex 4:
2

1352, 48 di i
i 3

(d3 3 d2 2 d1 1 d0 0 d1 1 d2 2 )
1352, 48 (1.103 3.102 5.101 2.100 4.101 8.102 )

ii) Ponto flutuante: Usado nos dias atuais.


Se x um nmero real no nulo este ser representado em ponto flutuante por:

x d . e

onde a base,

o expoente, d a mantissa, parte decimal de um

nmero, escrita como ponto fixo.

d d (d d ... d )
n

i k

Obs:

k 1

k 1

d 0 caracteriza um sistema de ponto flutuante normalizado.


1

O zero pode ser representado em qualquer sistema, com mantissa igual a zero e
expoente m.
Ex 5: Se a base 10 ento:

i)235,231 2 10 3 10 5 10 2 10 2 10 110
= 0,23523110
2

esta na forma normalizada.


ii) 12,63 0,01263 10 no esta na forma normalizada.
3

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


7

2.5 Dgitos significativos


Definio: Seja

a base do sistema de nmeros em ponto flutuante. Os dgitos

significativos de um nmero

x so todos os algarismos de 0 a 1 , desde que x esteja

escrito na forma de ponto flutuante normalizado.


Ex 6:

53,26 0,5326 10 possui 4 dgitos significativos.


0,000230 0,230 10 possui 3 dgitos significativos.
2

Para representarmos um sistema de nmeros em ponto flutuante normalizado, na

base

notao.

com t dgitos significativos e com limites do expoente -m e M, usaremos a

F ( , t , m, M ) .

Ex 7: Represente os nmeros abaixo no sistema F(10,3,2,2).


i)
0,25 = ...
ii)
-5,149 = ...
iii)
0,0147 = ...
iv)
5478,23 = ...
overflow
v)
0,0003 = ...
underflow
Overflow: Termo corrente na computao para designar que um valor no pode ser
representado pois seu valor excede a capacidade de armazenamento disponvel.
Underflow: Termo corrente na computao para designar que um valor no pode ser
representado pois est contido entre 0 e o menor valor real normalizado representvel.
Observe que os nmeros dos itens iv) e v) no possuem representao no sistema
F(10,3,2,2). Como foi visto no exemplo anterior nem todos os nmeros possuem
representao exata em um sistema

F ( , t , m, M ) , por isso dito sistema discreto de

nmeros.
Quando no podemos representar exatamente um nmero em um sistema

F ( , t , m, M ) , podemos tentar um arredondamento para uma melhor representao

dentro do sistema, isto , uma aproximao com um erro mnimo possvel, o que nem
sempre possvel.

Dentro de um sistema

F ( , t , m, M ) a representao ficara da forma:

...
Sinal
da mantissa

Valor da mantissa

...
Sinal do
Expoente

Valor do
exp oente

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


8

Ex 7: A representao do nmero (23)10 no sistema

F (2,10,10,10) sera:

1 1 0 1 1 1 0 ... 0 0 0 0 0 0 1 0 1
Preciso Simples = 32 bits= 1 / 8 / 23 (Preciso Simples = 32 bits= 1 / 8 / 2Sinal / Expoente / Mantissa)

Dependendo da maquina e da linguagem utilizada possvel se trabalhar com


preciso simples, 32 bits, ou preciso dupla, 64 bits, para os dgitos da mantissa.
importante observar que a preciso dupla aumenta significativamente o tempo de
execuso e a memria, logo deve ser usado somente em casos onde houver necessidade.
Precis

2.6 Regras de Arredondamento em Ponto Flutuante.


Definio 1) Arredondar um nmero x dentro de um sistema de numerao, por outro
nmero, com menor nmero de dgitos significativos, consiste em encontrar outro nmero

x que pertence

ao sistema de numerao tal

xx

seja menor possvel.

x , seja x sua representao em F ( , t , m, M ) atravs do


arredondamento, se x = 0 ento x = x , caso contrario escolhemos S e e tais que:
1
1

x S onde S (1 ); (1 ) .
2
2

Se e [m, M ] no temos condies de representar o nmero no sistema. Se


e [m, M ] ento calculamos:

s
0.d d d ...d d ... e truncamos em t dgitos. Assim
2
x x (0.d d d ...d )
Dado um nmero

t 1

Ex 8: Considere o sistema F(10,3,5,5), represente neste sistema os nmeros

x 1234,56; x 0,0005492; x 0.9995; x 123456,7; x 0,0000001


1

Resoluo:...
----------------------------------///----------------------------------

2.7 Operaes Aritmticas com ponto Flutuante.


Nem todas as propriedades dos nmeros reais so vlidas dentro de um sistema de
ponto flutuante como, por exemplo, as propriedades comutativas para a adio e para a
multiplicao e diviso assim como as propriedades associativa da multiplicao em relao
a adio.
Ex 9: Considere o sistema de base 10 com 3 dgitos significativos. Efetue as operaes
indicadas:
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
9

(11,4 3,18) 5,05 e 11,4 (3,18 5,05)


3,18 11, 4
3,18
ii)
e
11, 4
5,05
5,05
iii) 3,18 (5,05 11,4) e 3,18 5,05 3,18 11,4
i)

2.8 Mal condicionamento


A maioria dos processos numricos segue a seguinte linha geral:
Dados so fornecidos
Os dados so processados de acordo com um plano pr-estabelecido (algoritmo)
Resultados so produzidos
Ao tentar resolver um determinado problema podemos nos deparar com o que
chamamos de Mau condicionamento, ou problema mal condicionado. Neste tipo de
problemas temos que uma pequena perturbao nos dados de entrada fornece uma grande
variao nos resultados obtidos.

Ex 10: Considere o sistema

x y 2

x 1,01y 2,01
Graficamente temos:

Note que as retas so aparentemente coincidentes, o que no verdadeiro.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


10

CAPITULO 3
ZEROS DE FUNES

3.1 Equaes no lineares.


Um dos problemas que ocorre mais frequentemente em trabalhos cientficos
calcular as razes de equaes da forma:

f ( x) 0

Definio 1:
Se

f :[a, b] R

uma funo dada, um ponto

x [a, b] um zero de

f ( x) se for uma raiz da equao f ( x) 0 .


Definio 2: Multiplicidade
Uma raiz x tem multiplicidade q se conseguirmos escrever

f ( x) ( x x )q g ( x) com g ( x ) 0 .Por conseqncia temos que se a raiz tem


multiplicidade q ento:

f ( x ) 0, f '( x ) 0, f "( x ) 0, f '''( x ) 0, ... , f ( q ) ( x ) 0


3.2 Teorema de Bolzano

f ( x) assume valores de sinais opostos, isto , muda de


sinal nos extremos do intervalo [ a, b] teremos f (a). f (b) 0 , ento existe pelo
menos um valor x em [ a, b] , tal que f ( x ) 0 .
Obs: Se f (a). f (b) 0 no podemos dizer nada sobre a existncia ou no de raizes
em [ a, b] .
1
Ex 1: Mostre que a funo f ( x ) e
possui uma raiz no intervalo [0,5; 1].
x
Se uma funo continua

Soluo: ...
-------------------------------///---------------------------------Usando o maple.
> f:=x->exp(x)-1/x;
> f(0.5);
> f(1.0);
---------------------------------///-------------------------------Outra forma de obtermos intervalos que contenham razes rearranjando a equao

de

f ( x) 0 conforme faremos no exemplo a seguir:

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


11

Ex 2: Encontre os intervalos que contenha a(s) razes das funes

f ( x) ( x 1) e 1
Soluo: f ( x) 0 assim ( x 1) e
2

i)

( x2 2 )

( x2 2 )

1 0 podemos rearranjar a equao

dada
por

( x 1) e
2

( 2 x2 )

fazendo

y ( x 1)
1

y e

( 2 x2 )

colocando as duas curvas

no mesmo grfico, obtemos:

Note que temos uma raiz no intervalo (-2, -1) e outra no intervalo (0.5, 1.5).
Usando o maple:
> plot([(x+1)^2,exp(2-x^2)],x=-3..3);
Assim f possui razes nos intervalos (-2,-1) e (1.5; 2.5).

f ( x) x 3x 1
iii) f ( x) x sen( x)
3

ii)

Soluo:...
-----------------------------------------///----------------------------------------------O teorema de Bozano fornece o primeiro mtodo para encontrar razes de funes.

3.3 Mtodo do Meio Intervalo (MMI), ou Bisseo.


O MMI consiste em fazer um refinamento no intervalo que contem a raiz, dividindo
sucessivamente o intervalo [a,b] que contem a raiz, mas descartando sempre os subintervalos onde f no muda de sinal. O que pode ser executado atravs do algoritmo.

(a , m ) se f (ak 1 ) f (mk ) 0
(ak , bk ) k 1 k
(mk , bk 1 ) se f (ak 1 ) f (mk ) 0

com

mk

ak 1 bk 1
2

Onde k so ditos passos para encontrar a raiz com k = 1,2,3,...


Ex 3: Encontre a raiz da funo

f ( x) e x

1
x

atravs do MMI.

Soluo:...
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
12

---------------------------------///------------------------------

3.4 Critrio de parada


Como podemos ver no ex. anterior o processo pode ser realizado indefinidamente,
logo precisamos estabelecer um critrio de parada.
O critrio pode definido por um nmero finito de passos e/ou uma preciso
desejada, ou seja, satisfatria para o seu resultado, o que pode ser verificado calculando o
erro absoluto do resultado.

3.5 Mtodo Iterativo Linear (MIL) ou Ponto Fixo.


Neste mtodo construmos funes

x ( x)

a partir da equao

f ( x) 0

que pode ser feita de infinitas formas, e realizamos iteraes com a regra de recorrncia
dada por

xn1 ( xn ) , a sequncia gerada pode convergir para a

raiz, da funo.

Ex 4: Construa regras de recorrncias para tentar obter a raiz da funo

f ( x) x 2 x 2 e use duas delas para tentar

encontrar a raiz com 3 casa decimais

corretas.
Soluo ...
i)

xn1 xn 2 2

ii)

xn1 xn 2

Graficamente, esse dois casos se comportam da seguinte forma:

Como podemos ver seria um tanto quanto trabalhoso encontrar a raiz por tentativa,
mas para evitar isso podemos usar um critrio na escolha da relao

x ( x) .

3.6 Critrio de convergncia para MIL

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


13

Seja

0 1.

xn2 xn1 xn1 xn

suponhamos

que

para todo

nR.

sequncia

( xn )

seja

tal

que

Afirmamos que ( xn ) de Cauchy e,

portanto convergente.
Assim para a sequncia gerada pelo MIL teremos:

xn2 xn1 xn1 xn


( xn1 ) ( xn ) xn1 xn

( xn1 ) ( xn )
xn1 xn

1 '( xn ) 1 quando xn1 xn 0

Com isso o critrio para escolha da relao


tenhamos

'( xn ) 1

x ( x)

pode ser feita de modo que

no intervalo que contenha a raiz da funo, isto , devemos

encontrar um intervalo que cotenha a raiz e depois verificar se


intervalo ento a regra de recorrncia

xn1 ( xn )

'( xn ) 1

nesse

ira gerar uma sequncia de valores

que converve para raiz da funo, caso contrario no teremos garantia de convergncia e
devemos encontrar outra relao

x ( x)

Para driblar a dificuldade de resolvermos a desigualdade


verificar se

'( xn ) 1 podemos

'( x0 ) 1, mas para isso devemos estar certos de que x0 x , ou seja, que

temos um bom valor inicial

x0 , chute inicial.

Ex 5:
Dada a funo f ( x) 2 x ln( x 1) 2
i) Encontre duas regras de recorrncia xn1 ( xn ) mtodo iterativo linear para tentar
calcular uma raiz da funo.
ii) Mostre quais das regras obtidas no item i) converge para as razes de

iii) Encontre a maior raiz, atravs do mtodo da iterao linear, com trs casas decimais
corretas.
Um exemplo do MIL, usando o Maple:
Mtodo Iterativo Linear
( Nmero de Iteraes ou Erro maximo )
> restart:
> Digits:=30;
> n:=0:
> x[n]:=-0.2;
> phi:=x->(x^2-ln(x+2))/2;
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
14

> p:=diff(phi(x),x);
> g:=unapply(p,x);
> evalf(g(-0.2));
> ex:=1:
> while ex > 0.5*10^(-2) and n < 20 do
x[n+1]:=phi(x[n]):
ex:=abs(x[n]-x[n+1]):
n:=n+1:
end do;
> s:=x->(x^2-2*x-ln(x+2));
> s(-0.1);s(-0.3);

3.7 Ordem de convergncia


A ordem de convergncia de um mtodo mede a velocidade com que as iteraes
produzidas por esse mtodo aproximam-se da soluo exata. Assim quanto maior a ordem
de convergncia do mtodo, melhor o mtodo.

Definio 3
Sejam

xk

o resultado da aplicao de um mtodo na iterao k e

erro envolvido. Se existirem um nmero

lim
k

ek 1
ek

Ento

p 1 e uma constante c 0

ek xk x

tais que:

chamado de ordem de convergncia do mtodo.

Obs: A ordem de convergncia do MIL linear.


Como estimar o ordem de convergncia a partir dos resultados.
Se supuser que k seja suficientemente grande e considerar os 3 ltimos erros
calculados, ento teremos:

e
ln k 1
ek
p
e

ln k

e
k 1
Prova: ...

3.8 Mtodo de Newton (Newton-Raphson) MNR


um dos mtodos mais populares para encontrar a raiz. O MNR um mtodo de
aproximaes sucessivas dado por:

xk 1 xk

f ( xk )
f '( xk )

k 0,1,2,3,...

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


15

Existem varias formas de deduzir o mtodo de Newton, vejamos uma interpretao


geomtrica:
Vamos supor uma funo

representada pelo grfico abaixo, cujo a raiz

x.

O critrio de convergncia para o mtodo de Newton o mesmo do MIL, tomando

( x) x

f ( x)
.
f '( x)

Prova: ...
Ex 6: Determinar atravs do MNR, com 4 casas decimais corretas a raiz da funo:

f ( x) 4cos( x) e x
Soluo: ...
-----------------------///------------------------O MNR possui ordem de convergncia quadrtica, para estimar razes simples, isto ,
razes de multiplicidade um.
Nem sempre conhecemos a multiplicidade da raiz, os resultados sobre ordem de
convergncia no so validos se a multiplicidade for maior que um. No caso do MNR se a
multiplicidade da raiz for maior que um ento a ordem de convergncia se torna linear.
Podemos no caso do MNR fazer a seguinte modificao, para devolver a ordem
quadrtica ao mtodo:
Se q multiplicidade for conhecido ento:

xk 1 xk q

f ( xk )
f '( xk )

k 0,1,2,3,...

Se q for desconhecido, uma adaptao do mtodo para devolver a ordem de convergncia


do mtodo dada por:

u ( xk )

f ( xk )
f '( xk )

xk 1 xk

u ( xk )
k 0,1,2,3,...
u '( xk )

MNR usando o maple com q conhecido

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


16

Mtodo de Newton-Raphson
> restart:
> Digits:=20;
# Numero de digitos, 'Default': 10 digitos.
Digite a funo da qual se procura a raiz
> f:=x->(exp(x)-x^6)^2;
" Funo da qual se procura a raiz ";
Digite o nmero de iteraes
> N:=20;
" Nmeros de iteraes ";
> p:=diff(f(x),x):
df:=unapply(p,x);
" Funo derivada da f(x) ";
Verifique, geometricamente, a multipliciddade da raiz e o valor para o chute inicial.
> plot([f(x),df(x)],x=-1..-0.5,y=-5..5);
Digite a multiplicidade da raiz.
> m:=1;
"Multiplicidade da raiz";
Digite o valor do chute inicial
> x[0]:=0;
"chute inicial";
> "Algoritmo de NEWTON-RAPHSON";
> for n from 0 by 1 while n < N do
x[n+1]:=evalf(x[n]-m*f(x[n])/df(x[n]))
end do;
> for n from 1 by 1 while n <= N do
E[n]:=abs(x[n]-x[n-1])
end do;
> print(" A raiz ", x[N] , " com erro mximo de ", E[N]);

3.9 Exerccios
1) Encontre atravs do MNR o valor de:
i)

21

ii)

iii)

Dica: Neste caso, basta encontrar uma funo na qual o nmero procurado seja a raiz, ou seja, o zero da
funo.

2) Mostre que a raiz da funo

f ( x) sen( x)
2

tem multiplicidade 2 e encontre-

a desconsiderando a multiplicidade, considerando a multiplicidade q = 2, e considerando a


existncia da multiplicidade, mas no sendo conhecida e compare os resultados:

3.10 Mtodos das Secantes


Um inconveniente do MNR ter que calcular o valor da derivada da funo a cada
iterao. Podemos modificar o MNR da seguinte forma, se k for suficientemente grande
ento:

f '( xk )

f ( xk ) f ( xk 1 )
xk xk 1

pois

xk xk 1 0 substituindo em

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


17

xk 1 xk

f ( xk )
f '( xk )

teremos

xk 1

xk 1 f ( xk ) xk f ( xk 1 )
f ( xk ) f ( xk 1 )

conhecido por

Mtodo das Secantes.


Ex 7: Encontre uma aproximao da raiz da funo

f ( x) x 5e x atravs do mtodo

das secantes fazendo 4 iteraes.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


18

CAPITULO 4
SISTEMAS LINEARES
4.1 Introduo
Dado um sistema linear de n equaes e n incgnitas, do tipo.

a11 x1 a12 x2 ... a1n xn b1


a x a x ... a x b
21 1
22 2
2n n
2

an1 x1 an 2 x2 ... ann xn bn


Podemos reescrev-lo em uma notao matricial AX = B.

a11
a
21

an1

a1n x1 b1
a22
a2 n x2 b2



an 2
ann xn bn
a1n
a11 a12
a a
a2 n
21
22
a matriz dos coeficientes do sistema.
Assim teremos: A

ann
an1 an 2
x1
b1
x
b
2
X a matriz das incgnitas, e B 2 a matriz dos termos independentes.




x
n
bn
a12

A matriz ampliada do sistema ser:

a11
a
21

an1

a12

a1n

a22

a2 n

an 2

ann

b1
b2

bn

Na matriz ampliada como se cada linha fosse uma abreviao de cada linha do sistema.

4.2 Sistema triangulares


Um sistema dito triangular superior se a matriz dos coeficientes do sistema for
triangular superior. Assim a sua matriz ampliada ser dada por:
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
19

a11
0

a12

a1n

a22

a2 n

0
0

ann

b1
b2

bn

4.3 Operaes elementares


So ditas operaes elementares toda operao que realizada nas linhas do sistema,
no altera a soluo do sistema. Sendo elas:
Multiplicao da linha por um nmero real escalar
Substituio de uma linha, pela soma ou diferena dela com outra linha.
Permutao, troca da posio, de linhas.

4.4 Posto de uma matriz.


Definimos como posto de uma matriz o nmero de linhas no nulas, que tem pelo
menos um elemento diferente de zero, dessa matriz.
Assim definimos Pc como posto da matriz dos coeficientes, Pa como posto da matriz
dos coeficientes.
Assim se ao escalornarmos uma matriz pelo MEG tivermos:
Pa Pc ento o sistema no ter soluo, isto , temos um sistema indeterminado.

Pa Pc n , onde n o numero de incgnitas, ento o sistema ter nica soluo.

Pa Pc n ento o sistema ter infinitas solues.

O nmero (n Pc ) dito nulidade do sistema, ou grau de liberdade do sistema e indica o


nmero de variveis livres que teremos no sistema, isto , o nmero de variveis que
podemos atribuir qualquer valor e obter as demais solues em funo destas.

4.5 Mtodo de Eliminao de Gauss MEG


O objetivo do MEG transformar a matriz ampliada do sistema, em uma matriz
ampliada, cujo a matriz dos coeficientes seja triangular superior e seja equivalente a matriz
ampliada inicial. Para isso fazemos uso das operaes elementares, que sistematicamente
resultara nas equaes:

mik

aik
;
akk

akk 0

aij aij mik .akj


Para cada k 1, 2, 3, ... , (n-1)
i ( k 1), 3, 4, ... , n
e para cada i, temos
j k , 2, 3,..., (n+1)
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
20

xi

ai ( n1)

k i 1

aii

ik k

; i n,(n 1),...,1

Ex 1: Resolva o sistema abaixo, atravs do MEG.

3x 2 y z 11

2x y 2z 9
x 2y z 5

Soluo:...
---------------------------------------///-----------------------------------------Exerccio
Resolva o sistema abaixo atravs do MEG.

10 x1 5 x2 x3 x4 2
2 x 10 x 2 x x 26
1
2
3
4

x1 2 x2 10 x3 2 x4 20
x1 3x2 2 x3 10 x4 25
4.6 Pivotamento
Um problema que pode surgir durante o processo do MEG termos o piv do
sistema igual a zero, ou muito prximo de zero, em algum passo k. O pivotamento consiste
em permutar linhas, no caso de pivotamento parcial e permutar linhas e colunas, no caso do
pivotamento total, com o objetivo de mudar o piv do sistema.
i) Pivotamento Parcial
Permuta-se a linha, com outra linha de modo que o termo equivalente, mesma
coluna, possui o maior valor absoluto..
ii) Pivotamento Total
Neste caso identificamos o elemento de maior valor absoluto do sistema,
independente da coluna, e permutamos as colunas e em seguida permutamos as linhas. Um
cuidado que se deve ter, neste caso, que ao permutarmos colunas as incgnitas tambm
so permutadas.
Ex 2 : Durante o processo de resoluo de um sistema, no passo
obteve-se o sistema:

k 2,

atravs do MEG

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


21

2 1 0 3 4
0 0 2 3 7

0 5 1 1 3

0 3 1 8 1
i) Realize um pivotamento parcial e
ii) Pivotamento total indicando a ordem das incgnitas.
Resoluo...
---------------------------///---------------------------------

4.7 Decomposio LU
4.8 Mtodo de Doolittle
Neste mtodo veremos como escrever uma matriz como produto de duas matrizes,
uma triangular inferior L e outra triangular superior U, de modo que a diagonal de L seja
unitria, isto , todos elementos iguais a um. Assim teremos:

a11
a
A 21

an1

a1n 1

a2 n l21
=


ann ln1

a12
a22
an 2

0
1

0
0
1
ln ( n1)

0 u11 u12
0 0 u22
*
0 0 0

1 0 0

u1n
u2 n

unn

O algoritmo usado para obter LU neste mtodo dado por:

se lkk 1 ;
ukj (akj
(aik
lik

k 1, 2,..., n
( k 1)

l
p 1

kp

.u pj ) ;

j k ,(k 1),..., n

( k 1)

l
p 1

ukk

ip

.u pj )
;

i (k 1), (k+2) , ... , n

Definio 1:

f (n) 0; se a b
na

Ex 1: Decompor a matriz A atravs do Mtodo de Doolittle.

5 2 1

A= 3 1 4

1 1 3
Soluo:...
---------------------------------------///-----------------------------------------______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
22

Aplicao

AX B podemos resolv-lo atravs das matrizes LU.


Veja que se
A LU LUX B , tomando UX Y
LY B encontramos o vetor Y e depois resolvemos UX Y encontrando
soluo X do sistema.
Dado um sistema

Ex 2: Resolva o sistema

AX B , onde B (0, 7, 5)t

termos
assim a

a matriz do exemplo

anterior.

4.9 Teorema LU
Se

A aij ( nn ) e Ak

o menor principal constitudo pelas k primeiras e k primeira

A . Se det Ak 0 para todo k 1,2,3,..., n 1.Ento existe uma nica


matriz L com lkk 1 triangular inferior e um nica matriz U triangular superior tal que
A LU . Alem disso det A u11.u22 .u33 . ... .unn .
colunas de

4.10 Matriz simtrica positiva definida

A real simtrica positiva definida se para todos menores


det Ak 0 com k 1, 2, 3, ... , n .

Definio: Uma matriz


principais

Ak , vale

A simtrica positiva definida ento A pode ser decomposta no produto


A GG t , onde G uma matriz triangular inferior com elementos diagonais positivos.

Corolrio: Se

4.11 Mtodo de Cholesk


Se A simtrica positiva definida ento

a g g
k 1

g kk akk ( g kp ) 2
p 1

1
2

A GG t tal que G gij ento:

k 1,2,3,..., n

k 1

ik

g ik

p 1

g kk

Temos ainda que

ip

kp

i k 1 , k 2 ,..., n

det A det G

Obs: O Mtodo de Cholesk utilizado tambm para verificar se a matriz simtrica


definida positiva

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


23

Ex 1: Seja

4 2 4
A 2 10 4

4 4 9

i)

Mostre que A satisfaz as condies para o Mtodo de Cholesk.

ii)
iii)

Decompor A em A GG .
Calcular o determinante de A atravs da decomposio do item anterior.
t

4.12 Inverso de Matrizes

A LU com det A 0 , isto , A inversvel. Ento por


1
1 1
propriedade de matrizes temos A U L .
1
1
Se Y L e Z U ento a inversa de L e U pode ser encontrado atravs do
Vamos considerar

algoritmo:
i 1

yij

( ij lip y pj )
p j

( ij
zij

i j , ( j 1), ..., n

lii
j

p i 1

ip

z pj )
; i j , ( j 1),...,1

uii
1 se i j
0 se i j

ij

Ex 1: Consideremos

A LU

dada por:

2
0
0 2 1
2 1 2 1

1 2 3 1
1
0 0 3
2

2
2

4 1 2
2 2
1 0 0 2
3
3


1
1 1
Encontre A U L .
Soluo:...

4.13 Mtodo de Elimino de Gauss Compacto


O Mtodo de Eliminao de Gauss pode ser utilizado para resolver equaes
matriciais do tipo AX B , onde A e B so matrizes. Neste caso a nica diferena a
variao de j.
Assim o Mtodo de Eliminao Compacto ser:

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


24

a
mik ik ;
akk

akk 0

k 1, 2, 3, ... , (n-1); para cada k faremos

i 2, 3, 4, ... , n; para cada i faremos

j 1, 2, 3,..., 2n

aij aij mik .akj

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


25

CAPITULO 5
MTODOS ITERATIVOS PARA APROXIMAR SOLUES DE SISTEMAS LINEARES
5.1 Introduo
Em certos casos os mtodos iterativos so melhores que os exatos, como por
exemplo, no caso de sistemas esparsos, isto , a matriz dos coeficientes do sistema
esparsa possui um nmero grande elementos iguais a zero, o que pode provocar um
nmero grande de pivotamento.
Os mtodos iterativos ainda possuem a vantagem de que se um erro for cometido
eles se auto corrigem.

5.2 Mtodo de Jacobi-Richardson (MJR)


Vamos considerar o sistema:

a11 x1 a12 x2 ... a1n xn b1


a x a x ... a x b
21 1
22 2
2n n
2

an1 x1 an 2 x2 ... ann xn bn


Isolando

xi

na i-sima equao do sistema, teremos as relaes

xi ( x1 , x2 ,...xi1 , xi1 ,..., xn )

do tipo

e a partir dessas criamos as regras de recorrncia


( k 1)

semelhante ao que foi feito no MIL, assim teremos

(k )

(k )

(k )

(k )

(k )

xi ( x1 , x2 ,... xi 1 , xi 1 , xn ) . Onde

os ndices sobre-escritos indicam os passos das iteraes.


Assim dado o sistema

AX B teremos:

(k )
(k )
(k )
1
( k 1)
x

[
b

(
a
x

a
x

...

a
x
1
12
2
13
3
1n
n )]
1
a11

(k )
(k )
(k )
1
( k 1)
[b2 (a 21 x1 a23 x3 ... a2 n xn )]
x2
a22

(k )
(k )
(k )
1
( k 1)
x

[
b

(
a
x

a
x

...

a
x
n
n1 1
n2
2
n ( n 1)
n 1 )]
n
a
nn

Neste caso o mtodo ser convergente quando o vetor erro tender ao vetor nulo,
isto ,

e x x , x x ,..., x x 0, 0,..., 0 quando k tender a infinito. A


( k 1)

(k )

( k 1)

(k)

( k 1)

(k)

soluo ter t casas decimais corretas quando o valor absoluto da componente mxima do
1

vetor erro for inferior a

0,5 10 t .

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


26

5.3_ Critrios de convergncia


Quando isolamos

xi

na i-sima linha e criamos as regras de recorrncia, no temos


(0)

garantia de convergncia do mtodo dado um chute inicial

(0)

(0)

( x1 , x2 ,..., xn ) , vejamos ento

como garantir a convergncia do mtodo.

5.4 Critrios de linhas


Considere a matriz A dos coeficientes do sistema, se:

max k
a kk

a ij , com j k e k 1,2,3,..., n 1 ento o MJR

j 1

converge independente do chute valor inicial.


Ex 1: Faa uma expano do critrio de linhas.
Ex 2: Encontre uma aprox. para a soluo do sistema:

10 x 2 y z 7

2 x 3 y 10 z 6
x 5 y z 8

Atravs do MJR com k = 5 e diga qual a preciso do resultado.


Soluo:...
------------------------------------///----------------------------

5.5 Mtodo de Gauss-Siedel (MGS)


O MGS pode ser visto como MJR modificado, pois o que difere este agora que na
iterao de cada equao j comeamos a utilizar os resultados obtidos nas iteraes
anteriores. Assim teremos:

( k 1)
x1

( k 1)
x2

( k 1)
x3

( k 1)
xn

1
a11

(k )
(k )
(k )
(k )

(
a
x

a
x

a
x

...

a
x
12
2
13 3
14
4
1n
n )
1

1
a22

( k 1)
(k )
(k )
(k )

(
a
x

a
x

a
x

...

a
x
21
1
23 3
24
4
2n
n )
2

1
a33

( k 1)
( k 1)
(k )
(k )

(
a
x

a
x

a
x

...

a
x
3
31
1
32
2
34
4
3
n
n )

1
ann

( k 1)
( k 1)
( k 1)
( k 1)

(
a
x

a
x

a
x

...

a
x
n
n
1
1
n
2
2
n
3
3
n
(
n

1)
n 1 )

No MGS se o critrio de linhas no for satisfeito deveremos verificar outro critrio


para a convergncia.
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
27

5.6 Critrio de Sassenfeld


O MGS converge se tivermos o critrio de linhas satisfeito ou se:
n

1 i 1

max i
(
a

j
)
+
a ij , j i e i 1,2,3,..., n

ij
j i 1

a ii j 1

Obs 1: se o critrio de linhas for satisfeito, podemos verificar que o critrio de Sassenfeld
tambm ser. ( Porque? ).
Obs 2: Caso os critrios no sejam satisfeitos podemos fazer permutaes nas linhas e/ou
colunas do sistema com objetivo de satisfazer algum critrio, mas a resoluo devera ser
realizada a partir do sistema permutado e no do sistema original.
Ex 3: Faa uma expano do Critrio de sassenfel.
Ex 4: Resolva o sistema do ex anterior atravs do MGS com k = 5 e diga qual a preciso do
resultado.

5.7 Matriz estritamente diagonal dominante


Definio1
n

Uma matriz A e estritamente diagonal dominante se

a a
j 1
j i

Se tivermos

a a
j 1
j i

ij

ii

ij

ii

i 1,2,..., n .

i 1,2,..., n ento A dita diagonal dominante.

Obs1: se uma matriz A for estritamente diagonal dominante ento o critrio de


linhas e consequentemente o de Sassenfeld sero satisfeitos.
Obs 2: Se os critrios no forem satisfeitos, podemos modific-los permutando
linhas e/ou colunas, o que no altera a soluo, de modo que o sistema equivalente obtido
possua a matriz dos coeficientes estritamente diagonal dominante.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


28

CAPITULO 6
INTERPOLAO
Interpolar uma funo consiste em encontrar uma funo tal que a curva de sua
representao grfica passe por um conjunto finito de pontos conhecidos, ou substituir uma
funo, digamos complicada, por outra que seja mais simples de se trabalhar. A
interpolao feita dentro de certo grau de preciso.

6.1 O problema da interpolao


Consideremos (n+1) pontos

( xi , yi ), i 0,1, ... , n

chamados de pontos de

interpolao.
A interpolao tem por objetivo encontrar uma funo

g ( x)

de tal modo que

g ( x0 ) f ( x0 ); g ( x1 ) f ( x1 ); ... ; g ( xn ) f ( xn ) .
6.2 Teorema de Weistrass (interpolao Polinomial)
Se f uma funo contnua em um intervalo [a,b] ento, dado qualquer
um polinmio P(x) tal que

6.3 Teorema
Dado um conjunto

P( x) f ( x) .

F ( xi , yi ) i 0,1,2,..., n

i 0,1,2,..., n

6.4 Interpolao de Lagrange

f ( xi , yi ) i 0,1,2,..., n

Seja

formado por (n+1) pontos,

Pn ( x) de grau no mximo n tal que:

ento existe um nico polinmio

Pn ( xi ) f ( xi ),

>0 existe

o conjunto de pontos de interpolao e

Pn ( x) o polinmio de grau no mximo n que interpola f

nesses pontos. Podemos

Pn ( x) da seguinte forma:

representar

Pn ( x) L0 ( x) f ( x0 ) L1 ( x) f ( x1 ) L2 ( x) f ( x2 ) ... Ln ( x) f ( xn )
n

Pn ( x) Lk ( x). f ( xk )

onde

k 0

(x xj )

j 0
j k

( xk x j )

Lk ( x)

k 1

(x xj )

j 0

( xk x j )

(x xj )

j k 1

( xk x j )

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


29

Ex 1: Considere a funo tabelada abaixo:


x
-2
0
1
y = f(x)
15
3
0

Pn ( x) , atravs da int. de Lagrange, que interpole f ( x) .


f (0.5) .

i) Encontre o polinmio
ii) Estime o valor de
Soluo:...

--------------------------------///------------------------------Ex 2: Usando o Maple, para encontrar o polinomio interpolador que passa pelos (n+1)
primeiros pontos dos 10 pontos de uma funo com valores tabelados. Obs: podemos
incluir mais pontos.
> restart:
> (x[0],x[1],x[2],x[3],x[4],x[5],x[6],x[7],x[8],x[9]):=(2,3,1,0,0,0,0,0,0,0);
> (y[0],y[1],y[2],y[3],y[4],y[5],y[6],y[7],y[8],y[9]):=(8,0,1,0,0,0,0,0,0,0);
> n:=3;
#Grau maximo do pol. interpolador
> p:=expand(sum((product((x-x[j])/(x[k]-x[j]), j=0..k1)*product((x-x[j])/(x[k]-x[j]), j=k+1..n))*y[k],k=0..n));
> P:=unapply(p,x);
Ex 3: Usando o maple, dada a expresso da funo a ser interpolada.
> restart:
> Digits:=20;
> f:=x->(sqrt((ln(x)+1)^(x+ln(x+2))));
> n:=4; # Grau maximo do polinomio interpolador #
>
(x[0],x[1],x[2],x[3],x[4],x[5],x[6]):=(1.1,1.2,1.3,1.4,1.5,1.6,
1.7); # (n+1) valores de x do intervalo de interpolao #
>
(y[0],y[1],y[2],y[3],y[4],y[5],y[6]):=(f(x[0]),f(x[1]),f(x[2]),
f(x[3]),f(x[4]),f(x[5]),f(x[6])); # (n+1) valores de y do
intervalo de interpolao #
> p:=expand(sum((product((x-x[j])/(x[k]-x[j]), j=0..k1)*product((x-x[j])/(x[k]-x[j]), j=k+1..n))*y[k],k=0..n));
> P:=unapply(p,x);# copie aqui a expresso obtida para o
polinimio#
> P(1.1); # digite os valores x'is para conferir #
_Podemos comparar o grfico da funo com o polinmio interpolador, no intervalo
de interpolao.
> with(plots):
> g:=plot(p(x),x=1.1..1.5,y=0..2,color=blue):
> w:=plot(f(x),x=1.1..1.5,y=0..2,color=red ):
> display([g,w]);

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


30

Comparando o valor da integrais, teremos:


> int(f(x),x);
> int(P(x),x=1.1..1.5);
> int(f(x),x=1.1..1.5);
6.5 Erro na Interpolao

f ( x) em um nmero x

Quando estimamos um valor de

atravs da interpolao

temos como encontrar o erro mximo envolvido nessa estimativa, vejamos os resultados
abaixo.

6.6 Teorema

f ( x) for contnua em um intervalo [a, b], supondo que a derivada f ( n1) ( x)


exista para todo x em [a, b].
Seja Pn ( x) o polinomio que interpola f ( x) sobre os (n+1) nmeros distintos
x0 a x1 ,..., xn b e suas respectivas imagens.
Se

Ento

E Rn ( x)

( x x0 ).( x x1 ). ... .( x xn )
(n 1)!

Obs: A existncia desse valor

f ( n1) ( ) onde x0 xn

garantida, mas o problema encontrar esse valor.

Para contornar isso temos o resultado.

6.7 Corolrio
Seja

Rn ( x) Pn ( x) f ( x) se as derivadas at ordem (n+1) existem e so

contnuas em [a, b] ento:

E Rn ( x)

( x x0 ).( x x1 ). ... .( x xn )
(n 1)!

Ex 3: Calcule o erro mximo cometido ao calcular


com

f ( x) 2 xe x
x

y=

f ( x) 2 xe

max f ( n1) (t ) onde x0 t xn

f (0.52) usando um P2 ( x) ,

onde foram usados os pontos de interpolao:


0,3
0,81

0,4
1,2

0,5
1,65

0,6
2,19

0,7
2,82

0,8
3,56

6.8 Diferenas Divididas


Para o prximo mtodo de interpolao usaremos as Diferenas Divididas, definidas
por:

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


31

Se

x0 , x1 , ... , xn

so (n+1) nmeros arbitrariamente espaados e

f ( x0 ), f (x1 ), ... , f ( xn ) suas imagens definimos:


f [ xi ] f ( xi ) i 0,1,2, ... , n
f [ x ,..., x ] f [ x ,..., x ]
f [ x ,..., x , x ]
x x
n

n 1

Por diferenas divididas de ordem n da funo f sobre os (n+1) pontos. Para facilitar
a visualizao dos clculos montamos uma tabela conforme ilustrado a seguir:
Tabela 01 - Diferenas Divididas

xn ordem(0) ordem(1)
x0

ordem(2)

ordem(3)

f ( x0 )
f [ x1 , x0 ]

x1

f [ x2 , x1 , x0 ]

f ( x1 )
f [ x2 , x1 ]

x2

f [ x3 , x2 , x1 , x0 ]

f [ x3 , x2 , x1 ]

f ( x2 )
f [ x3 , x2 ]

x3

f [ x4 , x3 , x2 , x1 ]
f [ x4 , x3 , x2 ]

f ( x3 )

f [ x4 , x3 ]
x4

f ( x4 )

Ex 1:

f [ x0 ]

f [ x1 ]
f [ x1 , x2 ]

f [ x2 , x1 , x0 ]
E assim por diante.

6.9 Forma de Newton para o polinmio interpolador


Teorema 1
A forma de Newton para o polinmio

Pn ( x) que interpola uma funo f ( x) em

(n+1) pontos dada


por:
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
32

P ( x) d d .( x x ) d .( x x ).( x x ) ... d .( x x ).( x x ). ... .( x x )


Onde d k f [ xk , xk 1 ,..., x1 , x0 ] com k 0,1,2,..., n
n

n 1

Ex 1: Dada a funo expressa pelos pares ordenados abaixo, construa a tabela de diferenas
divididas e o polinmio que interpola a funo.
X
-1
0
2
3
Y
4
1
-1
-2
Soluo: ...
---------------------------///------------------------------

Teorema 2

x [a, b], x x , k 0,1,2,..., n ento:


f ( )
f [ x ,..., x , x , x]
; (x , x )
(n 1)!
Para

( n 1)

Em particular, a diferena dividida de ordem n de um polinmio


ponto

xe

igual a

Pn ( x) independente do

(coeficiente de grau n). Assim ao examinarmos uma tabela de

diferenas divididas de uma funo, se as diferenas divididas de ordem k so praticamente


constantes, ento as diferenas divididas de ordem k+1 so muito prximas de zero.
Podemos ento usar um polinmio de grau k para interpolar tal funo.

6.10 Erro na interpolao de Newton


Temos que o erro pode ser calculado por:

E Rn ( x)

( x x0 ).( x x1 ). ... .( x xn )

f ( n1) ( ) onde x0 xn

(n 1)!

Como no conhecemos ento estimamos o erro fazendo:

E Rn ( x)

( x x0 ).( x x1 ). ... .( x xn )
(n 1)!

max f ( n1) (t ) onde x0 t xn

Que tambm pode ser estimado, pelo teorema anterior, por:

E R ( x) ( x x ).( x x ). ... .( x x ) max f [ x ,..., x , x ]


n

n 1

Ex 2: dada a funo
X
2
3
4
5
6
8
Y
0.13
0.19
0.27
0.38
0.51
0.67
i) Determine qual o polinmio de grau mais adequado para interpolar valores de f.
ii) Calcular f(4.5) e estime o erro cometido.
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
33

Quando os pontos bases

xi ' s

so igualmente espaados, podemos aproveitar a

estrutura de dados para simplificar o processo de interpolao, manipulao e


implementao computacional.

6.11 Diferenas Ordinrias (ou Finitas)


Se os pontos as abssisas dos pontos de interpolao forem igualmente espaados
podemos usar a estrutura anterior e simplificar os calculos.
Definio 1

x , x ,...x nmeros igualmente espaados, ou seja, x x ih


h x x com k 0,1,..., n , do intervalo [a,b] e sejam tambm
Sejam

k 1

onde

f ( x ), f ( x ), ... , f ( x ) suas respectivas imagens, defini-se:


f ( x ) f ( x ) e f ( x ) f ( x h) f ( x )
Por diferenas ordinrias (ou finitas) de ordem r em x x . Com k 0,1,..., n
0

( r 1)

( r 1)

Ex 3:

f ( x ) f ( x ); f ( x ) f ( x )
0

f ( x ) f ( x h) f ( x )
1

f (x ) f (x ) f (x )
1

f (x ) f (x ) f (x )
1

E assim por diante.


Tabela 02 - Diferenas Ordinrias

xn ordem(0) ordem(1) ordem(2) ordem(3)


x0

f (x )
0

f (x )
1

x1

f (x )

f (x )

f (x )

f (x )

x2

f (x )

f (x )

f (x )

f (x )

x3

f (x )

f (x )

f (x )
1

x4

f (x )
0

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


34

Teorema 3
Se

x x ih , isto , se tivermos pontos igualmente espaados, ento:


i

n f ( x0 )
.
f [ xn ,..., x1 , x0 ]
h n .n!
Demonstrao:
Usando induo finita ou matemtica temos, para n = 1

f ( x0 ) f ( x1 ) f ( x0 h) f ( x0 ) 1 f ( x0 )
f [ x1 , x0 ]

x1 x0
h
h1.1!
Logo para n = 1 a afirmao do teorema verdadeira.

k n 1, n 1, qualquer

f ( x0 )
f [ xn1 ,..., x1 , x0 ] ( n1)
h .(n 1)!
Seja verdadeiro, logo devemos mostrar que para k 1 n que a afirmao feita pelo
Vamos supor que para um

( n1)

teorema tambm verdadeira.


De fato:

f [ xn ,..., x1 , x0 ]

f [ xn ,..., x2 , x1 ] f [ xn1 ,..., x1 , x0 ]


, por definio.
( xn x0 )

( n1) f ( x0 )
( n1) f ( x1 )

h( n1) .(n 1)! h( n1) .(n 1)!


, pela hiptese anterior.

nh
( n1) f ( x0 h) ( n1) f ( x0 )
,

n.h.h( n1) .(n 1)!


n f ( x0 )
, simplificando e pela definio.

h n n!
Logo para k 1 n a afirmao tambm verdadeira, logo pelo principio da
induo finita fica provado o Teorema.

6.12 Forma de interpolao de Newton-Gregory.


A forma de Newton para o polinmio interpolador, pelo teorema anterior sera:

1 f ( x0 )
2 f ( x0 )
Pn ( x) f ( x0 ) ( x x0 ) 1
( x x0 ).( x x1 ). 2
...
h .1!
h .2!
n
f (x )
( x x0 ).( x x1 ).....( x xn1 ). n 0
h .n!
0

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


35

Ex 1: Considere a funo tabelada abaixo:


X
0,3
0,4
Y
0.5466
0.8902

0,5
1.3591

0,6
1.9921

0,7
2.3386

Encontre atravs da formula de Newto-Gregory um polinmio quadrtico para


estimar o valor de

f (0,52) e determine o erro mximo cometido.

Soluo:...

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


36

CAPITULO 7
DIFERENCIAO NUMRICA
7.1 Diferenciao por Diferenas Finitas

Se

uma funo contnua em

(a, b) temos por definio que a derivada dessa

funo dada por:

lim
h0

f ( x h) f ( x )
com x (a, b)
h
Assim se h for pequeno sulficiente podemos estimar a derivada de

em ponto

x (a, b) por:
f ( x h) f ( x )
f '( x)
h
Ex 1: Dada a funo

f ( x) ln( x) ,estime o valor de f '(1.8) com h 0.01

h 0.0001 e compare com o valor obtido na calculadora.


Soluo:...
-----------------------------------///------------------------------------Vamos desenvolver o mtodo atravs da interpolao para estimar o valor das
derivadas.
Tomando 3 pontos e encontrando o polinmio interpolador de Lagrange teremos:

( x xk )
j 0 ( x x )
k
j
j k
2

P2 ( x) Lk ( x). f ( xk ) onde Lk ( x)
k 0

e assim

P 'n ( x) L 'k ( x). f ( xk )

e assim:

k 0

L0 ( x)

( x x1 ).( x x2 )
2 x x2 x1
L '0 ( x)
( x0 x1 ).( x0 x2 )
( x0 x1 ).( x0 x2 )

L1 ( x)

( x x0 ).( x x1 )
2 x x0 x2
L '1 ( x)
( x1 x0 ).( x1 x2 )
( x1 x0 ).( x1 x2 )

L2 ( x)

( x x0 ).( x x1 )
2 x x0 x1
L '2 ( x )
( x2 x0 ).( x2 x1 )
( x2 x0 ).( x2 x1 )

Resultara em:

f '( xk ) f ( x0 )

2 xk x2 x1
2 xk x0 x2
2 xk x0 x1
f ( x1 )
f ( x2 )
( x0 x1 ).( x0 x2 )
( x1 x0 ).( x1 x2 )
( x2 x0 ).( x2 x1 )

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


37

(*)

Vamos considerar agora 5 pontos igualmente espaados

xk 2h, xk h, xk , xk h, xk 2h. conforme grfico:

Veja que podemos tomar 3 pontos de 3 diferentes formas, com o objetivo de calcular

f '( xk ) :
7.2 Derivadas por diferenas finitas retroativas
Essa derivada em um nmero

xk , obtida se tomarmos os 3 primeiros pontos, dos

5, assim:

x0 ( xk 2h), x1 ( xk h), x2 ( xk ) e tambm:

( x0 x1 ) h, ( x0 x2 ) 2h, ( x1 x0 ) h, ( x1 x2 ) h,
( x2 x0 ) 2h, ( x2 x1 ) h
Substituindo em (*) teremos:

f '( xk )

1
f ( xk 2h) 4 f ( xk h) 3 f ( xk )
2h

7.3 Derivadas por diferenas divididas centrais.


Se tomarmos os 3 pontos centrais, de forma equivalente teremos:

f '( xk )

1
f ( xk h) f ( xk h)
2h

7.4 Derivadas por diferenas finitas progressivas.


E tomando os 3 ltimos pontos, de forma equivalente teremos

f '( xk )

1
f ( xk 2h) 4 f ( xk h) 3 f ( xk )
2h

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


38

CAPITULO 8
APROXIMAO DE FUNES
8.1 Mtodo dos Mnimos Quadrados ( MMQ )
O objetivo do MMQ substituir uma funo

f ( x)

por outra

( x) , ou encontrar

uma funo que melhor se aproxime de um conjunto de pontos, mas, levando em


considerao o comportamento destes, e no o total de pontos como na interpolao,
mdoto esse muito usado no processo de modelagem.
Neste caso escreveremos a funo procurada como combinao linear de funes
conhecidas. Assim teremos:
as funes
que

f ( x) ( x) a0 g0 ( x) a1 g1 ( x) ... an g n ( x) onde

gi ( x) i 0,1,..., n

f ( x) ( x)

so conhecidas. A substituio devera ser feita de modo

seja mnima. Isto devemos minimizar a soma dos erros dado por:

E f ( xi ) ( xi )
i 0

A substituio da

indicada quando o uso da funo oferece alguns

inconvenientes tais como:


i)
ii)

dada por processos no finitos, como soma de sries, integrais etc.

dada por um conjunto de pares ordenados, obtidos experimentalmente e

queremos encontrar uma funo que melhor modele o fenmeno estudado.

8.2 Aproximao Polinomial caso discreto


Vamos considerar um caso discreto, onde queremos aproximar um conjunto de
pares ordenados

( x , y ) i 0,1,..., m por um polinmio, que podemos escrever


i

como:

Pn ( x) a0 a1 x1 a2 x 2 ... an x n
n

= ak x k
k 0

de grau n < m, atravs do MMQ.


n

Neste caso devemos minimizar

E | yi Pn ( xi ) | o problema que surge, que essa


i 0

soma sempre ser nula, sem que funo passe exatamente pelos pontos.
Para contornar esse problema vamos ento minimizar a soma do quadrado desses
erros, que nunca se anularo, e se o quadrado for mnimo, a soma dos erros tambm sero,
o que justifica o nome de Mtodos dos Mnimos Quadrados.
Assim Teremos:
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
39

E [ yi Pn ( xi )]2
i 0

a j , j 0,1,..., n , logo

Para encontrar o polinmio, basta encontrar os seus coeficientes


vamos a busca dos nmeros

E
0 . O que nos dara:
a j

a j tal que

P( xi )
2(
y

P
(
x
)).
0

i
n
i
a j
i 0
m

(y a x
i

i 0

j
yi xi ak xi k j 0
i 0
k 0

i 0

a x

k 0

i 0

k j

yi xij ;

y x a x
i i

i 0

).( xi j ) 0

i 0 k 0

k 0

yi xij ak xi k j 0
n

k i

i 0 k 0

k j

k i

ak xi k j yi xij
i 0 k 0

i 0

j 0,1,2,..., n

i 0

Atribuindo valores para j e Expandindo as somatrias teremos :


Para j 0 temos a equao :
n

k 0

i 0

i 0

ak xi k 0 yi xi0 ;
m

i 0

i 0

i 0

i 0

i 0

a0 xi 0 a1 xi1 a2 xi 2 ... an xi n yi xi0

(1)

Para j 1 temos a equao :


n

a x
k

k 0

i 0

k 1

yi xi1 ;
i 0

a0 x a1 xi a2 xi ... an xi
i 0

1
i

i 0

i 0

n 1

i 0

yi xi2

(2)

i 0

Para j n teremos :
m

a0 xi a1 xi
n

i 0

i 0

n 1

a2 xi
i 0

n 2

... an xi yi xin
2n

i 0

(n )

i 0

Note que temos n equaes, chamadas de equaes normais, e n incgnitas, logo


para descobrir o valor dos coeficientes do polinmio, basta resolver o sistema escrito na
forma matricial abaixo;

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


40

m 0
xi
i 0
m 1
xi
i 0

m
xi n
i 0

m 0
a
xi 0 xi yi

i 0
i 0

m
m

xi n1 a1 xi1 yi

i 0
i 0

m
m n
2n
xi

an xi yi

i 0

i 0

x
i 0

1
i

...

x
i 0

x
i 0

...

n 1

Cuja soluo ser os coeficientes procurados dos polinmios. Note que a matriz dos
coeficientes, somatrias, desse sistema simtrica.
Neste caso vamos considerar
se x no for nulo.

x0 1 para todo x , o que ocorre na verdade apenas

Ex 1: Considere o conjunto de pares ordenados abaixo:


x
y

0
1

0,25
1,2840

0,5
1,6487

0,75
2,1170

1
2,7183

i) determine atravs do MMQ o polinmio quadrtico que melhor se aproxime da funo


tabelada.
ii) Estime o valor de

f (0.3) .

8.4 Aproximao Polinomial caso continuo


Vamos supor que tenhamos uma funo

explicita por uma sentena de

x , e no

apenas por um conjunto de pares ordenados e vamos supor que queremos substituir f por
outra funo , em um intervalo [a,b], que tenha uma definio mais fcil de se trabalhar.
Graficamente teramos:

Neste caso tevemos encontrar

( x) a0 g0 ( x) a1 g1 ( x) a2 g2 ( x) ... an g n ( x) de modo que a rea


destacada seja mnima, o que equivalente a minizar:
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
41

E f ( x) ( x) dx
b

fazendo

E
0;
a j

j = 0, 1, 2, ... , n

b
E
2 f ( x) ( x) .g j ( x)dx 0
a
a j

f ( x) ( x).g ( x)dx 0
b

Substituindo ( x) a0 g0 ( x) a1 g1 ( x) a2 g 2 ( x) ... an g n ( x) , na equao


anterior teremos:

f ( x) (a g ( x) a g ( x) a g ( x) ... a g ( x)).g ( x)dx 0


b

1 1

Aplicando a propriedade distributiva e as propriedades de integral teremos

f ( x)g j ( x)dx a0 g 0 ( x)g j ( x)dx ... an g n ( x)g j ( x )dx 0


b

a0 g0 ( x)g j ( x)dx ... an g n ( x)g j ( x)dx f ( x)g j ( x)dx


Para cada valor de j = 0, 1, ... ,n, assim como no caso discreto teremos uma equao,
resultando no sistema (nxn) escrito na forma matricial abaixo:

b g g dx
a 0 0
b
a g 0 g1dx

b
a g 0 g n dx

a
b

g1 g 0 dx
g1 g1dx

g1 g n dx

b f g dx
g
g
dx
a n 0 a0 a 0
b

b
a
g
g
dx
f
g
dx

a n 1 1 a 1


a
b
b

a g n g n dx
a f g n dx
b

Obs: Para simplificar a notao estamos considerando g g ( x) .


Considerando um espao vetorial euclidiano, e o produto vetorial dado por:
b

f .g f ( x) g ( x)dx
a

podemos escrever o sistema acima como:

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


42

g0 , g0

g 0 , g1

g0 , g n

g1 , g 0
g1 , g1
g1 , g n

g n , g 0 a0 f .g 0

g n , g1 a1 f .g1



g n , g n an f .g n

f , g f ( x).g x dx
a

A soluo do sistema sero os coeficientes do polinmio.


Ex 1: Seja

f ( x) x 4 5x aproximar f ( x) por um polinmio de grau dois,o itervalo [-

1,1] atravs do MMQ.

8.5 Aproximaes no Lineares


Em casos onde a funo na qual se queira obter a aproximao no seja do tipo:

f ( x) ( x) a0 g0 ( x) a1 g1 ( x) ... an g n ( x)
Podemos fazer uma adaptao para cair em um caso como este.
Ex: vamos supor que se queira obter um modelo do tipo

y e x a partir de um conjunto

de pares ordenados. Note que

y e x ln( y ) ln( e x ) se z ln( y )


z ln( ) ln(e x )
z ln( ) x
(1)
Chamando ln( ) a0 e a1 teremos, z a0 a1 x que neste caso uma
linearizao do problema inicial.
Note que

z a0 a1 x a equao de uma reta e temos g0 ( x) 1 , g1 ( x) x e

camos em um caso linear visto anteriormente. Uma vez encontrada a equao

z a0 a1 x basta lembra que:

z a0 a1 x e z e a0 a1x
eln( y ) ea0 .ea1x
y ea0 .ea1x

(2)

Comparando (1) e (2) temos:

y ea0 .ea1x e x
Logo temos que

ea0 e a1

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


43

8.6 Teste de Alinhamento


Uma vez escolhida uma funo no linear para ajustar uma funo linear dada, uma
forma de verificarmos se a escolha feita foi razovel aplicarmos o teste do alinhamento,
que consiste em:
i) fazer a linearizao da funo no linear escolhida;
ii) fazer o diagrama de disperso dos novos dados;
iii) se os pontos do diagrama ii) estiverem alinhados, isto significar que a funo no
linear escolhida foi uma boa escolha.
Obs: devidos a erros de observao e clculos aproximados consideremos
satisfatrio o diagrama de disperso onde os pontos se distribuem aleatoriamente em torno
de uma reta.
Ex 2: Faa um teste de alinhamento e encontre uma funo do tipo
modelar a funo tabelada abaixo:
x
-1
-0.7
-0.4
y
36.547
17.264
8.155

-0.1
3.852

0.2
1.820

0.5
0.860

y e x para

0.8
0.406

1
0.246

Soluo:...
Dica: faa uma pesquisa sobre outros casos no lineares na apostila da Neide Maria
Berttoldi Franco.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


44

CAPITULO 9
INTEGRAO NUMRICA
Formulas fechadas de Newton-Cotes
9.1 Regra dos trapzios
Vamos supor uma funo

f ( x) contnua e postiva em um intervalo [a, b] .

Na regra dos trapzios, ao invs de dividirmos a rea abaixo da curva


acima do eixo

x,

e entre as retas

x0 a e xn b

y f ( x) ,

em retngulos, dividimos-a em

trapzios.
Dividindo o intervalo

x0 a, x1 , x2 , ... , xn b ,

[ a , b]
isto

em n subintervalos cujo os extremos sero:


,

em

subintervalos

do

tipo

[ xi1 , xi ] com i 1,2,3,..., n . Conforme ilustra o grfico abaixo:

Considerando um trapzio qualquer com as alturas medindo

f ( xi1 ) e f ( xi )

f ( xi1 ) f ( xi )
x onde
2
ba
xi xi1 pode ser calculado da seguinte forma x
onde n o nmero de
n
subintervalos de [a, b] . Obs: as vezes usamos h ao invs de x
base

x xi xi1

sua rea pode ser calculada por:

Para obtermos uma aproximao para rea total, isto , uma aproximao para o
valor da integral neste caso, somamos as reas dos trapzios. Assim teremos:

f ( x0 ) f ( x1 )
f ( x2 ) f ( x3 )
f ( x1 ) f ( x2 )
x
x
...
2
2
2
f ( xn2 ) f ( xn1 )
f ( xn1 ) f ( xn )
x
x
2
2

f ( x)dx x

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


45

x
f ( x0 ) f ( x1 ) f ( x1 ) f ( x2 ) ... f ( xn2 ) f ( xn1 ) f ( xn1 ) f ( xn )
2
x
f ( x)dx
f ( x0 ) 2 f ( x1 ) 2 f ( x2 ) ... 2 f ( xn2 ) 2 f ( xn1 ) 2 f ( xn1 ) f ( xn )
2
f ( x)dx

n1
x

f ( x)dx
f
(
x
)

f
(
x
)

2
f
(
x
)

0
n
i
2
i 1

possvel mostrar que o erro mximo cometido na regra dos trapzios dado por:

n(x)3
E
.max f ''(t ) ;
12

x0 t xn

Ex 1: Estime o valor da integral:

dx
16 x 2

atravs da regra dos trapzio tomando n = 6.

9.2 Regra 1/3 de Simpsom


Teorema 1
Se

P0 ( x0 , y0 ); P1 ( x1 , y1 ); P2 ( x2 , y2 )

forem 3 pontos distintos sobre a parbola

y Ax 2 Bx C come y0 , y1 , y2 0 e
x1 x0 h; x2 x0 2h , ou seja, igualmente espaados.

com equao

Ento a medida da rea da regio limitada pela parbola, pelo eixo

x x0 ; x x2

x e pelas retas

ser da por:

h
y0 4 y1 y2
3

Assim se

y f ( x) for continua e positiva em um intervalo [a, b] podemos dividir

[a, b] em n subintervalos conforme feito na regra dos trapzios e tomar

arcos de

parbola, e usando idia semelhante teremos:

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


46

Grafico

h
h
f ( x)dx ( f ( x0 ) 4 f ( x1 ) f ( x2 )) ( f ( x2 ) 4 f ( x3 ) f ( x4 )) ...
3
3
h
( f ( xn2 ) 4 f ( xn1 ) f ( xn ))
3
h
f ( x)dx ( f ( x0 ) 4 f ( x1 ) 2 f ( x2 ) 4 f ( x3 ) 2 f ( x4 ) ...
3
2 f ( xn2 ) 4 f ( xn1 ) f ( xn ))
n
n 1

2
2
h
f ( x)dx f ( x0 ) f ( xn ) 4 f ( x2i1 ) 2 f ( x2i )

3
i 1
i 1

O erro cometido pela regra 1/3 de Simpson pode ser calculado por:

nh5
e
.max f (4) (t ) ; x0 t xn .
90
Ex 1: Estime o valor da integral:

dx
16 x 2

atravs da regra da regra 1/3 de Simpson com n = 4.

9.3 Polinmios ortogonais e Quadratura de Gauss


Definio 1
Vamos considerar o produto escalar:
b

f ( x), g ( x) w( x) f ( x) g ( x)dx
a

Onde

w( x) 0 contnua (a, b) , e w( x)

dita funo peso.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


47

Definio 2
Seja 0 ,1 ,2 ,... uma famlia de polinmios de graus

0,1,2...

Se

i , j 0 se i j

i ,i 0 se i 0
Ento os polinmios 0 ,1 ,2 ,... se dizem ortogonais.
Teorema 1
Sejam os polinmios 0 ,1 ,2 ,... definidos por:

0 ( x) 1

1 x

x.0 ( x),0 ( x)

0 ( x),0 ( x)

e para

k 1,2,3,...

k 1 xk ( x) ( x)k k 1 ( x)

x.k ( x),k ( x)

k ( x),k ( x)

; k

k ( x),k ( x)
k 1 ( x),k 1 ( x)

Os polinmios 0 ,1 ,2 ,... , assim definidos so dois a dois ortogonais.

9.4 Principais Polinmios Ortogonais


i) Polinmio de Legendre
Os polinmios

P0 , P1 , P2 ,... , so obtidos segundo o produto escalar:

f ( x) g ( x)dx

Neste caso temos

w( x) 1 e [a, b] [1, 1] .

ii) Polinmios de Tchebyshev


O produto escalar usado para obter os polinmios de Tchebyshev

T0 , T1 , T2 ,...

dado por:
1

1 x

f ( x) g ( x)dx ou seja neste caso temos w( x)

1
1 x

com

[a, b] [1, 1]
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
48

iii) Polinmios de Laguerre


Para

obter

os

polinmios

de

Laguerre

usamos

produto

interno:

e x f ( x) g ( x)dx assim temos w( x) e x e [a, b] [0, ) .

iv) Polinmios de Hermite


O produto interno neste caso ser:

e x f ( x) g ( x)dx assim temos w( x) e x e [a, b] (, ) .


2

Ex 1: Obter os 3 primeiros polinmios de Legendre.


Soluo:...
---------------------------------///---------------------------------

9.5 Propriedade dos Polinmios Ortogonais


i) Todo polinmio de grau menor ou igual a n, pode ser escrito como combinao
linear de polinmios ortogonais 0 ,1 ,2 ,...,n .
ii) Sejam 0 ,1 ,2 ,...,n polinmios ortogonais.
Ento n ortogonal a qualquer polinmio

Q( x) de grau menor ou igual a n.

iii) Sejam 0 ,1 ,2 ,...,n polinmios ortogonais segundo o produto escalar:


b

f ( x), g ( x) w( x) f ( x) g ( x)dx com w( x) 0 e continua em (a, b) . Ento


a

n possui n razes reais, distintas em (a, b) .

0 ,1 ,2 ,...,n nas condies da prop. 3).


x0 , x1 , x2 ,..., xn as razes de n1 . Se um polinmio de grau menor ou igual a

iv) Sejam
Sejam

2n 1 ento:

k 0

w( x) f ( x)dx Ak f ( xk ) onde Ak w( x) Lk ( x)dx

com

Lk ( x) da

interpolao de Lagrange.

9.6 Frmula da Quadratura de Gauss


So as formulas usadas para calcular:
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
49

w( x) f ( x)dx valendo-se da propriedade 4. calculamos o valor aproximado da integral

usando:

k 0

w( x) f ( x)dx Ak f ( xk ) onde Ak w( x) Lk ( x)dx

da interpolao de Lagrange, sobre os pontos

com

Lk ( x)

x0 , x1 , x2 ,..., xn que so as razes do

polinmio ortogonal n1 .
Assim o procedimento para se calcular uma integral usando quadratura de Gauss, o
seguinte:
a) Determinar o polinmio ortogonal n1 ,segundo o produto escalar conveniente,
isto , a funo peso

w( x)

e no intervalo [a, b] .

x0 , x1 , x2 ,..., xn de n1 .

b) Calcular as razes

c) Determinar os polinmios de Lagrange

Lk ( x) usando os pontos obtidos em b).

d) Calcular

Ak w( x) Lk ( x)dx , k 0,1,2,...n .
a

e) Calcular o valor de
f) Calcular finalmente

f ( xk ); k 0,1,2,...n .

w( x) f ( x)dx Ak f ( xk ) .
k 0

Veja que um processo trabalhoso, mas para facilitar, a partir do momento em que
se define o polinmio ortogonal a ser usado, podemos usar valores j calculados e
tabelados de suas razes e os valores de

Ak

tambm j calculados e tabelados, assim s

ser necessrio realizar os itens e) e f).

9.7 Frmula de Gauss-Legendre


Para usarmos a formula de Gauss-Legendre a integral a ser calculada deve ter funo

w( x) 1 e os limites de integrao devera ser o interval

peso

[-1, 1], caso os limites

de integrao no sejam estes, esto deve-se fazer uma mudana de varivel para realizar a
integrao numrica.
Ex 1: Estime o valor da integral, usando quadratura de Gauss indicada.
i)

ii)

( x3 5 x 2 )dx

1
dx
x

Gauss-Legendre.

Gauss-Legendre.

9.8 Frmula de Gauss-Tchebyshev


______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
50

Neste

w( x)

caso

1
1 x

com

integral

ser

calculada

dever

ter

funo

peso

[a, b] [1,1] .caso o intervalo de integrao seja outro, deve-

se fazer uma mudana de varivel.


Ex 2: use a formula de Gauss-Thebyshev para calcular:

t 3 2t 2
4 4t

dt

9.9 Frmula de Gauss-Laguerre


Aqui a integral, imprpria, a ser calculada dever ter funo peso
intervalo de integrao

[a, b] [0, ) .

w( x) e x e

Caso o intervalo seja outro deveremos tentar

mudar de varivel.
Ex 3: Use a formula de Gauss-Laguerre para calcular a integral:

1
dx
x3 1

9.10 Frmula de Gauss-Hermite


Neste deveremos ter a integral imprpria com funo peso
de integrao

w( x) e x

e intervalo

(, ) .

Ex 4: Calcule:

e( x 1) dx
2

9.11 Erros nas Frmulas de Gauss


Quando a funo a ser integrada um polinmio sabemos que as formulas de
quadraturas fornecem o valor exato da integral.
Caso contrario o mtodo fornece um valor aproximado, onde os erros podem ser
estimados resolvendo:

9.12 Erro da formula de Gauss-Legendre

2 [(n 1)!]4
E
max f (2 n2) (t ) ; a t b
3
(2n 3).[(2n 2)!]
2 n 3

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


51

9.13 Erro da formula de Gauss-Tchebyshev

2
max f (2 n2) (t ) ; a t b
(2 n 2)
e
(2n 2)!

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


52

CAPITULO 10
MTODOS NUMRICOS PARA APROXIMAR SOLUES DE EQUAES
DIFERENCIAIS ORDINARIAS
Como sabemos para encontrarmos a soluo analtica de uma EDO as vezes o
processo um tanto trabalhoso e at impossvel em certos casos, assim veremos aqui
mtodos numricos que permite descobrir valores numricos aprox. da soluo, mesmo
sem que se conhea a soluo analtica da EDO.
Sempre partiremos de um valor conhecido, que a condio inicial, neste caso
temos um p.v.i problema de valor inicial.
Ex 1:

y' y
y (ln(2)) 1
Soluo:...
De modo mais geral, vamos trabalhar com problemas do tipo:

y ' f ( x, y )
y ( x0 ) y0

Onde os valores
CUIDADO:

x0

x0 e y0 sero valores conhecidos, no caso, a condio inicial.

nem sempre zero, pode ser um valor qualquer.

10.1 Mtodo de Taylor de ordem q


Dividindo

um

x0 a, x1 , x2 ,..., xn b
funo

[ a, b]

intervalo

em

subintervalos,

igualmente espaados, a uma distancia

com

h,

extremos

e expandindo a

y( xn1 ) y( xn h) em torno do ponto xn teremos:

hy '( xn ) h 2 y ''( xn )
h q y q ( xn ) h( q1) y ( q1) ( )
y ( xn1 ) y ( xn )

...

1!
2!
q!
(q 1)!
Onde o ultimo termo o erro de truncamento local, com xn xn1 .

(*)

Se f for suficientemente diferenivel, as sua derivadas podem ser obtidas,


considerando

y ' f ( x, y) como

uma funo

permite pensar na derivada exata de

f ( x, y) em

x de

pois

termos de

y y( x) , o que nos
x . Pela regra da cadeia

teremos:

y ' f ( x, y )

dy
f ( x, y )
dx

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


53

y '' f '( x, y )

f ( x, y ) dx f ( x, y ) dy

x dx
y dx

f '( x, y) f x ( x, y) f y ( x, y) f ( x, y)
y ''' f ''( x, y )

f '( x, y ) dx f '( x, y ) dy

x dx
y dx

f ''( x, y) f 'x ( x, y) f ' y ( x, y) f ( x, y)


E assim por diante.
Para simplificar a notao considerar daqui por diante:

y( xn ) yn ,

f ( j ) ( xn , yn ) f n ( j ) j 0,1,2,..., n

onde

f n (0) f n .

Truncando a equao (*) em que q termos, e substituindo as derivadas de

j na

nova notao teremos:

hf n h 2 f 'n
h q f n ( q1)
yn1 yn

...
1!
2!
q!

conhecido como Mtodo de Taylor de

ordem q
Ex 1: Resolver o p.v.i atravs do mtodo de Taylor de ordem 3.

y ' y2 2x 1
y (0) 1
No intervalo [0;

3] com h 0.1
10.2 Mtodos dos Passos Mltiplos

10.3 Mtodo de Euller


Se tomarmos o mtodo de Taylor de ordem 1, teremos o que tambm chamado de
Mtodo de Euller, Mas a deduo do mtodo pode ser feita de varias formas.

y ' f ( x, y) como y y( x) podemos pensar em f


f ( x) o que nos permite algumas dedues.

Se

apenas como uma funo

Vejamos uma deduo geomtrica do mtodo:

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


54

Avaliando as reas. Teremos:

xn 1

xn

y ' dx y xn1 y ( xn1 ) y ( xn )


x

por outro lado, neste caso, temos

I ( xn1 xn ). f ( xn ) h. f ( xn ) o que nos dara

y( xn1 ) y( xn ) h. f ( xn ) y( xn1 ) y( xn ) hf ( xn )
xn xn1 h 0

lembrando que

y( xn1 ) y( xn ) hf ( xn , yn )

f ( x) f ( x, y( x))

ento se tivermos

assim podemos ver que

que o Mtodo de Euller.

Escrevendo na notao adotada teremos:

yn1 yn hf n
O erro do mtodo de Euller pode ser calculado por

h(2) f '( )
2!

com

xn xn1

Note ser h no for muito pequeno ento o erro ser grande. Para contornar isso
feito um aprimoramento do mtodo de Euller, usando a idia de reas, aplicando a regra
dos trapzios teremos:

10.4 Mtodo de Euller Aprimorado

Da mesma forma temos:


______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
55

xn 1

xn

y ' dx y xn1 y ( xn1 ) y ( xn )


x

por outro lado, neste caso, teremos:

I ( xn1 xn ).

[ f ( xn ) f ( xn1 )] h
.[ f ( xn ) f ( xn1 )] que resultara em
2
2

h
h
y( xn1 ) y( xn ) .[ f ( xn ) f ( xn1 )] y( xn1 ) y( xn ) .[ f ( xn ) f ( xn1 )]
2
2
Se tivermos, como no exemplo anterior

xn xn1 h 0 ento

h
y ( xn1 ) y ( xn ) .[ f ( xn ) f ( xn1 )]
2

f ( x) f ( x, y)

ento:

problema aqui que temos


isolar

y ( xn1 ) o

como

estamos

considerando

h
y ( xn1 ) y ( xn ) .[ f ( xn , yn ) f ( xn1 , yn1 )] . O
2
y ( xn1 ) em ambos os lados da equao, assim deveramos

que nem sempre fcil, as vezes impossvel, tomaremos ento

y( xn1 ) y( xn ) hf ( xn , yn ) do mtodo de Euller. O que resultara

h
y ( xn1 ) y ( xn ) . f ( xn ) f xn1 , yn hf ( xn )
2

que chamado de Mtodo

de Euller Aprimorado. Podendo ser escrito como:

h
yn1 yn . f n f n1
2
Ex 1:
Encontre valores para

y1 e y2

atravs do mtodo de Euller aprimorado com

h 0.025

Onde:

y ' 1 x 4y

y(0) 1

Soluo:
----------------------------------------///-------------------------------------Usando o Maple podemos fazer os clculos da seguinte forma:

Mtodo de Euller Aprimorado.


> restart:
Digits:=6;
f:=(x,y)->3*x^2-7*x+3-3*y;
h:=0.1;
x[0]:=1;
y[0]:=2;
n:=0;
> while n<2 do
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
56

x[n+1]:=x[0]+(n+1)*h;
("x"=x[n], "y"=y[n]);
k[1]:=evalf(f(x[n],y[n]));
("x"=x[n]+h,

"y"=y[n]+h*k[1]);

k[2]:=evalf(f(x[n]+h,y[n]+h*k[1]));
y[n+1]:=evalf(y[n]+h/2*(k[1]+k[2]));
print("----------------(((o)))------------------");
n:=n+1:
end do;

10.5 Erros nos mtodo de Euller e Euller aprimorado


Como o Mtodo de Euller pode ser interpretado como mtodo de Taylor de ordem q
erro pode ser estimado por:

h 2 f '(t , y (t ))
E max
; xn t xn1
2
Note que deduzimos o Mtodo de Euller Aprimorado, atravs da regra dos trapzios,
assim o seu erro pode ser estimado por:

h3 f ''(t , y (t ))
E max
; xn t xn1
12
Podemos verificar que no Mtodo de Euller tomarmos

E max
h

h
2

f '(t , y (t ))
2

h 2 f '(t , y (t ))
max
4.2

h
2

ento o erro ser:,

xn t xn1

assim com

o erro foi reduzido em 4 partes.

J no Mtodo de Euller Aprimorado, podemos verificar facilmente que se tomarmos

h
2

ento o erro ser reduzido em 8 vezes.

O que torna o tamanho do passo


parmetros aceitveis.

importante para controlar o erro dentro de

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


57

10.6 Mtodo de Runge-Kutta


Definio 1
O mtodo geral de Runge-Kutta de R estgios definido por:

yn1 yn h ( xn , yn , h)

onde

( xn , yn , h) cr kr
r 1

k1 f ( x, y)
r 1

kr f ( x ar h, y h brs ks )

r 2,3,4,..., R

s 1

r 1

ar brs ;

r 2,3,4,..., R

s 1

10.7 Mtodo de Runge-Kutta de ordem 2


Nesta caso temos ento R = 2, assim:
2

( xn , yn , h) cr kr c1k1 c2 k2
r 1

k1 f ( x, y)
1

k2 f ( x a2 h, y h brs ks )
s 1

k2 f ( x a2 h, y hb21k1 ) f ( x a2h, y a2hk1 )

pois

a2 b21
Para determinar as constantes

c1 , c2 , a2 , que omitirei os clculos aqui, mas estes

podem ser encontrados nas referncias citadas no final desse trabalho, desenvolvendo

k2 em em srie de Taylor torno do ponto ( x, y)

e desenvolvendo

( xn , yn , h) em srie

Taylor, e comparando os resultados obtidos teremos o sistema:

c1 c2 1

1
c
a

2 2 2
Que possui infinitas solues, logo atribuindo valores para uma das incgnitas,
encontramos os valores das demais em funo desta.
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
58

Um mtodo de Runge-Kutta de ordem 2 e 2 estgios mais conhecido obtido


atribuindo os valores:

1
1
c2 e a2 1
2
2
1
1
yn1 yn hk1 hk2
2
2
1
yn1 yn h k1 k2
2

c1

Onde:

k1 f ( x, y)

k2 f ( x h, y hk1 )

conhecido tambm como

Mtodo de Euller Aprimorado.

10.8 Mtodo de Runge-Kutta de 4 estgios e ordem 4


o mais utilizado na pratica e dado por:

yn1 yn

h
k1 2k2 2k3 k4
6

Onde:

k1 f ( xn , yn )
h
h
k2 f ( xn , yn k1 )
2
2
h
h
k3 f ( xn , yn k2 )
2
2
k4 f ( xn h, yn hk3 )
Ex 45: Encontre as solues do p.v.i no intervalo [0,0.4] com

h 0.2 e y(0) 1

y ' 1 x 4y
Soluo;...
-------------------------------///---------------------------------A mesma resoluo usando o Maple. Mtodo de Runge-Kutta
>
> restart:
> f:=(x,y)->1-x-4*y
> h:=0.2;# tamanho do passo
> x[0]:=0;
y[0]:=1;
# cond. iniciais
> n:=0;
> while n < 2 do
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
59

x[n+1]:=x[0]+(n+1)*h;
k[1]:=f(x[n],y[n]);
k[2]:=f(x[n]+1/2*h,y[n]+h/2*k[1]);
k[3]:=f(x[n]+1/2*h,y[n]+h/2*k[2]);
k[4]:=f(x[n]+h,y[n]+h*k[3]);
print("---------//-----------");
y[n+1]:=y[n]+h/6*(k[1]+2*k[2]+2*k[3]+k[4]);
print("---------//-----------");
n:=n+1:
end do;

10.9 Sistemas de Equaes Diferenciais Ordinrias


Consideremos um sistema de n equaes diferenciais de primeira ordem:

y '1 f1 ( x, y1 , y2 ,..., yn )
y ' f ( x, y , y ,..., y )
2
2
1
2
n

y 'n f n ( x, y1 , y2 ,..., yn )
Para que possamos encontrar as solues, deveremos ter as condies iniciais:

y1 ( x0 ) ( y1 )0 , y2 ( x0 ) ( y2 )0 , y3 ( x0 ) ( y3 )0 , ... , yn ( x0 ) ( yn )0
Todos os mtodos vistos at aqui, podem ser usados para resolver esses sistemas.
Ex1 : Vejamos um caso de um sistema de 2 equaes.

y ' f ( x, y , z )

z ' g ( x, y , z )
y ( x0 ) y0
z ( x0 ) z0
10.10 Usando mtodo de Euller:

yn1 yn h. f ( x, y, z )
zn1 zn h.g ( x, y, z )
10.11 Usando mtodo de Euller Aprimorado
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
60

h
yn1 yn .(k1 k2 )
2
h
zn1 zn .(l1 l2 ) onde
2
k1 f ( xn , yn , zn ) e l1 g ( xn , yn , zn )
k2 f ( xn h, yn h.k1 , zn h.l1 ) e l2 g ( xn h, yn h.k1 , zn h.l1 )
10.12 Usando mtodo de Runge-Kutta

h
k1 2k2 2k3 k4
6
h
zn1 zn l1 2l2 2l3 l4 onde
6
k1 f ( xn , yn , zn ) e l1 g ( xn , yn , zn )
yn1 yn

h
h
h
h
h
h
k2 f ( xn , yn k1 , zn l1 ) e l2 g ( xn , yn k1 , z n l1 )
2
2
2
2
2
2
h
h
h
h
h
h
k3 f ( xn , yn k2 , zn l2 ) e l3 g ( xn , yn k2 , zn l2 )
2
2
2
2
2
2
k4 f ( xn h, yn hk3 , zn hl3 ) e l4 g ( xn h, yn hk3 , zn hl3 )
Ex 1: Considere o sistema de equaes diferenciais de ordem um:

y ' y 2 2 yz

2
z ' xy y sen( z )
y (0) 1
z (0) 1
Encontre, atravs do mtodo de Euller Aprimorado,

y1 e y2 com h 0.1.

Soluo:
----------------------------------///----------------------------

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


61

CAPITULO 11
EQUAES DIFERENCIAIS DE ORDEM SUPERIOR
11.1 Equaes Diferenciais de Ordem Superior
Consideremos a equao diferencial de ordem n:

y ( n) F ( x, y, y ',..., y ( n1) ) com as condies iniciais

y( x0 ) y0 ; y '( x0 ) y '0 ; y ''( x0 ) y ''0 ; ... ; y ( n1) ( x0 ) y0( n1)


Todos os mtodos vistos at agora, sevem para encontrar solues de p.v.i de ordem
um., para resolver os p.v.i de ordem n, vamos reduzi-los a um sistema de n equaes
diferencias de ordem um e usar os mtodos para resolver sistemas j vistos.
Sem perda de generalidade, vamos tomar um exemplo de ordem 3.
Ex 1:

y "' F ( x, y, y ', y '')


y ( x0 ) y0
y '( x0 ) y '0
y ''( x0 ) y0 ''
Tomando

y ' z y '' z ' g ( x, y, z, w) z ' w z '' w ' u( x, y, z, w) termos

sistema:

y ' f ( x, y, z, w) z

z ' g ( x, y, z, w)
w ' u ( x, y, z, w)

y ( x0 ) y0 ; z ( x0 ) z0 ; w( x0 ) w0
Ex 2: Encontre, atravs do mtodo de Euller Aprimorado as solues do p.v.i dado por:

y '' y e x
y (1) 1
y '(1) 0
x [1; 1.2] com h 0.1
Soluo:...
______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak
62

------------------------------------///-------------------------------------Ex 3: Reescreva o p.v.i na forma de um sistema de equaes dif. de ordem um.

( x 2 1) y (4) e x y ''' y ' cos( x)


y (1) 0; y '(1) 2; y ''(1) 1; y '''(1) 2
Soluo:...
----------------------------------///------------------------------------Ex 4: Encontre atravs do mtodo de Euller,com h = 0.15,

y1 e y2 do p.v.i dado por:

3 y ''' xy '' y ' y x 2 1


y (2) 0; y '(2) 1; y ''(2) 2
Soluo;...
-----------------------------------------///--------------------------------------Ex 5: Escreva como ficaria o mtodo de Runge-kutta para encontrar as solues de um p.v.i
de ordem 4.

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


63

CAPITULO 12
EQUAES DIFERENCIAIS PARCIAIS
(...)

______________________________________________Clculo Numrico-Prof.Srgio Marcussi Gaspechak


64