Exemplos - Métodos Matemáticos em Engenharia

Mtodos Matemticos em Engenharia
Exemplo:
Circuito eltrico composto de uma fonte de tenso e
um resistor.
Introduo de um dodo no circuito:
D
i
V
V
R
R
kT i
ln
1
q Is
V R i 0
v i
V
i
R
Soluo utilizando mtodos numricos
kT i
V R i
ln
1 0
q Is
Soluo exata
Exemplos:
a)
x2
dx no tem primitiva em forma simples;
b) y y 2 t 2 no pode ser resolvido analiticamente;

c) Equaes diferenciais parciais no lineares podem ser resolvidas analiticamente s em casos
particulares.
Os mtodos numricos buscam solues aproximadas para as formulaes matemticas.
Nos problemas reais, os dados so medidas e, como tais, no so exatos. Uma medida fsica no um
nmero, um intervalo, pela prpria impreciso das medidas. Da, trabalha-se sempre com a figura do
erro, inerente prpria medio.
Os mtodos aproximados buscam uma aproximao do que seria o valor exato. Dessa forma inerente aos
mtodos se trabalhar com a figura da aproximao, do erro, do desvio.
Passos para a resoluo de problemas

PROBLEMA MODELAGEM REFINAMENTO RESULTADO DE CINCIAS AFINS
MENSURAO ESCOLHA DE MTODOS ESCOLHA DE PARMETROS
TRUNCAMENTO DAS ITERAES RESULTADO NUMRICO
Resumindo:
PROBLEMA (modelagem) MODELO MATEMTICO (resoluo) SOLUO
PROBLEMA {(levantamento de dados) / (construo do modelo matemtico)} ESCOLHA DO
MTODO NUMRICO IMPLEMENTAO COMPUTACIONAL ANLISE DOS
RESULTADOS VERIFICAO
Influncia dos Erros nas Solues

Exemplo 1:
Falha no lanamento de msseis
(25/02/1991 Guerra do Golfo mssil Patriot)
Limitao na representao numrica (24 bits) Erro de 0,34 s no clculo do tempo de lanamento
Exemplo 2:
Exploso de foguetes
(04/06/1996 Guiana Francesa foguete Ariane 5)
Limitao na representao numrica (64 bits/ 16 bits) Erro de trajetria 36,7s aps o
lanamento (Prejuzo: U$ 7,5 bilhes)
Aplicaes de clculo numrico na engenharia.

Determinao de razes de equaes
Interpolao de valores tabelados
Integrao numrica, entre outros.
Princpios
1. Iterao ou aproximao sucessiva
Partindo-se de soluo aproximada, inicial, repetem-se mesmas aes/processos para refinar
soluo inicial
OBS: para evitar trabalho sem fim (e de graa), deve-se determinar se a iterao converge (nem
sempre o caso...) e condies de parada
2. Discretizao
Na resoluo de problemas contnuos (aqueles definidos matematicamente com uma passagem ao
limite), inverte-se a passagem ao limite, discretizando o problema
Ex: e x dx ~...
2
3. Aproximao
Substituir uma funo ou modelo por outro que oferea comportamento (de interesse) semelhante,
mais simples de manipular
f(x)
g(x)
Ex: assntotas ilustram comportamento no limite de uma funo (complexa) de interesse
4. Transformao
Dado um problema P, desmembra-se P em dois problemas mais simples de resolver, P1 e P2
rea de um trapzio por retngulo (P1) e tringulos (P2)
Sistemas de numerao
Representao no posicional
romanos
MDCCCXLIX e MMCXXIV
Como seria MDCCCXLIX + MMCXXIV ?
Representao semi-posicional
hebraicos
1= ( aleph), 2= ( beth), 10= ( yod),
100= (kuph), 11= 101 , =(9+6) =15
alemo
Vinte e um = ein-und-zwanzig
francs
Noventa = quatre-vingt-dix
Representao posicional
Base decimal (10)
10 dgitos disponveis [0,1,2, ... ,9]
Posio indica potncia positiva de 10
5432 = 5x103 + 4x102 + 3x101 + 2x100
Representao de inteiros
Base binria (2)
2 bits disponveis [0,1]
Posio indica potncia positiva de 2
1011 na base 2 = 1x23 + 0x22 + 1x21 + 1x20 = 8+0+2+1 = 11 na base decimal
Ou, melhor 1x23 + 0x22 + 1x21 + 1x20 =

1 + 2(1+2(0+2(1))) = 11
Representao de nmeros fracionrios
Base decimal (10)
Posio da parte inteira indica potncia positiva de 10
Potncia negativa de 10 para parte fracionria
54,32 = 5x101 + 4x100 + 3x10-1 + 2x10-2
Base binria (2)
Posio da parte inteira indica potncia positiva de 2
Potncia negativa de 2 para parte fracionria
10,11 na base 2 = 1x21 + 0x20 + 1x2-1 + 1x2-2 = 2+0+1/2+1/4 = 2,75 na base
decimal
Maior interesse em decimal (10), anatomia e cultura humanas e binrio (2) uso em sistemas
computacionais
Outros sistemas
Octal (8), {0,1,2, ... , 7}
Hexadecimal (16), {0,1,2, ... , 9, A,B,C,D,E,F}
Duodecimal (relgio, calendrio)
Sistemas Numricos
Decimal
Binrio
Octal
Hexadecimal
0
0
0
0
1
1
1
1
2
10
2
2
3
11
3
3
4
100
4
4
5
101
5
5
6
110
6
6
7
111
7
7
8
1000
10
8
9
1001
11
9
10
1010
12
A
11
1011
13
B
12
1100
14
C
13
1101
15
D
14
1110
16
E
15
1111
17
F
Converso de base
Uma caixa aliengena com o nmero 25 gravado na tampa foi entregue a um grupo de cientistas. Ao
abrirem a caixa, encontraram 17 objetos. Considerando que o aliengena tem um formato
humanide, quantos dedos ele tem nas duas mos?
1710 = 25b
17 = 2xb1 + 5xb0
17 = 2b + 5
b = (17-5)/2 = 6
Um sistema ternrio tem 3 "trits", cada trit assumindo o valor 0, 1 ou 2. Quantos "trits" so
necessrios para representar um nmero de seis bits?
26 = 3y
64 = 3y
y = maior inteiro
log 22
log 23
y=4
(33=27 < 64 < 34=81)
Exemplo: Converter 25 decimal para binrio
25 / 2 = 12 (quociente) e resto 1=bms
12 / 2 = 6 (quociente) e resto 0
6 / 2 = 3 (quociente) e resto 0
3 / 2 = 1 (ltimo quociente=BMS) e resto 1
Binrio = BMS ... bms = 1 1 0 0 1
= 1x24 + 1x24 + 0x22 + 0x21 + 1x20
= 16 + 8 + 0 + 0 + 1 = 25 decimal
Procedimentos bsicos:
Divises sucessivas pela base do sistema para o qual se deseja converter o nmero
Decomposio polinomial do nmero a ser convertido
Agrupamento de bits
Converso (Inteiros) entre sistemas
125 2
62 2
1
31 2
0
15 2
1
7 2
1
3 2
1
1
1
12510 = 11111012
543 16
33 16
15
1
2
O resto 15 representado pela letra F
53810 = 21F16
a) (1011110010100111)2 = ( ? )16
b) (A79E)16 = ( ? )2
Converso octal hexadecimal

No realizada diretamente no h relao de potncias entre as bases oito e dezesseis.
Semelhante converso entre duas bases quaisquer base intermediria (base binria)
Converso em duas etapas:
1 - nmero: base octal (hexadecimal) binria.
2 - resultado intermedirio: binria hexadecimal (octal).
Converso de frao
Exemplo: converter 0,625 decimal para binrio
0,625 x 2 = 1,25 logo a primeira casa fracionria 1 ; nova frao (resto) 0,25 (1,251=0,25)
0,25 x 2 = 0,5 segunda casa 0 ; resto 0,5
0,5 x 2 = 1,0 terceira casa 1 ; resto zero.
Resultado: 0,62510 = 0,1012
Converso partes inteira, fracionria junta
Para converter um nmero com parte inteira e parte fracionria, fazer a converso de cada
parte, separadamente.
anbn an1bn1 an2bn2 ... a0b0 a1b 1 a2b 2 ... amb m
Parte Inteira
Parte Fracionria
Exerccios
Mostre que:
5,8 = 101,11001100... , uma dzima.
11,6 = 1011,10011001100...
a vrgula foi deslocada uma casa para a direita, pois 11,6 = 2 x 5,8 .
A Representao pode variar (flutuar) a posio da vrgula, ajustando potncia da base.
54,32 = 54,32 x 100 = 5,432 x 101 = 0,5432 x 102 = 5432,0 x 10-2
Forma normalizada usa um nico dgito antes da vrgula, diferente de zero
Exemplo: 5,432 x 101
No sistema binrio:
110101 = 110,101x23 = 1,10101x25 = 0,0110101x27
No caso de os nmeros serem armazenados em um computador, os expoentes sero
tambm gravados na base dois
Como 310 = 112 e 7=1112
110,101 x (10)11 = 1,10101x(10)101 = 0,0110101x(10)111
Na representao normalizada, h apenas um 1 antes da vrgula
Exemplo: 1,10101 x (10)101
Algumas definies
No nmero 1,10101 x (10)101 , tomado como referncia:
1,10101 = significando (ou mantissa)
101 = expoente
OBS: A base binria no precisa ser explicitada (o computador usa sempre esta), o 1 antes da
vrgula, na representao normalizada se esta for adotada, tambm pode ficar implcito,
economizando um bit (bit escondido).
Representao genrica
d0,d1d2...dtx(b)exp ,
t o nmero de dgitos da mantissa
d1d2...dt = mantissa, com 0 di (b-1)
exp = expoente (inteiro com sinal)
Ainda os expoentes na ilustrao...
Maior nmero positivo (lembre do bit escondido)
0 110 1111 = + 23 x 1,1111 = 23 x (2- 2-4 ) = 1111,1 = 15,5 decimal
Menor nmero positivo (lembre do bit escondido)
0 001 0000 = + 2-2 x 1,0000 = 2-2 x 20 = 0,01 ou 0,25 decimal
Combinaes especiais dos expoentes na ilustrao...
000 representao NO normalizada
Significando passa a ser 0,_ _ _ ...
Expoente (000) = -2
Menor nmero positivo passa a ser
0 000 0001 = 2-2 x 0,0001 = 2-2 x 2-4 = 2-6 = 0,015625
Erros de Truncamento/Arredondamento
Normalizao no permite representar zero!

Resultado
Errosde 000 representao NO normalizada
com
Erros
Aquisio/Entradade 00000000 = + 0 decimal
Dados
10000000 = - 0 decimal
Unidade
Unidade Central
ULA
So iguais
comparaes
deem
Controle
de
Processamento
111 representaes de infinito
01110000 = + infinito
Unidade Primria
11110000de
= -Armazenamento
infinito
11111000 = indeterminao
Outras combinaes 11111_ _ _ = Not A Number (NANs)
Erro na representao
de floats
Dispositivos Secondrios
Nmero finito de bits na representao

de (nmero
Armazenamento
apenas maior na preciso dupla), implica em
truncamento (ou arredondamento) do nmero real a ser representado. Truncamento introduz erro
na representao. Casos especiais:
Overflow: nmero a representar maior que maior nmero possvel de ser

representado
Underflow: nmero a representar menor que menor nmero possvel de ser representado
Existncia de Erro
Premissa: Impossibilidade de obteno de solues analticas para
vrios problemas de Engenharia.
Consequncia: Emprego de mtodos numricos na resoluo de inmeros problemas do mundo
real.
Mtodo Numrico
Mtodo adotado na resoluo de um problema fsico, mediante a execuo de uma sequncia finita
de operaes aritmticas.
Consequncia: Obteno de um resultado aproximado, cuja diferena do resultado esperado (exato)
denomina-se erro.
Erro Inerente
Erro sempre presente nas solues numricas, devido incerteza sobre o valor real.
Erros inerentes ao processo de aquisio dos dados tambm so relativos impreciso no processo
de aquisio/entrada, externos ao processo numrico.
Ex. 01: Representao intervalar de dados
(50,3 0,2) cm
(1,57 0,003) ml
(110,276 1,04) Kg
Cada medida um intervalo e no um nmero.
Erros Inerentes aos Dados
Provenincia Processo de aquisio/entrada (medidas experimentais)

Sujeitos s limitaes/aferio dos instrumentos usados no processo de mensurao
Erros inerentes so inevitveis!
Erros inerentes ao modelo matemtico adotado

Relativos impossibilidade de representao exata dos fenmenos reais a partir de modelos
matemticos
Necessidade de adotar condies que simplifiquem o problema, a fim de torn-lo numericamente
solvel
Erros Inerentes ao Modelo

Proven (Processo de modelagem do problema), ou seja, os modelos matemticos raramente
oferecem representaes exatas dos fenmenos reais (Equaes e relaes, assim como dados e
parmetros associados, costumam ser simplificados) entorno da factibilidade e viabilidade das
solues.
Erros de truncamento: Substituio de um processo infinito de operaes por outro
finito. Em muitos casos, o erro de truncamento precisamente a diferena entre o
modelo matemtico e o modelo numrico.
Erros de arredondamento: Inerentes estrutura da mquina e utilizao de uma
aritmtica de preciso finita
Erros de Aquisio/
Entrada de Dados
Erros
Inerentes
ao Modelo
Problema
do Mundo Real
Dados e
Parmetros
do Modelo
Modelo
Matemtico
Modelo
Numrico
Processamento
Numrico
Soluo
Numrica
Erros de
Arredondamento
Erros de
Truncamento
Representao Numrica em Mquinas Digitais

Discreta Conjunto finito de nmeros em qualquer intervalo [a, b] de interesse
Implicao imediata Possibilidade de comprometimento da preciso dos
resultados, mesmo em representaes de dupla preciso
Resultado na Sada
Incorporao de todos os erros do processo
Quo confivel o resultado aproximado?
Quanto erro est presente no resultado?
At que ponto o erro presente no resultado tolervel?
Acurcia (ou Exatido)

Quo prximo um valor computado/mensurado se encontra do valor real (verdadeiro)
Inacurcia (ou Inexatido)
Desvio sistemtico do valor real
Preciso (ou Reproducibilidade)
Quo prximo um valor computado/ mensurado se encontra de valores previamente
computados/mensurados
Impreciso (ou Incerteza)
Magnitude do espalhamento dos valores
Exatido x Preciso
Exatido
(Acurcia)
P
R
E
C
I
S
O
R
E
P
R
O
D
U
C
I
B
I
L
I
D
A
D
E
Indicador de Preciso de um Resultado
Algarismos significativos (as)
Algarismos que podem ser usados com confiana

Exemplo 02:
Considerem-se os seguintes valores de mdias obtidas em um experimento estatstico
= 138
0 casas decimais (cd)
= 138,7
1 cd
= 138,76
2 cd
= 138,76875
5 cd
= 138, 7687549
7 cd
= 138, 768754927 9 cd
Os valores das mdias podem ser representadas como:
= 138
= 0,138 . 103
3 as
3
= 138,7
= 0,1387 .10
4 as
3
= 138,76
= 0,13876 . 10
5 as
= 138,76875
= 138, 7687549
= 138, 768754927
= 0,13876875 . 103
= 0,1387687549 . 103
= 0,138768754927 . 103
8 as
10 as
12 as
Erros nos Mtodos

derivado aproximao da soluo de um problema de Matemtica. Por exemplo o truncamento
de uma soluo em srie, considerando apenas um nmero finito de termos.
Exemplo 03:
exp(x)
xn
x 2 x3
exp( x ) 1 x ...
2! 3!
n 0 n!
Determinao do valor de e, Sabendo que:
e
n!
n0
. Logo: e
n 0
1
2,71828182845905
n!
5
1
2,71666666666667
n 0 n!
um truncamento no sexto termo gera: e

Ento, o erro de truncamento, ET, ser:
ET
ET
5
1
1
n 0 n!
n 0 n!
2,71828182845905
ET
2,71666666666667
0,00161516179238
Exemplo 04:
Determinao do nmero de termos para a aproximao de cos(x) com 8 as, considerando x=/3.
(1) n
x2 x4 x6
cos(
x
)
...
Lembrar que:
2! 4! 6!
n 0 ( 2n)!
Ento:
x 2 (0.3 ) 2
x2
0.4444132198 cos x 1
0.555867802
2!
2
2!
4
x 4 0.3
x2 x4
0.032875568 cos x 1
0.588743370
4!
24
2! 4!
6
x 6 0.3
x2 x4 x6
0.000973407 cos x 1
0.587769964
6!
720
2! 4! 6!
Observe-se que o segundo as no mais se alterar.

E que o quarto as no mais se alterar a partir de:
8
x 8 0.3
x 2 x 4 x6 x8
8!
10
40320
0.00001544 cos x 1
2!
4!
6!
8!
0.587785404
nem o sexto as a partir de:

0.3 10
x
x 2 x 4 x 6 x 8 x10
0.000000152387 cos x 1
0.587785251
10! 3628800
2! 4! 6! 8! 10!
12
nem o oitavo as a partir de:

0.3 12
x
x 2 x 4 x 6 x 8 x 10 x 12
0.00000000102545 cos x 1
0.587785251
12! 479001600
2! 4! 6! 8! 10! 12!
Assim sendo, o nmero de termos para a aproximao de cos(x) com 8 as igual a 7 (incluindo o
termo de ordem 0, igual a 1)
Exerccio 01:
Determinar o nmero de termos para a aproximao de
1. log(1+x) com 8 as, considerando x = 0,09
2. sen(x) com 6 as, considerando x= 4/3

3. exp(x) com 7 as, considerando x= 1/3
Qual a concluso a que se chega a partir destes clculos?
Erro de Representao x Erro de Truncamento de Dgitos

Erro de Representao: Est associado converso numrica entre bases (representao humana e
de mquina) ou realizao de operaes aritmticas
Um nmero pode ter representao finita em uma base e no finita em outra, isto constitui um Erro
de Representao.
Ex. 05:
Converso de 0,110 para a base 2.
0,110 = 0,00011001100110011...2
0,110 no tem representao exata na base 2
A representao de um nmero depende da base em uso e do nmero mximo de dgitos usados em
sua representao.
Erro de Truncamento de Dgitos: Est associado quantidade de informao que a mquina pode
conter sob a forma de um nmero
Ex. 06:
Clculo da rea de uma circunferncia de raio 100 m
Possveis resultados:
(1) A = 31400 m2
(2) A = 31416 m2
(3) A = 31415,92654 m2
no tem representao finita - 3,14 (1), 3,1416 (2) e 3,141592654 (3)
Operaes com dados imprecisos ou incertos acarretam a propagao do erro.
Ex. 07:
3000
Determinar S =
a partir de uma calculadora e um computador, para xi = 0,5 e xi = 0,1
i =1
xi
Calculadora
0,5 S= 1500
0,1 S= 300
Computador
S= 1500
S=300,00909424 (preciso simples)
S=299,999999999999720 (preciso dupla)
Tipos de Erros
Erro Absoluto
Diferena entre o valor exato de um nmero e o seu valor aproximado (em mdulo)
EA x | x x |
Consideraes
EAx s poder ser determinado se x for conhecido com exatido
Na prtica, costuma-se trabalhar com um limitante superior para o erro, ao invs do prprio
erro (|E | < , sendo o limitante)
Ex. 08:
Para (3,14; 3,15)
EA = - < 0,01
Sejam a = 3876,373 e b = 1,373
'
Considerando-se a parte inteira de a (a) o erro absoluto ser: EA a a a 0,373 e a parte inteira
'
de b (b) , o erro absoluto ser: EA b b b 0,373
Obviamente, o resultado do erro absoluto o mesmo nos dois casos

Entretanto, o peso da aproximao em b maior do que em a
Erro Relativo
Razo entre o erro absoluto e o valor exato do nmero considerado (em mdulo)
|xx|
ER x
|x|
Erro Percentual x = ERx . 100%
Este tipo de erro utilizado em processos iterativos pois, sendo o processo convergente, a cada
iterao o valor atual est mais prximo mais do valor exato do que o valor anterior
x valor anterior
x valor atual
Considerao
O erro relativo pode, entretanto, traduzir perfeitamente este fato, pois:
0,373
ER a
0,000096 10 4
3876
0,373
ER b
o,373 5X100
1
Ex. 09:
Clculo do erro relativo na representao dos nmeros a = 2112,9 e e = 5,3, sendo |EA| < 0,1.
|ERa| = |a - |/|a| = 0,1/2112,9 4,7 x 10-5
|ERe| = |e - |/|e| = 0,1/5,3 0,02
Concluso: a representado com maior preciso do que e que Quanto menor for o erro, maior ser
a preciso do resultado da operao.
Erro de Arredondamento
Ex. 10:
Clculo de
2 utilizando uma calculadora digital
Valor apresentado: 1,4142136

Valor real: 1,41421356...
Inexistncia de forma de representao de nmeros irracionais com uma quantidade finita de
algarismos
Apresentao de uma aproximao do nmero pela calculadora

Erro de arredondamento
Truncamento de Dgitos
Descarte dos dgitos finais de uma representao exata por limitaes de representao em vrgula
flutuante
Ex. 11:
Representao truncada de 2 em vrgula flutuante com 7 dgitos
Valor apresentado: 1,4142135
Valor real: 1,41421356...
Erros de Truncamento e Arredondamento
Demonstrao
Em um sistema que opera em ponto flutuante de t dgitos na base 10, e seja x:
x = fx.10e + gx.10e-t (0,1 fx 1 e 0,1 gx 1)
Para t = 4 e x = 234,57, ento:

x = 0,2345 . 103 + 0,7 . 10-1
fx = 0,2345
gx =0,7
e
No truncamento, gx.10e-t desprezado e x f x .10
EA x x x g x .10e t 10 e t
visto que |gx|<1

ER x
EA x
x
g x .10e t
f x .10e g x .10e t
10 e t
10 t 1
0,1.10e
pois 0,1 o menor valor possvel para fx

No arredondamento simtrico (forma mais utilizada):
1
e
f
.
10
,
se
(
g
, g x desprezado)
x
x
2
x
f .10 e 10 et , se g 1 (soma 1 ao ltimo dgito de f )
x
x
x
2
Se g x
1
, ento:
2
1
EA x x x g x .10e t .10e t
2
e t
EA x
g x .10
0,5.10e t 1 t 1
ER x
.10
x
f x .10e g x .10e t
0,1.10 e
2
Se g x
1
, ento:
2
EA x x x f x .10 e g x .10e t f x .10 e 10e t
1
EA x g x .10 e t 10 e t g x 1 .10 e t .10 e t
2
e ER x
EA x
x
1/2.10 e t
1/2.10 e t 1/2.10 e t 1
.10 t 1
e
e
e
et
2
f
.
10
0,1
.
10
f x .10 10
Erros de Truncamento e Arredondamento

Sistema operando em ponto flutuante - Base 10
Erro de Truncamento
EA x 10 e t e ER x 10 t 1
Erro de Arredondamento
EA x
1
1
10 e t e ER x 10 t 1
2
2
e - n de dgitos inteiros
t - n de dgitos
Sistema de aritmtica de ponto flutuante de 4 dgitos, preciso dupla
Ex. 12:
Seja x = 0,937.104 e y = 0,1272.102. Calcular x+y.
Alinhamento dos pontos decimais antes da soma
x = 0,937. 104 e y = 0,001272. 104,
x+y = 0,938272. 104
Resultado com 4 dgitos
Arredondamento:
x+y = 0,9383.104
Truncamento: x+y = 0,9382.104
Alinhamento dos pontos decimais antes da multiplicao
x.y = (0,937.104).(0,1272.102)
x.y = (0,937.0,1272).106 x.y = 0,1191864.106

Arredondamento:
x.y = 0,1192.106
Truncamento: x.y = 0,1191.106
Consideraes
Ainda que as parcelas ou fatores de uma operao possam ser representados
exatamente no sistema, no se pode esperar que o resultado armazenado seja exato.
x e y tinham representao exata, mas os resultados x+y e x.y tiveram
representao aproximada.
Ex. 13: Seja x = 0,7237.104, y = 0,2145.10-4 e z = 0,2585.10. Efetuar a operao
x + y + z e calcular o erro relativo do resultado, supondo x, y
e z exatamente representados.
x+y+z = 0,7237.104 + 0,2145.10-4+ 0,2585.10 = 0,7237.104 + 0,000000002145.104 +
0,0002585.104 = 0,723958502.104
Arredondamento:
x+y+z = 0,7240.104
Truncamento: x+y+z = 0,7239.104
Erro relativo (no arredondamento):
EAx y z
0,723958502.10 4 - 0,7240.10 4
ERx y z
x
0,723958502.10 4
1
5,7321.10 5 .10 3
2
Sistemas de Vrgula Flutuante (VF)

Um sistema VF(b, p, q) constitudo por todos os nmeros reais X da forma:
X mb t , em que b -1 m 1 - b -p e ainda X = 0
( t ...t t )
Portanto, X (.d -1 d -2 d -3 ...d -p )b q -1 1 0 , na qual:
p um nmero finito de dgitos para a mantissa;
q um nmero finito de dgitos para o expoente;
b a base do sistema.
Considera-se que a mantissa normalizada, i.e., d 0, exceto a representao do zero.
Representam-se na forma VF(b, p, q, Y), onde Y determina qual mtodo o sistema adota:
Caso Y = A Arredondamento;
Caso Y = T Truncamento de Dgitos.
Unidade de arredondamento (u): majorante do erro relativo na representao de um nmero num
dado sistema VF(b, p, q), tal que:
1 1- p
b , em VF(b, p, q, A)
2
u b1- p , em VF(b, p, q, T)
u
Ex. 14:
Determine as razes da equao x2 + 0,7341x + 0,600.10-4 = 0 no sistema VF (10, 4, 2, T),
considerando que no existem dgitos de guarda no processamento das operaes em ponto
flutuante.
a) A partir da expresso utilizada na resoluo de equaes quadrticas, calcule o erros
absolutos e relativos (EAx1, EAx2 , ERx1 e ERx2).
b)
Justifique a origem do erro relativo obtido na menor raiz (em mdulo), sugerindo
uma forma de melhoria numrica para a resoluo de tal problema.
Soluo:
a)
-b
b 2 - 4ac
2a
fl(b) 0,7341.10 0
x 1,2
fl(b 2 ) (0,7341.0,7341)(10 0.10 0 )

0,5389028.10 0
fl (b 2 ) 0,5389.10 0
fl(c) (0.6000)10- 4
fl (4) (0.4000)101
fl(2) = (0.2000)101
fl(4c) = (0,4000.0,6000)(10-4.101 )
fl(4c) = o,2400.10-3
fl(b 2 - 4c) = 0,5389.100 - 0,2400.10 -3 =
(0,5389 - 0,0002400).100 =
fl(b 2 - 4c) = 0,5387.100
1
fl( (b 2 - 4c ) = (0,5387.100 ) 2 = 0,7339.100

Primeira raiz:
fl(-b b 2 4c ) -0,7341.100 0,7339.10 0
- b b 2 4c - 0,1468.10 1

fl(x1 ) fl
2
0,2000.10 1
fl(x1 ) -0,7340.100
Segunda raiz:
fl(-b b 2 4c ) -0,7341.100 0,7339.10 0
- b b 2 4c - 0,0002.10 1

fl(x1 ) fl
2
0,2000.10 1
fl(x1 ) -0,1000.10-3
O cancelamento subtrativo (ou catastrfico) ocorre quando se subtraem nmeros muito
prximos em sistemas de vrgula flutuante.
Para calcular os erros cometidos em FP, necessrio conhecer os valores exatos das razes.
Considerando um dgito a mais do que a representao da mantissa no sistema, i.e., 5 dgitos,
obtm-se:
x1 -0,73402.10 0
x 2 -0,81742.10 -4
Assim sendo, os erros absolutos e relativos sero:
EA x1 - 0,73402.100 - (-0,7340.100 ) 0,20000.10-4
EA x1 - 0,81742.10-4 - (-0,1000.10-3 ) 0,18258.10 -4
EAx1
0,2000.10-4
ERx1
0,27247.10- 4 ERx1 % 0,003%

0
x1
- 0,73402.10
ERx1 % 0,0%
EAx 2
0,18258.10-4
0,22336.10 0 ERx 2 % 22,3%

-4
x2
- 0,81742.10
Constatao:
ERx 2
Apesar dos erros absolutos serem praticamente iguais, a segunda raiz apresenta um erro relativo
quatro ordens de grandeza maior do que o erro relativo cometido no clculo da primeira raiz.
Soluo:
b)
O problema do erro relativo cometido no clculo da segunda raiz deve-se ao
cancelamento subtrativo, verificado quando nmeros muito prximos se subtraem em
aritmtica de vrgula flutuante.
Para evitar o cancelamento subtrativo, 2 opes conduzem ao mesmo resultado, a saber:
1. Manipulao da frmula para a determinao dos zeros
x2
- b b 2 4c - b b 2 4c - b b 2 4c
2
2
- b b 2 4c
(-b) 2
4c
b 2 4c
2. - b b 2
2c
- b b 2 4c
2c
c
2 x1 x1
2. Manipulao da frmula para a determinao dos zeros

c
0,6000.10 4
fl(x
)
fl
0,8174.10 4
Assim:
2
0
x
0
,
7340
.
10
1
3. Manipulao simblica da equao genrica de segundo grau

ax 2 bx c a(x - x1 )(x - x 2 )
a(x 2 - x1x - x 2 x x1x 2 )
ax 2 - a(x1 x 2 )x ax1x 2 c ax1x 2
x2
c
ax1
Propagao de Erros
Durante as operaes aritmticas de um mtodo, os erros dos operandos produzem um erro no
resultado da operao
Propagao ao longo do processo
Determinao do erro no resultado final obtido
Ex. 14:
Sejam as operaes a seguir, processadas em uma mquina com 4 dgitos significativos e fazendose: a = 0,3491.104 e b = 0,2345.100.
(b + a)a = (0,2345.100+0,3491.104)0,3491.104 = 0,3491.1040,3491.104
= 0,0000
b + (a a) = 0,2345.100+(0,3491.1040,3491.104) = 0,2345+0,0000
= 0,2345
Os dois resultados so diferentes, quando no deveriam ser.
(b + a) a = 0,0000 e b + (a a) = 0,2345
Causa
Arredondamento da adio (b + a), a qual tem 8 dgitos Cancelamento
subtrativo de (b + a) a devido representao de mquina com 4 dgitos
A distributividade uma propriedade da adio.
Resoluo numrica de um problema
Importncia do conhecimento dos efeitos da propagao de erros
Determinao do erro final de uma operao
Conhecimento da sensibilidade de um determinado problema ou mtodo
numrico
Ex. 15:
Dados a = 50 3 e b = 21 1, calcular a + b.
Variao de a 47 a 53
Variao de b 20 a 22
Menor valor da soma 47 + 20 = 67
Maior valor da soma 53 + 22 = 75

a + b = (50 + 21) 4 = 71 4 67 a 75
Ex. 16:
Dados a = 50 3 e b = 21 1, calcular a - b.
Variao de a 47 a 53
Variao de b 20 a 22
Menor valor da diferena 47 20 = 25
Maior valor da diferena 53 22 = 33
a b = (50 21) 4 = 29 4 25 a 33
Na subtrao, os erros absolutos se somam, pois sempre se admite o pior caso.
Ex. 17:
Dados a = 50 3 e b = 21 1, calcular a.b.
Variao de a 47 a 53
Variao de b 20 a 22
Menor valor do produto 47 . 20 = 940
Maior valor da produto 53 . 22 = 1166
a . b = (50 3) x (21 1)
1050 (3.21 + 50.1)
1050 113 937 a 1163
Ex. 18:
Dados a = 50 3 e b = 21 1, calcular a.b.
Consideraes
Despreza-se o produto 3.1, por ser muito pequeno diante de (3.21 + 50.1) = 113
Ligeiramente diferente do verdadeiro intervalo, por conta da desconsiderao do produto
3.1, assumido como desprezvel
Anlise dos Erros Absoluto e Relativo

Expresses para a determinao dos erros nas operaes aritmticas
Erros presentes na representao das parcelas ou fatores, assim como no resultado da operao
Supondo um erro final arredondado, sendo x e y, tais que:

x x EA x y y EA y
Adio
Erro Absoluto
x y ( x EAx ) ( y EA y )
( x y ) (EA x EA y )
Erro Relativo
EA x y
x
y
ER y
ER x y
ER x
xy
xy
xy
Subtrao
Erro Absoluto
x y ( x EAx ) ( y EA y )
( x y ) (EA x EA y )
Erro Relativo
EA x y
x
y
ER y
ER x y
ER x
xy
xy
xy
Multiplicao
Erro Absoluto
x.y x EA x . y EA y x.y y.EA x xEA y EA x .EA y
x.y x EA x . y EA y x.y y.EA x xEA y
muito pequeno
Erro Relativo
ER x . y ER x ER y
Diviso
Erro Absoluto
x x EA x
y y EA y
x EA x
1
EA y
y
1
y
Simplificao:
EA y EA y
1
1

EA y
y
y
1
y
EA y

y
...
(desprezam-se os termos de potncia > 1)
x x EA x xEAy y.EA x xEA y

y y
y
y2
y2
Erro Relativo
ER x/y ER x ER y
Anlise de Erros
Ex. 19: Clculo de ER(x+y)
ER x y
ER x y
EA x y
xy
RA
RA
EAx=EAy= 0,
EAx+y=0
1
ER x y RA 10 t 1
2
Como x e y so exatamente representados, ERx+y se resume ao Erro Relativo de Arredondamento
(RA) no resultado da soma.
Sistema de aritmtica de ponto flutuante de 4 dgitos, preciso dupla I
Ex. 20: Seja x = 0,937.104, y = 0,1272.102 e z = 0,231.101, calcular x+y+z e ER(x+y+z),
sabendo que x, y e z esto exatamente representados.
Soluo:
Alinhando as vrgulas decimais:
x = 0,937000.104
y = 0,001272.104 e
z = 0,000231.104
Ex. 20: Seja x = 0,937.104, y = 0,1272.102 e z = 0,231.101, calcular x+y+z e ER(x+y+z),
sabendo que x, y e z esto exatamente representados.
Soluo:
A soma feita por partes: (x+y)+z
x+y = 0,9383 . 104
x+y+z = 0,9383 . 104 + 0,000231. 104
x+y+z = 0,938531. 104
x+y+z = 0,9385. 104
(aps o arredondamento)
x y
EAz
ERz
RA
z
x
x y
RA
ERs
x y
x y
RA RA
RAs
x yz
x
ERx y z ERs
ERx y z
ERx y z
EAz=0,
ERz=0
xy
ER x y z
1
x yz
x y
ERx y z
1
x yz
1
10 t 1
2
1 t 1
.10
2
0,9383.10 4 1 3
ERx y z
1 .10
4
0,9385.10
2
ER x y z 0,9998.10 3
Ex. 21:Supondo que u representado em um computador por , que obtido por

arredondamento. Obter os limites superiores para os erros relativos de v = 2. e w = + .
Soluo:
v 2.u
ER 2.u ER 2 ER u RA RA RA 2. RA
1
ER 2.u 2. .10 t 1
2
t 1
ER v 10
w uu
u
u
ER w ER u
ER u
RA
u u
u u
u
ER w 2. RA
RA 2. RA
u u
1
ER w 2. RA 2. .10 t 1 10 t 1
2
ER w ER v 10 t 1
Resume
1. Erro Relativo da Adio Soma dos erros relativos de cada parcela, ponderados pela
participao de cada parcela no total da soma.
2. Erro Relativo da Subtrao Soma dos erros relativos do minuendo e do subtraendo,
ponderados pela participao de cada parcela no resultado da subtrao.
3. Erro Relativo da Multiplicao Soma dos erros relativos dos fatores.
4. Erro Relativo da Diviso Soma dos erros relativos do dividendo e do divisor.
Exerccio
Seja um sistema de aritmtica de ponto flutuante de 4 dgitos, base decimal e com
acumulador de preciso dupla. Dados os nmeros x = 0,7237.104, y = 0,2145.10-3 e z =
0,2585.101, efetuar as seguintes operaes e obter o erro relativo nos resultados, supondo
que x, y, e z esto exatamente representados.
a) x+y+z
b) xyz
c) x/y
d) (x.y)/z
e) x.(y/z)
f) (x+y).z
Supondo que x representado num computador por x e obtido por arredondamento,
determinar os limites superiores para os erros relativos de:
a) u 3.x b) w x x x
c) u 4.x d) w x x x x
Sejam e as representaes de i e u obtidas em um computador por arredondamento.
Deduzir expresses de limitante de erro, a fim de mostrar que o limitante de erro relativo de
u 3.x.y v x x x .y
Um computador armazena nmeros reais utilizando 1 bit para o sinal do nmero, 7 bits para
o expoente e 8 bits para a mantissa. Admitindo que haja truncamento, como ficaro
armazenados os seguintes nmeros decimais?
a) n1 = 25,5 b) n2 = 120,25 c) n3 = 2,5
d) n4 = 460,25 e) n5 = 24,005
Considerando o sistema de vrgula flutuante F(10, 4, 2, T):
1,023x 2 0,3714x 0,5999.10 -2 0 e a inexistncia de dgitos de guarda (o processador
pode ter mais dgitos do que a memria, sendo os dgitos adicionais denominados dgitos de
guarda) no processamento das operaes em ponto flutuante.
a) Determinar os zeros da equao a partir da frmula resolvente;
b) Calcular os erros absolutos cometidos nos clculos dos dois zeros;
c) Explicar a origem do erro relativo resultante do clculo da menor raiz (em
mdulo), sugerindo uma forma de melhoria numrica para a resoluo deste problema.
Resoluo Numrica de Equaes

Objetivos
Estudar mtodos numricos para a resoluo de equaes no lineares (determinar a(s) raiz(es) de
uma funo f(x), ou seja, encontrar o(s) valor(es) de x tal que f(x) = 0)
Fundamentar a necessidade de uso de mtodos numricos para a resoluo de
equaes no lineares
Discutir o princpio bsico que rege os mtodos numricos para a resoluo de
equaes no lineares
Apresentar uma srie de mtodos destinados resoluo de equaes no lineares
Necessidade de resoluo de equaes do tipo f(x) = 0
Estruturas
F
Circuitos
i
R
+FV
-FH
+FH
+
v = g(i)
E
Em cada n :
FH = 0
FV = 0
E - Ri g(i) = 0
(Lei de Kirchhof)
-FV
um zero da funo f(x) ou raiz da equao f(x) = 0 se f() = 0.

Zeros podem ser reais ou complexos.
Este mdulo trata de zeros reais de f(x).
Eixo das
das ordenadas
ordenadas
Eixo
f(x)
Zeros reais
reais representados
representados
Zeros
sobre oo eixo
eixo das
das abscissas
abscissas
sobre
Eixo das
das abscissas
abscissas
Eixo
A partir de uma equao de 2 grau da forma
ax2 + bx + c = 0
Determinao das razes em funo de a, b e c
x = -b b2 4ac
2a
Polinmios de grau mais elevado e funes com maior grau de complexidade

Impossibilidade de determinao exata dos zeros
Princpio Bsico
Etapas Usuais para a Determinao de Razes a partir de Mtodos Numricos
FASE I - Isolamento das razes: Determinao de um intervalo (o menor possvel) que contenha
apenas uma raiz
FASE II - Refinamento das razes: Melhoramento do valor da raiz aproximada (refinamento at a
preciso desejada).
FASE I: ISOLAMENTO DAS RAZES

Realizao de uma anlise terica e grfica da funo de interesse
Preciso das anlises relevante para o sucesso da fase posterior
TEOREMA 1:
Sendo f(x) contnua em um intervalo [a, b], se f(a)f(b) < 0 ento existe pelo menos um ponto
x = entre a e b que zero de f(x).
ANLISE GRFICA
f(x)
f(x)
3b
b x
f(x)
Exemplo 01:
f(x) = x3 9x +3
x
-100
-10
-5
-3
-1
f(x)
f(x) contnua para x R.

I1 = [-5, -3]
I2 = [0, 1]
I3 = [2, 3]
Cada um dos intervalos contm pelo menos um zero .
Exemplo 02:
x
0
1
2
3
f(x) = x 5e-x
f(x)
...
...
f(x) admite pelo menos um zero no intervalo [1, 2] O zero nico?

Anlise do sinal de f(x)
f(x) =1/(2x )+ 5e-x > 0, x > 0
f(x) admite um nico zero em todo seu domnio de definio, localizado no intervalo [1, 2] .
OBSERVAO:
Se f(a)f(b) > 0, ento se pode ter diversas situaes no intervalo [a, b].
f(x)
f(x)
f(x)
ANLISE GRFICA
Construo do grfico de f(x)
Localizao das abscissas dos pontos nos quais a curva intercepta o eixo x
Obteno da equao equivalente g(x) = h(x) a partir da equao f(x) = 0
Construo dos grficos de g(x) e h(x) no mesmo sistema cartesiano
Uso de programas para traado de grficos de funes
Localizao dos pontos x nos quais g(x) e h(x) se interceptam (f() = 0
g() = h() )
Exemplo 03:
f(x) = x3 9x +3
f(x)
1 [-4, -3]
2 [0, 1]
(Uso do mtodo I )
f(x) = 3x2 - 9
f(x) = 0 <=> x = 3
x
f(x)
-4
-25
-3
3
- 3 13,3923
-1
11
0
3
1
-5
3 -7,3923
2
-7
3
3
3 [2, 3]
-4
-3 -2
Exemplo 03:
f(x) = x3 9x +3
2
-1
3
3 4
y
(Uso do mtodo II )
g(x
)
h(x
)
g(x) = x3
h(x) = 9x
-3
-4 -3 -2 -1
2 1
2 3 4
3
1 (-4
(-4,,
-3)
-3)
2 (0
(0, 1)
1)
3 (2
(2, 3)
3)
Exemplo 04:
f(x) = x 5e-x ( Uso do Mtodo II )
x 5e-x = 0 <=> x h(x

)
= 5e-x
g(x) = x
h(x) = 5e-x
[1,
2]
1 2
g(x
)
FASE II: REFINAMENTO

Aplicao de mtodos numricos destinados ao refinamento de razes
Diferenciao dos mtodos Modo de refinamento
Mtodo Iterativo Caracterizado por uma srie de instrues executveis
seqencialmente, algumas das quais repetidas em ciclos (iteraes)
CRITRIOS DE PARADA
Teste: xk suficientemente prximo da raiz exata? Como verificar tal questionamento?
Interpretaes para raiz aproximada, x raiz aproximada com preciso se:
i.
|x - | <
ou
ii.
|f( x )| <
Como proceder se no se conhece ?
Reduo do intervalo que contm a raiz a cada iterao
Obteno de um intervalo [a,b] tal que:
[a,b]
e
ba<
x [a,b] pode ser tomado como x

f(x)
|x - | < , x [a,b]
a
ba<
Nem sempre possvel satisfazer ambos os critrios
|x - | <
|f( x )| <
Mtodos numricos so desenvolvidos de modo a satisfazer pelo menos um dos critrios.
Em programas computacionais verificamos dois criterios, ou seja, o Teste de Parada e a Estipulao
do nmero mximo de iteraes: Preveno contra loopings (erros do programa, inadequao do
mtodo ao problema)
Mtodos Iterativos
Bisseco
Falsa Posio
Falsa Posio Modificado
Ponto Fixo
Newton-Raphson
Secante
Mtodo da Bisseco
Dada uma funo f(x) contnua no intervalo [a,b] onde existe uma raiz nica, possvel
determinar tal raiz subdividindo sucessivas vezes o intervalo que a contm pelo ponto mdio de a e
b.
Definio do Intervalo Inicial:
Atribui-se [a,b] como intervalo inicial
a0 = a
b0 = b
Condies de Aplicao
f(a)*f(b) < 0
Sinal da derivada constante
Definio de Novos Intervalos:
Determina-se qual o subintervalo [a , x1] ou [x1 , b] que contm a raiz
Calculando e verificando se o produto f(a)*f(x1) < 0
Se verdadeiro (a, x1)
(Logo a = a e b = x1)
Caso contrario (x1 , b)

(Logo a = x1 e b = b)
Repete-se o processo at que o valor de x atenda s condies de parada.
Anlise Grfica
f(x)
f(x)
a = a1
x
x1 = (a + b)/2
a = a0
x
1
b=
b0
x1 =
b1
Generalizao:
Aps n iteraes, a raiz estar contida no intervalo:
f(x)
x2=a
Repete-seooprocesso
processoat
atque
queoo
Repete-se
valorde
dexxatenda
atendas
scondies
condiesde
de
valor
parada.
parada
parada.
parada
x2 = (a +
x1)/2
x3 = (x2 +
x1)/2
x
3
x1=b2 x
b 0 a 0
b n a n
de modo que tal que:
a 0
x n 1 b 0
n 1
Tolerncia ou Erro ( ):
Aproximao de zero, dependente do equipamento utilizado e da preciso necessria para a soluo
do problema
A tolerncia uma estimativa para o erro absoluto desta aproximao.
Considerando:
a 0
x n 1 b 0
n 1
b0a 0
ln
b0a0
deve-se escolher n tal que:

e
1
n 1
n
ln(2)
Condies de Parada:
Se os valores fossem exatos
f(x) = 0
(xk xk+1)/xk = 0
Uma vez que so aproximados
|f(x)| tolerncia
|(xk xk+1)/xk| tolerncia
Algoritmo
k := 0; a0 := a; b0 := b; x0 := a;
xk+1 := (ak + bk)/2;
while critrio de parada no satisfeito and k L
if f(ak)f(xk+1) < 0 then /* raiz em [ak , xk+1] */
ak+1 := ak; bk+1 := xk+1;
else /* raiz em [xk+1, bk] */
ak+1 := xk+1; bk+1 := bk ;
endif
k := k +1; xk+1 := (ak + bk)/2;
endwhile
if k > L
parada falhou
endif
Vantagens:
Facilidade de implementao;
Estabilidade e convergncia para a soluo procurada;
Desempenho regular e previsvel.
O nmero de interaes dependente da tolerncia considerada
Desvantagens:
Lentido do processo de convergncia (requer o clculo de f(x) em um elevado nmero de

iteraes);
Necessidade de conhecimento prvio da regio na qual se encontra a raiz de interesse (o que
nem sempre possvel);
Complexidade da extenso do mtodo para problemas multivariveis.
Exemplo 06:
Resgatando o Exemplo 05, f(x) = xlogx - 1
y
h(x)
g(x)
1 2 3 4 5 6
Exemplo 06:
f(x) = xlogx - 1
Considerando o mtodo da bisseco com tol = 0,002 e adotando [a0 ,b0] = [2, 3] como intervalo
inicial, tem-se:
Clculo da 1 aproximao
x1 = (a0 + b0)/2 = (2,00000 + 3,00000)/2
x1 = 2,50000
f(x1) = f(2,50000) = -0,00510
f(a0) = f(2,00000) = -0,39794
Teste de Parada
|f(x1)| =|-0,00510| = 0,00510 > 0,002
Novo Intervalo
f(a0).f(x1) = (-0,39794).(-0,00510) > 0
logo: a1 = x1 = 2,50000 e b1 = b0 = 3,00000
x2 = (2,50000 + 3,00000)/2 =
x2 = 2,75000
f(2,50000) = -0,05100 < 0
f(3,00000) = 0,43140 > 0
f(2,75000) = 0,20820 > 0
[2,5 ; 2,75]
a2 = a1 = 2,50000 e b2 = x2 = 2,75000
x3 = (2,50000 + 2,75000)/2 = 2,62500 [2,5 , 2,625]

f(2,50000) = -0,05100 < 0
a3 = a2 = 2,50000
f(2,75000) = 0,20820 > 0
b3 = x3 = 2,62500
f(2,62500) = 0,10020 > 0
x4 = (2,50000 + 2,62500)/2 = 2,56250 [2,5 ,
f(2,50000) = -0,05100 < 0
2,5625]
f(2,62500) = 0,10020 > 0
a3 = a2 =
f(2,56250) = 0,04720 > 0
2,50000
b3 = x4 =
Exemplo 07:
Seja f(x) = x3 x 1
Intervalo inicial atribudo: [1, 2]
Considerando-se = 0,002
f(a0) = -1
f(b0) = 5
f(x) = 3x2 1
f(a0) * f(b0) = -5 < 0
(f(a0) = 2 e f(b0) = 11)
= 0,002
y
4
3
2
1
-4
-3
-2
-1
0
-1
-2
-3
-4
x1 = (a0+b0)/2 = (1,000000+2,000000)/2 = x1 = 1,500000
f(x1) = 1,53 1,5 1 = 0,875000
Teste de Parada
|f(x1)| =|0,875| = 0,875000 > 0,002
Escolha do Novo Intervalo
f(a0).f(x1) = (-1).0,875 = -0,875
logo: a1=a0=1,000000 e b1=x1= 1,50000
= 0,002
Mtodo da Falsa Posio

Mtodo da Bisseco, calcula a mdia aritmtica dos limites do intervalo que contm a raiz ([a, b])
Mtodo da Falsa Posio, Calcula a mdia ponderada dos limites do intervalo que contm a raiz
([a, b])
f(x)
f(b)
f(a)
x
x
af (b) bf (a)
f (b) f (a )
a f (b) b f (a)
f (b) f (a )
a0 = a
b0 = b
Condies de Aplicao
f(a)*f(b) < 0
Definio dos Subintervalos:
Subdivide-se o intervalo pelo ponto de interseco da reta que liga f(a) a f(b) e o
eixo das abscissas
Verifica-se se, atravs do teste de parada, se x1 uma aproximao da raiz da
equao ()
Se verdadeiro
x1 a raiz procurada
Caso contrrio define-se um novo intervalo
Definio do Novo Intervalo:
Determina-se qual subintervalo - [a0 , x1] ou [x1 , b0] - contm a raiz
Calcula-se o produto f(a)*f(x1)
Verifica-se se f(a)*f(x1) < 0
Se verdadeiro (a0, x1)
Logo: a1 = a0 e b1 = x1
Caso contrario (x1, b0)
Logo a1 = x1 e b1 = b0
Anlise Grfica
f(x)
x2 = (a +
x1)/2
f(x)
a=
a1
x1 = (a + b)/2
a=
a0
x
1
b=
b0
x1 = x
b1
x3 = (x2 + x1)/2
f(x
)
x2 =
a2
Repete-seooprocesso
processoat
atque
queoo
Repete-se
valorde
dexxatenda
atendas
scondies
condiesde
de
valor
parada.
parada
parada.
parada
x1 =
b2
Condies de Parada

f(x) = 0
(xk xk+1)/xk = 0
No o sendo
|f(x)| tolerncia
Algoritmo
k := 0; a0 := a; b0 := b; x0 := a; F0 := f(a0); G0 := f(b0);
xk+1 := ak - Fk(bk ak)/(Gk Fk); ou xk+1 := (akGk- bkFk)/(Gk Fk);
while critrio de convergncia no satisfeito and k L
if f(ak)f(xk+1) 0 then /* raiz em [ak , xk+1] */
ak+1 := ak; bk+1 := xk+1;
ak+1 := xk+1; bk+1 := bk ;
endif
y
k := k +1; xk+1 := ak - Fk(bk ak)/(Gk Fk);
h(x
endwhile
)
if k > L
convergncia falhou
endif
Exemplo 08:
Considerando f(x) = xlogx - 1
Considerando-se = 0,002 f(a0) = - 0,3979
f(b0) = 0,4314
f(x) = logx + 1/xln10
f(a0) * f(b0) = - 0,017165< 0
(f(a0) = 0,52 e f(b0) = 0,622)
Clculo da 1 aproximao: a0 = 2 b0 = 3
f(a0) = - 0,3979 < 0
f(b0) = 0,4314 > 0
g(x
)
1
2 3
x1 = [2.0,4314 3.(- 0,3979)] = 2,4798

[0,4314 (- 0,3979)]
Teste de Parada
|f(x1)| =|- 0,0219| = 0,0219 > tolerncia
f(a0).f(x1) = (- 0,3979).(- 0,0219) > 0
logo: a1 = x1 = 2,4798 e b1 = b0 = 3
Clculo da 2 aproximao: a1 = 2,4798 b1 = 3
f(a1) = - 0,0219 < 0
f(b1) = 0,4314 > 0
x2 = [2,4798.0,4314 3.(- 0,0219)] = 2,5049
[0,4314 (- 0,0219)]
Teste de Parada
|f(x2)| =|- 0,0011| = 0,0011 < tolerncia
f(a1).f(x2) = (- 0,0219).(- 0,0011) > 0
logo: a2 = x2 = 2,5049 e b2 = b1 = 3
Clculo da 3 aproximao a2 = 2,5049 b2 = 3
f(a2) = - 0,0011 < 0
f(b2) = 0,4314 > 0
x3 = [2,5049.0,4314 3.(- 0,0011)] = 2,5061
[0,4314 (- 0,0011)]
Teste de Parada
|f(x3)| = |- 7,0118.10-5 | = 7,0118.10-5 < tol
(valor aceitvel de raiz)
k ak
bk
f(ak)
f(bk)
xk+1
f(xk+1 )
0 2,000000
3,000000
-0,3979000
0,431400
2,4798000
-0,021900
2,479800
3,000000
-0,0219000
0,431400
2,5049000
-0,001100
= 0,002
2 2,504900 3,000000
-0,0011000
0,431400
2,5061000
-0,000070
Exemplo 09:
Seja a funo do Exemplo 07, f(x) = x3 x 1
tol = 0,002
f(a0) = -1
f(b0) = 5
f(x) = 3x2 1
f(a0)*f(b0) = -5 < 0
(f(a0) = 2 e f(b0) = 11)
Clculo da 1 aproximao a0 = 1 b0 = 2 4
f(a0) = - 1 < 0
f(b0) = 5 > 0
x1 = [1.5 2.(- 1)] = 1,16667
[5 (- 1)]
y
4
3
2
1
3
- 0
1 1
2
3
4
logo:
Teste de Parada
|f(x1)| =|- 0,5787037| = 0,5787037 > tol
f(a0).f(x1) = (- 1).(- 0,5787037) > 0
a1 = x1 = 1,16667 e b1 = b0 = 2
k ak
bk
f(ak)
f(bk)
xk+1
f(xk+1 )
0 1,000000
2,000000
-1,0000000
5,000000
1,1666667
-0,578704
1 1,166667
2,000000
-0,5787037
5,000000
1,2531120
-0,285363
2 1,253112
2,000000
-0,2853630
5,000000
1,2934374
-0,129542
3 1,293437
2,000000
-0,1295421
5,000000
1,3112812
-0,056588
4 1,311281
2,000000
-0,0565885
5,000000
1,3189885
-0,024304
5 1,318988
2,000000
-0,0243037
5,000000
1,3222827
-0,010362
6 1,322283
2,000000
-0,0103618
5,000000
1,3236843
-0,004404
7 1,323684
2,000000
-0,0044039
5,000000
1,3242795
-0,001869
= 0,002
Vantagens:
Estabilidade e convergncia para a soluo procurada;
Desempenho regular e previsvel;
Clculos mais simples que o mtodo de Newton.
Desvantagens:
Lentido do processo de convergncia (requer o clculo de f(x) em um elevado nmero de
iteraes);
Necessidade de conhecimento prvio da regio na qual se encontra a raiz de interesse (o que
nem sempre possvel).
Mtodo da Falsa Posio Modificado (FPM )

Dada uma funo f(x) contnua no intervalo [a,b], o qual contm uma raiz nica, possvel
determinar tal raiz a partir de subdivises sucessivas do intervalo que a contm, evitando, ao
mesmo tempo, que as aproximaes geradas pela frmula de iterao se aproximem da raiz por um
nico lado.

a0 = a
b0 = b
Condies de Aplicao:
f(a)*f(b) < 0
Definio dos Subintervalos:

Subdivide-se o intervalo pelo ponto de interseco da recta que liga f(a) a f(b) e o eixo x.
Verifica-se se x1 uma aproximao da raiz da equao ()
Se verdadeiro x1 a raiz procurada
Caso contrrio define-se um novo intervalo
Definio do Novo Intervalo:

Determina-se em qual dos subintervalos [a0 , x1] ou [x1 , b0] - se encontra a raiz
1 Teste
Verifica-se se f(a)*f(x1) < 0
Se verdadeiro (a0 , x1); Logo: a1 = a0 e b1 = x1
Caso contrario (x1 , b0); Logo a1 = x1 e b1 = b0
2 Teste
Verifica-se se f(xi )*f(xi+1) > 0
Caso seja verdadeiro
Se f(a)*f(x1) < 0
Se verdadeiro faz-se f(a)/2
Caso contrrio faz-se f(b)/2
Caso contrario Permanecem os valores
Anlise Grfica
f(x)
x2 = (a|f(x1)| + x1|f(a)| )
(|f(x1)| + |f(a)|)
x1 = (a|f(x1)| + x1|f(a)| )
(|f(x1)| + |f(a)|)
f(x)
a = a1
f(a1)/2
x2
b1 = x1
a = a0
x1
b = b0
Repete-seooprocesso
processoat
atque
queoo
Repete-se
valor
de
x
atenda
s
condies
de
valor de x atenda s condies de
parada.
parada
parada.
parada
Condies de parada
f(x) = 0
(xk xk+1)/xk = 0
No o sendo
|f(x)| tolerncia
Algoritmo
k := 0; a0 := a; b0 := b; x0 := a; F0 := f(a0); G0 := f(b0);
xk+1 := ak - Fk(bk ak)/(Gk Fk);
while critrio de convergncia no satisfeito and k L
if f(ak)f(xk+1) 0 then /* raiz em [ak , xk+1] */
ak+1 := ak; bk+1 := xk+1; Gk+1 = f(xk+1)
if f(xk)f(xk+1) > 0 then Fk+1 = Fk/2
endif
ak+1 := xk+1; bk+1 := bk ; Fk+1 = f(xk+1)
if f(xk)f(xk+1) > 0 then Gk+1 = Gk/2
endif
endif
k := k +1; xk+1 := ak - Fk(bk ak)/(Gk Fk);
endwhile
if k L
xk+1 uma aproximao aceitvel para a raiz
endif
Exemplo 10:
Considerando f(x) = xlogx 1
Considerando-se = 0,002 f(a0) = - 0,3979
f(b0) = 0,4314
h(x)
f(x) = logx + 1/xln10

f(a0) * f(b0) = - 0,017165< 0
g(x)

(f(a0) = 0,52 e f(b0) = 0,622)
1
Clculo da 1 aproximao a0 = x0 = 2 b0 = 3
f(a0) = - 0,3979 < 0
f(b0) = 0,4314 > 0
x1 = [2.0,4314 3.(- 0,3979)] = 2,4798
[0,4314 (- 0,3979)]
Teste de Parada
|f(x1)| =|- 0,0219| = 0,0219 > tolerncia
f(a0).f(x1) = (- 0,3979).(- 0,0219) > 0
logo:
a1 = x1 = 2,4798 e b1 = b0 = 3
Clculo da 2 aproximao a1 = 2,4798 b1 = 3
f(x0).f(x1) = (- 0,3979).(- 0,0219) > 0
(faz
f(a0).f(x1) = (- 0,3979 ).(- 0,0219) > 0
f(b)/2)
f(b)/2
f(a1) = - 0,0219 < 0
f(b1) = 0,4314 > 0
x2
[2,4798.(0,4314/2) - 3.(- 0,0219)]

[(0,4314/2) - (- 0,0219)]
x2 = 2,5277
Teste de Parada
|f(x2)| =|0,018| = 0,018 >
f(a1).f(x2) = (- 0,0219).(0,018) < 0
logo: a2 = a1 = 2,4798 e b2 = x2 = 2,5277
Clculo da 3 aproximao: a2 = 2,4798 e
b2 = 2,5277
f(x1).f(x2) = (- 0,0219).(0,018) < 0
( Permanec
e
f(a) e
f(a1).f(x2) = (- 0,0219).(0,018) < 0
f(b)
)
f(a2) = - 0,0219 < 0
f(b2) = 0,018 > 0
x3
[2,4798.(0,018) - 2,5277.(- 0,0219)]

[(0,018) - (- 0,0219)]
x3 = 2,5060
Teste de Parada
|f(x3)| =|- 0,000153| = 0,000153 <
(valor aceitvel de raiz )
k ak
bk
f(ak)
f(bk)
xk+1
f(xk+1 )
0 2,000000
3,000000
-0,3979000
0,431400
2,4798000
-0,021900
2,479800
3,000000
-0,0219000
0,431400
2,5277000
0,018000
= 0,002
2 2,479800
2,527700
-0,0219000
0,018000
2,5060000
-0,000153
Exemplo 11: Seja a funo do Exemplo 7,

Considerando-se = 0,002
f(a0) = -1
f(b0) = 5
f(x) = 3x2 1
f(a0) * f(b0) = -5 < 0
(f(a0) = 2 e f(b0) = 11)
f(x) = x3 x 1 y
- -3
Clculo da 1 aproximao a0 = x0 =41 b0 = 2 2
f(a0) = - 1 < 0
f(b0) = 5 > 0
x1
1,5 - 2.(- 1)]

1.16667
[5 - (- 1)]
Teste de Parada
|f(x1)| =|- 0,5787| = 0,5787 >
f(a0).f(x1) = (- 1).(- 0,5787) > 0
4
3
2
1
-1
0
-1
-2
-3
-4
logo: a1 = x1 = 1,16667 e b1 = b0 = 2
Clculo da 2 aproximao: a1 = 1,16667 e b1 = 2
f(x0).f(x1) = (- 1).(- 0,5787) > 0
f(a0).f(x1) = (- 1).(- 0,5787) > 0
(Faz
f(a1) = - 0,5787 < 0
f(b)/2 )
f(b1) = 5 > 0
x1
[1,16667.(5/2) - 2.(- 0,5787)]

1.3233
[5/2 - (- 0.5787)]
Teste de Parada
|f(x2)| =|- 0,00604| = 0,00604 >
f(a1).f(x2) = (- 0,5787).(- 0,00604) > 0
logo: a2 = x2 = 1,3233 e b2 = b1 = 2
Clculo da 3 aproximao: a2 = 1,3233 e b2 = 2
f(x1).f(x2) = (- 0,5787).(- 0,00604) > 0
f(a1).f(x2) = (- 0,5787).(- 0,00604) > 0 (Faz
f(b)/2 )
f(a2) = - 0,00604 < 0
f(b2) = 5 > 0
x2
[1,3233.(5/2) - 2.(- 0,0064)]

1.32493
[5/2 - (- 0.0064)]
Teste de Parada
|f(x3)| =|0,00078| = 0,00078 <
(valor aceitvel de raiz )
k ak
bk
f(ak)
f(bk)
xk+1
f(xk+1 )
0 1,000000
2,000000
-1,0000000
5,000000
1,1666700
-0,578700
1 1,166670
2,000000
-0,5787000
5,000000
1,3233000
-0,006040
1,323300
2
= 0,002
2,000000
-0,0060400
5,000000
1,3249300
0,000780
Mtodo do Ponto Fixo (MPF)

Dada uma funo f(x) contnua no intervalo [a,b] onde existe uma raiz nica, f(x) = 0, possvel
transformar tal equao em uma equao equivalente x = g(x) e, a partir de uma aproximao
inicial x0, gerar uma seqncia {xk} de aproximaes para pela relao xk+1 = g(xk), uma vez que
g(x) tal que f() = 0 se e somente se g() = .
Implicao de tal procedimento:

Alm dos problema de determinao de um zero de f(x) verificamos que ainda problema de
determinao de um ponto fixo de g(x), Funo de iterao.
Forma geral das funes de iterao:
com A() 0 em , ponto fixo de g(x).
Interpretao Grfica
x = g(x) tem como raiz a abcissa do ponto de interseco da reta r(x) = x e da curva g(x).
Exemplo 12:
Seja a equao x2 + x 6 = 0 .
Funes de iterao possveis:
g1(x) = 6 - x2
g2(x) = 6 - x
g3(x) = 6/x 1
g4(x) = 6/(x + 1)
Dada uma equao do tipo f(x) = 0, h para tal equao mais de uma funo de iterao g(x), tal
que: f(x) = 0 x = g(x)
Exemplo 13:
Seja a seguinte equao x2 + x 6 = 0 :
No h necessidade de uso de mtodo numrico para a determinao das razes 1 = -3 e 2 = 2
Utilizao desta exemplo para demonstrar a convergncia ou divergncia numrica e grfica do
processo iterativo
Seja a raiz 2 = 2 e g1 (x) = 6 - x2
Considere-se x0= 1,5 e g(x) = g1 (x)
Seja a raiz 2 = 2 , x0 = 1,5 e g1 (x) = 6 x:
x1 = g(x0) = 6 1,52 = 3,75
y
x2 = g(x1) = 6 3,752 = -8,0625
y=x
2
x3 = g(x2) = 6 (-8,0625) = -59,003906
x4 = g(x3) = 6 (-59,003906)2 = - 3475,4609
Conclui-se que {xk} no convergir para 2 = 2
Anlise Grfica:
x2
x0 2
x1
x
g(x)
{xk}
Exemplo 14: Seja a raiz 2 = 2, g2 (x) = 6 - x e x0 = 1,5

x1 = g(x0) = 6 - 1,5 = 2,121320343
x2 = g(x1) = 6 - 2,121320343 = 1,969436380
x3 = g(x2) = 6 -1,969436380 = 2,007626364
x4 = g(x3) = 6 - 2,007626364 = 1,998092499
x5 = g(x4) = 6 - 1,998092499 = 2,000476818
Conclui-se que {xk} tende a convergir para 2 = 2
Anlise Grfica
y
y=
x
g(x)
x0
x
x
x
Exemplo 15: Seja a equao x32 x 11 = 0, Tem-se as seguintes funes de iterao possveis:
g1(x) = x3 1
g2(x) = 1 + x
g3(x) = 1/x 1
Dada uma equao do tipo f(x) = 0, h para tal equao mais de uma funo de iterao g(x), tal
que: f(x) = 0 x = g(x)
Seja = 1,324930, g2 (x) = 1 + x e x0 = 1
x1 = g(x0) = 1 + 1 = 1,259921
x2 = g(x1) = 1 + 1,259921 = 1,312294
x3 = g(x2) = 1 + 1,312294 = 1,322354
x4 = g(x3) = 1 + 1,322354 = 1,324269
x5 = g(x4) = 1 + 1,324269 = 1,324633
Conclui-se que {xk} tende a convergir para = 1,324930
Anlise Grfica
y
y=x
g(x)
x0
x2 x4
x
x5 x3 x1
{xk} 2 quando k inf
TEOREMA 2:
Sendo uma raiz de f(x) = 0, isolada em um intervalo I centrado em e g(x) uma funo de
iterao para f(x) = 0. Se
1. g(x) e g(x) so contnuas em I
2.
|g(x)| M < 1, x I e
3.
x1 I
ento a seqncia {xk} gerada pelo processo iterativo xk+1 = g(xk) convergir para .
Exemplo 16: Resgatando os Exemplos 13 e 14, verificou-se que:
g1(x) gerao de uma seqncia divergente de 2 = 2
g2(x) gerao de uma seqncia convergente p/ 2 = 2
g1(x) = 6 - x2 e g1 (x) = - 2x contnuas em I
Resgatando os Exemplos 13 e 14, verificou-se que:
|g1 (x)| < 1 |-2x| < 1 - < x <
No existe um intervalo I centrado em 2=2, tal que |g(x)| < 1, x I g1 (x) no
satisfaz a condio 2 do Teorema 2 com relao a 2=2 .
g2 (x) = 6 - x e g2 (x) = - (1/2 6 - x )
g2 (x) contnua em S = {x R | x 6}
g2 (x) contnua em S = {x R | x < 6}
|g2 (x)| < 1 |1/2 6 - x | < 1 x < 5,75
possvel obter um intervalo I centrado em 2=2, tal que todas as condies do Teorema 2 sejam
satisfeitas.
Critrios de parada
f(xk) = 0
|xk xk-1| = 0
No o sendo
|f(xk)| tolerncia
|xk xk-1| tolerncia
Algoritmo
k := 0; x0 := x;
while critrio de interrupo no satisfeito and k L
k := k +1;
xk+1 := g(xk);
endwhile
Algoritmo Completo
(1) Seja f(x) = 0 e a equao equivalente
x = g(x)
Dados: x0 (aprox. inicial) e 1 e 2 (precises)
Supor que as hipteses do Teorema 2 foram satisfeitas
(2) Se: lf(x0)l < 1 , ento: x= x0 . FIM
(3) Seno: k = 0; NI = 1;
(4)
xk+1 = g(xk);
(5) Se (lf(xk+1)l < 1 ou l xk+1 xk l < 2 ou NI >L )
Ento x= xk+1. FIM
(6)
xk = xk+1 ; NI = NI+1
Volta para (4)
x Raiz aproximada
Vantagens:
Rapidez processo de convergncia;
Desempenho regular e previsvel.
Desvantagens:
Um inconveniente a necessidade da obteno de uma funo de iterao g(x);
Difcil sua implementao.
Mtodo de Newton-Raphson
determinar uma aproximao de tal raiz a partir da interseo da tangente curva em um ponto x0
com o eixo das abscissas.
x0 - atribudo em funo da geometria do mtodo e do comportamento da curva da equao nas
proximidades da raiz.
Consideraes Iniciais
Mtodo do Ponto Fixo (MPF)
Uma das condies de convergncia que |g(x)| M < 1, x I , onde I

um intervalo centrado na raiz
A convergncia ser tanto mais rpida quanto menor for |g(x)|

O mtodo de Newton busca garantir e acelerar a convergncia do MPF
Escolha de g(x), tal que g() = 0, como funo de iterao
Dada a equao f(x) = 0 e partindo da forma geral para g(x)
g(x) = x + A(x)f(x)
Busca-se obter a funo A(x) tal que g() = 0
g(x) = x + A(x)f(x)
g(x) = 1 + A(x)f(x) + A(x)f(x)
g() = 1 + A()f() + A()f()
g() = 1 + A()f()
Assim:
g() = 0 1 + A()f() = 0 A() = -1/f(), donde se toma A(x) = -1/f(x).
Ento, dada f(x), a funo de iterao
g(x) = x - f(x)/f(x) ser tal que g() = 0, posto que
2
g(x) = 1 {[f(x)] f(x)f(x)}/[f(x)] 2
e, como f() = 0, g() = 0 (desde que f() 0 )
f (x k )
Deste modo, escolhido x0 , a seqncia {xk} ser determinada por x k 1 x k
, onde k = 0,
f ( x k )
1, 2, ...
Motivao Geomtrica
Dado o ponto (xk , f(xk))
Traa-se a reta Lk(x) tangente curva neste ponto:
Lk(x) = f(xk) + f(xk)(x-xk)
Determina-se o zero de Lk(x), um modelo linear que aproxima f(x) em uma vizinhana xk
Lk(x) = 0 x = xk - f(xk)/f(xk)
Faz-se xk +1 = x
Anlise Grfica
f(x)
x0
1a
iterao
2a
iterao
3a
iterao
4a
iterao
x
x
x1
Repete-seooprocesso
processoat
atque
queoo
Repete-se
valor
de
x
atenda
s
condies
valor de x atenda s condies
deparada.
parada.
parada
de
parada
Convergncia
TEOREMA 3:
Sendo f(x), f(x) e f(x) contnuas em um intervalo I que contm uma raiz x = de f(x) = 0 e
supondo f() 0, existir um intervalo I contendo a raiz , tal que se x0 , a seqncia
{xk} gerada pela frmula recursiva
f (x k )
x k 1 x k
f ( x k )
convergir para a raiz.
Condio de Parada
A cada iterao, testa-se se a aproximao encontrada poder ser considerada como a soluo do
problema.
|f(xk)| tolerncia
|((xk+1 xk)/xk+1 )| tolerncia
Algoritmo
k := 0; x0 := x;
k := k +1;
xk+1 := xk f(xk)/f(xk)
endwhile
Exemplo 17: No Exemplo 13, no qual
x2 + x 6 = 0 :
Seja a raiz 2 = 2 e x0 = 1,5
Assim:
g(x) = x - f(x)/f(x) = x (x 2 + x 6)/(2x + 1)
x1 = g(x0) = 1,5 (1,52 + 1,5 6)/(2.1,5 + 1)
x1 = 2,062500000
x2 = g(x1) = 2,000762195
x3 = g(x2) = 2,000000116
Comentrios:
A parada poder ocorrer na 3a iterao (x = 2,000000116), caso a preciso do clculo com 6 casas
decimais for satisfatria para o contexto do trabalho
Observe-se que no Exemplo 10, no Mtodo do Ponto Fixo com g(x) = 6 - x s veio a produzir x
= 2,000476818 na 5a iterao
Exemplo 18:
Considere-se a funo f(x) = x3 - x - 1 , e tol = 0,002 cujos zeros encontram-se nos intervalos:
1 I1 = (-1, 0), 2 I2 = (1, 2)
Seja x0 = 1
xk+1 = xk - f(xk)/f(xk) e g(x) = x (x3 - x - 1)/(3x2 1)
g(x0) = 1 [ (1) 1 1 ] = 1,5
[ 3*(1) 1 ]
Teste de Parada
|f(x0)| =| 0,875 | = 0,875 >
g(x1) = 1.5 [ (1.5) 1.5 1 ] = 1,3478261
[ 3*(1.5) 1 ]
Teste de Parada
|f(x1)| =| 0,100682 | = 0,100682 >
g(x2) = 1,3478261 - [ (1,3478261) - 1,3478261 - 1 ]
[ 3*(1,3478261) - 1 ]
g(x2) = 1,3252004
Teste de Parada
|f(x2)| =| 0,0020584 | = 0,0020584 >
A seqncia {xk} gerada pelo mtodo de Newton ser:
Iterao
F(x)
1,5
0,875
1,3478261
0,1006822
1,3252004
0,0020584
1,3247182
4
=
0,002
9,24378.10
1,3247178
1,86517.10
Vantagens:
Desempenho elevado.
Desvantagens:
Necessidade da obteno de f(x) , o que pode ser impossvel em determinados casos;
O clculo do valor numrico de f(x) a cada iterao;
Difcil implementao.
Mtodo da Secante
determinar uma aproximao de tal raiz a partir da interseo da secante curva em dois pontos
x0 e x1 com o eixo das abscissas.
x0 e x1 - atribudos em funo da geometria do mtodo e do comportamento da curva da equao
nas proximidades da raiz.
Consideraes Iniciais
No Mtodo de Newton-Raphson um dos grandes inconvenientes a necessidade da obteno de
f(x) e o clculo de seu valor numrico a cada iterao.
Resolve-se este inconveniente substituindo a derivada f(xk) pelo quociente das diferenas
f ( x k ) f x k 1
f ' (x k )
, onde xk-1 e xk so duas aproximaes quaisquer para a raiz.
x k x k 1
A funo de iterao ser
g(x) = xk - f(xk)/[(f(xk) - f(xk-1))/(xk - xk-1)]
= (xk - xk-1) . f(xk)/[f(xk) - f(xk-1)]
= [xk-1 .f(xk) xk .f(xk-1)]/[f(xk) - f(xk-1)]
[x k - 1. f ( x k ) - x k . f ( x k - 1 )]
g(x)
[ f ( x k ) - f ( x k - 1 )]
Interpretao Geomtrica
A partir de duas aproximaes xk-1 e xk
Obtm-se o ponto xk+1 como sendo a abscissa do ponto de interseco do eixo ox e da reta que passa
pelos pontos (xk-1 , f(xk-1) ) e (xk , f(xk) ) (secante curva da funo).
Anlise Grfica
f(x
)
1a iterao
2a iterao
3a iterao
4a iterao
x x
x
x
2
x
Repete-seooprocesso
processoat
at
Repete-se
que
o
valor
de
x
atenda
s
que o valor de x atenda s
condiesde
deparada.
parada.
parada
condies
parada
Condio de Parada
A cada iterao, testa-se se a aproximao encontrada poder ser considerada como a soluo do
problema.
|f(xk)|
|((xk+1 xk)/xk+1 )|
Algoritmo
k := 0; x0 := X0; x1 := X1
k := k +1;
xk+1 := (xk-1*f(xk) - xk*f(xk-1))/(f(xk) - f(xk-1)) endwhile
Exemplo 19:
Considere-se a funo f(x) = x3 - x - 1 , e = 0,002 cujos zeros encontram-se nos intervalos:
Seja xk - 1 = 1,5 e xk = 1,7
[x . f ( x k ) - x k . f ( x k - 1 )]
g(x) k - 1
[ f ( x k ) - f ( x k - 1 )]
Clculo da 1 aproximao x0 = 1,5 e x1 = 1,7
f(x0) = 0,875 > 0
f(x1) = 2,213 > 0
x2
[1,5.(2,213) - 1,7.(0,875)]
1,36921
[2.213 - (0,875)]
Teste de Parada
|f(x2)| =|0,19769| = 0,19769 >
x1 = 1,36921 e x2 = 1,5
Clculo da 2 aproximao: x1 = 1,36921 e x2 = 1,5
f(x1) = 0,19769 > 0
f(x2) = 0,875 > 0
x3
[1,36921.(0,875) - 1,5.(0,19769)]
1,33104
[0,875 - (0,19769)]
Teste de Parada
|f(x3)| =|0,02712| = 0,02712 >
x2 = 1,33104 e x3 = 1,36921
Clculo da 3 aproximao: x2 = 1,33104 e x3 = 1,36921
f(x2) = 0,02712 > 0
f(x3) = 0,19769 > 0
x4
[1,33104.(0,19769) - 1,36921.(0,02712)]
1,324971
[0,19769 - (0,02712)]
Teste de Parada
|f(x4)| =|0,00108| = 0,00108 <
(valor aceitvel para a raiz)
Exemplo 20:
Resgatando o Exemplo 13, no qual x2 + x 6 = 0:
Sejam x0 = 1,5 e x1 = 1,7
Assim:
x2
= [x0 .f(x1) x1 . f(x0)]/[f(x1) - f(x0)]
= [1,5.(-1,41) 1,7.(2,25)]/(-1,41 + 2,25) = 2,03571
x3
= [x1 .f(x2) x2 . f(x1)]/[f(x2) - f(x1)] = 1,99774
Assim:
x4
= [x2 .f(x3) x3 . f(x2)]/[f(x3) - f(x2)]
= 1,99999

Comentrios:
A parada poder ocorrer na 3a iterao (x = 1,99999 ), caso a preciso do clculo com 5 casas
decimais for satisfatria para o contexto do trabalho.
Vantagens:
Clculos mais convenientes que do mtodo de Newton;
Desempenho elevado.
Desvantagens:
Se o clculo f(x) no for difcil, ento o mtodo logo ser substitudo pelo de NewtonRaphson;
Se o grfico da funo for paralela a um dos eixos e/ou tangencia o eixo das abscissas em
um ou mais pontos, logo no se deve usar o mtodo da Secante;
Difcil implementao.
Anlise Comparativa dos Mtodos

Critrios de Comparao
Garantias de Convergncia
Rapidez de Convergncia
Esforo Computacional
Garantias de Convergncia
Bisseco e Falsa Posio
Convergncia garantida, desde que a funo seja contnua num intervalo [a,b] , tal
que f(a)f(b)<0
Ponto Fixo, Newton-Raphson e Secante

Condies mais restritivas de convergncia
Se as condies de convergncia forem satisfeitas, os dois ltimos mtodos so mais rpidos
do que os demais estudados
Rapidez de Convergncia
Nmero de Iteraes Medida usualmente adotada para a determinao da rapidez de
convergncia de um mtodo
No deve ser uma medida conclusiva sobre o tempo de execuo do programa
Tempo gasto na execuo de uma
iterao Varivel de mtodo para mtodo
Esforo Computacional
Indicadores
Nmero de operaes efetuadas a cada iterao;
Complexidade das operaes;
Nmero de decises lgicas;
Nmero de avaliaes de funo a cada iterao; e
Nmero total de iteraes.
Concluses gerais sobre a eficincia computacional de um mtodo.
Bisseco Clculos mais simples por iterao
Newton Clculos mais elaborados
Nmero de iteraes da Bisseco , na grande maioria das vezes, muito maior do
que o nmero de iteraes efetuadas por Newton
Condies a Serem Satisfeitas pelo Mtodo Ideal

Convergncia assegurada
Ordem de convergncia alta
Clculos por iterao simples
Escolha do Melhor Mtodo

Newton-Raphson Caso seja fcil a verificao das condies de convergncia e o clculo
de f(x)
Secante Caso seja trabalhoso obter e/ou avaliar f(x) , uma vez que no necessria a
obteno de f(x)
Critrio de Parada Detalhe importante na escolha do mtodo
Se o objetivo for a reduo do intervalo que contm a raiz Bisseco ou Falsa Posio
Modificado (no usar o Mtodo da Falsa Posio)
Se a escolha parte de um valor inicial para a raiz Newton-Raphson ou da Secante (pois
trabalham com aproximaes xk para a raiz exata)
Observaes Importantes:
Situaes nas quais se deve evitar o uso do Mtodo de Newton-Raphson e da Secante
Tendncia da curva ao paralelelismo a qualquer um dos eixos
Tendncia da funo tangncia ao eixo das abscissas em um ou mais pontos.
Concluso:
Escolha do mtodo Diretamente relacionada com a equao cuja soluo desejada
Comportamento da funo na regio da raiz exata
Dificuldades com o clculo de f(x)
Critrio de parada, etc.
Exemplo 01:
f(x) = x3 x 1
y
4
3
2
1
-4
-3
-2
-1
0
-1
-2
-3
-4
(x) = (x+1)1/3
[1
1, 2 ], 1 = 2 = 10 -6
Exemplo 02: x2 + x 6 = 0y
4
[1
1, 3 ], 1 = 2 = 10 -6
3
g(x)
2
1
4
-3
-1
0
-1
-2
-3
-4
-5
-6
(x) = (6 - x)1/2
Resoluo Numrica de Sistemas Lineares

Sistemas Lineares
Forma Geral
a11 x1 a12 x 2 ... a1n x n
b1
a 21 x1 a 22 x 2 ... a 2 n x n
b2
a n1 x1 a n 2 x 2 ... a nn x n
bn
onde:
aij coeficientes
xi incgnitas
bi termos independentes
Exemplo 01
2 x1 4 x 2 5 x3 5
4 x1 1x 2 5 x3 2
2 x1 4 x 2 5 x3 1
2, 4, -5, 4, 1, -5, 2, 4 e 5
x1, x2 e x3
5, 2 e -1
coeficientes
incgnitas
termos independentes
Forma Matricial
Ax = b
na qual:
a11 a12
a 22
a 21
a2n
a
n1 a n 2
Exemplo 02:
Forma Geral:
a1n
a n3
b1
b
b 2

bn
a nn
2 x1 4 x 2 5 x3 5
4 x1 1x 2 5 x3 2
2 x1 4 x 2 5 x3 1
Forma Matricial:
2 4 5 x1 5
4 1 5 . x 2
2
2 4 5 x3 1
Classificao
Impossvel No possui soluo
Exemplo 03
x1
x
x 2

xn
x1 x2 3
2 x1 2 x2 9
Possvel Possui 1 ou mais solues
Determinado Soluo nica
Exemplo 04
x1 x2 4
x1 x2 8
Indeterminado Mais de uma soluo
Exemplo 05
x1 x2 4
2 x1 2 x2 8
Homogneo Vetor b=0 (x=0 sempre existe soluo)
Exemplo 06
x1 x2 0
2 x1 3x2 0
Sistemas Triangulares:
Inferior: Possibilidade de resoluo de forma Direta
0 0
a11 0
a
21 a22 0 0
A a31 a32 a33 0

an1 an 2 an 3 ann
Superior: Possibilidade de resoluo de forma Retroativa
a11 a12 a13 a1n
0 a
a23 a2 n
22
A 0
0 a33 a3n

0
0
0 ann
Exemplo 7:
Dado o sistema:
3x1
4 x2
5 x3
x4
10
x2
x3
2 x4
4 x3
5x4
2 x4
Primeiro passo para sua resoluo:

2
x4 1
2
Segundo passo:
4 x3 5 x 4 3
4 x3 5 1 3
x3 2
Terceiro passo:
x 2 x3 2 x 4 1
x 2 2 2 1 1
x 2 1
ltimo passo:
3 x1 4 x 2 5 x3 x 4 10
3 x1 4 ( 1) 5 2 1 10
x1 1
Mtodos Numricos
Diretos
Soluo pode ser encontrada a partir de um nmero finito de passos
Mtodo de Gauss
Mtodo da Eliminao de Jordan
Fatorao LU
Iterativos
Soluo a partir de uma seqncia de aproximaes para o valor do vetor soluo x , at que seja
obtido um valor que satisfaa preciso pr-estabelecida
Mtodo de Jacobi
Mtodo de Gauss Seidel
Mtodo de Gauss
Propsito
Transformao do sistema linear a ser resolvido em um sistema linear triangular;
Resoluo do sistema linear triangular de forma retroativa.
Transformao do Sistema Linear

Troca da ordem das linhas;
Multiplicao de uma das equaes por um nmero real no nulo;
Substituio de uma das equaes por uma combinao linear dela mesma com outra equao.
Passos do Mtodo de Gauss

Construo da matriz aumentada:
Ab
a11 a12 a1n b1
a
a22 a2 n b2
21
Ab

an1 an 2 an 3 ann bn
Passo 1:
Eliminar os coeficientes de x1 presentes nas linhas 2,3,...,n - sendo a21 = a31, = ... = an1 = 0 - sendo a11
chamado de piv da coluna
Substituir a linha 2, L2, pela combinao linear:
a
L2 m21 L1 , na qual : m21 21
a11
Substituir a linha 3, L3, pela combinao linear:
a
L3 L3 m31 L1 , na qual : m31 31
a11
Continuar a substituio at a linha n;
Caso algum elemento app=0, achar outra linha k onde akp 0 e trocar tais linhas. Caso a linha k no
exista, o sistema linear no possui soluo.
Eliminar os coeficientes de x2 nas linhas 3, 4, ..., n (fazer a32=a42=...=an2 = 0);
Eliminar os coeficientes de x3 nas linhas 4, 5, ..., n (fazer a43=a53=...=an3 = 0) e assim
sucessivamente.
Exemplo 8:
Resolver o sistema:
2 x1 3 x 2 x 3 5
4 x1 4 x 2 3 x3 3
2 x1 3 x 2 x 3 1
Matriz aumentada Ab
2 3 1 5
Ab 4 4 3 3
2 3 1 1
Faz-se:
L2 L2 m21 L1 , m21
a21
2
a11
Assim:
L2 4 4 3 3 2 2 3 1 5
L2 0 2 1 7
Faz-se:
L3 L3 m31 L1 , m23
a31
1
a11
Assim:
L3 2 3 1 1 1 2 3 1 5
L3 0 6 2 6
Obtm-se a matriz:
2 3 1 5
Ab 0 2 1 7
0 6 2 6
Substituindo a linha 3 por:
L3 L3 m32 L1 , m32
a32
3
a 22
Tm-se:
L3 0 6 2 6 3 0 2 1 7
L3 0 0 5 15
A matriz [Ab] fica assim com os seguintes valores:
2 3 1 5
Ab 0 2 1 7
0 0
5 15
Usa-se a soluo retroativa:
5x3 15 x3 3
2x x 7 2x 3 7 x 2
2 3
2
2
2x1 3 x2 x3 5
2x 1 6 3 5 2x1 2 x1 1
Exemplo 9:
Resolver o sistema.
1,5 x1 5,4 x 2 3,3x3 10

4,2 x1 2,3 x 2 4,5 x3 11,7
2,7 x1 5,7 x 2 7,8 x3 8,9
1,5
Representando o sistema pela matriz aumentada: [ AB] 4,2

2,7
5,4
3,3
2,3
5,7
4,5
7,8
10
11,7
8,9
Escolhendo a primeira linha como piv, obtm-se:

L2 L2 m21 L1 4,2 2,3 4,5 11,7 (4,2/1,5) 1,5 5,4 3,3 10
L2 0 12,82 4,74 16,3
L3 L3 m31 L1 2,7 5,7
7,8 8,9 (2,7/1,5) 1,5 5,4 3,3 10
L3 0 4,02 1,86 9,1
1,5
Representando o sistema pela matriz aumentada: [AB] 0

0
Escolhendo agora a segunda linha como piv, tm-se:
5,4
3,3
12,82
4,02
4,74
1,86
10
16,3
9,1
L3 L3 m32 L1 0 4,02 1,86 9,1 4,02/ 12,82 0 12,82 4,74 16,3

L3 0 0 3,3463 3,9888
1,5
0
[AB]
Obtm-se a seguinte matriz ampliada:
O que termina com a triangulao:
1,5x1 5,4 x2 3,3 x3 10
0 x1 12,82 x2 4,74 x3 16,3
0 x 0 x 3,3463 x 3,9888
2
3
1
Com soluo:
- 3,9888
= -1,1918
3,3463
[ - 16,3 - (-4,74) (-1,1920)]
=
= 1,7121
(-12,82)
[10 - 5,4(1,7122) - 3,3(-1,1920)]
=
= 3,1251
1,5
x3 =
x2
x1
5,4
3,3
12,82
0
4,74
3,3463
10
16,3
3,9888
Mtodo do Pivoteamento Parcial

Semelhante ao mtodo de Gauss; Minimiza a amplificao de erros de arredondamento durante as
eliminaes;
Consiste em escolher o elemento de maior mdulo em cada coluna para ser o piv.
Exemplo 10:
Resolver o sistema com preciso de 4 casas decimais

1,5 x1 5,4 x 2 3,3x3 10
4,2 x1 2,3 x 2 4,5 x3 11,7

2,7 x1 5,7 x 2 7,8 x3 8,9
Matriz aumentada original deve ser ajustada:

1,5
4,2
2,7
5,4
3,3
2,3
5,7
4,5
7,8
10
11,7
8,9
4,2
1,5
2,7
2,3
4,5
5,4
5,7
3,3
7,8
11,7
10
8,9
Sistema inalterado, elemento piv 4,2.

Encontrar as novas linhas:
L2 L2 m21 L1 [1,5 5,4 3,3 10] (1,5/4,2) [ 4,2

L2 [0
4,5786 1,6929
L3 L3 m31 L1 [ 2,7
L3 [ 0
4,2214
2,3 4,5 11,7 ]
5,8214]
5,7
7,8 8,9] (2,7/4,2) [ 4,2
2,3 4,5 11,7 ]
4,9071 1,3786]
A matriz ampliada fica da forma:

4,2
0
2,3
4,5786
4,2214
4,5
11,7
1,6929 5,8214
4,9071 1,3786
Como o elemento 4,5786 j o piv da 2 coluna, tem-se:

L3 L3 m32 L2 [0 4,2214 4,9071 1,3786] (4,2214 / 4,5786) [0 4,5786 1,6929 5,8214]
L3 [0 0 3,3463 3,9886]
A matriz ampliada fica na forma:
4,2
0
2,3
4,5
4,5786
0
1,6929
3,3463
11,7
5,8214
- 3,9886
A soluo do sistema triangular que resultou dessas operaes :

- 3,9886
= -1,1919
3,3463
[5,8214 - 1,6929 (-1,1919)]
=
= 1,7121
(4,5786)
[11,7 - 2,3(1,7122) - 4,5(-1,1919)]
=
= 3,1252
4,2
x3 =
x2
x1
Exemplo 9: Exemplo 10 (com pivoteamento):

x3 = -1,1918
x3 = -1,1919
x2 = 1,7121
x2 = 1,7121
x1 = 3,1252
x1 = 3,1251
Soluo encontrada no Matlab:
x1 = -1,19198135198135
x2 = 1,71216783216783
x3 = 3,12522144522145
Mtodo de Jordan
Consiste em efetuar operaes sobre as equaes do sistema, com a finalidade de obter um sistema
diagonal equivalente;
Um sistema diagonal aquele em que os elementos aij da matriz coeficiente [A] so iguais a zero,
para ij, i, j = 1,2,...,n.
Sistema diagonal equivalente:
0 0
a11 0
0 a
0 0
22
[ A] 0
0 a33 0

0
0
0 ann
Exemplo 11:
A partir do sistema:
x1 5 x 2 x3 1
5 x1 2 x 2 3 x3 2
2 x1 3 x 2 2 x3 4
Com matriz aumentada:

1
Ab 5
2
5
2
1
3
1
5
2 1
4
2
2
5
3
1
2
1
4

L2 L2 m21 L1 1 5 1 1 (1/5) 5 2 3 2,
L2 0 4,6 0,4 0,6,
m21
a 21
1/5 0,2
a 11
Substituindo a linha 3 por :

L 3 L3 m31 L1 2 3 2 4 (2/5) 5 2 3 2
L3 0 2,2 0,8 3,2,
m31
a 31
2/5 0,4
a 11
A matriz ampliada resulta em:

5
Ab 0
0
4,6
2,2
0,4
0,8
2
0,6
3,2

L 3 L3 m32 L2 0 2,2 0,8 3,2 (2,2/4,6) 0 4,6 0,4 0,6
L3 0 0 0,609 2,913,
m32
a 32
2,2/4,6 0,478
a 22
A matriz ampliada resulta em:

3
1
5 2
Ab 0 4,6 0,4 0,6

0 0 0,609 2,913
Substituindo a linha 2 por
L2 L2 m23 L3 0 4,6 0,4 0,6 (0,4/0,609) 0 0 0,609 2,913
L2 0 4,6 0 1,313
Matriz ampliada resulta em:
3
1
5 2
Ab 0 4,6 0 1,313
0 0 0,609 2,913
Substituindo a linha 1 por
L1 5 2 3 1 (2/4,6) 0 4,6 0 1,313,
L1 5 0 3 1,571,
m12
a 12
2/4,6
a 22
Agora substituindo a linha 1 por:

L1 5 0 3 1,571 (3/0.609) 0 0 0,609 2,913
L1 5 0 0 12,779
m13
A matriz ampliada fica da seguinte forma:

5
Ab 0
0
0
4,6
0
0
0.609
E as solues so:
x1 = -02,556,
x2 = -0,285,
x3 = 4,783
12,779
1,313
2,913
a13
3/0,609
a 33
Decomposio em LU
O objetivo fatorar a matriz dos coeficientes A em um produto de duas matrizes L e U.
Seja:
1 0 0 0 u11 u12 u13 u1n
l

21 1 0 0 0 u22 u 23 u 2 n
LU l31 l32 1 0 0 0 u33 u3n
0
ln1 ln 2 ln 3 1 0
0
0 unn
E a matriz coeficiente A:
a11 a12 a1n
a
a22 a2 n
21
an1 an 2 an 3 ann
Tem-se, ento:
1 0 0 0 u11 u12 u13 u1n
a11 a12 a1n
l
1 0 0 0 u 22 u23 u2 n
21
a
a
a2 n
A 21 22
[ LU ] l31 l32 1 0 0
0 u33 u3n

an1 an 2 an 3 ann
ln1 ln 2 ln 3 1 0
0
0 unn
Para se obter os elementos da matriz L e da matriz U, deve-se calcular os elementos das linhas de U
e os elementos da colunas de L como segue.
1 linha de U: Faze-se o produto da 1 linha de L por todas as colunas de U e a iguala com todos os
elementos da 1 linha de A, assim:
1 u11 a11 u11 a11 ,
1 u12 a12 u12 a12 ,
1 u a u a ,
1n
1n
1n
1n
u1 j a1 j , j 1,2,..., n.
1 coluna de L: Faz-se o produto de todas as linhas de L, (da 2 a at a n), pela 1 coluna de U e a
iguala com os elementos da 1 coluna de A, (abaixo da diagonal principal), obtendo ,
a 21
l 21 u11 a 21 l 21 u ,
11
11
a31
l31 u11 a31 l31 u ,
ll1 u11 al1 ll1
al1
,
u11
ll1 al1 , l 1,2,..., n.
u11
2 linha de U: Faz-se o produto da 2 linha de L por todas as colunas de U, (da 2 at a n), e

igualando com os elementos da 2 linha de A, (da diagonal principal em diante), obtm-se ,
l 21 u12 u 22 a 22 u 22 a 22 l 21 u12 ,
l 21 u13 u 23 a 23 u 23 a 23 l 21 u13 ,
l u u a u a l u ,
21 1n
2n
2n
2n
2n
21 1n
u 2 j a 2 j l 21 u1 j , j 3,..., n.
2 coluna de L: Faz-se o produto de todas as linhas de L (da 3 at a n) pela 2 coluna de U e a
iguala com os elementos da 2 coluna de A, (abaixo da diagonal principal), obtendo ,
a32 l31 u12
,
l31 u12 l32 u 22 a32 l32
u 22
a42 l41 u12
,
l41 u12 l42 u 22 a42 l42
u 22
a l u
ll1 u12 ll 2 u 22 al 2 ll 2 l 2 l1 12 ,
u22
a l u
ll 2 l 2 l1 12 , l 3,..., n.
u22
Frmula Geral:
l 1
k 1
ulj alj llk ukj ,
l (a l u ) / u ,
lk kj jj
lj
lj
l j,
l j.
Resumo de Passos:
Seja um sistema Ax = b de ordem n, onde A satisfaz as condies da fatorao LU.
Ento, o sistema Ax = b pode ser escrito como:
LUx = b
Fazendo Ux = y, a equao acima reduz-se a Ly = b.
Resolvendo o sistema triangular inferior Ly = b, obtm-se o vetor y.
Substituio do valor de y no sistema Ux = y Obteno de um sistema triangular superior cuja
soluo o vetor x procurado;
Aplicao da fatorao LU na resoluo de sistemas lineares Necessidade de soluo de dois
sistemas triangulares
Avaliao de Erros
No sistema Ax = b , no qual:
a11 a12 a1n
a22 a2 n
[ A] 21
x

an1 an 2 ann
o erro da soluo x x .
x1
x2
xn
b1
b
b 2

bn
Procedimento de Determinao do Erro

Determinar:
Ax = b
Fazer:
Resduo = b b
Resduo = b b = Ax - Ax = A(x x) = Aerro
Verifica-se que:
O resduo no o erro, apenas uma estimativa do mesmo;
Quanto menor for o resduo, menor ser o erro.
Exemplo 12:
Refinar a soluo do sistema:
1,5 x1 5,4 x 2 3,3x3 10
4,2 x1 2,3 x 2 4,5 x3 11,7

2,7 x1 5,7 x 2 7,8 x3 8,9
Cuja soluo encontrada atravs pelo mtodo de Gauss, utilizando a soluo retroativa :
x (0) [3,1252 1,7121 - 1,1918]
O resduo calculado :
0.0002
r(0) b Ax(0) 0.0006
0.0010
V-se pelo resduo que a preciso alcanada no foi satisfatria.
O vetor x(0) chamado de vetor soluo.
Com o intuito de melhorar a soluo, considera-se um novo vetor x(1) chamado de vetor soluo
melhorado.
De forma que : x(1) = x(0) + (0), onde (0) o vetor de correo. Assim:
Ax (1) b
A( x ( 0 ) ( 0) ) b
Ax ( 0 ) A ( 0 ) b
A ( 0) b Ax ( 0 )
A ( 0 ) r ( 0 )
Calcular o vetor de correo:
1 0,0 02
1,5 5,4 3,3 10

4,2 2,3 4,5 1 ,7 . 0,0 06
2
2,7 5,7 7,8 8,9
3 0,0 10
A soluo :
0,0000
(0)
0,0001
0,0002
Desta forma, a soluo melhorada ser:

3,1252
x( 1 ) x( 0 ) ( 0 ) 1,7122
1,1920
Cujo novo resduo :
0,0000
r b Ax 0,0000

0,0000
(1)
(1)
Em exemplos onde o resduo ainda no seja satisfeito pode-se utilizar o mesmo procedimento:
x(2)=x(1)+(1)
Assim, o vetor correo (1), ser calculado por A (1) =r(1).
Acha-se assim, sempre uma soluo melhorada e com resduo tendendo a zero.
Mtodos Iterativos
Ocorrncia em larga escala de sistemas lineares em clculos de Engenharia e modelagem cientfica
Exemplos:
Simulaes de processos qumicos
Simulaes de dispositivos e circuitos
Modelagem de processos geocientficos e geoambientais
Anlise estrutural
Biologia estrutural
Modelagem de processos fsicos
Tendncia existncia de matrizes de coeficientes grandes e esparsas
Grandes Comum para n > 100.000
Esparsas Maioria dos coeficientes nulos
Resoluo de sistemas esparsos por mtodos diretos
Processos de triangularizao e fatorao Onerosos, por no preservarem
a esparsidade original, que pode ser til por facilitar a resoluo do sistema.
Mtodos apropriados para a resoluo de sistemas de natureza esparsa Mtodos iterativos
Gauss-Jacobi
Gauss-Seidel
A partir de uma estimativa inicial xi0, consistem em encontrar uma seqncia de estimativas xik que
convirja para uma soluo do SEL aps um nmero suficientemente grande de iteraes.
x1( 0 )
x1(1)
x1( 2 )
x1( k )
( 0)
2
x ( 0)
3
( 0)
n
(1)
n
( 2)
2
x ( 2)
3
x (1)
3
(1)
2
( 2)
n
x3( k )
(k )
2
(k )
n
Vantagem Menos suscetveis ao acmulo de erros de arredondamento do que o mtodo de

Eliminao de Gauss.
Lembretes importantes:
Como todo processo iterativo, estes mtodos sempre apresentaro um resultado aproximado,
que ser to prximo do resultado real conforme o nmero de iteraes realizadas.
Alm disto, tambm preciso ter cuidado com a convergncia destes mtodos.
Transformao do sistema linear Ax=b em x = Cx +g
A: matriz dos coeficientes, n x m
x: vetor das variveis, n x 1;
b: vetor dos termos constantes, n x 1;
C: matriz, n x n; e
g: vetor, n x 1.
Mtodos a estudar
Gauss-Jacobi
Gauss-Seidel
Mtodo de Gauss-Jacobi
Conhecida a estimativa inicial, x(0), obtm-se consecutivamente os vetores:
x (1) Cx ( 0 ) g ,
x
Cx
( 2)
(1)
(primeira aproximao)
g,
(segunda aproximao)
x ( k ) Cx ( k 1) g , (k - sima aproximao)
De um modo geral, a aproximao x(k+1) calculada pela frmula:

x(k)+g, k=0, 1, ...
Da primeira equao do sistema:
a11 x1 + a12 x2 + ... +a1n x2 = b1
obtm-se: x1 = (1/a11) (b1 - a12 x2 - ... -a1n x2)
e, analogamente,
x2 = (1/a22) (b2 - a21 x1 - ... -a2n xn)
:
:
xn = (1/ann) (bn - an1 x1 - ... - ann-1 xn-1)
Desta forma, para x = C x + g, obtm-se:
b1
a
11
0
a12 a11
a13 a11
a1n a11
a 21 a 22
a 23 a 22
a 2 n a 22
C a31 a33
a a
n1
nn
a32 a33
a n 2 a nn
a n 3 a nn
Distncia entre duas iteraes

d (k) max x i(k) - x i(k -1)
Critrio de Parada
d (k)
(k)
dr
max xi( k )
Exemplo 13
Seja o sistema:
10 x 1 2x 2 3x 3 7
x 1 5x 2 x 3 8
2x 1 3x 2 10x 3 6
Determinao de C e g:
b
2
a 22
a3n a33 e
g b3
a
33

bn
a
nn
7
10
- 2/10
- 3/10
-1/5
-1/5
0
3/10
-1/5
0
6

10
Assim, considerando como estimativa inicial:
0,7
x0 - 1,6
0,6
e = 0,05, obtm-se:
0,84
x (1) Cx (0) g 1,34
0,94
e
|x1(1) x1(0)| = 0,14
|x2(1) x2(0)| = 2,94
|x3(1) x3(0)| = 0,34
Assim:
x
(2)
Cx
0,150
0,91
(2)
0,7315
g 1,244 d r
1,244
0,030
(1)
e, analogamente:
x
(3)
Cx
0,4422
0,32
(3)
0,2046
g 1,5640 d r
1,5640
0,1968
(2)
Igualmente:
x
(4)
Cx
(3)
0,3282
g 1,4722
0,0424
dr
(4)
0,1544
0,1049
1,4722
e, finalmente:
x
(5)
Cx
(4)
0,3929
0,0647
(5)
0,0424
g 1,5259 d r
1,5259
0,0927
Mtodo de Gauss-Seidel
Similarmente ao mtodo de Gauss-Jacobi, conhecida a estimativa inicial, x(0), obtm-se
consecutivamente os vetores x(1), x(2), ..., x(k)
Todavia, ao se calcular
xj(k+1), usa-se todos os valores x1(k+1), x2(k+1), ..., xj-1(k+1) que j foram
calculados e os valores xj+1(k), xj+2(k), ..., xn(k) restantes.
Descrio
Seja o seguinte sistema de equaes:
a11 .x1 a12 .x 2 a13 .x3 a1n 1 .x n 1 a1n .x n b1

a 21 .x1 a 22 .x 2 a 23 .x3 a 2 n 1 .x n 1 a 2 n .x n b2
a31 .x1 a32 .x 2 a33 .x3 a3 n 1 .x n 1 a3n .x n b3
a n1 .x1 a n 2 .x 2 a n 3 .x3 a nn 1 .x n 1 a nn .x n bn
Isolando xi a partir da linha i, tem-se:

1
b1 a12 .x2 a13 .x3 a1n1.xn 1 a1n .xn
x1
a11
x2
1
b2 a21.x1 a23 .x3 a2n 1.xn1 a2 n .xn
a22
x3
1
b3 a31.x2 a32 .x2 a3n 1.xn1 a3n .xn
a33
1
bn an1.x1 an 2 .x2 ann1.xn1
ann
O processo iterativo se d a partir das equaes:
1
x1k 1
b1 a12 .x2k a13 .x3k ... a1,n 1.xnk1 a1n .xnk
a11
xn
x2k 1
1
b2 a21.x1k 1 a23 .x3k ... a2,n 1.xnk1 a2 n .xnk
a22
x3k 1
1
b3 a31.x1k 1 a32 .x2k 1 ... a3,n 1.xnk1 a3n .xnk
a33
xnk 1
1
bn an1.x1k 1 an 2 .x2k 1 ... an ,n 1.xnk11
ann
Critrio de Parada
Diferena relativa entre duas iteraes consecutivas, dada por:
xik 1 xik
Mx.
, se xik 1 0
k 1
xi
1i n
, se xik 1 xik 0
0
k 1
MR
xik 1 0
, se
1
xk 0
Fim do processo iterativo Valor de MRk+1 suficientemente pequeno para a preciso desejada.
Exemplo 14
Resolver:
5x y z 5
3x 4 y z 6
3 x 3 y 6 z 0,
com
M Rk 5.10 2.
Soluo:
1
x 5 y z
5
1
y 6 3x z
4
1
1
z 3x 3 y z x y
6
2
Quadro de resultados do processo iterativo:
M xk
xk
yk
M yk
M Rk
M zk
zk
-1
0,8
2,25
0,65
-0,725
2,379
2,379
1,015 0,212
0,92
0,293
-0,967
0,250
0,293
1,009 0,006
0,985
0,066
-0,997
0,030
0,066
1,002 0,007
0,998
0,0013
-1
0,003
0,0013
x = 1,002 y = 0,998
Verificao (substituio no sistema)
x = 1,002 y = 0,998
z = -1
5.(1,002) + 1.(0,998) + 1.(-1) = 5,008 5
OK
3.(1,002) + 4.(0,998) + 1.(-1) = 5,998 6
OK
3.(1,002) + 3.(0,998) + 6.(-1) = 0
OK
z = -1
Critrios de Convergncia
Processo iterativo Convergncia para a soluo exata no garantida para qualquer

sistema.
Necessidade de determinao de certas condies que devem ser satisfeitas por um
SEL para a garantia da convergncia do mtodo.
Critrios de determinao das condies de convergncia
Critrio de Sassenfeld
Critrio das Linhas
Critrio de Sassenfeld
Sejam as quantidades i dadas por:
n
n
1 i 1
1
1
a1 j e i
aij j aij para i = 2, 3, ..., n
a11 j 2
aii j 1
j i 1
n - ordem do sistema linear que se deseja resolver

aij - coeficientes das equaes do sistema
Este critrio garante que o mtodo de Gauss-Seidel convergir para um dado SEL se a quantidade
M, definida por:
M max
1i n
for menor que 1 (M<1).

Exemplo 15: Seja A a matriz dos coeficientes e b o vetor dos termos constantes, dados por:
a11 a12 a13 a14
b1
a 21 a 22 a 23 a 24 b2
a 31 a 32 a33 a 34 b3
a 41 a 42 a 43 a 44 b4
1
a12 a13 a14
a11
1
a 21 1 a 23 a 24
a 22
1
a31 1 a 32 2 a 34
a33
1
a 41 1 a 42 2 a 43 3
a 44
Mostrar que a soluo do SEL a seguir convergir pelo mtodo de Gauss-Seidel.

2,0 x1
x2 0,2 x3 0,2 x4 0,4
0,6 x1
3 x2 0,6 x3 0,3 x4 7,8
0,1 x1 0,2 x2
x3 0,2 x4
1,0
0,4 x1 1,2 x2 0,8 x3 4,0 x4 10,0

Soluo
1
1 1 0,2 0,2 0,7
2
1
2 0,6 0,7 0,6 0,3 0,44
3
1
3 0,1 0,7 0,2 0,44 0,2 0,358
1
1
4 0,4 0,7 1,2 0,44 0,8 0,358 0,2736
4
2.0 1.0 - 0.2 0.2 0.4

0.6 3.0 - 0.6 - 0.3 - 7.8
AB
- 0.1 - 0.2 1.0 0.2 1.0
0.4 1.2 0.8 4.0 - 10.0
M
max
0,7 M < 1 Convergncia da soluo do sistema a partir do mtodo de Gauss-Seidel
1i n i
Critrio das Linhas

Segundo este critrio, um determinado sistema ir convergir pelo mtodo de Gauss-Seidel, se:
n
a
j 1
j i
ij
aii , para i 1, 2, 3, ..., n.
Exemplo 16: O SEL do Exemplo 14 satisfaz o Critrio das Linhas, sendo a verificao quase
imediata, se for observado que:
a11 2 a12 a13 a14 1 0,2 0,2 1,4

a22 3 a21 a23 a24 0,6 0,6 0,3 1,5
a33 1 a31 a32 a34 0,1 0,2 0,2 0,5
a44 4 a41 a42 a43 0,4 1,2 0,8 2,4
n
a
j 1
j i
ij
aii para i 1, 2, 3, 4.
Tanto o Critrio de Sassenfeld quanto o Critrio das Linhas so condies suficientes, porm no
necessrias, para a convergncia do mtodo de Gauss-Seidel para um dado SEL
Um dado SEL pode no satisfazer estes critrios e ainda convergir
Um sistema pode no satisfazer o Critrio das Linhas, porm sua convergncia ser
garantida se satisfizer o Critrio de Sassenfeld
Critrio das Linhas x Critrio de Sassenfeld

Exemplo 17: Seja o seguinte SEL:
10 x1 x2 23
6 x1 2 x2 18
O Critrio das Linhas no satisfeito, visto que:
a22 2 a21 6
Todavia, o Critrio de Sassenfeld satisfeito, uma vez que:
1
1
1
1 0,1
e
2 6 0,1 0,3
10
2
Assim sendo, a convergncia do SEL garantida.
Embora no altere a soluo do SEL, a ordem de aparecimento das equaes pode alterar sua
convergncia pelo mtodo da Gauss-Seidel.
Exemplo 18: Seja o SEL:
4 x1 10 x2 19
5 x1 3 x2 15
Observa-se que na ordem atual de aparecimento das equaes, o SEL no satisfaz o
Critrio das Linhas (verificar!!!); logo, sua convergncia no garantida.
A inverso da ordem das duas equaes do SEL far com que o Critrio das Linhas
seja satisfeito e sua convergncia pelo mtodo de Gauss-Seidel garantida (verificar
tambm!!! ).
Integrao Numrica
Em determinadas situaes, integrais so difceis, ou mesmo impossveis de se resolver
analiticamente.
Exemplo: o valor de f(x) conhecido apenas em alguns pontos, num intervalo [a, b]. Como no se
conhece a expresso analtica de f(x), no possvel calcular:
b
f ( x)dx
a
Forma de obteno de uma aproximao para a integral de f(x) num intervalo [a, b] Mtodos
Numricos.
Idia bsica da integrao numrica substituio da funo f(x) por um polinmio que a
aproxime razoavelmente no intervalo [a, b].
Integrao numrica de uma funo f(x) num intervalo [a,b] clculo da rea delimitada por
essa funo, recorrendo interpolao polinomial, como, forma de obteno de um polinmio
pn(x).
As frmulas tero a expresso abaixo:

b
f ( x)dx A f ( x ) A f ( x ) ... A
0
f ( xn ),
xi [a,b],i 0,1,...,n
Frmulas de integrao (frmulas de quadratura):
n
I n ( f ) Ai f ( xi )
i 0
x0 , ... , xn - pontos conhecidos, pertencentes ao intervalo [a, b] (ns de integrao).

A0 , ... , An - coeficientes a determinar, independentes da funo f (x) (pesos).
O uso desta tcnica decorre do fato de:
por vezes, f(x) ser uma funo muito difcil de integrar, contrariamente a um polinmio;
conhecer-se o resultado analtico do integral, mas, seu clculo somente aproximado;
a nica informao sobre f(x) ser um conjunto de pares ordenados.
Mtodos de integrao numrica mais utilizados
Frmulas de Newton-Cotes Fechadas
Regra dos Trapzios, x0=a e xn=b.
Regra 1/3 de Simpson
Frmulas de Newton-Cotes Abertas
os xi tm de pertencer ao intervalo aberto de a at b
Regra dos Trapzios

Regra dos Trapzios Simples - consiste em considerar um polinmio de primeiro grau que
aproxima uma funo f(x), ou seja, n=1.
Este polinmio ter a forma y=a0 + a1x e trata-se da equao que une dois pontos: a=x0 e b=x1.
Regra dos Trapzios Simples

rea do trapzio: A=h . (T+t) /2
h - altura do trapzio
t - base menor
T - base maior
De acordo com a figura:
h= b a = x1 x0
t = f(b) = f(x1)
T = f(a) = f(x0)
x1
Logo,
f ( x)dx 2 f ( x
) f ( x1 )
x0
Intervalo [a, b] relativamente pequeno

aproximao do valor do integral aceitvel.
Intervalo [a, b] de grande amplitude
aproximao desfasada.
pode-se subdividi-lo em n sub-intervalos, e em cada um a funo aproximada por uma funo
linear.
A amplitude dos sub-intervalos ser h=(b-a)/n .
A integral no intervalo dado pela soma dos integrais definidos pelos sub-intervalos.
Regra dos trapzios simples aplicada aos sub-intervalos.
Uso da Regra dos Trapzios Composta (Repetida): soma da rea de n trapzios, cada qual
definido pelo seu sub-intervalo.
Regra dos Trapzios Composta

Intervalo [a, b] de grande amplitude.
Soma da rea de n trapzios, cada qual definido pelo seu sub-intervalo.
Frmula:
xm
x0
y=(1+x)-1/2
0.0
1.00000
0.5
0.89445
1.0
0.70711
1.5
0.55475
2.0
0.44722
2.5
0.37138
3.0
0.31623
3.5
0.27473
4.0
0.24254
h
h
h
f ( x)dx f ( x0 ) f ( x1 ) f ( x1 ) f ( x 2 ) ... f ( x N 1 ) f ( x N )
2
2
2
S os termos f(x0) e f(xn) no se repetem, assim, esta frmula pode ser simplificada em:
xN
h
x f ( x)dx 2 f ( x0 ) 2 f ( x1 ) f ( x2 ) ... f ( xN 1 ) f ( xN )
0
4
Exemplo: Estimar o valor de
(1 x
) 1 / 2 dx
Regra dos Trapzios Simples - 2 pontos (x0=0.0 e x1=4.0)

I=y0+y1=2x(1.00000+0.24254) = 2.48508
Regra dos Trapzios Composta - 3 pontos (x0=0.0,x1 =2.0,x2 =4.0)
I=y0+2y1+y2=1x(1.00000+2x0.44722+ 0.24254) = 2.1369
Regra dos Trapzios Composta - 9 pontos
I=(0.5/2)x(y0+2y1+2y2+2y3+2y4+2y5+2y6+2y7+y8) =2.0936
A aproximao para 9 pontos melhor, dado que o valor real 2.0947.
Erro da Regra dos Trapzios simples

E(f)=I(f)-T(f)=I(f)-I(p1)=I(f-p1)
T(f) - valor da integral obtida pela regra dos trapzios.
I(f) - valor da integral obtida pela integrao de f(x).
Erro da Regra dos Trapzios simples

E( f ) = I ( f ) - T ( f ) = I ( f ) - I ( p1 ) = I ( f - p1 )
Da frmula do erro de interpolao temos:
f (x) - p1(x) = f [ a, b, x ] ( x - a ) ( x - b )
Como ( x - a ) ( x - b ) no muda de sinal no intervalo [a, b] pode-se aplicar o Teorema do Valor
Mdio para Integrais e obtm-se:
b
f a, b, x x a x b dx f a, b, ( x a )( x b)dx
a
para um certo ]a, b[
Supondo que f C2[a, b], obtm-se a frmula do erro:

(b a ) 3
h3
E( f )
f ( )
f ( ), para um certo ]a, b[
12
12
Erro da Regra dos Trapzios Composta

h3
h3 N 1 N
f ( i )
f ( i )
12 N i 1
i 1 12
Aplicando o Teorema do Valor Mdio mdia das 2as derivadas, obtm-se:

N
h3
Nh 3 f ( i )
E N ( f ) f ( i )
12
i 1 12
No possvel calcular exatamente, visto que no se conhece o ponto . Quando for possvel,
calcula-se um limitante superior para o erro.
Tem-se:
Nh 3 f ( i )
EN ( f )
12
Sendo f(x) contnua em [a, b] ento existe
M 2 mx f (x)
N
E N ( f )
x[ a ,b ]
Assim: ETR
Nh 3 M 2
12
1
x
Exemplo: Seja I e dx
0
calcule uma aproximao para I usando a Regra dos Trapzios Simples. Estime o erro cometido.
h b a 1 0 1
x1
x0
h
f ( x)dx f ( x 0 ) f ( x1 )
2
I e x dx
0
1 0
e e
2
I e x dx 1,859141
0
Estimativa do erro cometido:

(1)3
ETR
e , (0,1)
12
Portanto :
ETR
1
x
mx e 0,226523
12 x[ 0 ,1]
e1 mx e x
x[ 0 ,1]
x
Exemplo: Seja I e dx , calcule uma aproximao para I usando 10 subintervalos e a Regra dos
0
Trapzios Composta. Estime o erro cometido.

xN
h
x f ( x)dx 2 f ( x0 ) 2 f ( x1 ) f ( x2 ) ... f ( xN 1 ) f ( xN )
0
[0,1] subdivididos em 10 subintervalos com h 0,1
1
I e x dx
0
0,1 0
e 2e 0,1 2e 0, 2 ... 2e 0,8 2e 0,9 e
2
I e x dx 1,719713
0
Estimativa do erro cometido:

10(0,1)3
ETR
e , (0,1)
12
Portanto :
ETR
0,01
x
mx e 0,00227
12 x[ 0 ,1]
e1 mx e x
x[ 0 ,1]
Bibliografia
RUGGIERO, M. A. G. & LOPES, V. L. R. Clculo numrico: aspectos tericos e

computacionais. 2.ed. So Paulo, Makron, 1997.
HATTORI, M. T. H. & QUEIROZ, B. C. N. Mtodos e Software Numricos. Departamento
de Sistemas e Computao, Universidade Federal de campina Grande, Campina Grande,
1995.
BARROSO, L. C., BARROSO, M. A., CAMPOS, F. F., CARVALHO, M. L. B. & MAIA,
M. L. Clculo Numrico (Com Aplicaes), 2.ed. So Paulo, Editora Arbra, 1987.
CHAPA, S. C. & CANALE, R. P. Numerical Methods for Engineers, McGraw-Hill, 1990.

Exemplos - Métodos Matemáticos em Engenharia

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Exemplos - Métodos Matemáticos em Engenharia

Enviado por

Direitos autorais:

Formatos disponíveis

Mtodos Matemticos em Engenharia

Introduo de um dodo no circuito:

Soluo utilizando mtodos numricos

dx no tem primitiva em forma simples;

b) y y 2 t 2 no pode ser resolvido analiticamente;

Passos para a resoluo de problemas

Influncia dos Erros nas Solues

Aplicaes de clculo numrico na engenharia.

Ou, melhor 1x23 + 0x22 + 1x21 + 1x20 =

Converso octal hexadecimal

anbn an1bn1 an2bn2 ... a0b0 a1b 1 a2b 2 ... amb m

Normalizao no permite representar zero!

Nmero finito de bits na representao

Overflow: nmero a representar maior que maior nmero possvel de ser

Erros Inerentes aos Dados

Provenincia Processo de aquisio/entrada (medidas experimentais)

Erros inerentes ao modelo matemtico adotado

Erros Inerentes ao Modelo

Representao Numrica em Mquinas Digitais

Quanto erro est presente no resultado?

At que ponto o erro presente no resultado tolervel?

Acurcia (ou Exatido)

Indicador de Preciso de um Resultado

Algarismos significativos (as)

Algarismos que podem ser usados com confiana

Erros nos Mtodos

um truncamento no sexto termo gera: e

Observe-se que o segundo as no mais se alterar.

nem o sexto as a partir de:

nem o oitavo as a partir de:

2. sen(x) com 6 as, considerando x= 4/3

Erro de Representao x Erro de Truncamento de Dgitos

a partir de uma calculadora e um computador, para xi = 0,5 e xi = 0,1

Obviamente, o resultado do erro absoluto o mesmo nos dois casos

2 utilizando uma calculadora digital

Valor apresentado: 1,4142136

Apresentao de uma aproximao do nmero pela calculadora

Para t = 4 e x = 234,57, ento:

visto que |gx|<1

pois 0,1 o menor valor possvel para fx

EA x x x f x .10 e g x .10e t f x .10 e 10e t

Erros de Truncamento e Arredondamento

Resultado com 4 dgitos

Sistemas de Vrgula Flutuante (VF)

fl(b 2 ) (0,7341.0,7341)(10 0.10 0 )

fl( (b 2 - 4c ) = (0,5387.100 ) 2 = 0,7339.100

0,27247.10- 4 ERx1 % 0,003%

0,22336.10 0 ERx 2 % 22,3%

2. Manipulao da frmula para a determinao dos zeros

3. Manipulao simblica da equao genrica de segundo grau

Maior valor da soma 53 + 22 = 75

Anlise dos Erros Absoluto e Relativo

Supondo um erro final arredondado, sendo x e y, tais que:

(desprezam-se os termos de potncia > 1)

x x EA x xEAy y.EA x xEA y

Ex. 21:Supondo que u representado em um computador por , que obtido por

Resoluo Numrica de Equaes

um zero da funo f(x) ou raiz da equao f(x) = 0 se f() = 0.

Polinmios de grau mais elevado e funes com maior grau de complexidade

FASE I: ISOLAMENTO DAS RAZES

f(x) contnua para x R.

f(x) admite pelo menos um zero no intervalo [1, 2] O zero nico?

x 5e-x = 0 <=> x h(x