Apostila Juliana

Coronel Fabriciano
Agosto de 2009
Professor: Alosio de Castro Gomes Jnior
Verso 1.0
Notas de Aula de Clculo Numrico
Introduo
A SOLUO NUMRICA
Objetivo: tornar simples a resoluo de problemas cientficos, como por exemplo, a

equao abaixo:
x2
2
dx
Problema
Real
Levantamento
dos Dados
Construo do
Modelo
Escolha do
Mtodo
Numrico
Anlise dos
Resultados
Obtidos
Implementao
Computacional
Se necessrio,
reformular o
modelo ou escolher
um novo mtodo
O PROCESSO ITERATIVO
Mtodo de clculo infinito
Unileste-MG
Prof. Alosio de Castro
Produz uma sequncia de aproximaes para a soluo:
x0 , x1, x2 , x3, ..., xk , xk 1, ..., x *

O valor obtido a cada passo depende do valor obtido no passo anterior.
Existe convergncia?
O Mtodo Iterativo
Quando parar?
Tome
x * xk
Condies de Parada:
lim_ inf g(x * ) lim_ sup
Erro absoluto =
Erro relativo =
x k x k 1 tol
x k x k 1
tol
xk
k num_max_iter
ERROS NAS APROXIMAES NUMRICAS

Erros de Modelagem
Erro de Representao de Ponto Flutuante
Erro de arredondamento
Erro de truncamento
Erro por estouro de memria
Unileste-MG
Captulo 1:
SISTEMAS LINEARES
1. INTRODUO
Prope-se, neste captulo, apresentar mtodos numricos para resolver sistemas
lineares postos na forma:
11 1
21 1
1 1
+ 12 2
+ 22 2
+ 2 2
+
+

+
+
+
1
2
=
=
1
2
Ou equivalente:
= = 1,2, ,
=1
isto , resolveremos sistemas lineares onde o nmero de equaes igual ao de

incgnitas.
Na forma matricial, um sistema linear representado por;
=
onde:
11 12 1
21 22 2
=
Matriz dos Coeficientes

1 2
1
2
= Vetor das variveis (ou incgnitas)
= 2 Vetor dos termos independentes
Unileste-MG
comum tambm representar o sistema = pela sua matriz aumentada, isto ,

por:
11
= 21
12
22
1
2
| 1
| 2
|
|
Aplicaes: Clculos de tenso de estruturas metlicas, clculo de razo de

escoamento num sistema hidrulico, sistemas de produo com matria-prima ou
recursos escassos, etc...
Definio: Denomina-se vetor soluo (ou simplesmente soluo) de um sistema
= e denota-se por = 1 2 ao vetor das variveis que contm os
elementos , = 1, 2, , , que satisfazem a todas as equaes do sistema.
2. SISTEMAS TRINAGULARES
2.1. Sistema Triangular Superior
Denomina-se sistema triangular superior a todo sistema = em que:
= 0 < ,
ou seja, o sistema da seguinte forma:
11 1
+
+
12 2
22 2
+
+
13 3
23 3
33 3
+
+
+
+
+
+
1
2
3
= 1
= 2
= 3
Tais sistemas so resolvidos por substituies retroativas, atravs de equaes da

forma:
Unileste-MG
=+1

= , , 1
2.1. Sistema Triangular Inferior

Denomina-se sistema triangular inferior a todo sistema = em que:
= 0 > ,
ou seja, o sistema da seguinte forma:
11 1
21 1
1 1
22 2
2 2
=
=
1
2
Tais sistemas so resolvidos por substituies progressivas, atravs de equaes da

forma:
1
=1

= 1, ,
3. MTODOS NUMRICOS
Mtodos Diretos
Mtodos Iterativos
4. MTODOS DIRETOS
So mtodos que produzem a soluo exata de um sistema, a menos de erros de
arredondamento, depois de um nmero finito de operaes aritmticas.
Regra de Cramer computador que efetua uma operao aritmtica em 10-8
segundos gastaria cerca de 36 dias para resolver um sistema de ordem n=15.
Unileste-MG
Transformaes Elementares:
1. Trocar duas equaes:
Ex.:
;
;
2. Multiplicar uma equao por uma constante no-nula:
Ex.:
3. Adicionar a uma equao um mltiplo de uma outra equao:
+ ;
Sistemas Equivalentes: Dois sistemas = e = se dizem equivalentes se a

soluo de um for tambm a soluo de outro.
TEOREMA: Seja = um sistema linear. Aplicando-se somente transformaes

elementares sobre as equaes de = , obtemos um novo sistema = , sendo
que = e = so equivalentes.
4.1. Mtodo de Gauss

Consiste em operar transformaes elementares sobre as equaes de um sistema
= at que, depois de 1 passos, se obtenha um sistema triangular superior
= , equivalente ao sistema dado, sistema esse que resolvido por substituies
retroativas.
11
21
12
22
1
2
Unileste-MG
| 1
| 2
|
|
Transf.
Elementares
11
0
12
22
1
2
|
|
|
|
1
2
Descrio do Mtodo:
Para descrevermos o mtodo, consideraremos os seguintes exemplos:
21
Exemplo 1.1: 41
21
Unileste-MG
+
+
32
42
32
3
33
+
3
=
=
=
5
3
1
61
Exemplo 1.2: 21
31
+
+
+
22
42
22
3
+
3
+ 83
=
=
=
7
7
13
Avaliao do resduo/erro:
O erro produzido por uma soluo do sistema = pode ser avaliado pela
expresso:
= max
1
Onde a i-sima componente do vetor resduo , o qual dado por:

=
Unileste-MG
Exemplo 1.3: Avalie o erro cometido ao resolver o exemplo 1.2.
Complexidade:
O Mtodo de Gauss tem complexidade polinomial (3 ). Em um computador que
efetua uma operao aritmtica em 10-8 segundos o mtodo gastaria cerca de
0,0000257 segundos para resolver um sistema de ordem n=15.
Desvantagens do mtodo de Gauss:
(a) No pode ser aplicado quando o piv for nulo.
(b) Os erros de arredondamento cometidos durante um passo da obteno do sistema
linear se propagam para os passos seguintes, podendo comprometer a validade da
soluo obtida.
Para contornar o problema (a) e minimizar o problema (b), a idia usar uma
estratgia de pivoteamento.
4.2. Mtodo de Gauss com Pivotao Parcial
A estratgia do pivoteamento consiste em:
(i) No incio da etapa de eliminao, escolher para piv o maior elemento, em
mdulo, dentre os coeficientes.
(ii) Trocar as linhas e se necessrio.
Exemplo 1.4:
Resolver o sistema linear a seguir, avaliando o erro cometido em cada caso:
0,00021
21
+
+
22
22
=
=
5
6
a) mtodo de Gauss
b) mtodo de Gauss com pivoteamento parcial.
Unileste-MG
10
Exemplo 1.5: Resolver o sistema abaixo, usando o mtodo de Gauss com pivotao
parcial e avalie o erro cometido.
21 + 32 +
3 = 2
41 + 22 + 53 = 10
51 +
2 + 33 =
9
Unileste-MG
11
5. MTODOS ITERATIVOS
Tratam-se de mtodos nos quais a soluo de um sistema linear = obtida
como limite de uma seqncia de aproximaes sucessivas (0) , (1) , (2) , , () , ,
sendo dada uma aproximao inicial (0) , isto :
= lim ()
5.1. MTODO DE JACOBI

Seja o sistema linear = em sua forma expandida:
11 1
21 1
1 1
Unileste-MG
+ 12 2
+ 22 2
+ 2 2
+
+

+
+
+
1
2
=
=
1
2
12
Explicitemos 1 na primeira equao, 2 na segunda equao e assim sucessivamente.
1 =
1 (12 2 + 13 3 + + 1 )
11
2 =
2 (21 1 + 23 3 + + 2 )
22
(1 1 + 2 2 + + ,1 1 )
O Mtodo de Jacobi consiste na seguinte seqncia de passos:

(i) Escolher uma aproximao inicial (0) = 1(0)
(0)
(0)
arbitrria.
(ii) Gerar aproximaes sucessivas () a partir de (1) com base nas seguintes
equaes de iterao:
()
1
()
2
(1)
+ 13 3
11
(1)
+ 23 3
22
1 (12 2
2 (21 1
(1)
+ + 1
(1)
(1)
+ + 2
(1)
()
(1)
(1 1
(1)
+ 2 2
(1)
+ + ,1 1 )
(iii) Interromper o processo quando um dos critrios abaixo for satisfeito:

()
(1)
(1)
max13
(2)
> , onde ITERMAX o nmero mximo de iteraes.
Unileste-MG
<
13
Exemplo 1.6 : Resolva o sistema linear a seguir, pelo mtodo de Jacobi usando como
()
(1)
aproximao inicial (0) = 0 0 0 e como critrio de parada max13
<
0,002 ou >10 iteraes:
101
1
21
Equaes de Iterao
22
152
32
+
+
+
3
3
103
x1( k )
=
=
=
7
32
6
max xi( k ) xi( k 1)
x3( k )
x 2( k )
1i 3
---------
x1( k )
x2( k )
2
3
x3( k )
4
5
5.2. MTODO DE GAUSS-SEIDEL

Este mtodo difere do anterior apenas com relao s equaes de iterao, as quais
so:
()
1
Unileste-MG
(1)
1 (12 2
(1)
+ 13 3
11
(1)
+ + 1
()
2
()
(1)
2 (21 1 + 23 3
=
22
()
14
()
(1)
+ + 2
()
(1)
()
()
2 (31 1 + 32 2 + + 3
33
()
()
(1 1 + 2 2 + + ,1 1 )
=
Exemplo 1. 7: Resolva o sistema linear a seguir, pelo mtodo de Gauss-Seidel

usando como aproximao inicial (0) = 0 0 0 e como critrio de parada
()
(1)
max13
< 0,002 ou > 10 iteraes:
101
1
21
Equaes de Iterao
x1( k )
k
0
22
152
32
x1( k )
+
+
+
3
3
103
x 2( k )
=
=
=
7
32
6
x3( k )
max xi( k ) xi( k 1)

1i 3
---------
x2( k )
2
3
(k )
3
4
5
Unileste-MG
15
5.3. CONVERGNCIA DOS MTODOS ITERATIVOS

(i) CRITRIO DAS COLUNAS: condio suficiente para que um sistema linear
convirja usando um mtodo iterativo que:
>
= 1, 2, ,
=1
Ou seja, o elemento da diagonal principal tem que ser dominante na coluna.
Alm do mais, quanto mais prximo de zero estiver a relao
=1
mais rpida ser
a convergncia.
Exemplo 1.8: Verifique, usando o critrio das colunas, se o sistema linear a seguir
converge quando um mtodo iterativo for aplicado.
451
1
51
Unileste-MG
22
322
2
+
3 = 220
33 =
72
503 = 73
16
(ii) CRITRIO DAS LINHAS: condio suficiente para que um sistema linear
convirja usando um mtodo iterativo que:
>
= 1, 2, ,
=1

Ou seja, o elemento da diagonal principal tem que ser dominante na linha.
Alm do mais, quanto mais prximo de zero estiver a relao
=1

mais rpida ser
a convergncia.
Exemplo 1.9: Verifique, usando o critrio das linhas, se o sistema linear a seguir
converge quando um mtodo iterativo for aplicado.
451
1
51
22
322
2
+
3 = 220
33 =
72
503 = 73
(ii) CRITRIO DE SASSENFELD: Seja
1
=1
=+1
condio suficiente para que um sistema linear convirja usando um mtodo iterativo
que:
= max < 1
1
Unileste-MG
17
Alm disso, quanto menor for mais rpida ser a convergncia.

Exemplo 1.10: Verificar se h garantia de convergncia do sistema a seguir usando
um mtodo iterativo:
31
1
21
Unileste-MG
2
2
33
=
=
=
3
1
9
18
6. COMPARAO ENTRE OS MTODOS
Item
Mtodo Direto
Mtodo Iterativo
Convergncia
A soluo sempre obtida.
H garantia de obter soluo

somente sob certas
condies.
Nmero de
Operaes
possvel determinar a priori o

nmero de operaes
necessrias.
No possvel determinar a
principio a complexidade.
Esparsidade
Destri a esparsidade da matriz

durante a fase de eliminao.
Preserva a esparsidade da
matriz.
Erros de
Arredondamento
Amplia os erros durante os

clculos. Essa ampliao pode
ser minimizada usando tcnicas
de pivoteamento.
Os erros de arredondamento
no afetam as solues
obtidas em cada iterao.
Apenas a soluo final pode
conter erro.
Unileste-MG
19
Exerccios:
1.1) Resolva os Sistemas Lineares abaixo usando o Mtodo de Eliminao de Gauss, quando
necessrio reter 3 casas decimais. Avalie o resduo de cada sistema.
x1
(a) 2 x1
x
1
x2
3x 2
x2
1,023x1
(c) 5,083 x1
3,459 x
1
2 x1
x
1
(d)
3x1
4 x1
4 x3 6,60
x3 6,90
x3 10,20
2,456 x 2
1,250 x 2
2,512 x 2
2 x2
x2
2 x2
3x2
x3
2 x3
3 x3
2 x3
4 x1
(b) x1
x
1
3x 2
2 x2
x2
2 x3 10
3 x3 5
x3 1
1,234 x3 6,672
0,987 x3 6,526
1,212 x3 11,278
x4
x4
2 x4
x4
7
1
4
12
1.2) Resolva os Sistemas Lineares (a), (c) e (d) do exerccio anterior usando o Mtodo de
Eliminao de Gauss com pivotao parcial, quando necessrio reter 3 casas decimais. Avalie o
resduo de cada sistema.
1.3) Verifique, usando o critrio de Sassenfeld, se os sistemas abaixos podem ser resolvidos
atravs de mtodos iterativos e em seguida resolva-os utilizando o mtodo de Jacobi com
k 10 iteraes, explicitando as equaes de iterao. Considere a soluo x0 0 0 0 0

como aproximao inicial e preciso 0,01 .
(a)
(b)
751
81
51
21
+
+
751
101
31
+ 122
+ 602
22
+
33
43
+ 423
53
142
652
72
42
+ 44
24
+ 54
304
= 115
=
96
= 149
= 13
+
53 = 326
+
53 = 130
+ 453 =
84
1.4) Resolva os sistemas lineares do exerccio anterior utilizando o mtodo de Gauss-Seidel

com k 10 iteraes, explicitando as equaes de iterao. Considere a soluo
x ( 0 ) 0 0 0 0 como aproximao inicial e preciso 0,01 .

t
1.5) Uma forma mais simples de verificar se haver convergncia, quando da aplicao de
mtodos de Jacobi e Gauss-Seidel, na resoluo de um sistema de equaes a utilizao do
Critrio das Linhas. Ele estabelece que condio suficiente para a convergncia dos mtodos
de Jacobi e Gauss-Seidel que a matriz dos coeficientes, A , de um sistema de equaes Ax b
, seja a diagonal principal estritamente dominante, ou seja,
| aii |
Unileste-MG
| a
j 1; j i
ij
| , i 1, 2, ..., n
20
Isto significa que, em cada linha, o elemento diagonal, em mdulo, deve ser maior que a soma
dos mdulos dos demais elementos da mesma linha. Seja um sistema de equaes cuja matriz
dos coeficientes e termos independentes so:
C 3 1
1
A C 20 1 e b 1
1 C 6
1
Aplicando o critrio das linhas determine em qual intervalo deve estar o valor de C de tal
forma que se possa garantir que haver convergncia quando da aplicao de um mtodo
iterativo para a sua resoluo. Tomando um valor para C, no intervalo determinado, resolva o
sistema de equaes utilizando o mtodo de Jacobi com preciso de 0,01 e um mximo de 5
iteraes. Considere a soluo
x ( 0 ) 0 0 0 .
t
1.6) Dado o sistema de equaes a seguir, determine, utilizando o critrio de Sassenfeld, o

menor valor inteiro positivo de k para o qual fica assegurada a convergncia dos mtodos
iterativos. Usando o valor determinado, resolva o sistema de equaes aplicando o mtodo de
Gauss-Seidel, com preciso 0,02 e um mximo de 10 iteraes. Considere a soluo
x ( 0 ) 0 0 0 .
t
kx1
kx1
x
1
3x 2
6 x2
6 x2
x3 1
x3 2
7 x3 3
1.7) A anlise de 3 alimentos revelou que os mesmos possuem as seguintes quantidades de

vitamina por grama.
Alimento
I
II
III
A (%)
20,5
30,4
25,0
Vitaminas
B (%)
38,0
18,2
12,8
C (%)
27,0
19,0
17,6
Uma pessoa deseja ingerir 2684; 2793,22 e 2402,74 gramas de vitaminas A, B e C,

respectivamente. Quais as quantidades necessrias dos alimentos I, II e III? Resolva por
qualquer mtodo este problema.
Unileste-MG
21
Resolva os dois problemas a seguir com a utilizao do software SCILAB ou MATLAB.
Problema 1.1: Suponha que tenhamos o circuito dado na Figura 1.
100 V
0V
Figura 1
A corrente que flui do n p para o n q de uma rede eltrica dada por:
I pq
V p Vq
R pq
onde I em Ampres, R em Ohms e Vp e Vq so voltagens nos ns p e q, respectivamente, e Rpq

a resistncia do arco pq (Lei de Ohm).
A soma das correntes de chegam em cada n nula (Lei de Kirchoff); assim, as
equaes que relacionam as voltagens podem ser obtidas. Por Exemplo: no n 1, tem-se a
equao:
I A1 I 21 I 41 0,
ou seja,
100 V1 V2 V1 V4 V1
0,
2
1
2
ou ainda
4V1 2V2 V4 100

Obtenha as demais equaes do sistema linear e resolva-o usando mtodo numrico
sua escolha.
Unileste-MG
22
Problema 1.2: Uma transportadora possui cinco tipos de caminhes, que representaremos
por (1), (2), (3), (4) e (5), os quais so equipados para transportar cinco tipos diferentes de
mquinas A, B, C, D, E, segundo a Tabela 1, onde supomos que A, B, C, D, E a quantidade
de mquinas que cada caminho pode transportar levando a carga plena.
Tabela 1
Caminhes
(1)
(2)
(3)
(4)
(5)
Mquinas
A
1
0
2
3
2
B
1
1
1
2
1
C
1
2
1
1
2
D
0
1
2
2
3
E
2
1
0
1
1
Assim, o caminho (1) pode transportar uma mquina A, uma mquina B, uma
mquina C, nenhuma mquina D, duas mquinas E, etc. Quantos caminhes de cada tipo
deveramos enviar para transportar exatamente:
27 mquinas do tipo A,
23 mquinas do tipo B,
31 mquinas do tipo C,
31 mquinas do tipo D,
22 mquinas do tipo E?
Supondo que cada caminho saia com carga plena, resolva o sistema linear obtido pelo
mtodo de Eliminao de Gauss.
Sugesto: Represente por x1, x2, x3, x4 e x5 o nmero de caminhes respectivamente dos tipos
(1), (2), (3), (4) e (5).
Unileste-MG
23
Captulo 2:
Equaes Algbricas e Transcendentes
1. INTRODUO
O Objetivo deste captulo o de apresentar mtodos numricos para resolver um
equao = 0.
Resolver uma equao = 0 significa encontrar nmeros , denominados razes,
tais que = 0.
Geometricamente, conforme mostra a figura abaixo, as razes representam os
pontos de interseo do grfico de com o eixo .
2. FASES NA DETERMINAO DE RAZES

Para se calcular uma raiz duas etapas devem ser seguidas:
() Isolar a raiz;
() Refinar o valor a raiz at o grau de exatido requerido.
Unileste-MG
24
2.1. Fase 1: Isolamento

Objetivo: Determinar um intervalo [, ], o menor possvel, que contenha uma nica
raiz.
Teorema de Cauchy-Bozano:
Seja uma funo contnua em um intervalo [, ]. Se < 0 ento existe pelo
menos um ponto , | = 0.
Resultado Importante:
Se preservar o sinal em [, ] ento a raiz nica.
Procedimentos para isolar a raiz de uma equao
Procedimento I:
Esboar o grfico de , determinando os intervalos [ , +1 ] que contenham uma
nica raiz.
Exemplo 2.1: Isolar as razes de = 2 cos = 0.
Unileste-MG
25
Procedimento II:
Decompor a funo , se possvel, na forma = , onde os grficos de e
sejam conhecidos e mais simples.
Neste caso, os pontos de interseo dos grficos de e representam as razes de
= 0.
Exemplo 2.2: Isolar as razes de = 2 cos = 0.
y=f(x)
Unileste-MG
26
Exemplo 2.3: Isolar as razes de = + 2 2 = 0.
y=f(x)
Exemplo 2.4: Isolar as razes de = ln + = 0.
y=f(x)
Unileste-MG
27
2.2. Fase 2: Refinamento

Uma vez isolada a raiz em um intervalo [, ], procura-se, nesta fase, considerar
uma aproximao inicial para a raiz e melhor-la sucessivamente at se obter uma
aproximao com a preciso desejada.
3. CRITRIOS DE PARADA
uma boa aproximao para a raiz de uma equao = 0, se os dois
critrios abaixo forem satisfeitos:
() ( ) <
() <
onde a preciso requerida.
Como no se conhece o valor de , o segundo critrio de parada substitudo por:
<
Ou seja, a amplitude do intervalo tem que ser menor do que a preciso requerida.
4. MTODO DA BISSEO (MB)
Idia: reduzir o intervalo [, ] que contm a raiz , dividindo-o pela ao meio em
cada iterao.
Unileste-MG
+
2
28
Exemplo 2.5: Determinar com preciso de < 0,01 e com o mximo de 10 iteraes,
a raiz da equao = 2 cos = 0.
(a)
Isolar a Raiz.
(b)
Refinamento
( )
Concluso
0
1
2
3
4
5
6
7
8
9
10
Vantagens e Desvantagens do Mtodo:

Vantagem: No h exigncias em relao ao comportamento do grfico de no
intervalo [, ].
Desvantagem: Convergncia muito lenta.
comumente utilizado para reduzir o intervalo antes de usar outro mtodo de
convergncia mais rpido.
Unileste-MG
29
5. MTODO DE NEWTON-RAPHSON (MNR)

Seja uma funo contnua em [, ] tal que:
() () () < 0;
() Existe uma nica raiz [, ];
() e " preservam o sinal e no se anulam em [, ].
Se estas trs condies forem satisfeitas o MNR pode ser utilizado.
Idia: Aproximar um arco da curva por uma reta tangente traada a partir de um
ponto da curva.
(0 )
Seja 0 uma aproximao inicial para a raiz. A tangente de na figura anterior :

tan =
Unileste-MG

(0 )
=
= (0 )
(0 1 )
30
De onde resulta que:
1 = 0
(0 )
(0 )
Genericamente:
= 1
(1 )
(1 )
Escolha de uma aproximao inicial

Se () () < 0 e e " preservarem o sinal e no se anularem em [, ], ento
partindo-se de uma aproximao inicial 0 [, ] tal que:
(0 ) "(0 ) > 0
Desta forma, possvel gerar, pelo MNR, uma seqncia de aproximaes que
convirja para a raiz de = 0.
Exemplo 2.6: Determinar pelo MNR, com preciso < 0,01 em um mximo de 10
iteraes, a raiz da equao = 2 cos = 0.
(a) Isolar a raiz.
(b) Escolha de 0 :
Unileste-MG
31
(c) Refinamento
( )
( )
| 1 |
0
1
2
3
4
5
Exemplo 2.7: Determinar pelo MNR, com preciso < 0,01 em um mximo de 10
iteraes, a raiz da equao = + ln = 0.
(a) Isolar a raiz.
(b) Escolha de 0 :
Unileste-MG
32
(c) Refinamento
( )
( )
| 1 |
0
1
2
3
4
5
Vantagens e Desvantagens do Mtodo

Vantagem:
Tem convergncia muito rpida.
Desvantagens:
() Exige o clculo e a anlise do sinal de e ".
() Se o valor de ( ) for muito elevado, a convergncia ser lenta.
() Se o valor de ( ) for prximo de zero, ocorrer overflow.
6. MTODO DAS SECANTES (MS)
Idia: Usar retas secantes (traadas a partir de dois pontos do grfico) como
aproximaes lineares locais da funo (), ao invs de retas tangentes.
Unileste-MG
33
Geometricamente: Toma-se uma reta que passa pelos pontos (0 , (0 )) e (1 , (1 ))

como aproximao linear da curva (), como mostra a figura abaixo:
(0 )
(1 )
2 1
Usando a semelhana dos tringulos e , tem-se que:

(0 )
(1 )
=
0 2 1 2
Explicitando 2 na equao anterior, tem-se:
2 = 1
(1 0 )
(1 )
(1 ) (0 )
Generalizando-se, tem:
+1 =
( 1 )
( )
( ) (1 )
Vantagens e Desvantagens do Mtodo:

Vantagem: uma alternativa para o MNR, pois evita o clculo da primeira derivada,
substituindo-a pela expresso:
Unileste-MG
34
( ) =
( ) (1 )
( 1 )
Desvantagens:
() Necessita de duas aproximaes iniciais.
() A convergncia no to rpida quanto o MNR.
Exemplo 2.8: Determinar pelo MS, com preciso < 0,01 em um mximo de 10
iteraes, a raiz da equao = 2 cos = 0.
(a) Isolar a raiz.
(b) Escolha das aproximaes iniciais 0 e 1 :
(c) Refinamento
( )
( )
| 1 |
0
1
2
3
4
5
Unileste-MG
35
Exemplo 2.9: Determinar pelo MS, com preciso < 0,01 em um mximo de 10
iteraes, a raiz da equao = + ln = 0.
(a) Isolar a raiz.
(b) Escolha das aproximaes iniciais 0 e 1 :
(c) Refinamento
( )
( )
| 1 |
0
1
2
3
4
5
7. Estudo Especial das Equaes Algbricas

Equaes algbricas so todas as equaes que podem ser colocadas na forma:
= + 1 1 + + 2 2 + 1 + 0 = 0
Unileste-MG
36
Onde = 0,1, ,
Teorema Fundamental da lgebra:
= 0 tem razes reais ou complexas.
7.1. Limite das Razes Reais

7.1.1. Limite Superior das Razes Positivas (LSRP)
Teorema de Lagrange: Seja a equao algbrica
= + 1 1 + + 2 2 + 1 + 0 = 0
com > 0, 0 0 e = max01 {: < 0}. Ento para o limite superior das razes
positivas de = 0, caso existam, pode-se tomar o nmero:
=1+
Onde = max
<0 {
01
Deste teorema conclumos que se + a maior das razes positivas de = 0, ento

+
Exemplo 2.10: Determinar o LSRP da equao:
= 5 + 3 4 9 3 2 + 20 12 = 0
Unileste-MG
37
7.2.2. Limite Inferior das Razes Positivas (LIRP)
1 =
1
=0
Desta forma,
Exemplo 2.11: Determinar o LIRP da equao:

= 5 + 3 4 9 3 2 + 20 12 = 0
7.2.3. Limite Inferior das Razes Negativas (LIRN)

2 = = 0
Desta forma,

Exemplo 2.12: Determinar o LIRN da equao:
= 5 + 3 4 9 3 2 + 20 12 = 0
Unileste-MG
38
7.2.4. Limite Superior das Razes Negativas (LSRN)

3 =
1
=0
Desta forma,
Exemplo 2.13: Determinar o LSRN da equao:

= 5 + 3 4 9 3 2 + 20 12 = 0
7.3. Nmero de Razes Reais

7.3.1. Regra de Sinais de Sturm
Seqncia de Sturm
Chama-se seqncia de Sturm de uma equao algbrica = 0 sucesso:
0 , 1 , 2 , , ,
Onde 0 = (), 1 = () e , 2 o resto da diviso, com o sinal
trocado, de 2 por 1 .
Unileste-MG
39
Teorema de Sturm
Se () 0 e () 0 ento o nmero de razes reais distintas de = 0 no intervalo
exatamente:
= ()
() Nmero de variaes de sinal na seqncia de Sturm no ponto = .
() Nmero de variaes de sinal na seqncia de Sturm no ponto = .
Exemplo2.14: Calcular o nmero de razes reais distintas no intervalo [0, 3] da

equao = 3 + 2 + 1 = 0, sabendo-se que a seqncia de Sturm de P x = 0 :
1 p0 x = x 3 + x 2 x + 1
2 p1 x = 3x 2 + 2x 1
8
10
3 p2 x = x
9
9
99
4 p3 x =
16
N(0)
N(3)
0
1
2
3
(. )
Unileste-MG
40
Exerccios:
2.1) Sejam as seguintes equaes:
a) = sen 2 2 + 10 = 0
b) = 2 3 = 0
c) = 2 + 2 = 0
() Calcule com no mximo 10 iteraes e com preciso < 0,01 a raiz das equaes (b) e
(c) usando o MNR e o MS.
() Calcule com no mximo 10 iteraes e com preciso < 0,01 a raiz positiva da
equao (a) usando o MNR e o MS.
() Calcule com no mximo 10 iteraes e com preciso < 0,01 a raiz negativa da
equao (a) usando o MNR e o MS.
2.2) Dada a equao = 4 + 2 3 13 2 14 + 24 = 0, pede-se:
a) Determine o intervalo onde podem existir razes reais.
b) Sabendo que a seqncia de Sturm relativa ao polinmio () apresentada abaixo,
determine o nmero de razes nos intervalos determinados no item anterior.
1 0 = 4 + 2 3 13 2 14 + 24
2 1 = 4 3 + 6 2 26 14
3 2 = 7.25 2 + 7.25 25.75
4 3 = 13.79 + 6.90
5 4 = 27.56
c) Isole as razes.
d) Determine todas as razes usando o MNR, com no mximo 10 iteraes e com preciso
< 0,01.
2.3) Dada a equao = 3 2 2 5 + 6 = 0, pede-se:
a) Determine o intervalo onde podem existir razes reais.
b) Sabendo que a seqncia de Sturm relativa ao polinmio () apresentada abaixo,
determine o nmero de razes nos intervalos determinados no item anterior.
1 0 = 3 2 2 5 + 6
2 1 = 3 2 4 5
3 2 = 4.222 4.889
4 3 = 5.609
c) Isole as razes.
d) Determine todas as razes usando o MNR, com no mximo 10 iteraes e com preciso
< 0,01.
Os problemas a seguir devem ser resolvidos com o auxlio do SCILAB ou MATLAB.
Obs.: Para estes exerccios os seguintes passos devero ser seguidos:

() Isolar a raiz gerando grfico da funo. O grfico dever constar no trabalho. Tente
encontrar o menor intervalo possvel e verifique as condies de existncia de uma raiz
( < 0).
() Se o mtodo adotado para encontrar a raiz da equao foi o mtodo de Newton Raphson,
determinar o valor da aproximao inicial (0 ), lembre-se que 0 > 0.
() Aplique o mtodo numrico escolhido.
Unileste-MG
41
Problema 1: Calcule pelo menos uma raiz real das equaes abaixo, com 105 , usando o
() mtodo de Newton-Raphson e () o mtodo das secantes.
(a) = 2 10 ln 5 = 0
(b) = sen ln()
Problema 2: Uma loja de eletrodomsticos oferece dois planos de financiamento para um
produto cujo preo vista R$ 162,00:
Plano A: entrada de R$ 22,00 + 9 prestaes iguais de R$ 26,50

Plano B: entrada de R$ 22,00 + 12 prestaes de R$ 21,50.
Qual dos dois planos apresenta a menor taxa de juros, sendo, portanto melhor para o
consumidor?
Obsevao: Sabe-se que a equao que relaciona os juros (J) e o prazo (P) com o valor
financiado (VF = preo vista entrada) e a prestao mensal PM dada por:
1 1+
a) Fazendo = 1 + e =
(1)
, verificarque a equao (1) se transforma em:
= +1 + 1 + 1 = 0
(2)
b) Escrever a equao (2) para o problema proposto e encontrar um intervalo contendo a

raiz positiva 1.
Unileste-MG
42
Captulo 3:
INTERPOLAO
1. INTRODUO
Dado um conjunto de pontos ( , ( )), o problema da interpolao consiste em
definir uma funo () que passa por todos estes pontos. Se essa funo () for um
polinmio, teremos uma interpolao polinomial.
A Figura a seguir representa esta situao.
Idia: Dado [0 , ], determinar ( ).

Por + 1 pontos passa um polinmio de grau e este polinmio ncico.
2. MTODO DE LAGRANGE
Sejam dados + 1 pontos (0 , 0 ), (1 , 1 ), ..., ( , ), sendo distintos, tais que
= ( ) e [0 , ]. O mtodo de Lagrange se baseia em:
() Construir ( + 1) polinmios (), = 0, 1, 2, , ; de grau , tais que:

Unileste-MG
43
= 1, = 0, 1,2, ,
= 0, , = 0, 1,2, ,
() O polinmio interpolador de Lagrange obtido por meio da combinao linear dos
(), = 0, 1, 2, , .
Desta forma, temos que:
=
=0

( )
0 1 1 +1 ( )
=
( )
0 1 1 +1 ( )
Ento, podemos procurar o polinmio () de grau que passa pelos + 1 pontos

( , ) na forma:
() = 0 0 + 1 1 + +
=0
Exemplo 3.1: Dada a tabela de pontos abaixo:
11
20
44
Deterrmine:
a) O polinmio interpolador de Lagrange que passa por todos os pontos.
Unileste-MG
44
b) A imagem de = 3.
Exemplo 3.2: Sendo = () uma funo conhecida nos pontos a seguir, estime um
valor para quando = 1,07, utilizando o mtodo de Lagrange.
0,9
1,0
1,1
0,6216
0,5403
0,4536
Compare o resultado com a funo = cos

() neste mesmo ponto.
Unileste-MG
45
3. MTODO DAS DIFERENAS DIVIDIDAS (NEWTON)

Este mtodo baseado em um operador, denominado operador de diferenas
divididas, denotado por , definido como sendo:
a) Ordem 0:
0 =
b) Ordem 1:
1 =
c) Ordem 2:
2 =
d) Ordem :
Unileste-MG
0 +1 0
+1
+1
+1
1 +1 1
+2
1 +1 1
+
46
O polinmio interpolador ser:
= 0 + 0 1 0 + 0 1 2 0
+ 0 1 2 3 0 + + 0 . . 1 0
Exemplo 3.3: Para a tabala de ponto a seguir, pede-se:
1,10
1,27
1,36
1,53
a) Construir a tabela de diferenas divididas.

Tabela de Diferenas Divididas
0
1
----
2
3
----
----
----
----
----
b) Determinar o polinmio interpolador.
c) Calcular a imagem do ponto = 4.
Unileste-MG
47
Exemplo 3.4: Na tabela a seguir a corrente eltrica e a voltagem. Estime um

valor para quando = 3, usando o mtodo das diferenas divididas.
120
94
75
62
Tabela de Diferenas Divididas
0
1
----
2
3
----
----
----
----
----
4. MTODO DAS DIFERENAS FINITAS ASCENDENTES

Tambm conhecido como mtodo de Gregory-Newton.
Quando os valores das abscissas forem igualmente espaadas, a formla de Newton
pode ser simplificada, resultando na frmula de Gregory-Newton.
Este mtodo baseado em um operador, denominado operador de diferena finita
ascendente, denotado por e definido como se segue:
a) Ordem 0: 0 =
b) Ordem 1: 1 = 0 +1 0 = +1
Unileste-MG
48
c) Ordem 2: 2 = 1 +1 1
d) Ordem : = 1 +1 1
A relao entre os operadores de diferena finita e dividida dada pela expresso:
Onde: = +1
Assim o polinmio interpolador para o mtodo de Gregory-Newton determinado por:
= 0 + 1 0 + 1
Sendo: =
2 0
3 0
0
+ 1 2
+ + 1 ( 1
2!
3!
!
Exemplo 3.5: A Figura abaixo mostra o esboo do leito de um rio. A partir de uma
linha reta, prxima a uma das margens, foram medidas distncias (em metros) entre
essa linha reta e as duas margens do rio, de 15 em 15 metros, a partir de um ponto
fixado como origem.
Unileste-MG
49
Tais dados foram registrados na tabela a seguir.

Determinar o valor aproximado da largura do rio no ponto que dista 20 metros da
origem.
15
30
45
60
(1 )
50,00
86,00
146,00
73,50
50,00
(2 )
112,50
154,50
195,00
171,00
95,50
45
60
(i) Determinao do comprimento das margens
15
30
(ii) Construo da tabela de diferenas finitas ascendentes

Tabela das Diferenas Finitas Ascendentes
0
1
----
2
3
4
----
----
----
----
----
----
----
----
----
(iii) Determinao do comprimento da margem no ponto desejado.
Unileste-MG
50
Exemplo 3.6:
Dada a tabela abaixo:
3,5
4,0
4,5
5,0
5,5
9,82
10,91
12,05
13,14
16,19
Pede-se:
(a) Construir a Tabela de diferenas finitas ascendentes
Tabela das Diferenas Finitas Ascendentes
0
1
----
2
3
4
----
----
----
----
----
----
----
----
----
(b) Encontrar a imagem de x = 4,7.
Unileste-MG
51
Exerccios:
(3.1) A tabela a seguir relaciona o calor especfico da gua em funo da temperatura. Calcular
o calor especfico da gua a uma temperatura de 25C, usando um polinmio de 3 grau:
(a) Pelo Mtodo de Lagrange;
(b) Pelo Mtodo das diferenas divididas;
Temperatura (C)
20
30
45
55
Calor Especfico
0,99907
0,99826
0,99849
0,99919
(3.2) A velocidade (em m/s) de um foguete lanado do solo foi medida quatro vezes,
segundos aps o lanamento, e os dados foram registrados na tabela abaixo. Calcular usando
um polinmio de 4 grau, a velocidade aproximada do foguete aps 25 segundos do
lanamento.
Tempo (s)
Velocidade (m/s)
0
0,000
8
52,032
20
160,450
30
275,961
45
370,276
(3.3) Na tabela abaixo, a distncia, em metros, percorrida por uma bala ao longo do cano
de um canho em segundos. Encontrar a distncia percorrida pela bala 5 segundos aps ter
sido disparada, usando todos os dados abaixo.
(s)
(m)
0
0,000
2
0,049
4
0,070
6
0,087
8
0,103
(3.4) Durante trs dias consecutivos foi tomada a temperatura (em C) numa regio de uma
cidade, por quatro vezes no perodo das 6 s 12h. Determinar, usando todos os dados da
tabela abaixo, a mdia das temperaturas dos trs dias s 9 horas.
Dia
18
20
24
28
17
20
25
27
18
21
22
23
Hora
6
8
10
12
(3.5) A velocidade do som na gua varia com a temperatura. Usando os valores da tabela
anterior, determinar o valor aproximado da velocidade do som na gua a 100C.
Temperatura (C)
86,0
93,3
98,9
104,4
110,0
Unileste-MG
Velocidade (m/s)
1552
1548
1544
1538
1532
52
(3.6) A que temperatura a gua entra em ebulio no Pico da Bandeira (altitude = 2890m),
sabendo que o ponto de ebulio da gua varia com a altitude, conforme mostra a tabela
abaixo.
Altitude
(m)
850
950
1050
1150
1250
.
.
.
2600
2700
2800
2900
3000
Ponto de Ebulio
da gua (C)
97,18
96,84
96,51
96,18
95,84
.
.
.
91,34
91,01
90,67
90,34
90,00
Usando esta mesma tabela, determinar o ponto de ebulio da gua em um local em Belo
Horizonte que possui altitude igual a 1000m.
(3.7) Um automvel percorreu 160 km numa rodovia que liga duas cidades e gastou, neste
trajeto, 2 horas e 20 minutos. A tabela abaixo d o tempo gasto e a distncia percorrida em
alguns pontos entre as duas cidades.
Tempo
(min)
0
10
30
60
90
120
140
Distncia
(m)
0
8
27
58
100
145
160
Determinar:
(a) Qual foi aproximadamente a distncia percorrida pelo automvel nos primeiros 45
minutos de viagem, considerando apenas os quatro primeiros pontos da tabela?
(b) Quantos minutos o automvel gastou para chegar metade do caminho? (Usar todos
os pontos)
(3.8) Dada a funo f conhecida pelos seus pontos da tabela a seguir, pede-se:
0
0
2
1
0,8
5
2
1,6
3
3
2,4
8
4
3,2
4
5
4,0
9
6
4,8
5
7
5,6
7
8
6,4
3
9
7,2
6
10
8,0
4
11
8,8
8
12
9,6
5
Determinar:
(a) (3) usando um polinmio interpolador de 5 grau.
(b) (6) usando um polinmio interpolador de 4 grau
(c) (9) usando um polinmio interpolador de 3 grau.
Unileste-MG
53
Captulo 4:
INTEGRAO NUMRICA
1. INTRODUO
Objetivo: Apresentar mtodos numricos para resolver numericamente
integral.
uma
Sabe-se pelo Teorema Fundamental do Clculo (TFC), que:
= ()
onde uma primitiva de (), isto , = ().
Na determinao numrica de uma integral, vrias situaes podem ocorrer:
A determinao da primitiva () pode ser difcil;
A funo a integrarpode no possuir uma primitiva . Por exemplo, o clculo

da integral
no possvel de ser resolvida pela aplicao do TFC, uma

2
vez que no existe funo () cuja derivada seja = ;
A funo pode ser conhecida pelos seus pontos ( , ( )) e no pela sua

expresso analtica.
Em situaes como as citadas anteriormente se justifica a aplicao de mtodos

numricos.
2. Frmulas de Newton-Ctes
A idia dessa famlia de procedimentos dividir o intervalo [, ] em subintervalos

de mesmo espaamento = ( ) e substituir pelo polinmio interpolador de
Gregory-Newton de grau . Assim,
Unileste-MG
54
sendo
2 0
3 0
= 0 + 0 + 1
+ 1 2
+ + 1 (
2!
3!
0
1
!
1
=
.
Para calcular o erro cometido na integrao ( ) basta integrar o erro da

interpolao ( )
2.1. Regra dos Trapzios
() Frmula Simples
A idia desse procedimento substituir a funo a integrar pelo polinmio

interpolador de Gregory-Newton de grau = 1, ou seja, por 1 = 0 + 0 . Tem-se,
portanto
1 =
(0 + 0 )
Portanto, ao se substituir por 1 () obtemos a seguinte aproximao:
Unileste-MG
[ + 1 ]
2 0
55
Geometricamente, a frmula anterior indica a rea da figura compreendida entre as

retas = e = , o eixo e o polinmio interpolador 1 (), isto , a rea de um
trapzio. Como sabemos, a rea de um trapzio vale a metade do produto da altura
pela soma da base menor (no nosso caso, 0 ) com a base maior (no nosso caso, 1 ).
() Frmula Composta
A idia deste procedimento dividir o intervalo [, ] em subintervalos de mesmo

espaamento = ( ) e aplicar a cada sub-intervalo , +1 = 0,1, , 1 a
frmula simples da regra dos Trapzios.
Desta forma, a frmula composta da regra dos Trapzios , portanto:
Unileste-MG
[ + 21 + 22 + + 2 1 + ]
2 0
56
Exemplo 4.1: Calcule o valor da seguinte integral (retenha 4 casas decimais durante
os clculos):
1 + 2
=
0
Pela frmula composta da Regra dos Trapzios com =10.
= ( )
0
1
2
3
4
5
6
7
8
9
10
10
=
=0
Exemplo 4.2:
Calcule o valor da seguinte integral:
3
2
=
1
Pela frmula composta da Regra dos Trapzios com =8.
Unileste-MG
57
= ( )
0
1
2
3
4
5
6
7
8
8
=
=0
2.2. 1 Regra de Simpson
() Frmula Simples

interpolador de Gregory-Newton de grau = 2, ou seja, por 2 = 0 + 0 + (
1)
2 0
.
2!
Tem-se, portanto
2 =
(0 + 0 + ( 1)
2 0
2!
Unileste-MG
[ + 41 + 2 ]
3 0
58
() Frmula Composta

espaamento = ( ) e aplicar a cada par de sub-intervalos [1 , ], , +1 =
1,2, , 1 a frmula simples da 1 Regra de Simpson.
Desta forma, obtm-se:
[ + 41 + 22 + 43 + 24 + + 22 + 41 + ]
3 0
sendo um nmero par.

Exemplo 4.3: Determine o valor da seguinte integral (retenha 4 casas decimais
durante os clculos):
1
=
0
1 + 2
Pela frmula composta da 1 Regra de Simpson com =10.
= ( )
0
1
2
3
4
5
6
7
8
9
10
10
=
=0
Unileste-MG
59
2.3. 2 Regra de Simpson
() Frmula Simples

interpolador de Gregory-Newton de grau = 3, ou seja, por 3 = 0 + 0 +
1
2 0
2!
+ 1 ( 2)
3 0
.
3!
Tem-se, portanto
3 =
(0 + 0 + 1
2 0
2!
+ 1 ( 2)
3 0
3!
3
[ + 31 + 32 + 3 ]
8 0
() Frmula Composta

espaamento = ( ) e aplicar a cada 4 pontos, isto , a cada trs sub-intervalos
[1 , ], , +1 , +1 , +2 = 1,2, , 2 a frmula simples da 2 Regra de Simpson.
Desta forma, obtm-se:
Unileste-MG
3
[ + 31 + 32 + 23 + 34 + 35 + + 23 + 32 + 31 + ]
8 0
60
sendo um mltiplo de 3.
Exemplo 4.4: Calcule o valor da seguinte integral:
=
0
1 + 2
Pela frmula composta da 2 Regra de Simpson com =9.
= ( )
0
1
2
3
4
5
6
7
8
9
9
=
=0
2.4. Observaes Finais:
Analisando-se as expresses dos erros das frmulas compostas das trs regras,
possvel estabelecer a seguinte prioridade de uso:
(1)
1 Regra de Simpson, a qual exige que seja par;
(2)
2 Regra de Simpson, a qual exige que seja mltiplo de 3;
(3)
Regra dos Trapzios, na qual pode ser qualquer nmero.
Unileste-MG
61
Exemplo 4.5: Calcule o valor da seguinte integral, pela frmula composta da 1

Regra de Simpson, com =8 (retenha 4 casas decimais durante os clculos):
3
2
=
1
= ( )
0
1
2
3
4
5
6
7
8
8
=
=0
Exemplo 4.6: Calcule o valor da seguinte integral pela frmula composta da 2 Regra
de Simpson, com =9 (retenha 4 casas decimais durante os clculos):
3
2
=
1
= ( )
0
1
2
3
4
5
6
7
8
9
9
=
=0
Unileste-MG
62
Exerccios
(4.1) Calcular o valor das integrais abaixo, usando = 6, pela Regra do Trapzio, pela 1
Regra de Simpson e pela 2 Regra de Simpson:
(a)
=
0
(b)
cos
1+
4,5
=
4
(c)
4,2
=
3
2
(3 2 2 + 6)
(4.2) Dada a funo = () atravs da tabela abaixo, calcular o valor de

3
()
0
0
1
2
3
4
5
6
0,0
0,5
1,0
1,5
2,0
2,5
3,0
5,021
6,146
6,630
6,945
7,178
7,364
7,519
(4.3) Calcular o valor da integral para = 4
sen2 + 1 cos 2

1
=
2
( 2)2

2

3,2
ln + 2 1
2
(a) Usando a Regra dos Trapzios

(b) Usando a 1 Regra de Simpson
(c) Usando a 2 Regra de Simpson
Unileste-MG
63
(4.7) Dada a funo = , definida atravs da tabela abaixo:
Calcular
1,6
0
1
2
3
4
5
6
1,0
1,1
1,2
1,3
1,4
1,5
1,6
0,099
0,131
0,163
0,194
0,224
0,253
0,281
, aplicando:
a) A 1 regra de Simpson
b) A 2 regra de Simpson
Unileste-MG
64
Bibliografia:
RUGGIERO, Mrcia A. Gomes; LOPES, Vera Lcia da Rocha. Clculo numrico: aspectos
tericos e computacionais. 2. ed. So Paulo: Makron Books, 1997. 406p.
FRANCO, Neide Maria Bertoldi. Clculo nmerico. So Paulo: Pearson Prentice Hall, 2007.
505p.
SOUZA, M. J. F. Notas de Aula de Clculo Numrico. Disponvel em:
http://www.decom.ufop.br/prof/marcone/Disciplinas/CalculoNumerico/cn.htm. Acesso em:
20/07/2009.
Unileste-MG

Apostila Juliana

Enviado por

Dados do documento

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

Apostila Juliana

Enviado por

Direitos autorais:

Formatos disponíveis

Coronel Fabriciano

Notas de Aula de Clculo Numrico

Objetivo: tornar simples a resoluo de problemas cientficos, como por exemplo, a

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Produz uma sequncia de aproximaes para a soluo:

x0 , x1, x2 , x3, ..., xk , xk 1, ..., x *

lim_ inf g(x * ) lim_ sup

ERROS NAS APROXIMAES NUMRICAS

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

isto , resolveremos sistemas lineares onde o nmero de equaes igual ao de

Matriz dos Coeficientes

= 2 Vetor dos termos independentes

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

comum tambm representar o sistema = pela sua matriz aumentada, isto ,

Aplicaes: Clculos de tenso de estruturas metlicas, clculo de razo de

Tais sistemas so resolvidos por substituies retroativas, atravs de equaes da

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

2.1. Sistema Triangular Inferior

Tais sistemas so resolvidos por substituies progressivas, atravs de equaes da

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

3. Adicionar a uma equao um mltiplo de uma outra equao:

Sistemas Equivalentes: Dois sistemas = e = se dizem equivalentes se a

TEOREMA: Seja = um sistema linear. Aplicando-se somente transformaes

4.1. Mtodo de Gauss

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Onde a i-sima componente do vetor resduo , o qual dado por:

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Exemplo 1.3: Avalie o erro cometido ao resolver o exemplo 1.2.

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

5.1. MTODO DE JACOBI

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Explicitemos 1 na primeira equao, 2 na segunda equao e assim sucessivamente.

O Mtodo de Jacobi consiste na seguinte seqncia de passos:

(iii) Interromper o processo quando um dos critrios abaixo for satisfeito:

> , onde ITERMAX o nmero mximo de iteraes.

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

0,002 ou >10 iteraes:

5.2. MTODO DE GAUSS-SEIDEL

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

Exemplo 1. 7: Resolva o sistema linear a seguir, pelo mtodo de Gauss-Seidel

max xi( k ) xi( k 1)

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico

5.3. CONVERGNCIA DOS MTODOS ITERATIVOS

Ou seja, o elemento da diagonal principal tem que ser dominante na coluna.

Alm do mais, quanto mais prximo de zero estiver a relao

mais rpida ser

Prof. Alosio de Castro

Notas de Aula de Clculo Numrico