Escolar Documentos
Profissional Documentos
Cultura Documentos
Teoricas PDF
Teoricas PDF
Teoria de erros
Erros nos dados
Erros de arredondamento
(nmero finito de dgitos
3.14) Erros computacionais
Tipos
de Erros de truncatura
(nmero finito de termos Erros dos mtodos
erro n 1 f ( k ) ( a )
k (n)
f ( x) ( x a) ) f ( ) n
k =0 k! E n ( x ) = ( x a )
n!
frmula de Taylor
Exemplo 2:
2 -1 -2 -3 2
32.4 +0.32410 (310 +210 +410 )10
num computador binrio que use 4 bytes teremos:
sinal expoente mantissa
bits 1 8 23 (+1)
-1
2 mantissa < 1
xmin= (.10...0)2 2-127 2.9410-39
xmax= (.11...1)2 2128 3.401038
0.935110-10.3471103=0.32457321102
Anlise Numrica Teoria de erros - DEC 5
As mquinas podem:
Truncar
0.d1d2dtdt+1dnk 0.d1d2dtk
Arredondar
0.d1d2dtdt+1dnk 0.d1d2d*tk
se d t +1 < 1
d t
d*t = 2
d
t
+1 se d t +1 1
2
Exemplo 3:
De um modo geral
1t se truncar
M = 1 1t
se arredondar
2
e
os nmeros adjacentes a um dado x so
(1 - M) x, x, (1+ M) x
i.e., nmeros adjacentes esto distanciados de M x
= | A a | e a
A = a a A[a-a, a+a]
A
a-a a a+a
A a
= = e a
A A
= a = a (1)
A a a
na prtica se a << a
a = a (2)
a
A=a a A= a (1 a)
e.m.a. e.m.r.
2 2
Exemplo 7: A=(6.50.02)m A=6.5m (10.31%)
Anlise Numrica Teoria de erros - DEC 10
Algumas noes:
Algarismos significativos (a.s.) de um nmero
so todos os dgitos usados na escrita com excepo dos
zeros para representar a casa das unidades.
(exemplo: 0.0519 tem 3 a.s.)
n c.d.c.
-n
a 0.510
Regra de enquadramento
Seja fmin e fmax respectivamente o valor mnimo e
mximo de f em [x0 - x, x0 + x], ento, como a funo
contnua, z0 [ fmin , fmax ] e
z = max{ f (x0) - fmin , fmax f (x0)}.
Geometricamente
- erro estimado
f (x0+ x) - erro cometido
f (x0)
f (x0- x)
por defeito
( no e.m.a.)
x0 - x x0 x0 + x
por excesso
( e.m.a.)
z f ( x0 )
z = x
z f ( x0 )
Se f (x0) = 0 ento, usando a frmula de Taylor de 2
ordem, tem-se:
z 1 f (x0) x2 O ( x3)
2
c
despreza-se quantidades
de 3 ordem em x
Anlise Numrica Teoria de erros DEC 14
Regra de enquadramento
A determinao de fmin e fmax nem sempre simples.
No se utiliza por isso este processo.
z = f ( x 0 x) f ( x 0) = f ( x1 x1 , ..., xn xn ) f ( x1 , ..., xn )
n f ( x 0)
= xi +
i =1 xi
f ( x 0) f ( x 0) f ( x 0)
= x1 +
x x2 + L + x xn +
x1 2 n
tem-se
Aproxima a funo pelo
f ( x0 )
n
z xi hiperplano tangente
i =1 xi superfcie no ponto
aproximado
f ( x0 )
Nota: a derivada parcial de f em ordem a xi
xi
e definida por
f ( x0 ) f ( x1,L, xi + hi ,L, xn ) f ( x1,L, xi ,L, xn )
= lim
xi hi 0 hi
f( x 0 ) f( x 0 )
xi
z n xi n xi
z = xi = xi
| z | i =1 f( x 0 ) i =1
0
f( x )
Anlise Numrica Teoria de erros DEC 16
Interpretao geomtrica
Seja z = f (x,y), x = x0 + x e y = y0 + y
e2
z3 z4
z z2 Plano tangente
superfcie no
ponto (x0,y0)
z1
y
y0+y e1
y0
ei
O erro estimado (z)
x0
x0+x e.m.a. - z
x
Usando as funes z1 e z4
z = f ( x0 + x, y0 + y ) f ( x0 , y0 ) = e1 + e2
Usando a frmula de Taylor de 1 ordem:
Anlise Numrica Teoria de erros DEC 17
d z1( x0 ) f ( x0 , y0 )
e1 x = x
dx x
d z4 ( y0 ) f ( x0 + x, y0 )
e2 y = y
dy y
f ( x0 + x, y0 ) f ( x0 , y0 )
y y
e
f ( x0 , y0 ) f ( x0 , y0 )
z x + y
x y
Regras prticas
z = x y z = x + y (e.m.a.)
x
z = x y e z = z = x + z (e.m.r.)
y
z = x p (p exacto) z = px (e.m.r.)
Adies c.d.
Produtos a.s.
Divises a.s.
Potncias a.s.
Sejam
x0= 475.54 (x=0.510-2, 2 c.d.c. e 5 a.s.c. )
e y0=0.0768 (y=0.510-4, 4 c.d.c. e 3 a.s.c.)
dois valores aproximados de x e y.
xmin=475.535 x < 475.545 = xmax
ymin=0.07675 y < 0.07685= ymax
Anlise Numrica Teoria de erros DEC 19
Adio e subtraco
x0 + y0=475.54 + 0.0768 =475.6168
x0 - y0=475.54 - 0.0768 =475.4632
Enquadramento
xmin+ ymin x+y < xmax+ ymax 475.6118 x+y < 475.6229
xmin- ymax < x-y < xmax- ymin 475.4582< x-y < 475.4683
(xy)=0.50510-20.510-22 c.d.
Frmula de Taylor
(xy)=1x + |1|y =0.5 10-2 +0.5 10-40.5 10-22 c.d.
x + y = 475.62
x y = 475.46
Regra prtica
Produtos e divises
x0 y0 = 475.54 0.0768 = 36.521472
x0 475.54
= = 6191.927083
y0 0.0768
Enquadramento
xmin ymin x y < xmax ymax
Frmula de Taylor
x
(x y ) = = x + y =
y
0.5 10 2
0.5 10 4
= + = 1.1 10 5 + 6.6 10 4
4.7 102 0.076
( x y ) = x y ( x y ) = 36.5 0.7 10 3
x x x
= = 6.2 103 0.7 10 3
y y y
Regra prtica
Potncias
Regra prtica
Exemplo 9:
a) 4.34 = 2.083266666 tem 3 a.s.
3 a.s.
12123.1437.7 3 a.s.
12+12+3.14=15.14 2 c.d.
2 c.d.
Exemplo 11:
Perda de equivalncia
Propagao do erro
entre expresses
= (3 8 ) = 99 35 8
1 3
(3 + 8 )3
8 = 2.83 8 (mq) erro a.s.c.
1
5.0465510-3 5.05063388310-3 4.110-6 3
(3 + 8 ) 3
x2 =
(7 49 0.01)(7 + 49 0.01) =
7 + 49 0.01
49 (49 0.01) 0.01
= 0.7143 10 3 (4 a.s.)
7 + 48.99 14.00
Mtodos Iterativos
Mtodo do ponto fixo
f ( x) = 0 x = ( x)
Dado x0 xn + 1 = ( xn )
Se ( x n ) x convergente
Se x x n < o processo pra
y = (x)
x2 x1 x0
x
y = (x)
x1 x3 x2 x0
x
Anlise Numrica Mtodos Iterativos DEC 30
III)
( x ) > 1 y=x
divergente
y =(x)
x0 x1 x2 x3
x
IV)
b) Como x 0
2 x2 2 x2 2 1 2
x 2=0 =0 x= x x = x +
2x 2x 2 x
e
i xi
0 1.5
1 1.416666667
2 1.414215686
3 1.414213562
e ( 2 ) = 1
2 2
a) ( x) = ( x) = 2
x x
1 2 1 2
b) ( x ) = x + ( x ) = 1 2
2 x 2 x
( 2 ) = (1 1) = 0
1
e
2
Onde est a raiz ?
Quando se pra?
Anlise Numrica Mtodos Iterativos DEC 32
analticos
Mtodos
grficos
c ]a , b[ : f (c ) = 0
+
Teorema 2 (de Rolle) Se f contnua em [a, b] e
derivvel em ]a , b[ e f (a ) = f (b ) = 0 , ento
c ]a , b[ : f (c ) = 0
Entre dois zeros consecutivos de f h no mximo um
zero de f .
{
Nmeros de Rolle = { : f ( ) = 0} pontos fronteira de D f }
Seja i +1 > i i :
Se f ( i ) f ( i +1 ) > 0 / x ] i , i +1 [ : f ( x ) = 0
Se f ( i ) f ( i +1 ) < 0 1 x ] i , i +1 [ : f ( x ) = 0
Anlise Numrica Mtodos Iterativos DEC 33
Mtodo grfico
f (x ) = 0 f1 ( x ) = f 2 ( x )
y = f(x)
y = f1(x)
y = f2(x)
Equao da recta
f (b) f ( a )
y f (b) = (x b) c b
ba
a
Interseco com o eixo do x
f (b) f (a )
0 f (b) = (c b )
ba
f (b)
c = b (b a )
f (b) f (a )
f3
a+b
*
c c b
c=
2
a
f2 c* ponto a tentar
f1
Anlise Numrica Mtodos Iterativos DEC 35
sucesso montona limitada por X (zero de f )
Outros casos
x0 x1
x1 x0 x0 x1
Estimativa do erro ( X x n = ?)
Como f (X) = 0 e
f ( xn 1 )
xn = xn 1 ( xn 1 )
f ( xn 1 ) f ( )
f ( xn 1 ) f ( )
f ( X ) f ( xn 1 ) = ( xn xn 1 ) (1)
1442443 xn 1
f ( )(X x n 1 )
1 4 42443
f ( )
onde, pelos teoremas dos acrscimos finitos e de Lagrange,
(X, xn-1) e (, xn-1).
E vem:
X xn = ( X xn 1 ) ( xn xn 1 ) =
por (1)
f ( )
= ( xn xn 1 ) ( xn xn 1 )
f ( )
f ( ) f ( )
= ( xn xn 1 ) (2)
f ( )
Anlise Numrica Mtodos Iterativos DEC 38
Mtodo de Newton
Equao da tangente
y f (x0) = f (x0)(x x0)
f > 0
cuja interseco com o eixo dos x :
0 f (x0) = f (x0)(x1 x0)
X
? x0 x1 x2 x3 f ( x0 )
x1 = x0
f ( x0 )
Frmula de recorrncia
f ( xn )
xn +1 = xn
f ( xn )
Geometricamente
f > 0
x0 x1 x1 x0
x1 x0
f < 0 f < 0
Anlise Numrica Mtodos Iterativos DEC 41
Ordem do mtodo
De acordo com a frmula de Taylor de 2 ordem
0 = f(X) = f (xn+(X - xn)) = f (xn) + f (xn)(X - xn) + R2 (3)
1
onde, f ( ) ( X xn )2
R2 =
2
Como f (xn) 0, se dividirmos (3) por f (xn) vem:
f (x ) 1 f ( )
X xn n =
( X xn ) 2
f ( xn )
2 f ( xn )
14
4244
3
= xn +1
1 f ( ) 2
X xn +1 = X xn
2 f ( xn )
14243
0
Mtodo de 2 ordem
c
Mtodo quadraticamente convergente
Estimativa do erro
Usando alguns artifcios e a frmula de Taylor consegue
demonstrar-se que
1 f ( )
X xn +1 = ( xn +1 xn )2 ( xn +1, X ), ( xn +1, xn )
2 f ( )
M2
Ento X xn +1 ( xn +1 xn )2
2m1
Mtodo da secante
Se, no mtodo de Newton, se aproximar a derivada por um
valor gn, teremos um mtodo chamado quasi-Newton
H vrios mtodos quasi-Newton. O mtodo da secante
um deles
f ( xn )
xn +1 = xn ( xn xn 1 )
f ( xn ) f ( xn 1 )
Geometricamente tem-se:
x1 x2 x4 x0 x2 x3
x3 x0 x1
X
1+ 5
com p = = 1.618... mtodo superlinear
2
Assim em cada iterao espera-se ganhar cerca de 1.6 vezes
o nmero de a.s. ganhos na iterao anterior.
Anlise Numrica Mtodos Iterativos DEC 44
q = max ( x ) < 1
xI
Demonstrao
X = (X )
X xn +1 = ( X ) ( xn ) = ( ) ( X xn ), ( X , xn )
X xn +1 = ( ) X xn
1
e (3)
Mtodo de 1ordem
Anlise Numrica Mtodos Iterativos DEC 45
A raiz nica
Por reduo ao absurdo sejam L e X duas razes em I. Ento
LX=( L )- (X) LX=()( LX) (LX)(1-())=0
onde (L, X) I. Logo () 1 e LX.
Qual o intervalo I?
se ([a, b])[a, b] I[a, b]
se 1 > (x) > 0 I[a, b]
se -1 < (x) < 0 I[a-(b-a), b+(b-a]
Anlise Numrica Mtodos Iterativos DEC 46
Estimativa do erro
Seja q = max ( x ) . Ento de (3) vem:
xI
xi + k 1 = ( xi + k 2 )
xi + k xi + k 1 = ( ) ( xi + k 1 xi + k 2 ) ( xi + k 1, xi + k 2 )
f ( X )
e ( X ) =
f ( X )
o mtodo pelo menos de convergncia quadrtica. S
ter ordem superior quadrtica quando f (X) = 0
Operaes elementares
Multiplicar equaes por uma constante diferente
de zero
Substituir uma equao pela soma dessa equao
com outra ou outras.
Anlise Numrica Sistemas Lineares -.DEC 49
Algoritmo
No clculo exacto
elemento da diagonal 0.
No clculo aproximado
elemento da diagonal suficientemente grande
elemento da diagonal vai ter um papel fundamental nos
clculos a efectuar e por isso chama-se pivot.
Se a11 for suficientemente grande, vai ser usado para anular todos os
(1)
elementos ai1, alterando a equao i do seguinte modo ( aij = aij ):
Ao fim de k iteraes:
a11
(1) (1)
a12 L a1(,1k) 1 a1(1k) L a1(1n) b1(1)
( 2) ( 2)
0 a22 L a2( 2, k) 1 a2( 2k) L a2( 2n) b2
M M O M M M M M
(k ) (k )
A = 0 0 L ak( k1,1k) 1 ak( k1,1k) L ak( k1,1n) e b = bk( k11)
(k ) (k ) b (k )
0 0 L 0 akk L akn k
M M L M M O M M
(k ) (k ) b (k )
0 0 L 0 ank L ann n
Matriz reduzida
ai(,kk11)
com aij( k ) = aij( k 1) ak( k1,1)j i, j k
ak( k1,1k) 1
ai(,kk11)
e bi( k ) = bi( k 1) bk( k11) i k
ak( k1,1k) 1
Anlise Numrica Sistemas Lineares -.DEC 50
Propagao de erros
Exemplo: Resolva o seguinte sistema com uma mquina
em vrgula flutuante com 4 a.s.:
0.0003x1 + 1.566 x2 = 1.569
(1)
0.3454 x1 2.436 x2 = 1.018
(Soluo exacta: x1=10; x2=1)
0.3454
0.0003 1.566 1.569
0 .0003 0.3454 2.436
1.018
1151.
0.0003 1.566 1.569 x1 = 3.333
0
1804 1805 x2 = 1.001
Caso I
( 2)
a22 = -2.436-1151.1.566 = -2.436-1802.= -1804.
problema resolvido
Caso II estvel prximo
do problema dado
Escolha do pivot
Escolha parcial: o pivot de ordem k o elemento
(k )
a sk da 1 coluna da matriz reduzida com maior valor
absoluto.
(k ) (k )
ask = max aik
i k
Se a ordem de grandeza dos elementos das linhas for muito
diferente, a escolha parcial pode no ser suficiente. Ver sistema
(2) onde a escolha do pivot 3 > 0.3454 m. Nestes casos deve
usar-se:
Escolha parcial escalonada: o pivot de ordem k o
(k )
elemento a sk da 1 coluna da matriz reduzida tal que:
(k ) (k )
ask aik
= max onde di = max aij
ds i k di 1 j n
(k )
Escolha total: o pivot de ordem k o elemento asr da
Condio de um sistema
Exemplo:
x + 0.98 x2 = 4.95
A1 x = b 1 Soluo exacta (2.5,2.5)
x1 + x2 = 5
x + 0.99 x2 = 4.95
A2 x = b 1 Soluo exacta (0,5)
x1 + x2 = 5
Representao geomtrica
do sistema anterior
Interpretao geomtrica
Outras interpretaes
Ao resolver Ax=b obtm-se ~
x tal que:
I. A(~
x +)= b x=~ x +
~ ~
II. A~x =b
~
(~
Nos mtodos estveis A A A = A + A com A 0 e )
se o sistema bem condicionado ~
x x ( pequeno)
se o sistema mal condicionado pode ser grande e
~
xx
~
Nos mtodos instveis A A ( A 0 ) e
Se b no exacto
x k A b
+
x A A b
1 k
A
Anlise Numrica Sistemas Lineares DEC 55
A+ B A + B
A B A B
Normas compatveis (entre vectores e matrizes)
A = max A x
x =1
Vector Matriz
x e = x 2 = xi2 A 2 = ( A H A)
i
x 1 = xi A 1 = max aij
i j i
? A e = aij2
ij
1
p p
?
x p
= xi
i
AH=AT)
Anlise Numrica Sistemas Lineares DEC 56
Refinamento da soluo
~ resduo
Seja x a soluo aproximada de Ax=b
A(~x + ) = b A~x + A = b A = b A ~
x =r
e x~ x + ~ onde ~ a soluo aproximada do sistema
anterior.
Recursivamente
x ( n +1) = x ( n ) + ( n )
A = r ( n) com r ( n) = b A x ( n)
Critrio de paragem
( n) x ( n +1) x ( n )
= tolerncia (=10-t t a.s.)
x ( n +1) x ( n +1)
Resoluo de sistemas
Mtodos directos - Factorizao
Decomposio LU
L matriz triangular inferior
A=LU
U matriz triangular superior
Ly = b
Ax=b L (U x ) = b
123 Ux = y
=y
Resoluo de 1 Resoluo de 2
sistema quadrado
sistemas triangulares
Anlise Numrica Sistemas Lineares DEC 57
Decomposio LU
a11 a12 L a1n l11 0 L 0 u11 u12 L u1n
a21 a22 L a2 n l 21 l 22 L 0 0 u22 L u2 n
A= =
M M O M M M O M M M O M
an1 an 2 L ann l n1 l n2 L l nn 0 0 L unn
Problema indeterminado
Se uii = 1 i Decomposio de Crout
Se lii = 1 i Decomposio de Doolittle
Se lii = uii i Decomposio de Choleski (A=LLT)
(A simtica e definida positiva)
- Se A s for simtrica A=LDLT
Algoritmo de Doolittle
Para j = 1 at n faa
u1 j a1 j L e U podem ser guardados na
Para i = 2 at n faa mesma matriz
l i 1 ai 1 a11 u11 u12 L u1n
Para i = 2 at n-1 faa l 21 u22 L u2 n U
i 1
M M O M
uii aii l ik uki
k =1 l n1 l n2 L unn
Para j = i+1 at n faa
i 1 L
uij aij l ik ukj
k =1
i 1
l ji a ji l jk uki uii
k =1
n 1
unn ann l nk ukn
k =1
Anlise Numrica Sistemas lineares DEC 58
(k ) (k ) ( k 1) k (1) (0)
e xx x x x x
1 1
Anlise Numrica Sistemas lineares DEC 59
M 1 ( N x + b ) M 1 ( N y + b ) = M 1N ( x y )
M 1N x y
( )
x ( k ) = M 1 N x ( k 1) + b = C x ( k 1) + d
converge para o ponto fixo x , soluo do sistema A x = b
x(0) n e
x x ( k ) M 1N x x ( k 1)
0 0 L 0 a11 0 L 0
a 0 L 0 0 a L 0
L = 21 D= 22
M M O M M M O M
an1 an 2 L 0 0 0 L a nn
0 a12 L a1n
0 0 L a2 n
U =
M M O M
0 0 L 0
NOTA: No confundir com as matrizes L e U da decomposio LU.
Anlise Numrica Sistemas lineares DEC 60
x ( k ) = C x ( k 1) + d x ( k ) = C x ( k 1) + d
C=-D-1(L+U)
d=D b-1 (
x ( k ) = (L + D )1 U x ( k 1) + b )
isto ou
0 se i = j
cij = aij
se i j (L + D ) x ( k ) = U x ( k 1) + b
aii
D x ( k ) = L x ( k ) U x ( k 1) + b
b
di = i (
x ( k ) = D 1 L x ( k ) U x ( k 1) + b ) (2)
aii
x ( k ) x ( k 1)
x ( k ) x ( k 1) < <
x(k )
Anlise Numrica Interpolao DEC 62
Interpolao
Dada uma tabela {(xi, yi), i=0, , n} tal que
yi = f(xi) e xi xj se i j,
a interpolao fornece para valor aproximado de f(x*) o
valor de F(x*) onde F uma funo fcil de calcular e tal
que F(xi) = f(xi) i = 0, , n.
Se x*[x0, xn] - interpolao
Se x*[x0, xn] - extrapolao
Interpolao polinomial
n
F ( x ) Pn ( x ) = a0 + a1x + a2 x + L + an x = ai xi
2 n
i =0
2 n
Base = (1, x, x ,, x )
1 x0 L x0n
1 x1 L x1n 0
determinante de Vandermonde
M M O M
1 xn L xnn
1 2 4 b0 y0
1 1 1 b = y
1 1
1 0 0 b2 y2
A condio do sistema 28 (|| ||), portanto bem condicionado.
Pn ( x ) = an x n + an 1x n 1 + an 2 x n 2 + L + a1x + a0 =
= ((L (((an )x + an 1 )x + an 2 )L)x + a1 )x + a0
Deste modo o nmero de operaes a efectuar so n multiplicaes
e n adies.
No entanto o nmero de operaes necessrias para resolver o
sistema grande O(n3).
Vejamos outros mtodos mais eficientes.
Anlise Numrica Interpolao DEC 66
Mtodo de Lagrange
n
Pn ( x ) = Lk ( x )
k =0
L3(x)
y3
y0
x0 x1 x2 x3 x4 x5
L0(x)
Determinao de Lk(x)
Como xi i k raiz de Lk(x) ento
Lk ( x ) = a{ ( x x0 ) L ( x xk 1 ) ( x xk +1 ) L ( x xn )
?
Lk (xk ) = yk = a (xk x0 ) L (xk xk 1 ) (xk xk +1 ) L (xk xn )
Lk ( x ) =
( x x0 ) L ( x xk 1 ) ( x xk +1 ) L ( x xn ) y
( xk x0 ) L ( xk xk 1 ) ( xk xk +1 ) L ( xk xn ) k
n n (x x )
e Pn ( x ) = i
yk
k =0 i =0 k( x x )
i
i k
Os polinmios
n (x xi )
l k (x ) = k = 0, K , n
i = 0 ( xk xi )
ik
n b(t ti ) n (t t )
e l k (x ) = = i = l (t )
k k = 0, K , n
i = 0 b(t k ti ) i = 0 (t k ti )
ik ik
Anlise Numrica Interpolao DEC 68
P5(x)
x0 x1 x2 x3 x4 x5
P5-1(x)
Pn(x) um polinmio de grau n:
Pn(xi) = Pn-1(xi) + 0 = yi i = 0, 1,, n-1
e an determinado de modo a
Pn(xn) = Pn-1(xn) + an (xn - x0)(xn xn-1) = yn
Como determinar ai ?
Polinmio de grau 0 que passa por (x0, y0)
P0(x) = a0 P0(x0) = y0 logo a0 = y0 e P0(x) = y0
Polinmio de grau 1 que passa por (x0, y0) e (x1, y1)
P1(x) = P0(x) + a1(x - x0) = y0 + a1(x - x0)
P1(x1) = y0 + a1(x1 - x0) = y1
y y
e a1 = 1 0
x1 x0
Polinmio de grau 2 que passa por (x0, y0), (x1, y1) e (x2, y2) complicado
Anlise Numrica Interpolao DEC 70
De 2 ordem
De ordem k
por induo
[x, x0 ,K, xk 1 ] P[x, x0 ,K, xk 1 ] polinmio de grau n-k
logo [x, x0 ,K, xn 1 ] P[x, x0 ,K, xn 1 ] = const polinmio de grau n-n=0
const const
e [x, x0 ,K, xn ] P[x, x0 ,K, xn ] = =0
x xn
Anlise Numrica Interpolao DEC 71
ordem k+1
P[x, x0 ,K, xk 1 ] P[x0 ,K, xk ]
P[x, x0 ,K, xk ] =
x xk
c
P[x, x0 ,K, xk 1 ] = P[x0 ,K, xk ] + P[x, x0 ,K, xk ] ( x xk )
Por recorrncia:
P ( x ) = P ( x0 ) + P[x, x0 ] ( x x0 ) =
= P ( x0 ) + (P[x0 , x1 ] + P[x, x0 , x1 ] ( x x1 )) ( x x0 ) =
= P ( x0 ) + P[x0 , x1 ] ( x x0 ) + P[x, x0 , x1 ] ( x x0 ) ( x x1 ) =
M
= P ( x0 ) + P[x0 , x1 ] ( x x0 ) + P[x0 , x1, x2 ] ( x x0 ) ( x x1 ) +
+ L + P[x0 , x1,K, xn ] ( x x0 ) L ( x xn 1 ) +
+ P[x, x0 , x1,K, xn ] ( x x0 ) L ( x xn )
144 42444 3
=0
Se x xi ento Pn + 1 ( x ) = Pn ( x ) + [ x , x0 ,..., xn ] n + 1 ( x ) = f ( x )
e Rn ( x ) = [ x , x0 ,L, xn ] n + 1 ( x ) = k n +1 ( x )
y=?
desconhecido
u( x ) = f ( x ) Pn ( x ) k n +1 ( x )
Como f C n +1[a , b]
u ( n + 1) ( x ) = f ( n + 1)
( x ) 0 k ( n + 1)!
( )
( n + 1) ( n + 1)
pois Pn( n + 1) ( x ) = 0 e (nn++11) ( x ) = x n + 1 + Pn = (n + 1)!+ 0
logo
( n + 1)
f ( )
u ( n + 1) ( ) = f ( n + 1)
( ) k ( n + 1)! = 0 k =
( n + 1)!
Anlise Numrica Interpolao DEC 73
Logo Rn ( x ) = f ( x ) Pn ( x ) = [x , x0 , K , xn ] (1
x x0 ) L ( x xn )
44424443
= n +1 ( x )
f ( n +1) ( )
= (x ) [x0 , xn ] se x [x0 , xn ]
(n + 1)! n +1
Se fCn+1( [x0, xn] )
Interpolao segmentada
Nem sempre o polinmio interpolador tende para a funo
quando n.
Exemplo de Runge
Aproximar a funo f (x ) = 1 no intervalo [-5,5]
1+ x 2
Pontos de Chebyshev
Se escolhermos os pontos por onde passa o polinmio
interpolador de modo a minimizar o valor mximo de n+1(x),
teremos os pontos de Chebyshev
2(n i ) + 1
xi = cos , i = 0,1,K, n
2n + 2
n
Polinmio n +1 ( x ) = ( x xi )
i =0
-3
x 10 n=16
1
0.8
0.6
0.4
xi pontos de Chebyshev
0.2
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
xi equidistantes
Interpolao de Chebyshev
Anlise Numrica Interpolao DEC 76
sk ( x ) = ak ( x xk )3 + bk ( x xk ) 2 + ck ( x xk ) + yk
Ajustamento Linear
A escolha das funes gi(x) pode ser feita a partir do grfico dos pontos
tabelados.
Exemplos
Caso discreto
F ( )
1
F( ) = M
F ( )
n
e
2F 2F
( ) L ( )
1 1 1 n
[ ]
2 F ( ) = ij2 F ( ) =
F 2
M O
2
M
F
( ) L ( )
n 1 n n
Nas proximidades de *
F ( ) F ( * ) + F ( * )T ( * ) (1)
Aproximao de 1 ordem
n
F ( *)
F (*) =
T
i 0
i =1 i
c
F ( *)
=0 i
i
c
Condio necessria
f (*) = 0
de 1 ordem
ponto sela
mnimo mximo
local local
Funo Polinomial
Se as funes gi(x) (i=1,...n+1) forem a base cannica dos polinmios de
grau n ento teremos:
n
( x ) = 0 + 1 x + L + n x n = j x j
j =0
2
F ( ) = (
m
f ( xi ) ( 0 + 1 xi + L + n xin ) )
i =1
e
F
k
m
(
= 2 f ( xi ) ( 0 + 1 xi + L + n xin ) xik ) k = 0,...n
i =1
Exerccios
1. Considere a tabela:
x 0 1 2.4 2.7
y 3.3 3.6 3.2 2
Caso no linear
Nem sempre o melhor ajuste feito por uma combinao linear de funes,
isto , a funo (x) no linear nos parmetros a1 , ... , an .
z ln( a1 ) + a2 x
y a1 e a2 x z = ln( y )
= ln( a1 )
1
2 = a2
1 1 z a1 + a2 x
y z=
a1 + a2 x y = a1
1
2 = a2
z ln( a1 ) + ln( a2 )x
y a1 a2x z = ln( y )
= ln( a1 )
1
2 = ln( a2 )
z ln( a1 ) + a2 ln( x )
y a1 x a2 z = ln( y )
= ln( a1 )
1
2 = a2
Anlise Numrica Integrao Numrica DEC 85
Integrao Numrica
f ( x) = Pn ( x ) + Rn ( x )
I = ab f ( x) dx = ab Pn ( x ) dx + ab Rn ( x ) dx
14243 14243
Quadratura Erro de truncatura
Integrao numrica
f(x) Pn(x)
- +
Operao estvel
a b
Tipos de mtodos
I. Mtodos de Newton-Cotes As abcissas dos pontos
por onde o polinmio de grau n passa so equidistantes:
xi = x0 + i h
Frmulas fechadas:
ba
x0 = a , xn = b e h =
n
O polinmio interpolador de grau n a b
passa pelos pontos de abcissas xi i=0,...,n
Frmulas abertas:
ba
h=
n+2
O polinmio interpolador de grau n a b
passa pelos pontos de abcissas xi i=1,...,n+1
Anlise Numrica Integrao Numrica DEC 86
mas apenas dos pontos xi. So, por isso, calculados uma
nica vez.
1
0 f ( x ) dx w0 f (0 ) + w1 f + w2 f (1)
1
2
01 dx = [x ] 0 = 1
1 1
Se f ( x) = 1
e w0 1 + w1 1 + w2 1 = 1
1
1
x2 1
Se f ( x) = x 0 x dx = =
2 0 2
1 1
e w0 0 + w1 + w2 1 =
2 2
1
x3 1
Se f ( x) = x 2 1 2
0 x dx = =
3 0 3
1 1
e w0 0 + w1 + w2 1 =
4 3
Anlise Numrica Integrao Numrica DEC 88
Isto ,
1
w
0 6 =
w0 1 + w1 1 + w2 1 = 1
1 1 2
w
0 0 + w1 + w2 1 = 1w =
2 2 3
w0 0 + w1 1 + w2 1 = 1 w2 = 1
4 3 6
1 1
0 f ( x ) dx f (0 ) + 4 f + f (1)
1
e
6 2
Se se pretender ab f ( x ) dx faz-se a seguinte mudana de
varivel:
x = a+(b-a) y
dx = (b-a) dy
a f ( x ) dx = (b a ) 0 f (a + (b a ) y ) dy
b 1
(b a ) f (a ) + 4 f a + b + f (b ) (1)
6 2
Regra do trapzio
h
b
a f ( x ) dx ( f ( x0 ) + f ( x1 ))
2
rea do trapzio
Clculo do erro - ET
f ( ( x ))
ET = ab R1( x ) dx = ab( x a )( x b ) dx
2!
Para x[a, b], (x-a) (x-b) 0, isto , tem sinal constante
pelo que se aplica o seguinte teorema:
Teorema da mdia do clculo integral
Sejam f e g funes reais definidas e contnuas no intervalo [a, b].
Se g(x) no muda de sinal em [a, b] ento [a, b] tal que:
a f ( x ) g ( x )dx = f ( ) a g (x )dx
b b
Anlise Numrica Integrao Numrica DEC 90
h3
ET = f ( )
12
ba
Frmulas fechadas x0 = a , xn = b, h = , [a, b]
n
Erro de
grau nome frmula
truncatura
Regra dos h
( f (x0 ) + f (x1 )) h3
1
trapzios f ( )
2 12
Regra de h h 5 (4 )
2
Simpson 1 ( )
3 3
( f (x0 ) + 4 f (x1 ) + f (x2 ))
90
f ( )
3h
Regra 3 ( f ( x0 ) + 3 f ( x1 ) + 3 f ( x2 ) + 3h 5 (4 )
3 8 8 f ( )
de Simpson + f ( x3 )) 80
2h
Regra de (7 f ( x0 ) + 32 f ( x1 ) + 12 f ( x2 ) + 8h 7 (6 )
4
Boole
45 f ( )
+ 32 f ( x3 ) + 7 f ( x4 )) 945
5h
(19 f ( x0 ) + 75 f ( x1 ) + 50 f ( x 2 ) + 7
5 288
275h
f
(6 ) ( )
+ 50 f ( x3 ) + 75 f ( x 4 ) + 19 f ( x5 )) 12096
ba
Frmulas abertas x0 = a + h , x n = b h, h = , [a, b]
n+2
Erro de
grau nome frmula
truncatura
Regra do 2hf ( x0 ) h3
0
ponto mdio f ( )
3
3h
( f (x0 ) + f (x1 )) 3h 3
1 f ( )
2 4
4h
(2 f (x0 ) f (x1 ) + 2 f (x2 )) 14h 5 (4 )
2 f ( )
3 45
5h
(11 f ( x0 ) + f ( x1 ) + f ( x2 ) + 11 f ( x3 )) 95h 5 (4 )
3 24 f ( )
144
Frmulas Compostas
-usam interpolao segmentada dividindo o intervalo [a, b]
em m subintervalos iguais.
ba
Usando n+1 pontos equidistantes de h = , com n = m,
n
ento pela regra dos trapzios:
( f ( xi 1 ) + f ( xi )) f ( i ) h3 i = 1,K, n
x h
xi f ( x) dx =
i 1 2 12
h n 1
= f ( x0 ) + 2 f ( xk ) + f ( xn ) + ET (h )
2
144444 1 444443
k =2
=T ( h)
h3 n
onde ET (h ) = f ( i ) se fC2([xi-1, xi]) i=1,...,n.
12 i =1
Anlise Numrica Integrao Numrica-DEC 93
n
f ( i )
Se fC2([a, b]), ento i =1 (mdia) toma um valor
n
entre o valor mximo e o valor mnimo de f (x) em [a, b],
mas, como f contnua, ento um ponto [a, b] :
n
f ( i )
f ( ) = i =1
n
ba
Logo, como h = ,
n
h3
ET (h ) = n f ( )
12
h2 (b a)3
ET (h ) = (b a) f ( ) = f ( )
12 2
12n
ba
Usando n+1 pontos equidistantes de h = , com n = 2m,
n
ento pela regra de Simpson:
h f (4 ) (i ) 5
x2i
x f ( x ) dx = ( f ( x2i 2 ) + 4 f ( x2i 1 ) + f ( x2i )) h i = 1,K, m
2i 2 3 90
onde i[x2i-2, x2i].
Anlise Numrica Integrao Numrica-DEC 94
Logo
h
I = a f ( x) dx = ( f ( x0 ) + 4 f ( x1 ) + f ( x2 ) + f ( x2 ) + 4 f ( x3 ) + f ( x4 ) +
b
3
+ L + f ( x2m 2 ) + 4 f ( x2m 1 ) + f ( x2m )) + E S (h )
h m m 1
I = f (a ) + f (b) + 4 f ( x2k 1 ) + 2 f ( x2k ) + ES (h )
3
14444444k 4 =1244444 1 443
k =4
S ( h)
h 5 m ( 4)
onde ES (h ) = f ( i ) se fC4([x2i-2, x2i]) i=1,...,m.
90 i =1
f ( 4) ( ) = i =1
m
ba
Logo, como h = e n = 2m,
n
h5 h5
ES (h ) = m f ( ) =
( 4)
n f ( 4) ( )
90 180
h4 (b a )5 ( 4)
ES (h ) = (b a) f ( ) =
( 4)
f ( )
180 4
180n
Anlise Numrica Integrao Numrica-DEC 95
(b a )3
(b a )5
M
ET M 2 ES 4
12n 2 180n 4
M 2 = max f ( x ) M 4 = max f ( 4) ( x )
x[a,b ] x[a,b ]
Estimativa do erro
Regra dos trapzios Regra de Simpson
(b a ) (b a ) ( 4)
ET (h ) = f ( (h )) h 2 ES (h ) = f ( (h )) h 4
12 180
K h 2 ( K constante) K h4 ( K constante)
I = T (h) + Kh 2 I = S ( h) + K h 4
2 4
h h h h
I = T + K I = S + K
2 2 2 2
2 4
h h h h
0 = T T (h) + K (1 4) 0 = S S (h) + K (1 2 4 )
2 2 2 2
h h
T T ( h)
2 4 S S ( h)
h h 2 h h 2
ET K = ES K =
2
2 3 2 2 15
Anlise Numrica Integrao Numrica DEC 96
Alternativas
i) Se f ( x ) = 1 1
0 1 dx = [x ]10 = 1
e A 0 1 + A1 1 = 1
1
2
1 x dx = x 1
Se f ( x ) = x 0 =
2 0 2
1 3 1
e A0 + A1 =
4 4 2
A0 1 + A1 1 = 1 1
A =
Logo 0
2
1 3 1 1
A0 4 + A1 4 = 2 A1 =
2
e
1 1 1 3
0 f ( x) dx f + f
2 4 4
Anlise Numrica Integrao Numrica DEC 98
1 1 1
ii) Se g ( x) = 1 11 x 2 dx = 2 x 2 = 2
0
0
e W 0 1 + W 1 1 = 2
1
1 3
Se g ( x) = x 1 x x 2 dx = 2 x 2 =
2
0
3 3
0
1 3 2
e W0 + W 1 =
4 4 3
Logo W0 1 + W1 1 = 2 5
W 0 =
3
1 3 2 1
W0 4 + W 1 4 = 3 W1 =
3
e
1
1 1 3
1
0 g ( x) x 2 dx 5 g + g
3 4 4
i)
0.1 0.1 1 3
0 f ( x ) dx = 0.1 01 f (0.1 y ) dy f 0.1 + f 0.1
2 4 4
onde f ( x) =
cos x
x sen x , logo
2 x
ii)
1
0.1 0.1
0 f ( x) dx = 0 g ( x) x 2 dx
onde g ( x) =
cos x
x sen x e
2
1
1
0.1
0 g ( x) x 2 dx = 1
0 g ( 0.1 y ) (0.1 y )
2 (0.1dy )
1
0.1 0.1 0.3
= 0.1 01 g (0.1 y ) y 2 dy 5 g + g
3 4 4
0.3151
Valor exacto
0.1
0.1 cos x
0
x sen x dx = [ x cos x ] = 0.3146479444...
2 x 0
Quadratura Gaussiana
Os n+1 pontos por onde o polinmio interpolador de grau
n passa so escolhidos de modo a que a quadratura seja
exacta para funes polinomiais de grau 2n+1.
A frmula de quadratura
n
b
a f ( x ) dx wi f ( xi )
i =0
tem 2n+2 incgnitas (wi e xi, i=0,,n) univocamente
determinadas impondo que a quadratura seja exacta para
f(x) = xk, k=0,, 2n+1. No entanto, a aplicao do mtodo dos
coeficientes indeterminados, neste caso, resulta num sistema no
linear em x, mal condicionado.
Exemplo:
1
0 f ( x ) dx w0 f ( x0 ) + w1 f ( x1 )
Se f ( x ) = 1 1
0 1 dx = [x ] 10= 1 = w0 1 + w1 1
1
2
1 x dx = x 1
Se f ( x ) = x 0 = = w0 x0 + w1 x1
2
0 2
1
3
1 x 2 dx = x 1
Se f ( x ) = x 2 0
2 2
= = w0 x0 + w1 x1
3 0 3
1
4
1 x 3 dx = x 1
Se f ( x ) = x 3 0
3 3
= = w0 x0 + w1 x1
4 0 4
Polinmios Ortogonais
Noo de ortogonalidade
pi , p j = 0
Anlise Numrica Integrao Numrica DEC 102
a pi ( x ) p j ( x ) w( x) dx = 0 i, j : i j
b
1 pi ( x ) p j ( x ) dx = 0
1
Polinmios de Legendre
0 se i j
1 pi ( x ) p j ( x ) dx =
1 2
2n + 1 se i = j
pk +1( x ) =
(2k + 1) x pk ( x ) k pk 1( x ) k 1
k +1
p0 ( x ) = 1
p1( x ) = x
Exerccio
Determine os 3 primeiros polinmios de Legendre pela
definio.
Anlise Numrica Integrao Numrica DEC 104
Dados na tabela
(ver formulrio)
Quando, no caso geral, se pretende o integral b
a f ( x ) dx , faz-se a
mudana de varivel
b+a ba ba
x= + t dx = dt
2 2 2
e
ba 1 b+a ba n
b+a ba
b
a f ( x ) dx = 1 f + t dt = wi f + ti
2 2 2 i =0 2 2
Dados na tabela
(ver formulrio)
Se f(x)C2n+2([a, b]) pode demonstrar-se que
1 1
Gauss-Chebyshev 1 f ( x) dx
2
1 x
Gauss-Laguerre
0 f ( x ) e x dx
2
Gauss-Hermite
f ( x ) e x dx
Anlise Numrica Diferenciao Numrica DEC 106
Diferenciao Numrica
Por interpolao polinomial tem-se:
f(x) = Pn(x) + Rn(x)
onde
f ( n +1) ( ( x ))
Rn ( x ) = n +1( x ) = f [x0 , K, xn , x ] n +1( x )
(n + 1)!
Derivada numrica (processo pouco estvel)
f (x) = Pn(x) + Rn(x)
valor aproximado erro cometido
Clculo do erro
Derivada de diferenas divididas ( ver Conte pag 64 ...)
Se fC(n+k+1)
f [x0 , K, xn , x ] g ( x)
dk
g (x )
g ( k ) ( x ) dx k
g [1,K
x424 x] =
,3 =
k! k!
(k +1) vezes
dk dk
g (x ) = f [x0 , K, xn , x ] = k ! g [1,K
x424 x] =
,3
dx k dx k (k +1) vezes
f ( n + k +1) ( ( x ))
= k ! f [x0 , K, xn , 1
x, K
2,3 x] = k !
(k +1) vezes
(n + k + 1)!
Anlise Numrica Diferenciao Numrica DEC 107
Erro cometido
d
Rn ( x ) = ( f [x0 ,K, xn , x] n +1( x ) ) =
dx
= f [x0 , K , xn , x, x ] n +1( x ) + f [x0 , K , xn , x ]n +1( x ) =
f ( n + 2) ( ) f ( n +1) ( )
= (x ) + ( x )
(n + 2)! n +1 (n + 1)! n +1
xi , x, , [a, b] i
Clculo da 1 derivada em xi
Exemplos:
Polinmio interpolador do 1 grau
a passar por xi, xi+1
yi +1 yi
P1 ( x ) = yi + ( x xi )
h
y yi
P1( x ) = i +1 = yi (1)
h
cujo erro de truncatura
f ( ) f ( )
R1 ( xi ) = (1
xi xi )( xi xi +1 )+ ((x4i 2
xi ) + ( xi xi +1 ))
3! 44 42444 3 2! 1 43 14243
=0 =0 = h
h
R1 ( xi ) = = - f ( ) [xi , xi +1 ] e f C 2 ([xi , xi + 1 ])
2
a passar por xi-1, xi+1
yi +1 yi 1
P1 ( x ) = yi 1 + ( x xi 1 )
2h
y yi 1
P1( x ) = i +1 = yi (2)
2h
cujo erro de truncatura
f ( ) f ( )
R1 ( xi ) = (1
xi xi 1 )( xi xi +1 )+ ((xi xi 1 ) + (xi xi +1 ))
3! 4243 14243 2! 14444244443
=h = h =0
h 2
R1 ( xi ) = - f ( ) [xi 1 , xi +1 ] e f C 3 ([xi 1 , xi + 1 ])
3!
Quando comparamos estas duas frmulas, a frmula (2)
melhor do que a frmula (1) pois, quer o erro de truncatura
quer o erro de arredondamento so menores.
Anlise Numrica Diferenciao Numrica DEC 109
i i , ento
i +1 i 2
a (1) =
h h
a (2 ) = i +1 i 1
2h h
Geometricamente
1/h 1/h
Clculo da 2 derivada
f (x) = Pn (x) + Rn (x)
Erro cometido
d2
Rn ( x ) = 2
( f [x0 ,K, xn , x] n +1 ( x ) ) =
dx
= 2 f [x0 , K, xn , x, x, x ] n +1 ( x ) + 2 f [x0 ,K, xn , x, x ]n +1 ( x ) +
+ f [x0 ,K, xn , x ]n +1 ( x )
Anlise Numrica Diferenciao Numrica DEC 111
yi +1 yi yi +1 2 yi + yi 1
P2 ( x ) = + (( x xi ) + ( x xi 1 ) )
h 2h 2
yi +1 2 yi + yi 1
y1 = P2( xi ) =
h2
cujo erro truncatura
f (5) ( ) f ( 4) ( )
R2 ( xi ) = 2 3 ( xi )+ 2 ((1
xi xi 1 )( xi xi +1 ) + 0 )+
5! 123 4! 4243 14243
=0 =h = h
f ( )
+ 2(( xi xi 1 ) +( xi xi +1 ))
3! 14243 14243
144 = h4 4244 = 4
h43
=0
2
h ( 4)
R2 ( xi ) = - f ( ) [xi 1 , xi +1 ] e f C 4 ([xi 1 , xi + 1 ])
12
pois
3 ( x ) = ( x xi +1 ) + ( x xi ) + ( x xi +1 ) + ( x xi 1 ) + ( x xi ) + ( x xi 1 )
e o erro de arredondamento
+ i 1 4
a (1) = i +1 2 i
2
h h2
isto , cresce quadraticamente com 1/h.
Anlise Numrica - Equaes Diferenciais DEC 112
= f xx + f yx f + f y f x + f xy f + f yy f 2 + f y2 f
M
Como se pode ver, na maior parte dos casos, o clculo destas
derivadas torna-se bastante complexo. Se n=1 o mtodo
anterior bastante simples e chamado mtodo de Euler.
Mtodo de Euler
Determina o valor de yi, valor aproximado de y(xi) (xi=xi-1+h),
custa de yi-1, usando a frmula de Taylor de 1 ordem, atravs
do seguinte algoritmo:
Algoritmo
Para determinar a soluo da equao diferencial
y=f(x,y) , y(a)=y0
no intervalo [a, b], fazer:
1. Escolha o passo h = (b-a)/n e considere
xi = a + ih i=0,1,,n
2. Determine o valor aproximado de y(xi+1)
yi+1 = yi+h f(xi,yi) i=0,1,,n-1
Anlise Numrica - Equaes Diferenciais DEC 116
Exemplo 1:
Calcular, no intervalo [0,1], a soluo da equao diferencial
y=2y + ex que passa por (0,0)
(soluo exacta: y=e2x - ex )
Se considerarmos h=0.2
i xi yi yi y(xi) y(xi)-yi
0 0 0 1 0 0.00
1 0.2 0.2 1.621403 0.270422 0.07
2 0.4 0.524281 2.540386 0.733716 0.21
3 0.6 1.032358 3.886834 1.497998 0.47
4 0.8 1.809725 5.84499 2.727491 0.92
5 1 2.978723 4.670774 1.69
Estimativa do erro
Se yC2([a,b]) ento, pela frmula de Taylor
h2
y ( xi +1 ) = y ( xi ) + hy ( xi ) + y ( ) ]xi , xi +1[
2
erro local
onde y( xi ) = f ( xi , y ( xi )) .
Quando definimos yi+1 = yi+h f(xi,yi), yi+1 aproxima y(xi+1)
com um erro que dado por:
h2
ei +1 = y ( xi +1 ) yi +1 = ei + h ( f ( xi , y ( xi )) f ( xi , yi ) ) + y ( )
2
e, pela condio de Lipschitz,
h2
ei +1 ei + hL ei + M 2 M 2 = max y ( x )
2 x[a ,b ]
isto , se as parcelas forem do mesmo sinal, o erro vai-se
agravando.
Anlise Numrica - Equaes Diferenciais DEC 117
Interpretao geomtrica
L0
L1
y(x2)
local
global
y2
local
Exemplo 2:
Se, no exemplo 1, se tivesse usado outros valores de h teramos:
h=0.2 h=0.1 h=0.05
xi yi y(xi)-yi yi y(xi)-yi yi y(xi)-yi
0 0 0 0
0.2 0.2 0.07 0.230517 0.040 0.249028 0.021
0.4 0.524281 0.21 0.613499 0.120 0.668765 0.065
0.6 1.032358 0.47 1.227329 0.275 1.350646 0.147
0.8 1.809725 0.92 2.187384 0.540 2.431239 0.296
1 2.978723 1.69 3.662858 1.008 4.011380 0.659
Se a 2 derivada for suave, consegue-se mostrar que eiCh. Neste
exemplo, ao dividir h por 2, tem-se 1.69/1.008=1.72 e
1.008/0.659=1.532 (a 2 derivada ainda varia significativamente)
Anlise Numrica - Equaes Diferenciais DEC 118
x x
x i +1 y dx = x i +1 f ( x, y ( x)) dx (1)
i i
yi +1 yi h f ( xi , yi ) (2)
yi +1 yi + h
( f ( xi , yi ) +
f ( x i , yi + h f ( xi , yi )) ) (3)
14444442 2 444444 3
mdia de valores aproximados de y ( x ) em xi e xi +1
yi +1 = y j + xxi +1 f ( x, y ( x)) dx
j
e determina-se o integral usando um mtodo Newton-
Cotes.
Anlise Numrica - Equaes Diferenciais DEC 122
yip+1 = yi 1 + 2hf ( xi , yi )
h3
cujo erro local
3
( )
y p onde p ]xi 1, xi +1[
Frmula correctora
Se se usar para corrector a regra dos trapzios tem-se:
yi +1 = yi + xxi +1 f ( x, y ( x )) dx
i
yic+1 = yi +
h
2
(
f ( xi , yi ) + f ( xi +1 , yip+1 )
h3
cujo erro local - y( c ) onde c ]xi , xi +1[
12
Estes mtodos no so auto-suficientes. De facto, se
analisarmos a frmula preditora, como no incio s
conhecemos y(x0)=y0, ela no permite determinar y1. Logo
este valor tem que ser obtido por outro tipo de mtodos. Se
usarmos a frmula de Taylor, para mantermos um erro da
Anlise Numrica - Equaes Diferenciais DEC 123
yi0+1 = yip+1
h
(
yij+1 = yic + f ( xi , yic ) + f ( xi +1, yij+11
2
) j = 1, ..., m
yim+1 yim+11
yic+1 = yim+1
yim+1
Anlise Numrica - Equaes Diferenciais DEC 124
= 0 + 0.2 ( e0 + 2 0) +
2
(
0.2 2 0
)
e + 2 ( e0 + 2 0) = 0.26
y1c = y0 +
h
2
(
f ( x0 , y0 ) + f x1, y1p( )
=0+
0.2 0
2
( )
( e + 2 0) + ( e0.2 + 2 0.26) = 0.274140