INTRODUÇÃO

Geralmente as opções de ajuda(Help) que vem nos (softwares) ou aparecem com

uma linguagem de difícil compreensão para pessoas leigas na área de Informática ou então
são muito sintéticas sem nenhum exemplo prático acompanhando as explicações.
Esta apostila destina-se principalmente aos alunos e Professores da Universidade
Federal de São João del-Rei, servindo como um texto básico para várias disciplinas que
utilizam a Matemática e Estatística em seus Cursos.
Procurou-se detalhar os passos para a utilização das várias fórmulas que o Excel
dispõe, numa linguagem o mais popular possível.
Um dos objetivos é incentivar os Professores a usarem não só o software Microsoft
Excel que possui bastante aplicação para várias disciplinas e também em ações do
cotidiano., mas também os vários recursos da área de Informática que melhoram
consideravelmente o desenvolvimento do Ensino-Aprendizagem com economia de tempo,
tornando as aulas mais atrativas e com melhor visualização dos problemas a serem
resolvidos.

I
 1. Aplicações do Excel ao Cálculo Numérico

1.1. Raízes de equações transcendentais

Resoluções de equações do tipo f(x) = 0.
1.1.1. Método de Iteração Linear(M.I.L.)

Seja o problema de se determinar a raiz positiva da equação abaixo, , com a

tolerância dada igual a 0,0001;
x2 – cos(x) = 0 Equação 1
Fazemos x2 = cos(x) e traçamos as duas curvas: y = x 2 e y = cos(x) no mesmo
gráfico. Onde se interceptam as curvas são as raízes da equação.
De acordo com os dados da Tabela 1, traçamos as curvas como mostrado no
Gráfico 1.

A B C Determinação do valor inicial(X0)

1 Dados das curvas
30
2 x y = x 2 y = cos(x)
3 -5 25 0,283662 25
4 -4 16 -0,65364
5 -3 9 -0,98999 20
6 -2 4 -0,41615 15
7 -1 1 0,540302 y = x^2
y

8 0 0 1 10 y = cos(x)
9 1 1 0,540302
5
10 2 4 -0,41615
11 3 9 -0,98999 0
12 4 16 -0,65364 -5 -4 -3 -2 -1 0 1 2 3 4 5
13 5 25 0,283662 -5
x

Tabela 1 Gráfico 1

Achamos as possíveis funções de iteração, colocando a equação 1 na forma

x = F(x), onde F(x) é uma função de iteração.
Neste caso, as possíveis funções de iteração são:
F1(x) = cos(x)/x
F2(x) = raiz(cos(x)
F3(x) = arc cos(x2)
F4(x) = x2 +x – cos(x)
Agora testamos qual função de iteração pode levar à convergência do método,
aplicando as condições:
’
Se | F (x0) | > 1 então o método não converge.

2
 ’
Se | F (x0) |  1 então o método pode convergir.
No nosso exemplo, ao aplicar essas condições, verificamos que:
F1’(x) = (-sen(x) – cos(x))/x2, logo | F1’(0,5) | = 5,428032 então F1(x) é uma função
de iteração que não leva à convergência.
F’2(x) = -sen(x)/2*raiz(cos(x)), logo | F’2(x) | = 0,224561 então F2(x) é uma função
de iteração que pode levar à convergência deste método.
Vamos usar então estas duas funções de iteração para exemplificar os dois casos: o
de convergência e o da não convergência.

A B C D E F
2
1 Cálculo da raiz da equação: x - cos(x) = 0 usando o M.I.L.
2 Valor de Função de iteração Cálculo do Valor da Raiz Valor de
3 x0 (cos(x))/x ERRO RELATIVO Tolerância aproximada f(x)
4 0,5 1,755165124 2,510330248 0,0001 não converge 3,263930676
5 -0,104449469 17,80396412 -0,983640420
6 -9,521830263 0,989030526 91,660545671
7 0,104527606 92,09392857 -0,983615942
8 9,514634472 0,989014018 91,524234750
9 -0,104677234 91,89497405 -0,983569016
10 -9,500884775 0,98898237 91,263916783
11 0,104948676 91,52886777 -0,983483716
12 9,476040884 0,988924839 90,794037180
13 -0,105390675 90,91346619 -0,983344347
14 -9,435858935 0,988830834 90,035372446
15 0,105972187 90,04090036 -0,983160096
16 9,383501744 0,988706542 89,049253242
17
18 Valor inicial(x 0) = (0 + 1)/2 = 0,5
19
20 Para a tolerância dada, o método não converge para a raiz positiva.

Planilha 1

Na planilha acima mostramos a não convergência, usando a função de iteração

generalizada:
x i + 1 = cos(x i)/x i

Na primeira iteração, o valor da célula C4 será: = cos(A4)/A4

Aplicamos o teste da convergência que é feito em relação à tolerância dada:
Se | x i + 1 – x i | / | x i | < tolerância então o valor atual x i + 1 é a raiz
procurada, caso contrário teríamos que fazer mais iterações até chegar neste valor, caso a
função de iteração pudesse levar à convergência.
Na célula C4 a fórmula usada é:
= abs((B4 – a4)/b4)

3
 Verificamos que até à 13ª iteração o método não convergiu.
Na coluna F estão calculados os valores da função f(x) para os valores x i
calculados. Na célula F4 temos a seguinte fórmula:
= A4 2 – cos(A4)
Agora usando a função de iteração generalizada:
x i + 1 = raiz (cos (x i))
vamos determinar a raiz da equação x2 – cos(x) = 0, verificando se realmente convergirá.

A B C D E F
2
1 Cálculo da raiz da equação: x - cos(x) = 0 usando o M.I.L.
2 Valor de Função de iteração Cálculo do Valor da Raiz Valor de
3 x0 raiz(cos(x)) ERRO RELATIVO Tolerância aproximada f(x)
4 0,5 0,936793767 0,873587534 0,0001 0,824116083 0,285208353
5 0,769658501 0,217155096 -0,125774149
6 0,847436344 0,091780159 0,056241358
7 0,813576671 0,041618294 -0,024996492
8 0,828796411 0,018363666 0,011140054
9 0,822048318 0,008208877 -0,004958721
10 0,825058882 0,003648908 0,002208445
11 0,823719438 0,001626092 -0,000983330
12 0,824316106 0,000723834 0,000437883
13 0,824050459 0,000322367 -0,000194983
14 0,824168759 0,000143537 0,000086825
15 0,824116083 6,3918E-05 -0,000038662
16 0,824139539 2,84618E-05 0,000017216
17
18 Valor inicial(x0) = (0 + 1)/2 = 0,5
19
20 Para a tolerância dada, o método converge para a raiz positiva 0,824116083.
Planilha 2

A célula B3 da Planilha 2 tem a seguinte fórmula:

= raiz(cos(A3))
A célula C3 tem a seguinte fórmula:
= abs((B3 – A3)/B3)
A célula F3 vem com a fórmula especificada abaixo:
= A 2 – cos(A3))
Verificamos então que o M.I.L., para a tolerância dada, convergiu na 4ª iteração,
sendo a raiz da equação igual a 0,824132312.

1.1.2. Método de Newton-Raphson(M.N.R.)

Os passos para se determinar o valor inicial x 0 é o mesmo usado no M.I.L. A partir

deste valor inicial, usa-se a seguinte função de iteração:

4
 x i + 1 = x i - f(x i)/ f’(x i)
Neste método a tolerância também é dada e o teste da convergência é o mesmo
aplicado ao M.I.L., ou seja, as iterações são feitas até que o erro relativo seja menor que a
tolerância dada.
Como f’(x) = 2x + cos(x), levando este valor à função de iteração, temos:

x i + 1 = x i - (x i 2 – cos(x i )/ (2*x i + sen(x i))

Planilha 3

A célula B3, que representa a 1ª iteração, tem a fórmula:

= A3 – (A3^2 – cos(A3))/(2*A3 + sen(A3))
A célula C3, que representa o erro relativo na 1ª iteração, possui a seguinte fórmula:
= abs((B3 – A3)/B3)
A célula F3, que representa o valor de f(x0), tem a fórmula:
= A3^2 – cos(A3)

1.2. Interpolação
Seja o intervalo finito [a, b], dados n + 1 pontos de abscissas xi, o estudo da
interpolação resolve, basicamente dois tipos de problemas:

5
 1º) Conhecida a função em somente n + 1 pontos, conhecê-la aproximadamente em
qualquer ponto x  [a, b].
2º) Conhecida a expressão analítica de f(x), aproximá-la por outra expressão mais
simples, bastando para tanto avaliá-la em um número finito n + 1 pontos.

1.2.1. Método de Lagrange

Aqui você determinará uma função polinomial, o maior grau do polinômio
corresponderá a n.
Como exemplo vamos aproximar a função log10 x, no intervalo [2, 3] por interpolação
A B C D E F G H
1 IN T E R P O L A Ç Ã O U S A N D O M É T O D O D E L A G R A N G E
2
3 D a d a a t a b e la a b a ix o , p a r a va lo r e s d e lo g ( x ), d e t e r m in a r p ( 2 , 4 )
4 i xi fi x L 0 (x ) L 1 (x ) L 2 (x ) P 2 (x )
5 0 2 0 ,3 0 1 0 3 2 ,4 0 ,1 2 0 ,9 6 -0 , 0 8 0 ,3 7 9 9 7 6
6 1 2 ,5 0 ,3 9 7 9 4
7 2 3 0 ,4 7 7 1 2 1
8
9
10
11 V a lo r d e lo g ( 2 , 4 ) = 0 ,3 8 0 2 1 1
12
13
14 FÓ RM ULA D E LA G RA NG E :
15
16
17 n ( x  x j)
n
18 P n (x )   f i 
i  0 j  0 ( x i  x j)
19
20
21
22 i j
polinomial, usando três pontos c

Planilha 4
As células relativas à Fórmula de Lagrange, têm os respectivos conteúdos:

E5 tem digitado: =((D5 – B6)*(D5 – B7))/((B5 – B6)*(B5 – B7))

F5 tem o conteúdo: =((D5 – B5)*(D5 – B7))/((B6 – B5)*(B6 – B7))
G5 tem digitado: =((D5 – B5)*(D5 – B6))/((B6 – B5)*(B7 – B6))
H5 tem a fórmula: =(C5*E5) + (C6*F5) + (C7*G5)

1.2.2. Método de Newton(Diferenças finitas)

6
 Aqui usa-se uma tabela de n + 1 pontos equidistantes.
Segue abaixo a Planilha 5 com um modelo de uma tabela de diferenças
progressivas:

A B C D E F G H
1 P
RE
EN
CH
I
M E
NT
ODA
TA
BE
LA
DEP
ON
TO
SE
QU
I
DIS
TA
NT
ES

2 i xi
fx
(i
)fi 
2
ffi fi
fi i
3 4 5

3 0 2 0
,
301
030,
041
39-0
,00
360,
000
57-0
,
000
11-
0,
000
01
4 1 2
,
2 0
,
342
420,
037
79-0
,
003
030,
000
46-0
,
000
12
5 2 2
,
4 0
,
380
210,
034
76-0
,
002
570,
000
34
6 3 2
,
6 0
,
414
970,
032
19-0
,
002
23
7 4 2
,
8 0
,
447
160,
029
96
8 5 3 0
,
477
12

Planilha 5
As diferenças progressivas são calculadas nas seguintes células:
D3 com a fórmula: =C4 – C3
E3 com a fórmula: =D4 – D3
F3 com a fórmula: =E4 – E3
G3 com a fórmula: =F4 – F3
H3 com a fórmula: =G4 – G3
Na fórmula de Newton x é o valor que se quer interpolar, antes faz-se a seguinte
mudança de variável:

u
x x 0

h
onde:
u é uma variável auxiliar que correspondente à abscissa x a interpolar;
x0 é o valor inicial da abscissa;
h é o passo( h = x i + 1 – x i)

A função aproximante é P(u), dada na planilha 6, onde

u  u!
  
n (u  n)!n!

7
 A B C D E F G H I J
1 IN TE R P O L A Ç Ã O P O L IN O M IA L , U S A N D O TA B E L A D E P O N TO S E Q U ID IS TA N TE S
2 M É TO D O D E N E W TO M P R O G R E S S IV O
3 E XE R C ÍC IO :

4
C A LCU LA R O V A LO R D E S E N (  / 4 ), U S A N D O A TA B E L A :

x f ( xi)  f  f  f 2
P (u)
3
i i i i n
5 I h u V a lo r e x a t o
6 0 0 0 0,5 -0 , 1 3 3 9 7 -0 , 0 9 8 1 0,52360 1,5 0,71202 0,70711
7 1 0,5236 0,5 0,366 -0 , 2 3 2 0 5
8 2 1,0472 0,866 0,134
9 3 1,5708 1
10
11 O m é t o d o é a p lic a d o p a ra n + 1 p o n t o s
12
13 F Ó R M U L A D E N E W TO N P R O G R E S S IV A
14
15
u  u  2 u  n
P (u)  f     f 0   2  f 0  . . .   n  f 0
16
17
n
 
0
 1    
18
19
20
Planilha 6
Resolvendo o problema:
n+1=4  n=3

x  x0 0
3
u  4   1.5
h  2
6
u  u  2 u  3
P
(u )
3
 f    f     f     f
0
1 0
 2 0
 3 0

(1.5 ) 1.5  1.5  1.5 

P 3
 0    * 0.5    * (0.13397)    * ( 0.0981)
 1   2   3 
(1.5 )
P 3
 0,71202

Este é o cálculo aproximado, por interpolação, do seno de 45°, cujo valor mais exato
é 0.70711.

8
 1.3. Sistema de Equações Lineares
1.3.1. Método de Eliminação de Gauss
A B C D E F G H
1 R E S O L U Ç Ã O D E S IS T E M A D E E Q U A Ç Õ E S L IN E A R E S
2 M É T O D O D E E L IM IN A Ç Ã O D E G A U S S
3 T R A N S F O R M A A M A T R IZ D O S IS T E M A N U M A M A T R IZ T R IA N G U L A R S U P E R IO R
4
5
6


2 x  2 x  x  x  7
1 2 3 4

7 Re solver o sistema de equações


:  x  x  2 x  x 1
1 2 3 4
8
9
 3 x  2 x 3 x  2 x  4
1 2 3 4
 4 x  3 x  2 x  x  12
1 0  1 2 3 4

1 1
1 2 M A T R IZ E X T E N D ID A
1 3 x 1 x 2 x3 x 4 T e rm . In d e p
1 4 2 2 1 1 7
1 5 1 -1 2 -1 1
1 6 3 2 -3 -2 4
1 7 4 3 2 1 1 2
1 8 1 ª E L IM IN A Ç Ã O
1 9 1 1 0 ,5 0 ,5 3 ,5
2 0 0 -2 1 ,5 -1 ,5 -2 ,5
2 1 0 -1 -4 ,5 -3 ,5 -6 ,5
2 2 0 -1 0 -1 -2
2 3 2 ª E L IM IN A Ç Ã O
2 4 1 1 0 ,5 0 ,5 3 ,5
2 5 0 1 -0 ,7 5 0 ,7 5 1 ,2 5
2 6 0 0 -5 ,2 5 -2 ,7 5 -5 ,2 5
2 7 0 0 -0 ,7 5 -0 ,2 5 -0 ,7 5
2 8 3 ª E L IM IN A Ç Ã O
2 9 1 1 0 ,5 0 ,5 3 ,5
3 0 0 1 -0 ,7 5 0 ,7 5 1 ,2 5
3 1 0 0 1 0 ,5 2 3 8 1 1
3 2 0 0 0 0 ,1 4 2 8 5 7 0
3 3 4 ª E L IM IN A Ç Ã O
3 4 1 1 0 ,5 0 ,5 3 ,5
3 5 0 1 -0 ,7 5 0 ,7 5 1 ,2 5
3 6 0 0 1 0 ,5 2 3 8 1 1
3 7 0 0 0 1 0
3 8 S O L U Ç Ã O :
3 9 x1 = 1
4 0 x 2 = 2
4 1 x 3 = 1
4 2 x 4 = 0
Planilha 7

9
 Na 1ª eliminação faz-se com que o 1º pivô que estará na célula a19 seja igual a
1,este se originará da célula A14(que é 2 e para se transformar em 1 devemos dividi-lo por
2), para isto dividimos a linha 14 por 2 e obtemos a linha 19.
Em seguida, o objetivo é zerar todos os elementos que estão abaixo do 1º pivô.
A linha 20 resultará da linha 15 menos a linha 19.
A linha 21 resultará da linha 16 menos 3 vezes a linha 19.
A linha 22 obteremos da linha 17 menos 4 vezes a linha 19.
Na 2ª eliminação trabalharemos com o 2º pivô representado pela célula B25 e se
originará da célula B20 dividida por –2, logo a linha 25 resultará da divisão da linha 20 por
–2.
A linha 24 será a repetição da linha 19.
A linha 26 será a linha 21 somada com a linha 25.
A linha 27 resultará da linha 22 somada com a linha 25.
Na 3ª eliminação a linha 29 será a repetição da linha 24 e a linha 30 será a repetição
da linha 25.
O 3º pivô representado pela célula C31 resultará da divisão da célula C26 por –5.25,
logo a linha 31 será resultado da linha 26 dividida por –5.25.
A linha 32 é resultado da linha 27 mais (a linha 31 vezes 0.75).
Na 4ª eliminação a linha 34 será a repetição da linha 29, a linha 35 será a repetição
da linha 30 e a linha 36 será a repetição da linha 31.
Para transformar o pivô(agora célula D37) igual a 1, a linha 37 deverá ser dividida
por 0.142857.
Comparando a célula D37 com E37, obtemos x4 = 0.
Substituindo este valor na linha 36 obtemos x3 = 1.
Substituindo estes dois últimos valores na linha 35 obtemos x2 = 2.
Substituindo estes três últimos valores na linha 34 obtemos x1 = 1.

1.3.2. Método de Eliminação de Gauss-Jordan

A maneira de resolver as eliminações é semelhante ao método de Gauss, só que
agora devemos transformar a matriz do sistema numa matriz identidade. A primeira
eliminação é igual ao método de Gauss, nas outras eliminações, além de zerar os elementos
que estão abaixo de cada pivô, devemos zerar também os elementos acima de cada pivô.
No final resultará a matriz identidade e os valores das incógnitas serão obtidos diretamente.

10
 A B C D E F G
1 R E S O L U Ç Ã O D E S IS T E M A D E E Q U A Ç Õ E S L IN E A R E S
2 M É T O D O D E E L IM IN A Ç Ã O D E G A U S S -J O R D A N
3 T R A N S F O R M A A M A T R IZ D O S IS T E M A N U M A M A T R IZ ID E N T ID A D E
4
5
6


2 x  2 x  x  x  7
1 2 3 4

7
Re solver o si tema de equações

:  x  x  2 x  x  1
1 2 3 4
8
9  3 x  2 x 3 x  2 x  4
1 2 3 4
 4 x  3 x  2 x  x  12
1 0  1 2 3 4
1 1
1 2 M A T R IZ E X T E N D ID A
1 3 x 1 x 2 x 3 x 4 T e r m . In d e p
1 4 2 2 1 1 7
1 5 1 -1 2 -1 1
1 6 3 2 -3 -2 4
1 7 4 3 2 1 1 2
1 8 1 ª E L IM IN A Ç Ã O
1 9 1 1 0 ,5 0 ,5 3 ,5
2 0 0 -2 1 ,5 -1 ,5 -2 ,5
2 1 0 -1 -4 ,5 -3 ,5 -6 ,5
2 2 0 -1 0 -1 -2
2 3 2 ª E L IM IN A Ç Ã O
2 4 1 0 1 ,2 5 -0 ,2 5 2 ,2 5
2 5 0 1 -0 ,7 5 0 ,7 5 1 ,2 5
2 6 0 0 -5 ,2 5 -2 ,7 5 -5 ,2 5
2 7 0 0 -0 ,7 5 -0 ,2 5 -0 ,7 5
2 8 3 ª E L IM IN A Ç Ã O
2 9 1 0 0 -0 ,9 0 4 7 6 1 9 0 5 1
3 0 0 1 0 1 ,1 4 2 8 5 7 1 4 3 2
3 1 0 0 1 0 ,5 2 3 8 0 9 5 2 4 1
3 2 0 0 0 0 ,1 4 2 8 5 7 1 4 3 0
3 3 4 ª E L IM IN A Ç Ã O
3 4 1 0 0 0 1
3 5 0 1 0 0 2
3 6 0 0 1 0 1
3 7 0 0 0 1 0
3 8 S O L U Ç Ã O :
3 9 x 1 = 1
4 0 x 2 = 2
4 1 x 3 = 1
4 2 x 4 = 0
Planilha 8

11
 A B C D E F G H
1 CÁLCULO DA INVERSA DE UMA MATRIZ USANDO O MÉTODO DE GAUSS-JORDAN
2
3 2 2 1 1 1 0 0 0
4 1 -1 2 -1 0 1 0 0
5 3 2 -3 -2 0 1 0 0
6 4 3 2 1 0 0 0 1
7 1ª ELIMINAÇÃO
8 1 1 0,5 0,5 0,5 0 0 0
9 0 -2 1,5 -1,5 -0,5 1 0 0
10 0 -1 -4,5 -3,5 -1,5 1 0 0
11 0 -1 0 -1 -2 0 0 1
12 2ª ELIMINAÇÃO
13 1 0 1,25 -0,25 0,25 0,5 0 0
14 0 1 -0,75 0,75 0,25 -0,5 0 0
15 0 0 -5,25 -2,75 -1,25 0,5 0 0
16 0 0 -0,75 -0,25 -1,75 -0,5 0 1
17 3ª ELIMINAÇÃO
18 1 0 0 -0,904761905 -0,04762 0,619048 0 0
19 0 1 0 1,142857143 0,428571 -0,57143 0 0
20 0 0 1 0,523809524 0,238095 -0,09524 0 0
21 0 0 0 0,142857143 -1,57143 -0,57143 0 1
22 4ª ELIMINAÇÃO
23 1 0 0 0 -10 -3 0 6,333333
24 0 1 0 0 13 4 0 -8
25 0 0 1 0 6 2 0 -3,66667
26 0 0 0 1 -11 -4 0 7
27 SOLUÇÃO:
28
29 Esta última matriz 4X4(na cor vermelha) é a inversa da matriz dada(na cor azul).
Planilha 9

1.3.3. Método de iteração de Jacobi

Dado um sistema de n equações com n incógnitas xi (i de 1 a n), o primeiro passo é

expressar as equações da seguinte forma:
Na 1ª equação, explicitar a primeira incógnita x1 em função das outras.
Na 2ª equação, explicitar a segunda incógnita x2 em função das outras.
E assim sucessivamente, até expressar a enésima incógnita xn em função das outras.
Exemplo:

 4 x1  x2  2

Dada a equação:  x1  4 x 2  x3  6 teremos:
  4  2
 x 2 x3

12
 ( i 1) ( i 1) ( i 1)
(i ) (2  x2 ) (i ) (6  x 3  x1 )
x1

4
;
x 2

4
;

( i 1)
(i ) (2  x2 )
x 3

4

A partir de uma aproximação inicial x1(0) = x2(0) = x3(0) = 0, vão se fazendo as

sucessivas iterações até que o erro absoluto de um iteração seja menor que
uma tolerância dada, de maneira semelhante à convergência do MIL ou do
MNR.
A B C D E F G
1 RESOLUÇÃO DE SISTEMA DE EQUAÇÕES LINEARES
2 MÉTODO DE ITERAÇÃO DE JACOBI
3 Fazer 3 iterações, verificar se converge na 3ª iteração
4
5 { 4x + y = 2 Tolerância
6 { -x + 4y - z = 6 0,001
7 { -y + 4z = 2
8
9 x y z Termo indep.
10 4 1,00000 0 2
11 -1 4,00000 -1 6
12 0 -1,00000 4 2
13
14 Valores iniciais 0,00000 0,00000 0,00000 TESTE DA CONVERGÊNCIA
15 1 ª iteração 0,50000 1,50000 0,50000 1,000000 1,000000 1,000000
16 2 ª iteração 0,12500 1,75000 0,87500 3,000000 0,142857 0,428571
17 3 ª iteração 0,06250 1,75000 0,93750 1,000000 0,000000 0,066667
18 4 ª iteração 0,06250 1,75000 0,93750 0,000000 0,000000 0,000000
Planilha 10

1.3.4. Método de iteração de Gauss-Seidel

Semelhante ao método de Jacobi, só que na mesma iteração já se pode usar o valor

dos xi que já foram calculados, melhorando a rapidez da convergência do método.
Na primeira equação usa-se o valor inicial das incógnitas xi(i de 2 a n) igual a 0.
A partir da 2ª função de iteração, usamos os valores das incógnitas que já estejam
definidos, caso contrário usamos 0.

13
1 RESOLUÇÃO DE SISTEMA DE EQUAÇÕES LINEARES
2 MÉTODO DE ITERAÇÃO DE GAUSS-SEIDEL
3 Fazer 3 iterações, verificar se converge na 3ª iteração
4
5 { 4x + y = 2 Tolerância
6 { -x + 4y - z = 6 0,01
7 { -y + 4z = 2
8
10 x y z termo indep.
11 4 1,00000 0 2
12 -1 4,00000 -1 6
13 0 -1,00000 4 2

14 x y z
15 Valores iniciais 0,00000 0,00000 0,00000 Teste de convergência
16 1 ª iteração 0,50000 1,62500 0,90625 1,000000 1,000000 1,000000
17 2 ª iteração 0,09375 1,75000 0,93750 4,333333 0,071429 0,033333
18 3 ª iteração 0,06250 1,75000 0,93750 0,500000 0,000000 0,000000
19 4 ª iteração 0,06250 1,75000 0,93750 0,000000 0,000000 0,000000
20 5 ª iteração 0,06250 1,75000 0,93750 0,000000 0,000000 0,000000
21 6 ª iteração 0,06250 1,75000 0,93750 0,000000 0,000000 0,000000
22 7 ª iteração 0,06250 1,75000 0,93750 0,000000 0,000000 0,000000
23 8 ª iteração 0,06250 1,75000 0,93750 0,000000 0,000000 0,000000
24
25 O método convergiu na 4ª iteração
Planilha 11

1.4. Integração Numérica

Usamos a integração numérica quando a primitiva é complexa, quando não
conseguimos determinar a primitiva(no caso das integrais elípticas) ou quando não temos
uma função definida mas somente um conjunto de pontos que representam uma função.
Usamos n +1 pontos equidistantes num intervalo [a, b].

1.4.1. Método dos trapézios

Na determinação da área sob uma curva, dividimos a curva em n subintervalos, nos
quais, cada um representa a área de um trapézio, a área total do intervalo [a, b], será a soma
das áreas dos trapézios.
A fórmula para o cálculo da integral em [a, b] será:
h
A  ( f  2 f  2 f  ...  2 f  2 f  f )
2 0 1 2 n2 n 1 n

onde h é a largura de cada subintervalo:

h x x
n 0
n

14
 A B C D E F G H I
1 IN T E G R A Ç Ã O N U M É R IC A - M É T O D O D O S T R A P É Z IO S
2 In t e g r a l d e u m a t a b e la d e p o n t o s e q u id is t a n t e s In t e g r a l d a fu n ç ã o y = c o s ( x ) e n t r e 1 e 4
3 x f(x ) h Á re a x f( x ) h Á re a
4 0 7 1 4 2 ,5 1 0 ,5 4 0 3 0 2 0 ,2 5 1 ,5 8 9 9
5 1 5 1 ,2 5 0 ,3 1 5 3 2 2
6 2 8 1 ,5 0 ,0 7 0 7 3 7
7 3 1 1 ,7 5 -0 ,1 7 8 2 5
8 4 3 2 -0 ,4 1 6 1 5
9 5 9 2 ,2 5 -0 ,6 2 8 1 7
1 0 6 6 2 ,5 -0 ,8 0 1 1 4
1 1 7 4 2 ,7 5 -0 ,9 2 4 3
1 2 8 6 3 -0 ,9 8 9 9 9
1 3 3 ,2 5 -0 ,9 9 4 1 3
1 4 3 ,5 -0 ,9 3 6 4 6
1 5 3 ,7 5 -0 ,8 2 0 5 6
1 6 4 -0 ,6 5 3 6 4
1 7
1 8 C á lc u lo d a á re a u s a n d o o c á lc u lo in t e g r a l
1 9 4
2
2
0
1  1
cos( x ) dx  1 , 59827348

Planilha 12

1.4.2. Método de Simpson

Semelhante ao método dos trapézios, só que cada subintervalo representa a área sob
uma parábola e este método só é aplicável para um número ímpar de pontos.
A fórmula para a integral em [a, b], usando o método de Simpson, será:

h
A ( f  4 f  2 f  ...  2 f 4 f  f )
3 0 1 2 n2 n 1 n
4
Como exemplo, pede-se determinar 1 cos( x )dx usando 13 intervalos.
Logo

n + 1 = 13  n = 13 – 1 = 12 intervalos

h x x
n 0

4 1
 0,25
n 12
0,25
A (0,540302  4 * 0,315322  2 * 0,070737  4 * 0,178246  2 * 0,416147 
3
 4 * 0,628174  2 * 0,801144  4 * 0,924302  0,989992 )
A = 0,820449

15
 A B C E F G H I J
1 INTEGRAÇÃO NUMÉRICA - MÉTODO DE SIMPSON
2 Integral de uma tabela de pontos equidistantes Integral de cos(x) em [1, 3]
3 x f(x) h Área x f(x) h Área
4 0 7 1 41 1 0,540302 0,25 0,820449
5 1 5 1,25 0,315322
6 2 8 1,5 0,070737
7 3 1 1,75 -0,17825
8 4 3 2 -0,41615
9 5 9 2,25 -0,62817
10 6 6 2,5 -0,80114
11 7 4 2,75 -0,9243
12 8 6 3 -0,98999
13
14
15
16

Planilha 13

2. Aplicação do Excel à Programação Linear

2.1. Método Simplex

Podemos usar o Excel para resolver problemas de programação linear.

Vamos resolver o sistema abaixo:

Max z  5 x1  2 x2



x 1
3
 x2  4
 4  3  12
 x1 x2
 x1 , x2  0

A coluna C será da incógnita x1 e a coluna D será da incógnita x2. As células que

representarão as incógnitas e fórmulas serão:
C12  Representa o valor inicial de x1 , aqui deve ser colocado o número 0. Após
os cálculos nesta célula será inserido o valor de x1 que corresponde à solução do problema.
C14  Aqui digita-se o lado esquerdo da restrição: 4 x1 + 3 x2  12 , que no
Excel será representada pela fórmula: =4*$C$12 + 3*$D$12.
D12  Nesta célula digita-se o valor inicial de x2 que deve ser igual a 0. Após os
cálculos aqui será inserido o valor de que corresponde à solução do problema.

16
 Quando houver outras restrições, deve-se digitar sempre o lado esquerdo de cada
inequação em cada célula.
F12  Nesta célula digita-se a fórmula de z, ou seja, z = 5 x1 + 2x2, que será
representada pela fórmula: =5*$C$12 + 2*$D$12.
Após digitar todos os dados correspondentes ao problema, aciona-se as opções de
menu: Ferramentas – Solver, que consequentemente abrirá a janela Parâmetros do
Solver, que tem as seguintes opções:
Definir célula de destino

Clique no quadrado indicado na figura acima, clique na célula que contém a fórmula
de z(que neste exemplo é a célula F12 e em seguida clique no quadrado mostrado.
A segunda opção é Igual a, você deve a opção Máx ou Min, conforme o enunciado
do seu problema.
A terceira opção é células variáveis, clique no quadrado desta caixa(igual ao da
opção anterior) e selecione as células das incógnitas, neste exemplo você selecionará as
células C12 e D12 e deve clicar novamente no quadrado.
A quarta opção é Submeter às restrições, você deve então clicar na opção
adicionar , aparecerá então a caixa Adicionar restrição.

Na caixa Referência de célula você clica no quadrado correspondente, escolhe a uma

célula que representa uma restrição, no nosso exemplo clique na célula C14, clique no
quadrado, escolha a opção  e na caixa Restrição digite o número 12 e clique em
Adicionar.
A outra restrição que é x1  0, repita a operação anterior, agora selecione a célula
C12, escolha o símbolo  , na Restrição digite 0 e clique em Adicionar.
Repita as operações para as restrições x2  0, x1  3, e quando for a última
restrição, no caso x2  4, no final não clique em Adicionar e sim na opção OK.
Finalmente clique na opção Resolver, o Excel efetuará os cálculos e na célula
correspondente a cada incógnita(no caso C12 e D12 ele colocará a solução, como também
na célula que representa o valor de z(no caso F12) ele colocará o valor encontrado de z.
Nesta caixa ainda tem duas opções, Alterar e Excluir, caso você desejar
respectivamente alterar ou excluir alguma restrição(esta deve ser selecionada antes).
Você pode observar também que, logo após efetuados os cálculos nas células que
antes continham o lado esquerdo das inequações(que representam as restrições), aparecerão
os termos do lado direito destas inequações.
Na célula que antes continha a fórmula do z, após os cálculos, irá conter o valor de z
que corresponde à solução do problema.

17
 A B C D E F G
1 Resolver usando o método simplex:
2 Max z = 5x 1+2x 2
3
4 Restrições
5 x 1 menor ou igual 3
6 x 2 menor ou igual 4
7 4x 1 + 3x 2 menor ou igual a 12
8 x 1, x 2 maior ou igual a 0
9
10 X1 X2
11
12 3 0 15
13
14 12
15

Planilha 14

3. Aplicação ao Cálculo diferencial e integral:

3.1 Limite de funções

Será mostrado um exemplo abordando um caso especial, quando existe o limite num
ponto, mas a função não é definida naquele ponto. Seja determinar o limite:
2
lim x 9
x3 x 3

Na coluna do primeiro teste o incremento de x é de 0,5, como percebemos que a

indeterminação está em x = 3, pegamos então valores para x em torno deste valor.
Na coluna do 2º teste usamos o incremento de x igual a 0,1 e na coluna do 3º teste
usamos o incremento de 0,05.
Verificamos que tanto pela esquerda(x < 3) como pela direita(x > 3) o limite tende a
6, logo:

lim x 2  9 lim x 2  9 lim x 2  9

Se   6 então 6
x  3 x  3 x  3  x  3 x 3 x3
Mas não existe o valor da função para x = 3, ou seja, f(x) não é contínua para x = 3.

18
 1º teste 2º teste 3º teste
x f(x) x f(x) x f(x)
0 3 2,5 5,5 2,95 5,95
0,5 3,5 2,6 5,6 2,96 5,96
1 4 2,7 5,7 2,97 5,97
1,5 4,5 2,8 5,8 2,98 5,98
2 5 2,9 5,9 2,99 5,99
2,5 5,5 3 #DIV/0! 3 #DIV/0!
3 #DIV/0! 3,1 6,1 3,01 6,01
3,5 6,5 3,2 6,2 3,02 6,02
4 7 3,3 6,3 3,03 6,03
Tabela 2

Aplicação de limite

8
6
4 y=(x*x - 9)/(x - 3)
Y

2
0
3

3,03
2,95
2,96
2,97
2,98
2,99

3,01
3,02

Gráfico 2

19
 4. Algumas aplicações do Excel à Estatística
4.1 Regressão Linear

Se dados podem ser obtidos, um procedimento estatístico chamado análise de

regressão pode ser usado para desenvolver um equação mostrando como as variáveis estão
relacionadas.
A variável que está sendo calculada é chamada “variável dependente”. A variável ou as
variáveis que estão sendo usadas para calcular a variável dependente são chamadas
“variáveis independentes”.
O tipo mais simples de regressão, envolvendo uma variável independente e uma
variável dependente na qual a relação entre as variáveis é aproximada por uma linha reta, é
chamado regressão linear simples. A análise de regressão envolvendo duas ou mais
variáveis independentes é chamada de análise de regressão múltipla.
Exemplo:
Dada a tabela abaixo, fazer a regressão linear simples:
A B C D
1 Exemplo de Regressão linear
2 Ano x y
3 1943 100 100
4 1944 100 124
5 1945 120 149
6 1946 150 195
7 1947 168 236
8 1948 193 317
9 1949 259 404
10 1950 329 507
11 1951 459 615
12 1952 645 670
13 1953 672 868
14 1954 698 1009
15 1955 788 1187
16 1956 903 1385
17 1957 1132 1561

Planilha 15
Passos para obter a Regressão pelo Excel:
Acionar as opções de menu: Ferramentas – Análise de dados – Regressão.
Na janela que se abre, aparecem as caixas:
Intervalo Y de entrada – Devem ser iluminadas as células de C3 a C17.
Intervalo X de entrada – Devem ser iluminadas as células de B3 a B17.
Rótulos – Acione esta opção se a 1ª linha do intervalo de dados contiver rótulo(Por
exemplo, se no intervalo Y de entrada você tiver selecionado as células de C2 a C17.
Nível de confiança – Opção usada para incluir um nível adicional na tabela de resumo de
saída.

20
Constante é zero - Selecione esta opção para forçar a linha de regressão a passar pela
origem.
Intervalo saída – Deve ser iluminada uma célula vazia a partir da qual serão inseridos os
resultados.
Nova planilha – Acione esta opção se desejar que os resultados apareçam numa nova
planilha.
Nova pasta de trabalho – Se desejar que os resultados sejam inseridos numa nova pasta de
trabalho(Esta opção é necessariamente usada se sua planilha está compartilhada).
Resíduos, Resíduos padronizados, Plotar resíduos, Plotar ajuste de linha e plotagem
de probabilidade normal – Dessas opções selecione aquelas que desejar que apareçam
junto com os resultados.

Abaixo está uma parte dos resultados:

0,985716206
0,971636438
0,969454626
83,88381436
15

gl SQ MQ
1 3133593,974 3133593,974
13 91474,42604 7036,494311
14 3225068,4

Coeficientes Erro padrão Stat t

-9,942293622 36,94964225 -0,269076857
Variável 1,410978917 0,066861687 21,10295104
X1

Planilha 16
As equações das retas de regressão, com origem nas médias aritméticas são:

Y = ax ou seja: Y = 1,410978917 x e

X = 1/a y ou seja: X = 0,688626 y

As mesmas equações, com origem natural, são:

Y – Média(y) = a(x – Média(x)) ou seja: Y – 621,8 = 1,410979(x – 447,7333) e

21
 X – Média(x) = 1/a(y – Média(y)) ou seja: X – 447,7333 = 0,688626(y – 621,8)

Plotagem de ajuste de linha

1800

1600

1400

1200

1000 Y
Y

800 Y previsto

600

400

200

0
0 200 400 600 800 1000 1200
Variável X

Gráfico 3

4.2 Estatística descritiva

Na coluna A estão os dados referentes ao tempo(em dias) de auditorias de fim de ano.
Os passos para que seja inserida a coluna B, com os dados estatísticos, são:
 Primeiro iluminamos os dados(células A1 até A20);
 Acionamos as opões: Ferramentas – Análise de dados – Estatística descritiva;
 Abrirá a Janela “Estatística descritiva” com várias caixas:
 Intervalo de dados – Você clica no ícone que tem um seta vermelha, ilumina as
células A1 até A20, clicando novamente no ícone com seta vermelha;
 Intervalo de saída – Processo semelhante ao anterior só que agora basta você
selecionar um célula vazia, como por exemplo B1, que corresponderá a primeira
célula da coluna a ser inserida;
 Agrupado – Pode-se agrupar os dados por linhas ou por colunas(no nosso
exemplo os dados estão agrupados por colunas);
 Rótulos na 1ª linha – Deve-se acionar este item se ao selecionar os dados a
célula que contém o título também for iluminada;
 Nova planilha – Acione esta opção se desejar que os resultados sejam inseridos
numa nova planilha;
 Nova pasta de trabalho - Clique nesta opção para criar uma nova pasta de
trabalho e colar os resultados em uma nova planilha na nova pasta de trabalho.

22
  Resumo estatístico - Para o Excel gerar um campo para cada um das
estatísticas: média, erro, mediana, moda, desvio padrão, variância, curtose, etc.;
 Nível de confiabilidade - Selecione esta opção se quiser incluir uma linha na
tabela de saída para o nível de confiança da média;
 Enésimo maior - Selecione esta opção se quiser incluir uma linha na tabela de
saída para o enésimo maior valor para cada intervalo de dados
 Enésimo menor - Selecione esta opção se quiser incluir uma linha na tabela
de saída para o enésimo menor valor para cada intervalo de dados.
A B C
1 12 Coluna 1
2 15
3 20 Média 19,25
4 22 Erro padrão 1,215849281
5 14 Mediana 18
6 14 Modo 18
7 15 Desvio padrão 5,437443285
8 27 Variância da amostra 29,56578947
9 21 Curtose 0,769757066
10 18 Assimetria 0,987755564
11 19 Intervalo 21
12 18 Mínimo 12
13 22 Máximo 33
14 33 Soma 385
15 16 Contagem 20
16 18 Maior(1) 33
17 17 Menor(1) 12
18 23 Nível de confiança(95,0%) 2,544802582
19 28
20 13

Planilha 17

4.3 Correlação
O coeficiente de correlação do Momento do Produto de Pearson(Dados amostrais) é
definido como:
S xy
r xy  onde:
S x*S y
rxy = coeficiente de correlação da amostra
Sxy = covariância da amostra
Sx = desvio-padrão da amostra de x
Sy = desvio-padrão da amostra de y

Exemplo:

23
 A B C D
1 Vel consumo(Km/h)
2 30 28 -0,91037
3 50 25
4 40 25
5 55 23
6 30 30
7 25 32
8 60 21
9 25 35
10 50 26
11 55 25

Planilha 18
Para o cálculo do coeficiente de correlação, selecione primeiro uma célula vazia onde será
inserido o resultado(No nosso exemplo é a célula D2), clique no ícone da barra de
ferramenta “colar função” e clique na categoria de função estatística e no nome de
função selecione correl.
Na caixa de ferramenta que aparece, selecione o botão que tem a seta vermelha da
caixa Matriz 1 e selecione as células A2 até A11 e clique novamente no botão com a seta
vermelha. Repita a última operação só que para a caixa Matriz 2 selecionando agora as
células B2 a B11, clicando por último no botão com a seta vermelha.
Em seguida clique no botão OK, será inserido o coeficiente de correlação na célula
D2, que neste exemplo corresponderá ao valor -0,91037. Este valor indica que x e y estão
relacionados negativa e linearmente.

4.4 Probabilidade
Há várias funções relacionadas com probabilidade; veremos algumas delas:

4.4.1 Distribuição binomial

A distribuição binomial é aplicável sempre que o processo de amostragem é do tipo de
Bernoulli, ou seja:
1. Em cada tentativa há dois resultados possíveis mutuamente exclusivos(chamados de
sucesso e fracasso);
2. As séries de tentativas, ou observações, são constituídas de eventos independentes;
3. A probabilidade de sucesso, permanece constante de tentativa para tentativa.

Sintaxe: DISTRBINOM (núm_s;tentativas;probabilidade_s;cumulativo) onde:

Núm_s é o número de tentativas bem-sucedidas.
Tentativas é o número de tentativas independentes.
Probabilidade_s é a probabilidade de sucesso em cada tentativa.
Cumulativo é um valor lógico que determina a forma da função. Se cumulativo for
VERDADEIRO, então DISTRBINOM retornará a função de distribuição cumulativa, que

24
é a probabilidade de que exista no máximo núm_s de sucessos; se for FALSO, retornará a
função massa de probabilidade, que é a probabilidade de que exista núm_s de sucessos.
Exemplo: A probabilidade de que um presumível cliente aleatoriamente faça uma
compra é 0,20. Se um vendedor visita 6 presumíveis clientes, a probabilidade de que ele
fará exatamente 4 vendas é determinada, no Excel, da seguinte maneira:
=DISTRBINOM(4;6;0,2;FALSO)
O resultado será 0,01536.

4.4.2 Distribuição hipergeométrica

É a distribuição de probabilidade apropriada quando existir amostragem sem
reposição. Sintaxe:
DIST.HIPERGEOM(exemplo_s;exemplo_núm;população_s;núm_população) onde:
Exemplo_s é o número de sucessos em uma amostra.
Exemplo_núm é o tamanho da amostra.
População_s é o número de sucessos na população.
Núm_população é o tamanho da população.

Exemplo: De seis empregados, três estão na companhia há 5 anos ou mais. Se quatro

empregados são aleatoriamente escolhidos deste grupo de 6, qual a probabilidade de que
exatamente 2 empregados estejam na companhia há 5 anos ou mais ?
Solução: Basta digitar a fórmula abaixo numa célula vazia qualquer do Excel:
=DIST.HIPERGEOM(2;4;3;6) O resultado será 0,6.

4.5 Teste de hipótese

Supor que uma amostra aleatória de 12 bolas forneceu os dados das colunas A e B
Planilha 19
A B C D E
1 Dados de distância para uma amostra aleatória de bolas de golfe
2 Bolas Metros Estatística descritiva Teste
3 1 269
4 2 280 Média 277,8333 -0,815546614
5 3 268 Erro padrão 2,656705
6 4 278 Mediana 278
7 5 282 Modo 278
8 6 263 Desvio padrão 9,203096
9 7 271 Variância da amostra 84,69697
10 8 285 Curtose -0,335511
11 9 288 Assimetria 0,211036
12 10 278 Intervalo 32
13 11 276 Mínimo 263
14 12 286 Máximo 295
15 Soma 3334
16 Contagem 12
17 Nível de confiança(95,0%) 5,847371

Planilha 19

25
 Usando 0  280 da hipótese nula e s = 12 como uma estimativa do desvio-
padrão da população , o valor da estatística do teste é calculado na célula E4, ou seja:
No Excel, devem ser seguidos os passos:
Ferramentas
Análise de dados
Estatística descritiva
OK
Intervalo de entrada: selecione as células de B3 a B14
Resumo estatístico
Intervalo de saída: digite C2
OK
Posicione o cursos na célula e digite a fórmula =(D3 – 280)/D4 para
determinar o valor de z, que representará a fórmula abaixo:
x  0
z  ( D3  280) / D 4  (277,833  280) / 2,656705
/ n
z  0,8155
De acordo com a regra de rejeição H0 não pode ser rejeitada(O gerente de
controle de qualidade não tem razões para duvidar da hipótese de que o processo de
fabricação está produzindo bolas de golfe com uma distância média de 280 metros da
população).

4.6 Análise de Variância(ANOVA)

Técnica estatística que pode ser usada para testar a hipótese de que as médias de três
ou mais populações são iguais.
Vamos supor que, para medir o nível de conhecimento da língua inglesa, uma
amostra aleatória de seis funcionários foi selecionada dentre três Universidades(fictícias) e
submetida a um exame de conhecimento. As pontuações obtidas por estes 18 funcionários
estão listadas na Planilha 20. As médias, variâncias e desvios-padrões amostrais para cada
grupo são também fornecidos.
Os reitores querem usar esses dados para testar a hipótese de que a pontuação média
de exame é a mesma para todas as Universidades. Vamos definir:
População 1 – Todos funcionários na UFLP
População 2 – Todos funcionários na UFAG
População 3 – Todos funcionários na UFXT
1 - Pontuação média de exame para a população 1
2 - Pontuação média de exame para a população 2
3 - Pontuação média de exame para a população 3

Vamos testar as seguintes hipóteses:

H0: 1 = 2 = 3
Ha: Nem todas as médias da população são iguais

26
 Passos no Excel:
Ferramentas
Análise de dados
Anova: Fator único
Agrupado por: colunas
Intervalo de entrada: iluminar de C3 até E8
Intervalo de saída: digite B12
OK
A melhor estimativa da média da distribuição amostral de x é a média das três
médias de amostra(79 + 74 + 66)/3 = 73).
Uma estimativa da variância da distribuição amostral de x é fornecida pela
variância das três médias de amostra.
(79  73) 2  (74  73) 2  (66  73) 2
s 2x   43
3 1

2n 2
  x  6 * 43  258
Este valor registrado na célula D22 é denominado estimativa-entre. A estimativa
tratamentos-entre é baseada na suposição de que a hipótese nula seja verdadeira. Neste
caso, cada amostra vem da mesma população e há somente uma distribuição amostral de x
.
Quando as amostras são de mesmo tamanho, a estimativa chamada tratamentos-
dentro pode ser obtida calculando-se a média das variâncias de amostras individuais:

2  E16  E17  E18  34  20  32  28,67

 3 3
(Registrado na célula D23)

27
 A B C D E
1 Observação UFLP UFAG UFXT
2 1 85 71 59
3 2 75 75 64
4 3 82 73 62
5 4 76 74 69
6 5 71 69 75
7 6 85 82 67
8 Média da amostra 79 74 66
9 Variância da amostra 34 20 32
10 Desvio-padrão da amostra 5,83 4,47 5,66
11
12 Anova: fator único
13
14 RESUMO
15 Grupo Contagem Soma Média Variância
16 Coluna 1 6 474 79 34
17 Coluna 2 6 444 74 20
18 Coluna 3 6 396 66 32
19
20 ANOVA
21 Fonte da variação SQ gl MQ F valor-P F crítico
22 Entre grupos 516 2 258 9 0,002703 3,682317
23 Dentro dos grupos 430 15 28,66667
24
25 Total 946 17

Planilha 20

28
 4.7 Simulação de lançamento de dados
Podemos fazer uma simulação de lançamento de dados usando uma função do Excel
chamada ALEATÓRIOENTRE(ou na versão em inglês: RANDBETWEEN).
Como exemplo vamos simular 17 lançamentos de dois dados simultaneamente ou não.
Na célula A4 digitamos a fórmula que representará os números das faces do dado 1, ou
seja: = randbetween(1;6) ou na outra versão: =aleatórioentre(1;6). A mesma fórmula
digitaremos na célula B4 representando os números das faces do dado 2.
Na célula C4 inserimos a fórmula para calcular a soma dos dois dados, ou seja:
=A4 + B4
Copiamos estas três fórmulas até a linha 20 representando 17 lançamentos(isto pode ser
feito para quantos lançamento quisermos).
Na célula D4 computaremos quantas vezes a soma dos dois dados foi igual a 2, nos 17
lançamentos, usando a fórmula: =CONT.SE($C$4:$C$20;”2”).
Analogamente, nas células E4 até N4, computaremos as somas 3, 4, ..., 12, trocando-se
o valor entre aspas duplas respectivamente por 3, 4, ..., 12 , na fórmula da função
CONT.SE acima

1 Simulação do lançamento de dois dados

2 Lançamento dos dados SOMAS DOS DOIS DADOS
3 Dado 1 Dado 1 Soma 2 3 4 5 6 7 8 9 10 11 12
4 3 5 8 1 0 0 1 3 3 5 1 2 0 1
5 4 6 10 Ocorrências de cada soma
6 1 5 6
7 4 3 7
8 1 1 2
9 6 3 9
10 4 4 8
11 3 3 6
12 1 6 7
13 4 1 5
14 3 5 8
15 4 3 7
16 6 2 8
17 6 6 12
18 5 3 8
19 2 4 6
20 6 4 10

29
 5. Bibliografia

KAZMIER, L. J. Estatística aplicada à Economia e Administração. São Paulo: McGraw-

Hill do Brasil, 1982.
ANDERSON, D. R. Estatística aplicada à Administração e Economia. São Paulo: Pioneira
Thomson Learning, 2002.
ÁVILA, G. S. S. Cálculo 1: funções de uma variável. Rio de Janeiro: LTC, 1981
BARROSO, L. C. et al. Cálculo numérico: com aplicações. São Paulo: Harbra,
1987.
SANTOS, V. R. B. Curso de Cálculo numérico . Rio de Janeiro: Ao Livro Técnico,
1972.
SILVA, S. M. Matemática para os cursos de Economia, Administração e Ciências
Contábeis, São Paulo: Atlas, 1988
HARVEY, G. Segredos do Excel 5 for windows: para leigos. SP: Berkeley, 1995.
DODGE, M. Microsoft Excel : guia autorizado Microsoft. SP: Makron Books, 1998

30
 SUMÁRIO

Introdução ......................................................................................................................................................... I

Aplicações do Excel ao Cálculo Numérico.......................................................................................................2

Raízes de equações transcendentais..............................................................................................................2

Método de Iteração Linear(M.I.L.).............................................................................................................2
Método de Newton-Raphson(M.N.R.).......................................................................................................4

A célula C3, que representa o erro relativo na 1ª iteração, possui a seguinte fórmula:........................................5

Interpolação....................................................................................................................................................5
Método de Lagrange...................................................................................................................................6
Método de Newton(Diferenças finitas).......................................................................................................6
D3 com a fórmula: =C4 – C3....................................................................................................................7
E3 com a fórmula: =D4 – D3.................................................................................................................7
Sistema de Equações Lineares.......................................................................................................................9
Método de Eliminação de Gauss..............................................................................................................9
Método de Eliminação de Gauss-Jordan..............................................................................................10
Método de iteração de Jacobi................................................................................................................12
Método de iteração de Gauss-Seidel......................................................................................................13
Integração Numérica...................................................................................................................................14
Método dos trapézios..............................................................................................................................14
Método de Simpson.................................................................................................................................15

Aplicação do Excel à Programação Linear....................................................................................................16

Método Simplex............................................................................................................................................16

Aplicação ao Cálculo diferencial e integral............................................................................................18

Limite de funções..........................................................................................................................................18

Algumas aplicações do Excel à Estatística.....................................................................................................20

Regressão Linear..........................................................................................................................................20

Gráfico 3............................................................................................................................................................22

Estatística descritiva.....................................................................................................................................22

Planilha 17.........................................................................................................................................................23

Correlação....................................................................................................................................................23

Planilha 18.........................................................................................................................................................24

Probabilidade................................................................................................................................................24
Distribuição binomial.............................................................................................................................24
Distribuição hipergeométrica................................................................................................................25

31
 Teste de hipótese...........................................................................................................................................25
Análise de Variância(ANOVA).....................................................................................................................26
OK.................................................................................................................................................................27
4.7 Simulação de lançamento de dados.......................................................................................................29

Bibliografia........................................................................................................................................................30

32
M A R C O A N T Ô N I O C LA R E T D E C A S T R O

D E PA R TA M E N T O D E M AT E M Á T I C A ,

E S TAT Í S T I C A E C I Ê N C IAS DA

C O M PU TAÇ Ã O

A PL I C A Ç Ã O DO EXCEL

A VÁRIAS DIS CIPLI NAS

DOS CURSOS DE

G RADUAÇ Ã O
SÃO JOÃO DEL-REI
F E V E R E I R O D E 2003

33