Escolar Documentos
Profissional Documentos
Cultura Documentos
IFRJ
25 de maio de 2017
Conhecer e aplicar métodos numéricos para solucionar problemas matemáticos que envolvam funções
polinomiais, algébricas, transcendentais, sistemas lineares, integrais, bem como desenvolver, compreen-
der e analisar os resultados obtidos a partir de algoritmos computacionais que implementam métodos
numéricos.
1. Parte 1:
• Introdução: Natureza e objetivo do cálculo numérico.
• Construção de algoritmos.
• Aritmética de ponto flutuante.
• Aproximação por arredondamento e truncamento.
• Estudos de erros: erro absoluto e relativo.
• Resolução numérica de equações polinomiais, algébricas e transcendentais.
1. Parte 1:
• Introdução: Natureza e objetivo do cálculo numérico.
• Construção de algoritmos.
• Aritmética de ponto flutuante.
• Aproximação por arredondamento e truncamento.
• Estudos de erros: erro absoluto e relativo.
• Resolução numérica de equações polinomiais, algébricas e transcendentais.
2. Parte 2
• Métodos numéricos diretos e iterativos para solucionar sistemas lineares.
• Interpolação polinomial.
• Integração numérica.
Básica:
1. SPERANDIO, Décio. SILVA, Luiz Henry M. e MENDES, Joãoo Teixeira. CÁLCULO NUMÉ-
RICO: Características matemáticas e computacionais dos métodos numéricos. 1a Edição, São
Paulo, Brasil: Pearson Prentice Hall, 2003.
2. BURDEN, Richard L., FAIRES, J. Douglas. Análise Numérica. 8 ed. São Paulo, Brasil: Cengage
Learning, 2008.
3. RUGGIERO, Márcia A G. LOPES, Vera Lúcia R.. Cálculo Numérico: Aspectos teóricos e compu-
tacionais . 2. São Paulo, Brasil: Makron Books , 2005.
Média M:
N1 + N2
M= .
2
Média M:
N1 + N2
M= .
2
Condições de aprovação direta:
• Se M > 6.0 : Aprovado e com direito de Avaliação Suplementar (AS)
• Se 4.0 6 M : Direito a Avaliação Suplementar
• Se M < 4.0: Reprovado
Média M:
N1 + N2
M= .
2
Condições de aprovação direta:
• Se M > 6.0 : Aprovado e com direito de Avaliação Suplementar (AS)
• Se 4.0 6 M : Direito a Avaliação Suplementar
• Se M < 4.0: Reprovado
(
M + AS
, se fez AS
Cálculo Numérico M édia Andrey
F inal (M F) =
Dione Ferreira - 2andrey.ferreira@ifrj.edu.br 6 / 135
Outras informações
Para
• Material complementar (apostilas, vídeos e outros);
• Calendário;
• Ficar menos perdido;
Acesse: http://site.ifrj.edu.br/andrey-ferreira/
• Problema Numérico;
• Método Numérico;
• Algoritmo; e
• Interações.
Problema 1
Determinar as soluções da equação
é um problema numérico, uma vez que os dados de entrada e saída do problema são conjuntos
numéricos.
Problema 1
Determinar as soluções da equação
é um problema numérico, uma vez que os dados de entrada e saída do problema são conjuntos
numéricos.
Problema 2
Determinar a solução de 2
d y
= x2 + y 2 , x ∈ (0, 5)
dx2 (2)
y(0) = 0
y(5) = 1.
Problema 3
Determinar yi , i = 1, · · · , m − 1 tal que
yi+1 − 2yi + yi − 1 = h2 (x2i + yi2 ), i = 1, · · · , m − 1
y0 = 0 (3)
ym = 1,
Definição 2 (Algoritmo)
Um algoritmo é uma sequência finita (digamos de tamanho n) de regras, raciocínios ou operações que,
aplicada a um número finito de dados, permite solucionar classes semelhantes de problemas.
Observação:
• Cada passo de um algoritmo envolve um número finito de operações;
• Ao fim dos n passos, um algoritmo deve fornecer valores ao menos "próximos"da solução do problema
matemático;
• O valor de n não precisa ser conhecido (algoritmos interativos).
Envolvem:
• Interação (repetição do processo) ou aproximações sucessivas;
Envolvem:
• Interação (repetição do processo) ou aproximações sucessivas;
• Tentativa inicial: Primeira aproximação para a solução do problema numérico;
Envolvem:
• Interação (repetição do processo) ou aproximações sucessivas;
• Tentativa inicial: Primeira aproximação para a solução do problema numérico;
• Equação de recorrência: Equação por meio da qual, são realizadas as interações;
Envolvem:
• Interação (repetição do processo) ou aproximações sucessivas;
• Tentativa inicial: Primeira aproximação para a solução do problema numérico;
• Equação de recorrência: Equação por meio da qual, são realizadas as interações;
• Teste de parada: Instrumento por meio do qual finaliza-se o processo interativo.
isto é,
x = am β m + am−1 β m−1 + · · · + a1 β 1 + a0 β 0 + b1 β −1 + b2 β −2 + · · · + bn β −n , (4)
onde
ai , i = 0, 1, 2, . . . , e bj , j = 1, 2, . . . , n
pertencem ao conjunto
A = {k ∈ N; 0 6 k 6 β − 1} .
Passo 1: Divide-se sucessivamente a parte inteira de x na base 10 por 2, até que o último quociente
seja igual a 1.
am am−1 . . . a1 a0 2
r0 q1 2
r1 q2 2
r2 q3
..
.
qe 2
re 1
i = 1re . . . r1 r0 .
i = 1re . . . r1 r0 .
Passo 3: Multiplica-se a parte fracionária de x na base 10 por 2. Desse resultado tomasse a parte
inteira como sendo o primeiro dígito de f , que representará a parte fracionária, desse número na base
binária. Repete-se esse procedimento até que a parte fracionária do último produto seja igual a zero ou
apareça uma dízima.
f = 0, f1 f2 . . . fk .
i = 1re . . . r1 r0 .
Passo 3: Multiplica-se a parte fracionária de x na base 10 por 2. Desse resultado tomasse a parte
inteira como sendo o primeiro dígito de f , que representará a parte fracionária, desse número na base
binária. Repete-se esse procedimento até que a parte fracionária do último produto seja igual a zero ou
apareça uma dízima.
f = 0, f1 f2 . . . fk .
Finalmente:
x = (am am−1 . . . a1 a0 , b1 b2 . . . bn )10 = (1re . . . r1 r0 , f1 f2 , . . . , fk )2 .
Cálculo Numérico Andrey Dione Ferreira - andrey.ferreira@ifrj.edu.br 19 / 135
Mudança de base: Binária para decimal
Seja x = (1re . . . r1 r0 , f1 f2 . . . fk )2 . Para converter este número para a base binária, basta
1. Representá-lo conforme (4)
x = am β m + am−1 β m−1 + · · · + a1 β 1 + a0 β 0 + b1 β −1 + b2 β −2 + · · · + bn β −n ,
e
2. efetuar as operações.
x = am β m + am−1 β m−1 + · · · + a1 β 1 + a0 β 0 + b1 β −1 + b2 β −2 + · · · + bn β −n ,
e
2. efetuar as operações.
Exemplo:
x Representação na base 10
Um sistema de ponto flutuante depende, portanto, das variáveis β, t, m, M e pode ser representado
pela função
F = F (β, t, m, M ).
A precisão da máquina com o sistema F fica definido pelo número de dígitos da mantissa.
1. Considerando o sistema de pausearitmética de ponto flutuante F (10, 3, −4, 4), temos a seguinte
representação nesse sistema para o número x
x Representação
1. Considerando o sistema de pausearitmética de ponto flutuante F (10, 3, −4, 4), temos a seguinte
representação nesse sistema para o número x
x Representação
0 1 0 1 1 1 0 0 0 0 0 0 0 1 0 1
Valor do expoente
Sinal da Mantissa
Sinal do expoente
Valor da Mantissa
1 1 1 1 0 0 1 0 0 0 0 0 0 0 1 1
Valor do expoente
Sinal da Mantissa
Sinal do expoente
Valor da Mantissa
É o erro inerente ao método numérico. este erro surge quando substituimos um pricedimento mate-
mático infinito por um finito.
Exemplo 1
A série de Taylor da função f definida por f (x) = ex em torno de x = 0 é expressa por:
x2 x3 x4
ex = 1 + x + + + + ··· ,
2! 3! 4!
então
1 1 1
e=1+1+ + + + ··· .
2! 3! 4!
Desejando-se calculara o valor de e utilizando-se os cincos primeiros terms da série, tem-se:
e ≈ 2, 708.
Seja x o valor aproximado para uma quatidade cujo valor exato é x. Então definimos:
Erro absoluto em x : |x − x|
x − x
Erro relativo em x :
x
Exemplo 2
Calcular os termos da sequência {yi }i∈N , onde
1
xn
Z
yn = dx. (6)
0
x+5
Exemplo 2
Calcular os termos da sequência {yi }i∈N , onde
1
xn
Z
yn = dx. (6)
0
x+5
Note que {yn } é decrescente (y0 > y1 > y2 > y3 > · · · ) e yi > 0, i = 1, 2, 3, · · · .
y1 ≈ 0, 090
y2 ≈ 0, 050
y3 ≈ 0, 083 (y3 > y2 )
y4 ≈ −0, 165 (y4 < 0).
y1 ≈ 0, 090
y2 ≈ 0, 050
y3 ≈ 0, 083 (y3 > y2 )
y4 ≈ −0, 165 (y4 < 0).
y7 ≈ 0, 021
y6 ≈ 0, 025
y5 ≈ 0, 028
y4 ≈ 0, 034
y3 ≈ 0, 043
y2 ≈ 0, 058
y1 ≈ 0, 088
y0 ≈ 0, 182
y7 ≈ 0, 021
y6 ≈ 0, 025
y5 ≈ 0, 028
y4 ≈ 0, 034
y3 ≈ 0, 043
y2 ≈ 0, 058
y1 ≈ 0, 088
y0 ≈ 0, 182
Observação:
•
∞
X f (k) (a)
f (x) = (x − a)k
k!
k=0
Observação:
•
∞
X f (k) (a)
f (x) = (x − a)k
k!
k=0
Exemplo 3
Seja f definida por f (x) = ex . Vamos desenvolver a série de Taylor para f em torno de a = 0,
calcular e−1 com os cinco primeiros termos dessa série e estimar o erro cometido.
Exemplo 3
Seja f definida por f (x) = ex . Vamos desenvolver a série de Taylor para f em torno de a = 0,
calcular e−1 com os cinco primeiros termos dessa série e estimar o erro cometido.
Exemplo 3
Seja f definida por f (x) = ex . Vamos desenvolver a série de Taylor para f em torno de a = 0,
calcular e−1 com os cinco primeiros termos dessa série e estimar o erro cometido.
Temos
x2 x3
ex = 1 + x + + + ···
2! 3!
e o raio de convergência é infinito.
Ou seja, a aproximação para e−1 dada por (11) tem pelo menos uma casa decimal correta.
Exemplo 4
Quantos termos da série de Taylor da função f definida por f (x) = ln(x − 1), em torno de x = 2,
devem ser considerados para calcularmos ln(1.5) com erro absoluto cometido na aproximação inferior
a 0.001?
f (x) = 0.
f (x) = 0.
f (x) = 0.
Objetivo: Encontrar um intervalo [a; b] com amplitude pequena que contenha uma raiz de f . Para
isso, utilizaremos duas estratégias: Análise gráfica e Tabelamento da função.
Objetivo: Encontrar um intervalo [a; b] com amplitude pequena que contenha uma raiz de f . Para
isso, utilizaremos duas estratégias: Análise gráfica e Tabelamento da função.
A análise gráfica é baseada na ideia de que, a partir da equação f (x) = 0, podemos obter uma
equaçãoao equivalente g(x) − h(x) = 0, onde g e h sejam funções mais simples e de fácil análise gráfica.
0.9
0.8
0.7
0.6
0.5 y = e−x
y=x
0.4
0.3
0.2
0.1
Seja f : [a, b] → R uma função contínua em [a, b]. Se f (a)f (b) < 0 então existe pelo menos um
ξ ∈ (a, b) tal que f (ξ) = 0.
Seja f : [a, b] → R uma função contínua em [a, b]. Se f (a)f (b) < 0 então existe pelo menos um
ξ ∈ (a, b) tal que f (ξ) = 0.
Da análise gráfica, vemos que f (x) = e−x − x tem uma raiz no intervalo [0, 1]. Tabelando alguns
valores para pontos espaçados por 0.25 de f temos
Seja f : [a, b] → R uma função contínua em [a, b]. Se f (a)f (b) < 0 então existe pelo menos um
ξ ∈ (a, b) tal que f (ξ) = 0.
Da análise gráfica, vemos que f (x) = e−x − x tem uma raiz no intervalo [0, 1]. Tabelando alguns
valores para pontos espaçados por 0.25 de f temos
Observação: Note que, sendo f 0 (x) = −e−x − 1 < 0, podemos garantir a unicidade da raiz.
2 2
0 0
−2 −2
−4 −4
0 1 2 3 0 1 2 3
4 4
2 2
0 0
−2 −2
−4 −4
0 1 2 3 0 1 2 3
Cálculo Numérico Andrey Dione Ferreira - andrey.ferreira@ifrj.edu.br 44 / 135
Fase II: Refinamento
Nesta etapa, partiremos de uma solução inicial x0 e formaremos uma sequência {xk }, k ∈ N tal que
lim xk = ξ.
k→∞
15
10
−5
−10
−15
0 0.5 1 1.5 2 2.5 3
Demonstração. O método gera três sequências, a saber {ak }k∈N , {bk }k∈N e {xk }k∈N .
a0 6 a1 6 a2 6 · · · b0 ⇒ ∃M ∈ R tal que lim ak = M
k→∞
Demonstração. O método gera três sequências, a saber {ak }k∈N , {bk }k∈N e {xk }k∈N .
a0 6 a1 6 a2 6 · · · b0 ⇒ ∃M ∈ R tal que lim ak = M
k→∞
Demonstração. O método gera três sequências, a saber {ak }k∈N , {bk }k∈N e {xk }k∈N .
a0 6 a1 6 a2 6 · · · b0 ⇒ ∃M ∈ R tal que lim ak = M
k→∞
ak 6 xk 6 bk .
b0 − a0
bk − ak = ⇒ lim bk − ak = 0 ⇒ m = M.
2k n→∞
Como ak 6 xk 6 bk , temos que lim xk = m.
n→∞
Demonstração. O método gera três sequências, a saber {ak }k∈N , {bk }k∈N e {xk }k∈N .
a0 6 a1 6 a2 6 · · · b0 ⇒ ∃M ∈ R tal que lim ak = M
k→∞
ak 6 xk 6 bk .
b0 − a0
bk − ak = ⇒ lim bk − ak = 0 ⇒ m = M.
2k n→∞
Como ak 6 xk 6 bk , temos que lim xk = m.
n→∞
Além disso, para cada interação f (ak )f (bk ) < 0
Cálculo
0 > lim f (ak )f (bk ) =Andrey
Numérico
lim f (ak ) lim f (bk ) = f lim ak f lim bk = f 2 (m) > 0.
Dione Ferreira - andrey.ferreira@ifrj.edu.br 48 / 135
n→∞ n→∞ n→∞ n→∞ n→∞
Método da Bisseção
Estimativa do Número de interações
b0 − a0
bk − ak < ε ⇔ <ε
2k
b0 − a0
⇒ 2k >
ε
log(b0 − a0 ) − log(ε)
⇒k> .
log(2)
b0 − a0
bk − ak < ε ⇔ <ε
2k
b0 − a0
⇒ 2k >
ε
log(b0 − a0 ) − log(ε)
⇒k> .
log(2)
Exemplo 5
Para a função f (x) = e−x − x considerada anteriormente, isolamos uma raiz no intervalo [0.5, 0.75].
Considerando uma precisão ε = 10−8 , temos
Seja f uma função real contínua em um intervalo [a, b] onde esta possui uma raiz. A ideia deste
método é escrever f (x) = x − ϕ(x), ∀x ∈ [a, b].
Seja f uma função real contínua em um intervalo [a, b] onde esta possui uma raiz. A ideia deste
método é escrever f (x) = x − ϕ(x), ∀x ∈ [a, b].
Seja ξ uma raiz ξ da função f isolada no intervalo [a, b]. Seja ϕ uma função de interação da função f
tal que:
i) ϕ e ϕ0 são contínuas em [a, b];
ii) |ϕ0 (x)| 6 M < 1, ∀x ∈ [a, b];
iii) x0 ∈ [a, b].
Então a sequência {xk }k∈N gerada pelo método interativo xk+1 = ϕ(xk ) converge para ξ.
|xk+1 − xk |
Erro relativo: 6ε
|xk+1 |
|xk+1 − xk |
Erro relativo: 6ε
|xk+1 |
Para o nosso exemplo, considerando ε = 0, 006 e o erro absoluto, teríamos
|x1 − x0 | = |0.53526 − 0.62500| = 0.08974 > ε (24)
|x2 − x1 | = |0.58551 − 0.53526| = 0.05025 > ε (25)
|x3 − x2 | = |0.55681 − 0.58551| = 0.02870 > ε (26)
|x4 − x3 | = |0.57302 − 0.55681| = 0.01621 > ε (27)
|x5 − x4 | = |0.56381 − 0.57302| = 0.00921 > ε (28)
|x6 − x5 | = |0.56903 − 0.56381| = 0.00522 < ε (29)
e consideraríamos a seguinte aproximação para ξ
Cálculo Numérico
ξ ≈ 0.56903.
Andrey Dione Ferreira - andrey.ferreira@ifrj.edu.br 58 / 135
Método de Newton-Raphson (MNR)
A ideia é construir a função de interação ϕ com ϕ0 (ξ) = 0 e garantir um intervalo que contenha uma
raiz para uma função f , além disso que ϕ0 (x) 1 o que faz a convergência ser muito mais rápida.
f (xn ) (ξ − xn )2 f 00 (yn )
ξ = xn − 0
− , yn entre ξ e xn
f (xn ) 2f 0 (xn )
f (xn )
ξ ≈ xn − .
f 0 (xn )
Cálculo Numérico Andrey Dione Ferreira - andrey.ferreira@ifrj.edu.br 59 / 135
Portanto, teremos a função de interação ϕ dada por
f (x)
ϕ(x) = x −
f 0 (x)
e o processo de interação conhecido como Método de Newton-Raphson dado por
f (xk )
xk+1 = xk − , k = 0, 1, 2, · · · .
f 0 (xk )
f (xn )
f 0 (xn ) = tg(α) =
xn − xn+1
f (xn )
⇒ xn+1 = xn − .
f 0 (xn )
Teorema 5
Sejam f, f 0 , f 00 , funções contínuas num intervalo [a, b], onde existe uma raiz ξ. Suponha que f 0 (ξ) 6= 0.
então existe um intervalo [a, b] ⊂ [a, b], contendo a raiz ξ, tal que se x0 ∈ [a, b], a sequência gerada pelo
processo interativo
f (xn )
xn+1 = xn − 0
f (xn )
converge para a raiz ξ.
Considere f (x) = e−x −x, que possui uma raiz no intervalo [0.5, 0.75]. Vamos achar uma aproximação
para a raiz ξ de f nesse intervalo considerando x0 = 0.625 e precisão ε = 0.006. Como
f 0 (x) = −e−x − 1
teremos
f (xn ) e−xn − x
xn+1 = xn − 0
= xn + −x .
f (xn ) e n +1
Assim,
e−x0 − x
x1 = x0 + = 0.56654, |x1 − x0 | = 0.0584 > ε
e−x0 + 1
e−x1 − x
x2 = x1 + = 0.56714, |x2 − x1 | = 0.0006 < ε
e−x1 + 1
Definição 3
Seja {xn } uma sequência que converge para um número ξ e seja ek = xk − ξ o erro na interação k. Se
existe p > 1 e C > 0 tal que
|ek+1 |
lim = C,
k→∞ |ek |p
Definição 3
Seja {xn } uma sequência que converge para um número ξ e seja ek = xk − ξ o erro na interação k. Se
existe p > 1 e C > 0 tal que
|ek+1 |
lim = C,
k→∞ |ek |p
|ek+1 | ≈ |ek |p
f (xn ) f 00 (cn ) 2
0
= en − 0 en . (31)
f (xn ) 2f (xn )
ou ainda
Exercício 1
Implemente uma função que execute o método da falsa posição. Essa recebendo como entrada um
intervalo [a, b] que contenha a raiz ξ da equação f (x) = 0 e uma tolerância ε. A função f (x) deve ser
representada pelo arquivo f.m. Execute esse programa para ao menos dois exemplos enviando os
resultados e o código por e-mail.
Exercício 2
Faça um programa que execute o método da secante recebendo como entrada os dados iniciais x0 e x1 ,
e uma tolerância ε. A função f (x) deve ser representada pelo arquivo f.m. Execute esse programa para
ao menos dois exemplos enviando os resultados e o código por e-mail.
···
a11 x1 + a12 x2 a1n xn = b1
a21 x1 + a22 x2 ··· a2n xn = b2
.. .. .. .. .. (33)
. . . . .
am1 x1 + am2 x2 ··· amn xn = bm
Na forma matricial
Ax = b
com A ∈ Rm×n
e x, b ∈ R
m
.
São aqueles que após um número finito de operações fornecem a solução exata do sistema. São
métodos baseados em escalonamento da matriz A.
São aqueles que após um número finito de operações fornecem a solução exata do sistema. São
métodos baseados em escalonamento da matriz A.
Definição 4 (Sistema Triangular Superior)
Um sistema é dito triangular superior quando a matriz associada é uma matriz triangular superior,
ou seja, aij = 0 para i > j.
···
a11 x1 + a12 x2 + a13 x3 a1n xn = b1
0 + a22 x2 + a13 x3 ··· a2n xn = b2
.. .. .. .. .. .. (34)
. . . . . .
0 + 0 + 0 ··· ann xn = bn
..
.
Definição 5
Dois sistemas lineares são ditos equivalentes se eles tem a mesma solução.
Definição 5
Dois sistemas lineares são ditos equivalentes se eles tem a mesma solução.
2.5
Números de operações
1.5
0.5
0
10 20 30 40 50 60 70 80 90 100
Dimensão do Sistema
Teorema 7
Dada uma matriz quadrada A de ordem n, seja Ak a matriz constituída das primeiras k linhas e
colunas de A. Suponha que det(Ak ) 6= 0 para k = 1, 2, · · · , (n − 1). Então, existe uma única matriz
triangular inferiror L = (mij ), com mii = 1, 1 6 i 6 n, e uma única matriz triangular superior
U = (uij ) tais que LU = A. Além disso, det(A) = u11 u22 · · · unn .
Teorema 8
Se a eliminação de Gauss pode ser realizada no sistema linear Ax = b sem trocas de linha, então a
matriz A pode ser fatorada no produto de uma matriz triangular inferior L e uma matriz triangular
(i) (i)
superior U , A = LU , em que mji = aji /aii ,
(1) (1) (1)
···
a11 a12 a1n 1 0 ··· 0
(2) (2)
··· m21 1 ··· 0
0 a22 a2n
U = e U =
.. .. .. .. .. .. .. ..
. . . . . . . .
0 0 ··· a(n)
nn
mn1 mn2 ··· mnn
Exemplo 6
Resolver o seguinte sistema linear usando a fatoração LU :
x + y + 3w = 4
2x + y − z + w= 1
3x
− y − z + 2w = −3
−x + 2y + 3z − w= 4
Definição 6
Uma matriz A : n × n é definida positiva se xT Ax > 0 para todo x ∈ R n
, x 6= 0.
Definição 6
Uma matriz A : n × n é definida positiva se xT Ax > 0 para todo x ∈ R n
, x 6= 0.
Teorema 9
Fatoração de Cholesky Se A : n × n é simétrica e definida positiva, então existe uma única
matriztriangular inferior G : n × n com diagonal positiva, tal que A = GGT .
Ideia: Segue a ideia dos métodos para o cálculo de raizes de funções reais, isto é, considerando um
sistema Ax = b, o reescrevemos na forma
x = Cx + g,
onde g ∈ R
n
eC∈ R
n×n
é a matriz de interação do método.
Ideia: Segue a ideia dos métodos para o cálculo de raizes de funções reais, isto é, considerando um
sistema Ax = b, o reescrevemos na forma
x = Cx + g,
R R
onde g ∈ n e C ∈ n×n é a matriz de interação do método.
Assim, montamos o processo interativo:
Dado x0
xk+1 = Cxk + g.
Observação: Quando V é um espaço vetorial de dimensão finita, todas as normas são equivalentes,
isto é, se k · ka e k · kb são duas normas para V , então existem m > 0 e M > 0 tal que
n n
! 21
X X
kAk2 = |a2ij | Norma Euclidiana
i=1 j=1
n
! 12
X
kxk2 = |x2i | Norma Euclidiana
i=1
n
! 12
X
kxk2 = |x2i | Norma Euclidiana
i=1
lim kxn − xk = 0.
n→∞
lim kxn − xk = 0.
n→∞
Assim, dado um erro admissível ε > 0 podemos admitir os seguintes critérios de parada
kxk+1 − xk k
6 ε Erro Relativo
kxk k
R
Sejam C ∈ n×n uma matriz de interação para a resolução de um sistema linear e k · k uma norma
R
qualquer para n×n . Então, se kCk < 1 o método interativo gerado pela equação
x(k+1) = Cx(k) + g
é convergente.
R
Sejam C ∈ n×n uma matriz de interação para a resolução de um sistema linear e k · k uma norma
R
qualquer para n×n . Então, se kCk < 1 o método interativo gerado pela equação
x(k+1) = Cx(k) + g
é convergente.
onde aii 6= 0 para i = 1, · · · , n. Então, em cada equação podemos isolara a variável xi escrevendo
n
1 X
xi = bi − aij xj (40)
aii
j=1,
j6=i
Então o método de Gauss-Jacobi gera uma sequência {xk } que converge para a solução do sistema.
Então o método de Gauss-Jacobi gera uma sequência {xk } que converge para a solução do sistema.
Observação: Já vimos que para um método interativo convergir, sua matriz de interação C deve
satisfazer
kCk < 1.
No critério acima, apenas aplicamos essa restrição usando a norma do máximo das linhas.
Então o método de Gauss-Siedel gera uma sequência {xk } que converge para a solução do sistema.
Pra Ajudar!
Escreva um código onde, dado um vetor x = (x1 , x2 , · · · , xn ), calcule
i−1 n
X X
αi = xn e βi = xn
n=1 n=i+1
Experimentos em Laboratórios: Dados para criação de um modelo que descreva que represente
um fenômeno e reduz repetições dos experimentos.
Experimentos em Laboratórios: Dados para criação de um modelo que descreva que represente
um fenômeno e reduz repetições dos experimentos.
Considere um conjunto de dados {(xk , f (xk )), k = 1, · · · , m}. O problema de ajuste de curvas
consiste em encontrar uma função ϕ de tal forma que o desvio em cada ponto dk definido por
dk = f (xk ) − ϕ(xk )
seja mínimo.
Experimentos em Laboratórios: Dados para criação de um modelo que descreva que represente
um fenômeno e reduz repetições dos experimentos.
Considere um conjunto de dados {(xk , f (xk )), k = 1, · · · , m}. O problema de ajuste de curvas
consiste em encontrar uma função ϕ de tal forma que o desvio em cada ponto dk definido por
dk = f (xk ) − ϕ(xk )
seja mínimo.
Ajuste Linear: A função ϕ é uma combinação linear de funções contínuas gi , i = 1, · · · , n escolhidas
de acordo com os dados do problema.
0.65 0.87
0.7
0.70 0.91
0.80 0.96 0.6
0.90 0.99
0.5
1.10 0.99
1.23 0.94 0.4
1.35 0.87
0.3
1.57 0.67
1.70 0.51 0.2
0.65 0.87
0.7
0.70 0.91 Logo, poderíamos escolher
0.80 0.96 0.6 g1 (x) = 1, g2 (x) = x e
0.90 0.99 g3 (x) = x2 .
0.5
1.10 0.99
1.23 0.94 0.4
∂F
= 0, ∀i = 1, · · · , n
∂αi
m
X
⇒ −2 [f (xk ) − (α1 g1 (xk ) + · · · + αn gn (xk ))]gi (xk ) = 0.
k=1
x f (x)
1.2
0.10 0.19
0.20 0.36
1
0.50 0.75
0.65 0.87 0.8
0.70 0.91
0.80 0.96 0.6
0.90 0.99
1.10 0.99 0.4
1.23 0.94
0.2
1.35 0.87
1.57 0.67 0
1.70 0.51
1.75 0.43 −0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Cálculo 1.80 0.36
Numérico Andrey Dione Ferreira - andrey.ferreira@ifrj.edu.br 117 / 135
Tabela 3: Dados
1.1
x f(x)
0.1815 0.1900 1
0.2906 0.3600
0.9
0.5127 0.7500
0.7413 0.8700 0.8
0.7632 0.9100
0.8098 0.9600 0.7
0.9278 0.9900
0.6
1.1547 0.9900
1.3258 0.9400 0.5
1.4465 0.8700
0.4
1.5858 0.6700
1.7971 0.5100 0.3
1.8457 0.4300
1.8485 0.3600 0.2
2.0200 0.1100
0.1
0 0.5 1 1.5 2
Utilizando esses mesmos dados, faça um ajuste dos dados a uma função diferente do exemplo, calcule
o desvio e compare os resultados.
No caso contínuo, não temos mais uma tabela e procuramos uma função ϕ, gerada a partir de uma
base β = {g1 , g2 , · · · , gn }, ou seja, ϕ(x) = α1 g1 (x) + α2 g2 (x) + · · · + αn gn (x) que melhor aprixoma uma
dada função f em um intervalo [a, b]. Em outras palavras, de forma que o desvio seja mínimo, sendo o
desvio, por exemplo, dado por Z b
D= (f (x) − ϕ(x))2 dx.
a
No caso contínuo, não temos mais uma tabela e procuramos uma função ϕ, gerada a partir de uma
base β = {g1 , g2 , · · · , gn }, ou seja, ϕ(x) = α1 g1 (x) + α2 g2 (x) + · · · + αn gn (x) que melhor aprixoma uma
dada função f em um intervalo [a, b]. Em outras palavras, de forma que o desvio seja mínimo, sendo o
desvio, por exemplo, dado por Z b
D= (f (x) − ϕ(x))2 dx.
a
Z b
D(α1 , α2 , · · · , αn ) = [f (x) − (α1 g1 (x) + α2 g2 (x) + · · · + αn gn (x))]2 dx (42)
a
1.2
0.8
0.6
0.4
0.2
−0.027 + 4.032*x−4.050*x2
sen(pi*x)
−0.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tabela 4: Dados
3.5
x f(x)
-1.0000 0.1570 3
1.0000 0.7780
1.5
1.5000 1.1620
2.0000 1.7330 1
2.5000 2.5860
0.5
3.0000 3.8580
0
−1 −0.5 0 0.5 1 1.5 2 2.5 3
Tabela 4: Dados
3.5
x f(x)
-1.0000 0.1570 3
2.5000 2.5860
0.5
3.0000 3.8580
0
−1 −0.5 0 0.5 1 1.5 2 2.5 3
Fazendo β1 = ln(α1 ) e β2 = α2 e z(x) = ln(f (x)) esse problema consiste em ajustar os dados de z
por uma reta.
9
X
Tabela 5: Dados do problema. a11 = g1 (xk )g1 (xk ) = 9
k=1
x f (x) z = ln(f (x)) 9
X
-1.0000 0.1570 -1.851 a12 = g1 (xk )g2 (xk ) = 9 = a21
-0.5000 0.2340 -1.452 k=1
0.0000 0.3500 -1.049 9 ⇒ β1 = −1.050 e β2 = 0.800
X
0.5000 0.5220 -0.650 a22 = g2 (xk )g2 (xk ) = 24 ⇒ α1 = eβ1 = 0.349 e α2 = β2 = 0.800.
1.0000 0.7780 -0.251 k=1
⇒ ϕ(x) = 0.349e0.8x .
1.5000 1.1620 0.150 15
X
2.0000 1.7330 0.549 b1 = f (xk )g1 (xk ) = −2.254
2.5000 2.5860 0.950 k=1
2.5
1.5
0.5
0
−1 −0.5 0 0.5 1 1.5 2 2.5 3
• O ajuste de curvas permite extrapolar os valores tabelados. Ou seja, pode-se ter dois valores
medidos para um mesmo ponto.
• O ajuste de curvas permite extrapolar os valores tabelados. Ou seja, pode-se ter dois valores
medidos para um mesmo ponto.
• Note que tanto no caso discreto quanto no caso contínuo, as entradas da matriz resultante são
obtidas por um produto interno:
m
X
Caso discreto: < gi , gj >= gi (xk )gj (xk )
k=1
Z b
Caso Contínuo: < gi , gj >= gi (x)gj (x).
a
Assim, se as funções da base forem ortogonais, o sitema é diagonal e a solução do mesmo é imediata.
(Ver Exercício 4).
(OBS: Note que se o ajuste fosse feito no intervalo [−1, 1] o sistema fornecido seria diagonal. Como
o ajuste deve ser feito no intervalo [−3, 3], faça uma mudança de variável nas funções da base para
torná-las ortogonais nesse intervalo.)
Proponha um algoritmo que utilize regressão linear (diga qual será a base) para ajustar os dados da
tabela abaixo ao modelo Gamma Generalizado e aplique-o dizendo os valores dos parâmetros a, b e c.
Esses dados estão no arquivo dadosRL.mat no diretório Professores\Cálculo Numérico\Ajuste de
Curvas.
O script scriptRegLin neste mesmo diretório já carrega os dados. Modifique este script de forma a
resolver o problema.