Você está na página 1de 54

Disciplina: Cálculo Numérico

Professora: Dra. Camila N. Boeri Di Domenico

NOTAS DE
AULA 1
1. APRESENTAÇÃO DA DISCIPLINA

1.1. INTRODUÇÃO
Métodos numéricos são técnicas matemáticas usadas na solução de
problemas matemáticos que não podem ser resolvidos ou que são difíceis de se
resolver analiticamente.
Uma solução analítica é uma resposta exata na forma de uma expressão
matemática escrita em termos das variáveis associadas ao problema que está
sendo resolvido. Uma solução numérica é um valor numérico aproximado para
a solução (ou seja, um número). Embora soluções numéricas sejam uma
aproximação, elas podem ser muito precisas.
Em muitos métodos numéricos, os cálculos são executados de maneira
iterativa até que a precisão desejada seja obtida.
Como exemplo, pode-se citar as duas integrais a seguir:
1

∫ 𝑒 𝑥 𝑑𝑥 = 𝑒 𝑥 |10 = 𝑒 − 1
0 Não possui solução
1
2
analítica! Requer uma
∫ 𝑒 𝑥 𝑑𝑥 =? solução aproximada,
0
ou seja, um método
numérico.

Os métodos numéricos, embora poucos em quantidade, podem ser


aplicados a um grande número de problemas.

Exemplo:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


A busca das soluções de equações
polinomiais de grau maior que quatro

Aparece com frequência em


problemas técnicos-científicos

Não pode ser resolvido por um


método exato.

Não somente a maioria dos problemas não podem ser resolvidos por
métodos analíticos, como também existem problemas cuja solução por um
método exato é mais trabalhosa que mediante a utilização de um método
aproximado (como exemplo, tem-se a resolução de sistemas lineares). Assim, o
processo de solução de um problema na engenharia é influenciado pelas
ferramentas (métodos matemáticos) disponíveis para a solução desse problema.
Dessa forma, tem-se por objetivo introduzir o cálculo numérico, onde será
enfocado o estudo das noções básicas de erros, zeros reais de funções reais,
resolução de sistemas de equações lineares, interpolação, ajuste de curvas,
integração numérica e solução numérica de equações diferenciais ordinárias.

1.2. MOTIVAÇÃO
Para utilizar eficazmente qualquer ferramenta de solução, necessitamos
conhecer e entender o problema. Os computadores têm uma grande utilidade
para resolver problemas de engenharia, porém são praticamente ineficientes se
não compreendemos o funcionamento dos sistemas de engenharia.
Assim, a resolução dos diversos problemas que surgem nas mais
diferentes áreas, envolve várias fases:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Duas fases podem ser identificadas no diagrama anterior:
a) Modelagem: é a fase de obtenção de um modelo matemático que descreve
o comportamento do problema em questão.
b) Resolução: é a fase de obtenção da solução do modelo matemático
através da aplicação de métodos numéricos.

Os métodos numéricos são técnicas mediante as quais é possível


formular problemas matemáticos de tal forma que possam ser resolvidos
usando operações aritméticas (algoritmo com um número finito de operações).
Entretanto, não é raro acontecer que os resultados finais estejam
distantes do que se esperaria obter, ainda que todas as fases tenham sido
realizadas corretamente: são os chamados erros, introduzidos quando métodos
numéricos são usados na solução de um problema.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2. NOÇÕES BÁSICAS SOBRE ERROS

2.1. MOTIVAÇÃO

2.1.1. Explosão do Foguete Ariane 5


O dia 4 de junho de 1996 será para sempre lembrado como um dia
sombrio para a Agência Espacial Europeia. O primeiro voo não tripulado do
foguete Ariane 5, que decolou carregando quatro satélites científicos
caríssimos, acabou 39 segundos depois do lançamento, em uma horrível bola
de fogo e fumaça. Estima-se que a explosão causou um prejuízo de US$ 370
milhões.
Não foi uma falha mecânica nem um ato de sabotagem. O desastre foi
causado por um simples bug em um software, que fez cálculos errados ao se
tornar sobrecarregado com números mais longos do que era capaz de
suportar.
Erros semelhantes foram também os responsáveis por uma série de
incidentes nos últimos anos, fazendo sondas espaciais desaparecerem ou
desviando mísseis de seus alvos.
Imagine tentar representar um valor de, por exemplo, 105.350
quilômetros em um hodômetro que tem um valor máximo de 99.999. O
contador "viraria" para 00.000 e contaria até 5.350, a quantia restante. Foi esse
mesmo tipo de imprecisão que condenou o lançamento do Ariane 5.
Tecnicamente, o problema é chamado de "estouro de inteiros", o que
significa que os números são muito longos para serem armazenados em um
sistema computacional, às vezes provocando seu mau funcionamento.
Uma investigação do incidente com o foguete europeu revelou que um
processo deixado pelo software da geração anterior, o Ariane 4, capturou uma
inesperada medida de velocidade no novo veículo – muito mais rápido que seu
antecessor – e o software do Ariane 5 não conseguiu lidar com esse número tão
grande. Uma sequência de autodestruição foi iniciada e, segundos depois,
acontecia a tragédia.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Esse tipo de falha ocorre com uma frequência surpreendente. Acredita-se que
um dos motivos pelo qual a Nasa perdeu o contato com a sonda espacial Deep
Impact, em 2013, foi o fato de seu software ter alcançado um inteiro.
[Fonte: BBC Future]

2.2. INTRODUÇÃO
Ao efetuarmos operações matemáticas, mesmo que com números
naturais ou inteiros, devemos considerar que nem sempre obtemos resultados
exatos, assim temos de interpretar números que são finitos, mas que possuem

representação infinita. Por exemplo, a divisão de 1 por 3 1  3  é finita (está entre


0 e 1), todavia possui representação no conjunto do números reais com infinitas
casas decimais (0,3333...). Além disso, lidamos também com números que não
podem ser expressos como a divisão de dois números inteiros, são os chamados
números irracionais, o que acarreta em chegarmos a apenas uma
representação aproximada do número em questão.
Com a evolução das tecnologias para fins computacionais, os cálculos
complexos ficaram a cargo de máquinas que estão sendo sempre aperfeiçoadas
a fim de aumentar seus recursos. As máquinas operam diversos cálculos, dos
mais simples aos mais complexos, porém por mais complexas que sejam,
trabalham com um número finito de recursos, o que não é suficiente quando
lidamos com números de infinitos dígitos.
Assim, qualquer cálculo, seja realizado por mãos humanas ou por
máquinas, que envolva números que não possam ser expressos por um número
finito de dígitos, não fornecerá como resultado um valor exato, mas sim um
valor aproximado; e, quanto maior o número de dígitos utilizados, maior será a
precisão obtida.
É por isso que precisamos aprender a lidar com os erros, ou melhor, com
a margem de erro.

Vejamos dois exemplos

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Exemplo 1: A primeira grande crise matemática de que se tem
conhecimento foi quando os pitagóricos se depararam com o problema da
diagonal de um quadrado. Sabemos que a diagonal de um quadrado de lado L
qualquer é calculada pela expressão L 2 .

O número irracional 2 é um número que não pode ser representado,


em sua forma decimal, com um número finito de dígitos. Assim, qualquer
operação que o envolva estará sujeita a aproximações para sua representação,
como por exemplo:
1,4142 ou 1,4142136 ou ainda
1,4142135623730950488016887242097.

Por exemplo, na trigonometria, o arco de valor possui seno igual a
4

2
, o que nos permite infinitas representações, remetendo-nos a resultados
2
próximos do exato, mas que não são verdadeiramente exatos:

2
 0,7 ;
2

2
 0,7071;
2

2
 0,7071067811865 .
2

Exemplo 2: A área A de uma circunferência, de raio r , é obtida através


do cálculo da fórmula A  r 2 . Neste caso, para uma circunferência de raio igual
a 10m poderemos obter como área:
A  314m 2 ;
A  314,1592653m 2 ;

A  314,159265358979323846m 2 .
Como é um número irracional não teremos um valor exato para o cálculo
da área, mas sim valores aproximados. No primeiro cálculo utilizamos 3,14 (três
algarismos significativos para  ) e no segundo cálculo, utilizamos 3,141592653

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


(dez algarismos significativos) e no terceiro 3,1415926535897932384 (vinte
algarismos significativos).
Nenhum dos resultados está incorreto, porém o terceiro está mais preciso
que o segundo, por sua vez está mais preciso que o primeiro, assim quanto
maior o número de dígitos utilizados nos cálculos, maior a precisão do número,
ou seja, mais próximo estamos da representação real do número.
As diferenças entre resultados para uma mesma operação podem ser
consequência da precisão dos dados de entrada da operação (como nos casos
ilustrados acima), ou ainda da forma como estes números são representados
nos computadores ou calculadoras, pois devemos levar também em
consideração que estes trabalham com o sistema de representação binário.
Assim, ao inserirmos um número no computador, normalmente o
representamos na base decimal, este o converte para binário, realiza operações
matemáticas nessa base e converte o resultado novamente para a base decimal
para que possamos observá-lo.
Por isso ao analisarmos um resultado, devemos levar em consideração
que este resultado é limitado em função dos números de dígitos que a máquina
dispõe para trabalhar e também na conversão, pois podemos ter alguns desvios
do resultado real, já que um número possui uma representação finita decimal
e pode não ter representação finita no sistema binário ou vice-versa. Nesse
caso, a máquina fará aproximações do número, o que implica avaliarmos a
precisão do resultado.
Neste sentido, nenhum resultado obtido através de cálculos eletrônicos
ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre
os possíveis erros envolvidos no processo.
A análise dos resultados obtidos através de um método numérico
representa uma etapa fundamental no processo das soluções numéricas.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2.3. NÚMERO APROXIMADO
Um número 𝑥̅ é dito uma aproximação para o número exato x se existe
uma pequena diferença entre eles. Geralmente, nos cálculos os números exatos
não são conhecidos e deste modo são substituídos por suas aproximações.
Dizemos que 𝑥̅ é um número aproximado por falta do valor exato x se
𝑥̅ < x. Se 𝑥̅ > x, temos uma aproximação por excesso.

Exemplo:
Como 1,41< √𝟐 <1,42 temos que 1,41 uma aproximação de √𝟐 por falta e
1,42 uma aproximação de √𝟐 por excesso.

2.4. TIPOS DE ERROS


Em geral, os tipos de erros estão classificados como:
 Erros nos dados de entrada;
 Erros gerados pelo modelo;
 Erros por truncamento;
 Erros por arredondamento.

2.4.1. Erros de dados de entrada


A coleta de dados decorrentes de medidas das observações e
experimentos, na maioria das vezes, traz consigo erros que são inerentes aos
próprios instrumentos de medida. Dependendo do tipo de aparelho utilizado
para a coleta de dados, obtemos melhor ou pior conjunto de valores
observáveis.

2.4.2. Erros do modelo


Para representar um fenômeno do mundo físico por meio de um modelo
matemático, normalmente, são necessárias várias simplificações do mundo
físico para que se tenha um modelo, o que acaba levando a erros.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2.4.3. Erros por truncamento
Em muitas ocasiões, no tratamento de um problema, é preciso fazermos
a substituição de uma expressão ou fórmula infinita por uma finita. Nesse caso,
a diferença entre a solução encontrada pela substituição da solução exata pela
fórmula finita gera um erro que se chama erro de truncamento.
Um exemplo simples é a avaliação numérica da função 𝒔𝒆𝒏(𝒙) que pode
ser feita a partir da expansão em série de Taylor:
𝒙𝟑 𝒙𝟓 𝒙𝟕
𝒔𝒆𝒏(𝒙) = 𝒙 − + − + ⋯ (𝟏)
𝟑! 𝟓! 𝟕!
𝝅
O valor de 𝒔𝒆𝒏 (𝟔 ) pode ser determinado de forma exata com a equação

(1) se um número infinito de termos for usado. O seu valor pode ser aproximado
com o uso de apenas um número finito de termos. A diferença entre o valor
exato e o valor aproximado é o erro de truncamento (ETR). Por exemplo, se
apenas o primeiro termo for usado:
𝝅 𝝅
𝒔𝒆𝒏 ( ) = = 𝟎, 𝟓𝟐𝟑𝟓𝟗𝟖𝟖
𝟔 𝟔
ETR = 0,5 – 0,5235988 = -0,0235988

2.4.4. Erros por arredondamento


Quer os cálculos sejam efetuados manualmente, quer obtidos por
computador, somos conduzidos a utilizar uma aritmética de precisão finita, ou
seja, apenas podemos ter em consideração um número finito de dígitos. O erro
devido a desprezar os outros e arredondar o número é designado por erro de
arredondamento.

Exemplo 1:
√𝟐 = 𝟏, 𝟒𝟏
√𝟐 = 𝟏, 𝟒𝟏𝟒𝟐
√𝟐 = 𝟏, 𝟒𝟏𝟒𝟐𝟐𝟏𝟑𝟓𝟔𝟐

Os arredondamentos podem ser do tipo corte, em que os dígitos além da


precisão requerida são abandonados, ou do tipo arredondamento para o

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


número mais próximo (se ≥ 5, soma-se uma unidade; se < 5, o algarismo
permanece inalterado.

Exemplo 2:
𝟐
Arredondar = 𝟎, 𝟔𝟔𝟔𝟔𝟔𝟔 … para três casas decimais:
𝟑

Corte: 0,666
Arredondamento: 0,667

2.5. MEDIDAS DE ERROS: ERROS ABSOLUTO E RELATIVO


Sejam os valores x exato e 𝒙
̅ aproximado para uma grandeza. O erro é
dado por:
̅
𝑬𝑨𝒃 = 𝒙 − 𝒙
e é chamado de Erro Absoluto (EAb).
Quanto menor for esse erro, mais preciso será o resultado da operação.
 Se estivermos lidando com números muito grandes, o erro pode ser
grande em termos absolutos, mas o resultado ainda será preciso;
 O caso inverso também pode ocorrer: um erro absoluto pequeno, mas um
resultado impreciso.
Já o Erro Relativo (ERel) é uma forma mais geral de se avaliar a precisão
de um cálculo efetuado e é dado por:
𝒙−𝒙̅
𝑬𝑹𝒆𝒍 =
𝒙
Exemplo 1:
Dados x = 0,128 e 𝒙
̅ = 0,234, determinar os erros absoluto e relativo.
EAb = 0,106
ERel = 0,83

Exemplo 2:
Considere: x = 100; 𝒙
̅ = 100,1 e y = 0,0006; 𝒚
̅ = 0,0004.
Assim 𝑬𝑨𝒃𝒙 = 0,1 e 𝑬𝑨𝒃𝒚 = 0,0002.

Como |𝑬𝑨𝒃𝒚 | é muito menor que |𝑬𝑨𝒃𝒙 | poderíamos “imaginar” que a

aproximação 𝒚
̅ de y é melhor que a 𝒙
̅ de x. Numa análise mais cuidadosa

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


percebemos que as grandezas dos números envolvidos são muito diferentes.
Temos então para os dados acima:
𝑬𝑹𝒆𝒍𝒙 = 0,1/100,1 = 0,000999
𝑬𝑹𝒆𝒍𝒚 = 0,0002/0,0006 = 0,333333

Agora podemos concluir que a aproximação ̅𝒙 de x é melhor que a 𝒚


̅ de y
pois 𝑬𝑹𝒆𝒍𝒙 | < |𝑬𝑹𝒆𝒍𝒚 |.

2.6. PROPAGAÇÃO E CONDICIONAMENTO DE ERROS NUMÉRICOS

Vamos supor que queremos calcular o valor de 2 - e3. Ao calcularmos o

valor de 2 , teremos que realizar um arredondamento, que leva ao um

resultado aproximado de 2 , ou seja, existe um erro de arredondamento


associado ao resultado. Para calcularmos o valor de e3 teremos que fazer um
truncamento, que também irá gerar um erro no resultado obtido. Portanto, o

resultado da operação de subtração entre 2 e e3 apresentará um erro que é

proveniente dos erros nos valores de 2 e e3 separadamente. Em outras

palavras, os erros nos valores de 2 e e3 se propagam para o resultado de 2


- e3. Podemos concluir então que, ao se resolver um problema numericamente,
a cada etapa e a cada operação realizada, devem surgir diferentes tipos de erros
gerados das mais variadas maneiras, e estes erros se propagam e determinam
o erro no resultado final obtido.
A propagação de erros é muito importante pois, além de determinar o erro
final de uma operação numérica, ela também determina a sensibilidade de um
determinado problema ou método numérico.
Se uma pequena variação nos dados de entrada de um problema levar a
uma grande diferença no resultado final, considera-se que essa operação é mal
condicionada, ou seja, existe uma grande propagação de erros nessa operação.
Por outro lado, se uma pequena variação nos dados de entrada leva a
apenas uma pequena diferença no resultado final, então essa operação é bem-
condicionada.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2.7. EXEMPLOS DE INFLUÊNCIA DOS ERROS NAS SOLUÇÕES

a) Falha no lançamento de mísseis na Guerra do Golfo: Limitação na


representação numérica → Erro de 0,34s no cálculo do tempo de
lançamento.

b) Explosão de foguetes na Guiana Francesa: Limitação na representação


numérica → Erro de trajetória 36,7s após o lançamento → Prejuízo de
U$7,5 bilhões.

LISTA DE EXERCÍCIOS 1 – ERROS

1) Para resolver a equação 𝑓(𝑥) = 𝑥 2 − 𝑎 = 0, com a > 0, podemos utilizar o


seguinte processo iterativo:
1 𝑎
𝑥𝑛+1 = (𝑥𝑛 + ) , 𝑛 = 0, 1, 2, …
2 𝑥𝑛
Assim, dado o valor 𝑥0 , usamos a expressão anterior para gerar a
sequência de soluções aproximadas𝑥1 , 𝑥2 , …
Definindo-se uma tolerância 𝜀 > 0, podemos verificar se a sequência de
aproximações atingiu a precisão, realizando-se o seguinte teste:
Se |𝑥𝑛+1 − 𝑥𝑛 | < 𝜀 for verdadeiro, dizemos que 𝑥𝑛+1 é a raiz da equação
f(x)=0, com tolerância 𝜀. Caso contrário, devemos calcular outro elemento
da sequência.
Podemos, ainda, de forma alternativa, realizar o seguinte teste:
|𝑥𝑛+1 −𝑥𝑛 |
Se |𝑥𝑛+1 |
< 𝜀 for verdadeiro, concluímos que 𝑥𝑛+1 é a raiz da equação.

No primeiro teste, usamos o erro absoluto e, no segundo, o erro relativo.


Assim, considerando a = 2, 𝑥0 = 1 e 𝜀 = 0,0001, determine a solução para
a f(x)=0, considerando-se os testes com erro absoluto e com erro relativo.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2) Considere a função fatorial 𝑓(𝑛) = 𝑛! = 𝑛. (𝑛 − 1) … 3 ∙ 2 ∙ 1.
Em 1730, o matemático Stirling desenvolveu a fórmula de aproximação
𝑛 𝑛
̅
𝑓(𝑛) = √2𝜋𝑛 ( 𝑒 ) para a função fatorial.
̅
a) Obtenha os valores de 𝑓(𝑛) e f(n) para n = 5, 10, 15 e 20.
b) Determine o erro relativo de cada aproximação.

3) Calcule o erro relativo e o erro absoluto envolvidos nos seguintes cálculos


numéricos abaixo onde o valor preciso da solução e dado por x e o valor
aproximado e dado por 𝑥̅ .

a) x = 0,0020 e 𝑥̅ = 0,0021

b) x = 530000 e 𝑥̅ = 529400

GABARITO

1)

𝑥4 = 1,41421

2)

3)

Exato Aproximado Erro Absoluto Erro Relativo

0,002 0,0021 -0,0001 -0,05

530000 529400 600,0000 0,001132075

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


3. ZEROS REAIS DE FUNÇÕES REAIS

3.1 MOTIVAÇÃO
O pH de soluções diluídas de ácido fraco é calculado pela fórmula:

[𝑯𝟑 𝑶+ ]𝟑 + 𝑲𝒂 [𝑯𝟑 𝑶+ ]𝟐 − (𝑲𝒂 𝑪𝒂 + 𝑲𝒘 )[𝑯𝟑 𝑶+ ] − 𝑲𝒘 𝑲𝒂 = 𝟎


em que:
𝒑𝑯 = −𝒍𝒐𝒈[𝑯𝟑 𝑶+ ]
𝑲𝒂 = 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆 𝒅𝒆 𝒅𝒊𝒔𝒔𝒐𝒄𝒊𝒂çã𝒐 𝒅𝒐 á𝒄𝒊𝒅𝒐;
𝑪𝒂 = 𝒄𝒐𝒏𝒄𝒆𝒏𝒕𝒓𝒂çã𝒐 𝒅𝒐 á𝒄𝒊𝒅𝒐;
𝑲𝒘 = 𝒑𝒓𝒐𝒅𝒖𝒕𝒐 𝒊ô𝒏𝒊𝒄𝒐 𝒅𝒂 á𝒈𝒖𝒂.

Como determinar o pH de uma solução de ácido bórico a 24°C, sabendo


que:
𝑲𝒂 = 𝟔, 𝟓 . 𝟏𝟎−𝟏𝟎 𝑴
𝑪𝒂 = 𝟏, 𝟎 . 𝟏𝟎−𝟓 𝑴
𝑲𝒘 = 𝟏, 𝟎 . 𝟏𝟎−𝟏𝟒 𝑴𝟐

Responder esta questão significa determinar a raiz da função associada


a ela.

3.2 INTRODUÇÃO
Em muitos problemas de Ciência e Engenharia há necessidade de se
determinar um número 𝜶 para o qual uma função f(x) seja zero, ou seja,
𝒇(𝜶) = 𝟎. Este número é chamado raiz da equação f(x) = 0 ou zero da função
f(x).
As funções reais podem ser classificadas como:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Lineares
Funções Algébricas
Não Lineares
Funções Polinomiais

Funções Não Algébricas

Funções Não Polinomiais ou Transcendentes

Graficamente, os zeros reais são representados pelas abscissas dos


pontos onde a função intercepta o eixo ⃗⃗⃗⃗⃗
𝑂𝑋 do gráfico.

A função g(x) acima tem 5 raízes no intervalo [a,b]: x1, x2, x3, x4, x5.

As raízes de uma função podem ser encontradas analiticamente, como


nos casos de equações algébricas de 10 e 20 graus, certas classes de 30 e 40
graus e algumas equações transcendentes.

Exemplos:
a) 𝑓(𝑥) = 𝑥 − 3 → 𝑥 = 3 é 𝑟𝑎𝑖𝑧 𝑑𝑒 𝑓(𝑥) 𝑝𝑜𝑖𝑠: 𝑓(3) = 3 − 3 = 0
8 8 8 12 3
b) 𝑔(𝑥) = 3 𝑥 − 4 → 3 𝑥 − 4 = 0 → 3 𝑥 = 4 → 𝑥 = =2
8

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


5±√1
c) ℎ(𝑥) = 𝑥 2 − 5𝑥 + 6 → 𝑥 = → 𝑥1 = 3 𝑒 𝑥2 = 2
2

Mas para polinômios de grau superior a quatro e para a grande maioria


das equações transcendentes, o problema só pode ser resolvido por métodos
que aproximam as soluções, como nos exemplos abaixo:

Exemplos:
a) 𝑓(𝑥) = 𝑥 3 + 2𝑥 2 − 𝑥 + 1
b) 𝑔(𝑥) = 𝑠𝑒𝑛(𝑥) + 𝑒 𝑥
c) ℎ(𝑥) = 𝑥 + ln(𝑥)

Embora estes métodos não forneçam raízes exatas, elas podem ser
calculadas com a exatidão que o problema requeira, desde que certas condições
sobre f sejam satisfeitas, através de um processo iterativo:

Determinação da Raiz

FASE 1: Isolamento da FASE 2: Refinamento da Raiz


Raiz Aproximação Inicial Aproximada Processo Iterativo

 Convergência
Método Método Métodos
Gráfico Analítico Numéricos
 Critérios de Parada

Teorema
de Bisseção
Bolzano
Cordas

Pégaso

Newton

Iteração Linear

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Conforme o esquema anterior, a ideia central do método numérico é
partir de uma aproximação inicial para a raiz e, em seguida, refinar essa
aproximação através de um processo iterativo.
Por isso, os métodos constam de duas fases:
 FASE I: Isolar cada zero que se deseja determinar da função f em um
intervalo [a,b], o menor possível, que contenha uma e somente uma raiz
da função f .
 FASE II: Calcular a raiz aproximada através de um processo iterativo até
a precisão desejada, ou seja, refiná-la.

3.3 PROCESSO ITERATIVOS


Existe um grande número de métodos numéricos que são processos
iterativos. Estes processos se caracterizam pela repetição de uma determinada
operação.
A ideia nesse tipo de processo é repetir um determinado cálculo várias
vezes, obtendo-se a cada repetição ou iteração um resultado mais preciso que
aquele obtido na iteração anterior.
É importante destacar que a cada iteração utiliza-se o resultado da
iteração anterior como parâmetro de entrada para o cálculo seguinte.
Existem diversos aspectos comuns a qualquer processo iterativo:
 Estimativa inicial: Para iniciar um processo iterativo, é preciso ter
uma estimativa inicial do resultado do problema. Essa estimativa
pode ser conseguida de diferentes formas (depende do problema).
 Convergência: Para obtermos um resultado próximo do resultado
real esperado, é preciso que a cada passo ou iteração, nosso
resultado esteja mais próximo daquele esperado.
 Critério de Parada: Obviamente não podemos repetir um processo
numérico infinitamente. É preciso pará-lo em um determinado
instante. O critério adotado para parar as iterações de um processo
numérico é chamado de critério de parada (depende do problema e
da precisão que desejamos para obter a solução).

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


3.4 FASE I: ISOLAMENTO DE RAÍZES
Dada uma função f : R R delimitar os zeros de f significa determinar
intervalos [a, b] que contenham os zeros de f, sendo que cada intervalo deverá
conter um e somente um zero da função f.
Existem dois métodos para resolver este problema:
A) Método Gráfico
B) Método Analítico

3.4.1 Método Gráfico


O método gráfico consiste em:
 Escrever f como a diferença de funções g e h ou seja f = g −h onde
possamos sem muito esforço esboçar os gráficos das funções g e h;
 Usar f(x) = 0  g(x) = h(x);
 Esboçar, da melhor maneira possível, os gráficos de g e h, determinando
os intervalos onde estão os pontos de interseção de g(x) e h(x), ou seja, os
pontos 𝒙
̅ onde 𝒈(𝒙
̅) = 𝒉(𝒙
̅).

Exemplos:
1) Delimitar os zeros da função 𝒇(𝒙) = 𝒆𝒙 + 𝒙𝟐 − 𝟐

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2) Delimitar os zeros da função f x   lnx   x

3.4.2 Método Analítico


Este método é baseado no Teorema de Bolzano:
“Seja uma função f(x) contínua em um intervalo [a,b], tal que, f(a).f(b)<0.
Então, f(x) possui pelo menos uma raiz no intervalo [a,b].”
O teorema assegura que se f troca de sinal nos pontos a e b então f tem
pelo menos um zero entre estes pontos.

Exemplos:

A raiz será única e definida se a derivada f’(x) existir e preservar o sinal


dentro do intervalo (a, b), isto é, se f’(x) > 0 para a<x<b.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Exemplos:
1) Seja a função 𝒇(𝒙) = 𝒙𝟑 + 𝟗𝒙 − 𝟑. Isolar as raízes desta função.

Como f(x) é um polinômio de grau 3, logo f’(x) existe e podemos afirmar


que cada intervalo contém um único zero de f(x). Assim, localizamos todas as
raízes de f(x) = 0.

2) Seja a função 𝒇(𝒙) = 𝒙. 𝐥𝐧(𝒙) − 𝟑, 𝟐. Isolar as raízes desta função.

Pelo teorema de Bolzano, concluímos que existe pelo menos uma raiz real
no intervalo [2,3].

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Lista de Exercícios 2 – Isolamento de Raízes.

A) Isolar a raízes da função abaixo:

𝑓(𝑥) = √𝑥 + 2ln(𝑥)
Resp.:

B) Localizar graficamente as raízes das equações seguintes:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


C) Localize graficamente a raiz não nula da equação dada:

D) Isolar os zeros das funções abaixo, utilizando o método gráfico:

a) f x  e x  senx  2

b) f x   e x 
1
x

Resp.:

a)
y = e^x y

       









𝑥0 ∈ [1; 1,2]

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


b)
y

       









𝑥0 ∈ [0,2; 1,0]

E) Delimitar os zeros das funções abaixo, utilizando o método analítico:

a) f x  x 4  3x 3  x

b) f x  x3  3x  1

Resp.:

a)

𝑥0 ∈ [−3; −2]
𝑥1 ∈ [−1; 0]
𝑥2 ∈ [0; 1]
𝑥3 = 0]

b) 𝑥0 ∈ [0, 1]

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


3.2 FASE II: REFINAMENTO
São vários os métodos numéricos de refinamento de raiz, todos eles
iterativos. A forma como se efetua o refinamento é que diferença os métodos.
Os métodos iterativos para refinamento da aproximação inicial para a
raiz exata podem ser colocados num diagrama de fluxo, conforme ilustrado a
seguir:

Início

Dados iniciais

Cálculos iniciais

K=1

está próxima o Cálculos


suficiente da raiz finais
exata?

Cálculos intermediários fim

K=K+1

3.2.1 Critérios de Parada


Para a determinação da raiz aproximada 𝒙
̅ com precisão 𝜺, adotaremos
critério de parada para nossos cálculos.

i) x     ou
ii) f (x)  

Como efetuarmos o teste (i) se não conhecemos ?

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Uma forma é reduzir o intervalo que contém a raiz a cada iteração, de
forma a se conseguir um intervalo [a,b] tal que:

  [ a, b]
e
ba 

3.2.2 Métodos de Refinamento

3.2.2.1 Método da Bisseção


Seja f(x) uma função contínua no intervalo [a, b] e 𝒇(𝒂). 𝒇(𝒃) < 𝟎.
Dividindo o intervalo [a, b] ao meio, obtém-se 𝒙𝟎 , havendo, pois, dois
subintervalos, [a, 𝒙𝟎 ] e [𝒙𝟎 , 𝒃], a serem considerados, a fim de determinar qual
deles contém o zero.

Se 𝒇(𝒙𝟎 ) = 𝟎, então, 𝜶 = 𝒙𝟎 ; caso contrário, a raiz estará no subintervalo


onde a função tem sinais opostos nos pontos extremos, ou seja, se
𝒇(𝒂). 𝒇(𝒙𝟎 ) < 𝟎 então 𝜶 ∈ (𝒂, 𝒙𝟎 ); senão 𝒇(𝒂). 𝒇(𝒙𝟎 ) > 𝟎 e 𝜶 ∈ (𝒙𝟎 , 𝒃).
O novo intervalo [𝒂𝟏 , 𝒃𝟏 , ] que contém 𝜶 é dividido ao meio e obtém-se o
ponto 𝒙𝟏 . O processo se repete até que se obtenha uma aproximação para a raiz
exata 𝜶, com tolerância 𝜺 desejada (critério de parada).
Observação: Este método é normalmente utilizado para diminuir o intervalo que
contém o zero da função, para a aplicação de outro método, pois o esforço
computacional cresce demasiadamente quando se aumenta a precisão exigida.

Convergência do Método da Bisseção


Como em cada passo, dividimos o intervalo por 2, temos:
(𝑏−𝑎)
 1a iteração:
2
(𝑏−𝑎)
 2a iteração:
22

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


(𝑏−𝑎)
 3a iteração:
23

(𝑏−𝑎)
 na iteração:
2𝑛
Se o problema exige que o erro cometido seja inferior a um parâmetro 𝜀,
determina-se a quantidade n de iterações encontrando o maior inteiro que
satisfaz a inequação:

(𝑏 − 𝑎)
≤𝜀
2𝑛

Resolvendo:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Exemplos:
1) Calcular a raiz positiva da equação 𝑓(𝑥) = 𝑥 2 − 3 com 𝜀 ≤ 0,01.

I  [1,2] Número de iterações:

N an bn xn f xn  

0
1
2
3
4
5
6

2) Calcular pelo menos uma raiz real da função f x   3x  cosx  com

 102 . Utilize nove casas decimais, considerando a raiz no intervalo 0,1 .

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


APLICAÇÃO PRÁTICA – RESOLUÇÃO COMPUTACIONAL

3) O pH de soluções diluídas de ácido fraco é calculado pela fórmula:

[𝑯𝟑 𝑶+ ]𝟑 + 𝑲𝒂 [𝑯𝟑 𝑶+ ]𝟐 − (𝑲𝒂 𝑪𝒂 + 𝑲𝒘 )[𝑯𝟑 𝑶+ ] − 𝑲𝒘 𝑲𝒂 = 𝟎


em que:
𝒑𝑯 = −𝒍𝒐𝒈[𝑯𝟑 𝑶+ ]
𝑲𝒂 = 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆 𝒅𝒆 𝒅𝒊𝒔𝒔𝒐𝒄𝒊𝒂çã𝒐 𝒅𝒐 á𝒄𝒊𝒅𝒐;
𝑪𝒂 = 𝒄𝒐𝒏𝒄𝒆𝒏𝒕𝒓𝒂çã𝒐 𝒅𝒐 á𝒄𝒊𝒅𝒐;
𝑲𝒘 = 𝒑𝒓𝒐𝒅𝒖𝒕𝒐 𝒊ô𝒏𝒊𝒄𝒐 𝒅𝒂 á𝒈𝒖𝒂.

Calcular o pH de uma solução de ácido bórico a 24°C, sabendo que:


𝑲𝒂 = 𝟔, 𝟓 . 𝟏𝟎−𝟏𝟎 𝑴
𝑪𝒂 = 𝟏, 𝟎 . 𝟏𝟎−𝟓 𝑴
𝑲𝒘 = 𝟏, 𝟎 . 𝟏𝟎−𝟏𝟒 𝑴𝟐

A solução deste problema será dividida em duas partes: Encontrar a


concentração de íons de ácido bórico (𝐻3 𝑂+ ). Depois, com este resultado, o pH
de uma solução contendo ácido bórico por meio da fórmula:
𝒑𝑯 = −𝒍𝒐𝒈[𝑯𝟑 𝑶+ ]

Dica: Fazer troca de variável, adotando-se 𝐻3 𝑂+ = x.

4) Considere que a solução de uma equação diferencial que modela o


problema de concentração de bactérias poluentes c por cm3 , em um lago,
seja dada pela função:
𝑐(𝑡) = 75𝑒 −1,5𝑡 + 20𝑒 −0,075𝑡
Desejamos determinar o tempo necessário para que a concentração de
bactérias seja reduzido ao valor 15 por cm3.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Lista de Exercícios 3 – Método da Bisseção.

1) Encontre uma estimativa para a raiz de 𝑓(𝑥) = 𝑒 𝑥 + 𝑥 com um erro menor


ou igual a 0,05.

2) Calcular pelo menos uma raiz de cada função abaixo com 𝜀 ≤ 10−3 :
a) 𝑓(𝑥) = 𝑥 3 − 6𝑥 2 − 𝑥 + 30
b) 𝑓(𝑥) = 𝑥 + log(𝑥)
c) 𝑓(𝑥) = 𝑥 + 2cos(𝑥)
d) 𝑓(𝑥) = 𝑒 𝑥 − 2 cos(𝑥) − 4

3) Como você poderia usar o método da bisseção para estimar o valor de


√7? Estime esse valor com uma precisão de 0,1.

4) Dada a função 𝑓(𝑥) = 𝑠𝑒𝑛(𝑥) − 𝑥 2 + 4:


a) Determine o intervalo que contém pelo menos uma raiz de f(x).
b) Partindo desse intervalo, utilize o método da bisseção para determinar
o valor dessa raiz após quatro iterações.
c) Qual é o erro no seu resultado final?

5) Dada a função 𝑓(𝑥) = 𝑒 −𝑥 + 𝑥 2 − 2:


a) Determine graficamente o intervalo que contém pelo menos uma raiz
de f(x).
b) Reduza este intervalo utilizando o Teorema de Bolzano.
c) Partindo-se desse intervalo, utilize o método da bisseção para
determinar o valor dessa raiz com uma precisão de 0,05.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Gabarito:
1) Intervalo: [-1, 0]
Raiz: −0,594 ± 0,032
2)
a) -2
b) 0,399
c) 1,0299
d) 1,446
3)

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


4)

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


5)

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


3.2.2.2 Método de Newton (ou Método das Tangentes)
Seja f  x  uma função contínua no intervalo a, b  , f a   f b   0 e  o seu

único zero neste intervalo; as derivadas f ' x   f ' x   0 e f ' '  x  devem também
ser contínuas.
A ideia no método de Newton é escolher uma função (x) tal que ’()=0
onde  é a raiz de f(x) e  ∈ [a,b]. O Método de Newton consiste em usar o
processo iterativo:

xk 1   ( xk )

e como função de iteração a expressão:

Assim, temos:

𝒇(𝒙𝒏 )
𝒙𝒏+𝟏 = 𝒙𝒏 − , 𝒏 = 𝟎, 𝟏, 𝟐, …
𝒇′(𝒙𝒏 )
Escolha de x0:
- f ' x  e f ' ' x  devem ser não nulas e preservar o sinal em a, b 

- x0 seja tal que f x0   f ' ' x0   0

Interpretação Geométrica do Método de Newton


O ponto 𝒙𝒏+𝟏 é obtido traçando-se a tangente ao gráfico da função f (x)
no ponto (𝒙𝒏 , 𝒇(𝒙𝒏 )). A intersecção da reta tangente com o eixo das abscissas
fornece a nova aproximação 𝒙𝒏+𝟏 . Esta interpretação justifica o nome de
método das tangentes.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


𝒇(𝒙𝒏 ) 𝒇(𝒙𝒏 )
𝑡𝑔𝜃 = 𝒇′ (𝒙𝒏 ) = ⇒ 𝒙𝒏+𝟏 = 𝒙𝒏 −
𝒙𝒏 − 𝒙𝒏+𝟏 𝒇′(𝒙𝒏 )

Convergência do Método de Newton


Apesar de obtermos a forma da função (x) procurando garantir a
convergência do processo iterativo, esta não está sempre garantida para este
método (mas quase sempre).
A convergência no método de Newton esta sempre garantida para um
certo intervalo [a,b] que contém a raiz de f(x), desde que f(x) e f '(x) sejam
contínuas nesse intervalo e que f '(α)≠0, onde α é a raiz de f(x) (f(α)=0). Portanto,
se utilizarmos uma estimativa inicial x0 tal que x0 ∈ [a,b], a convergência
estará garantida.
Em outras palavras, para o método de Newton convergir, é preciso que
nossa estimativa inicial esteja próxima da raiz de f(x). A proximidade exigida
para a convergência vai depender de caso a caso e nem sempre é simples de
determinar.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Exemplos:
1) Calcule a raiz de f(x)=x2+x-6, usando o método de Newton, x0=3 como
estimativa inicial e como critério de parada |f (xn)|0,02.

Solução:
Para encontrar a raiz de f(x) usando o método de Newton-Raphson, devemos
ter:

onde:

Portanto, temos que:

xn2  6
n xn  ( xn ) 
2 xn  1
f ( xn )  xn2  xn  6

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2) Uma bola é arremessada para cima com velocidade 𝑣0 = 30𝑚/𝑠 a partir
de uma altura 𝑥0 = 5𝑚, em um local onde a aceleração da gravidade é 𝑔 =
−9,81𝑚/𝑠 2 . Sabendo que:
1
ℎ(𝑡) = 𝑥0 + 𝑣0 𝑡 + 𝑔𝑡 2
2
qual será o tempo gasto para a bola tocar o solo, desconsiderando o atrito
com o ar?

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


3.2.2.3 Comparação dos Métodos
O método mais simples e robusto é o da bisseção, que apresenta como
grande vantagem o fato de convergir sempre, e, portanto, pode ser utilizado em
qualquer circunstância, tendo como desvantagem ser bastante lento a
convergir. Apresenta como curiosidade o fato de convergir para a raiz sempre
com a mesma velocidade. Pela sua robustez, é ótimo como método preliminar
para a definição de um intervalo de pequena amplitude, dentro do qual se
encontra uma raiz da equação a resolver.
O método de Newton é sem dúvida o método que converge para a solução
mais rapidamente. Este método apresenta no entanto algumas desvantagens.
Para que este método seja convergente, é necessário que certas condições sejam
satisfeitas, além disso obriga ao cálculo, em cada iteração, não só da função
como também da sua derivada. Este último cálculo pode consumir muito tempo
de computação por ser difícil, ou então ser mesmo impossível (por exemplo se
a função é definida por pontos).

Lista de Exercícios 4 – Método de Newton

1) Calcular pelo menos uma raiz real das equações abaixo.

a) f x   2 x 3  lnx  5 com  105 .

b) f x   2 x  senx   4 com  105 .

c) f x  e x  tgx com  105 .

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


d) f x  10 x  x 3  2 com  105 .

e) f x  x 3  5x 2  x  3 com  105 . (Determinar a raiz negativa)

3) Seja a seguinte função:


1
𝑓(𝑥) = − 𝑥2 + 1
𝑥3
Use o método de Newton para encontrar uma estimativa da raiz da função
tal que |𝑓(𝑥)| < 10−4. Parta de 𝑥0 = 1.

4) Deseja-se resolver a seguinte equação usando o método de Newton:

𝑥5 − 6 = 0
Qual o valor da raiz tal que:
𝑥𝑛 −𝑥𝑛−1
| | < 10−5 ?
𝑥𝑛

Quantas iterações são necessárias para se encontrar a raiz, atingindo o


critério acima, com
a) 𝑥0 = −15
b) 𝑥0 = 2
c) 𝑥0 = 20

GABARITO:

1)
a) 1,33084
b) -2,3542
c) 1,3063
d) -1,2711
e) -0,64575

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


4. RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES LINEARES

4.1. INTRODUÇÃO
A necessidade de resolver sistemas de equações lineares aparece numa
grande quantidade de problemas científicos. Existem estimativas que apontam
que, a cada quatro problemas de simulação em matemática, três convertem-se
em solução de sistemas de equações.
Entre os exemplos de problemas, pode-se citar a determinação do
potencial em redes elétricas, cálculo da tensão na estrutura metálica da
construção civil, cálculo da razão de escoamento num sistema hidráulico com
derivações, previsão da concentração de reagentes sujeitos às reações químicas
simultâneas. Também encontramos quando estudamos métodos numéricos
para a resolução de problemas de equações diferenciais parciais, pois estes
requerem a solução de um conjunto de equações.
A resolução de um sistema linear é feita, em geral, por dois caminhos: os
métodos diretos e os métodos iterativos. Os métodos diretos determinam a
solução de um sistema linear com um número finito de operações. Já os
métodos iterativos são aqueles que se baseiam na construção de sequências de
aproximações. Em um método iterativo, a cada passo, os valores calculados
anteriormente são usados para melhorar a aproximação.
De maneira geral, podemos representar os métodos de resolução de
sistemas lineares pelo diagrama a seguir:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


SISTEMAS DE EQUAÇÕES LINEARES

Métodos Diretos Métodos Iterativos

Eliminação Gaussiana Gauss-Seidel

Jordan Jacobi

Pivotação Completa

Fatoração LU

Fatoração de Cholesky

Aqui, a ênfase será nos métodos iterativos.

4.2. CONCEITOS PRELIMINARES

4.2.1. Equação Linear


Uma equação é linear se cada termo contém não mais do que uma
variável e cada variável aparece na primeira potência.
Exemplos:
2 x  5 y  9 z  2 → é linear
xy  2 z  2 → não é linear, pois o primeiro termo contém duas
variáveis
3x 3  2 y  5z  0 → não é linear, pois o primeiro termo contém uma
variável elevada ao cubo

4.2.2. Sistema de Equações Lineares


Vamos considerar n equações lineares com n incógnitas e vamos nos
referir a elas como um Sistema de n Equações Lineares ou um Sistema Linear
de ordem n.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Uma solução para esse sistema de equações consiste de valores para
as n incógnitas, tais que quando esses valores são substituídos nas equações,
todas elas são satisfeitas simultaneamente.
De um modo geral, um sistema de n equações lineares é escrito como:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑆𝑛 = 𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3

{𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛

Sob a forma matricial, 𝑆𝑛 pode ser escrito como:

𝐴𝑥 = 𝑏

em que:

A é a matriz dos coeficientes, quadrada de ordem n;

x é o vetor solução, n x 1;

b é o vetor dos termos independentes, n x 1.

4.2.3. Classificação de um Sistema Linear


A classificação de um sistema linear é feita em função do número de
soluções que ele admite:

a) Sistema possível ou consistente: É todo sistema que possui pelo


menos uma solução. Pode ser:

i. Determinado: admite uma única solução;


ii. Indeterminado: admite mais de uma solução.

b) Sistema Impossível ou Inconsistente: É todo sistema que não


admite solução

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


4.2.4. Sistemas Triangulares
Seja um sistema 𝑆𝑛 : 𝐴𝑥 = 𝑏 em que a matriz 𝐴 = (𝑎𝑖𝑗 ) é tal que 𝑎𝑖𝑗 = 0 se
j < i; i, j = 1, 2, ..., n, ou seja:

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1


𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3

{ 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛

é chamado triangular superior.

Se 𝑎𝑖𝑗 = 0 para j > i; i, j = 1, 2, ..., n, tem-se um sistema triangular inferior.

𝑎11 𝑥1 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 = 𝑏3

{𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛

4.2.5. Transformações Elementares


Denominam-se transformações elementares às seguintes operações
sobre as equações de um sistema linear:
a) Trocar a ordem de duas equações do sistema;
b) Multiplicar uma equação do sistema por uma constante não-nula;
c) Adicionar duas equações do sistema.

4.2.6. Definição
Dois sistemas S1 e S2 serão equivalentes se S2 puder ser obtido de S1
através de transformações lineares.
Observação: Dois sistemas equivalentes S1 e S2 ou são impossíveis ou
têm as mesmas soluções.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


4.3. MÉTODOS ITERATIVOS PARA RESOLUÇÃO DE SISTEMAS DE
EQUAÇÕES LINEARES
Um método é iterativo quando fornece uma sequência de aproximações
da solução, cada uma das quais obtida das anteriores pela repetição do mesmo
tipo de processo.
A ideia central dos métodos iterativos é generalizar o método do ponto
fixo utilizado na busca de raízes de uma equação.

4.3.1. Esquema Iterativo


Seja o sistema linear:
𝐴𝑥 = 𝑏

onde:
A é a matriz dos coeficientes, quadrada de ordem n;

x é o vetor solução (das incógnitas), n x 1;

b é o vetor dos termos independentes, n x 1.

Este sistema é convertido, de alguma forma, num sistema do tipo:

x  Cx  g
onde:
C: matriz n x n;
g: vetor n x 1.

Observa-se que:

 ( x)  Cx  g
é a função de iteração.
Partimos de x(0) (vetor de aproximação inicial) e então construímos
consecutivamente os vetores:

x (1)  Cx (0)  g   ( x (0) ) (primeira aproximação)

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


x ( 2)  Cx (1)  g   ( x (1) ) (segunda aproximação), etc.

De um modo geral, a aproximação x(k+1) é calculada pela fórmula:

x ( k 1)  Cx ( k )  g   ( x ( k ) ) k  0,1,...
É importante observar que se a sequência de aproximações x(0), x(1),...,
x(k), é tal que:

lim x ( k )  
k 

então =C+g, ou seja,  é solução do sistema linear Ax=b.

4.3.2. Critérios de Parada


O processo iterativo pode ser repetido até que o vetor x(k) esteja
suficientemente próximo do vetor x(k-1). Assim, esta distância pode ser medida
como:

d ( k )  max xi( k )  xi( k 1)


1 i n

Dessa forma, dada uma precisão , o vetor x(k) será escolhido como 𝑥̅ ,
solução aproximada da solução exata, se d(k)< .
Podemos, também, efetuar o teste de parada do erro relativo:

d (k )
d (k )
r 
max xi( k )
1 i  n

4.3.3.Método Iterativo de Jacobi


A forma como o método de Jacobi transforma o sistema linear Ax =b em
x=Cx+g é a seguinte:
Dado o sistema original:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3 (1)

{𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
e supondo 𝑎𝑖𝑖 ≠ 0, 𝑖 = 1, … , 𝑛, isolamos o vetor x mediante separação pela
diagonal, da seguinte maneira:

1
𝑥1 = 𝑎 (𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3 − ⋯ − 𝑎1𝑛 𝑥𝑛 )
11
1
𝑥2 = (𝑏2 − 𝑎 𝑥1 − 𝑎23 𝑥3 − ⋯ − 𝑎2𝑛 𝑥𝑛 )
𝑎22 21 (2)

1
𝑥𝑛 = (𝑏𝑛 − 𝑎 𝑥1 − 𝑎𝑛2 𝑥2 − ⋯ − 𝑎𝑛,𝑛−1 𝑥𝑛−1 )
{ 𝑎𝑛𝑛 𝑛1

Para que exista o sistema (2) é necessário que 𝑎𝑖𝑖 ≠ 0, ∀ 𝑖. Caso isto não
ocorra, é necessário reagrupar as equações de (1).

Dessa forma, temos:

x  Cx  g
em que:

𝒂𝟏𝟐 𝒂𝟏𝟑
𝟎 − − 𝒂𝟏𝒏
𝒂𝟏𝟏 𝒂𝟏𝟏 … −
𝒂𝟐𝟏 𝒂𝟐𝟑 𝒂𝟏𝟏
− 𝟎 − 𝒂𝟐𝒏
𝑪= 𝒂𝟐𝟐 𝒂𝟐𝟐 … −
𝒂𝟐𝟐
⋮ ⋮ ⋮
𝒂𝒏𝟏 𝒂𝒏𝟐 𝒂𝒏𝟑 ⋮ ⋮
− − − … 𝟎
{ 𝒂𝒏𝒏 𝒂𝒏𝒏 𝒂𝒏𝒏
e
𝒃𝟏
𝒂𝟏𝟏
𝒃𝟐
𝒈 = 𝒂𝟐𝟐

𝒃𝒏
𝒂𝒏𝒏

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


O método de Jacobi consiste em, dado 𝒙(𝟎) , aproximação inicial, obter
𝒙(𝟏) , … , 𝒙(𝒌) através da relação recursiva:

Exemplo: Resolva o sistema a seguir, utilizando o método de Jacobi, com


x(0)=[0,0,0]T e =10-2=0,01.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Critérios de aplicabilidade e convergência do método iterativo de Jacobi

Teorema (Critério das Linhas):


Uma condição suficiente (mas não necessária) para garantir a
convergência do método de Gauss-Jacobi aplicado ao sistema Ax=b , com aii≠0,
i , é:

Neste caso, o método de Gauss-Jacobi gera uma sequência {x(k)}


convergente para a solução do sistema dado, independentemente da escolha da
aproximação inicial, x(0).
Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico
Exemplos:
1) Verificar se o critério das linhas é satisfeito em cada sistema de equações
Ax=b, que segue:

Solução:

 2  1  10

 11  5
2  3  10

Logo, a matriz dos coeficientes A garante a convergência do método de
Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas.

Solução:

 3 1  1

5  2  2
0  6  8

Logo a matriz dos coeficientes A não garante a convergência do método


de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e
incógnitas.
Mas permutando adequadamente as equações do sistema, obtém-se o
sistema equivalente:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


2  2  5

11  3
0  6  8

IMPORTANTE: Sempre que o critério de linhas não for satisfeito, devemos


tentar uma permutação de linhas e/ou colunas de forma a obtermos uma
disposição para a qual a matriz de coeficientes satisfaça o critério das linhas

Exemplo 2:
Resolva o sistema a seguir, utilizando o método de Jacobi, com
𝒙𝟎 = [𝟎, 𝟕 −𝟏, 𝟔 𝟎, 𝟔]𝑻 e 𝜺 = 𝟎, 𝟎𝟓.

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


4.3.4.Método Iterativo de Gauss-Seidel
Da mesma forma que no método de Jacobi, no método de Gauss-Seidel o
sistema linear Ax =b é escrito na forma equivalente x = Cx+g por separação da
diagonal.
O processo iterativo consiste em, sendo 𝒙(𝟎) uma aproximação inicial,
calcular 𝒙(𝟏) , 𝒙(𝟐) , 𝒙(𝟑) , … , 𝒙(𝒌) , por:

Portanto, no momento de se calcular 𝒙𝒋 (𝒌+𝟏) usamos todos os valores


𝒙𝟏 (𝒌+𝟏) , … , 𝒙𝒋−𝟏 (𝒌+𝟏) que já foram calculados e os valores 𝒙𝒋+𝟏 (𝒌) , … , 𝒙𝒏 (𝒌) restantes.

Exemplo:
Resolva o sistema linear abaixo, pelo Método de Gauss-Seidel com
𝟎
𝒙(𝟎) = 𝟎 e 𝜺 = 𝟎, 𝟎𝟓:
𝟎
𝟓𝒙𝟏 + 𝒙𝟐 + 𝒙𝟑 = 𝟓
{ 𝟑𝒙𝟏 + 𝟒𝒙𝟐 + 𝒙𝟑 = 𝟔
𝟑𝒙𝟏 + 𝟑𝒙𝟐 + 𝟔𝒙𝟑 = 𝟎
Solução:

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Critérios de Convergência do Método de Gauss-Seidel

Critério de Sassenfeld

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico


Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico
ATIVIDADE COMPUTACIONAL
1) Faz-se sorvete de tal forma que ele contenha uma quantidade
desejada de gordura de leite, sólidos não-gordurosos do leite
(msnf), água, açúcar, estabilizantes e emulsificadores.
Suponha que 10kg de sorvete devam ser feitos de forma a
conter 18% de gordura, 15% de sacarose, 0,4% de
estabilizantes e 1% de gema de ovos, usando os seguintes
ingredientes: creme (contendo 35% de gordura), leite (contendo
3,5% de gordura), leite em pó desnatado (contendo 97% de
msnf), sacarose, estabilizante e gema de ovos. Determine
quanto de cada ingrediente deve ser usado (em kg). Assuma
que 9% da nata do leite contenha msnf (dica: monte um
sistema de três equações tendo como incógnitas a quantidade
de leite em pó desnatado (x), a quantidade de leite (y) e a
quantidade de creme (z) usando (1) o fato de que a soma de
todos os componentes deve ter 10kg, (2) escrevendo uma
equação para o conteúdo total de msnf e (3) escrevendo uma
equação de balanço para a gordura).

Lista de Exercícios 5 – Método de Jacobi


Lista de Exercícios 6 – Método de Gauss-Seidel

Cálculo Numérico – Prof.a Dr.a Camila Nicola Boeri Di Domenico