CalculoNumerico PDF

Conteúdo
1 Cálculo com Números Aproximados 4

1.1 Introdução aos Erros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Tipo de Erros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Fórmula Fundamental dos Erros . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Interpolação 11
2.1 Interpolação Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Diferênças Finitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Fórmulas de interpolação de Newton . . . . . . . . . . . . . . . . . . . . . . . . 17
3 Derivação e Integração Numérica 20

3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Derivação Numérica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Integração Numérica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4 Integração numérica de funções analíticas . . . . . . . . . . . . . . . . . . . . . . 23
4 Resolução de Sistemas de Equações Algébricas 25

4.1 Métodos Exactos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2 Métodos Iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5 Resolução de Equação não Linear f (x) = 0 26

5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2 Localização das Raizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6 Equação Diferencial Ordinária 27

6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2 Métodos Numéricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
7 Valores e Vectores Próprios 28

7.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
7.2 Métodos Directos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1
Conteúdo 2

Introdução
3
Capítulo 1
Cálculo com Números Aproximados
Aula teórica: 01 13.02.2012

1. Cálculo com Números Aproximados;
- Erros absoluto e Relativo;
. .
1.1 Introdução aos Erros

Na ciência, quando se efectua cálculos ou medição, é frequente falar-se de erros. Mas de onde
vêm esses erros e como evitá-los?
Os erros podem provir de:
1) Erro do instrumento
Qualquer instrumento é fabricado com alguns erros (erros de fabrico);
2) Erro Calculável
Nos cálculos,√quando os resultados intermediários ou finais são números irracionais tais
como π, e, 2, sin(1), etc, às vezes, há uma necessidade de estes serem arredondados.
Deste modo, esse cálculo é efectuado com valores aproximados desses números irracionais.
Exemplo, quando em vez de se usar π = 3, 14159... usar-se π = 3, 14 comete-se um erro
que se designa erro calculável;
3) Erro do método ou modelo
Alguns problemas de matemática não podem ser resolvidos através dos métodos exactos
ou esses métodos são complexos. Então, ao substituir esses métodos exactos por métodos
aproximados cometer-se-à um erro
Z que se denomina erro do método.
b
Por exemplo, no integral I = f (x)dx se a integranda f (x) tiver primitiva em [a; b]
a
e é F (x) então este integral pode ser calculado pela fórmula de Newton1 -Leibniz2 I =
Z b
f (x)dx = F (b) − F (a). Mas se f (x) não tiver primitiva em [a; b] ou for complexa,
a Z 2 Z 2
sin(x)
como por exemplo I = dx, I = sin(cos(x2 + 1))dx, etc é impossível utilizar
1 x 1
1
Isaac Newton (1643–1727) — físico, astrónomo e matemático inglês
2
Gottfried Wilhelm von Leibniz (1646–1716) — matemático alemão
4
Capítulo 1. Cálculo com Números Aproximados 5
esta fórmula.
O que é um erro e como evitá-lo?
Definição 1.1.1 (Erro).

Chama-se erro de um número aproximado A à diferença entre o número exacto A e o
número aproximado Ā e designa-se por ε = A − Ā, isto é,
ε = V alor Exacto − V alor Aproximado.
No caso geral, o valor do erro não é conhecido, pois se fosse conhecido calculava-se o
valor exacto e o problema do erro ficava ultrapassado. Mas apesar de não ser conhecido
o valor exacto do erro nos cálculos ou medicões ou na resolucão de problemas usando
arredondamentos ou métodos aproximados é possível estabelecer alguns critérios que per-
mitam fazer o estudo de como esses erros vão influenciar nos resultados finais.
1.2 Tipo de Erros

1) Erro absoluto
Definição 1.2.1 (Erro absoluto).

Seja A um número considerado exacto e Ā um valor aproximado de A.
Chama-se erro absoluto de Ā à grandeza |ε| = |A − Ā|,
isto é, |ε| = |V alorexacto − V alorAproximado|.
Como foi dito anteriormente, o valor exacto do erro absoluto não é conhecido mas pode-se
calcular o seu limite superior.
Seja ∆ = max|ε| o limite superior do erro absoluto |ε|, isto é, |ε| < ∆ = max|ε|. Então
considera-se ∆ o erro absoluto de Ā.
Exemplo 1.2.1. Calcule o erro absoluto que se comete ao se usar o valor aproximado
π̄ = 3.14 no lugar do valor exacto π = 3.14149...
Resolução
Cálculo do limite superior:

|ε| = |π − π̄| = 3.14159... − 3.14 = 0.00159... < 0.002
O limite superior é ∆ = 0.002. Então o erro absoluto cometido é ∆ = 0.002¤.
Exemplo 1.2.2. Calcule o erro absoluto que µ se comete

¶n ao se usar o valor aproximado
1
ē = 2.718 no lugar do valor exacto e = lim 1 + = 2.71882818...
n→∞ n
Resolução
Cálculo do limite superior:

|ε| = |e − ē| = 2.71882818... − 2.718 = 0.0002818... < 0.0003
O limite superior é ∆ = 0.0003. Então o erro absoluto cometido é ∆ = 0.0003¤.
2) Representação de um número aproximado

Se o número aproximado A tiver um erro absoluto 4A representa-se por A ± 4A
3) Erro relativo
Definição 1.2.2 (Erro relativo).

|ε|
Chama-se erro relativo de um número aproximado A à razão RA = .
A
4) Erro relativo máximo
Definição 1.2.3 (Erro relativo máximo).

|ε|
Chama-se erro relativo máximo de um número aproximado A à razão RA = .
|A|
Se A for muito aproximado de A, o erro absoluto ε é muito pequeno e o erro relativo é
|4|
calculado pela fórmula RA = .
|A|
4
Ao número δ que satisfaz a desigualdade < δ denomina-se limite do erro rel-
|A|
ativo.
5) Significado do erro relativo

O erro relativo duma grandeza explica o erro absoluto cometido em cada unidade do valor
dessa grandeza.
O erro relativo é um escalar (sem dimensão) e as vezes é calculado em percentagem.
Exemplo 1.2.3. A corrente eléctrica que atravessa duas resistências ligadas em série é
de 2, 5A ± 0, 01A
|4I| 0, 01
RI = = = 0, 004 ou RI = 0, 4%.
|I| 2, 5
O valor 0, 004 (erro relativo) diz que cada ampera (A) da intensidade da corrente está
com o erro absoluto de 0, 004A¤
6) Comparação de exactidão de dois valores aproximados
Definição 1.2.4. Diz-se que o número aproximado A é mais exacto em relação ao

número aproximado B se o erro relativo do número A for menor que o erro relativo
do número B .
Exemplo 1.2.4. Considere os números e = 2, 718 ± 0, 0003 e π = 3, 14 ± 0, 002. Qual

destes números é mais exacto?
Resolução
|4e| 0, 0003
Re = = = 0, 00011
|e| 2, 718
|4π| 0, 002
Rπ = = = 0, 000637 =⇒ Re < Rπ
|π| 3, 14
Neste caso, o número e é mais exacto em relação ao número π¤.
Fim da aula Teórica: 01
Aula Prática 01
Capítulo 1: Cálculo com Números Aproximados.
Exercícios: 1; 2b)c); 3).

- Fórmula Fundamental dos Erros;
- Adição, Produto e Divisão de números aproximados;
- Raiz n-ésima de um número aproximado.
. .
1.3 Fórmula Fundamental dos Erros

Consideremos a função f (x1 , x2 , x3 , ..., xn ) em que cada variável x1 , x2 , x3 , ..., xn tem, respec-
tivamente, um erro absoluto 4x1 , 4x2 , 4x3 , ..., 4xn . Vamos determinar o erro absoluto da
função f (x1 , x2 , x3 , ..., xn ).
É sabido que
4f = f (x1 + 4x1 , x2 + 4x2 , x3 + 4x3 , ..., xn + 4xn ) − f (x1 , x2 , x3 , ..., xn ) ≈ fx0 1 · 4x1 + fx0 2 ·
4x2 + fx0 3 · 4x3 + ... + fx0 n · 4xn
onde fx0 i , i = 1, 2, 3, ..., n é derivada parcial em relação a xi .

A partir da propriedade dos módulos temos a Fórmula Fundamental dos Erros:
|4f | ≤ |fx0 1 | · |4x1 | + |fx0 2 | · |4x2 | + |fx0 3 | · |4x3 | + ... + |fx0 n | · |4xn |
1) Adição de números aproximados

Estime o erro absoluto da função f (x, y) = x + y ou f (x, y) = x − y
fx0 = 1 =⇒ |fx0 | = 1
fy0 = ±1 =⇒ |fy0 | = 1
A partir da fórmua | 4 f | ≤ |fx0 | · |4x| + |fy0 | · |4y| temos que | 4 f | ≤ |4x| + |4y|
Exemplo 1.3.1. Considere os três pontos consecutivos A, B e C na recta. Determine a

distância entre os pontos A e C sabendo que |AB| = 10cm±1cm e |BC| = 25cm±1, 5cm.
Resolução
|AC| = |AB| + |BC| = (10cm ± 1cm) + (25cm ± 1, 5cm) = (10 + 25)cm ± (1 + 1, 5)cm =
35cm ± 2, 5cm¤
2) Produto de números aproximados

Considere a função f (x, y) = xy
Vamos estimar os erros absoluto e relativo.
fx0 = y =⇒ |fx0 | = |y|

fy0 = x =⇒ |fy0 | = |x|
De | 4 f | ≤ |fx0 | · |4x| + |fy0 | · |4y| =⇒ | 4 f | ≤ |y| · |4x| + |x| · |4y|
|4f | |y| · |4x| + |x| · |4y| |4x| |4y|
Rf = ≤ = + = Rx + Ry =⇒ Rf ≤ Rx + Ry
|f | |xy| |x| |y|
Onde:
Rf − é o erro relativo de f ;
Rx − é o erro relativo de x;
Ry − é o erro relativo de y ;
Exemplo 1.3.2. Determine a área de um rectângulo de lados x = 4cm ± 0, 5cm e

y = 5cm ± 0, 3cm
Resolução
4Area ≤ |y| · |4x| + |x| · |4y| = (5cm + 0, 3cm) · 0, 5 + (4cm + 0, 5cm) · 0, 3cm = 4, 0
Area = Area ± 4Area = (4cm · 5cm) ± 3, 38 = 20 ± 4¤
3) Divisão de números aproximados

x
Considere a função f (x, y) =
y
¯ ¯
1 ¯1¯ 1
fx = =⇒ |fx | = ¯¯ ¯¯ =
0 0
y y¯ |y|
¯
¯ x¯
fy = − x2 =⇒ |fy | = ¯− y2 ¯ = |y|x|2 |
0 y 0
1 |x|
De | 4 f | ≤ |fx0 | · |4x| + |fy0 | · |4y| =⇒ | 4 f | ≤ |y|
· |4x| + |y 2 |
· |4y|
1 |x|
|4f | |y|
· |4x| + |y 2 |
· |4y| |4x| |4y|
Rf = ≤ = + = Rx + Ry =⇒ Rf ≤ Rx + Ry
|f | | xy | |x| |y|
4) Raiz n-ésima de um número √ aproximado

Considere a função f (x) = x, n ∈ N
n

√ ¯√ ¯ √
1 n
x ¯ n x ¯ | n x|
0
fx = √ = =⇒ |fx | = ¯¯
0 ¯=
n
n xn−1 nx nx ¯√ n|x|
n
De | 4 f | ≤ |fx0 | · |4x| =⇒ | 4 f | ≤ |n|x|x| · |4x|
√
| n x|
|4f | n|x| |4x| Rx Rx
Rf = ≤ √ · 4x = = =⇒ Rf ≤
|f | | x|
n
n|x| n n
√
Exemplo 1.3.3. Estime o erro relativo e o valor de 3
4 ± 0, 05
Resolução
√ Rx 0, 05
Se f (x) = n x =⇒ Rf ≤ , então Rf ≤ = 0, 02
n 3√
√ | n x|
Já sabemos que se f (x) = n x =⇒ | 4 f | ≤ · |4x|, x ∈ [3, 95; 4, 05]
√
n|x|
n
Avaliemos |n|x|x| · |4x| no intervalo [3, 95; 4, 05]
√ √
| 3 x| | 3 4, 05|
· |4x| = · 0, 05 = 0.0066
n|x| 3 · |4, 05|
√ √
| 3 x| | 3 3, 95|
· |4x| = · 0, 05 = 0, 0067
n|x| 3 · |3, 95|
√
3
√
3
f (x) = x ± 4f = 4 ± 4f = 1, 5874 ± 0, 0067¤
Aula Prática 02
Capítulo 1: Cálculo com Números Aproximados.
Exercícios: 4a)d); 5); 8a)e); 10); 13).
Capítulo 2
Interpolação

- Interpolação;
- Interpolação Polinomial e Derencas finitas;
. .
Introdução
Considere a função tabelada abaixo:
i 0 1 2 ... n
x x0 x1 x2 ... xn
f f0 f1 f2 ... fn
Definição 2.0.1 (Função interpolador).

Se F (x) é uma função tal que f (xi ) = F (xi ), i = 1, 2, 3, ..., n, e se f (x) pode ser substituida
por F (x) num certo intervalo, então F (x) é chamada função interpoladora da função f (x)
nesse intervalo.
Se a função F (x) for um polinómio, a interpolação tem o nome de interpolação polinomial.
Se as funções bases de F (x) são senos e cossenos ao invés de monómios, então a interpolação
recebe o nome de interpolação trigonométrica.
Além de interpolação polinomial e trigonométrica, existem várias outras interpolações. Mas

a aproximação de funções por polinómios é uma das mais antigas no Cálculo Numérico, e ainda
uma das mais usadas pois os polinómios são facilmente computáveis devido as suas propriedades:
a) A adição, subtração e multiplicação de polinómios é um polinómio;

b) A derivação e a integração de um polinómio é um polinómio;
Além destas propriedades, o valor e as raizes de um polinómio podem ser encontradas com
relativa facilidade.
A interpolação polinomial tem como base matemática o teorema de Weierstrass1 :
1
Karl Theodor Wilhelm Weierstrass (1815–1897) — matemático alemão
11
Capítulo 2. Interpolação 12
Teorema 2.0.1 (Weierstrass).

Toda função f (x) continua num intervalo fechado [a; b] pode ser aproximada nesse intervalo
tanto quanto se quer por um polinómio, isto é, ∀ε > 0, ∃p(x) : |f (x) − p(x)| < ε, x ∈ [a; b].
2.1 Interpolação Polinomial

Considere a função tabelada abaixo:
i 0 1 2 ... n
x x0 x1 x2 ... xn
f f0 f1 f2 ... fn
Considere para i = 0, 1, ..., n − 1, n os seguintes polinómios de grau n:
(x − x0 )(x − x1 )(x − x2 )...(x − xi−1 )(x − xi+1 )...(x − xn )

li (x) =
(xi − x0 )(xi − x1 )(xi − x2 )...(xi − xi−1 )(xi − xi+1 )...(xi − xn )
É fácil verificar que:
½
0 se i 6= j
li (xj ) =
1 se i = j
Deste modo, a fórmula de interpolação de Lagrange2 é dada por:
(x − x1 )(x − x2 )(x − x3 )...(x − xi−1 )(x − xi )...(x − xn )

Pn (x) = · f0 +
(x0 − x1 )(x0 − x2 )(x0 − x3 )...(x0 − xi−1 )(x0 − xi )...(x0 − xn )

· f1 +

· f2 +
X n
(x − x0 )(x − x1 )(x − x2 )...(x − xi−1 )(x − xi )...(x − xn−1 )
... + · fn + Rn P (x) = li (x) ·
(xn − x0 )(xn − x1 )(xn − x2 )...(xn − xi−1 )(xn − xi )...(xn − xn−1 ) i=0
Xn
fi + Rn P (x) ⇐⇒ Pn (x) = li (x) · fi + Rn P (x)
i=0
O erro da aproximação pela fórmula de Lagrange é dado por:
|Rn P (x)| = |f (x) − Pn x| onde f (x) e suas derivadas são continuas em [a; b]
1 £ ¤
|Rn P (x)| ≤ [maxa≤x≤b |(x − x0 )(x − x1 )(x − x2 )...(x − xi )|] maxa≤x≤b |f n+1 (x)| .
(n + 1)!
Exemplo 2.1.1. Considere a função
x −1 1 2
f 1 −1 5
2
Joseph Louis de Lagrange (1736–1813) — matemático francês
a) Determine o polinómio interpolação usando a fórmula de Lagrange; b) Calcule uma aproxi-

mação para f (0) e f (1, 5), usando a alínea a).
Resolução
a) Determinemos os polinómios li (x), i = 0, 1, 2
(x − x1 )(x − x2 ) (x − 1)(x − 2) 1
l0 (x) = = = (x2 − 3x + 2)
(x0 − x1 )(x0 − x2 ) (−1 − 1)(−1 − 2) 6
(x − x0 )(x − x2 ) (x + 1)(x − 2) 1 2
l1 (x) = = = − (x − x − 2)
(x1 − x0 )(x1 − x2 ) (1 + 1)(1 − 2) 2
(x − x0 )(x − x1 ) (x + 1)(x − 1) 1 2
l2 (x) = = = (x − 1)
(x2 − x0 )(x2 − x1 ) (2 + 1)(2 − 1) 3
2
X
Usando afórmula P2 (x) = li (x) · fi = l0 (x)f0 + l1 (x)f1 + l2 (x)f2 temos:
i=0
1 1 1 x2 + 3x2 + 10x2 − 3x − 3x + 2 − 6 − 10
P2 (x) = (x2 −3x+2)·1− (x2 −x−2)·(−1)+ (x2 −1)·5 = =
6 2 3 6
2
14x − 6x − 14
6
14x2 − 6x − 14
f (x) ' Pn (x) =
6
2
14 · 0 − 6 · 0 − 14 7
b) f (0) ' p(0) = =−
6 3
14 · (1.5)2 − 6 · 1.5 − 14 42 18 14 21 − 18 − 28 25
f (1.5) ' p(1.5) = = − − = =− ¤
6 24 12 6 12 12
2.2 Diferênças Finitas

Considere a função tabelada
x x0 x1 x2 ... xn
f f0 f1 f2 ... fn
em que os xi são igualmente espaçados, isto é, formam uma progressão aritmética. Então,
temos que
xi = x0 + i · h, (i = 1, 2, 3, ..., n)
onde h é uma constante que se designa razão da progressão.
Definição 2.2.1 (Diferênças finitas).

Considere a função tabela f (x) acima, com os xi igualmente espaçados.
Chama-se primeira diferênça de f (x) no ponto xi e designa-se por 4fi à grandeza:
4fi = fi+1 − fi
A segunda diferênça de f (x) no ponto xi é a primeira diferênça da primeira diferênça e

designa-se por:
42 fi = 4(4fi ) = 4(fi+1 − fi ) = fi+2 − fi+1 − (fi+1 − fi ) = fi+2 − 2fi+1 + fi

De modo análogo, calcula-se a terceira e a n-ésima diferênça de f (x) no ponto xi :
43 fi = 4(42 fi ) = fi+3 − 2fi+2 + fi+1 − (fi+2 − 2fi+1 + fi ) = fi+3 − 3fi+2 + 3fi+1 − fi

..
. n
X n!
n n−1
4 fi = 4(4 fi ) = (−1)k fi+n−k .
k=0
k!(n − k)!
1) Diferênças e caminhos descendentes

Considere que a função tabelada f (x) é dada para o conjunto de pontos
xi = ..., x−3 , x−2 , x−1 , x0 , x1 , x2 , x3 , ...., onde os números ..., −3, −2, −1, 0, 1, 2, 3, ... são
índices.
Deste modo, podemos apresentar as diferênças na tabela abaixo:
x f 4f 42 f 43 f 44 f ...
.. .. .. .. .. ..
. . . . . . ...
x−3 f−3
4f−3
x−2 f−2 42 f−3
4f−2 43 f−3
x−1 f−1 42 f−2 44 f−3
3
4f−1 4 f−2
2
x0 f0 4 f−1 44 f−2 ...
3
4f0 4 f−1
x1 f1 42 f0 44 f−1
4f1 43 f0
2
x2 f2 4 f1
4f2
x3 f3
.. .. .. .. .. ..
. . . . . . ...
Mantendo um índice constante na tabela das diferênças acima, por exemplo, tomando
i = −2 temos um caminho designado caminho descendente do ponto x−2 .
2) Diferênças e caminhos ascendentes

Outra forma de apresentar as diferênças é a seguinte:
∇fi = fi − fi−1
∇2 fi = ∇(∇fi ) = ∇(fi − fi−1 ) = fi − fi−1 − (fi−1 − fi−2 ) = fi − 2fi−1 + fi−2
∇3 fi = ∇(∇2 fi ) = ∇(fi − 2fi−1 + fi−2 ) = fi − 2fi−1 + fi−2 − (fi−1 − 2fi−2 + fi−3 ) =
fi − 3fi−1 + 3fi−2 − fi−3
..
. n
X n!
n n−1
∇ fi = ∇(∇ fi ) = (−1)k fi−k .
k=0
k!(n − k)!
Assim, para este caso temos as diferênças apresentadas na tabela abaixo:
x f ∇f ∇2 f ∇3 f ∇4 f ...
.. .. .. .. .. ..
. . . . . . ...
x−3 f−3
∇f−2
x−2 f−2 ∇2 f−1
∇f−1 ∇3 f0
x−1 f−1 ∇2 f 0 ∇4 f 1
∇f0 ∇3 f1
2
x0 f0 ∇ f1 ∇4 f 2 ...
3
∇f1 ∇ f2
x1 f1 ∇2 f 2 ∇4 f 3
∇f2 ∇3 f3
x2 f2 ∇2 f 3
∇f3
x3 f3
.. .. .. .. .. ..
. . . . . . ...
Mantendo um índice constante na tabela das diferênças acima, por exemplo, tomando i = 1
temos um caminho designado caminho ascendente do ponto x1 .
Exemplo 2.2.1. Seja dada a função tabelada.
x 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4

f −5 3 −10 3 6 0 4 −2
a) Calcule as diferencas finitas;

b) Determine o caminho descendente do ponto x = 1, 2;
c) Determine o caminho ascendente do caminho x = 2, 2.
Resolução
a) Calculemos as diferêncas finitas e apresentemos numa tabela:
x f 4f 42 f 43 f 44 f 45 f 46 f 47 f
1.0 −5
8
1.2 3 −21
−13 47
1.4 −10 26 −83
13 −36 120
1.6 3 −10 37 −139
3 1 −19 101
1.8 6 −9 18 −38
−6 19 −57
2.0 0 10 −39
4 −20
2.2 4 −10
−6
2.4 −2
b)c) Os numeros sublinhados constituem os elementos do caminhos descendente e ascendante
respectivamente.
Capítulo 2: Interpolação
-Fórmula de Interpolação de Lagrange
Exercícios: 1); 2); 3(i); 5); 7a) 11.

2.3 Fórmulas de interpolação de Newton
1) Fórmulas de Newton Descendente (ND)

Se usarmos as diferenças finitas descendentes obtemos a fórmula de interpolação de New-
ton Descendente:
4fN D 42 fN D
f (x) = fN D +(x−xN D ) +(x−xN D )(x−xN D+1 ) 2 +(x−xN D )(x−xN D+1 )(x−
h · 1! h · 2!
43 fDN
xN D+2 ) + ... + Rn f (x), (2.3.1)
h3 · 3!
Onde:
1. f (x)−Função interpoladora, que se pretende determinar, da função tabelada dada;
2. 4fN D , 42 fN D , 43 fN D , ... são as diferenças do caminho descendentedo ponto xN D ;
3. xN D chama-se marca da interpolação e é determinada com a seguinte regra:
xN D −é escolhido entre os xi e é o máximo inferior a x.
4. h é uma constante dada por h = xi − xi−1 :
5. Os xN D+1 , xN D+2 , xN D+3 , ... são os pontos sucessivos de xN D .
Na prática não se usa directamente a fórmula (1), mas introduz-se a grandeza θ que
se calcula pela fórmula:
x − xN D
θ= . Deste modo,
h
x − xN D = θh
x − xN D+1 = (θ − 1)h
x − xN D+2 = (θ − 2)h
x − xN D+3 = (θ − 3)h
..
.
x − xN D+K = (θ − K)h, K = 0, 1, 2, 3, ...
Substituindo estes valores na fórmula (2.3.1) temos a seguinte fórmula:
4fN D 42 fN D 43 fDN
f (x) = f (xN D + θh) = fN D + θ + θ(θ − 1) + θ(θ − 1)(θ − 2) +
1! 2! 3!
... + Rn f (x), (2.3.2)
Os coeficientes do polinómio (2.3.2) podem ser calculados da seguinte forma:
N1 = θ
θ(θ − 1) (θ − 1)
N2 = = N1
2 2
θ(θ − 1)(θ − 2) θ(θ − 1) (θ − 2) (θ − 2)
N3 = = · = N2
6 2 3 3
θ(θ − 1)(θ − 2)(θ − 3) (θ − 3)
N4 = = N3
24 4
θ(θ − 1)(θ − 2)(θ − 3)(θ − 4) (θ − 4)
N5 = = N4
120 5
..
.
(θ − (k − 1))
Nk = Nk−1 , K = 2, 3, 4, ...
k
Deste modo, a fórmula (2.3.2) toma a forma:
f (x) = f (xN D + 4h) = fN D + N1 4fN D + N2 42 fN D + N3 43 fN D + ... + Rn f (x), (2.3.3)
2) Fórmulas de Newton Ascendente (NA)

Se usarmos as diferenças finitas ascendentes obtemos a fórmula de interpolação de New-
ton Ascendente:
∇fN A ∇2 f N A
f (x) = fN A + (x − xN A ) + (x − xN A )(x − xN D−1 ) 2 + (x − xN A )(x − xN A−1 )(x −
h · 1! h · 2!
∇3 fN A
xN A−2 ) + ... + Rn f (x), (2.4.1)
h3 · 3!
Onde:
1. f (x)−Função interpoladora, que se pretende determinar, da função tabelada dada;
2. ∇fN A , ∇2 fN A , ∇3 fN A , ... são as diferenças do caminho ascendentedo do ponto xN A ;
3. xN A chama-se marca da interpolação e é determinada com a seguinte regra:
xN A −é escolhido entre os xi e é o mínimo superior a x.
4. h é uma constante dada por h = xi − xi−1 :
5. Os xN A−1 , xN A−2 , xN A−3 , ... são os pontos precedentes de xN A .
Introduzindo a grandeza θ , na expressão (2.4.1), que se calcula pela fórmula,

x − xN D
θ= temos:
h
x − xN A = θh
x − xN A−1 = (θ + 1)h
x − xN A−2 = (θ + 2)h
x − xN A−3 = (θ + 3)h
..
.
x − xN A−k = (θ + k)h, K = 0, 1, 2, ...
Substituindo estes valores na fórmula (2.4.1) temos a seguinte fórmula:
∇fN A ∇2 fN A ∇3 f N A
f (x) = f (xN A + θh) = fN A + θ + θ(θ + 1) + θ(θ + 1)(θ + 2) +
1! 2! 3!
... + Rn f (x), (2.4.2)
Os coeficientes do polinómio (2.4.2) podem ser calculados da seguinte forma:
N1 = θ
θ(θ + 1) (θ + 1)
N2 = = N1
2 2
θ(θ + 1)(θ + 2) θ(θ + 1) (θ + 1) (θ + 2)
N3 = = · = N2
6 2 3 3
θ(θ + 1)(θ + 2)(θ + 3) (θ + 3)
N4 = = N3
24 4
θ(θ + 1)(θ + 2)(θ + 3)(θ + 4) (θ + 4)
N5 = = N4
120 5
..
.
(θ + (k − 1))
Nk = Nk−1 , K = 2, 3, 4, ...
k
Assim, a fórmula (2.3.2) toma a fórma:
f (x) = f (xN A + θh) = fN A + N1 ∇fN A + N2 ∇2 fN A + N3 ∇3 fN A + ... + Rn f (x), (2.4.3)
Exemplo 2.3.1. Seja dada a função tabelada.
x 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4

f −5 3 −10 3 6 0 4 −2
Calculando as diferencas até as quintas ordens, determine f (2, 15) usando a fórmula
de Newton Ascendente (NA).
Resolução
Calculemos as diferêncas finitas e apresentemos numa tabela:
x f 4f 42 f 43 f 44 f 45 f
1.0 −5
8
1.2 3 −21
−13 47
1.4 −10 26 −83
13 −36 120
1.6 3 −10 37
3 1 −19
1.8 6 −9 18
−6 19 −57
2.0 0 10 −39
4 −20
2.2 4 −10
−6
2.4 −2
Atendendo que precisaremos de determinar f (2.15) na alínea b), vamos considerar a
marca de interpolação que é xN A = 2, 2 e definimos o caminho ascendente.
f (x) = f (xN A + θh) = fN A + N1 ∇fN A + N2 ∇2 fN A + N3 ∇3 fN A + ... + Rn f (x), (2.4.3)

temos que:
f (2.15) = 4+(−0, 25)·4+(−0, 0938)·10+(−0, 0547)·19+(−0, 376)·18+(−0, 0282)·(−19) =

0, 8817¤

Aula Prática 04
Capítulo 2: Interpolação.
-Fórmulas de Interpolação de Newton
Exercícios: 1); 2); 3); 4).

Capítulo 3
Derivação e Integração Numérica

- Derivação e Integração Numérica;
- Fórmula de integração dos Trapézios e de Simpson;
. .
3.1 Introdução
Considere a função f tabela:
x x0 x1 x2 ... xn
f f0 f1 f2 ... fn
Derivar (integrar) a função tabelada f num intervalo [a; b] é derivar (integrar) o polinômio
Pn (x) que aproxima f (x) no intervalo dado.
Deste modo, para derivar numericamente a função tabelada f podemos usar as fórmulas de
Newton (ND e NA) ou a fórmula de Lagrange.
A derivação e a integração numéricas podem ser feitas para uma função tabelada ou analítica.
Mas no caso de uma função analítica é mais interessante quando esta função é de difícil inte-
gração ou de integração praticamente impossível.
3.2 Derivação Numérica

1) Quando os xi da função são arbitrários:
Calculamos o polinómio de interpolação de Lagrange e derivamo-lo.
2) Quando os xi da função são igualmente espaçados:

Calculamos o polinómio de interpolação de Newton (NA ou ND) ou de Lagrange e
derivamo-lo.
Exemplo 3.2.1. Considere a função
20
Capítulo 3. Derivação e Integração Numérica 21
x −1 1 2
f 1 −1 5
Determine o f 0 (1, 5)
Resolução
Como os xi não são igualmente espacdos vomos usar o polinômio de Lagrange. Determinemos
os polinómios li (x), i = 0, 1, 2
(x − x1 )(x − x2 ) (x − 1)(x − 2) 1
l0 (x) = = = (x2 − 3x + 2)
(x0 − x1 )(x0 − x2 ) (−1 − 1)(−1 − 2) 6
(x − x0 )(x − x2 ) (x + 1)(x − 2) 1 2
l1 (x) = = = − (x − x − 2)
(x1 − x0 )(x1 − x2 ) (1 + 1)(1 − 2) 2
(x − x0 )(x − x1 ) (x + 1)(x − 1) 1
l2 (x) = = = (x2 − 1)
(x2 − x0 )(x2 − x1 ) (2 + 1)(2 − 1) 3
2
X
Usando afórmula P2 (x) = li (x) · fi = l0 (x)f0 + l1 (x)f1 + l2 (x)f2 temos:
i=0
1 1 1 x2 + 3x2 + 10x2 − 3x − 3x + 2 − 6 − 10
P2 (x) = (x2 −3x+2)·1− (x2 −x−2)·(−1)+ (x2 −1)·5 = =
6 2 3 6
14x2 − 6x − 14
6
14x2 − 6x − 14 0 14x − 3
f (x) ' P2 (x) = =⇒ P2 (x) =
6 3
14 · 1, 5 − 3
f 0 (1, 5) ' p0 (1, 5) = = 18¤
3
3.3 Integração Numérica

Além de determinar o polinômio de interpolação e depois integrá-lo, consideremos a fórmula
de interpolação de Newton Descendente (ND), onde os xi são igualmente espaçados. Vamos
utilizar os primeiros termos desta fórmula para obter as fórmulas de integração
1) Fórmula de integração dos Trapézios.

Suponhamos que a função f (x) é integrável em cada sub intervalo
[xi ; xi+1 ], i = 0, 1, 2, ..., n − 1. Tomando dois primeiros termos do polinômio de interpo-
lação de Newton Descendente(ND) temos:
f (x) = f (x0 + θh) ≈ f0 + θ4f0

Vamos
Z x1 calcularZoxintegral de f (x) no
Z xintervalo [x0 ; x1 ]
1 1
f (x)dx = f (x0 + θh)dx ≈ (f0 + θ4f0 )dx

x0 x0 x0
x = x0 + θh =⇒ dx = hdθ
quando x = x1 =⇒ θ = 1 poís x1 − x0Ã= h !¯
Z x1 Z 1 ¯1 µ ¶
¯ θ 2 ¯1 4f
(f0 + θ4f0 )hdθ = h f0 θ¯¯ + 4f0 ¯ = h f0 + 0
f (x)dx =
x0 0 0 2 ¯0 2
Mas como 4f0 = f1 − f0 temos
Z x1 µ ¶
f1 − f0 h
f (x)dx = h f0 + = (f0 + f1 )
x0 2 2
Deste modo, em Z x1cada intervalo [x0 ; x1 ], [x1 ; x2 ], [x2 ; x3 ], ..., [xn−1 ; xn ] temos os seguintes
resultados de f (x)dx:
x0
Z x1
h
f (x)dx = (f0 + f1 ), x ∈ [x0 ; x1 ];
Zx0x2 2
h
f (x)dx = (f1 + f2 ), x ∈ [x1 ; x2 ];
Z x3
x 1
2
h
f (x)dx = (f2 + f3 ), x ∈ [x2 ; x3 ];
x2 2
..
.Z xn
h
f (x)dx = (fn−1 + fn ) se x ∈ [xn−1 ; xn ].
xn−1 2
A partir da Aditividade de integrais temos a Fórmula dos Trapézios:
Z xn
h
IT rap = f (x)dx = [f0 + fn + 2(f1 + f2 + f3 + ... + fn−2 + fn−1 )]
x0 2
A estimativa do erro relativo cometido no uso da Fórmula dos Trapézios é dado por:
h2 00
Rn ≤ (xn − x0 )maxx0 ≤x≤xn |f (x)|
12
2) Fórmula de integração de Simpson.

Suponhamos que a função tabelada é determinada nos pontos 2n + 1 pontos, isto é,
x0 , x1 , x2 , ..., xn , xn+1 , xn+2 , ..., x2n−2 , x2n−1 , x2n .
Utilizando os primeiros 3 termos do polinômio de interpolação de Newton Descendente

(ND) temos:
f (x) = f (x0 + θh) ≈ f0 + θ4f0 + θ(θ−1)

2
42 f0
Vamos
Z calcularZo integral de f (x) no
Z intervalo
· [x0 ; x2 ] ¸
x2 x2 x2
θ(θ − 1) 2
f (x)dx = f (x0 + θh)dx ≈ f0 + θ4f0 + 4 f0 dx
x0 x0 x0 2
x = x0 + θh =⇒ dx = hdθ
quando x = x0 =⇒ θ = 0
quando
Z x2 x = x1Z=⇒ ·θ = 2 poís x2 − x0 = 2h ¸
x2
θ(θ − 1) 2 h
f (x)dx = f0 + θ4f0 + 4 f0 hdθ = (f0 + 4f1 + f2 )
x0 x0 2 3
Mas como 4f0 = f1 − f0 e 42 f0 = f2 − 2f1 + f0 temos
Deste modo, em
Z cada intervalo [x0 ; x2 ], [x2 ; x4 ], [x4 ; x6 ], ..., [x2n−2 ; x2n ] temos os seguintes
x1
resultados de f (x)dx:
x0
Z x2
h
f (x)dx = (f0 + 4f1 + f2 ), x ∈ [x0 ; x2 ];
Zx0x4 3
h
f (x)dx = (f2 + 4f3 + f4 ), x ∈ [x2 ; x4 ];
x2 3
Z x6
h
f (x)dx = (f4 + 4f5 + f6 ), x ∈ [x4 ; x6 ];
x4 3
..
.Z x2n
h
f (x)dx = (f2n−2 + 4f2n−1 + f2n ) se x ∈ [xn−2 ; x2 n].
x2n−2 3
A partir da Aditividade de integrais temos a Fórmula de Simpson:
Z x2n
h
ISimp = f (x)dx = [f0 + f2n + 4(f1 + f3 + f5 + ... + f2n−1 ) + 2(f2 + f4 + f6 + ... + f2n−2 )]
x0 3
A estimativa do erro relativo cometido no uso da Fórmula de Simpson é dado por:
h4
Rn ≤ (x2n − x0 )maxx0 ≤x≤x2n |f (4) (x)|
180
3.4 Integração numérica de funções analíticas

Consideremos que f é uma função dada pela expressão analítica f (x) e continua no intervalo
[a; b].
Para integrar esta função podemos utilizar as fórmulas de integração dos Trapézios e de Simpson
bastando dividir o intervalo [a; b] num número adequado de divisões e usar o seguinte algoritmo:
1) Escolher o número inteiro de divisões N , em que deve ser par se quiser usar a fórmula de
Simpson.
b−a
2) Calcular o valor de h pela fórmula h = .
N
3) Calcular os valores de xi e de f (xi ) pelas fórmulas:
x0 = a; xi = x0 + i · h; i = 1, 2, 3, ..., N ; fi = f (xi ).
construir a função tabelada;
4) Escolher a fórmula a usar (Trapézios ou Simpson).
Notas:
1) Para obter uma precisão adequadaé preciso escolher o número de divisões (N ) relativa-
mente grande;
2) Se N for pequeno a fórmula de Simpson é mais exacta em relação a dos Trapézios.
Exemplo 3.4.1. Usando as fórmulas dos Trapézios e de Simpson, calcule o integral

Z 2
sin(x)
1 x
Resolução
1) Vamos escolher o N par porque iremos usar as duas fórmulas, dos Trapézios e de Simpson.
consideremos N = 10
b−a 2−1
2) h = = = 0, 1
N 10
sin 1
3) x0 = 1 =⇒ f (x0 ) = f (1) = = 0, 84147 xi = x0 + 0, 1 · i
1
x1 = x0 + 1 · 0, 1 = 1 + 0, 1 = 1, 1 =⇒ f (x0 ) = f (1, 2) = sin1,11,1 = 0, 81019
x2 = x0 + 2 · 0, 1 = 1 + 0, 2 = 1, 2 =⇒ f (x0 ) = f (1) = sin1,21,2 = 0, 77670
..
.
Apresentamos os resultados na tabela abaixo:
sin x
i x (radianos)
x
0 1
1 1, 1
2 1, 2
3 1, 3
4 1, 4
5 1, 5
6 1, 6
7 1, 7
8 1, 8
9 1, 9
10 2, 0
Capítulo 4
Resolução de Sistemas de Equações

Algébricas
4.1 Métodos Exactos
4.2 Métodos Iterativos
25
Capítulo 5
Resolução de Equação não Linear f (x) = 0
5.1 Introdução
5.2 Localização das Raizes
26
Capítulo 6
Equação Diferencial Ordinária
6.1 Introdução
6.2 Métodos Numéricos
27
Capítulo 7
Valores e Vectores Próprios
7.1 Introdução
7.2 Métodos Directos

Definição 7.3.1 (função).
28

CalculoNumerico PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CalculoNumerico PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Conteúdo

1 Cálculo com Números Aproximados 4

3 Derivação e Integração Numérica 20

4 Resolução de Sistemas de Equações Algébricas 25

5 Resolução de Equação não Linear f (x) = 0 26

6 Equação Diferencial Ordinária 27

7 Valores e Vectores Próprios 28

7.3 Métodos Iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Cálculo com Números Aproximados

Aula teórica: 01 13.02.2012

1.1 Introdução aos Erros

O que é um erro e como evitá-lo?

Definição 1.1.1 (Erro).

1.2 Tipo de Erros

Definição 1.2.1 (Erro absoluto).

Cálculo do limite superior:

Exemplo 1.2.2. Calcule o erro absoluto que µ se comete

Cálculo do limite superior:

2) Representação de um número aproximado

Definição 1.2.2 (Erro relativo).

4) Erro relativo máximo

Definição 1.2.3 (Erro relativo máximo).

5) Significado do erro relativo

6) Comparação de exactidão de dois valores aproximados

Definição 1.2.4. Diz-se que o número aproximado A é mais exacto em relação ao

Exemplo 1.2.4. Considere os números e = 2, 718 ± 0, 0003 e π = 3, 14 ± 0, 002. Qual

Neste caso, o número e é mais exacto em relação ao número π¤.

Fim da aula Teórica: 01

Aula teórica: 02 20.02.2012

1.3 Fórmula Fundamental dos Erros

onde fx0 i , i = 1, 2, 3, ..., n é derivada parcial em relação a xi .

1) Adição de números aproximados

Exemplo 1.3.1. Considere os três pontos consecutivos A, B e C na recta. Determine a

2) Produto de números aproximados

fx0 = y =⇒ |fx0 | = |y|

Exemplo 1.3.2. Determine a área de um rectângulo de lados x = 4cm ± 0, 5cm e

3) Divisão de números aproximados

4) Raiz n-ésima de um número √ aproximado

Vamos estimar os erros absoluto e relativo.

Fim da aula Teórica: 02

Aula teórica: 03 27.02.2012

Definição 2.0.1 (Função interpolador).

Além de interpolação polinomial e trigonométrica, existem várias outras interpolações. Mas

a) A adição, subtração e multiplicação de polinómios é um polinómio;

Teorema 2.0.1 (Weierstrass).

2.1 Interpolação Polinomial

(x − x0 )(x − x1 )(x − x2 )...(x − xi−1 )(x − xi+1 )...(x − xn )

(x − x1 )(x − x2 )(x − x3 )...(x − xi−1 )(x − xi )...(x − xn )

(x − x0 )(x − x2 )(x − x3 )...(x − xi−1 )(x − xi )...(x − xn )

(x − x0 )(x − x1 )(x − x2 )...(x − xi−1 )(x − xi )...(x − xn )

O erro da aproximação pela fórmula de Lagrange é dado por:

Exemplo 2.1.1. Considere a função

a) Determine o polinómio interpolação usando a fórmula de Lagrange; b) Calcule uma aproxi-

2.2 Diferênças Finitas

Definição 2.2.1 (Diferênças finitas).

A segunda diferênça de f (x) no ponto xi é a primeira diferênça da primeira diferênça e

42 fi = 4(4fi ) = 4(fi+1 − fi ) = fi+2 − fi+1 − (fi+1 − fi ) = fi+2 − 2fi+1 + fi

De modo análogo, calcula-se a terceira e a n-ésima diferênça de f (x) no ponto xi :

43 fi = 4(42 fi ) = fi+3 − 2fi+2 + fi+1 − (fi+2 − 2fi+1 + fi ) = fi+3 − 3fi+2 + 3fi+1 − fi

1) Diferênças e caminhos descendentes

Deste modo, podemos apresentar as diferênças na tabela abaixo:

2) Diferênças e caminhos ascendentes

Exemplo 2.2.1. Seja dada a função tabelada.