Você está na página 1de 3

UFMT – ICET – MATEMÁTICA – Cálculo Numérico Prof. Geraldo L.

Diniz

Integração numérica 4.2 – método dos trapézios:


⎡ f ( x i −1 ) + f ( x i ) ⎤
b n n

1 - Métodos para calcular integrais definidas: ∫ f ( x)dx = ∑ Ti = ∑ hi ⎢


⎣ 2 ⎥,

onde hi = x i − x i −1
− analítico; a i =1 i =1

− mecânico;
− gráfico;
− numérico.

b
2 – Método numérico: IMN ≈

a
f ( x)dx

Utiliza a combinação linear dos valores da função f em certos


pontos xj a ≤ x j ≤ b , denominados nós e valores apropriados ωj
denominados pesos.
se tomarmos h constante, teremos:
3 – Fórmula de Newton-Cotes: b n

∑T
h
b
∫ f ( x)dx ≅ = [ f ( x0 ) + 2 f ( x1 ) + " + 2 f ( x n − 1 ) + f ( x n ) ]
∫ f ( x ) d x = ω 0 f ( x 0 ) + ω 1 f ( x1 ) + " + ω n f ( x n )
i
a i =1 2
a
b−a 2 b−a
A determinação de ωj e a escolha dos nós podem ser feitas Estimativa do erro: εI ≤ h M 2 onde h = e M 2 = max f ′′(ζ )
T
12 n a ≤ζ ≤ b
conforme a classe dos métodos, que podem ser:
− fixas: as escolhas de xj independe do comportamento da função;
− adaptativas: a distribuição de xj depende da função. 4.3 – método de Simpson.
b
h
4 – Métodos por interpolação: ∫ f ( x ) dx ≅ 3 [ f ( x 0 ) + 4 f ( x1 ) + 2 f ( x 2 ) + " + 2 f ( x n − 2 ) + 4 f ( x n −1 ) + f ( x n ) ]
4.1 – método dos retângulos: a

b n n

∫ f ( x)dx ≅ ∑i =1
Ri = ∑
i =1
hi f ( x i ) onde hi = x i − x i −1
a

n ⎛ h5 ⎞ b−a 4 b−a
Erro: ε I ≤ ⎜ M4 ⎟ = h M4 ; h = e M 4 = max f (ζ )
iv
S
2 ⎝ 90 ⎠ 180 n a ≤ ζ ≤ b

- 01 - - 02 -
UFMT – ICET – MATEMÁTICA – Cálculo Numérico Prof. Geraldo L. Diniz

5 – Quadratura gaussiana: Daí, obtemos o seguinte sistema não linear, com 4 equações e 4
A fórmula de Newton-Cotes, em geral, aproxima f(x) por incógnitas:
polinômios que interpolam f(x) em x0, x1, ... , xn. Deste modo, ela será 1

exata para polinômios de grau ≤ n. Por exemplo, na regra de Simpson 2=


∫ −1
1dt = A0 f (t0 ) + A1 f (t1 ) = A0 + A1
o polinômio interpolador tem grau 2, logo a integral será exata para 1
polinômios de grau 2.
Na quadratura gaussiana usamos fórmula do mesmo tipo, ou
0=
∫ −1
tdt = A0 f (t0 ) + A1 f (t1 ) = A0t0 + A1t1
1
seja,
b
2/3 =
∫−1
t 2 dt = A0 f (t0 ) + A1 f (t1 ) = A0t02 + A1t12

∫ f ( x)dx = A f ( x ) + A f ( x ) + " + A f ( x )
1
(1.1)
a
0 0 1 1 n n 0=

−1
t 3 dt = A0 f (t0 ) + A1 f (t1 ) = A0t03 + A1t13
onde x0, x1, ... , xn são n+1 pontos distintos de [a, b] para os quais os
valores de Ai e xi são obtidos de maneira que a integral seja exata para ⎧ A0 + A1 = 2
polinômios de grau ≤ 2n + 1. ⎪
Neste método a diferença está na obtenção dos nós {x0,x1,..., xn}, ⎪⎪ A0t0 + A1t1 = 0
que nos outros métodos, em geral, eram escolhidos igualmente ou seja, ⎨ 2 2 (1.2)
espaçados, prefixados em [a, b]. ⎪ A0t0 + A1t12 =
3
A condição da equação (1.1) ser exata para polinômios de grau ≤ ⎪ 3
2n + 1, nos leva a um sistema não-linear de equações algébricas, cuja ⎪⎩ A0t0 + A1t13 = 0
solução nos fornece os valores dos pesos Ai e de xi.
Resolvendo o sistema (1.2), teremos: t = − 3 3
Exemplo: Construir a fórmula para quadratura gaussiana com n =1, ou 0 ; t1 = ; A0 = 1 = A1
3 3
b

seja, obter x0, x1, A0 e A1, tais que


∫ f ( x)dx = A f ( x ) + A f ( x ) ,
a
0 0 1 1 Exercício:

seja exata para polinômios de grau ≤ 3. 5


Calcule a integral
∫2
e − x dx para n = 1 (isto é, 2 nós), usando os
Solução: métodos dos trapézios, Simpson e quadratura gaussiana. Compare os
Para simplicidade da solução vamos adotar [a, b] = [-1, 1], cuja resultados obtidos com o valor exato da integral, dado por:
generalização pode ser obtida pela seguinte mudança de variável: 5 1 1
t œ [-1, 1] ⇔ x œ [a, b],
fazemos x = [a + b + t(b-a)]/2 ⇒ dx = dt (b-a)/2.
∫ 2
e− x dx =
e2
− 5
e

Dizer que a fórmula é exata para polinômios de grau ≤ 3, A seguir, é apresentada uma tabela com os valores de ti e dos
equivale dizer que a fórmula é exata para: respectivos pesos, para alguns números de nós, previamente fixados.

f(t) = 1; f(t) = t; f(t) = t2; f(t) = t3

- 03 - - 04 -
UFMT – ICET – MATEMÁTICA – Cálculo Numérico Prof. Geraldo L. Diniz

ti Ai Exercícios de fixação:
n=1
± 0,5773502691 1,0000000000 1) Calcule as integrais a seguir por trapézios e Simpson, usando
n=2 seis subintervalos de integração. Compare os resultados obtidos.
± 0,7745966692 0,5555555555 2,5 0 2,2 sen(t)
0,0000000000 0,8888888888 a.

1
x ln xdx b.

−1,5
xe x dx c.

1 t
dt
n=3
2) Nas integrais do exercício anterior quantos subintervalos são
± 0,8611363115 0,3478548451
necessários para que o erro seja menor que 10-5, para cada um
± 0,3399810435 0,6521451548 dos métodos utilizados.
n=4 3) Considere a função f(x) dada pela tabela abaixo e calcule a
± 0,9061798454 0,2369268850 integral de f(x) sobre o intervalo [-2, 2], por Simpson para os
0,0000000000 0,5688888888 valores tabelados.
± 0,5384693101 0,4786286704 x -2 -1 0 1 2
n=5 f(x) -1 5 1 5 35
± 0,9324695142 0,1713244923
± 0,6612093864 0,3607615730
∫ (2 x )
1
3
± 0,2386191860 0,4679139345 4) Considere a integral − 3 x2 + 1 dx , calcule-a pelo
0
n=6
método dos trapézios com h = 1 e compare o resultado obtido
± 0,9491079123 0,1294849661
com o resultado analítico.
± 0,7415311855 0,2797053914
5) Para a duplicação de uma avenida, um estudo de engenharia de
± 0,4058451513 0,3818300505
transportes necessita do cálculo do número total de veículos
0,0000000000 0,4179591836
que passam por ela em um período de 24 horas. Um
n=7
engenheiro vai ao local várias vezes durante um período de 24
± 0,9602898564 0,1012285362 horas e conta o número de carros, por minuto, que passam
± 0,7966664774 0,2223810344 pela avenida. Os dados obtidos estão na tabela abaixo. Usando
± 0,5255324099 0,3137066458 o método dos trapézios, estime quantos carros passaram na
± 0,1834346424 0,3626837833 avenida no período de 9:00 às 11:30. Faça uma estimativa do
n=8 número de carros que trafegam na avenida por dia, usando a
± 0,5773502691 0,8127438836 quadratura gaussiana.
± 0,5773502691 0,1806481606 Hora Carros/min Hora Carros/min
± 0,5773502691 0,2606106964 00:00 2 12:30 15
± 0,5773502691 0,3123470770 04:00 0 16:00 9
0,0000000000 0,3302393550 06:00 5 17:00 20
fonte: Franco, N. B. (2006): Cálculo Numérico, Person Ed., São Paulo. 08:00 20 18:00 22
09:00 12 19:00 10
22n+1 ( n!)
4
10:30 5 21:00 8
Estimativa do erro: εI ≤ f ( 2n) (ξ ) , ξ ∈[a,b] 11:30 10 23:00 5
( 2n +1)( 2n!)
QG 3

- 05 - - 06 -