Escolar Documentos
Profissional Documentos
Cultura Documentos
l g
UA
T-
FC
1. Precisão Finita
l g
UA
T-
• Como são originados os erros?
1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 2
g
adoptado por um processo de tratamento numérico aproximado.
l
ricas elementares, os quais operam com um número limitado de alga-
rismos.
UA
1.1.1 Erro e erro absoluto
Definição 1.
e (xa ) = x − xa .
T-
À quantidade
|e (xa )| = |x − xa |
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 3
Definição 2.
g
1.1.2 Erro relativo e erro relativo absoluto
l
O erro absoluto fornece apenas uma medida da distância a que se encontra
a aproximação do valor exacto, o que pode não ser muito elucidativo da
UA
qualidade da aproximação. Por exemplo, para x = 100, xa = 99, temos
e(xa ) = 1. Mas obtemos omesmo erro se y = 10 e ya = 9. Todavia “algo”
nos diz que xa é melhor aproximação de x do que ya o é de y. A noção de
erro relativo ajuda-nos a compreender a diferença.
Definição 3.
Definição 4.
Ao produto
100 |eR (xa )| ,
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 4
g
e
x − xa e (xa ) 0.001592
eR (xa ) = = = = 0.000507 = |eR (xa )| .
x x 3.141592
l
Neste caso, os resultados não evidenciam diferenças significativas entre o
erro absoluto e o erro relativo absoluto. △
UA
Exemplo 2. Para x = 106 e xa = 999995, calculemos as mesmas quantidades
referidas no Exemplo 1:
e
x − xa e (xa ) 5
eR (xa ) = = = = 0.000005 = |eR (xa )| .
x x 1000000
T-
Como o valor exacto possui grande magnitude, apesar do erro absoluto ser
elevado, a aproximação é considerada boa. △
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 5
Observação.
g
definição de erro relativo, isto é se δxa for um majorante para
o erro absoluto, então,
l
δx a
|eR (xa )| ≤ .
|xa |
UA
1.1.3 Relações entre os majorantes dos erros
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 6
g
Como se conhece um majorante para o erro relativo abso-
luto, então |eR (xa )| ≤ εxa . Por outro lado, |x| ≤ |xa | +
|eR (xa )|, o que significa que
l
|e (xa )| ≤ εxa (|xa | + |eR (xa )|)
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 7
4 5 6 . 8 7
|e (xa )| ≤ 0 . 0 5
g
e, consequentemente, xa possui 4 algarismos significativos. △
l
Neste caso,
UA |e (xa )| ≤
Teorema 1.
Se
x − xa
|eR (xa )| = ≤ 5 × 10−(m+1) = 0.5 × 10−m
x
então, a aproximação xa possui pelo menos m algarismos significa-
tivos.
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 8
g
com di ∈ {0, 1, . . . , b − 1}, d1 ̸= 0 e m ∈ Z, onde:
l
• d1 d2 d3 . . . representa a mantissa e consiste numa sequência de dígitos,
UA
possivelmente infinita;
Observação.
se que:
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 9
g
da seguinte forma:
l
com s ∈ {0, 1}, di ∈ {0, 1, . . . , b − 1}, d1 ̸= 0, q1 < 0 < q2 e m ∈ (q1 , q2 ),
UA
onde:
seguintes:
• Por Truncatura:
f l(x) = ±0.d1 d2 d3 . . . dk × bm
• Por Arredondamento:
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 10
– se dk+1 ≥ b/2,
g
com d ′k = dk + 1.
l
algarismos significativos.
Seja
UA
1.3.2 Erro da aproximação f l(x) ∈ F (b, k, q1 , q2 )
é tal que
= 0.dk+1 . . . × bm−k
≤ bm−k .
|e (f l(x))| = |x − f l(x)| ≤ 0. 00 . . . 0} 5 × bm
| {z
k posições
≤ 0.5 × bm−k .
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 11
O erro relativo absoluto cometido por truncatura será então dado por:
g
No que repeita ao erro relativo absoluto cometido por arredondamento
simétrico tem-se que:
l
=
|x| |x| 0.d1 d2 . . . × bm
0.5 × bm−k
UA
Observação.
≤
0.1 × bm
= 0.5 × b1−k .
T-
1.3.3 Zero da máquina
f l (1 + δ) > 1.
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 12
Observação.
g
será.
l
algoritmo:
UA 1
4
Output: Valor aproximado de εM
s ← 1.0
for k = 1, 2, . . . , 100 do
s ← 0.5s
t ← s + 1.0
5 if t ≤ 1.0 then
6 s ← 2.0s
7 return k − 1, s
T-
8 STOP
9 end
10 end
FC
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 13
g
finito de operações).
l
Para estudar a propagação de erros relembra-se o teorema de Taylor:
UA
Teorema 2 (de Taylor).
f ′′ (a)
f (x) = f (a) + f ′ (a)(x − a) + (x − a)2 +
2!
f ′′′ (a) f (n) (a)
(x − a)3 + · · · + (x − a)n + Rn
T-
3! n!
sendo o resto de ordem n (na forma de Lagrange)
∫ x
(x − t)n (n+1)
Rn = f (t) dt.
a n!
FC
Corolário 1.
f (n+1) (ξ)
Rn = (x − a)n+1 , ξ ∈ (a, x).
(n + 1)!
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 14
Pretende-se aqui estudar como controlar o erro que ocorre quando se calcula
o valor de uma função, f em pontos aproximados. Considere-se, em primeiro
lugar, o caso em que a função depende de uma variável real: f = f (x). Para
alémdo facto de se ter disponível apenas uma aproximação xa de x, acresce
g
o facto de, em geral, a própria função f também ser aproximada: fa ≈ f .
Assim, após os cálculos, temos um erro f (x) − fa (xa ). Mesmo que se
possa calcular o valor da função de forma exacta, qualquer perturbação no
valor de x irá originar um erro afectará sempre o valor de f , dando origem
l
ao chamado erro propagado, f (x) − f (xa ).
UA
Por outro lado, mesmo que o valor da variável independente seja exacto,
se for utilizada uma aproximação fa para f , teremos o que se designa por
erro gerado, f (x) − fa (x).
Como
concluímos que o erro final é a soma do erro propagado com o erro gerado.
Aqui interessamo-nos em controlar o erro propagado : e(f (xa )) = f (x) −
T-
f (xa ).
Admitindo que xa é um valor próximo de x e que a função f é contínua
e diferenciável em xa , pode-se escrever a série de Taylor em torno do ponto
xa , ou seja,
f ′′ (xa )
f (x) = f (xa ) + f ′ (xa )(x − xa ) + (x − xa )2 + · · · .
FC
2!
Considerando a aproximação de primeira ordem conclui-se que
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 15
g
(xa , ya ) (x − xa )2
2! ∂x2
∂2f
+2 (xa , ya ) (x − xa ) (y − ya )
∂x∂y
]
l
∂2f
+ 2 (xa , ya ) (y − ya )2 + · · · .
∂y
UA
Considerando, novamente, a aproximação de primeira ordem tem-se que
f (x, y) ≈ f (xa , ya ) +
∂f
(xa , ya ) (x − xa ) +
∂f
∂y
∂f
(xa , ya ) (y − ya )
n
∑
∂f
|e (f (x1a , . . . , xna ))| ≤ (x , . . . , x ) |e (xia )| .
∂xi 1 a na
i=1
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 16
Definição 6.
g
Dado que, em geral, x não é conhecido, a relação que é utilizada computa-
cionalmente é
l
|eR (f (xa ))| ≈ Kf (xa ) |eR (xa )| .
UA
O valor de Kf (xa ) representa um indicador do efeito da propagação do
erro relativo na aproximação xa , o qual nos permite avaliar em que condi-
ções a função é bem (número de condição ”pequeno”) ou mal condicionada
(número decondição ”grande”).
No que diz respeito à propagação dos erros relativos absolutos, no caso
geral, pode facilmente deduzir-se que
∂f
∑n
xia ∂xi (x1a , . . . , xna )
|eR (f (x1a , . . . , xna ))| ≤
f (x1 , . . . , xn ) |eR (xia )| .
T-
i=1 a a
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 17
g
|x ± y | |x ± y |
≤ max {|eR (xa )| , |eR (ya )|} .
l
números é limitado pelo maior dos erros relativos absolutos individuais.
UA
A dedução para as restantes operações aritméticas (multiplicação e divi-
são) ficam como exercício.
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 18
g
Podemos resolver o problema tendo em atenção que
1
e−x =
ex
l
e utilizando esta fórmula em vez da anterior.
UA
Obtém-se então que e−100 ≈ 3.720075976020839 × 10−44 .
△
FC
y = P (x) .
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 19
Definição 7.
g
Exemplo 8. Resolução da equação
l
x 1
x2 − + =0
3 36
UA
em aritmética exacta e com uma aritmética finita de 5 algarismos significativos.
Recorrendo à fórmula resolvente, em aritmética exacta, obtém-se
x1 =
1
6
= x2 .
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 20
Definição 8.
g
se-á computacionalmente instável (ou numericamente instável).
l
Nenhum algoritmo, quando aplicado a um problema mal condicionado,
poderá ser numericamente estável!
UA
1.7 Exercícios
1. Sejam:
{ {
x = 0.6921471806 x = 0.000068
(a) ; (c) ;
xa = 0.69315 xa = 0.00006
{ {
x = 98.350 x = 0.3543
T-
(b) ; (d) .
xa = 98.000 xa = 0.3541
de algarismos significativos.
Capítulo 1
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 21
Output: Valor de y
1 x ← 102
2 x ← 10 × x
3 y ←x+1
g
√
4 y← y
√
5 y←y− x
6 y ← 105 × y
l
Verifique que, com a utilização de uma aritmética de quatro algarismos
UA
significativos, o valor que se obtém é y = 2000. No entanto, o resultado
devia ser igual a 1581. Explique esta discrepância nos resultados e
calcule este último valor.
Capítulo 1
2. Equações Não Lineares
l g
2.1 Introdução
UA
Consideremos a equação
f (x) = 0
em que f é uma função real de variável real. Se f for uma função linear,
isto é, se for da forma f (x) = mx + p, m ̸= 0, então sabemos que a solução
da equação, α, é α = −p/m. Se não for este o caso, diremos que f é não
linear e a equação f (x) = 0 é também chamada não linear. Como exemplo
de equações não lineares temos
T-
2 +1
x + 2 − ex = 0,
x − ln(x) = 0,
(3x + 1)2 − 5 cos(πx) = 0,
que são equações transcendentes, isto é, equações que, para além das ope-
FC
22
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 23
Definição 1.
g
Dada a equação
f (x) = 0,
l
equação ou então um zero da função f .
UA
Por isso, sem distinção, diremos resolver a equação f (x) = 0, ou determi-
nar o(s) zero(s) de f .
Teorema 1.
Exemplo 1.
Para a função f (x) = sen(x) tem-se que f (0) = 0 mas f ′ (0) ̸= 0, o que
implica m = 1; o zero é simples. △
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 24
Exemplo 2.
Para a função f (x) = 1 − cos(x) tem-se que f (0) = 0 e f ′ (0) = 0 mas
f ′′ (0) ̸= 0, o que implica m = 2, o zero é duplo. △
Exemplo 3.
Para a função f (x) = (x−1)3 tem-se que f (1) = 0, f ′ (1) = 0, f ′′ (1) = 0
g
mas f ′′′ (1) = 6 ̸= 0, o que implica m = 3, o zero é triplo. △
l
Os métodos iterativos utilizam xk−1 , xk−2 , . . . , xk−ℓ , ℓ ≥ 1, valores aproxi-
UA
mados do zero α de f , para, através de uma expressão iterativa, obter uma
nova aproximação xk ,
e (xk ) = ek = α − xk .
lim xk = α ⇔ lim ek = 0.
k k
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 25
|α − xk+1 | ≤ C |α − xk |p ,
g
então diz-se que a sucessão é convergente para α com ordem de
convergência p. À constante C dá-se o nome de constante de con-
vergência assimptótica e, para p = 1, exige-se C < 1.
l
UA
ë Se p = 1, a convergência diz-se de primeira ordem ou linear.
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 26
então, de
f (x) = 0 ⇔ g (x) − h (x) = 0 ⇔ g (x) = h (x)
g
da existência e unicidade das raízes pelo que, depois de localizadas e separa-
das as raízes da equação a resolver, deve provar-se analiticamente a exis-
tência e a unicidade das mesmas nos intervalos encontrados. Usualmente a
demonstração da existência baseia-se no seguinte corolaŕio do teorema de
l
Bolzano
UA
Corolário 1 (do teorema de Bolzano).
Seja f uma função real de variável real contínua no intervalo [a, b].
Se
f (a) × f (b) < 0,
f (b) − f (a)
f ′ (c) = .
b−a
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 27
Corolário 2.
g
Corolário 3.
l
UA
dá-nos a unicidade.
A conjugação da existência (corolário do teorema de Bolzano) com a
unicidade (garantida pela aplicação de um dos dois corolários do teorema de
Lagrange), permite verificar se a localização e separação feitas pelo método
gráfico foram bem realizadas.
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 28
y
h(x) = ex
7
g
4 g(x) = x2
l
2
UA -2 -1
1
1 2 x
1
f (−1) = 1 − > 0 e f (0) = −1 < 0,
e
então, por aplicação do teorema de Bolzano, pode concluir-se que existe pelo
menos um ponto x = α ∈] − 1, 0[, tal que f (α) = 0. Por outro lado, como
f ′ (x) = 2x − ex < 0, ∀x ∈] − 1, 0[, pode concluir-se, com a aplicação do
corolário do teorema de Lagrange, que a função é estritamente decrescente
no intervalo ] − 1, 0[.
A conjugação dos dois resultados anteriormente provados permite con-
cluir que existe uma única raiz da equação no intervalo ] − 1, 0[. △
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 29
g
y
ITERAÇÃO 1
l
1
+
bb
a0 = a = −1
a0 x1 b0
b0 = b = 0
a0 + b0
UA -1
+
−
bb
-1
1
bb −
x x1 =
f (x) = x2 − ex
2
ITERAÇÃO 2
a1 = a = −1
= −0.5
bb
a1 +
bb b1 b1 = x1 = −0.5
a1 + b1
-1
x2 bb x x2 = = −0.75
− 2
T-
-1
y
ITERAÇÃO 3
1
a2 = x2 = −0.75
FC
+
bb b2 b2 = −0.5
a2 + b2
-1
a2 bb x x3 = = −0.625
− 2
-1
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 30
Input: a, b, ε
Output: Aproximação para a raiz da equação f (x) = 0 pertencente ao intervalo ]a, b[
1 if sign (f (a)) = sign (f (b)) then
2 STOP
3 end
4 k←1
5 while (b − a) ≥ ε do
xk ← (a + b) /2
g
6
7 if sign (f (a)) ̸= sign (f (xk )) then
8 b ← xk
9 else
10 a ← xk
l
11 end
12 return xk
k ←k+1
UA13
14 end
|bk − ak | ≤ ε, k = 0, 1, . . .
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 31
2.5.1 Convergência
b0 − a0 b−a
|e (x1 )| = |α − x1 | ≤ b1 − a1 =
g
=
2 2
b1 − a1 b−a
|e (x2 )| = |α − x2 | ≤ b2 − a2 = =
2 22
b2 − a2 b−a
|e (x3 )| = |α − x3 | ≤ b3 − a3 =
l
=
2 23
..
.
UA
|e (xk )| = |α − xk | ≤ bk − ak =
bk−1 − ak−1
2
b−a
= k ,
2
k = 1, 2, 3, . . . .
O que prova que e (xk ) tende para zero e o método da Bissecção é sempre
convergente.
A fórmula deduzida para o majorante do erro absoluto que se comete
na aproximação xk , k = 1, 2, 3, . . . permite estimar o número de iterações
a realizar para que seja possível garantir uma aproximação para a raiz da
T-
equação com um erro absoluto máximo inferior ou igual a ε, ou seja, de
b−a
|e (xk )| = |α − xk | ≤ ≤ε
2k
conclui-se que
⌈ ln(b − a) − ln(ε) ⌉
k≥ ,
FC
ln(2)
onde ⌈x⌉ representa o menor inteiro maior que x.
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 32
VANTAGENS
• De todos os métodos numéricos existentes para a resolução numé-
rica de equações não lineares é o que exige menos condições de apli-
cabilidade; basta garantir que f ∈ C 0 (]a, b[) e que existe uma única raíz
g
no intervalo ]a, b[.
l
• Iterações com baixo custo computacional (um cálculo de função por
UA
iteração).
DESVANTAGENS
• Convergência muito lenta, o que exige a realização de um número ite-
rações muito maior, quando comparado com outros métodos.
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 33
b
f (x0 )
g
b
b
b
b b
b
f (x1 ) x
x2
-1 x1
x0
l
UA -1
f (x) = x2 − ex
y = f ′ (x0 ) (x − x0 ) + f (x0 ) .
Resolvendo em ordem a x1 ,
FC
f (x0 )
x1 = x0 −
f ′ (x0 )
y = f ′ (x1 ) (x − x1 ) + f (x1 )
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 34
f (xk )
xk+1 = xk − , k = 0, 1, 2, . . . .
f ′ (xk )
Assim, a partir de uma aproximação inicial x0 , a fórmula iterativa gera
uma sucessão {xk }k∈N0 , que, sob determinadas condições, convergirá para
o zero da função que se pretende aproximar numericamente.
g
2.6.2 Dedução analítica
l
Admitamos que f ∈ C 2 ([a, b]) (tem duas derivadas contínuas em [a, b]) e
que o método de Newton é convergente. Seja α o único zero de f em [a, b],
UA
e xk uma aproximação de α tal que α = xk + h. O desenvolvimento em série
de Taylor em torno de xk é dado por
f (xk + h) =
∞
∑ f (k) (xk )
k=0
k!
hk .
f ′′ (ξk ) 2
f (α) = f (xk ) + f ′ (xk ) ek + ek
T-
2
com ξk entre α e xk . Como ek = α − xk e f (α) = 0, então
f (xk ) f ′′ (ξk ) 2
α = xk − − e ,
f ′ (xk ) 2f ′ (xk ) k
equação precedente:
f (xk )
xk+1 = xk − ′ .
f (xk )
2.6.3 Convergência
f (k) (xk ) hk
f (xk + h) = f (xk ) + f ′ (xk ) h + . . . + + ...
k!
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 35
Como h = α − xk ,
f ′′ (ξk )
f (α) = f (xk ) + f ′ (xk ) (α − xk ) + (α − xk )2
2
com ξk entre α e xk . Então,
f ′′ (ξk )
g
α − xk+1 = − (α − xk )2
2f ′ (xk )
Aplicando módulos em ambos os membros da igualdade tem-se
′′
f (ξk )
l
|α − xk+1 | = ′ |α − xk |2
2f (xk )
UA
Sejam M2 o máximo para a derivada de segunda ordem e m1 o mí-
nimo para a derivada de primeira ordem, no intervalo onde se provou a
existência e unicidade do zero da função f , ou seja,
′′
f (x) ≤ M2 , ∀x ∈ [a, b]
e
′
f (x) ≥ m1 > 0, ∀x ∈ [a, b].
M2
T-
Então, com M = , tem-se que
2m1
′′
f (ξk )
2f ′ (xk ) ≤ M
e
FC
|α − xk+1 | ≤ M |α − xk |2 .
M |α − xk+1 | ≤ (M |α − xk |)2 ,
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 36
isto é,
1 k
|α − xk | ≤ (M |α − x0 |)2 .
M
Assim, se
M |α − x0 | < 1,
então
g
lim |α − xk | = 0.
k→∞
l
Teorema 3.
UA
Sejam f ∈ C 2 ([a, b]) e α o único zero de f no intervalo [a, b], com
f ′ (α) ̸= 0. Então, escolhendo x0 suficientemente próximo de α, a
sucessão {xk }k∈N0 , gerada pelo método de Newton, converge para α
com ordem de convergência p = 2.
1
• “suficientemente próximo” ⇔ M |α − x0 | < 1 ⇔ |α − x0 | <
M
T-
• Se o zero da funçao f não for simples a ordem de convergência do
método degrada-se. Nos casos em que o zero possui multiplicidade 2
é possível provar que a convergência da sucessão gerada pelo método
de Newton é apenas linear.
FC
deduz-se que,
M |α − x1 | < (M |α − x0 |)2 < 1,
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 37
g
|α − x0 | ≤ b − a.
l
1
b−a< .
UA M
podemos escolher, para x0 , um valor qualquer de [a, b].
Se M for muito grande, a condição significa que a distância de x0 a α
deve ser inferior a 1/M . Ora, se amplitude do intervalo que se está a utilizar
for superior a 1/M não há garantia de que qualquer ponto do mesmo seja
uma boa escolha para x0 . Neste caso, numa fase preliminar, deve-se, por
exemplo, utilizando o método da Bissecção, encontrar um intervalo mais
pequeno que contenha α e para o qual a condição seja verdadeira.
T-
Um outro critério para escolher a aproximação inicial é o que resulta do
teorema seguinte.
Teorema 4.
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 38
f (x)
x0
b
x1 b
x
g
bb
f (x0 )
l
UA
As condições referidas, que garantem a convergência quadrática do mé-
△
x1 = 1
x2 = 0
..
.
1, se k é ímpar
xk =
0, se k é par
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 39
Graficamente,
y
f (x) = x3 − 2x + 2
bb
g
b
b
b b
xk+1 x
xk
l
UA
A utilização de um intervalo de localização da raiz que contém um ponto
de inflexão para o gráfico da função poderá gerar aproximações que se afas-
△
f (α) − f (xk )
f ′ (ξk ) = .
α − xk
Sob a hipótese de se ter f ′ (x) ̸= 0 para todos os pontos entre α e xk , tem-se
f (xk )
α − xk = − .
f ′ (ξk )
f (xk )
xk+1 − xk = − .
f ′ (xk )
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 40
α − xk ≈ xk+1 − xk .
e(xk ) ≈ xk+1 − xk ;
g
para o erro relativo
xk+1 − xk
eR (xk ) ≈ .
xk+1
l
2.6.6 Critério de paragem
ou
UA
|xk+1 − xk | ≤ ϵ,
xk+1 − xk
xk+1 ≤ ϵ.
VANTAGENS
T-
• Quando converge, o método de Newton possui conver-
gência quadrática, no caso de se estar a aproximar um
zero simples da função.
DESVANTAGENS
• Exige uma boa aproximação inicial
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 41
g
4 eRk ←
xk+1
5 return xk , eRk
6 if eRk < ε then
7 STOP
l
8 end
9 k ←k+1
end
10
UA
2.7 O método da Secante
O método da Secante é uma alternativa ao método de Newton nos casos em
que se torna necessário utilizar uma aproximação para a função derivada,
por exemplo, se não existe expressão analítica para esta função. No caso
do método da Secante, o modelo linear define-se, geometricamente, através
da recta secante ao gráfico de f em vez da recta tangente, como no método
T-
de Newton. O método da Secante necessita, por isso, de duas aproximações
iniciais, x0 e x1 , para a raiz que se pretende aproximar, obtendo-se uma
nova aproximação, x2 , como sendo a abcissa da interseção da recta secante
ao gráfico da função f nos pontos (x0 , f (x0 )) e (x1 , f (x1 )) com o eixo-x.
FC
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 42
xk − xk−1
xk+1 = xk − f (xk ) , k = 1, 2, 3, . . . .
f (xk ) − f (xk−1 )
g
y
b
b
f (x0 )
l
UA x0
-1
x3
b
x2
x1
f (x2 )
x
-1 bb f (x1 )
f (x) = x2 − ex
T-
O algoritmo pode então ser escrito na seguinte forma:
3 xk+1 ← xk − f (xk )
f (xk ) − f (xk−1 )
xk+1 − xk
4 eRk ←
x
k+1
5 return xk , eRk
6 if eRk < ε then
7 STOP
8 end
9 k ←k+1
10 end
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 43
2.7.1 Convergência
Teorema 5.
g
gerada pelo método da Secante converge para α, com ordem de con-
vergência igual a
√
l
1+ 5
p= ≈ 1.618. (convergência supralinear)
2
UA
2.8 Exercícios
1. Suponha que quer utilizar o método de Newton para aproximar π, uti-
lizando a função sen (x). Verifique a aplicabilidade dos dois critérios
de escolha de x0 nos intervalos [1.58, 4.71] e [2.36, 3.92].
T-
2. A função dada por
Capítulo 2
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 44
g
x2 0.552682233 0.014256628
x3 0.566938860 0.000204391
x4 0.567143251 0.394782 × 10−7
l
x5 0.567143290
y = f (x) = ex − 2 e y = g (x) = ln (x + 2) .
T-
(a) Determine qual das expressões se deve usar para obter yP , conhe-
cido xP , e qual a precisão que deve ter xP para que o erro de yP
seja inferior a 0.5 × 10−4
(b) Usando o método de Newton, determina xP com a precisão exi-
FC
gida e calcule yP .
Capítulo 2
3. Sistemas de Equações
g
Lineares
l
UA
Neste capítulo vamos tratar da resolução numérica de sistemas de n equações
lineares a n incógnitas, n ≥ 2. Teremos assim necessidade de medir vectores
e matrizes. Essa medição faz-se através das normas vectoriais e matriciais,
introduzidas na secção seguinte.
Definição 1.
i) ∥x∥ ≥ 0, ∀x ∈ Rn ; ∥x∥ = 0 ⇔ x = 0;
45
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 46
g
As normas vectoriais mais utilizadas são as seguintes:
l
∥x∥∞ = max |xi | = max {|x1 | , |x2 | , . . . , |xn |} .
UA
(ii) A norma-1
i=1,...,n
∥x∥1 =
∑
n
i=1
|xi | = |x1 | + |x2 | + · · · + |xn | .
i=1 i=1
Definição 2.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 47
g
{x : |x1 | + |x2 | = 1}
l
possui a seguinte representação gráfica
x2
UA −1
1
1
x1
−1
• Norma-2: O conjunto
{ √ }
T-
2 2
x : x1 + x2 = 1
−1 1
x1
−1
• Norma-∞: O conjunto
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 48
x2
1
−1 1
x1
g
−1
x2
l
1
UA −1
−1
1
x1
Definição 3.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 49
Dada uma norma vectorial podemos sempre construir uma norma matri-
cial, através da aplicação do seguinte teorema.
Teorema 1.
g
∥Ax∥
∥A∥ = sup .
x̸=0 ∥x∥
l
induzida pela norma vectorial.
UA
Note-se, todavia, que a expressão que define a norma induzida não é
passível de ser utilizada para efectuar cálculos. Isso deve-se ao facto de o
conjunto de teste (x ̸= 0) ser infinito. É possível mostrar que, para as normas
1, 2 e infinito se tem:
∑
m
• ∥A∥1 = max |aij |, que corresponde ao valor máximo das somas
j=1,...,n
i=1
T-
dos valores absolutos dos elementos, por colunas;
√ ( )
• ∥A∥2 = ρ (AT A), onde ρ AT A denota o maior dos valores próprios
da matriz AT A;
∑
n
• ∥A∥∞ = max |aij |, que corresponde ao valor máximo das somas
FC
i=1,...,m
j=1
dos valores absolutos dos elementos, por linhas;
Exemplo 2.
Seja [ ]
6 −2
A= .
−6 −9
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 50
Definição 4.
g
A norma de Frobenius de uma matriz A ∈ Mm,n (R) é definida por
1/2
∑m ∑
n
∥A∥F = |aij |2 .
l
i=1 j=1
UA
A definição de normas equivalentes permanece válida se, em vez de vecto-
res, considerarmos matrizes. E todas as normas matriciais são equivalentes,
em virtude do seguinte teorema:
Teorema 2.
Definição 5.
Uma norma matricial ∥·∥∗ e uma norma vectorial ∥·∥ são compatíveis
se
∥Ax∥ ≤ ∥A∥∗ ∥x∥.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 51
Definição 6.
∥e(x)∥
eR (x) = .
∥x∥
g
3.2 Resolução de sistemas de equações lineares
l
3.2.1 Introdução
UA
Pretende-se obter a solução para um sistema de equações lineares, cuja
forma geral é
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
am1 x1 + am2 x2 + · · · + amn xn = bm
T-
onde
xj , j = 1, . . . , n são as incógnitas,
aij , i = 1, . . . , m, j = 1, . . . , n são os coeficientes e
bi , i = 1, . . . , m são os segundos membros do sistema de equações.
FC
Ax = b
onde,
a11 a12 · · · a1n x1 b1
a21 a22 · · · a2n x2 b2
A=
.. ..
,
.. x=
.. e b=
.. .
. ..
. . .
.
.
am1 am2 · · · amn xn bm
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 52
• MÉTODOS DIRECTOS
g
ë Em precisão finita, permitem apenas a obtenção de uma aproxi-
mação para a solução.
l
• MÉTODOS ITERATIVOS
• a soma de uma linha com o produto de outra linha por um escalar não
nulo.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 53
g
an1 an2 · · · ann bn
l
ares Ax = b, por aplicação das operações elementares, é a matriz ampliada
de um sistema de equações lineares equivalente ao sistema original.
UA
O objectivo do método de eliminação de Gauss é obter uma matriz
(ampliada), a partir da matriz ampliada do sistema Ax = b:
[ ]
OPERAÇÕES ELEMENTARES
A | b −−−−−−−−−−−−−−−−→ A
e é triangular superior.
[
e
e|b
]
em que A
Como exemplo, resolvamos então o sistema de equações lineares
T-
x1 + 2x2 − x3 = 3
2x1 + x2 − 2x3 = 3
−3x + x + x = −6
1 2 3
Ax = b
onde,
1 2 −1 x1 3
A=
2 1 −2,
x=
x2 e b=
3 .
−3 1 1 x3 −6
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 54
l g
UA
T-
.
a21
m21 = = 2,
a11
a31
m31 = = −3.
a11
A realização das operações elementares:
L2 ← L2 − m21 L1 = L2 − 2L1 ,
L3 ← L3 − m31 L1 = L3 + 3L1 ,
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 55
permite obter,
[ ]
[A | b] = A | b
(0) (0)
1 2 −1 3 1 2 −1 3
= −
− −−−− −−→
2 1 −2 3 L2 ←L2 −2L1 0 −3 0 −3
L3 ←L3 +3L1
g
−3 1 1 −6 0 7 −2 3
[ ]
= A(1) | b(1)
l
ETAPA 2: Agora o pivot está na posição (2, 2) (segundo elemento da
diagonal principal). Admitindo que é diferente de zero, determina-se o
UA
multiplicador que permita anular a entrada abaixo da posição (2, 2) na co-
luna 2.
(1)
O pivot é então a22 = −3 e o multiplicador é
m32 =
(1)
a32
(1)
a22
7
=− .
3
0 7 −2 3 0 0 −2 −4
[ ]
= A(2) | b(2)
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 56
g
[ ] [ ]
(k−1) ETAPA k
··· → A (k−1)
|b −−−−−→ A | b
(k) (k)
→
− ···
[ ] [ ]
· · · → A(n−1) | b(n−1) = A e
e|b
l
da seguinte forma.
UA
ETAPA k: O elemento pivot é o que está na posição (k, k), admitindo que
é diferente de zero. Determina-se os multiplicadores que permitam anular
(k−1)
as entradas abaixo da posição (k, k) na coluna k. O pivot é então akk (̸= 0)
e os multiplicadores:
(k−1)
aik
mik = (k−1)
, i = k + 1, . . . , n.
akk
T-
A realização das operações elementares:
(k) (k−1) (k−1)
Li ← Li − mik Lk , i = k + 1, . . . , n,
sobre
FC
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 57
permite obter:
(0) (0) (0) (0) (0) (0) (0)
a11 a12 · · · a1,k−1 a1k a1,k+1 ··· a1n b1
(1)
0 a(1) · · · a(1) (1)
a2k
(1)
a2,k+1 ···
(1)
a2n b2
22 2,k−1
.. .. .. .. .. .. .. .. ..
. . . . . . . . .
g
(k−2)
0 (k−2) (k−2) (k−2)
0 · · · ak−1,k−1 ak−1,k ak−1,k+1
(k−2)
· · · ak−1,n bk−1
(k−1)
0 0 ··· 0
(k−1)
akk
(k−1)
ak,k+1 · · · akn
(k−1)
bk
l
(k) (k) (k)
0 0 ··· 0 0 ak+1,k+1 · · · ak+1,n bk+1
UA
.
.
.
0
..
.
..
0 ···
.
0
..
.
..
0
.
(k)
..
.
an,k+1
..
···
.
(k−1)
akk
3.2.4 A decomposição LU
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 59
g
As etapas da eliminação podem ser descritas por multiplicação de ma-
trizes elementares à esquerda da matriz A. No que se segue utilizar-se-á
a notação Ekj para fazer referência à matriz elementar que difere apenas da
l
matriz identidade na entrada (k, j), a qual é igual a −mkj , com k > j, ou
seja,
UA
1
0
.
..
0 ···
1 ···
.. . .
. .
0
0
..
.
··· 0 ···
··· 0 ···
. . .. . .
. . .
0
0
..
.
0 0 ··· 1 ··· 0 ··· 0
Ekj =
.. .. . . .. ..
. . . .. . .
. . . . . . .
T-
0 0 · · · −mkj ··· 1 ··· 0
.. .. . . .. . . .. . . ..
. . . . . . . .
0 0 ··· 0 ··· 0 ··· 1
FC
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 60
1 0 0 ··· 0
−m 1 0 ··· 0
21
E1 = En1 · · · E31 E21 = −m31 0 1 ··· 0 .
. .. .. . .
..
.. . . . .
g
−mn1 0 0 ··· 1
Isto é,
l
A(1) = E1 A(0) = E1 A.
UA
Procedendo da mesma forma para as etapas 2, 3, . . . , n − 1 tem-se que:
Deste modo,
A = E−1 −1 −1
1 E2 · · · En−1 U
. .. . . .. . . .. . . ..
.. . . . . . . .
0 0 ··· 1 · · · 0 · · · 0
E−1 =
..
, k > j,
kj
. .. . . .. . . .. . . ..
. . . . . . .
0 0 · · · mkj · · · 1 · · · 0
.. .. . . .. . . .. . . ..
. . . . . . . .
0 0 ··· 0 ··· 0 ··· 1
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 61
tem-se que
1 0 0 · · · 0
m 1 0 · · · 0
21
E−1 −1 −1 −1
1 = E21 E31 · · · En1 = m31 0 1 · · · 0 ,
. .. .. . . ..
g
.. . . . .
mn1 0 0 ··· 1
l
e
1 0 0 ··· 0 0
UA E−1 −1 −1
1 E2 · · · En−1
m
21
.
..
1
= L = m31 m32
.
..
0
1
..
.
···
..
.
· · · mn,n−1
0
0
..
.
0
0
1
.
..
.
0 (n−2) (n−2)
mn−1,1 mn−1,2 mn−1,3 ··· 1 0 0 0 · · · an−1,n−1 an−1,n
(n−1)
mn1 mn2 mn3 · · · mn,n−1 1 0 0 0 ··· 0 ann
então
Ax = b ⇔ LUx = b.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 62
g
Observação.
l
UA
3.3 Condicionamento de sistemas de equações linea-
res
Para perceber melhor o que se pretende com o estudo do condicionamento
e estabilidade de um sistema de equações lineares, considere-se o sistema
{
x1 − 2x2 = −19
0.54x1 − x2 = −9
T-
cuja solução é
x = (x1 , x2 ) = (12.5, 15.75).
Introduzindo uma pequena perturbação nas entradas da matriz do sis-
tema, {
x1 − 2x2 = −19
FC
0.56x1 − x2 = −9
obter-se-á uma solução muito diferente,
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 63
Definição 8.
g
∞, se A−1 não existe.
l
• Matrizes com um número de condição elevado dizem-se mal condi-
cionadas;
UA
• Matrizes com um número de condição pequeno dizem-se bem con-
dicionadas.
O teorema que segue estabelece uma relação que permite relacionar o erro
propagado na resolução numérica de sistemas lineares.
T-
Teorema 3.
∥δx∥ ∥δb∥
≤ K (A) .
∥x∥ ∥b∥
FC
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 64
A (x + δx) = b + δb,
e Ax = b, então
g
Aδx = δb.
l
vel, o que permite concluir que
δx = A−1 δb
UA
e, aplicando normas a ambos os membros da relação,
1
≤ ∥x∥ ⇔ ≤ .
∥A∥ ∥x∥ ∥b∥
Consequentemente,
∥δx∥ ∥δb∥ ∥δb∥
≤ ∥A−1 ∥ ≤ ∥A∥∥A−1 ∥ .
∥x∥ ∥x∥ ∥b∥
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 65
Definição 9.
xT Ax > 0,
g
Exemplo 3. A matriz
l
2 1
A=
UA
é definida positiva.
1 3
Exemplo 4. A matriz
2 1
A=
1 −3
T-
não é definida positiva.
Tem-se xT Ax = 2x21 + 2x1 x2 − 3x22 < 0 para, por exemplo, x1 = 0 e
x2 = 1. △
FC
Exemplo 5.
Se f = f (x1 , x2 ) tem um mínimo em (a, b) então a matriz Hessiana de
f , em (a, b), é definida positiva. △
Teorema 4.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 66
g
4 −1 1
A= −1 4.25 2.75 .
l
1 2.75 3.5
UA
Para obter a decomposição considere-se uma matriz L, triangular inferior,
com a mesma dimensão da matriz A
L=
ℓ11 0
0
ℓ11 ℓ21 ℓ31
ℓ21 ℓ22 0 ⇒ L = 0 ℓ22 ℓ32
T
ℓ31 ℓ32 ℓ33 0 0 ℓ33
T-
Desta forma,
ℓ 2 ℓ ℓ ℓ ℓ
11 21 11 31 11
LL =
T
ℓ21 ℓ11
2
ℓ21 + ℓ222 ℓ31 ℓ21 + ℓ32 ℓ22
FC
2 2
ℓ31 ℓ11 ℓ31 ℓ21 + ℓ32 ℓ22 ℓ31 + ℓ32 + ℓ332
4 −1 1
= A = −1 4.25 2.75
.
1 2.75 3.5
Notando que A é uma matriz simétrica, assim como LLT , então basta
resolver as equações que resultam da igualdade entre as entradas que se en-
contram na diagonal principal e aquelas que se encontram abaixo (ou acima)
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 67
g
= a31
⇔ ℓ11
√
ℓ221 + ℓ222 = a22
ℓ = + a22 − ℓ221
22
a32 − ℓ31 ℓ21
l
ℓ31 ℓ21 + ℓ32 ℓ22 = a32
ℓ32 =
ℓ22
√
UA ℓ2 + ℓ2 + ℓ2 = a
31
Desta forma,
32
√
33
√
33
ℓ11 = + a11 = 4 = 2,
ℓ21 =
a21
=
−1
= −0.5,
ℓ
33= + a − ℓ2 − ℓ233 31 32
ℓ11 2
a31 1
ℓ31 = = = 0.5,
ℓ11 2
√ √ √
T-
ℓ22 = + a22 − ℓ221 = 4.25 − (−0.5)2 = 4 = 2,
a32 − ℓ31 ℓ21 2.75 − 0.5 × (−0.5)
ℓ32 = = = 1.5,
ℓ 2
√ 22 √
ℓ33 = + a33 − ℓ231 − ℓ232 = + 3.5 − 0.52 − 1.52 = 1,
FC
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 68
, k = 1, 2, . . . , n; i = k + 1, . . . , n.
∑
k−1
a − ℓ ℓ
ik ij kj
ℓik =
j=1
g
ℓkk
△
Obtida a decomposição de Cholesky LLT para a matriz A, a resolução do
l
sistema de equações Ax = b é feita através da resolução de um sistema de
equações triangular inferior Ly = b e de outro triangular superior LT x = y.
UA
3.5 Contagem de operações
Um dos critérios que influi fortemente na escolha de um algoritmo é a sua
complexidade. Nesta disciplina limitar-nos-emos a contar as operações ne-
cessárias para a realização de um dado algoritmo. Quanto às operações con-
sideramos apenas as multiplicações e as adições, sendo que as divisões são
contabilizadas como multiplicações e as subtracções como adições. Vamos
T-
analisar então o custo computacional (número de operações) inerente à re-
solução do sistema Ax = b através dos métodos estudados: eliminação de
Gauss (ou utilização da decomposição LU ) e utilização da decomposição de
Cholesky.
FC
Teorema 5.
∑
m
m(m + 1)
i= ,
2
i=1
e
∑
m
m(m + 1)(2m + 1)
i2 = .
6
i=1
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 69
g
Comecemos pela eliminação. Para determinar o número total de ope-
rações realizadas, deve-se analisar o que se passa em cada uma das n − 1
etapas.
l
Na etapa 1 são necessários n − 1 multiplicadores:
UA mi1 =
Temos (n − 1) multiplicações.
(0)
ai1
(0)
a11
, i = 2, 3, . . . , n.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 72
∑
n ∑
n−1 ∑
n−1 ∑
n ( )
n2 + n n2
1+ (n − k) = n + i= i= =O
2 2
k=1 k=1 i=1 i=1
∑
n−1 ∑
n−1 ( )
n2 − n n2
(n − k) = i= =O
g
2 2
k=1 i=1
l
NÚMERO TOTAL DE MULTIPLICAÇÕES
( )
UA 2n3 + 3n2 − 5n n2 + n
6
+
n3 − n n2 − n
+
2
=
2n3 + 6n2 − 2n
6
=O
=
2n3 + 3n2 − 5n
=O
(
n3
)
n3
3
3 2 6 3
T-
.
3.5.2 A decomposição LU
FC
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 73
, k = 1, 2, . . . , n, i = k + 1, . . . , n.
∑
k−1
aik − ℓij ℓkj
ℓik =
j=1
g
ℓkk
Assim, para cada elemento fora da diagonal de L, precisamos de k multipli-
cações e k − 1 de adições. Fazendo a soma obtemos
l
TOTAL DE MULTIPLICAÇÕES:
∑
n ∑
n ∑
n
UA k=1 i=k+1
k=
=O
k=1
k(n − k)
n2 (n
+ 1) n(n + 1)(2n + 1)
( 23 )
n
6
−
6
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 74
e = x−b
x
g
o erro em bx.
A relação anterior também pode ser escrita na forma x = b
x+e, o que mos-
tra que se, porventura, pudéssemos determinar o erro e, bastaria adicioná-lo
l
abx para obtermos a solução do sistema.
O método do resíduo consiste então em determinar uma aproximação
UA
para e e adicicioná-la a b
x, assim obtendo uma melhor aproximação:
w≈b
Definição 10.
A aproximação do erro, b
e, pode então ser obtida através do seguinte
FC
teorema:
Teorema 6.
Ae = A (x − b
x) = Ax − Ab
x = b − Ab
x = r.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 75
r(0) = b − Ax(0)
g
for o resíduo correspondente, então pode-se calcular uma sequência de vec-
tores melhorados x(k) , k = 1, 2, . . ., aplicando o seguinte algoritmo:
l
Input: A, b, Tolerância ε, maxiter e aproximação inicial x(0) .
Output: Aproximação x(ℓ) ≈ x, tal que ∥r(ℓ) ∥ ≤ ε.
1
2
3
4
5
6
7
UA
for k ← 1 to maxiter do
Calcular r(k) = b − Ax(k)
if ∥r(k) ∥ ≤ ε then
end
STOP
(em precisão dupla)
ou, em alternativa,
T-
Input: A, b, Tolerância ε, maxiter e aproximação inicial x(0) .
∥x(ℓ) − x(ℓ−1) ∥
Output: Aproximação x(ℓ) ≈ x, tal que ≤ ε.
∥x(ℓ) ∥
1 for k ← 1 to maxiter do
2 Calcular r(k) = b − Ax(k) (em precisão dupla)
3 Resolver o sistema Ae(k) = r(k) , (em precisão simples)
FC
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 76
Observação.
g
os resíduos são calculados numa aritmética com maior pre-
cisão do que aquela que é aplicada aos restantes cálculos. Por
isso, calculam-se os resíduos em precisão dupla.
l
(iii) Se
UA K (A)
∥r∥
∥b∥
for muito grande, o melhoramento pode não acontecer.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 77
x1 1 y1
m
x 1 = y .
2 2
p
x3 1 y3
g
É claro que se os pontos forem não colineares (caso geral) o problema
não tem solução. Neste caso podemos procurar uma recta y = mx b + pb que
minimize a distância entre a recta e os pontos. Diremos, num sentido a
b pb]T é “solução” de Ax = b.
precisar, que [m △
l
UA
3.8 A solução de Ax = b no sentido dos mínimos qua-
drados
Seja r(x) = b−Ax o resíduo de x. Consideremos então a “solução” de Ax = b
dada pela seguinte definição:
Definição 11.
∥r(b
x)∥2 = min ∥r(x)∥2 .
x
FC
f (x1 , x2 , · · · , xn ) = ∥r(x)∥2 .
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 78
g
∂f ∂ ∑
= ri2
∂xj ∂xj
i=1
( m )−1/2 m
1 ∑ 2 ∑ ∂ri
l
= ri 2 ri
2 ∂xj
i=1 i=1
UA
e como
∂f
= 0, ⇔
∑ m
ri aij =
∂ri
∂xj
∑ m
= −aij ,
aTji ri = 0, j = 1, 2, · · · , n.
∂xj
i=1 i=1
Assim b
x deve ser solução das equações Normais:
T-
AT A b
x = AT b.
Teorema 7.
L y = AT b,
LT b
x = y.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 79
3.8.2 A decomposição QR
g
uma base para um subespaço vectorial (gerado pelos vectores linearmente
independentes dados). Comecemos por lembrar as definições de vectores
ortogonais, de vectores ortonormados (na norma-2) assim como a definição
l
de matriz ortogonal.
UA
Definição 12.
∥ui ∥2 = 1, i = 1, 2,
T-
os vectores u1 e u2 dizem-se ortonormados.
Definição 13.
QT Q = QQT = I.
Uma matriz é ortogonal se, e somente se, tanto as suas colunas como as suas
linhas são vectores ortonormados.
cos(θ) sen(θ)
Exemplo 8. A matriz Q = .
− sen(θ) cos(θ)
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 80
g
entre dois vectores.
Teorema 8.
l
Se Q ∈ Mm,n (R) é uma matriz ortogonal e x e y são dois vectores
em Rn . Então:
ii) (Qx)T Qy = xT y.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 81
g
q11 q12 · · · q1n
q21 q22 · · · q2n r11 r12 · · · r1n
l
. . .
.. .
.
. . . .
. 0 r22 · · · r2n
UA A=
..
.
.
.. . .. .
0
.
·
.
·
.
· r
.
.
.
nn
AT A b
x = AT b =⇒ RT QT QRb
x = RT QT b
e portanto
FC
Rb
x = QT b.
Prova-se que
K2 (AT A) = K2 (A)2 ;
K2 (R) = K2 (A).
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 82
g
Na resolução de um sistema de equações lineares, os métodos iterativos
partem de uma aproximação inicial, x(0) , e constroem uma sucessão de apro-
ximações, x(1) , x(2) , . . . que, desejavelmente, converge para a solução exacta
l
do sistema, x. O primeiro método será o de Gauss-Jacobi. Consideremos
primeiro a definição de matriz diagonal dominante.
UA
Definição 14.
∑
n
|aii | > |aij | , i = 1, 2, . . . , n.
j=1
j̸=i
T-
Seja agora o sistema de equações lineares Ax = b,
a11 x1 + a12 x2 + · · · + a1n xn = b1
FC
a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
an1 x1 + an2 x2 + · · · + ann xn = bn
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 83
g
..
.
1
xn = (bn − an1 x1 − · · · − an,n−1 xn−1 )
ann
l
Dada uma aproximação inicial x(0) , o método de Gauss-Jacobi calcula
UA
x(1) , . . . , x(k) , . . ., através da recorrência
x1
2x
(k+1)
(k+1)
=
=
1 (
a11
1 (
a22
b2 − a 21 x
(k)
b1 − a12 x2 − · · · − a1n xn
(k)
1 − a 23 x
(k)
3 − ·
(k)
· ·
)
− a 2n x
(k)
n
)
..
.
1 ( )
T-
xn
(k+1)
=
(k)
bn − an1 x1 − · · · − an,n−1 xn−1
(k)
ann
xi = , i = 1, 2, . . . , n, k = 0, 1, 2, . . . .
aii
j=1
j̸=i
Teorema 9.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 84
De facto,
1 ∑
n
(k)
|ei
(k+1)
| ≤ |aij | |xj − xj |
|aii |
j=1
j̸=i
g
1 ∑
n
≤ |a | ∥x − x(k)
∥
|aii |
ij ∞
j=1
j̸=i
l
1 ∑
n
= ∥e(k) ∥∞ |aij |
|aii | .
UA
nante por linhas, ou seja,
∑
n
|aij |
j=1
j̸=i
∑
n j=1
j̸=i
|aii | > |aij | ⇔ 1 > , i = 1, 2, . . . , n.
|aii |
j=1
j̸=i
T-
O que permite concluir que, com
∑
n
|aij |
j=1
j̸=i
C = max < 1,
|aii |
FC
i=1,...,n
então,
∥e(k) ∥∞ ≤ C k ∥e(0) ∥∞
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 85
g
sequentemente,
(k+1) 1 ( (k) (k)
)
1x = b − a x − · · · − a xn
a11
1 12 2 1n
l
(k+1) 1 ( (k+1) (k) (k)
)
2x = b2 − a 21 x1 − a 23 x 3 − · · · − a 2n xn
a22
UA
xn
(k+1)
..
.
=
1 (
ann
bn − an1 x1
(k+1)
− · · · − an,n−1 xn−1
(k+1)
1 ∑
i−1 ∑n
aij xj .
(k+1) (k+1) (k)
xi = bi − aij xj −
aii
T-
j=1 j=i+1
Teorema 10.
Capítulo 3
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 86
3.11 Exercícios
1. Defina algoritmo estável para a resolução de sistemas de equações li-
neares, em precisão finita.
2. Sejam
10−6 −1
g
1
A= e b= .
1 −1 2
l
nificativos, pela eliminação de Gauss, sem pivotação. Denote a
solução obtida por y;
UA
b) Mostre que se (A + E) y = b + f , então não se pode ter em simul-
tâneo E ≈ 0 e f ≈ 0;
c) Resolva o sistema Ax = b, numa aritmética de 7 algarismos sig-
nificativos, pela eliminação de Gauss, com pivotação. Denote a
solução obtida por z;
d) Determine E ≈ 0 e f ≈ 0 tais que (A + E) z = b + f.
[ ]T
6.43 2.56
T-
3. Seja A = e b = 2.01 1.45 .
2.56 8.08
Capítulo 3
4. Interpolação Polinomial
l g
4.1 Introdução
UA
O problema de interpolação polinomial consiste em obter um polinómio
que, em pontos distintos tome valores previamente estabelecidos. Nome-
adamente, dados
(x0 , y0 ) , (x1 , y1 ) , . . . , (xn , yn )
p (xi ) = yi , i = 0, 1, 2, . . . , n.
T-
Exemplo 1. Polinómio interpolador e função polinomial.
xi −1 0 1 2
yi 4 2 6 1
FC
y
7
6 b
b
5
b
b
4
3
2 b
b
1 b
b
x
-1 -1 1 2
87
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 88
y
7
6 b
b
5
b
b
4
3
2 b
b
1 b
b
g
x
-1 -1 1 2
l
O problema de interpolação a resolver é então o seguinte: dados n + 1
UA
pontos distintos, xi , e n + 1 valores yi , determinar um polinómio de grau
menor ou igual a n, pn (x) = a0 + a1 x + a2 x2 + · · · + an xn , tal que
Definição 1.
pn (xi ) = yi , i = 0, 1, 2, . . . , n.
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 89
pn (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
g
tal que
pn (xi ) = yi , i = 0, 1, 2, . . . , n.
l
As condições
UA
pn (xi ) = yi , i = 0, 1, 2, . . . , n
a0 + a1 x0 + · · · + an xn0 = y0
a0 + a1 x1 + · · · + an xn1 = y1
..
.
T-
a + a x + · · · + a xn = yn
0 1 n n n
1 x1 x1 · · · x1 a1 y1
2 n
= .
.. .. . . . .. ..
. . .
. . . .
.
. .
1 xn x2n · · · xnn an yn
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 90
∏
n ∏
n
det V (x0 , x1 , x2 , . . . , xn ) = (xi − xj ) ,
i=0 j=i+1
g
concluímos pela existência e unicidade da solução do polinómio interpola-
dor.
l
Observação.
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 91
g
p1 (x) = ℓ0 (x)y0 + ℓ1 (x)y1 .
De facto,
p1 (x0 ) = ℓ0 (x0 ) y0 + ℓ1 (x0 ) y1 = y0 ,
l
e
ℓk (xi ) = 0, i = 0, 1, . . . , n, i ̸= k
e
ℓk (xk ) = 1, k = 0, 1, . . . , n.
T-
Para garantir que ℓk (xi ) = 0, para cada i ̸= k, basta por
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 92
∑
n
g
pn (x) = y0 ℓ0 (x) + y1 ℓ1 (x) + · · · + yn ℓn (x) = yk ℓk (x),
k=0
sendo
∏
n
x − xi
l
ℓk (x) = ,
xk − xi
i=0
UA
para k = 0, 1, . . . , n.
i̸=k
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 93
Observação.
g
mais eficiente, ou seja, com menos operações aritméticas do
que as que são requeridas.
l
• Os polinómios de Lagrange estão associados a um conjunto de
pontos previamente fixado o que faz com que, havendo a ne-
4 1
Deste modo p1 (x) = y0 ℓ0 (x) + y1 ℓ1 (x) = − (x − 5) + (x − 2).
3 3
O gráfico de p1 é dado por
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 94
y
4 b
b
g
1 b
b
x
1 2 3 4 5
l
△
2.
UA
O caso da interpolação polinomial linear é o mais simples. Vejamos agora
o que se passa quando o número de pontos de interpolação é maior do que
f (x) =
1
x
nos pontos x0 = 2, x1 = 3 e x2 = 4.
No que diz respeito aos polinómios de Lagrange tem-se que:
T-
∏
n
x − xi (x − 3)(x − 4) 1
ℓ0 (x) = = = (x − 3)(x − 4),
x0 − xi (2 − 3)(2 − 4) 2
i=0
i̸=0
∏ n
x − xi (x − 2)(x − 4)
ℓ1 (x) = = = −(x − 2)(x − 4),
x1 − xi (3 − 2)(3 − 4)
FC
i=0
i̸=1
∏ n
x − xi (x − 2)(x − 3) 1
ℓ2 (x) = = = (x − 2)(x − 3).
x2 − xi (4 − 2)(4 − 3) 2
i=0
i̸=2
Como,
1
f (x0 ) = f (2) = = y0 ,
2
1
f (x1 ) = f (3) = = y1 ,
3
1
f (x2 ) = f (4) = = y2 ,
4
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 95
então
∑
2
p2 (x) = yk ℓk (x)
k=0
1 1 1
= (x − 3)(x − 4) − (x − 2)(x − 4) + (x − 2)(x − 3)
4 3 8
△
g
4.2.1 O erro de interpolação
l
Teorema 3.
UA
Sejam pn o polinómio interpolador de f nos (n + 1) pontos distintos
xi , i = 0, 1, . . . , n, pertencentes ao intervalo [a, b] e f ∈ C n+1 ([a, b]).
Então, para qualquer x
f (b
x) = pn (b
x) +
b ∈ [a, b], existe um valor ξ ∈ [a, b], dependente
b e de f , tal que
de x0 , x1 , . . . , xn , x
f (n+1) (ξ)
x − x0 ) (b
(b x − x1 ) · · · (b
x − xn ) ,
(n + 1)!
T-
o que equivale a dizer que
E (pn (b x) − pn (b
x)) = f (b x)
f (n+1) (ξ)
= x − x0 ) (b
(b x − x1 ) · · · (b
x − xn ) .
(n + 1)!
FC
e a função auxiliar
wn (x)
F (x) = f (x) − pn (x) − x) − pn (b
(f (b x)) .
wn (b
x)
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 96
g
Seja f é uma função contínua no intervalo [a, b] (a, b ∈ R, a < b) e
diferenciável em ]a, b[. Se f (a) = f (b), então existe c ∈]a, b[, tal que
f ′ (c) = 0.
l
UA
Aplicando este resultado, pode-se concluir que:
′
⇓
F possui, pelo menos, n + 1 zeros no intervalo [a, b]
⇓
′′
F possui, pelo menos, n zeros no intervalo [a, b]
⇓
..
.
T-
⇓
F (n+1) possui, pelo menos, 1 zero no intervalo [a, b].
F (n+1) (ξ) = 0.
FC
Atendendo a que
wn (x)
F (x) = f (x) − pn (x) − x) − pn (b
(f (b x))
wn (b
x)
deduz-se que
(n+1)
wn (x)
F (n+1)
(x) = f (n+1)
(x) − p(n+1)
n (x) − x) − pn (b
(f (b x))
wn (b
x)
Mas,
p(n+1)
n (x) = 0,
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 97
g
(n + 1)!
F (n+1) (x) = f (n+1) (x) − x) − pn (b
(f (b x)) .
wn (b
x)
Notando então que existe pelo menos um ponto ξ ∈ ]a, b[, tal que
l
F (n+1) (ξ) = 0,
UA
tem-se então que
isto é,
0 = f (n+1) (ξ) −
x) − pn (b
f (b x) =
(n + 1)!
wn (b
x)
x) − pn (b
(f (b
f (n+1) (ξ)
(n + 1)!
wn (b
x)) ,
x) .
Então
f (x) − pb1 (x) = f (x) − [(f (x0 )ℓ0 (x) + f (x1 )ℓ1 (x)) − (e0 ℓ0 (x) + e1 ℓ1 (x))]
= [f (x) − (f (x0 )ℓ0 (x) + f (x1 )ℓ1 (x))] + (e0 ℓ0 (x) + e1 ℓ1 (x))
≡ E(x) + R(x)
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 98
verifica a estimativa
g
|E(x)| ≤ |E(x)| + |R(x)|.
l
R é o polinómio (linear) que interpola e0 e e1 nos pontos x0 e x1 . Então
(x1 − x0 )2
|E(x)| ≤ M
UA
em que M é o máximo de f ′′ em [x0 , x1 ].
8
h2
|E (x) | ≤ M ,
8
em que M é o máximo de f ′′ em [x0 , xn ].
A forma de Lagrange utiliza uma base de polinómios, {ℓk }k=0,··· ,n , para cons-
truir o polinómio interpolador, de grau menor ou igual a n, nos pontos
xi , i = 0, 1, . . . , n.
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 99
g
Definição 2.
l
f [x1 x2 ... xk ] − f [x0 x1 ... xk−1 ]
f [x0 x1 ... xk ] = .
UA
com
xk − x0
f [xi ] = f (xi ) , i = 0, 1, . . . , n.
Isto é:
p1 (x) = f (x0 ) + f [x0 x1 ](x − x0 )
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 100
a2 = f [x0 x1 x2 ].
g
Continuando o procedimento obtém-se
l
onde
f [x1 . . . xk−1 xk ] − f [x0 x1 . . . xk−1 ]
UAak = f [x0 x1 . . . xk−1 xk ] =
para k = 0, 1, . . . , n.
xk − x0
ALGORITMO DE NEWTON
T-
diferença dividida diferença dividida diferença dividida
xi f (xi ) de primeira ordem de segunda ordem de terceira ordem
x0 f (x0 )
f [x0 x1 ]
x1 f (x1 ) f [x0 x1 x2 ]
FC
f [x1 x2 ] f [x0 x1 x2 x3 ]
x2 f (x2 ) f [x1 x2 x3 ]
f [x2 x3 ]
x3 f (x3 )
O teorema seguinte é útil para estimar o erro de interpolação nos casos
em que não se conhece a expressão analítica da função que se está a inter-
polar.
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 101
Teorema 4.
f (n) (ξ)
f [x0 x1 . . . xn ] = .
n!
g
4.4 Interpolação de Hermite
l
UA
A interpolação dos valores de uma função, f , pode ser estendida à interpo-
lação conjunta dos valores de f e da sua derivada, f ′ . É o que se entende
por interpolação de Hermite sendo que a interpolação apenas dos valores da
função é denominada de interpolação de Lagrange.
Temos então de resolver o seguinte problema de interpolação: dados n
pontos distintos, xi , determinar um polinómio, H2n−1 , de grau menor ou
igual a 2n − 1, tal que
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 102
Definição 3.
f (a + ϵ) − f (a)
f [a a] = lim f [a a + ϵ] = lim = f ′ (a).
ϵ→0 ϵ→0 ϵ
g
Com esta definição, o polinómio interpolador de Hermite na forma de
Newton com diferenças divididas é:
l
+ f [x1 x1 x2 ] (x − x1 )2
+ f [x1 x1 x2 x2 ] (x − x1 )2 (x − x2 ) · · ·
UA + f [x1 x1 x2 , . . . , x2n , x2n ] (x − x1 )2 (x − x2 )2 · · · (x − x2n )
f [x2 x2 ] = f ′ (x2 )
x2 f (x2 ) f [x2 x2 x3 ]
f [x2 x3 ]
x3 f (x3 ) f [x2 x3 x3 ]
f [x3 x3 ] = f ′ (x3 )
x3 f (x3 )
Em relação ao erro que se comete na interpolação de Hermite, o teo-
rema geral do erro da interpolação polinomial apresentado anteriormente
continua válido, podendo ser adaptado como mostra o teorema seguinte.
Capítulo 4
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 103
Teorema 5.
E (H2n−1 (b x) − H2n−1 (b
x)) = f (b x)
g
f (2n) (ξ)
= x − x1 )2 (b
(b x − x2 )2 · · · (b
x − xn )2 .
(2n)!
l
4.5 Exercícios
UA
1. É necessário construir uma tabela de valores para a função f definida
por f (x) = cos (x) tal que a interpolação linear efectuada para qual-
quer valor de x ∈ [0, π] tenha um erro inferior a 0.5 × 10−6 . Sabendo
que os valores tabelados são igualmente espaçados, qual deverá ser o
número mínimo de entradas necessárias da tabela?
utilizando os pontos x0 = 1 e x1 = 2.
b) Utilize o polinómio obtido para aproximar o valor da função em
x = 1.5 indicando o número de algarismos significativos que pos-
FC
Capítulo 4
5. Integração Numérica
l g
5.1 Introdução
UA
Existem, pelo menos, duas razões que justificam recorrer-se a métodos nu-
méricos para aproximar o integral de uma função real f , de variável real,
I (f ) =
∫
a
b
integral dá-nos a área limitada pelo gráfico de y = f (x), pelo eixo dos xx e
as rectas x = a e x = b:
y
f (x)
a b x
104
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 105
fácil de obter. Se ∫ b ∑
n
g(x) dx = ωk f (xk )
a k=0
então uma regra de integração é uma relação do tipo
∫ b ∑
n
f (x) dx ≈ ωk f (xk ).
g
a k=0
l
5.2 As regras de Newton-Cotes
UA
As regras de integração de Newton-Cotes são aquelas que se obtêm quando
se aproxima a função f por um polinómio que a interpola nos pontos de
integração.
Assim, se pn (x) =
∑
n
ℓk (x)f (xk ) é o polinómio, na forma de Lagrange,
k=0
que interpola os valores yk = f (xk ), k = 0, 1, . . . , n, nos n+1 pontos distintos
xk , k = 0, 1, . . . , n, então
T-
∫ b ∫ b ∑
n ∫ b
f (x) dx ≈ pn (x) dx = f (xk ) ℓk (x) dx.
a a k=0 a
regra. As regras abertas são aquelas em que os limites de integração não são
pontos de integração.
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 106
x−b x−a
p1 (x) = f (a) + f (b)
a−b b−a
e como
∫ b[ ]
x−b x−a f (a) + f (b)
dx = (b − a)
g
f (a) + f (b) ,
a a−b b−a 2
l
b
b−a
f (x) dx ≈ [f (a) + f (b)] .
a 2
UA
Geometricamente, a área a que corresponde o integral é aproximada pela
área de um trapézio, definido pelas rectas verticais x = a e x = b, pelo eixo
das abcissas e pelo gráfico do polinómio p1 , como mostra a seguinte figura:
y
b
b
b
b
f (x)
T-
a b x
f (n+1) (ξ)
f (x) − pn (x) = (x − x0 ) · · · (x − xn ),
(n + 1)!
f ′′ (ξ)
f (x) − p1 (x) = (x − a)(x − b).
2
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 107
g
ou seja,
∫ b
f ′′ (ξ)
E (f ) = (x − a)(x − b) dx.
a 2
Utilizando o teorema do valor médio para integrais, tem-se
l
(b − a)3 ′′
UA
com η ∈ ]a, b[.
E (f ) = −
12
f (η) ,
Definição 1.
T-
Uma regra de integração tem grau de precisão igual a m se ela exacta
para todos os polinómios de grau menor ou igual a m e se existe
umpolinómios de grau m + 1 para o qual ela não é exacta.
FC
com
p2 (x) = ℓ0 (x)f (x0 ) + ℓ1 (x)f (x1 ) + ℓ2 (x)f (x2 ) .
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 108
g
[f (x0 ) + 4f (x1 ) + f (x2 )] .
a 3
l
h5 (iv)
E (f ) = − f (η) ,
UA
com η ∈ ]a, b[.
90
b
b
b
b f (x)
FC
p2 (x)
b
b
a x1 b x
x0 x2
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 109
g
Conclui-se assim que um procedimento que permita melhorar os resulta-
dos destas regras de integração poderá ser a divisão do intervalo de integra-
ção em subintervalos e aplicando-se estas regras nos subintervalos obtidos.
l
Vamos então usar este procedimento em relação à regra do Trapézio. O
resultado será a obtenção de uma regra de integração, chamada regra do
UA
Trapézio Composta. Comece-se por definir uma partição do intervalo de
integração [a, b] em N subintervalos de integração de igual amplitude, mais
propriamente [xk , xk+1 ], com xk+1 − xk = h, k = 0, 1, . . . , N − 1, x0 = a
e xN = b. Definindo a partição desta forma, tem-se que xk = x0 + kh =
a + kh, k = 0, 1, . . . , N , com
b−a
h= .
N
T-
Neste caso, h pode ser visto como a amplitude de cada subintervalo de inte-
gração ou como a distância entre quaisquer dois pontos a utilizar na regra
do trapézio composta.
Procedendo desta forma tem-se que
∫ b
FC
I (f ) = f (x) dx
∫a
x1 ∫ x2 ∫ xN
= f (x) dx + f (x) dx + · · · + f (x) dx
x0 x1 xN −1
∑
N −1 ∫ xk+1
= f (x) dx.
k=0 xk
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 110
∑
N −1
h
I (f ) ≈ [f (xk ) + f (xk+1 )] =
2
k=0
h h
= [f (x0 ) + f (x1 )] + [f (x1 ) + f (x2 )]
2 2
g
h
+ · · · + [f (xN −1 ) + f (xN )]
2
ou, de forma equivalente,
l
∫ b
h
f (x) dx ≈ [f0 + 2f1 + 2f2 + · · · + 2fN −1 + fN ] ,
2
UA a
Teorema 1.
T-
Sejam f ∈ C 2 ([a, b]) e xk = a + kh, k = 0, 1, . . . , N , em que
b−a
h= . Então o erro na regra do Trapézio Composta é dado por
N
b − a 2 ′′
E (f ) = − h f (η) ,
12
FC
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 111
b
b
b
b
b
b
b
b
b
b
b
b f (x)
g
b
b
l
a x1 x2 x3 x4 x5 b x
UA x0 x6
b−a
h=
n
e xj = x0 + jh, j = 0, 1, . . . , n. A partição apresentada é construída por
FC
forma a que seja incluído o ponto médio de cada subintervalo, uma vez que
este ponto é necessário para construir o polinómio interpolador de grau ≤ 2
em cada subintervalo.
Procedendo desta forma tem-se que
∫ b
I (f ) = f (x) dx
∫
a
x2 ∫ x4 ∫ xn
= f (x) dx + f (x) dx + · · · + f (x) dx
x0 x2 xn−2
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 112
∑
n/2
g
h
I (f ) ≈ [f (x2j−2 ) + 4f (x2j−1 ) + f (x2j )] =
3
j=1
h
= [f (x0 ) + 4f (x1 ) + f (x2 )]
l
3
h
+ [f (x2 ) + 4f (x3 ) + f (x4 )]
UA
isto é,
∫ b
f (x) dx ≈
h
3
h
+ · · · + [f (xn−2 ) + 4f (xn−1 ) + f (xn )]
3
Teorema 2.
b − a 4 (iv)
E (f ) = − h f (η) ,
180
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 113
a+b
Sejam f ∈ C 2 ([a, b]), h = b − a e c = o ponto médio do
2
intervalo de integração. Então
g
∫ b
h3 ′′
f (x) dx = h f (c) + f (η) .
a 24
l
UA
Ao contrário das regras já estudadas, trata-se de uma regra aberta.
∫ ∑
N
b
b − a 2 ′′
f (x) dx = h f (ck ) + h f (η) .
a 24
T-
k=1
y
b
b
b
b
b
b
f (x)
FC
b
b
a c1 x1 c2 x2 c3 x3 c4 b x
x0 x4
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 114
g
(ii) Outra vantagem em relação à regra do Trapézio é que o erro é, essen-
cialmente, metade do erro que se comete com a aplicação da regra do
Trapézio.
l
5.3 As regras de Gauss
UA
5.3.1 A regra de Gauss-Legendre
menor ou igual a n.
No que diz respeito às regras de quadratura de Gauss, os n + 1 pontos
xi , i = 0, 1, . . . , n e os n + 1 coeficientes ωi , i = 0, 1, . . . , n formam um con-
junto de 2n + 2 parâmetros, que são determinados por forma a garantir que
a integração é exacta para polinómios de grau menor ou igual a 2n + 1.
Assim sendo, pelo menos do ponto de vista do grau de precisão, as regras
de Gauss representam métodos mais potentes e sofisticados de integração
numérica, permitindo obter regras com grau de precisão igual a 2n+1 apenas
com a utilização de n + 1 pontos, que não são equidistantes.
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 115
Definição 2.
g
valo [a, b] diz-se ortogonal em [a, b], se
∫ b = 0, k ̸= j
, ∀k, j = 1, 2, . . . , m.
l
pk (x)pj (x) dx
a ̸= 0, k = j
UA
Teorema 4.
grau (pk ) = k, k = 0, 1, . . . , m,
Teorema 5.
FC
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 116
g
função a integrar pelo polinómio que a interpola nos zeros dos polinómios de
Legendre, isto é, fixado m, xk = αk , k = 1, 2, . . . , m, os zeros do polinómio
de Legendre pm , que existem em [−1, 1], como se viu no teorema 5, serão os
l
pontos de integração. Seja então
com
UA ℓk (x) =
q(x) =
∑
m
k=1
ℓk (x)f (xk ) ,
(x − α1 ) · · · (x − αk−1 ) (x − αk ) · · · (x − αm )
(xk − α1 ) · · · (xk − αk−1 ) (xk − αk ) · · · (xk − αm )
para k = 1, 2, . . . , m.
,
Como
f (x) ≈ q(x), x ∈ [−1, 1] ,
T-
então, integrando ambos os membros obtém-se
∫ 1 ∫ 1 (∑
m
)
∑
m
f (x) dx ≈ ℓk (x)f (xk ) dx = ωk f (xk ) ,
−1 −1 k=1 k=1
onde ∫ 1
FC
ωk = ℓk (x) dx,
−1
para k = 1, 2, . . . , m.
Exemplo 1. Polinómios de Legendre de grau zero, um, dois, três e quatro. Pesos
e pontos de integração
Polinómio de Legendre de grau 0: p0 (x) = 1
Polinómio de Legendre de grau 1: p1 (x) = x
Polinómio de Legendre de grau 2:
√ √
1 3 3
p2 (x) = x − ⇒ p2 (x) = 0 ⇔ α1 = −
2
∨ α2 =
3 3 3
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 117
g
3 3 3
p3 (x) = x3 − x ⇒ p3 (x) = 0 ⇔ α1 = − ∨ α2 = 0 ∨ α3 =
5 5 5
l
3 α1 = −0.77459666924148 ω1 = 0.55555555555556
α2 = 0 = 0.00000000000000 ω2 = 0.88888888888889
UA α3 = 0.77459666924148
△
FC
Teorema 6.
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 118
g
As incógnitas são determinadas por forma a que a integração seja exacta
para polinómios de grau ≤ 2n + 1 = 3.
A base do espaço vectorial dos polinómios de grau inferior ou igual a 3,
{ }
l
P3 , é 1, x, x2 , x3 . Como o operador integração é linear, a integração deve
ser exacta para as funções que constituem a base do espaço P3 .
UA
Deste modo:
Para f (x) = 1,
Para f (x) = x,
ω0 + ω1 =
ω0 x0 + ω1 x1 =
∫
−1
∫ 1
−1
1
dx = 2,
x dx = 0,
∫ 1
2
Para f (x) = x2 , ω0 x20 + ω1 x21 = x2 dx = ,
−1 3
∫ 1
T-
Para f (x) = x3 , ω0 x30 + ω1 x31 = x3 dx = 0.
−1
3 3
Conclui-se assim que a fórmula de Gauss-Legendre, para dois pontos,
consiste apenas na soma dos valores da função nos dois zeros do polinómio
de Legendre p2 ,
∫ 1 ( √ ) (√ )
3 3
f (x) dx ≈ f − +f
−1 3 3
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 119
y y
f (x) f (x)
b
b
b
b
b
b b
b
g
√ √
−1 1 x −1 3 3 1 x
−
3 3
l
Quanto ao erro de integração tem-se o seguinte resultado:
UA
Teorema 7.
E(f ) =
f (iv) (η)
135
,
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 120
Definição 3.
g
a
l
As regras de Gauss-Legendre correspondem à função peso ω(x) ≡ 1. Para
diferentes funções peso obtêm-se diferentes regras de Gauss.
UA
Exemplo 2. Outras funções peso.
√
ω
1
1 − x2
e−x
Intervalo
[−1, 1]
[0, +∞[
Nome da regra de Gauss
Gauss-Chebyshev
Gauss-Laguerre
e−x
2
] − ∞, +∞[ Gauss-Hermite
△
T-
5.4 Exercícios
∫2
1. a) Calcule, com a regra de Simpson, o integral 1 ln(x) dx;
FC
Capítulo 5
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 121
g
em que c é o ponto médio entre a e b.
l
UA
T-
FC
Capítulo 5
6. Resolução numérica de
g
Equações Diferenciais
l
Ordinárias
UA
6.1 Introdução
Neste capítulo iremos estudar a resolução numérica do seguinte problema
diferencial de primeira ordem: Determinar uma função y ∈ C 1 (I) que sa-
tisfaz
y ′ = f (t, y(t)) , t ∈ I,
T-
(P)
y (t ) = y ,
0 0
122
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 123
Definição 4.
g
satisfaz uma condição de Lipschitz com respeito a y.
l
O teorema que segue estabelece a existência e unicidade de solução para o
problema (P).
UA
Teorema 8.
Se
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 124
Definição 5.
g
para todo 0 ≤ λ ≤ 1.
l
Teorema 9.
z (t ) = y + δ
0 0 0
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 125
Definição 6.
g
com ε > 0 suficientemente pequeno, então
l
UA
Se I não é limitado superiormente diz-se que o problema de Cauchy é
assimptoticamente estável se, além de ser estável em todo o subintervalo
limitado de I, também se verifica que
Desigamos por y(tn ) o valor da solução de (P) em tn e por yn uma sua apro-
ximação, em geral obtida através de um método numérico. Assim a solução
aproximada, obtida através de um método numérico, é um conjunto discreto
de valores yn . Finalmente fn denota a aproximação que se obtém para o va-
lor de f no par (tn , yn ), ou seja, fn ≡ f (tn , yn ).
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 126
Relembre-se que, para uma função y com derivadas contínuas até à se-
gunda ordem, a fórmula de Taylor, em torno de t, permite escrever que:
h2 ′′
y (t + h) = y (t) + hy ′ (t) + y (ξ) ,
2
com ξ ∈ ]t, t + h[, isto é,
g
y (t + h) − y (t) h
= y ′ (t) + y ′′ (ξ) .
h 2
Obtém-se então que
y (t + h) − y (t)
l
h
UA
é uma aproximação para a derivada. É uma diferença finita progressiva.
Por outro lado, as hipóteses de continuidade sobre f implicam que
onde fn ≡ f (tn , yn ).
A fórmula anterior representa a recorrência do método de Euler explícito.
FC
Definição 7.
h ′′
τn (h) = y (ξn ) ,
2
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 127
g
A dedução do método de Euler pode igualmente ser feita a partir de inte-
gração numérica. Integrando a equação diferencial, entre t e t + h, obtemos
sucessivamente
l
∫ t+h ∫ t+h
′
y (t) dt = f (s, y (s)) ds
UA t
y (t + h) − y (t) =
t
∫ t+h
y (t + h) = y (t) +
f (s, y (s)) ds
∫ t+h
t
f (s, y (s)) ds
yn+1 = yn + hfn , n = 0, 1, 2, . . . , N − 1.
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 128
t0 = 0, t1 = t0 + h = 0.25,
t2 = t0 + 2h = 0.5, t3 = t0 + 3h = 0.75,
t4 = t0 + 4h = tN = 1.
g
Por outro lado, o método de Euler explícito implica que
l
com n = 0, 1, 2, 3 e considerando a condição inicial y (0) = 1, tem-se que:
UA y0 = 1
y1 = (1 + h) × y0 = 1.25
y2 = (1 + h) × y1 = 1.25 × 1.25 = 1.5625
y3 = (1 + h) × y2 = 1.25 × 1.5625 = 1.95313
y4 = (1 + h) × y3 = 1.25 × 1.95313 = 2.44141
tn yn y (tn )
0.00 1.00000 1.00000
FC
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 129
y
yn ≈ y(tn )
y(t) = et b
b
b
b
b
b
b
b
b
b
b
b
bbb
b
g
b
b
l
0 t1 t2 t3 t4 = 1 x
Ainda que as aproximações continuem a não ser boas, com h = 0.1 são
UA
ligeiramente melhores:
tn
0.00
0.10
..
.
0.80
1.00000
1.10000
..
.
2.14359
yn y (tn )
1.00000
1.10517
..
.
2.22554
0.90 2.35795 2.45960
1.00 2.59374 2.71828
y
T-
yn ≈ y(tn )
y(t) = et b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
bbb
b
FC
bbb
b
bb
bb
b
bb
b
b
b
b
0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 x
△
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 130
t0 = 0, t1 = 0.1, t2 = 0.2,
t3 = 0.3, t4 = 0.4, t5 = 0.5,
g
t6 = 0.6, t7 = 0.7, t8 = 0.8,
t9 = 0.9, t10 = 1.0.
l
Por outro lado, o método de Euler explícito é dado por
UA
yn+1 = yn + hfn = yn + h (tn − yn + 1) = (1 − h) yn + h (tn + 1)
0.00
tn yn
1.00000
y (tn )
1.00000
0.10 1.00000 1.00484
0.20 1.01000 1.01873
0.30 1.02900 1.04082
T-
0.40 1.05610 1.07032
0.50 1.09049 1.10653
0.60 1.13144 1.14881
0.70 1.17830 1.19659
FC
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 131
Vamos agora obter uma estimativa para o erro que se comete na aproximação
obtida pelo método de Euler explícito. Comecemos por enunciar dois lemas
que são úteis na demonstração da estimativa.
Lema 1.
g
0 ≤ (1 + x)m ≤ emx , para todo o x ≥ −1 e para todo o valor positivo
m.
l
Lema 2.
UA
Sejam s e t números reais positivos e {uk }k=0,1,...,n uma sucessão tal
que u0 ≥ −t/s e uk+1 ≤ (1 + s)uk + t, k = 0, 1, 2, . . . , k − 1. Então
uk+1 ≤ e (k+1)s
(
u0 +
s
t
)
− .
s
t
com n = 1, . . . , N .
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 132
é deduzido a partir de
h2 ′′
y (tn ) = y (tn−1 ) + hf (tn−1 , y (tn−1 )) + y (ηn )
2
com ηn ∈ ]tn−1 , tn [.
Por subtracção das duas relações anteriores obtém-se:
g
h2 ′′
y (tn )−yn = y (tn−1 )−yn−1 +hf (tn−1 , y (tn−1 ))−hf (tn−1 , yn−1 )+ y (ηn ) .
2
Logo,
l
|y (tn ) − yn | ≤ |y (tn−1 ) − yn−1 | + h |f (tn−1 , y (tn−1 )) − f (tn−1 , yn−1 )|
UA +
h2 ′′
2
y (ηn )
h2 M2
|y (tn ) − yn | ≤ (1 + hL) |y (tn−1 ) − yn−1 | +
2
A aplicação do lema 2 permite escrever
T-
( )
h2 M2 h2 M2
|y (tn ) − yn | ≤ e nhL
|y (t0 ) − y0 | + − .
2hL 2hL
h2 M2 h2 M2
|y (tn ) − yn | ≤ e(tn −t0 )L −
FC
.
2hL 2hL
ou seja,
hM2 ( (tn −t0 )L )
|y (tn ) − yn | ≤ e −1 ,
2L
para n = 1, 2, . . . , N . △
A estimativa obtida é do tipo exponencial, o que implica que, para gran-
des intervalos de integração, a janela do erro seja muito grande. Temos,
porém, o seguinte resultado:
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 133
Teorema 11.
∂f
Se f é decrescente em y, isto é, se ≤ 0, então, supondo y(t0 ) = y0 ,
∂y
hM2 (tn − t0 )
|y (tn ) − yn | ≤ ,
2
g
com n = 1, . . . , N .
l
Observação.
UA ∗
yn+1 = yn∗ + hf (tn , yn∗ ) + ρn ,
h2 ′′
y (t − h) = y (t) − hy ′ (t) + y (ξ) ,
2
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 134
h2 ′′
y (t − h) − y (t) = −hy ′ (t) + y (ξ) ⇔
2
y (t) − y (t − h) h
= y ′ (t) − y ′′ (ξ) .
h 2
O que quer dizer que a diferença finita regressiva
g
y (t) − y (t − h)
.
h
l
é uma aproximação, de primeira ordem, para a derivada y ′ (t).
Assim se consideramos t = tn+1 teremos
yn+1 = yn + hfn+1 , n = 0, 1, 2, . . . , N − 1.
com ξn ∈ ]tn , tn+1 [. Tal como o método de Euler explícito, o método de Euler
implícito é um método de primeira ordem (o erro de truncatura local tende
FC
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 135
g
Aqui, atendendo à fórmula do método de Euler implícito, obtém-se
l
yn
⇔ yn+1 = ,
1−h
UA
com n = 0, 1, 2, 3, o que fornece os seguintes resultados:
y1 =
y2 =
y0
1−h
y1
1−h
= 1.33333
=
1.33333
1−h
= 1.77778
y2 1.77778
y3 = = = 2.37037
1−h 1−h
y3 2.37037
y4 = = = 3.16049
T-
1−h 1−h
Comparando as aproximações obtidas com os valores provenientes da
solução da equação diferencial, é notória a falta de qualidade das aproxima-
ções.
FC
tn yn y (tn )
0.00 1.00000 1.00000
0.25 1.33333 1.28403
0.50 1.77778 1.64872
0.75 2.37037 2.11700
1.00 3.16049 2.71828
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 136
y
b
b
yn ≈ y(tn )
y(t) = et b
b
b
b
b
b
b
b
b
b
b
b
b
b
g
b
b
l
0 t1 t2 t3 t4 = 1 t
y(t) = et b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
bbb
b
bb
bb
FC
b
bb
b
b
b
b
0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 t
O método de Crank-Nicolson pode ser visto como uma combinação dos dois
métodos apresentados anteriormente.
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 137
g
tn 2 12
l
y ′ (t) dt = y (tn+1 ) − y (tn ) ,
tn
UA
então
yn+1 = yn +
h[ ′
2
h
2
] h3
y (tn ) + y ′ (tn+1 ) − y ′′′ (ξn ) .
y (tn+1 ) = y (tn ) +
12
Obtemos assim a recorrência para o método de Crank-Nicolson:
[fn + fn+1 ] , n = 0, 1, . . . , N − 1.
em que 0 ≤ θ ≤ 1.
Se θ = 0 obtém-se o método de Euler explícito.
Se θ = 1 obtém-se o método de Euler implícito.
FC
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 138
g
blema
y ′ = y (t) , t ∈ [0, 1]
y (0) = 1.
l
utilizando os passos h = 0.25 e h = 0.1.
Considerando então h = 0.25, a discretização correspondente a este
UA
passo de discretização é dada por:
t0 = 0,
t2 = t0 + 2h = 0.5,
t4 = t0 + 4h = tN = 1,
t1 = t0 + h = 0.25,
t3 = t0 + 3h = 0.75,
h h h h
FC
h h
yn+1 − yn+1 = yn + yn ⇔
( )2 ( 2)
h h
1− yn+1 = 1 + yn ⇔
2 2
2+h
yn+1 = yn
2−h
com n = 0, 1, 2, 3.
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 139
y0 = 1
2 + 0.25
y1 = × y0 = 1.28571
2 − 0.25
2 + 0.25
y2 = × y1 = 1.28571 × 1.28571 = 1.65306
g
2 − 0.25
2 + 0.25
y3 = × y2 = 1.28571 × 1.65306 = 2.12536
2 − 0.25
l
2 + 0.25
y4 = × y3 = 1.28571 × 2.12536 = 2.73261
2 − 0.25
UA
Nota-se perfeitamente a melhoria da qualidade dos resultados em re-
lação aos métodos de Euler, mas, comparando-os com os valores obtidos
com a solução da equação diferencial, verifica-se que, mesmo assim, ainda
são resultados afectados por um erro considerável. Melhorará, obviamente,
quando se diminuir o tamanho do passo.
tn yn y (tn )
0.00 1.00000 1.00000
T-
0.25 1.28571 1.28403
0.50 1.65306 1.64872
0.75 2.12536 2.11700
1.00 2.73261 2.71828
y
FC
yn ≈ y(tn )
y(t) = et b
bb
b
bb
b
b
b
b
b
b
0 t1 t2 t3 t4 = 1 t
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 140
g
0.90 2.46145 2.45960
1.00 2.72055 2.71828
y
yn ≈ y(tn )
l
y(t) = et b
b
b
b
UA b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
b
0 t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 t
△
T-
6.3 Métodos preditores-correctores
Nos métodos implícitos ou semi-implícitos, como os métodos de Euler im-
plícito e o de Crank-Nicolson, raramente é possível escrever um esquema de
FC
recorrência por forma a ”explicitar” yn+1 em função de yn , como foi feito nos
exemplos apresentados.
De facto, na maioria dos casos obtém-se uma equação não linear em
yn+1 , o que obriga à utilização de métodos para a resolução de equações
não lineares, como os métodos de Newton ou da Secante, para obter uma
aproximação para yn+1 .
Por exemplo, para o problema de valor inicial
y ′ = −y ln(y), t ∈ [0, T ], T > 0,
y (0) = y ,
0
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 141
g
No entanto é possível recorrer a um processo bem mais prático e bem
mais simples, o qual se baseia numa ideia de “preditor-corrector”: em vez
de se aplicar directamente o método de Crank-Nicolson e resolver a equação
l
resultante em função de yn+1 , utiliza-se um método mais simples, por exem-
plo, o método de Euler explícito (preditor), numa primeira fase, obtendo-se
UA
uma primeira aproximação para yn+1 ,
yen+1 = yn + hf (tn , yn ) .
y ′ = y (t) , t ∈ [0, 1]
y (0) = 1.
t0 = 0, t1 = t0 + h = 0.25,
t2 = t0 + 2h = 0.5, t3 = t0 + 3h = 0.75,
t4 = t0 + 4h = tN = 1,
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 142
yen+1 = yn + hfn
com fn ≡ f (tn , yn ) = yn .
g
No papel de corrector, usa-se o método de Crank-Nicolson, obtendo-se
h[ ]
yn+1 = yn + fn + fen+1
2
l
com fen+1 ≡ f (tn+1 , yen+1 ).
UA
Procedendo deste modo, os resultados que se obtêm são apresentados na
tabela que se segue.
tn
0.00
yen yn
1.00000
y (tn )
1.00000
0.25 1.25000 1.28125 1.28403
0.50 1.60156 1.64160 1.64872
0.75 2.05200 2.10330 2.11700
T-
1.00 2.62913 2.69486 2.71828
y
yn ≈ y(tn )
y(t) = et bb
bb
FC
b
bb
b
b
b
b
b
b
0 t1 t2 t3 t4 = 1 t
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 143
g
Por exemplo, se pretendermos um resultado com 6 algarismos significativos,
o método de Euler obriga à utilização de uma discretização com, aproxi-
madamente, um milhão de pontos. A precisão pode ser aumentada com a
l
construção de métodos de Taylor de ordem superior. No entanto, esse proce-
dimento tem a desvantagem destes métodos obrigarem ao cálculo de muitas
UA
derivadas da função f para se obterem resultados com melhor precisão. Um
processo que se pode tornar penoso ou mesmo impraticável.
Uma alternativa foi apresentada por Carl Runge em 1875, a qual consiste
em considerar
(
h
(
y (t0 + h) ≈ y0 + hf t0 + , y t0 +
h
))
,
2 2
( )
h
partindo do conhecimento de y (t0 ). Mas, que valor atribuir a y t0 + ?
2
T-
A sugestão apresentada por Runge foi a de considerar o método de Euler
h
com passo igual a . A aplicação sucessiva deste processo permite definir o
2
seguinte método iterativo:
k1 = f (tn , yn )
( )
FC
h h
k2 = f tn + , y n + k1
2 2
yn+1 = yn + hk2 ,
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 144
Definição 8.
g
k1 = f (tn , yn )
k2 = f (tn + c2 h, yn + a21 hk1 )
k3 = f (tn + c3 h, yn + a31 hk1 + a32 hk2 )
l
k4 = f (tn + c4 h, yn + a41 hk1 + a42 hk2 + a43 hk3 )
..
UA .
km = f (tn + cm h, yn + am1 hk1 + am2 hk2 + · · · + am,m−1 hkm−1 )
yn+1 = yn + h [b1 k1 + b2 k2 + · · · + bm km ] ,
é aquela que foi apresentada em 1964 por John Charles Butcher e é dada
pelo quadro que se segue
0
c2 a21
c3 a31 a32
.. .. .. ..
. . . .
cm am1 am2 ··· am,m−1
b1 b2 ··· bm−1 bm
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 145
k1 = f (tn , yn )
( )
h h
k2 = f tn + , yn + k1
2 2
( )
g
h h
k3 = f tn + , yn + k2
2 2
k4 = f (tn + h, yn + hk3 )
h[ ]
l
yn+1 = yn + k1 + 2k2 + 2k3 + k4 ,
6
UA
com n = 0, 1, 2, . . . , N − 1, e é designado por método de Runge-Kutta de 4
etapas, ou simplesmente por RK4.
t0 = 0, t1 = t0 + h = 0.25,
t2 = t0 + 2h = 0.5, t3 = t0 + 3h = 0.75,
FC
t4 = t0 + 4h = tN = 1,
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 146
os valores de ki , i = 1, 2, 3, 4, com
k1 = f (tn , yn )
( )
h h
k2 = f tn + , yn + k1
2 2
( )
h h
k3 = f tn + , yn + k2
g
2 2
k4 = f (tn + h, yn + hk3 )
h[ ]
yn+1 = yn + k1 + 2k2 + 2k3 + k4 ,
l
6
com n = 0, 1, 2, 3.
UA
Procedendo deste modo, os resultados que se obtêm são os seguintes.
tn
0.00
0.25
0.50
yn
1.00000
1.28402
1.64870
y (tn )
1.00000
1.28403
1.64872
0.75 2.11696 2.11700
1.00 2.71821 2.71828
T-
y
yn ≈ y(tn )
y(t) = et b
b
b
b
FC
b
b
b
b
b
b
0 t1 t2 t3 t4 = 1 t
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 147
|e (yn )| = |y (tn ) − yn |
tn EE EI CN PC RK4
0.00 0.00 0.00 0.00 0.00 0.00
0.25 0.0340 0.0493 0.00169 0.00278 0.00000849
0.50 0.0862 0.129 0.00434 0.00712 0.0000218
0.75 0.164 0.253 0.00836 0.0137 0.0000420
g
1.00 0.277 0.442 0.0143 0.0234 0.0000719
| e (yn ) |
0.45 b
l
b
bb
Euler Implícito
bb
Euler Explícito 0.4
bb
Preditor-corrector
UA bb
bb
Crank-Nicolson
RK4
0.35
0.3
0.25
0.2
0.15
b
b
b
b
b
b
b
b
0.1 b
b
0.05 b
b
b
b
b
b
b
b b
b
b
T-
b
bbbb
b b
b
b bbbb bb bb
0 t1 t2 t3 t4 = 1 t
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 148
Definição 9.
g
Estamos agora em condições de definir a consistência de um método nu-
mérico.
l
Definição 10.
UA
Se o erro de truncatura local de um método numérico para resolver
(P) é da ordem de hp , p > 0, isto é, se existe uma constante C > 0
tal que
|τn (h)| ≤ Chp , n = 0, 1, . . . , N − 1.
6.5.1 Estabilidade
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 149
Definição 11.
g
em que zn é solução do problema perturbado, em cada passo, por ρn .
l
Observação.
UA
Para o método de Euler explícito, zn é a solução de
zn+1 = yn + hf (tn , yn ) + ρn .
para todo o n = 0, 1, . . . , N .
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 150
g
No que diz respeito ao método de Euler explícito, recorde-se a forma
como foi obtido a partir do desenvolvimento em série de Taylor,
l
h2 ′′
y (tn+1 ) = y (tn ) + hy ′ (tn ) + y (ξn ) ,
2
UA
com ξn ∈ ]tn , tn+1 [. O erro que afecta a aproximação yn+1 pode ser decom-
posto da seguinte forma:
Capítulo 6
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 151
y (x)
y (tn+1 ) bb
hτn
b
b
un+1
e (yn+1 )
b
b
yn+1
g
y (tn ) bb
yn
l
b
b
tn tn+1
UA
6.6 Exercícios
1. Considere o problema y ′ (t) = cos (2 y(t)), t ∈ (0, 1], y(0) = 0. Resolva-
o com os métodos de Euler progressivo, Euler regressivo e Crank-Ni-
colson e estime a respectiva ordem de convergência.
Capítulo 6
Anexo
l g
11. Precisão Finita
UA
1.1 Representação de números no computador
ë base de representação: b = 2
152
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 153
g
então o valor x é representado por
l
• (1.D) representa a mantissa normalizada (1 ≤ mantissa < 2) (o pri-
UA
meiro bit da mantissa é sempre 1 (bit implícito) e, por essa razão, não
é armazenado);
Representação do Zero:
Capítulo 7
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 154
• se s = 0, então x = +0;
• se s = 1, então x = −0.
g
A vizinhança de zero é tratada de forma diferente, por forma a garantir
uma representação mais densa dos números de pequena grandeza.
Se expoente = 0 e mantissa ̸= 0, então
l
e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 = 00000000000,
Capítulo 7
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 155
• se s = 0, então x = +∞;
• se s = 1, então x = −∞.
x = N AN (Not A Number).
g
Situações de indeterminação como 0/0 ou ∞/∞ no MATLAB, resultam em
NaN.
l
2. Equações Não Lineares
UA
2.1 Equações Diofantinas
Caminhante! Aqui jaz Diofanto.
Os números dirão a duração da sua vida,
cuja sexta parte foi ocupada por uma doce infância.
Decorrida mais uma duodécima parte da sua vida, o seu rosto cobriu-se com barba.
Passado mais um sétimo da sua vida casou.
Cinco anos depois nasceu-lhe o seu único filho,
que apenas durou metade da vida do pai.
Triste com a morte do seu filho,
T-
Diofanto viveu ainda quatro anos.
Diz-me, Caminhante, que idade tinha Diofanto quando a morte o levou?
xn + y n = z n
Nature
Wikipedia
Capítulo 7
Análise Numérica I - LEI-MIEA-MIEB-MIEET 2017/2018 156
g
a0
a0 + a1 x = 0 ⇔ x = − ,
a1
com a1 ̸= 0.
l
Equação polinomial quadrática:
√
UA
com a2 ̸= 0.
a0 + a1 x + a2 x = 0 ⇔ x =
a0 + a1 x + a2 x2 + a3 x3 = 0
a21 − 4a0 a2
2a2
,
Capítulo 7