Escolar Documentos
Profissional Documentos
Cultura Documentos
Tecnologia Sucroalcooleira
Cálculo Numérico
Uma Abordagem para o Ensino a Distância
Cálculo Numérico
Uma Abordagem para o Ensino a Distância
Reitor
Targino de Araújo Filho
Vice-Reitor
Pedro Manoel Galetti Junior
Pró-Reitora de Graduação
Emília Freitas de Lima
Coordenador do Curso de
Tecnologia Sucroalcooleira
Miguel Antonio Bueno da Costa
UAB-UFSCar
Universidade Federal de São Carlos
Rodovia Washington Luís, km 235
13565-905 - São Carlos, SP, Brasil
Telefax (16) 3351-8420
www.uab.ufscar.br
uab@ufscar.br
Selma Helena de Vasconcelos Arenales
José Antonio Salvador
Cálculo Numérico
Uma Abordagem para o Ensino a Distância
2010
© 2010, dos autores.
Concepção Pedagógica
Daniel Mill
Supervisão
Douglas Henrique Perez Pino
Equipe de Ilustração
Eid Buzalaf
Jorge Luís Alves de Oliveira
Priscila Martins de Alexandre
ISBN – 978-85-7600-187-4
Todos os direitos reservados. Nenhuma parte desta obra pode ser reproduzida ou transmitida por qualquer
forma e/ou quaisquer meios (eletrônicos ou mecânicos, incluindo fotocópia e gravação) ou arquivada em
qualquer sistema de banco de dados sem permissão escrita do titular do direito autoral.
........... SUMÁRIO
APRESENTAÇÃO. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.8 Exercícios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Exercícios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.1 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4 Exercícios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.1 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
REFERÊNCIAS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Apresentação
Este livro foi desenvolvido para dar suporte ao estudo de uma disciplina
básica de Cálculo Numérico.
Por fim, agradecemos a Carla Taviani Lucke da Silva Ghidini e Silvia Maria
Pereira Grandi dos Santos pela colaboração na revisão deste livro.
9
Unidade 1
Exemplo 1.1
13
Uma transportadora possui três tipos de caminhões representados por C1,
C2 e C3 , os quais são equipados para levar três tipos diferentes de materiais con-
taminados M1, M2 e M3 para lixões adequados, conforme a Tabela 1.1:
Tabela 1.1
M1 M2 M3
C1 6.8 1.9 1.7
C2 1.5 2.6 1.4
C3 2.3 1.8 2.3
O caminhão C1 pode levar 6.8 toneladas do tipo M1, 1.9 tonelada do tipo M2
e 1.7 tonelada do M3. Deseja-se saber quantos caminhões de cada tipo devemos
enviar para transportar 16 toneladas do tipo M1, 7 toneladas do M2 e 6 toneladas
do M3?
• Passo 1
• Passo 2
• Passo 4
• Passo 5
Observações
m
Nb = ∑ ai b i
i =n
Exemplo 1.2
a) (1011)2 = 1 ∗ 2 0 + 1 ∗ 21 + 0 ∗ 2 2 + 1 ∗ 2 3
b) (111.01)2 = 1 ∗ 2 -2 + 0 ∗ 2 -1 + 1 ∗ 2 0 + 1 ∗ 21 + 1 ∗ 2 2
16
Exemplo 1.3
Exemplo 1.4
( 25 )10 = 1 ∗ 2 0 + 0 ∗ 21 + 0 ∗ 2 2 + 1 ∗ 2 3 + 1 ∗ 2 4
= (11001)2
25 ÷ 2 = 12 e resto = 1
12 ÷ 2 = 6 e resto = 1
12 ÷ 2 = 6 e resto = 0
6 ÷ 2 = 3 e resto = 0
3 ÷ 2 = 1 e resto = 1
25 2
1 12 2
0 6 2
0 3 2
1 1 2
1 0
Para obter o número 25 na base 2, basta tomar os restos das divisões su-
cessivas, de 25 por 2, do quociente 12 por 2, e assim por diante, do final para o
início no esquema anterior.
25 = 1 ∗ 2 0 + 0 ∗ 21 + 0 ∗ 2 2 + 1 ∗ 2 3 + 1 ∗ 2 4 17
E, portanto temos:
( 25 )10 = (11001)2
Exemplo 1.5
x ' = 0.1236
x ' = 0.123
Exemplo 1.6
(x -x) ( x - x )2 ( x - x )n
f ( x ) = f ( x ) + f (f ) ( x ) + f ( 2 ) (x ) + ... + f ( n ) ( x ) + ...
1! 2! n!
Como, f ( x ) = e x , f (1 ) ( x ) = e x , f ( 2 ) ( x ) e x ...
x2 x3 xn
ex = 1 + x + + + ... + + ...
2! 3! n!
x2 x3 1 3
ex ≅ 1 + x + + = ( x + 3x 2 + 6x + 6 )
2! 3! 6
Ea = x - x'
x - x'
Er =
x
19
Exemplo 1.7
Ea 0.713
Er = = = 0.00030396
x 2345.713
Então,
Ea 0.713
Er = = = 0.416229
x 1.713
Exemplo 1.8
Ao ser perguntado sobre qual a distância no item a) e b), uma pessoa in-
forma como a seguir:
20
Qual o erro cometido nessas informações?
E a = 170 - 160 = 10 em a)
E a = 20 - 10 = 10 em b)
Ea 10
Er = = em a)
170 170
Ea 10 1
Er = = = em b)
20 20 2
O Erro Relativo nos informa que ao errar 10 em 170 não foi cometido um erro
muito grande na informação, pois a grandeza numérica 10 /170 ≈ 0.0588 = 5.88%,
mas ao errar 10 em 20, foi cometido um erro de 10 / 20 = 0.5 = 50% na informação.
Podemos concluir que o Erro Relativo nos fornece mais informações sobre
a qualidade do erro que estamos cometendo num determinado cálculo, uma vez
que no Erro Absoluto não é levada em consideração a ordem de grandeza do
valor calculado, enquanto que no Erro Relativo essa ordem é contemplada.
E a = x k +1 - x k < ε
x k +1 - x k
Er = <ε
x k +1
Exemplo 1.9
x1 - x 0
Para k = 0 → x1 = 1.50000 → = 0.33333 > ε
x1
x 2 - x1
Para k = 1 → x 2 = 1.41667 → = 0.05882 > ε
x2
x3 - x 2
Para k = 2 → x 3 = 1.41422 → = 0.00173 > ε
x3
x4 - x3
Para k = 3 → x 4 = 1.41421 → = 0.00001 < ε
22 x4
Dessa forma, usando o Erro Relativo como o Critério de Parada, e uma
vez que este está satisfeito na sequência quando k = 3, temos que a solução
x ≅ x 4 = 1.41421.
Nota:
23
Figura 1.2 Um Mapa Conceitual sobre erros.
24
1.8 Exercícios
a) 45 b) 2978 c) 7699
1 7 -4
x k +1 = xk + , k = 0,1,... com ε = 10 no critério de parada partindo de
2 xk
um ponto inicial x 0 = 1.
25
Unidade 2
Esses sistemas lineares em geral são de grande porte, a matriz A dos coe-
ficientes possui muitas linhas e colunas, e necessitam de métodos numéricos
estáveis, isto é, métodos em que os erros de arredondamento não destroem a
qualidade da solução aproximada obtida, e com pouco tempo de processamen-
to nos computadores.
Para construção das unidades de filtração de uma ETA, uma usina de agre-
gados foi contratada para fornecer a areia destinada à filtração. Para atender ao
pedido, a usina dispõe de areias brutas provenientes de três portos passíveis de
exploração com composições granulométricas distintas, conforme Tabela 2.1:
29
Tabela 2.1
Faixa granulométrica (mm) Porto 1 Porto 2 Porto 3
0.42-0.59 0.28 0.10 0.15
0.59-0.71 0.12 0.22 0.10
0.71-0.84 0.14 0.12 0.18
Tabela 2.2
Faixa granulométrica (mm) Volume de areia (m3)
0.42-0.59 20
0.59-0.71 10
0.71-0.84 12
Observações
A x b
Exemplo 2.1
x1 + x 2 = 2
2 x1 + x 2 = 3
31
Graficamente temos:
Exemplo 2.2
2x + x + 0x = 3
1 2 3
-4x1 + 2x 2 + x 3 = -2
0x + 4x + x = 4
1 2 3
i = 1,..., n.
a11x1 = b
1
a x + a x = b
21 1 22 2 2
an1x1 + an2 x 2 + + ann x n = bn
ai1 x1 + ai 2 x 2 + ... + ai i x i = bi
33
ou seja,
i -1
bi - ∑ ai j x j
j =1
xi =
aii
Algoritmo 2.1
Faça:
b1
x1 =
a11
i -1
bi - ∑ ai j x j
j =1
xi =
aii
Exemplo 2.3
6 0 0 x1 6
1 5 0 x 2 = 6
0 1 1 x 3 1
b1 6
x1 = = =1
a11 6
b2 - a21x1 6 - 1(1)
x2 = = =1
a22 5
i = 1, , n.
ai i x i + ai i +1 x i +1 + ai i + 2 x i + 2 + ai i +3 x i +3 + ... + ai n x n = bi
n
bi - ∑ ai j x j
j = i +1
xi =
aii
Algoritmo 2.2
Faça:
bn
xn =
an n
35
Para i = (n - 1),...,1, faça:
n
bi - ∑ ai j x j
j = i +1
xi =
aii
Exemplo 2.4
5 1 0 x1 6
0 7 -1 x 2 = 6
0 0 8 x 3 8
b3 8
x3 = = =1
a33 8
b2 - a23 x 3 6 - (-1)(1)
x2 = = =1
a22 7
Observação
∆k = det ( Ak )
Exemplo 2.5
Considere a matriz:
5 0 0
A = 1 2 0
1 2 1
5 0 0
5 0
∆1 = 5 ∆2 = = 10 ∆3 = 1 2 0 = 10
1 2
1 2 1
Métodos de Decomposição
Teorema 2.1
Processo de Decomposição LU
Considere LU = A:
L U A
• 1a linha de U
38
• 1a coluna de L
11 = 1
11 = 1
21 u11 = a21 → 21 = a21 / u11
21 u11 = a21 → 21 = a21 / u11
31 u11 = a31 → 31 = a31 / u1 1
31 u11 = a31 → 31 = a31 / u1 1
• 2a linha de U
• 2a coluna de L
22 = 1
• 3a linha de U
• 3a coluna de L
33 = 1
Podemos generalizar esse procedimento para uma matriz A = (aij ),, i,j = 1,..., n
A = (aij ), i,j = 1,..., n e obtemos:
Matriz triangular U
i -1
ui j = ai j - ∑ l ik uk j i,j = 1,..., n i ≤ j.
k =1
39
Matriz triangular L
i -1
a i j - ∑ l ik uk j
k =1
i j = i,j = 1,..., n i > j.
ujj
Algoritmo 2.3
m -1
umj = amj - ∑ mk uk j
k =1
m -1
aim - ∑ ik ukm
k =1
im =
umm
m m =1
n -1
unn = ann - ∑ n k uk n
k =1
nn = 1
Exemplo 2.6
2 1 0
A = -4 2 1
0 4 2
a11 a12 2 1
Como ∆1 = a11 = 2 ≠ 0, ∆ 2 = = = 8 ≠ 0, podemos escrever
a21 a22 -4 2
A = LU de forma única e seguindo os passos do Algoritmo 2.3:
40
• 1a linha de U
• 1a coluna de L
11 = 1
21 = a21 / u11 = - 4 / 2 = -2
31 = a31 / u1 1 = 0 / 2 = 0
• 2a linha de U
u 22 = a22 - 21 u12 = ( 2 ) - ( 2 )( 2 ) = 4
• 2a coluna de L
22 = 1
• 3a linha de U
• 3a coluna de L
33 = 1
1 0 0 2 1 0
L = -2 1 0 U = 0 4 1
0 1 1 0 0 1
41
Aplicação na resolução de sistemas de equações lineares
(LU ) x = b
Ly = b
Ux = y
Exemplo 2.7
2 1 0 x1 3
-4 2 1 x = -2
2
0 4 2 x 3 4
1. Temos que:
∆1 = 2 = 2 ≠ 0
2 1
∆2 = =8 ≠0
-4 2
42
2 1 0
det ( A ) = -4 2 1 =8 ≠0
0 4 2
1 0 0 2 1 0
L = -2 1 0 e U = 0 4 1
0 1 1 0 0 1
1 0 0 y1 3
-2 1 0 y 2 = -2
0 1 1 y 3 4
y1 = 3
-2 y1 + 1y 2 = 2 → y 2 = 4
y +y =4 →y =0
2 3 3
2 1 0 x1 3 x1 1
0 4 1 x = 4 → x =1
2 2
0 0 1 3
x 0 x 3 0 43
Resolvendo o sistema de equações triangular superior, usando o Algoritmo
2.2 temos:
x3 = 0
4x 2 + x 3 = 4 → x 2 = 1
2 x + x = 3 → x =1
1 2 1
Métodos de Eliminação
( A, b ) → ( A( n -1 ), b ( n -1 ) )
44
em que A ( n -1 ) x = b ( n -1 ) é um sistema triangular superior depois de aplicados
n - 1 passos.
a11
(1 ) (1 )
x1 + a12 (1 )
x 2 + a13 (1 )
x 3 + a14 (1 )
x 4 + + a1n (1 )
x n = a1n +1
a(1 ) x + a(1 ) x + a(1 ) x + a(1 ) x + + a(1 ) x = a(1 )
21 1 22 2 23 3 24 4 2n n 2 n +1
(1 ) (1 ) (1 ) (1 ) (1 )
an1 x1 + an2 x 2 + an3 x 3 + + ann x n = ann +1
a11
(1 ) (1 )
a12 (1 )
a1n ⋅ a1(1n)+1
a(1 ) (1 )
a22 a2(1n) (1 )
⋅ a2 n +1
( A, b ) = 21
a(1 ) an(12) ann
(1 )
⋅ ann +1
(1 )
n1
(1 ) (1 )
em que aij = aij , i,j = 1,..., n+1 e ain+1 = bi , i = 1,..., n.
45
Assim, podemos escrever:
a11 (1 ) (1 )
a12 (1 )
a13 ⋅
(1 )
a14
(A,b ) = a21(1) a22(1) (1 )
a23 ⋅ a24
(1 )
(1 ) (1 ) (1 ) (1 )
a a32 a33 ⋅ a34
31
• Passo 1
(1 )
Nesse passo, considere o elemento pivô a11 ≠ 0. Caso este seja igual a
zero, troca-se as linhas na matriz aumentada, de forma a obter um elemento
diferente de zero como pivô.
ai1(1 )
mi1 = (1 )
, i = 2,3
a11
dessas operações.
(1 )
a 31
b) Multiplica-se a 1a linha pela constante (1 )
e subtrai da 3a linha; faz-se a
a11
a
substituição na 3 linha por esta modificada dessas operações.
(1 )
a (21
1)
a 31
a (21
1)
- (1 )
a (1 )
11 = 0 e a (1 )
31 - (1 )
(1 )
a11 =0
a11 a11
46
Efetuando o mesmo cálculo para toda a linha, obtemos os elementos modi-
ficados, os quais são marcados como a i(1j ) , e realizamos o mesmo procedimento
para os elementos das linhas abaixo da diagonal:
a11
(1 ) (1 )
a12 (1 )
a13 ⋅
(1 )
a14
( A , b ) = 0 a24
(1 ) (1 ) (2 ) (2 ) (2 )
a22 a23 ⋅
(3 ) (3 ) (3 )
0 a32 a33 ⋅ a34
• Passo 2
a i(22 )
mi2 = , i =3
a (222 )
(2 )
a 32
a) Multiplica-se a 2a linha fixa por e subtrai da 3a linha; faz-se a subs-
a (222 )
tituição na 3a linha por esta modificada dessas operações.
(2 )
(2 ) a 32
a 32 - a (222 ) = 0
a (222 )
a11
(1 ) (1 )
a12 (1 )
a13 ⋅
(1 )
a14
(A , b ) = 0
(2 ) (2 ) (2 ) (2 ) (2 )
a22 a23 ⋅ a24
(3 ) (3 )
0 0 a33 ⋅ a34
ai(22 )
ai(3j ) = ai( 2j ) - mi 2 a2( 2j ) , mi 2 = (2 )
i = 3,...,n j = 2 ,...,n + 1
a22
a11
(1 ) (1 )
x1 + a12 (1 )
x 2 + a13 (1 )
x 3 = a14
(2 ) (2 ) (2 )
a22 x 2 + a23 x 3 = a24
(3 ) (3 )
a33 x 3 = a34
n
bi - ∑ ai j x j
j = i +1
xi = i = 3,...,1
ai i
48
Algoritmo 2.4
ai(kk )
mi(kk ) =
ak( kk)
Para j = k ,..., n +1
ai( kj + 1)
= ai( kj ) - mi(kk ) ak( kj )
Exemplo 2.8
3 2 1 x1 4
1 1 1 x 2 = 1
2 1 1 x 3 2
3 2 1
Como det ( A ) = 1 1 1 = 1 ≠ 0, o sistema possui uma única solução,
2 1 1
usando o Método de Eliminação de Gauss, temos:
3 2 1 ⋅ 4
( A, b ) = 1 1 1 ⋅ 1
2 1 1 ⋅ 2
• Passo 1
(1 )
Considerando que o pivô a11 = 3 ≠ 0, podemos calcular os multiplicadores: 49
(1 )
a (21
1)
1 a 31 2
m11 = (1 )
= e m21 = (1 )
=
a11 3 a11 3
3 2 1 ⋅ 4
(1 ) (1 )
(A , b ) = 0 1/3 2/3 ⋅ -1/3
0 -1/3 1/3 ⋅ -2/3
• Passo 2
(2 )
a 32 -1/3
m32 = (2 )
= = -1
a 22 1/3
3 2 1 ⋅ 4
(2 ) (2 )
(A ,b ) = 0 1/3 2/3 ⋅ -1/3
0 0 1 ⋅ -1
3x1 + 2x 2 + 1x 3 =4
1/3x 2 + 2/3x 3 = -1/3
1x 3 = -1
1x 3 = -1 → x 3 = -1
1/3x 2 + 2/3x 3 = -1/3 → x 2 = 1
50 3x1 + 2x 2 + 1x 3 = 4 → x1 = 1
Portanto, a solução do sistema é dada por x = (1,1, - 1)t .
Observação
Aplicação
Considere A = (ai ,j ), i,j = 1, ... ,n uma matriz não singular, isto é, det ( A ) ≠ 0.
Então existe uma única matriz A-1 chamada de inversa de A, de tal modo que
AA -1 = I, em que a matriz I é uma matriz diagonal, conhecida como a matriz
identidade, cujos elementos da diagonal são todos iguais ao número 1.
a a a x
11
1
11 12 1n
a a a x 0
21 22 2n 21 =
a a a x 0
n1 n2 nn n1
51
Assim sucessivamente, calculamos a n-ésima coluna da matriz A-1, resol-
vendo o seguinte sistema de equações lineares:
a11 a a x1n 0
12 1n
a a a x 0
21 22 2n 2n =
a a a x 1
n1 n2 nn nn
Exemplo 2.9
1 0 2
A = 1 1 0
0 0 2
x x x
11 12 13
= x x
-1
A x
21 22 23
x 31 x
32
x
33
1 0 2 x x x 1 0 0
11 12 13
1 1 0 x 21 x x = 0 1 0
22 23
0 0 2 x 31 x
32
x
33 0 0 1
1 0 2 x 1
11
1 1 0 x 21 = 0
31 0
x
0 0 2
1 0 2 x 0
12
1 1 0 x 22 = 1
0 0 2 x 32 0
1 0 2 x 0
13
1 1 0 x 23 = 0
0 0 2 x 33 1
1 0 2 ⋅ 1 00 1 0 2 ⋅ 10 0
1 1 0 ⋅ 0 1 0 ≈ 0 1 -2 ⋅ -1 1 0
0 0 2 ⋅ 0 0 1 0 0 2 ⋅ 0 0 1
1 0 2 x 1
11
0 1 -2 x 21 = -1
0 0 2 x 31 0
( x11 x 21 x 31 )t = (1, - 1, 0 )t 53
Para determinar a 2a coluna da matriz inversa de A, resolvemos o sistema
de equações triangular superior obtido:
1 0 2 x 0
12
0 1 -2 x 22 = 1
0 0 2 x 32 0
( x12 x 22 x 32 )t = (0,1, 0 )t
1 0 2 x 0
13
0 1 -2 x 23 = 0
0 0 2 x 33 1
( x13 x 23 x 33 )t = (-1,1,1/ 2 )t
1 0 -1
-1
A = -1 1 1
0 0 1/ 2
Observação
54
2.4 Métodos iterativos para resolução de sistemas de equações
lineares
x (1 ) = Hx (0 ) + g
(2 ) (1 )
x = Hx +g
x ( k +1 ) = Hx ( k ) + g, k = 0,1, 2,...
Assim, a partir de uma solução aproximada inicial x (0 ) = ( x1(0 ), x 2(0 ),..., x n(0 ) )
para a solução exata x = ( x1, x 2 ,..., x n ) do sistema Ax = b, determina-se uma
sequência de vetores x (1 ), x ( 2 ), x (3),... e espera-se que seja convergente para a
solução x , isto é,
lim x ( k ) = x
k →∞
+
A norma de um vetor x ∈V (espaço vetorial) é uma função . : V → ℜ ,
satisfazendo às seguintes condições:
a) x ≥ 0; x = 0 ⇔ x = 0, ∀ x ∈V
55
b) α x = α x ; ∀ α ∈ ℜ, ∀ x ∈V
c) x + y ≤ x + y ; ∀ x, y ∈V
Exemplos de normas:
n
x 1
= x + x ++ x =∑ x
1 2 n i
i =1
1
n 2
= ∑ x
2
= x + x ++ x
2 2 2
x 2 1 2 n i
i=j
x ∞
= máx {x 1
, x
2
, , x
n } = máx x
1≤ i ≤ n i
Observação
Exemplo 2.10
3
x 1
=∑ x = -1 + 2 + - 4 = 7
i
i =1
1
3 2
2
x 2
= ∑ x = 12 + 2 2 + 4 2 = 21
i =1 i
x ∞
= máxx {x 1
, x
2
, x
3 } = máx {1, 2 , 4} = 4
(i )
x - x → 0, quando i → ∞, para qualquer norma em ℜn .
Exemplo 2.11
1
Considere a sequência x ( ) = , 0, 0,..., 0 ∈ ℜn , i = 1, 2,...
i
i
Temos que, à medida que i → ∞ , a sequência converge para o vetor
x = (0, 0,..., 0 ).
Ou ainda,
(i ) 1 ()
Como x - x = , temos x i - x → 0, quando i → ∞ .
i
Definição 2.4 Norma de matriz
n
A 1
= A C
= máx ∑ a
1≤ j ≤ n ij
i =1
n
A ∞
= A L
= máx ∑ a
1≤ i ≤ n ij
j =1
Exemplo 2.12
Considere a matriz A:
-1 2 3
A= 1 1 1
1 2 4
Então,
3
A 1
= A C
= máx ∑ a = máx {3 , 5 , 8} = 8
1≤ j ≤3 ij 1≤ j ≤3
i =1
57
3
A ∞
= A L
= máx ∑ a = máx {6 , 3 , 7 } = 7
1≤i ≤3 ij 1≤i ≤3
j =1
Ax ≤ A x , ∀A ∈ ℜ (n,n ) e ∀x ∈ ℜn .
Propriedade
AB ≤ A B , ∀A,B ∈ ℜ (n,n ).
n
a >∑ a ,
ii ij
j =1
i≠j
Exemplo 2.13
-4 1 0
A= 1 -2 0
1 1 3
i =1 → - 4 > 1 + 0
i =2 → -2 > 1 + 0
i =3 → 3 > 1 + 1
1
x1 = a (b1 - a12 x 2 - a13 x 3 - - a1n x n )
11
1
x 2 = (b2 - a21x1 - a23 x 3 - - a2 n x n )
a22
x n = 1 (bn - an1x1 - an2 x 2 - - ann -1x n -1 )
ann
x1 0 -
a21
-
a31
-
x b1
an1
a11 a11 1 a
a11
11
a21 a23 a b
x2 - 0 - - 2n x2 2
= a22 a22 a22 + a22
a
- n1 -
an2
0 x n
b
x n ann ann n ann
59
Assim, podemos escrever x = H x + g , em que
0, i = j
hij = aij
- , i≠j
aii
bi
é chamada de matriz iterativa e gi = , i = 1,..., n
aii
x ( k +1 ) = H x ( k ) + g k = 1, 2,...
Assim:
a21 a31
an1 b1
- - - x (k ) a
0
x1
( k +1 )
a11 a11 a11
1 11
a21 a23 a b2
- 0 - - 2n
x 2 ( k +1) = a22 a22 a22 x 2 ( k ) + a22
( k +1)
xn - an1 an2 x n ( k ) bn
a - 0 a
nn ann nn
( k +1 ) a a13 ( k ) a b1
x1 = - 12 x 2 ( k ) - x 3 - - 1n x n ( k ) +
a11 a11 a11 a11
a a23 ( k ) a b2
x 2 ( k +1 ) = - 21 x1( k ) - x 3 - - 2 n x n(k ) +
a22 a22 a22 a22
x n ( k +1 ) = - an1 x1( k ) - an2 ( k ) a b
x 2 - - nn -1 x n -1( k ) + n
ann ann ann ann
60
Estudo da convergência
Teorema 2.2
Resultado:
Algoritmo 2.5
a) Forneça uma solução inicial aproximada x (0 ) = ( x1(0 ), x 2(0 ),..., x n(0 ) ) e ε > 0
uma tolerância fixa.
i -1 n b
x i( k +1 ) = ∑ - ai j x (j k ) + ∑ - ai j x (j k ) /aii + i
j =1 aii
j = i +1
x ( k +1 ) - x ( k )
Se ≤ ε, então PARE = VERDADE
x ( k +1 )
Senão k = k + 1
61
Exemplo 2.14
4 1 1 x1 3
1 4 1 x 2 = 0
1 1 5 x 3 -4
aproximada inicial x (0 ) = ( x1(0 ), x 2(0 ), x 3(0 ) )t = (0, 0, 0 )t calcular uma solução apro-
0 -1/4 -1/4
H = -1/4 0 -1/4
-1/5 -1/5 0
3
H L
= H ∞
= máx ∑ hij = máx {2 / 4, 2 / 4, 2 / 5 } = 0.5 < 1
i i
j =1
( k +1 ) 1 1 3
x1 = - x 2( k ) - x 3( k ) +
4 4 4
( k +1 ) 1 (k ) 1 (k )
x 2 = - x1 - x 3 + 0 k = 0,1, 2,...
4 4
1 1 4
x 3( k +1 ) = - x1( k ) - x 2( k ) -
5 5 5
t
3 4
Para k = 0 e tomando x (0 ) = (0, 0, 0 )t , temos x (1 ) = , 0, -
4 5
x (1 ) - x (0 ) ∞
Teste de parada: = 1 > 10 -1
62 x (1 ) ∞
Para k = 1, temos:
(2 ) 1 (1 ) 1 (1 ) 3
x1 = - 4 x 2 - x + → x1( 2 ) = 0.9500
4 3 4
(2 ) 1 (1 ) 1 (1 )
x 2 = - x1 - x +0 → x 2( 2 ) = 0.0125
4 4 3
1 1 (1 ) 4
x 3( 2 ) = - x1(1 ) - x - → x 3( 2 ) = -0.9500
5 5 2 5
Portanto,
x ( 2 ) - x (1 ) ∞
= 0.2000 > 10 -1
x (2 ) ∞
Para k = 3, temos:
(3 ) 1 (2 ) 1 (2 ) 3
x1 = - 4 x 2 - 4 x 3 + 4 → x1(3 ) = 0.9844
(3 ) 1 (2 ) 1 (2 )
x 2 = - x1 - x 3 +0 → x 2(3 ) = 0.0000
4 4
1 1 4
x 3(3 ) = - x1( 2 ) - x 2( 2 ) - → x 3(3 ) =-0.9925
5 5 5
Portanto,
x (3 ) - x ( 2 ) ∞
= 0.0400 < 10 -1 , então pare.
x (3 ) ∞
63
Observação
Observação
2.5 Exercícios
-5 1 1 x1 2
0 1 0 x 2 = 1
2 3 2 x 3 5
0 6 -1 2 x1 1
0 5 -1 1 x 2 0
=
2 1 -1 -1 x 3 -2
0 -1 -2 1 x 4 -1
0 1 1 x1 0
2 3 0 x 2 = 3
3 1 1 x 3 0
-9 2 2 x1 -5
1 3 0 x 2 = 4
-1 1 3 x 3 3
7. Mostre que x ∞
≤ x 1
≤n x ∞
, x ε Rn.
65
9. Faça um mapa conceitual detalhado sobre solução numérica de sistemas
de equações lineares, considerando os métodos vistos, introduzindo labels indi-
cando se aprendeu (A), não aprendeu (N), se gostou (G), detestou (D), achou
interessante (I), etc.
66
Unidade 3
Podemos, então, tomar uma solução inicial x 0 nas vizinhanças dessa raiz,
isto é, no intervalo [a,b ], para inicializar a sequência de soluções aproximadas du-
rante aplicação dos métodos iterativos que serão apresentados posteriormente.
69
Para ilustrar a solução numérica de equações, considere o problema de
nível de oxigênio em um rio, conforme Figura 3.2
Figura 3.2 Rio contaminado.
N ( x ) = 10 - 20 (e -0.15 x - e -0.5 x )
Figura 3.3 Nível de oxigênio de um rio.
70
Definição 3.1
Exemplo 3.1
Exemplo 3.2
Considere a equação f ( x ) = 4x - e x = 0.
71
Podemos escrever a equação dada na forma equivalente 4x = e x , isto é,
f1 ( x ) = f2 ( x ), com f1 ( x ) = 4x e f2 ( x ) = e x , conforme gráfico da Figura 3.5:
72
Figura 3.6 Intervalo contendo uma raiz da função f(x).
73
Determina-se o ponto médio do intervalo [r0 , s0 ], dado por:
x 0 = (r0 + s0 ) / 2
Se f (r )i f ( x i ) > 0, então ri +1 = x i e si +1 = si
74
Convergência
(sn - rn ) (s0 - r0 )
x n - x ≤ ( x n - rn ) = =
2 2 n +1
s0 - r0
Impondo que < ε, para garantir que x n - x < ε temos:
2 n +1
s -r
log 0 n +1 0 < log (ε)
2
ou ainda,
Algoritmo 3.1
Senão
Senão ri +1 = x i e si +1 = si
x i +1 - x i
2.3 Se < ε < ε então Pare = Verdade
x i +1
Senão i = i + 1
Exemplo 3.3
r1 = r0 = 0
s1 = x 0 = 0.5
76
x1 - x 0
Novamente, verificamos o critério de parada: = 1 > ε, e como este
x1
não está satisfeito, repetimos o processo para calcular as novas soluções apro-
ximadas, como segue:
r2 = x1 = 0.25
s2 = s1 = 0.5
x 2 - x1
Verificamos novamente o critério de parada, dado por = 0.3333 > ε,
x2
e como este não está satisfeito, sucessivamente repetimos o processo de cálculo
das novas soluções aproximadas, como exibidas a seguir:
x3 - x 2
x 3 = 0.3125 → = 0.2000 > ε
x3
x4 - x3
x 4 = 0.3438 → = 0.0910 > ε
x4
x5 - x4
x 5 = 0.3594 → = 0.0434 > ε
x5
x6 - x 5
x 6 = 0.3516 → = 0.0222 > ε
x6
x7 - x 6
x7 = 0.3555 → = 0.0110 > ε
x7
x 8 - x7
x 8 = 0.3574 → = 0.0053 < ε
x8
f (x i )
tg (α ) =
( x i - x i +1 )
f (x i )
f ' (x i ) =
( x i - x i +1 )
f (x i )
x i +1 = x i - , i = 0,1, 2,...
f ' (x i )
Observação
Teorema 3.1
f (x i ) ( x i2 - 3 )
x i +1 = x i - = x -
(2 x i )
i
f ' (x i )
x1 - x 0
x1 = 1.7500 → = 0.1429 > ε
x1
x 2 - x1
x 2 = 1.7321 → = 0.0103 > ε
x2
x3 - x 2
x 3 = 1.7321 → = 0.0000 < ε
x3
Algoritmo 3.2
x i +1 - x i
3.2 Se < ε, então Pare = Verdade
x i +1
80 Senão i = i + 1
Observação
Exemplo 3.5
f (x i )
A partir do processo iterativo x i +1 = x i - , geramos a sequência:
f ' (x i )
x1 - x 0
x1 = 0.7394 → = 0.0533 > ε
x1
x 2 - x1
x 2 = 0.7394 → = 0.0000 > ε
x2
Observação
Assim, temos:
f (x i )
x i +1 = x i - , i = 0,1,...
k
f (x i )
x i +1 = x i -
f ( x i ) - f ( x i -1 )
( x i - x i -1 )
x i -1 f ( x i ) - x i f ( x i -1 )
x i +1 =
f ( x i ) - f ( x i -1 )
x i -1 f ( x i ) - x i f ( x i -1 )
x i +1 =
f ( x i ) - f ( x i -1 )
Algoritmo 3.3
x i +1 - x i
3.2 Se < ε, então Pare = Verdade
x i +1
Senão i = i + 1
Convergência
Exemplo 3.6
83
Figura 3.11 Localização de raízes.
x 2 - x1
= 0.5000 > ε
x2
x3 - x 2
x 3 = -0.5001 → = 1.6661 > ε
x3
x4 - x3
x 4 = -1.0769 → = 0.5356 > ε
x4
x5 - x4
x 5 = -1.0159 → = 0.0600 > ε
x5
x6 - x 5
x 6 = -0.9996 → = 0.0163 > ε
x6
x7 - x 6
x7 = -1.0000 → = 0.0004 < ε
84 x7
Como o critério de parada está satisfeito, temos a solução da equação
x = - 1.0000.
Observação
3.4 Exercícios
85
b) Método de Bisseção com ε = 0.1.
c) Determine uma raiz para f(x) dada, com o Software Numérico, usando
o Método de Newton e ε = 0.0001 – Referência [1].
9. Usando o Software Matlab, plote o gráfico e determine uma raiz das fun-
ções abaixo:
86
Unidade 4
Dessa forma, essa função será aproximada por funções polinomiais, expo-
nenciais, trigonométricas, etc., que representarão a função original, e para obter
qualquer informação sobre a função original, utilizamos a sua forma aproximada.
Como tais valores não se encontram na tabela, para resolver esse proble-
ma, necessitamos do conhecimento de interpolação, como segue:
Dessa forma, para que o polinômio coincida com a função nos n + 1 pon-
tos, temos:
x 0n x 0n -1 x0 1
x1n x1n -1 x1 1
A=
x nn x nn -1 xn 1
det ( A ) = ∏ ( x i - x j ) = ( x1 - x 2 ) ( x1 - x 3 ) ... ( x n -1 - x n )
i<j
91
Figura 4.3 Interpolação.
E (x ) = f (x ) - P (x )
ψ( x ) ( n +1 )
E (x ) = f (x ) - P (x ) = f (ξ)
( n + 1) !
n
em que ψ( x ) = ∏ ( x - x i ) e ξ ∈ [x 0 , x n ].
i =0
ψ( x ) ( n +1 )
E (x ) = f (x ) - P (x ) = f (ξ)
( n + 1) !
Podemos escrever:
ψ( x ) ( n +1 ) ψ( x ) ψ( x )
E (x ) = f (ξ) = f ( n +1 ) (ξ) ≤ M
( n + 1) ! (n + 1) ! ( n + 1) !
com M = máx {f ( n +1 ) ( x )
}
, x ∈[x 0 ,x n ] .
ψ( x )
E (x ) ≤ M.
( n + 1) !
93
Observações
∆0 f ( x ) = f ( x )
∆n f ( x ) = ∆n -1 f ( x + h ) - ∆n -1 f ( x )
∆0 f ( x ) = f ( x )
∆1f ( x ) = f ( x + h ) - f ( x )
∆ 2 f ( x ) = f ( x + 2h ) - 2f ( x + h ) + f ( x )
∆3f ( x ) = f ( x + 3h ) - 3f ( x + 2h ) + 3f ( x + h ) - f ( x )
n n n
∆nf ( x ) = f ( x + nh ) - f ( x + (n - 1)h ) + + (-1)n f ( x )
0 1 n
Exemplo 4.1
∆0 f ( x 0 ) = f ( x 0 ) = 6
∆0 f ( x1 ) = f ( x1 ) = 12
∆0 f ( x 2 ) = f ( x 2 ) = 15
∆1f ( x 0 ) = ∆0 f ( x1 ) - ∆0 f ( x 0 ) = (12 - 6 ) = 6
∆1f ( x1 ) = ∆0 f ( x 2 ) - ∆0 f ( x1 ) = (15 - 12 ) = 3
95
Cálculo das diferenças finitas de ordem 2:
∆ 2 f ( x 0 ) = ∆1f ( x1 ) - ∆1f ( x 0 ) = (3 - 6 ) = - 3
∆1f ( x1 ) = ∆0 f ( x1 ) - ∆0 f ( x 0 )
∆ 2 f ( x 0 ) = ∆1f ( x1 ) - ∆1f ( x 0 )
∆3f ( x 0 ) = ∆ 2 f ( x1 ) - ∆ 2 f ( x 0 )
Exemplo 4.2
Teorema 4.3
∆ nf ( x 0 )
+ ( x - x 0 )( x - x1 ) ... ( x - x n -1 )
n ! hn
ψ( x )
E (x ) ≤ máx f ( )( x ) , x ∈ [x 0 , x n ]
n +1
( n + 1) !
Exemplo 4.3
xi 2 3 4
f (x i ) 0.6931 1.0986 1.3863
0.4055 -0.1178
P ( x ) = 0.6931 + ( x - 2 ) + ( x - 2 )( x - 3 )
1 2
ψ( x )
E (x ) ≤ máx f ( n +1 ) ( x ) x ∈[x 0 ,x n ]
(n + 1) !
1 1 2
f (1 ) ( x ) = , x ≠ 0, f ( 2 ) ( x ) = - 2 , x ≠ 0 e f (3 ) ( x ) = 3 .
x x x
2
Podemos observar que a função f (3 ) ( x ) = é decrescente em módulo no
x3
intervalo [2,4 ] , portanto, máx f 3 ( x ) = 0.2500, em x = 2. em x = 2.
Assim,
( x - x r ) = (u - r ) h
u = 0,1, 2,..., n.
∆1f (x 0 ) ∆ 2 f (x 0 )
P (u ) = ∆0 f (x 0 ) + (u - 0 ) + (u - 0 )(u - 1) +
1! 2!
∆ nf ( x 0 )
+(u - 0 )(u - 1) (u - (n - 1))
n!
(u - 0 )(u - 1) (u - n ) n +1
E (u ) ≤ h M
( n + 1) !
Exemplo 4.4
( x - x 0 ) (0.12 - 0.1)
u= = = 0.2
h 0.1 99
∆1f (x 0 ) ∆ 2 f (x 0 )
P (u ) = ∆0 f (x 0 ) + (u - 0 ) + (u - 0 )(u - 1)
1! 2!
Assim temos:
-4
P (u ) = 2 + u (6 ) + u (u - 1) = -2u 2 + 8u + 2
2
100
Figura 4.5 Escoamento de água.
Os dados disponíveis para um rio que deve ser estancado estão dispostos
na seguinte tabela:
Caso discreto
101
Graficamente, temos a disposição dos pontos obtidos no experimento, con-
forme Figura 4.6:
g ( x ) = a1g1 ( x ) + a2 g 2 ( x ) = a1x + a2
Para falar em melhor ajuste, temos que ter um critério para a escolha dos
parâmetros a1 e a2 , isto é, temos que ter uma medida para o erro cometido
nessa aproximação.
Dessa forma, desejamos determinar uma função g ( x ) de modo que nos pon-
tos x i , i = 1,..., m os desvios sejam pequenos. Nesse caso é tentador desejar que
m
a soma dos erros sejam mínimos, isto é, que ∑ e (x i ) seja mínima. Entretanto,
102 i =1
esse fato não traduz que g ( x ) seja uma boa aproximação para a função f ( x ), pois
m
podemos ter ∑e ( x i ) = 0 , sem que os erros sejam pequenos.
i =1
m
Poderíamos, também, considerar ∑ e( x i ) mínima, porém esse critério
i =1
m m
Minimizar ∑ e (x i )2 = Minimizar ∑ (f (x i ) - g (x i ))2
i =1 i =1
∂E ∂E
=0 e =0
∂a1 ∂a2
∂E ∂ m ∂ m
= ∑ ( ( )) ∑ (a1x i + a2 - f ( x i ))
2 =
e x 2
∂a1 ∂a1 i =1 i
∂a1 i =1
m
= ∑ 2 (a1x i + a2 - f ( x i ))x i
i =1
m m
m
= 2 a1 ∑ x i2 + a2 ∑ x i - 2 ∑ x i f ( x i ) = 0
i =1 i =1 i =1
Assim, temos:
m 2 m m
i) ∑ x i a1 + ∑ x i a2 = ∑ x i f ( x i )
i =1 i =1 i =1
103
Derivando E (a1, a2 ) com relação à variável a2 , temos:
∂E ∂ m ∂ m
= ∑ (e( x i )) = ∑ (a1x i + a2 - f ( x i ))
2 2
∂a2 ∂a2 i =1 ∂a2 i =1
m
= ∑ 2 (a1x i + a2 - f ( x i ))
i =1
m m
= 2 a1 ∑ x i + m(a2 ) - ∑ f ( x i ) = 0
i =1 i =1
Assim, temos;
m m
ii) ∑ x i a1 + m a2 = ∑ f ( x i )
i =1
i =1
m 2 m m
∑ x i a1 + ∑ x i a2 = ∑ x i f ( x i )
i =1 i =1 i =1
m m
∑ x i a1 + ma2 = ∑ f ( x i )
i =1
i =1
Exemplo 4.5
xi f (x i ) x i2 f ( x i )x i
0.5 1.51 0.25 0.7550
0.8 1.82 0.64 1.4560
0.9 1.91 0.81 1.7190
1.0 2.00 1.00 2.0000
1.1 2.10 1.21 2.3100
∑ 4.30 9.34 3.91 8.2400
Assim,
a2 = 1.0272
a1 = 0.9778
Cálculo do erro:
e( x1 )2 = (f (0 ) - g (0 ))2 = 0.0000
e( x 2 )2 = (f (1) - g (1))2 = 0.0001
e( x 3 )2 = (f ( 2 ) - g ( 2 ))2 = 0.0000
e( x 4 )2 = (f (3 ) - g (3 ))2 = 0.0001
e( x 5 )2 = (f (4 ) - g (4 ))2 = 0.0000 105
5
Portanto, ∑ e(x i )2 = 0.0001 e qualquer outra reta possui a soma dos qua-
i =1
drados dos erros superior a esse valor obtido.
g ( x ) = a1 g1 ( x ) + a2 g 2 ( x ) + a3 g3 ( x ) = a1 x 2 + a2 x + a3
com g1 ( x ) = x 2 , g 2 ( x ) = x e g3 ( x ) = 1.
g ( x ) = a1 g1 ( x ) + a2 g 2 ( x ) + ... + an gn ( x )
∂E m m
= 0 ⇔ ∑ g1 ( x i )g1 ( x i ) a1 + ∑ g 2 ( x i )g1 ( x i )) a2 +
∂a1 i =1 i =1
m m
+ ∑ gn ( x i )g1 ( x i ) an = ∑ f ( x i )g1 ( x i )
i =1 i =1
∂E m m
= 0 ⇔ ∑ g1 ( x i )g 2 ( x i ) a1 + ∑ g 2 ( x i )g 2 ( x i ) a2 +
∂a2 i =1 i =1
m m
+ ∑ gn ( x i )g 2 ( x i ) an = ∑ f ( x i )g 2 ( x i )
i =1 i =1
∂E m m
= 0 ⇔ ∑ g1 ( x i )gn ( x i ) a1 + ∑ g 2 ( x i )gn ( x i ) a2 +
∂an i =1 i =1
m m
+ ∑ gn ( x i )gn ( x i ) an = ∑ f ( x i )gn ( x i )
i =1 i =1
106
Portanto, para determinar os parâmetros ai , i = 1 ..., n temos que resolver
o seguinte sistema de equações lineares:
m m
∑ g1 ( x i )g1 ( x i ) a1 + ∑ g 2 ( x i )g1 ( x i ) a2 +
i =1 i =1
m
m
+ ∑ g n ( x i )g1 ( x i ) an = ∑ f ( x i )g1 ( x i )
i =1 i =1
m
g ( x )g ( x ) a m
∑ 1 i 2 i 1 + ∑ g 2 ( x i )g 2 ( x i ) a2 +
i =1 i =1
m
m
+ ∑ g n ( x i )g 2 ( x i ) an = ∑ f ( x i )g 2 ( x i )
i =1 i =1
m
g ( x )g ( x ) a m
∑ 1 i n i 1 + ∑ g 2 ( x i )gn ( x i ) a2 +
i =1 i =1
m
m
+ ∑ g n ( x i )g n ( x i ) an = ∑ f ( x i )g n ( x i )
i =1 i =1
g ( x ) = a1g1 ( x ) + ... + an gn ( x )
que melhor se ajusta à função f ( x ) nos pontos x1,..., x m no sentido dos míni-
mos quadrados.
Exemplo 4.6
xi -2 -1 0 1 2 3
f (x i ) 19.01 3.99 -1.00 4.01 18.99 45.00
Dispondo os pontos num gráfico podemos ver que g ( x ) pode ser ajustada
por uma parábola. Verifique esta afirmação!
6 4 6 6
6
∑ x i ∑ xi3 ∑ xi 2 ∑ f ( x i )x i
2
i =1 i =1 i =1 a1 i =1
6 6 6 6
∑ x 3 ∑ xi 2 ∑ 1 2 ∑ i i
x ⋅ a = f ( x )x
i =1 i i =1 i =1 i =1
a
6 2 6
3
6
∑ x i ∑ xi 6 ∑ f (x i )
i =1 i =1 i =1
xi x i2 x i3 x i4 f (x i ) x i f (x i ) x i2 f ( x i )
-2 4 -8 16 19.01 -38.02 76.04
-1 1 -1 1 3.99 -3.99 3.99
0 0 0 0 -1.00 0.00 0.00
1 1 1 1 4.01 4.01 4.01
2 4 8 16 18.99 37.98 75.96
∑
3 9 27 81 45.00 135.00 405.00
3 19 27 115 90.00 134.98 565.00
115 27 19 . 565.00
0 12.6604 -1.4612 . 134.98
0 0 2.6926 . 90.00
Assim:
a1 = 5.0893
a2 = 0.0515
a3 = -1.1403
e( x1 )2 = (f ( x1 ) -g ( x1 ))2 = 0.0108
e( x 2 )2 = (f ( x 2 ) -g ( x 2 ))2 = 0.0086
e( x 3 )2 = (f ( x 3 ) -g ( x 3 ))2 = 0.0197
e( x 4 )2 = (f ( x 4 ) -g ( x 4 ))2 = 0.0001
e( x 5 )2 = (f ( x 5 ) -g ( x 5 ))2 = 0.1088
e( x 6 )2 = (f ( x 6 ) -g ( x 6 ))2 = 0.0332
6
Portanto, ∑ e(x i )2 = 0.1812 e qualquer outra parábola ajustada possuem
i =1
4.7 Exercícios
x 0 1 2 3
f(x) -5.6 -4 8.1 9
x 0 0.5 1.1
f(x) 3 3.53 4.46
t 30 35 40 45
c 0.99826 0.99818 0.99828 0.99890
t = 37.5 oC.
x -2 -1 0 1 2 3 4
f(x) -4.98 -3.00 -1.01 0.99 3.01 4.98 7.01
7
Calcule ∑ e ( x i )2 e analise os resultados obtidos.
i =1
X -2 -1 0 0.1 1 2 3
f(x) 6.00 1.01 0 0.12 3.00 9.98 20.98
7
Calcule ∑ e ( x i )2 e analise os resultados obtidos.
i =1
110
11.Faça um Mapa Conceitual detalhado sobre os tópicos de interpolação,
introduzindo labels indicando se aprendeu (A), não aprendeu (N), se gostou (G),
detestou (D), achou interessante (I), etc.
111
Unidade 5
Integração Numérica
5.1 Introdução
b
Ι = ∫ f (x ) d x
a
b
Ι = ∫ f ( x ) d x = F (b ) - F (a )
a
Exemplo 5.1
1
x6
∫ x dx , como F (x ) = satisfaz F ' ( x ) = x 5 , então:
5
Para calcular
6
0
115
(1)6 (0 )6
1
∫x dx = F (1) - F (0 ) = - = 1/6
5
0
6 6
A partir de uma linha reta próxima às margens de um rio, foram feitas me-
didas em (m) entre essa linha reta e as margens do rio, de 15 em 15 metros, a
partir do ponto tomado como origem. Tais dados foram registrados conforme a
tabela abaixo.
0 15 30 45 60
M1 0 1 0 2 4
M2 5 7 7 8 10
116
5.2 Integração numérica usando interpolação
Assim, temos:
xn xn
∫ f (x ) d x ≅ ∫ Pn (x ) d x
x0 x0
D1f ( x 0 ) D 2f (x0 )
Pn ( x )= D 0 f ( x 0 ) + ( x - x 0 ) + ( x - x 0 )( x - x1 ) +
1! h 2 ! h2
∆ nf ( x 0 )
+ + ( x - x 0 ) ( x - x n -1 )
n ! hn
117
Dessa forma, temos:
xn xn
∫ f (x ) d x ≅ ∫ Pn ( x )d x
x0 x0
( n +1 )
f (ξ)
E n ( x ) = ( x - x 0 ) ( x - x n ) , x0 ≤ ξ ≤ x n
( n + 1) !
Temos
xn xn xn
∫ f (x ) d x = ∫ Pn (x ) d x + ∫ E n (x ) d x
x0 x0 x0
u = ( x - x 0 ) /h
Assim,
u (u - 1) 2
Pn (u ) = ∆0 f ( x 0 ) + u ∆1f ( x 0 ) + ∆ f (x0 ) +
2!
u (u - 1) (u - ( n - 1)) n
+ ∆ f (x0 )
n!
u (u - 1) (u - n ) n +1 ( n +1 )
E n (u ) = h f (ξ), x 0 ≤ ξ ≤ x n
( n + 1) !
xn
u (u - 1) …(u - n) n +1 (n +1)
n n
En = ∫ E n (x )dx = h ∫ E n (u )du = h ∫ (n + 1) !
h f (x ) du
x0 0 0
118
Erro cometido na Integração Numérica
xn xn
Podemos aproximar ∫ f (x )dx por ∫ Pn (x )dx e nessa aproximação come-
x0 x0
temos um erro expresso pelo seguinte teorema:
Teorema 5.1
( n +1 )
hn + 2 f (ξ)
n
(n + 1) ! 0∫
En = (u ) (u - 1) ... (u - n ) du, com x 0 ≤ ξ ≤ x n
(n +2 )
hn +3 f (ξ) n
n
En = ∫ u - (u )(u - 1) (u - n )du, com x 0 ≤ ξ ≤ x n .
(n + 2 ) ! 0 2
∆0 f ( x 0 )
P1 ( x ) = ∆0 f ( x 0 ) + ( x - x 0 )
1! h1
x1 x1 1
∫ f (x ) d x ≅ ∫ P1 (x ) d x = h ∫ P1 (u ) du
x0 x0 0
(x - x0 )
em que u = .
h 119
Representamos graficamente, conforme Figura 5.4:
Assim,
x1 1
1 1
= h ∫ ∆0 f ( x 0 )du + h ∫ u ∆1f ( x 0 )du
0 0
x1 1 1
1 1
u2
= hf ( x 0 ) u + h (f ( x1 ) − f ( x 0 ))
0 2 0
h
= hf ( x 0 ) + (f ( x1 ) - f ( x 0 ))
2
h
= (f ( x 0 ) + f ( x1 ))
2
120
Portanto, temos:
x1
h
∫ f (x )dx ≅ 2 [f (x 0 ) + f (x1 )]
x0
Observação
x1
O cálculo da integral ∫ f (X ) d x corresponde à área do trapézio formada
x0
entre o polinômio interpolador P1 ( x ) e o eixo das abscissas, conforme a Figura
5.4, justificando, assim, a denominação Regra dos Trapézios.
h3f ( 2 ) (ξ)
1
E1 =
2! ∫ (u )(u -1)du, x 0 ≤ ξ ≤ x1
0
1
1
Como ∫ u (u - 1) du = - , temos que o erro é dado por:
0
6
h3 ( 2 )
E1 = - f (ξ)
12
h3 ( 2 ) h3
E1 = - f (ξ) = - f ( 2 ) (ξ) , ξ ∈[x 0 ,x1 ].
12 12
E1 ≤
h3
12
máx {f ( 2 ) (x ) , x 0 ≤ x ≤ x1 } 121
Exemplo 5.2
2
Podemos calcular ∫ (sen( x ) + x )dx usando a Regra dos Trapézios e um limi-
1
tante superior para o erro da seguinte forma:
x 1 2
f (x i ) 1.8415 2.9093
2
h 1
∫ (sen(x ) + x )dx ≅ 2 [f (x 0 ) + f (x1 )] = 2 [1.8415 + 2.9093 ] = 2.3754
1
E1 ≤
h3
12
máx {f ( 2 ) (x ) ,1 ≤ x ≤ 2 }
(2 )
Como a função f ( x ) = - sen( x ), então
π
f ( 2 ) = máx
2 {f ( 2 ) (x )
}
,1 ≤ x ≤ 2 = 1
π
pois a função f ( 2 ) ( x ) = sen( x ), assume o valor máximo em x = .
2
Dessa forma, temos:
(1)3
E1 ≤ (1) = 0.0833
12
xn
h h
∫ f (x )dx ≅ 2 [f (x 0 ) + f (x1 )] + 2 [f (x1 ) + f (x 2 )] +
x0
h
+ [f ( x n-1 ) + f ( x n )] =
2
h
= [f ( x 0 ) + 2f ( x1 ) + 2f ( x 2 ) + + 2f ( x n -1 ) + f ( x n )]
2
h3
E1 = - f (ξ), x 0 ≤ ξ ≤ x1
12
n
h3 ( 2 )
Et = ∑ - f (ξi ), ξi ∈[x i -1 ,x i ]
i =1 12
h3 ( 2 )
ET = - nf (ξ), ξ ∈[x 0 ,x n ]
12
(2 )
h2
Et = - ( x n - x 0 ) f (ξ), ξ ∈[x 0 ,x n ]
12
Et ≤
h2
( x - x 0 ) máx
12 n
{f ( 2 ) (x ) , x0 ≤ x ≤ x n }
Exemplo 5.3
Solução:
x n - x0 (1 - 0 )
n= →5 = → h = 0.2
h h
124
Assim, temos:
1
h
∫ (x ln(1 + x ))dx ≅ 2 [f (x 0 ) + 2 (f (x1 ) + f (x 2 ) + f (x 3 ) + f (x 4 )) + f (x 5 )] =
0
0.2
= ( 2.5397 ) = 0.2538
2
Et ≤
h2
( x - x 0 ) máx
12 n
{f ( 2 ) (x ) , x0 ≤ x ≤ x n }
(2 + x )
Como a função f ( 2 ) = é uma função decrescente em módulo em
(1 + x )2
[0 1],(verifique isso, observando que a função f (3 ) ( x ) < 0 no intervalo de integra-
Assim,
Et ≤
h2
( x - x 0 ) máx
12 n
{f ( 2 ) (x )
}
, 0 ≤ x ≤1 =
0.2
12
(1 - 0 )( 2 ) = 0.0333
Assim,
x2 x2 2
(x - x0 )
em que u = . 125
h
Graficamente, temos:
Assim,
x2
u (u - 1)
2
2 2
= h ∫ ∆0 f ( x 0 )du + h ∫ u ∆1f ( x 0 )du
0 0
u (u - 1) 2
2
+ h∫ ∆ f ( x 0 )du
0
2!
Sabendo-se que
∆f ( x 0 ) = f ( x 0 ), ∆1f ( x 0 ) = f ( x1 ) - f ( x 0 )
∆ 2 f ( x 0 ) = f ( x 2 ) + 2f ( x1 ) + f ( x 0 )
Temos:
x2
u (u - 1) 2
2 2 2
∫ f (x )dx = h ∫ ∆ f (x 0 ) du + h ∫ u ∆ f (x 0 ) du + h ∫ ∆ f ( x 0 ) du
0 1
x0 0 0 0
2!
2 2
u2
= hf ( x 0 ) (u ) + h (f ( x1 ) − f ( x 0 ))
0 2 0
126
2
h u3 u 2
+ (f ( x 2 ) - 2f ( x1 ) + f ( x 0 )) -
2 3 2
0
h
= 2hf ( x 0 ) + 2hf ( x1 ) - 2hf ( x 0 ) + (f ( x 2 ) - 2f ( x1 ) + f ( x 0 )) =
3
h
= [f ( x 0 ) + 4 f ( x1 ) + f ( x 2 )]
3
Assim, obtemos:
x2
h
∫ f (x )dx ≅ 3 [f (x 0 ) + 4f (x1 ) + f (x 2 )]
x0
(n + 2 )
hn +3 f (ξ)
u
En =
(n + 2 ) ! ∫ (u - n/ 2 ) (u )(u - 1) ... (u - n )du, com x 0 ≤ ξ ≤ x n
0
(4 )
h5 f (ξ)
2
E2 =
4! ∫ (u - 1)(u )(u - 1)(u - 2 )du
0
2
4
Como ∫ (u - 1)(u )(u - 2 )du = - 15 , temos:
0
(4 )
h5 f (ξ)
E2 = - , x0 ≤ ξ ≤ x 2
90
(4 )
h5 f (ξ)
E2 = - , x0 ≤ x ≤ x 2
90
h5
E2 = - f ( 4 ) (ξ) , ξ ∈[x 0 ,x 2 ]
90
E2 ≤
h5
90
{
máx f ( 4 ) ( x ) , x 0 ≤ x ≤ x 2 }
Exemplo 5.4
2
Usando a Regra 1/3 de Simpson, podemos calcular ∫ e x dx e um limitante
0
superior para o erro da seguinte forma:
xi 0 1.0 2.0
f (x i ) 1 2.7183 7.3891
2
h
∫ f (x ) dx ≅ 3 [f ( x 0 ) + 4f ( x1 ) + f ( x 2 )]
0
1
= [1 + 4 ( 2.7183 ) + 7.3891] = 6.4208
3
Portanto,
∫e dx ≅ 6.4208
x
128
Limitante superior para o erro
E2 ≤
h5
90
{
máx f ( 4 ) ( x ) , x ∈[0,2 ] }
f ( 4 ) ( 2.0 ) = máx {f (4 ) (x )
}
, x ∈[0,2 ] = 7.3891,
Assim,
(1)5
E2 ≤ 7.3891 = 0.0821
90
Graficamente, temos:
129
xn
h h
∫ f (x )dx ≅
3
[f ( x 0 ) + 4f ( x1 ) + f ( x 2 )] + [f ( x 2 ) + 4f ( x 3 ) + f ( x 4 )] +
3
x0
h
+ [f ( x n -2 ) + 4f ( x n -1 ) + f ( x n )]
3
h
= [f ( x 0 ) + 4 (f ( x1 ) + f ( x 3 ) + + f ( x n -1 ))
3
+2 (f ( x 2 ) + f ( x 4 ) + + f ( x n -2 ) + f ( x n )]
(4 )
h5 f (ξi )
E2 = - , x 2 i-2 ≤ ξi ≤ x 2 i , i = 1, 2, , n/ 2
90
Assim, temos:
n/ 2
h5 (4 )
Et = ∑ - f ( ξi ), x 2 i - 2 ≤ ξi ≤ x 2 i , i = 1, 2 , , n/ 2
i =1 90
(4 )
n/2
n/ 2 ( 4 )
∑ f (ξi ) = 2
f ( ξ ), x 0 ≤ ξ ≤ x n
i =1
h5 n (4 )
Et = - f (ξ), x 0 ≤ ξ ≤ x n
90 2
130
(x n - x0 )
Como o número de subintervalos n = , temos que:
h
(4 )
h4
Et = - ( x n - x 0 ) f (ξ), x 0 ≤ ξ ≤ x n
180
Et ≤
h4
( x - x 0 )máx
180 n
{f (4 ) (x ) , x0 ≤ x ≤ x n }
Exemplo 5.5
forma:
( x n -x 0 ) 2
Temos h = = = 0.5
n 4
Temos
2
1 h
∫ (1 + x )dx ≅ 3 [f (x 0 ) + 4f (x1 ) + 2f (x 2 ) + 4f (x 3 ) + f (x 4 )] =
0
0.5
= [1 + 4 ((0.6666 ) + 0.4000 )
3
Assim,
2
1
∫ (1 + x )
dx ≅ 1.1000
131
0
Limitante Superior para o erro
Temos
Et ≤
h4
180
( x n - x 0 ) máx {f (4 )
(x ) , x0 ≤ x ≤ x n }
24
Como f ( 4 ) ( x ) = é uma função decrescente em módulo no intervalo
(1 + x )5
Assim,
0.5 4
Et ≤ ( 2 - 0 ) ( 24 ) = 0.0166.
180
5.4 Exercícios
0.7
1. Calcule I = ∫ (e -6 x + 8.4x + 3 )dx usando:
0.1
x -1 0 1 2 3 4 5
f(x) 1 0.51 0.42 0.82 1.91 0.99 1.88
5
Calcule ∫ f ( x )dx usando a Regra dos Trapézios e a Regra 1/3 de Simpson.
-1
1
3. Calcule ∫ (4.6 x 2 + cos ( x )) + 3.5dx usando a Regra dos Trapézios com 6
0
1
Ι = ∫ (5 e -2 x )dx
0
3
b) ∫ (e x + cos (x ) - 2.8 )dx
-1
133
11.Faça um Mapa Conceitual detalhado sobre métodos numéricos para
Integração Numérica, introduzindo labels indicando se aprendeu (A), não apren-
deu (N), se gostou (G), detestou (D ), achou interessante (I), etc.
134
Unidade 6
Exemplo 6.1
dq 4 0.002
= 0.002 - q (t )
dt 100 36
139 t
200 200 - 2500000
q (t ) = - e
139 139 137
q (t )
Considerando f (t ) = , temos:
36
139 t
-
f (t ) = 0.04 - 0.04e 2500000
q (t )
f (t ) = = 0.00012
36
Definição 6.1
dy
a) = 2x - y , é uma equação diferencial de ordem 1.
dx
dy
b) y " + (1 - y 2 )y ' + 6y = 0, em que y = y (t ) e suas derivadas y ' (t ) =
dt
d 2y
e y " (t ) = , é uma equação diferencial de ordem 2.
dt 2
Exemplo 6.2
dp
= kp, ou p' (t ) = kp (t )
dt
p' = 0.065 p
p (0 ) = 1
Teorema 6.1
f ( x,y ) - f ( x,y1 ) ≤ L y - y1
b) y ′ = f ( x ,y ( x )) para x ∈[a ,b ] ;
Observação
Podemos observar pelo Teorema 6.1 que a solução de uma equação dife-
rencial ordinária é uma função y = y ( x ) contínua e diferenciável que satisfaz a
equação diferencial y ' = f ( x,y ) e passa pelo ponto ( x 0 , y 0 ) .
140
6.3 Discretização
e( x n ) = y ( x n ) - y n , n = 1, , N
141
6.4 Métodos Numéricos para Equações Diferenciais Ordinárias
y ( x n + h ) ≅ y ( x n ) + hy ' ( x n )
y ( x n +1 ) ≅ y ( x n ) + hf ( x n ,y ( x n ))
y ( x1 ) ≅ y ( x 0 ) + hf ( x 0 , y ( x 0 ))
y ( x1 ) ≅ y 0 + hf ( x 0 ,y 0 )
142
De maneira geral, temos:
y n +1 = y n + hf ( x n ,y n ), n = 0,1, 2,
( y - y 0 ) = m( x - x 0 ),
( y - y 0 ) = f ( x 0 ,y 0 )( x - x 0 ) → y = y 0 + f ( x 0 ,y 0 )( x - x 0 )
y1 = y 0 + f ( x 0 ,y 0 )( x1 - x 0 )
Ou ainda
y1 = y 0 + hf ( x 0 , y 0 )
Erro de Truncamento
Mh 2
E≤
2!
Algoritmo 6.1
y ' = f ( x,y )
Considere a equação diferencial, com valor inicial
y ( x 0 ) = y 0
1. Declare
a) Função f ( x, y )
b) Condições iniciais: y ( x 0 ) = y 0
início
x
n +1 = x n + h
y n +1 = y n + h f ( x n , y n )
fim
Exemplo 6.3
Do Método de Euler:
y n +1 = y n + hf ( x n , y n )
Cálculo de y1
y1 = y 0 + hf ( x 0 , y 0 )
Cálculo de y2
Para n = 1, temos:
y 2 = y1 + hf ( x1, y1 )
Cálculo de y3
Para n = 2 , temos:
y 4 = y 3 + hf ( x 3 , y 3 )
Cálculo de y4
Para n = 3, temos:
145
y 4 = y 3 + hf ( x 3 , y 3 )
Cálculo de y5
Para n = 4, temos:
y 5 = y 4 + hf ( x 4 , y 4 )
Portanto, temos:
(0.2 )2
E≤ ( 2.7183 ) = 0.0544.
2
Tabela 6.1
N xi Sol. Exata Sol. Aprox. Erro
y (x n ) yn y (x n ) - y n
h
y n +1 = y n + [f ( x n ,y n ) + f ( x n + h,y n + hy 'n )], n = 0,1, 2,
2
Algoritmo 6.2
y ' ( x ) = f ( x,y )
Considere a equação diferencial
y ( x 0 ) = y 0
1. Declare:
a) Função f ( x, y )
b) Condições iniciais: y ( x 0 ) = y 0
Calcule:
início
x n +1 = x n + h
k1 = f ( x n ,y n )
k 2 = f ( x n +1 ,y n + hk1 )
h
y n +1 = y n + 2 (k1 + k 2 )
fim
Exemplo 6.4
148
Cálculo de y1
k1 = f ( x 0 ,y 0 ) → k1 = y 0 = 1
h
y n +1 = y n + (k1 + k 2 )
2
Portanto:
h 0.2
y1 = y 0 + (k1 + k 2 ) = 1 + (1 + 1.200 ) = 1.2200
2 2
Cálculo de y2
Para n = 1
k1 = f ( x1 , y1 ) → k1 = y1 = 1.2200
h 0.2
y 2 = y1 + (k1 + k 2 ) = 1.2200 + (1.2200 + 1.4640 ) = 1.4884
2 2
Cálculo de y3
Para n = 2
k1 = f ( x 2 , y 2 ) → k1 = y 2 = 1.4884
h 0.2
y3 = y 2 + (k1 + k 2 ) = 1.4884 + (1.4884 + 1.7861) = 1.8159
2 2
Cálculo de y4
Para n = 3
149
k1 = f ( x 3 , y 3 ) → k1 = y 3 = 1.8159
h 0.2
y4 = y3 + (k1 + k 2 ) = 1.8159 + (1.8159 + 2.1791) = 2.2154
2 2
Cálculo de y5
Para n = 4
k = f (x 4 , y 4 ) → k1 = y 4 = 2.2154
h 0 .2
y5 = y4 + (k1 + k 2 ) = 2.2154 + ( 2.2154 + 2.6585 )
2 2
= 2.7028
Tabela 6.2
N xi Sol. Exata Sol. Aprox. Erro
y (x n ) yn y (x n ) - y n
h2
y ( x + h ) = y ( x ) + hy ' ( x ) + y " (x ) +
2
Ou ainda,
h2
y ( x - h ) = y ( x ) - hy ' ( x ) + y " (x ) + 151
2
Tomando a expansão da função y ( x ) por Série de Taylor, nas vizinhanças
do ponto x até a primeira ordem, e desprezando os termos de ordem O (h 2 ) e
de ordem maior, temos:
y ( x + h ) ≅ y ( x ) + hy ' ( x )
y (x + h ) - y (x )
y ' (x ) ≅
h
1
y ' (x ) ≅ ∆y ( x )
h
y (x ) - y (x - h )
y ' (x ) ≅
h
1
y ' (x ) ≅ ∇y ( x )
h
y (x + h ) - y (x - h )
y ' (x ) ≅
2h
y (x + h ) - 2 y (x ) + y (x - h )
y "(x ) ≅
h2
1 2
= δ y (x )
h2
Observação
u ( x, t + k ) - u ( x, t ) 1
ut ( x, t ) ≅ = ∆t u ( x, t )
k k
u ( x, t ) - u ( x, t - k ) 1
ut ( x, t ) ≅ = ∇t u ( x, t )
k k
u ( x + h, t ) - u ( x - h, t ) 1
u x (x, t ) ≅ = δ u (x , t )
2h 2h x
u ( x + h, t ) - 2 u ( x , t ) + u ( x - h, t ) 1 2
u xx (x ,t ) ≅ = 2 δ x u (x, t )
h2 h
153
6.5.1 Método de Diferenças Finitas
∂u u (x i , t j + k ) - u (x i , t j ) k ∂ 2 u
(x i , t j ) = + (x i , µ j ) (2)
∂t k 2 ∂t 2
154
∂2u u (x i +1 , t j ) - 2 u (x i ,t j ) - u (x i -1 , t j ) h 2 ∂4u
( x , t ) = - (ξi , t j ), (3)
∂x 2 12 ∂x 4
i j
h2
em que ξi ∈ (x i -1 , x i +1 ).
∂u ∂2u
( x,t ) - α 2 ( x,t ) = 0, 0 < x < L e 0 < t < T (4)
∂t ∂x 2
155
Figura 6.6 Malha do Método Explícito.
A equação parabólica (4) implica que para todos os pontos interiores à ma-
lha ( x i , t j ), para todo i = 1, 2, , m - 1 e j = 1, 2, , teremos:
∂u ∂2u
(x i , t j ) = α2 (x i , t j )
∂t ∂x 2
k k
ui, j +1 = 1 - 2 α 2 2 ui, j + α 2 2 (ui +1, j + ui -1, j ) (6)
h h
k
Denotando α 2 = λ escrevemos (6) como:
h2
Exemplo 6.5
∂u ∂2u
( x, t ) - 2 ( x, t ) = 0, 0 < x < 1, t > 0 (8)
∂t ∂x
Tabela 6.3
i j x i = ih = 0.2i ui, j
0 0 0 0
1 0 0.2 0.5877852524
2 0 0.4 0.9510565165
3 0 0,6 0.9510565163
4 0 0.8 0.5877852522
5 0 1 0
ou
= 0.5316567555
158
= 0.25 ( 0.9510565165) + 2 (0.58778525244 ) + (0 )
= 0.5316567555
k 1
Mostra-se que devemos escolher os valores de h e k de modo que 2
≤ ,
h 2
e já que α = 1 no exemplo dado, escolhemos h = 0, 2 e k = 0,01 e obtemos
k
λ = 2 = 0.25 ≤ 0.5 , de modo que essa condição de estabilidade é satisfeita
h
para o método utilizado.
6.6 Exercícios
159
2. Usando o Método de Euler Aperfeiçoado, calcule a solução aproximada
para as seguintes equações diferenciais com valor inicial:
Usando h = 0.1 e depois h = 0.01, calcule y (0.9 ). O que você pode afir-
mar sobre a qualidade dos resultados obtidos? Justifique suas afirmações
teoricamente.
b) y ' = y , com y (0 ) = 1.
a) h = 0.1 e k = 0.1
b) h = 0.5 e k = 0.3
∂u ∂2u
( x,t ) = ( x,t )
∂t ∂x 2
∂u ∂2u
( x,t ) = α 2 ( x,t )
∂t ∂x 2
161
REFERÊNCIAS
163
Sobre os Autores