Integracao Numerica

Integração Numérica
Brasília-DF.
Elaboração
Alessandro Martins
Produção
Equipe Técnica de Avaliação, Revisão Linguística e Editoração

Sumário
APRESENTAÇÃO.................................................................................................................................. 5
ORGANIZAÇÃO DO CADERNO DE ESTUDOS E PESQUISA..................................................................... 6
INTRODUÇÃO.................................................................................................................................... 8
UNIDADE I
CONCEITOS E DEFINIÇÕES .................................................................................................................. 11
CAPÍTULO 1
MOTIVAÇÃO........................................................................................................................... 11
CAPÍTULO 2
ORDEM DE APROXIMAÇÃO ................................................................................................... 18
CAPÍTULO 3
DECOMPOSIÇÃO DE DOMÍNIOS ............................................................................................ 23
CAPÍTULO 4
MÉTODO DO PONTO MÉDIO E DO TRAPÉZIO........................................................................... 26
UNIDADE II
MÉTODOS NUMÉRICOS........................................................................................................................ 32
CAPÍTULO 1
MÉTODO DE SIMPSON............................................................................................................ 32
CAPÍTULO 2
MÉTODO DOS COEFICIENTES INDETERMINADOS...................................................................... 37
CAPÍTULO 3
FÓRMULAS DE NEWTON-COTES .............................................................................................. 39
CAPÍTULO 4
MÉTODO DE ROMBERG.......................................................................................................... 43
CAPÍTULO 5
QUADRATURA GAUSS-LEGENDRE............................................................................................. 46
CAPÍTULO 6
MÉTODO DE MONTE CARLO................................................................................................... 51
UNIDADE III
MÉTODOS COMPOSTOS....................................................................................................................... 56
CAPÍTULO 1
MOTIVAÇÃO........................................................................................................................... 56
CAPÍTULO 2
REGRA TRAPEZOIDAL COMPOSTA............................................................................................ 58
CAPÍTULO 3
SEGUNDA REGRA DE SIMPSON................................................................................................ 66
UNIDADE IV
COMPARAÇÃO DE MÉTODOS E ERROS................................................................................................ 70
CAPÍTULO 1
CASO DE ESTUDO................................................................................................................... 71
CAPÍTULO 2
SOLUÇÕES PELOS MÉTODOS APRESENTADOS.......................................................................... 75
CAPÍTULO 3
COMPARAÇÃO DE SOLUÇÕES E ERROS.................................................................................. 81
REFERÊNCIAS................................................................................................................................... 87
Apresentação
Caro aluno
A proposta editorial deste Caderno de Estudos e Pesquisa reúne elementos que se

entendem necessários para o desenvolvimento do estudo com segurança e qualidade.
Caracteriza-se pela atualidade, dinâmica e pertinência de seu conteúdo, bem como
pela interatividade e modernidade de sua estrutura formal, adequadas à metodologia
da Educação a Distância – EaD.
Pretende-se, com este material, levá-lo à reflexão e à compreensão da

pluralidade dos conhecimentos a serem oferecidos, possibilitando-lhe ampliar
conceitos específicos da área e atuar de forma competente e conscienciosa,
como convém ao profissional que busca a formação continuada para vencer os
desafios que a evolução científico-tecnológica impõe ao mundo contemporâneo.
Elaborou-se a presente publicação com a intenção de torná-la subsídio valioso, de

modo a facilitar sua caminhada na trajetória a ser percorrida tanto na vida pessoal
quanto na profissional. Utilize-a como instrumento para seu sucesso na carreira.
Conselho Editorial
5
Organização do Caderno
de Estudos e Pesquisa
Para facilitar seu estudo, os conteúdos são organizados em unidades, subdivididas em

capítulos, de forma didática, objetiva e coerente. Eles serão abordados por meio de textos
básicos, com questões para reflexão, entre outros recursos editoriais que visam tornar
sua leitura mais agradável. Ao final, serão indicadas, também, fontes de consulta para
aprofundar seus estudos com leituras e pesquisas complementares.
A seguir, apresentamos uma breve descrição dos ícones utilizados na organização

dos Cadernos de Estudos e Pesquisa.
Provocação
Textos que buscam instigar o aluno a refletir sobre determinado assunto antes
mesmo de iniciar sua leitura ou após algum trecho pertinente para o autor
conteudista.
Para refletir
Questões inseridas no decorrer do estudo a fim de que o aluno faça uma pausa e
reflita sobre o conteúdo estudado ou temas que o ajudem em seu raciocínio.
É importante que ele verifique seus conhecimentos, suas experiências e seus
sentimentos. As reflexões são o ponto de partida para a construção de suas
conclusões.
Sugestão de estudo complementar
Sugestões de leituras adicionais, filmes e sites para aprofundamento do estudo,

discussões em fóruns ou encontros presenciais quando for o caso.
Atenção
Chamadas para alertar detalhes/tópicos importantes que contribuam para a

síntese/conclusão do assunto abordado.
6
Saiba mais
Informações complementares para elucidar a construção das sínteses/conclusões

sobre o assunto abordado.
Sintetizando
Trecho que busca resumir informações relevantes do conteúdo, facilitando o

entendimento pelo aluno sobre trechos mais complexos.
Para (não) finalizar
Texto integrador, ao final do módulo, que motiva o aluno a continuar a

aprendizagem ou estimula ponderações complementares sobre o módulo
estudado.
7
Introdução
O estudo da Integração Numérica começa com a formalização dos primeiros conceitos e

definições associadas ao tema e a alguns outros correlatos, pois esse tópico é parte de um
estudo mais amplo relacionado à matemática de nível superior. Na Unidade I, temos a
Motivação para esse estudo, que tem origem na dificuldade de resolução de integrais por
vias analíticas, mas que atualmente se vale muito da capacidade computacional para gerar
essas soluções. O estudo segue por outros tópicos relacionados à Ordem de Aproximação,
pois, em se falando de solução computacional, é possível que o resultado obtido não
seja exato, e, nesse caso, há de se avaliar o erro cometido e julgar a validade do método
e/ou da resposta. Esse processo pode ser refinado e melhorado com a Decomposição
de Domínios, estratégia que permite melhorar essa técnica e gerar mais precisão nos
resultados. Encerrando o capítulo, são vistos dois métodos clássicos para integrar por vias
numéricas, que são, de certa forma, as bases para diversos métodos mais recentes.
A Unidade II avança no estudo e apresenta um conjunto de métodos mais recentes

aplicados a Integrais Numéricas. São abordados os Métodos de Simpson e dos
Coeficientes Indeterminados, e as Fórmulas que seguem o padrão proposto por
Newton-Cotes. Outras estratégias são apresentadas pelo Método de Romberg, Monte
Carlo e na Quadradura de Gauss-Legendre. Cada uma dessas propostas atinge seus
objetivos de formas diferentes, umas mais adequadas a algumas funções, outras mais
rápidas em outros cenários. Isso é visto e detalhado na Unidade IV.
A Unidade III complementa a Unidade II, pois entrega mais duas regras que na
verdade são desdobramentos de regras anteriores. Nessa unidade são vistos alguns
Métodos Compostos, ou seja, métodos já descritos anteriormente que são aplicados
em subdivisões do intervalo desejado com o objetivo de melhorar a precisão do cálculo
da integral. A Regra Trapezoidal Composta e a Regra de Simpson Composta mostram
como essa forma de cálculo pode melhorar consideravelmente a solução sem adicionar
grande complexidade ao processo.
A Unidade IV encerra esse estudo com uma Comparação dos Métodos e um estudo sobre
os erros cometidos pelas aproximações interentes aos métodos. Nessa Unidade é visto um
Estudo de Caso em que diversos métodos são empregados e comparados, alem de outras
soluções pelos métodos apresentados e uma comparação de soluções e erros.
8
Objetivos
» Compreender os conceitos básicos da Integração Numérica, sua relação
com as soluções analíticas e com os outros elementos do cálculo.
» Identificar as técnicas básicas e seus desdobramentos, as estratégias de

divisão de domínios e aproximação de erros.
» Apresentar métodos para aplicação de um conjunto de algoritmos para

aproximação do valor de uma dada integral definida sem o uso de uma
expressão analítica para a função primitiva envolvida.
» Comparar a precisão dos resultados entre variações do mesmo método e

de métodos diferentes.
9
CONCEITOS E UNIDADE I
DEFINIÇÕES
Nesta Unidade, serão vistos os primeiros elementos associados à Integração Numérica,
sua motivação ou origem, seus conceitos principais e suas particularidades de uso e
aplicação com a formalização do conceito de Ordem de Aproximação e Decomposição
de Domínios. A unidade complementa esse momento inicial com dois exemplos bem
usuais e clássicos de métodos de Integração Numérica: o método do Ponto Médio e o
Método do Trapézio.
CAPÍTULO 1
Motivação
Os primeiros problemas registrados na história e relacionados às Integrais remontam

aos problemas enfrentados pelos gregos geômetras na medição de superfícies a fim
de calcular suas áreas. A ideia mais básica no processo era buscar uma forma de
converter a área desejada em um quadrado e assim encontrar a área da figura pela
área do quadrado equivalente. Daí surge a palavra quadratura como sinônimo para o
processo de determinar áreas.
O processo das quadraturas fascinava os geômetras, em especial quando as superfícies

eram curvas, como o círculo ou outras figuras limitadas por arcos. As lúnulas –
regiões que se assemelham com a lua no seu quarto-crescente – foram estudadas por
Hipócrates de Chios, 440 a.C., que realizou as primeiras quadraturas da História.
Outros geômetras, como Antifon, por volta de 430 a.C., fizeram suas contribuições
ao tentar encontrar a quadratura do círculo com uma sequência infinita de polígonos
regulares, iniciando com um quadrado, depois um hexágono, em seguida um
octógono, e assim por diante. Antifon, nesse processo, entendeu que essa sequência
nunca poderia ser concluída. Hoje entendemos que o limite nos fornece a solução para
esse problema (BRANDEMBERG, 2017).
11
UNIDADE I │ CONCEITOS E DEFINIÇÕES
A ideia básica do Cálculo, que consiste em usar o processo de limite para

derivar resultados finitos, remonta aos antigos gregos. Arquimedes de
Siracusa (287-212 a.C.), teria sido um dos primeiros a usar o conceito de
limite para calcular a área e o volume de várias formas planas e sólidas
(BATISTA, 2010, p. 42).
O estudo atual da matemática de nível superior, tradicionalmente, inicia-se com os

limites, que fornecem a base para o cálculo das derivadas, que servem de suporte para o
estudo das integrais. Essa ordem, muito comum nas aulas de hoje, não reflete a origem
dessas ferramentas. Esses conceitos foram desenvolvidos, na prática, na ordem inversa.
O Cálculo Integral surgiu bem antes do Cálculo Diferencial (THOMAS et al., 2012. p. 417).
A ideia da integração teve origem em processos de somas recorrentes, somatórios,
relacionados com a obtenção de certos comprimentos, áreas e volumes.
A diferenciação (ou derivada) foi criada bem mais tarde e foi resultado de problemas
sobre tangentes a curvas e de questões sobre máximos e mínimos de funções. Somente
mais tarde foi possível comprovar que a integração e a diferenciação estão relacionadas
entre si, sendo cada uma delas operação inversa da outra (EVES, 2011, p. 417).
Quadro 1. Eventos que marcaram o início do Cálculo Infinitesimal.
Ano Evento
1666 Ano milagroso da ciência, Isaac Newton desenvolve o Cálculo Diferencial e Integral.
1676 Gottfried Willhelm Leibniz desenvolve o Cálculo Diferencial e Integral com uma simbologia diferente da utilizada por Newton
e sem conhecer seu trabalho.
1684 Leibniz faz sua primeira publicação sobre o assunto no periódico mensal Acta Eroditorum com o título Nova methodus pro maximis
ET mínimos, itemque tangentibus, qua Nec irrationales quantitaes moratur (Um novo método para máximos e mínimos e também
para tangentes que não é obstruído por quantidades irracionais).
1686 Newton publica Philosophiae naturalis principia mathematica (Princípios matemáticos da filosofia natural), obra que contém,
além de Cálculo, Fundamentos da Física.
Fonte: Gayo, p. 150.
Seguindo pela trilha clássica da Matemática Superior, os limites nos apresentam os

primeiros conceitos e a formalização teórica necessária para entender e calcular as
derivadas. Com os métodos certos e as técnicas bem treinadas, é possível calcular
praticamente qualquer derivada de uma função, analiticamente. Numericamente,
por vias computacionais, esse processo torna-se ainda mais simples. Infelizmente a
integral não goza da mesma propriedade, ou seja, calcular a integral de uma função,
analiticamente, não é sempre uma tarefa fácil. Mesmo numericamente falando, com a
ajuda de computação, esse processo exige bons cuidados na sua execução.
“O século XVII trouxe grandes avanços para a matemática, principalmente pelas

novas áreas de pesquisa abertas. Porém a maior realização matemática do
período foi a invenção do cálculo diferencial e integral, ou cálculo infinitesimal,
12
CONCEITOS E DEFINIÇÕES │ UNIDADE I
na segunda metade do século, por Isaac Newton e Gottfried Wilhelm Leibniz,

de maneira independente”. Esse texto é parte do trabalho de Melchiors e Soares
intitulado História do Cálculo Diferencial e Integral, apresentado como Trabalho
de Graduação em Matemática, e fornece um ótimo apanhado sobre a história
dessa nova e hoje muito importante ciência.
Disponível em: https://publicacao.uniasselvi.com.br/index.php/MAD_EaD/

article/download/556/233.
Para reforçar a ideia anterior, vamos pensar em como calcular a derivada de uma
função. Temos duas situações a considerar: a) a função é dada explicitamente como
um f(x); ou b) a função não é dada, apenas pares de pontos (x,f(x)) estão disponíveis (o
gráfico da função).
Olhando com certa atenção, é possível ver que o 2o caso se resume ao 1o, pois, dados
os valores da função em um conjunto de pontos, é sempre possível determinar outra
função de ajuste (em geral um polinômio) e usar essa função ajustada para obter a
derivada da função original desejada. Os algoritmos de ajuste de curvas não fornecem
uma grande dificuldade ao processo, e polinômios são facilmente deriváveis.
Retomando a integral, podemos definir a integral de uma função f(x) no intervalo [a,b]
b
ou simplesmente S � f x dx como sendo a área limitada entre o eixo x e a função
a
f(x) nos limites [a,b]. Graficamente, temos:
Figura 1. Interpretação gráfica da integral de uma função.
Fonte: Stewart, 2013, p. 353.
Existe uma relação única entre a integral e a derivada formalizada como o Princípio
Fundamental do Calculo (STEWART, 2013, p. 350). Definindo a função primitiva
como F(x), é possível calcular sua derivada F’(x) = f(x), válida para todos os elementos
b
x em um intervalo [a,b]. Assim, temos f x dx F b F a , ou seja, a integral de
a
uma função f(x) depende dos valores de sua primitiva nos pontos a e b, ou seja F(a) e
F(b), sobre certas condições.
13
Como dito anteriormente, calcular F’(x) dada F(x), ou seja, calcular a derivada, não
é um problema dos mais complexos, porém o inverso é, por vezes, impossível, ou
seja, nem sempre podemos obter a primitiva F(x), dado que temos apenas a F’(x). Em
alguns casos, nem a f(x) é disponível, como ocorre quando os valores dessa função são
obtidos por decorrência de processos experimentais. Sem a f(x), não é possível obter a
F(x); sem essa função, não tem como calcular a integral analiticamente.
x3 x3
Por exemplo: a integral analítica de x 2 dx c , pois é derivada de c x2 .
3 3
b b3 a 3
A solução para um dado intervalo (a,b) dessa integral é dada por ax 2 dx .
3 3
2 2
Infelizmente, existem diversas funções importantes, como e − x , cujo calculo e x dx � não
2
pode ser obtido pelo mesmo princípio, pois e − x não possui primitiva.
Quando temos f(x) ou F(x) como funções simples, por exemplo, polinomiais, não existem
dificuldades nos cálculos. O real problema ocorre em algumas situações em que a função
f(x) primitiva não pode ser determinada. Isso pode ocorrer em alguns casos, como : a)
quando a função F(x) não existe analiticamente; isso surge, por exemplo, quando seu
desenho é feito com base em dados discretos obtidos de experimentos; b) a função f(x)
pode até existir, mas sua obtenção (com base na F(x)) envolve grande esforço analítico.
Outro caso a ser destacado é quando o objetivo é obter o resultado da integral, e não a
função f(x) em si. Diversas situações computacionais ocorrem nesse contexto, e, em se
tratando de computação, os processos de aproximação e cálculos são, em geral, mais
rápidos que os analíticos.
Por exemplo, uma aplicação real da integral seria para calcular a área de plantio de
uma região de terreno com a forma da figura abaixo.
Figura 2. Exemplo de aplicação da integral para cálculo de área.
Fonte: Stewart, 2013.
14
No exemplo da Figura 02, vamos representar a parte superior do contorno do campo

de plantio pela função f(x) e a parte inferior pela g(x) nos limites extremos (a,b).
Então, a área da região de plantio é dada por:

b
f x g x dx
a
Note que f(x) – g(x) é o comprimento do segmento de reta vertical que conecta os
extremos g(x) até f(x).
Estendendo os conceitos anteriores, surge uma nova palavra, também atrelada às

integrais antigas, mas que, quando era associada a volumes, chamavam de Cubaturas. O
principio nada mais era que uma extensão das Quadraduras, como sugere a figura 3, em
que as áreas já obtidas eram multiplicadas pelas “Espessuras das Fatias”.
Figura 3. Exemplo de Cubatura, Método das Fatias.
Espessura da Fatia
Área da Fatia
Fonte: Galvão, 2016, p. 7.
Considerando que a primeira fatia tem início na posição x=a e que a última fatia
ba
termina na posição x=b e definindo a espessura da fatia como x e fazendo
n
com que o número n de fatias cresça, ou seja, n , conseguimos que a espessura da
fatia fique cada vez mais fina, ou seja, tenda a zero ( x dx 0 ), o que nos fornece a
integral abaixo para o cálculo dessa cubatura:
n n b
V lim Vi lim A x * x A x dx
n n a
i 1 i 1
Quando a figura cujo volume que se deseja calcular pode ser decorrente da rotação
de uma curva em torno de um eixo (ou aproximada por esse método), a solução da
Cubatura torna-se bem simples. Vejamos no exemplo.
15
Exemplo: calcule o volume do vaso cerâmico obtido quando a função y=x3 é

rotacionada em torno do eixo X no intervalo (1,2).
Solução: quando uma função é rotacionada em torno de um eixo, a forma geral para o
cálculo do volume do sólido obtido é dada pela equação:
b
V * f x dx
2
Figura 4. Função limitadora do sólido de revolução.
Fonte: Buffoni, s/d, p. 2.
Figura 5. Sólido obtido pela rotação em torno do eixo X da Função Limitadora.
Fonte: Buffoni, s/d, p. 2.
Substituindo na função dada no problema, obtemos:

2
V * x 3 dx
2
2
V * x 6 dx
1
x7 2 27 17 127
V * * 57u.v unidades de volumee
7 1 7 7 7
16
Para saber mais sobre como as integrais numéricas são aplicadas, veja o
exemplo disponível no artigo: RESENDE, P. C.; MELO, N. R.; CAMPOS, G. L.;
SANTOS, M. G. Métodos Numéricos de Integração Aplicados no Cálculo de
Campos Magnéticos Gerados por Linhas de Transmissão. Disponível em:
http://dx.doi.org/10.29069/forscience.2017v5n3.e295.
17
CAPÍTULO 2
Ordem de aproximação
A ideia que fundamenta o conceito de Ordem de Aproximação está intimamente

relacionada com uma classe especial de polinômios empregados para o cálculo de
integrais por métodos numéricos, chamados de Polinômios Interpoladores. Alguns
métodos de integração numérica não usam esses polinômios, mas a grande maioria
dos métodos se baseia neles.
O princípio mais antigo relacionado às quadraturas envolve substituir a função que

se deseja integrar por outra mais simples, mas com a forma mais parecida possível
da original, apenas no intervalo desejado de integração. Polinômios são funções bem
adequadas a isso, pois:
a. são simples e facilmente manipuladas, e sua integração é quase trivial;
b. se p é um polinômio de grau n, o valor p(x) para um x real é calculado por

meio de n+1 operações de multiplicação e n+1 operações de adição, um
custo bem baixo;
c. as primitivas de polinômios também são polinômios;
d. o teorema da aproximação de Weierstrass (Lopes, 2009) estabelece

que qualquer função contínua definida em um intervalo fechado pode
ser aproximada uniformemente por um polinômio tão bem quanto se
queira.
Um polinômio geral pode ser escrito como:
p x k 0ak * x k
n
Ou, de forma expandida, como:

a0 x(a1 x a2 x x an 1 xan )
Interpolar significa determinar uma função que assume valores conhecidos em certos
pontos chamados nós de interpolação. De uma forma geral, o conjunto de funções
interpoladoras é determinado por um número finito de parâmetros (nos polinômios,
são os seus coeficientes) que deverá ser igual ao número de condições impostas
(número de nós), para que haja apenas uma solução. Assim, dado um conjunto de
18

n pontos, xi , yi i 1 definimos como Polinômio Interpolador, o polinômio de grau
n
menor ou igual a n-1 que os interpola, ou seja, passa por todos esses pontos.
Figura 6. O polinômio g(x) de 5o grau interpola a função em 6 pontos.
Fonte: Spilling, s/d, p. 2.
A determinação dos parâmetros que definem a função interpoladora nos leva à

resolução de um sistema linear. Se considerarmos a interpolação por polinômios, é
possível evitar a resolução desse sistema usando as fórmulas de Lagrange ou de
Newton, que reduzem significativamente o número de operações envolvidas
Por exemplo, considere a Figura 07 abaixo. Encontre o polinômio interpolador do

conjunto, dado de pontos {(0,1), (1,6), (2,5), (3,-8)} representados em vermelho.
Figura 7. Representação dos pontos e do polinômio interpolador.
Fonte: autor.
Solução: como o conjunto dado consiste de N=4 (quatro) pontos, o polinômio

interpolador deve ter a forma abaixo, com grau N-1 = 3:
y p x a0 a1 x1 a2 x 2 a3 x3
19
Impondo as condições de intercessão aos pontos, obtemos o sistema abaixo:
1 = a0
6 a0 a1 a2 a3
5 a0 2a1 4a2 8a3
8 a0 3a1 9a2 27 a3
Cuja solução fornece a0=1, a1=6, a2=0 e a3=-1, indicando que p x 1 6 x x ,

3
representado na Figura 07 pela linha azul.
Segundo Ruggiero (2004, p. 308), um esquema de integração numérica tem ordem de

aproximação N se for exato para cada polinômio de grau menor ou igual a N.
Em outras palavras, uma regra de integração diz-se de grau de exatidão (ou ordem de
aproximação) N se integrar, exatamente, todos os polinômios de grau menor ou igual
a N e existir pelo menos um polinômio de grau N + 1 que não é integrado exatamente
por essa regra.
Existem diversos métodos para a obtenção do polinômio interpolador. Lagrange,

Newton e Gregory-Newton, Nascimento e Guimaraes (2002) fornecem detalhes de
como eles podem ser obtidos.
Na teoria da aproximação, ramo da matemática que se preocupa com a melhor

maneira de aproximar as funções, surgem com destaque os polinômios de Chebyshev
(Pafnuti Lvovitch Chebyshev, 1821-1894), que são muito importantes porque as raízes
desses polinômios de primeira ordem podem ser utilizados na interpolação polinomial,
gerando melhores resultados, em especial minimizando o problema decorrente do
Fenômeno de Runge.
Os polinômios de primeira ordem desse método podem ser obtidos interpolando os

pontos x0, x1,...xn obtidos pela seguinte regra:
ab ba k
xk cos , k 0,1, , n
2 2 n
Essa seleção de pontos distribui uniformemente o erro no intervalo [a,b] para qualquer
função f(x) contínua no intervalo.
20
Figura 8. Polinômio Interpolador gerado com os nós de Chebyshev de 6o Grau.
Fonte: Valle, s/d, p. 29.
21
É interessante comparar o formato dessas aproximações com as

aproximações fornecidas pelos polinômios de Lagrange representados na
Unidade III, Capítulo I. Observe que as partes centrais são bem semelhantes, porém
as extremidades possuem diferenças bem consideráveis e que pesam na precisão dos
processos de integração.
Para saber mais como obter os polinômios interpoladores por diversos

métodos e avaliar o grau de precisão de cada método, leia o Capitulo 04 das
Notas de Aula do Professor Leonardo F. Guidi para o curso de Cálculo Numérico
da UFRGS, disponível em http://www.mat.ufrgs.br/~guidi/grad/MAT01032/
calculo_numerico.cap4.pdf.
22
CAPÍTULO 3
Decomposição de domínios
A decomposição de domínios faz referência a um conjunto de técnicas baseadas na

ideia de “divisão e conquista”, empregadas para obter soluções de sistemas numéricos
complexos. Essas técnicas são baseadas na decomposição ou, melhor dizendo, na
partição em subdomínios do domínio original em que o problema principal está sendo
formulado.
Domínio ou subdomínio são os limites estabelecidos para o cálculo do sistema em estudo.

Esses limites podem ser determinados pela geometria do problema, pela abrangência
temporal do estudo ou pelo número de fatores envolvidos, entre outras coisas. Dividir um
domínio significa resolver o problema em escala menor e depois juntar as soluções.
A ideia geral do método é reduzir a complexidade do sistema pela divisão deste em

partes menores, sendo a soma das soluções das partes mais simples de ser obtida
que a solução do todo. Nesse contexto, dizemos mais simples como referência a
computacionalmente mais fácil (e/ou mais rápido).
Por exemplo, no estudo do fluxo de petróleo ou água em meios porosos, a solução

direta do sistema no domínio original requer a solução de um sistema gigantesco
(devido ao grande número de variáveis e condições de contorno). Resolver esse
sistema gigantesco é possível, porém requer um grande esforço computacional e um
grande tempo, o que na prática torna essa solução impraticável.
Por outro lado, decompor esse domínio original em domínios menores permite que
o sistema se torne muito mais simples, sendo computacionalmente rápido de ser
resolvido. Ao final, unem-se as soluções obtidas.
Nesse contexto específico de estudo, quando é feita uma decomposição de um domínio,

estamos dividindo uma região para fins de integração por partes. A figura 11 dá uma noção
de como pode ser feito. O objetivo, nesse caso, é usar em todos os segmentos polinômios
interpoladores (PI) de grau 2 (que interpolam 3 pontos, linhas em azul) para ajustar por
partes a curva inicial, mostrada em vermelho. Num caso geral, poderiam ser usados PI
de graus diferentes para cada segmento da função, sempre com o único objetivo de obter
uma melhor aproximação da curva original e assim uma integral mais precisa.
23
Figura 11. Divisão de Domínio para fins de integração por partes.
Fonte: Steward, 2013, p. 462.
Umas das estratégias adotada para a solução de problemas de integração por métodos
numéricos consiste em dividir em regiões a função que se deseja integrar, dentro dos
limites desejados. Como no exemplo da Figura 11, para fazer uma integral de x=a até
x=b, é possível dividir o domínio em n=3 partes. Assim, calcula-se de x=a até x=x2,
x=x2 até x=x4 e de x=x4 até x=b. Ao final, somam-se os resultados. Esse princípio pode
ser aplicado com n assumindo valores bem maiores (obtendo, assim, intervalos ou
subdomínios cada vez menores), até o limite de precisão desejada do processo.
Intuitivamente, esse princípio pode ser aplicado a integrais mais complexas, em duas
ou mais dimensões. O resultado que se obtém ao final da divisão são pequenas figuras
geométricas simples, como quadrados. Daí decorreu o nome antigo para integral –
quadradura.
A escolha do número de divisões (ou do tamanho dos intervalos) é objeto de estudo

dos próximos tópicos. Em geral, essa escolha leva em consideração a forma da função
a ser integrada e a precisão desejada no processo.
A precisão no resultado da integral não é o único motivo para a Divisão de Domínios.

Em certas situações, essa estratégia se torna muito útil para resolver problemas simples,
como calcular a área S delimitada pelas curvas y=x+2, y=2 , y=-1 e x = y2.
Solução: 1o Passo: representar graficamente as funções nos fornece uma visão real da
área S a ser calculada. Nessa observação, vemos que uma divisão do domínio apenas
por segmentação do eixo x não resolve o problema, pois a função y2=x assume dois
valores no intervalo [0,4].
24
Figura 12. Pontos de interseção das curvas.
Fonte: Fernandes, p. 40.
2o Passo: analiticamente, podemos obter os pontos de interseção dessas funções e

verificar que:
» a reta y = x + 2 e y = −1 interceptam-se no ponto de abscissa −3;
» as curvas y2=x e y = 2 interceptam-se no ponto de abscissa 4;
» as curvas y2=x e y = −1 interceptam-se no ponto de abscissa 1.
3o Passo: obtendo esses limites, é possível observar que a área S pode ser calculada
como a soma de 3 subáreas:
Área1 : x 2 1 dx
0
3

4
Área 2 : 2 x dx
0
Área3 x 1 dx
1
Obtendo, assim:
S Área1 Área 2 Área3

3 3
x2 0 0 4 2x 2 4 2x 2 1 1 15
S 3x 2 x x u.a
2 3 3 0 3 0 3 0 0 2

Área1 Área 2 Área 3
O IMPA (Instituto de Matemática Pura e Aplicada) fornece uma Introdução ao

Método de Decomposição de Domínios no texto do minicurso produzido pelo
Professor Juan Galvis, em 2009, para o 27o Colóquio Brasileiro de Matemática,
disponível em https://impa.br/wp-content/uploads/2017/04/27CBM_12.pdf.
25
CAPÍTULO 4
Método do ponto médio e do trapézio
Para entender a origem dos primeiros métodos numéricos de solução de integrais,

é preciso recorrer ao nascimento do cálculo. As origens do cálculo apontam para a
Grécia Antiga, há pelo menos 2.500 anos, onde foram encontrados registros do uso do
Método da Exaustão para o cálculo de áreas de polígonos que poderiam ser divididos
em triângulos, de fácil cálculo, com a solução geral sendo a soma dessas partes
triangulares calculadas isoladamente.
Figura 13. Segmentação de região em triângulos.
Uma situação consideravelmente mais complexa era obter a área de figuras curvas. O
método da exaustão para esses casos consistia em inscrever ou circunscrever a figura
com polígonos e então crescer o número de lados deles até atingir a forma original. A
figura abaixo ilustra a situação.
Figura 14. Método de Exaustão para aproximação do círculo.
A área desejada era obtida intuitivamente, visto que o conceito de limite ainda não era
de conhecimento na época, por A lim An .
n
Esse mesmo princípio também foi usado para calcular áreas abaixo de funções
matemáticas, com o emprego de retângulos cada vez mais finos.
26
Figura 15. Método de Aproximação por Retângulos.
O problema do cálculo da área A da 1ª imagem da Figura 15 passa a estar relacionado

não apenas à largura da base do retângulo, mas também à sua altura, pois existem
3 possibilidades para esse comprimento: a) obtido pela lateral esquerda do retângulo
ao tocar a função; b) obtido pela lateral direita; ou c) obtido pelo ponto médio das
extremidades. A Figura 16 mostra os dois casos:
Figura 16. (a) Usando a extremidade esquerda; e (b) usando a direita como altura do retângulo.
É possível demonstrar que a soma dos retângulos, tomados pela direita, Rn (situação
(b) na Figura 16), é dada pela fórmula:
Rn
n 1 2n 1
6n 2
Situação semelhante ocorre com os retângulos, tomados pela esquerda, Ln, em que
obtemos:
1
A lim Rn lim Ln
n n 3
27
Figura 17. Convergência de Rn e Ln quando n cresce.
É possível mostrar que, quando a base do retângulo tende a zero, o resultado da soma
dos retângulos tomados à esquerda se iguala à soma dos retângulos tomados à direita,
de modo semelhante ao limite de Rn e Ln.
Figura 18. Aproximações pelas laterais esquerda e direita vistas conjuntamente.
É possível demonstrar que os pontos laterais do retângulo (esquerdo e direito) são casos
especiais, pois qualquer ponto nesse intervalo pode ser tomado para efeito de cálculo, ou
seja, podemos tomar a altura do i-ésimo retângulo com valor da função f em qualquer
28
*
valor do i-ésimo subintervalo como o valor de f em qualquer posição xi no i-ésimo
subintervalo ( x1 , x2  , xn são chamados pontos amostrais), conforme indica a figura 19
* * *
abaixo.
Figura 19. Aproximação por pontos amostrais.
Obtendo, assim, a solução:

n

A lim f x1* x f x2* x f xn* x lim f xi* x
n n

i 1

b
Quando escrevemos f x dx lim f xi* x , fica formalizada a definição da
a n
i 1
Integral Definida da f(x) no intervalo (a,b), se a f(x) é contínua nesse intervalo, ou seja,
f(x) é integrável no intervalo (a,b). Essa definição é chamada de Somas de Riemman,
em homenagem ao matemático Bernhard Riemann (1826-1866)
O Método do Ponto Médio para o cálculo de integrais definidas por métodos

numéricos decorre do estudo acima, em que foi observado que, quando os valores de
xi* são tomados no ponto médio entre as extremidadas da f(x) de base 𝛥x (e, nesse
caso, são representados por xi ), a velocidade com que o somatório converge para o
valor exato da integral é maior, ou seja, são necessárias menos parcelas de cálculo para
se obter um resultado com a precisão desejada.
Podemos formalizar o método definindo, assim, as equações:

n

b
a f x dx
i 1
f xi x � x f x1  f xn

ba 1
em que x exi xi 1 xi = ponto médio xi 1 , xi
n 2
29
Em outra abordagem, semelhante à anterior, em vez de usar o Ponto Médio, utiliza-se

a média entre os pontos laterais, o que, na prática, é como se uma linha reta imaginária
seja usada para ligar os extremos da f(x). Essa linha reta dá suporte para a afirmação
de que esse método, chamado Método dos Trapézios (devido à figura geométrica
formada pela ligação entre f1 e f2), é classificado como um método de 1ª ordem, pois a
equação de uma reta é um polinômio de 1o grau.
Figura 20. Representação Gráfica da Regra do Trapézio.
Fonte: adaptada de Stewart, 2013, p. 473.
Para deduzir esse método, vamos adotar que x1=a, x2=b e h=b-a e usar a simbologia de
que yi = f(xi). Com essas definições, vamos obter a equação da reta que liga f1 a f2, que
nada mais é que um polinômio de 1o grau em x. Vamos usar, para isso, a fórmula de
Legendre para esse cálculo. Teremos, assim:
p1 x y1 L1 x y2 L2 x
Estabelecendo uma relação entre f(x) e p1(x), obtemos:

b b
f x dx p x dx
a a 1
y L x y L x dx
b
1 1 2 2
a
b b
y1 L1 x dx y2 L2 x dx
a a
A1 y1 A2 y2
30
Em que:
x x1 x2
2
b x x1
A1 dx
a x x
2 1 2h x1
x x
2
h2 h
2 1
2h 2h 2
b x x2 h
A2 dx
a x1 x2 2
De onde obtemos a Regra do Trapézio Simples como:

b 1 1
f x dx 2 f a 2 f b * h
a
31
MÉTODOS UNIDADE II
NUMÉRICOS
Na Unidade II, veremos um grupo de métodos numéricos mais elaborados que os
anteriores e que fornecem resultados mais exatos para as integrais. Entre os métodos
aqui apresentados, veremos um grupo de métodos pertencentes às Fórmulas de
Newton-Cotes (Capítulo 3), família de métodos que partem do princípio de que o
intervalo de integração pode ser particionado em divisões iguais para que o polinômio
interpolador possa ser calculado.
Fazem parte desse grupo o Método de Simpson, visto no Capítulo 1, o Método dos
Coeficientes Indeterminados, Capítulo 2, e, no Capítulo 4, o Método de Romberg.
Fora desse padrão (de espaçamento constante para a tomada dos pontos amostrais da
função f(x)), temos, no Capítulo 5, a Quadratura Gauss-Legendre e, no Capítulo 6, o
Método de Monte Carlo.
CAPÍTULO 1
Método de Simpson
A Fórmula de Simpson (em homenagem a Thomas Simpson, um matemático inglês,

1710-1761), também conhecida como regra ou Método de Simpson, é uma opção para
o cálculo de integrais por métodos numéricos que fornece melhores resultados que os
Métodos do Ponto Médio e dos Trapézios.
Nesses dois métodos anteriores, a ideia central é dividir o intervalo [a,b] em n

intervalos, ou seja, [a=x0,x1] , [x1,x2] , [x2,x3] ... [xn-1,xn=b], e aproximar a área da curva
por um conjunto de retângulos ou trapézios. A proposta de melhoria feita por Simpson
altera essa solução, pois ele propõe a adição de um ponto extra ao centro de cada
intervalo (criando assim dois subintervalos) e um ajuste de ligação desses três pontos
por uma parábola ou por um polinômio do 2o grau.
Observe na Figura 21 abaixo como a função (na cor vermelha) fica muito mais bem
representada pelos segmentos de curvas em azul. Note que a diferença entre as áreas da
função em vermelho e das curvas de ajuste em azul é bem pequena se comparada com,
por exemplo, o Método dos Trapézios, que faria a ligação direta entre os pontos P0 e P2.
32
MÉTODOS NUMÉRICOS │ UNIDADE II
Figura 21. Curvas de Ajuste por divisão no método de Simpson.
Para simplificar os cálculos e a obtenção do Método de Simpson, é feita uma mudança

de coordenadas conforme a figura abaixo, centrando em x=0 o ponto do meio.
Figura 22. Mudança de variáveis para o método.
A curva de ajuste vai passar pelos pontos P0,P1 e P2, ou seja, (-h,f(-h)), (0,f(0)) e
(h,f(h)), ou, mais genericamente, (xi-1,f(xi-1)), (xi,f(xi)) e (xi+1,f(xi+1)). Essa curva é uma
parábola e tem equação geral da forma y = Ax2 + Bx + C, sendo a área de interesse
limitada por x = -h até x = +h.
Podemos demostrar que a integral da parábola da Figura 22, devido à simetria, é dada
por:
Ax Ax
h h
2
Bx C dx 2 2
C dx
h 0
Ah3 h
2
Ch 2 Ah 2 6C
3 3
33
UNIDADE II │ MÉTODOS NUMÉRICOS
Lembrando que a solução anterior precisa ser atrelada aos pontos, pois essa parábola
obrigatoriamente passa por P0(-h,f(-h)), P1(0,f(0)) e P2(h,f(+h). Assim, temos as seguintes
equações:
y 0 A h B h C Ah 2 Bh C
2
y1 = C
y 2 Ah 2 Bh C
em que y 0 f h ; y1 f 0 e y 2 f h
E obtemos:

y 0 4 y1 y 2 2 Ah 2 6C
Em decorrência disso, podemos escrever a área da parábola de ajuste como:

h h
I P2 x dx y 0 4 y1 y 2
h 3

Essa fórmula também é válida quando a posição horizontal da parábola muda, ou seja,
deslocando-a de x=-h até x=h para x=x0 até x=x2, basta alterar os limites de integração.
De modo semelhante, podemos escrever que a área da parábola que passa por P2, P3 e
P4 (de x=x2 ate x=x4) é dada por:
h
y 2 4 y3 y 4
3
Se o princípio for ainda mais ampliado e com ele calculadas todas as áreas das
parábolas no intervalo (a,b) com n/3 divisões, ou seja, n pontos amostrais, teremos:
b h h h
f x dx 3 y
a 0 4 y1 y2
3
y2 4 y3 y4  yn2 4 yn1 yn
3
h
y0 4 y1 2 y2 4 y3 2 y4  2 yn2 4 yn1 yn
3
E deduzimos a Regra de Simpson como:

b x
f x dx S
a
f x0 4 f x1 2 f x2 4 f x3  2 f xn 2 4 f xn 1 f xn
3
n
ba
em que n é par e x
n
Essa fórmula também é conhecida como Regra de 1/3 de Simpson.
34
Outro método para obter a Regra de Simpson é utilizando a fórmula de Lagrange para
o polinômio de 2o grau.
x x
n
j 0 j
Lk x
jk
, Forma Geral de Langrange para o polinômio de ordem k

n
j 0 ( xk x j )
jk
p2 x
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x

x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2
x2 x2
I f x dx p2 x dx
x0 x0
x x1 x x2 f x
0
x2 x2 x0 x1 x0 x2 dx
I f x dx
x0 x0
x x0 x x2 f x x x0 x x1 f x
1
x1 x0 x1 x2 x2 x0 x2 x1 2
Procedendo a algumas mudanças de variáveis e executando a integral nos limites
estabelecidos, obtemos:
h
I f x dx f x0 4 f x1 f x 2
x2
x0 3
Resultado análogo ao obtido anteriormente.

2 1
Exemplo: aplicar a Regra de Simpson com n=10 para aproximar a integral 1 dx .
x
Solução: sabemos que: f(x) = 1/x ; a=1, b=2, n=10, 𝛥x = (b-a)/n = 0.1.
Nesse cenário, temos x0=1, x1=1.1, x2=1.2, ..., x8=1,9 e x9=2;
Usando a dedução da Regra de Simpson para n=10 pontos, obtemos:
1 x
f 1 4 f 1.1 2 f 1.2 4 f 1.3  2 f 1.8 4 f 1.9 f 2
2
1 x
dx S10
3
0.1 1 4 2 4 2 4 2 4 2 4 1
0, 693150
3 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
Comparando esse resultado com as aproximações pelo método do Ponto Médio (M10
≈0,692835) e dos Trapézios (T10 ≈0,693771), verificamos que Simpson fornece uma
aproximação muito melhor que as anteriores. De fato, o método de Simpson tem uma
relação com os métodos anteriores e pode ser também obtido pela média ponderada
dos Métodos dos Trapézios e do Ponto Médio. Assim, temos:
1 2
S 2 n Tn M n
3 3
35
Por um processo de pensamento semelhante ao utilizado para obter os limitantes

superiores do erro dos métodos dos trapézios e do método do ponto médio, o limitante
superior do erro do Método de Simpson é dado por:
b a f 4 ,
5
1
Es h5 f 4
90 2880
lembrando que f 4 denota o valor máximo da 4a derivada
da f x no intervalo a,b de integração
36
CAPÍTULO 2
Método dos coeficientes
indeterminados
Para definir o Método dos Coeficientes Indeterminados para o cálculo de integrais por
métodos numéricos, vamos considerar x0,x1,...,xn, (n+1) pontos obtidos no intervalo
(a,b). O Método consiste em obter os pesos Aj da fórmula de quadratura:
n
I Q f Aj f x j f x dx
b
a
j 0
de modo que IQ(f) tenha grau de precisão r ≥ n, ou seja, a integral pelo Método dos
Coeficientes Indeterminados IQ é igual à integral exata do polinômio Pk (IQ(Pk) = I(Pk)),
para k=0,1,...,n em que Pk é um polinômio de grau k.
Para calcular os coeficientes ou pesos A1, A2, ... , An, fazemos:
Pk x 0 1 x 2 x 2  n x n um polinômio de grau k

I Q Pk I Q 0 1 x 2 x 2  n x n 0 I Q 1 1 I Q x 2 I Q x 2  n I Q x n
Isso é possível, pois a integral é um operador linear

I ( Pk ) I 0 1 x 2 x 2  n x n 0 I 1 1 I x 2 I x 2  n I x n
Verificamos que, para termos I Q Pk I Pk , é suficiente que:

I Q x k I x k , k 0,1, , n
Dessa igualdade, obtemos as seguintes equações:

n b
I Q 1 Aj 1 I 1 dx b a
a
j 0
A0 A1  An b a
n
x 2 b (b 2 a 2 )
I Q x Aj x j I x xdx
b

j 0
a 2 a 2
(b 2 a 2 )
A0 x0 A1 x1  An xn
2
37
n
x 3 b (b3 a 3 )

b
I Q x 2 Aj x 2j I x 2 x 2 dx
j 0
a 3 a 3
(b3 a 3 )
A0 x02 A1 x12  An xn2
3
� � � � � �� = � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � �
n
x n 1 b (b n 1 a n 1 )
A x I x
b
IQ x n
j
n
j
n
x dx n

j 0
a n 1 a n 1
n (b n 1 a n 1 )
n n
A x A x  A x n n
n 1
0 0 1 1
Que fornece um sistema linear que pode ser escrito na forma:
ba

1 A0 (b a )
2 2
1 1 1

x
0 x1 x2 xn A1 2

(b a )
3 3
x02 x12 x22 xn2 A2
3

n
x0 x1n x2n xnn An n 1 n 1
(b a )

n 1
A Matriz no formato acima é conhecida como Matriz de Vandermonde e, se os

elementos forem distintos, sabe-se que é não singular, ou seja, tem solução única.
Sendo assim, Aj, j=0,1,..., n são unicamente determinados.
Observe também que o valor da fórmula de quadratura equivale ao valor da integral

do polinômio interpolador. Assim, pela fórmula de Lagrange:

b n n
I n f I Pn f xi * li x dx li x dx f xi
b
i 0
a a
i 0
Ai
Assim, os pesos também podem ser dados pelas integrais de Lagrange li(x).
38
CAPÍTULO 3
Fórmulas de Newton-Cotes
As fórmulas de Newton-Cotes (em homenagem a Isaac Newton e Roger Cotes)

constituem uma família extremamente útil e direta de técnicas de integração numérica.
A forma geral para essa família de fórmulas para integrar uma função f(x) em um
intervalo [a, b] segue, em linhas gerais, os seguintes passos:
1. dividir em n partes iguais o intervalo (a,b), h = (b-a)/n, obtendo assim
a=x0, x1=x0+h, x2=x1+h, ...,xn=b;
2. calcule o valor da f(x) nos pontos obtidos em (1) como fn = f (xn);
3. em seguida, encontre funções simples que se aproximem da função
tabulada em (2), nada mais simples do que polinômios;
4. integre esses polinômios interpoladores para aproximar a área sob a
curva;
5. estime o erro cometido no processo;
6. obs1.: para encontrar essas funções simples de ajuste, use polinômios
de interpolação (PI) como os de Lagrange ou Gregory-Newton, por
exemplo;
7. obs2.: as fórmulas resultantes são chamadas de fórmulas de Newton-
Cotes somente quando o espaçamento entre os pontos é constante;
8. obs3.: note que o problema de resolver a integral, com esse processo,
torna-se o problema de encontrar o PI que melhor se adéqua a f(x), ou
seja, gera o menor erro possível.
As fórmulas de Newton-Cotes podem ser “fechadas” se o intervalo [x0, xn] estiver incluído
no ajuste ou “abertas” se os pontos [x1, x(n-1)] forem usados e seus extremos x0 e xn não
forem usados. Se a fórmula usa n pontos (fechada ou aberta), os coeficientes dos termos
somam n-1. Com essa divisão, podemos classificar as Fórmulas de Newton-Cotes:
1. Fechadas:
exige-se que x0 = a, xn = b.
Exemplos: Regra do Trapézio, Regra de Simpson Simples, Regra de
Simpson Composta e Regra de Boole.
2. Abertas:
39
exige-se que todos os xi estejam no intervalo [a, b].

Exemplo: Regra do Ponto Médio.
Por exemplo, a fórmula de Newton-Cotes fechada de 2 pontos é chamada de Regra

do Trapézio (Simples ou Composta) porque aproxima a área sob uma curva f(x) por
um polinômio de 1o grau (uma reta), que forma, com os limites laterais, a figura de
um trapézio com base horizontal e topo inclinado (conectando os pontos finais f(x1) e
f(x2)). Se o primeiro ponto for x1, o outro ponto final estará localizado em x2 = x1+h.
Figura 23. Representação Gráfica da Regra do Trapézio Simples.
Fonte: adaptada de Stewart, 2013, p. 473.
Figura 24. Representação Gráfica da Regra do Trapézio Composta.
Fonte: Cavalcanti, s/d, p. 12.
40
Nesse caso, o polinômio de interpolação de Lagrange por meio dos pontos (x1,f1) e
(x2,f2) é dado por:
x x x
p1 x * f 2 f1 f1 1 * f1 1 * f 2
h h h
A integração ao longo do intervalo fornece:

x2 x1 h h
f x dx
x1 x1
p1 x dx
2
* f1 f 2
Com erro dado por:

h3
E2 * f ``
12
h3
* f `` é a derivada 2ª da função aplicada no ponto θ, em que ela atinge seu maior
E2 Onde
12
valor em módulo – sabendo que x1< Ø < x2.
As fórmulas fechadas de Newton-Cotes são fórmulas de integração genéricas,

com o formato abaixo indicado, em que x0=a e xn=b e os coeficientes de Ai são
determinados de acordo com o grau do polinômio interpolador utilizado.
xn xn
f x dx
x0 x0 n
p x dx usando a fórmula de Lagrange paraa pn x
xn
f x0 L0 x f x1 L1 x  f xn Ln x dx
x0
L0 x dx f x0 L1 x dx f x1  Ln x dx f xn
xn xn xn
x 0 x 0 x 0
b xn
f x dx f x dx A * f x A * f x A * f x
a x0 0 0 1 1 n n
Lembrando que:
xn
Ak Lk x dx
x0
E que:
x x
n
j 0 j
Lk x
jk
, Forma Geral de Lagrangge

n
j 0( xk x j )
jk
Uma fórmula de Newton-Cotes de grau n pode ser construída para qualquer n. Porém,
para n grandes, a regra pode apresentar o Fenômeno de Runge (LOPES; COSTA,
2017), em que erros aumentam exponencialmente para n elevados. Outros métodos
como a Quadratura de Gauss-Legendre e a Quadratura de Clenshaw-Curtis com pontos
espaçados de maneira desigual (preferencialmente acumulados nas extremidades
41
do intervalo de integração) são mais estáveis e muito mais precisos, e, em geral, são
preferidos no lugar de Newton-Cotes.
Se esses métodos não podem ser utilizados, porque o integrante é dado em uma grade
igualmente distribuída, o Fenômeno de Rungue pode ser minimizado utilizando uma
regra composta, ou seja, utilizando o mesmo método em subintervalos de (a,b).
De forma compacta, todas as fórmulas de Newton-Cotes derivam da seguinte expressão:
nh n
In ci yi
d n i 0
E os coeficientes são determinados pela tabela:
Tabela 1. Coeficientes para as fórmulas de Newton-Cotes.
N dn c0 c1 c2 c3 c4 c5 c6 c7 c8
1 2 1 1
2 6 1 4 1
3 8 1 3 3 1
4 90 7 32 12 32 7
5 288 19 75 50 50 75 19
6 840 41 216 27 272 27 216 41
7 17280 751 3577 1323 2989 2989 1323 3577 751
8 28350 989 5888 -928 10496 -4540 10496 -928 5888 989
Fonte: próprio autor.
42
CAPÍTULO 4
Método de Romberg
Usando uma série de refinamentos sobre a regra estendida do método trapezoidal, é

obtido um processo de integração numérica chamado Método de Romberg. O método
de Romberg é um algoritmo criado para calcular integrais de alta ordem, de forma
iterativa, a partir do método dos trapézios. Para compreender o processo, vamos
considerar o método dos trapézios composto (obs.: esse método composto vai ser visto
no Capítulo 2 da Unidade III) aplicado à integral:
b

f x dx
a
Vamos chamar de I(h) a aproximação dessa integral pelo método dos trapézios
ba
composto e usar uma largura de malha constante igual a h, sendo h para algum
Ni
Ni inteiro, obtendo assim:
h Ni ba
I h f a 2 f x j f b , com N i
2 j 2 h

É possível provar que, se a f(x) é analítica em (a,b), então a função I(h) admite ser
representada da forma:
I h I 0 I 2 h 2 I 4 h 4 I 6 h6

Em especial verificamos que o valor exato da integral desejada é dado por Io quando h
tende a zero.
b

f x dx lim I h I
a h 0
0
Dessa base surge a ideia central do método de Romberg, que consiste em usar a
extrapolação de Richardson (RICHARDSON, 1910; RICHARDSON; GAUNT, 1927)
para construir um método de maior ordem com base no método dos trapézios, para o
intervalo qualquer (a,b).
O método proposto por Richardon é frequentemente usado para melhorar a precisão ou

a velocidade de convergência de outro método e depende do conhecimento de como a
função erro se apresenta, e, além disso, é preciso que seja possível obter uma expansão
em termos de h, como I h I 0 I 2 h 2 I 4 h 4 I 6 h6 ,o que nem sempre é valido para
todas as funções erro devido a problemas de continuidade da função a ser integrada.
43
Vamos usar como exemplo a construção do método de quarta ordem. Para tal, vamos
desenvolver duas expansões de I em função de h e h/2.
I h I 0 I 2 h 2 I 4 h 4 I 6 h6
2 h h h
2 4 6
I h I0 I2 I4 I6
4 16 64
Usando o processo de eliminação gaussiana, podemos isolar o termo Io.
h
4I I h
2 I h 4 5I h6
I 0 4 6
3 4 16
Usando o método dos trapézios com h=(b-a), também podemos obter:
h
I h f a f b
2
h ab
I h / 2 f a 2 f c f b , sendo c
4 2
Obtendo, assim:
h
4I I h
2 h
f a 4 f c f b
3 6
Essa última equação é um resultado análogo ao método de Simpson.
Com base na demonstração, é possível deduzir o caso geral de Romberg conforme a

notação abaixo:
R1,1 I h
h h
R2,1 I R3,1 I
2 4
h
Rn ,1 I n 1
2
Observando os termos envolvidos em Rk,1, é possível notar que são os mesmos de R(k-1,1),
com a inclusão dos pontos centrais. Sendo assim, obtemos a fórmula de recorrência:
k 2
1 h 2 h
Rk ,1 Rk 1,1 k 1 f a 2i 1 k 1
2 2 i 1 2
Além disso, com base no esquema exemplo de quarta ordem anteriormente

apresentado, é possível definir Rk,2 para k≥2 como:
44
4 Rk ,1 Rk 1,1
Rk ,2
3
Os resultados de Rk,2 são os valores obtidos pelo método de Simpson Composto quando
aplicado a uma malha de 2k-1+1 pontos. De modo análogo, é possível obter os valores de
Rk,j pela quadratura de ordem 2j, resultando assim na fórmula de recorrência:
Rk , j 1 Rk 1, j 1
Rk , j Rk , j 1
4 j 1 1
Como forma de comprovar os resultados obtidos e demostrar o método, vamos utilizar o

2 2
esquema de Romberg para aproximar o valor da integral ∫ e x dx com erro de ordem 8.
0
Solução:
h
R1,1 I h f a f b
2
h ab
R2,1 I h / 2 f a 2 f c f b , sendo c
4 2
32
1 2 2 2
R3,1 R31,1 31 f a 2i 1 31
2 2 i 1 2
1
1 2 2 2
R3,1 R2,1 2 f a 2i 1 2
2 2 i 1 2
1 1 2 1
R3,1 R2,1 f a 2i 1
2 2 i 1 2
1 1 1 3
R3,1 R2,1 f f
2 2 2 2
Os mesmos desenvolvimentos podem ser usados para obter os outros termos da

quadratura, compondo assim a tabela abaixo.
Tabela 2. Sumário dos Resultados.
Rk,j=1 Rk,2 Rk,3 Rk,4

k=1 , h=2 I(h) = 55,59815 0,000000 0,000000 0,000000
k=2 , h/2 = 1 30,517357 22,157092 0,000000 0,000000
k=3 ; h/4 = 0,5 20,644559 17,353626 17,033395 0,000000
k=4 ; h/8 = 0,25 17,565086 16,538595 16,484259 16,475543
Ou seja,
2
e
x2
dx 16, 475543 com aproximação de ordem 8, ou seja, R4,4
0
45
CAPÍTULO 5
Quadratura Gauss-Legendre
O método de quadratura de Gauss-Legendre (proposto por Carl Friedrich Gauss

1777-1855 e apoiado nos polinômios de Adrien-Marie Legendre 1752-1833) se baseia
na escolha de pontos xi para obtenção da f(xi) que não são igualmente espaçados no
intervalo (a.b). Esse espaçamento igualitário, base das fórmulas de Newton-Cotes,
facilita os cálculos, mas perde em precisão para outros métodos que não consideram
essa restrição, como esse que será visto.
Sempre que for possível escolher os pontos, esse método terá melhor resultado. Isso
ocorre se a função f(x) for dada explicitamente em vez de simplesmente ser tabulada
nos valores xi igualmente espaçados. Escolhendo os intervalos nos quais a amostra é
testada, o procedimento produz aproximações mais precisas (mas é significativamente
mais complicado de implementar) com o mesmo número de pontos adotados nos
casos de Newton-Cotes.
A integral utilizando essa técnica parte da ideia de, utilizando n pontos, aproximar
a integral de f(x) no intervalo [-1,1] usando um polinômio de Legendre de ordem
n. Assim, espera-se que f(x) ≈ pn(x), em especial no intervalo [-1,1]. O resultado do
método fornece uma ordem de exatidão que é 2n-1.
A modificação do intervalo [-1,1] para um intervalo [a,b] qualquer é feita pela

substituição:
ba ba
x *z
2 2
ba
derivamos, obtemos x dt
2
ba
e definindo F t f x t
2
b 1
obtemos f x dx F t
a 1
Ou seja,
b ba ba ba
f x dx 2 *
1
f *z dz
a 1
2 2
46
Então, o que o método propõe é que a equação abaixo seja resolvida para um dado
número n de pontos prefixados:
f t dt w j * f t j
1 n
1 j 1
Observações:
1. com base na aproximação anterior, temos n coeficientes wj e n pontos

tj a serem determinados. O problema de obter esses n pesos e n pontos
em x é equivalente a um sistema não linear com 2n equações e 2n
incógnitas;
2. estudos mostram que esse problema sempre tem solução, e que ela é
única se t0<t1<...<tn-1;
3. os nós xj são definidos pelos zeros do polinômio de Legendre, Pn(t);
4. os pesos wj são dados pela fórmula:
2
wj
1 t * P t
2
2 ´
j n j
Por exemplo, para n=2, temos:
f x dx W f t W f t
1
1 0 0 1 1
Expressão semelhante ao Método do Trapézio, dado por:

b h h
f x dx 2 f a � 2 f b�
a
Então, o problema passa a ser determinar (W0,t0) e (W1,t1), de modo a obter a maior
precisão possível. Como exemplo, vamos determinar o método para o caso de o
polinômio ter grau até 3. Assim:
F t t k , k 0,1, 2, 3
F t dt W F t W F t
1
e impondo que 1 0 0 1 1
Calculando, temos:
para k 0 F t 1
1dt 1 1 2 W0 *1 W1 *1
1
1
47
para k 1 F t t
1 t2 1 1 1
tdt
1
0 W0 * t0 W1 * t1
2 1 2 2
para k 2 F t t 2
1 t3 1 1 1 2
1
t 2 dt W0 * t02 W1 * t12
3 1 3 3 3
para k 3 F t t 3
1 t4 1 1 1
1
t 3dt 0 W0 * t03 W1 * t13
4 1 4 4
Obtemos, assim, um sistema não linear de 4ª ordem:
W0 W1 2
W0 * t01 W1 * t11 0
2
W0 * t02 W1 * t12
3
W0 * t03 W1 * t13 0
Cuja solução é:
3
t0 0, 5774 W0 1
3
3
t1 0, 5774 W1 1
3
Os valores dos pares (W0,t0), (W1,t1) e ... (Wn-1,tn-1) são mais facilmente obtidos via
tabela, como a tabela abaixo, que lista os nós e os pesos da quadratura de Gauss-
Legendre para n=1, 2, 3, 4 e 5.
48
Tabela 3. Pontos Amostrais e Pesos para o Método de Gauss-Legendre.
n tj Wj
1 0 2
2
3
± 1
3
3
8
0
9
3 5
±
5 9
4
18 + 30
(3 2 6 / 5) / 7
36
18 − 30
(3 2 6 / 5) / 7
36
5
128
0
225
1 10 322 + 13 70
52
3 7 900
1 10 322 − 13 70
5 2
3 7 900

 
O erro máximo de integração do método é dado por:
b a * n ! * f 2 n , a b
2 n 1 4
En
( 2n !)3 * 2n 1
Em que Θ é valor em x em que a derivada de ordem 2n de f(x), representada por f2n(x),

assume o maior valor em módulo no intervalo [a,b].

5
Exemplo: calcular I 2 x3 3 x 2 6 x 1 dx utilizando a quadratura de Gauss-
1
Legendre com n=2.
Solução
1o Passo: proceder à mudança de variáveis para ajuste dos limites de integração:
ba a b 5 1 1 5
xi ti ti xi 2ti 3
2 2 2 2
49
ba 5 1
F ti f xi f xi F ti 2 f 2ti 3
2 2
2o Passo: usando a tabela anterior, para n=2, identificamos os pares 3 ,1 e

3
3 ,1
3 , obtendo assim F(t1) = 69,7083 e F(t2) = 442,2917

I = A1*F(t1) + A2*F(t2) = 1*69,7083 + 1*442,2917 = 512,0000.
3o Passo: resultado exato:
x4 5

5
2 x 3 3 x 2 6 x 1 dx x 3 3 x 2 x 517, 5 5, 5 512
1
2 1
Como dito anteriormente, o método fornece uma ordem de exatidão que é 2n-1, ou
seja, com n=2 pontos é possível aproximar com exatidão polinômios de grau 2*2-1 = 3,
como o exemplo anterior comprova.
50
CAPÍTULO 6
Método de Monte Carlo
O método de Monte Carlo teve sua formalização em 1949 em um artigo de John

Von Neumann e Stanislav Ulam com título “Monte Carlo Method” (BUSLENKO,
1966), mas sua origem é bem anterior a essa dada, pois, em 1946, Ulam, em um jogo,
tentou calcular as chances de sucesso de certa jogada utilizando análise combinatória
e, após gastar um bom tempo nisso, percebeu que uma solução mais prática seria
simplesmente realizar várias jogadas, muitas mesmo, e calcular a razão entre o
número de sucesso e o número de jogadas.
Essa ideia de Ulam pode ter sido fundamentada em um artigo escrito por Lord Kelvin
dezenas de anos antes, que já utilizava esse princípio em uma discussão sobre a
solução das equações de Boltzmann.
Um exemplo clássico da aplicação do MMC é na determinação do valor de π. O

problema pode ser formulado do seguinte modo: vamos supor que o valor aleatório
(X,Y) é igualmente distribuído no quadrado da Figura 25; calcule a probabilidade de
esse ponto no quadrado estar contido dentro do círculo de raio unitário inscrito nele.
Figura 25. Exemplo de aplicação do MMC.
Fonte: autor.
51
Solução: sabe-se que:

P X , Y estar no círculo P X 2 Y 2 1
Área do Círculo

Área do Quadrado 4
Então, espera-se que, se uma grande quantidade de números aleatórios for gerada, a
proporção de pontos que ficam dentro do círculo será próxima a π/4. O trabalho de
Paula (2014) fornece a tabela abaixo como resultado para os cálculos, comprovando
que o método converge para a solução correta.
Tabela 4. Resultado dos Cálculos de π pelo MMC.
Simulações Valor Aproximado Erro

50 3.28000000 0.13840735
100 3.12000000 0.02159265
1.000 3.14800000 0.00640735
100.000 3.14161600 0.00002335
Figura 26. Distribuição dos pontos pelo MMC para Calculo de π.
Fonte: autor.
A aplicação do Método de Monte Carlo (MMC) ao cálculo de integrais se relaciona à

mesma ideia anterior de fazer um experimento estatístico cujo valor esperado é o valor
da integral. O método possui algumas variantes e, em todos os casos, faz uso de um
gerador de números aleatórios.
52
Para introduzir o conceito, vamos supor que queremos calcular a integral da função
f(x) no intervalo [0,K]. O valor da integral corresponde à área sob o gráfico da função,
como mostra a figura 27 abaixo.
Note que: a) o intervalo pode ser facilmente generalizado; b) a função y=f(x) se estende
para antes e depois do intervalo [0,K], ou seja, a figura representa apenas um recorte.
Figura 27. Interpretação gráfica do Método de Monte Carlo.
Fonte: Hashimoto, 1998.
Suponha ainda que os valores da função em [0,K] sejam menores ou iguais a um

valor conhecido, digamos M, e, além disso, que a função f(x) é positiva no intervalo
[0,K] (observe a Figura 27). A princípio, é gerada aleatoriamente uma sequência
(x1,y1), (x2,y2), ... , (xn,yn) de pontos, em que 0 ≤ xi ≤ K e 0 ≤ yi ≤ M. É calculada então
a proporção de pontos (o valor P) que estão entre a curva e o eixo x (a proporção de
pontos tais que 0 <= yi <= f(xi)).
Pelo método Monte Carlo, temos:

K
f x dx P * área do retângulo 0, K x 0, M P * K * M
0
É intuitivo que, quanto maior for o número de pontos gerados aleatoriamente, mais
o valor obtido pelo método se aproximará do valor exato da integral. Essa variante do
método é conhecida como Hit or Miss (Acertou ou Errou), fazendo alusão ao fato de o
ponto sorteado cair abaixo da f(x) (Acertou) ou acima dela (Errou).
Outra variante do uso do MMC, chamada de Método das Médias Simples, para o
cálculo de integrais se baseia no Teorema do Valor Médio. Segundo esse teorema, a
área abaixo de uma curva pode ser escrita como:
1 N
Fn b a * * f xi
N i 1
53
Em que xi são números aleatórios distribuídos uniformemente no intervalo a < xi < b,

e N representa o número de pontos amostrados. Observe que essa expressão é idêntica
à usada pelo Método do Ponto Médio (ou Método dos Retângulos), diferenciando-se
apenas pelo fato de que os pontos xi não são igualmente espaçados.
Nessa variante, usa-se um gerador de números aleatórios para se obter os N pontos no

intervalo [a,b] que são chamados de xi. Esses pontos são usados como entrada para a
função f(x) a ser integrada, e, após esse cálculo, são somados todos os seus valores. O
resultado, conforme fórmula, é multiplicado por (b-a)/N.
Em certas situações, devido às características das funções a serem integradas,

torna-se desejável amostrar os valores xi mais frequentemente em certas regiões da
curva que em outras. Note que, em uma amostragem uniforme, todo o percurso da
curva é igualmente equiprovável de ser amostrado. Essa Amostragem por Importância
nomeia essa outra variação do MMC aplicado ao cálculo de integrais.
Essa segunda abordagem tem como suporte o erro obtido com o emprego do MMC
usando Médias Simples. Por ser um método probabilístico, a avaliação do erro possui
alguns complicadores. O que se usa como base é considerar que o valor da integral
calculada pelo método, IN, tem 68% de chance de atender à relação I-σm < IN < I+σm,
em que I é o valor exato da integral. Então, torna-se desejável reduzir o valor de σm do
melhor modo. É possível mostrar que:
m �
N
2 � f 2 � f 2
1 N 1 N
f * f xi e f * f xi
2 2
N i 1 N i 1
Na variante do método em que a Amostragem é por Importância (Importance Sampling),

o que se impõe é uma estratégia de reduzir a variância da função f(xi) da situação em que
os xi são igualmente espaçados para uma condição melhor, quando os pontos são obtidos
com maior frequência quando a função tem valores altos e com menor frequência quando
a função tem valores baixos. Essa ponderação reduz significativamente a variância.
Expondo de outra forma, o objetivo é identificar uma p(x) tal que a relação f(x)/p(x)
seja a mais uniforme possível (ou seja, quase constante), pois, nesse caso, a variância é
drasticamente reduzida. A melhor escolha para a p(x) é uma função que consiga imitar
f(x) com baixo custo computacional e que, além disso, atenda aos requisitos para ser
uma função de probabilidade no intervalo [a,b].
54
Matematicamente, temos:
b b f x
� f x �� dx �
p x
I � dx p x
a a

b
A PDF da p(x) deve satisfazer a condição dx p x 1 no intervalo a < x < b.
a
f x b
Definindo x* , temos I dx x* p x
p x a
A equação anterior fornece o cálculo do valor médio da variável aleatória x* avaliada

de acordo com a função densidade de probabilidade p(x) (que se assemelha a uma
função peso para a x*).
Convertendo em discreta a equação anterior, temos:
1 N
f xi
IN
N
px
i 1 i

Para validar o método, vamos considerar que queremos obter os xi de acordo com a
distribuição uniforme (pois queremos seguir uma função f(x) com esse aspecto, nesse
exemplo). Para isso, vamos utilizar p(x) = 1/(b-a):
1
p x �
ba
que, substituindo na equação anterior, fornece
b a N
IN
N
f x
i 1
i
Esse resultado é exatamente o Teorema do Valor Médio para cálculo de integrais.
As notas de aula do professor Antônio Carlos Roque da Silva Filho, para o curso
de Física Computacional da USP, fornecem uma abordagem mais completa
sobre o MMC e suas aplicações em outras situações, além do Cálculo de
Integrais. Essa visão complementa e ajuda a entender melhor como o método
é usado nesse contexto especial. O material está disponível em http://sisne.org/
Disciplinas/Grad/FisComput/metodo-de-monte.pdf.
55
MÉTODOS UNIDADE III
COMPOSTOS
A Unidade III trata de um desdobramento dos métodos numéricos, um recurso muito
usado quando ocorre um efeito de borda indesejável conhecido como Fenômeno
de Runge (LOPES; COSTA, 2017), em que o erro de aproximação do polinômio
interpolador aumenta exponencialmente quando o número de intervalos n cresce.
Ampliar o número de intervalos é uma boa solução em certo conjunto de situação,

mas não em todos os casos. Por isso, no Capítulo 1, é apresentada uma Motivação para
esse estudo e dois exemplos reais de sua aplicação: no Capítulo 2, a Regra Trapezoidal
Composta, e, no Capítulo 3, a Segunda Regra de Simpson.
CAPÍTULO 1
Motivação
O matemático alemão Carl David Tolmé Runge (1856-1927), quando estudava problemas
de oscilação nas bordas de um intervalo, que ocorre quando se usa interpolação
polinomial com polinômios de ordem elevada, verificou que certo fenômeno ocorria.
É atribuído a esse pesquisador a descoberta do problema de precisão nas bordas dos
intervalos de integração quando se eleva a ordem do polinômios interpoladores. Observe
graficamente o fenômeno de Runge na sequência de gráfico da figura 28.
Figura 28. Representação do Fenômeno de Runge quando n cresce.
Polinômio de Grau 3 Polinômio de Grau 4
56
MÉTODOS COMPOSTOS │ UNIDADE III
Para evitar esse problema, existem pelo menos duas soluções. A primeira é não usar
polinômios de ordem maior (entre grau 3 e 4 parece ser um bom limite, segundo a
teoria) e dividir o intervalo [a,b] em N subintervalos, e, para cada um destes, fazer um
ajuste, o que veremos nos capítulos que seguem. A segunda opção é usar os Nós de
Chebyshev (SECCHI, 2019; SCARPELLI, 2007).
A tese de Mestrado em Matemática (Faculdade de Ciências da Universidade

do Porto, 2018) de Victor Zaqueu Nassuiro, com o tema As Quatro famílias de
Polinômios de Chebyshev: Propriedades e Algumas Aplicações na Análise
Numérica, faz um estudo completo sobre a aplicação dos Nós de Chebyshev
para soluções de Integrais evitando o problema do Fenômeno de Runge.
Disponível em https://sigarra.up.pt/fmup/pt/pub_geral.show_file?pi_doc_
id=178259.
57
CAPÍTULO 2
Regra Trapezoidal Composta
A Regra dos Trapézios Simples nos fornece o seguinte resultado:

b 1 1
f x dx 2 f a 2 f b * h
a
Com limitante superior de erro dado por:
f 2
Ets h3 , sendo o valor entre a,b que torna máximo f 2
12
Podemos observar que, como mostra a figura abaixo, quando o intervalo (a,b) contém
uma forte variação na f(x), essa aproximação da Regra dos Trapézios Simples fornece
uma grande imprecisão.
Figura 29. Comparativo entre a Regra dos Trapézios Simples e Composta.
Fonte: Pilling, s/d, p. 3.
A Regra Trapezoidal Composta é um desdobramento da Regra dos Trapézios

Simples vista na Unidade I, Capitulo 4. Para formalizar esse desdobramento da regra
simplificada, vamos relembrar os passos finais para a formalização da Regra do Ponto
Médio. Lá, vimos que:
b n
f x dx L f x x
a n
i 1
i 1
b n
f x dx Rn f xi x
a
i 1
58
Figura 30. Aproximação pela extremidade esquerda e direita.
A regra chamada Método dos Trapézios Composta surge do cálculo da média

entre os dois métodos de aproximação representados na figura 31.
1 n n
x n
f xi 1 f xi
b
f x dx f xi 1 x f xi x
a 2 i 1 i 1 2 i 1
b x
f x dx T
a n
2
f x0 2 f x1 2 f x2  2 f xn 1 f xn
ba
em que x exi a ix
n
Figura 31. Aplicação da Regra do Trapézio Composta para f(x)>0 e N=4.
Consolidando as abordagens anteriores, cabe apresentar um exemplo dos métodos e

um comparativo dos resultados obtidos com cada um.
59
UNIDADE III │ MÉTODOS COMPOSTOS

4 1/ 2
Exemplo: estimar o valor da integral 1 x 2 dx utilizando a Regra do Trapézio
0
Simples (com 2 pontos) e a regra do Trapézio composta (com 3 pontos e com 9 pontos).
Solução:
Primeiramente, vamos tabular alguns valores de x e f(x) no intervalo de integração

proposto.
Tabela 5. Valores calculados de x e f(x).
i X

1/ 2
y 1 x2
0 0,0 1,00000
1 0,5 0,89445
2 1,0 0,70711
3 1,5 0,55475
4 2,0 0,44722
5 2,5 0,37138
6 3,0 0,31623
7 3,5 0,27473
8 4,0 0,24254
a. Para o caso do Método dos Trapézios Simples, vamos usar apenas os

pontos i=0 e i=8, obtendo, assim, pela fórmula:
I ≈. 2,48508
b. Para o caso do Método dos Trapézios Composto com 3 pontos, usaremos

i=0, i=4 e i=8. Pela fórmula, obtemos:
I ≈2,1269
c. Para o caso do Método dos Trapézios Composto com 9 pontos, usaremos

todos os valores tabelados. Pela fórmula:
I ≈2,0939
d. Para efeito de comparação, o valor exato da integral é 2,0947.

21
Exemplo: calcule a integral 1 x

dx usando n=5, com o Método do Ponto Médio e
dos Trapézios Composto.
Solução
Com os dados da questão, verificamos que: n=5, a=1 e b=2.
60
Calculado, temos 𝛥x = (b-a)/n = (2-1)/5 = 0.2.
Os extremos dos intervalos em x seriam: x0=1.0, x1=1.2, x2=1.4, x3=1.6; x4=1.8 e x5=2.0.
1o Passo: Método do Ponto Médio.
Os pontos médios dos cinco subintervalos (pois n=5) são:

=x1 1=
.1, x2 1=
.3, x3 1=
.5, x4 1.7, x5 = 1.9
1
dx M 5 x f 1.1 f 1.3 f 1.5 f 1.7 f 1.9
2
1
x
1 1 1 1 1 1
0, 691908
5 1.1 1.3 1.5 1.7 1.9
Figura 32. Aproximação por ponto médio do intervalo.
2o Passo: Método dos Trapézios Composto.

1 0.2
f 1 2 f 1.2 2 f 1.4 2 f 1.6 2 f 1.8 f 2
2
1 dx T5
x 2
1 1 1 1 1 1
0.1 0, 695635
1 1.2 1.4 1.6 1.8 2
Figura 33. Aproximação pelo método dos trapézios.
61
3o Passo: pelo Teorema Fundamental do Cálculo, o valor exato da integral é dado por:
1 2
dx ln x ln 2 ln1 0, 693147
2

1 x

1
4o Passo: tabulando os resultados anteriores e ampliando para n=10 e n=20, temos

– lembrando que Tn é o valor da integral pelo Método dos Trapézios e Mn o valor por
método do Ponto Médio:
Tabela 6. Valores das aproximações para diferentes N.
N Ln Rn Tn Mn
5 0,745635 0,645635 0,695635 0,691908
10 0,718771 0,668771 0,693771 0,692835
20 0,705803 0,680803 0,693303 0,693069
Fazendo Et erro do Método dos Trapézios e Em erro do Método do Ponto Médio (El e Er
erros pelas aproximações laterais):
b b
Et � f x dx� Tn � � e � Em � f x dx � M n
a a
Tabela 7. Valores do Erro dos Métodos para diferentes N.
N El Er Et Em
5 -0,052488 0,047512 -0,002488 0,001239
10 -0,025624 0,024376 -0,000624 0,000312
20 -0,012656 0,012344 -0,000156 0,000078
5o Passo: com os resultados acima, podemos tecer algumas observações:
1. o aumento do valor de n torna as aproximações melhores;
2. os erros nas aproximações pelas extremidades têm sinais opostos;
3. o Método dos Trapézios e do Ponto Médio oferecem melhor precisão que

as aproximações laterais;
4. o erro no Método do Ponto Médio parece ser metade do erro do Método

dos Trapézios.
A observação 4 feita anteriormente pode ser comprovada graficamente, pois,

visualmente, podemos estimar que o erro decorrente do Método do Ponto Médio
62
(representado pela área rosa) é consideravelmente menor que o erro do Método dos
Trapézios (representado pela área em azul).
Figura 34. Estimativas de erro para os Métodos dos Trapézios e Ponto Médio.
É possível estabelecer um Limitante Superior de Erro para os dois métodos. Para tal,
vamos considerar que a segunda derivada da f(x) é limitada por um valor máximo K,
ou seja, f 2 x K para a x b .
Se Et e Em são os erros, respectivamente, do Método do Trapézio Composto e do

Método do Ponto Médio, então:
K * b a K * b a
3 3
Etc e EM
12n 2 24n 2
Utilizando esse resultado e aplicando aos dados do exemplo, obtemos (obs.: fn(x)
denota a derivada de ordem n da função) para o Método do Trapézio:
1
f x
x
1
f 1 x
x2
2
f 2 x
x3
Considerado o intervalo 1 x 2, o ponto máximo da f 2 x ocorre em x 1, logo,
2 2
f 2 x 2 2
x 3
1
Assim, assumindo K=2, a=1, b=2 e n=5, temos como limitante superior de erro do
Método dos Trapézios.
63
K * b a 2 * 2 1
3 3
1
Et 0, 006667
12n 12 5
2 2
150

Comparando os resultados, vemos que o Limitante Superior do Erro (0,006667) é

substancialmente maior que o erro real obtido quando N=5 (0,002488). Essa situação
é condizente com a teoria, visto que, se o Limitante Superior é obtido na condição de
pior caso, qualquer outra condição mais favorável vai gerar melhor resultado. Essa
equação para o Limitante Superior é útil quando se deseja identificar o valor de n para
dado limite de erro previamente estabelecido, como mostra o exemplo abaixo.
Exemplo: obtenha o valor de n a fim de garantir que, nas aproximações pelo Método
2 1
dos Trapézios Composto e pelo Método do Ponto Médio, a integral dx tenha
1 x

precisão não inferior a 0,0001.
Solução: aproveitando os resultados do exemplo anterior, temos o ponto máximo da
f 2 x � 2 no intervalo 1 ≤ x ≤ 2 , e, assim, temos K=2, a=1 e b=2.
Identificando Et = 0,0001, obtemos:
K b a 2 2 1
3 3
Et 0, 0001
12n 2 12 n
2
2 1
n2 n n 40.8
12 0, 001 0, 006
Então, n=41 nos fornece um valor para garantir a precisão desejada. Fazendo o mesmo
para o Método do Ponto Médio, obtemos:
K b a 2 2 1
3 3
Em 0, 0001
24n 2 24 n
2
2 1
n2 n n 29
24 0, 001 0, 0012
Esses resultados nos mostram que, para uma mesma precisão, o Método do Ponto
Médio, nesse caso, permite-nos trabalhar com um número menor de intervalos, sendo,
assim, computacionalmente mais eficiente.
A dedução das fórmulas da estimativa da integral pelo Método dos Trapézios e pelo
Método do Ponto Médio e os limitantes de erro podem ser obtidos por outros processos
mais genéricos, que servem de base para a produção de métodos mais refinados, como
veremos mais adiante.
64
O material de aula da disciplina de Métodos Numéricos para Engenharia do

Professor Murilo Tomé da USP para o estudo da Integração Numérica fornece
mais detalhes sobre o Método do Ponto Médio e dos Trapézios. Destaco que,
nesse material, é apresentado outro caminho bem interessante para a obtenção
das mesmas equações. Material disponível em https://sites.icmc.usp.br/murilo/
SME302/integracao.pdf.
65
CAPÍTULO 3
Segunda Regra de Simpson
A Segunda Regra de Simpson ou ainda Regra dos 3/8 de Simpson utiliza um polinômio
de 3o grau para interpolar o intervalo segmentado da função a ser integrada. Lembre-se
de que a 1ª Regra de Simpson utiliza um polinômio de 2o grau (uma parábola) para fazer
a interpolação e, por isso, precisa de 3 pontos (nós) para os cálculos. Adotando aqui um
polinômio de 3o grau, são necessários 4 pontos para esse ajuste de interpolação sobre a
função desejada.
Figura 35. Polinômio P2(x) de 2o grau interpolando f(x) – 1ª Regra de Simpson.
n pares de
subt=intervalos, ou Obs.: a cada par de
seja, a metade do
subintervalos, temos
número de subdivisões
M 3 pontos para ajustar
n=m/2
subintervalos uma parábola (P2(X))
Fonte: Pilling, s/d, p. 12.
Figura 36. Polinômio P3(x) de 3o grau interpolando f(x) – 2ª Regra de Simpson.
Fonte: Matos, s/d, p.15.
66
Partindo do conceito básico de aproximar a integral de uma função f(x) por outra
função polinomial, nesse caso, P3(x), um polinômio de 3o grau, temos a relação:
b b x3
I f x dx ~ P x dx
a a x0 3
Por simplicidade, vamos assumir que a=x0=0 e x3=b=3, ficando, assim, x1=1,x2=2. Esse
polinômio P3(x) pode ser obtido por diversos métodos. Lagrange e outros fornecem
soluções para isso. No método de Simpson Composto, desenvolve-se a expressão do
polinômio P3(x) pela fórmula de Gregory-Newton, obtendo:
3 z z 1 2 z z 1 z 2 3
I h yo z * yo * y0 * y 0 dz
2! 3!
0
com yo y1 y 0; 2 yo y 2 2 y1 y 0; 3 yo y3 3 y 2 3 y1 y 0
Fazendo a integração e arrumando os termos, obtemos a fórmula abaixo, que é a regra

dos 3/8 de Simpson para o intervalo [a,b]:
3h
I y0 3 y1 3 y 2 y3
8
Propagando essa ideia para uma situação com m divisões (todas iguais, sendo m
múltiplo de 3), como indica a figura abaixo, obtemos:
Figura 37. Regra 3/8 de Simpson Composta.
Fonte: Matos, s/d, p. 17.
3h 3h 3h
I y0 3 y1 3 y2 y3 y3 3 y4 3 y5 y6 yn3 3 yn2 3 yn1 yn
8 8
8
I1 I2 In
3
67
Obtendo, assim:
3h
I y0 3 y1 3 y2 2 y3 3 y4 3 y5 2 y6  3 yn2 3 yn1 yn
8
O erro de integração da 2ª regra de Simpson está relacionado ao truncamento do

polinômio usado (nesse caso, no 3o grau) e pode ser estimado somando-se todos os
erros de cada subintervalo. Para isso, usa-se a fórmula de erro de truncamento de
Gregory-Newtow, obtendo:
b a
5
E * f IV , a b
80m 4
Em que fiv(θ) indica a 4ª derivada da função que se deseja integrar, e θ é o ponto em

que essa derivada, no intervalo [a,b], assume seu maior valor, em módulo.
Exemplo: considere os dados abaixo, que foram obtidos em um monitoramento, que

correspondem à curva de gastos com insumos na produção de papel. Calcule o gasto
total sabendo que esses dados são amostras de uma função contínua.
Tabela 8. Parâmetros para os cálculos do exemplo.
I zi yi ci
0 10 -437,19 1
1 9 -337,89 3
2 8 -244,20 3
3 7 -156,41 2
4 6 -74,88 3
5 5 0,00 3
6 4 67,73 2
7 3 127,71 3
8 2 179,19 3
9 1 221,20 1
Solução: pela 2ª Regra de Simpson (3/8 de Simpson):

9
c * y
i 0
i i 1.443, 56
Sabendo que:
3h
I y0 3 y1 3 y2 2 y3 3 y4 3 y5 2 y6 3 y7 3 y8 y9
8
68
E percebendo que:
3h 9 3 1
I ci yi I * 1.443, 56 I 541, 34
8 i 0 8
Exemplo: calcular a integral ln x

4
1
3

e x 1 dx utilizando o 2o método de Simpson.
Adote m=3 subintervalos.
Solução:
b a 4 1
h h 1
m 3
Tabela 9. Parâmetros para os cálculos do exemplo.
I xi yi ci
0 1 1,0744 1
1 2 2,3884 3
2 3 3,4529 3
3 4 4,2691 1
3 *1
I 1.0744 3 * 2.3884 3 * 3.4529 4.2691
8
3
I 22, 8675 8, 5753
8
69
COMPARAÇÃO DE UNIDADE IV
MÉTODOS E ERROS
Na Unidade IV, é feita uma consolidação dos métodos estudados, iniciando por um caso
de estudo no Capitulo 1, e, em seguida, no Capítulo 2, são vistas soluções pelos métodos
apresentados e, no Capítulo 3, um estudo da comparação de soluções e erros.
É importante destacar, neste momento, que:
1. as fórmulas de Newton-Cotes podem ser bem aplicadas quando o valor

da curva a ser integrada é dado em pontos igualmente espaçados;
2. se for possível escolher os pontos nos quais o integrante é avaliado,

então outros métodos, como Quadratura Gaussiana ou a Quadratura de
Clenshaw-Curtis, são, provavelmente, mais adequados;
3. se existem evidências de que os valores da f(x) não mudam muito

rapidamente, então a Regra do Trapézio ou a Regra de Simpson podem ser
usadas com bons resultados, pois fornecem boa precisão nesse caso, com
baixo esforço computacional.
Cabe destacar que as técnicas aqui estudadas não esgotam o tema. Existem outras técnicas
disponíveis, algumas clássicas, como a função de Moore (MOORE, 1966), e outras mais
recentes, como o método de integração de Bedregal-Bedregal (NOBREGA, 2010).
70
CAPÍTULO 1
Caso de Estudo
Vamos considerar, nesse primeiro caso de estudo, o desenvolvimento do Polinômio

Interpolador de Lagrange para os casos em que a ordem dele varia de 2<N<11 e
ba
aplicando as fórmulas fechadas de Newton-Cotes. Lembrando que h , sendo m
m
o número de intervalos entre (a,b).
A regra geral para essas fórmulas é:
nh n
In ci yi
d n i 0

Para N=2, obtemos a Regra do Trapézio Simples, apoiada em 2 pontos da f(x), a saber
(x1,f(x1)) e (x2,f(x2)), ou, por simplicidade, (x1,f1)e (x2,f2) e m=1.
x2 1h
f x dx 2 1 f
x1 1 1 f2
Essa regra integra sem erro polinômios de grau n ≤ 2.

b a f 2
3
1
O limite de erro é dado por E P2 h3 f .
2
12 12
Para N=3, assim como anteriormente, teremos a regra de Simpson Simples, apoiada
em 3 pontos da f(x), a saber (x1,f(x1)) , (x2,f(x2)) e (x3,f(x3)), ou, por simplicidade, (x1,f1),
(x2,f2) e (x3,f3) e m=2, ou seja, m=N-1.
x3 1h
f x dx 3 1 f
x1 1 4 f 2 1 f3

b a f 4
5
1 5 4
O limite de erro é dado por E P3 h f .
90 2880
Para N=4, obtemos o resultado proposto pela Regra de Simpson Composta, ou regra
3/8 de Simpson, que faz uso de 4 pontos sobre a curva f(x).
x4 3h
f x dx 8 1 f
x1 1 3 f 2 3 f3 1 f 4

b a f 4 .
5
3
Com o limite de erro dado por E P4 h5 f 4
80 6480
71
UNIDADE IV │ COMPARAÇÃO DE MÉTODOS E ERROS
Para N=5, conforme descreve Ueberhuber (1997, p. 100), temos a regra de Boole.
x5 2h
f x dx 45 7 f
x1 1 32 f 2 12 f3 32 f 4 7 f5

b a f 6 .
7
8 7 6
O limite de erro é dado por E P5 h f
945 1935360
N=6
x6 5h
f x dx 288 19 f
x1 1 75 f 2 50 f3 50 f 4 75 f 5 19 f 6

275 7 6
12096
N=7
x7 1h
f x dx 140 [41 f
x1 1 216 f 2 27 f3 272 f 4
+27 f5 + 216 f 6 + 41 f 7 ]

9 9 8
1400
N=8
x8 7h
f x dx 17280 [751 f
x1 1 3577 f 2 1323 f3 2989 f 4 2889 f 5 1323 f 6
+3577 f 7 + 751 f8 ]

8183 9 8
518400
N=9
x9 4h
f x dx 14175 [989 f
x1 1 5888 f 2 928 f3 10496 f 4 4540 f5 10496 f 6
928 f 7 5888 f8 989 f9 ]

2368 11 10
467775
72
COMPARAÇÃO DE MÉTODOS E ERROS │ UNIDADE IV
N=10
x10 9h
f x dx [2857 f1 f10 15741 f 2 f9 1080 f3 f8
x1 89600
19334 f 4 f 7 5778 f5 f 6 ]

173 11 10
14620
N=11
x11 5h
f x dx [16067 f1 f11 106300 f 2 f10 48525 f3 f9
x1 299376
272400 f 4 f8 260550 f5 f 7 427368 f 6 ]

1346350 13 12
326918592
Para o segundo caso de estudo, vamos desenvolver o mesmo Polinômio Interpolador
de Lagrange para os casos em que a ordem dele varia de 2<N<7, aplicado às fórmulas
abertas de Newton-Cotes.
N=2
x3 3h
f x dx 2 f
x0 1 f2
b a f ( 2) .
3
1
O limite de erro é dado por E P3 h3 f 2
4 36
N=3
x4 4h
f x dx 3 2 f
x0 1 f 2 2 f3
7 b a 4
5
28 5 4
O limite de erro é dado por E P3 h f f .
90 23040
N=4
x5 5h
f x dx 24 11 f
x0 1 1 f 2 1 f3 11 f 4
19 b a 4
5
951 5 4
O limite de erro é dado por E P4 h f f .
144 90000
73
N=5
x6 6h
f x dx 20 11 f
x0 1 14 f 2 26 f3 14 f 4 11 f5
41 7 6
140
N=6
x7 7h
f x dx 1440 [611 f
x0 1 453 f 2 562 f3 562 f 4
453 f5 611 f 6 ]
5257 7 6
8640
N=7
x8 8h
f x dx 945 [460 f
x0 1 954 f 2 2196 f3 2459 f 4
2196 f5 954 f 6 460 f 7 ]

3956 9 8
14175
74
CAPÍTULO 2
Soluções pelos métodos apresentados
Neste capítulo, serão apresentados vários exemplos de cálculos envolvendo os métodos

vistos anteriormente. Para facilitar o estudo, são fornecidas as tabelas abaixo com um
Sumário de Fórmulas mais usadas.
Fórmulas de Newton-Cotes Fechadas
Quadro 2. Fórmulas Fechadas de Newton-Cotes mais usadas.
Grau Nome usual Formula Limitante do Erro

ba b a
3
1 Regra do Trapézio f0 f1 f 2
2 12
ba b a
5
2 Regra de 1/3 de Simpson f0 4 f1 f 2 f 4
6 2880
ba b a
5
3 Regra 3/8 de Simpson f0 3 f1 3 f 2 f3 f 4
8 6480
ba b a
7
4 Regra Boole 7 f0 32 f1 12 f 2 32 f3 7 f 4 f 6
90 1935360
Fórmulas de Newton-Cotes Abertas
Quadro 3. Fórmulas Abertas de Newton-Cotes mais usadas.
Grau Nome usual Formula Limitante do Erro

ba b a
3
2 Método Retangular f1 f 2
1 24
ba b a
3
3 Regra Trapézio f1 f 2 f 4
2 36
ba 7 b a
5
4 Regra Milne 2 f1 f 2 2 f3 f 4
3 23040
ba 19 b a
5
5 Sem Nome 11 f1 f 2 f3 11 f 4 f 6
24 90000
75
7
Exemplo: calcule o valor da aproximação da integral x 2 dx usando a regra do
1
trapézio repetida, considerado 6 subdivisões. Nesse mesmo caso, estime o erro
máximo inerente ao cálculo e estime quantas subdivisões são necessárias para que
esse erro seja inferior a 0,001.
Solução
b a 7 1
a. Calculando h , obtemos h=1.
n 6
Lembrando que xi = xi-1+h = x0+i*h.
Ficando, assim, x0=1; x1=2 ; x2=3 ; ...; x6=7 os pontos de amostragem da

f(x).
h n 1

ITR f x0 f xn 2 * f xi
2 i 1
h 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2
2 x0 x6 x1 x2 x3 x4 x5
11 1 1 1 1 1 1
2 2 2 2 2 2 2 2 1, 00159
2 10 76 2 3 4 5 6
b. Para estimar o erro dessa aproximação, verificamos que:
f x 6 x 4 ; que atinge seu valor máximo em x 1
b a 7 1
3 3
4
ETR * 6x x 1 *6 3
12n 2 12 * 62
c. Para obter o número de subdivisões para que o erro seja inferior a 0,001:
b a 7 1
3 3
n max f x * 6 328, 63 n 329

12 ETR x a ,b 12 * 0, 001 como n é um
número inteiro
7
x
2
Exemplo: calcule o valor da aproximação da integral dx usando a regra do
1
trapézio repetida, considerado 10 subdivisões. Nesse mesmo caso, estime o erro
máximo inerente ao cálculo.
Solução
b a 7 1
a. Calculando h , obtemos h=0,6.
n 10
Lembrando que xi = xi-1+h = x0+i*h.
76
Ficando, assim, x0=1; x1=1,6 ; x2=2,2 ; ...; x10=7 os pontos de amostragem

da f(x).
h n 1

ITR f x0 f xn 2 * f xi
2 i 1
h 1 1 1 1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2 2 2
2 x0 x6 x1 x2 x3 x4 x5 x6 x7 x8 x9
11 1 1 1 1 1 1 1 1 1 1
2 2 2 2 2
2
2
2
2
2
0, 9134
2 10 76 1, 6 2, 2 2, 8 3, 4 4 4, 6 5, 2 5, 8 6, 4
f x 6 x 4 ; que atinge seu valor máximo em x 1
b a 7 1
3 3
4
ETR * 6x x 1 * 6 1, 08
12n 2 12 *102
7
Exemplo: calcule o valor da aproximação da integral x 2 dx usando a regra de
1
Simpson repetida, considerado 10 subdivisões. Nesse mesmo caso, estime o erro
máximo inerente ao cálculo.
Solução
b a 7 1
a. Calculando h , obtemos h=0,6.
2n 10
Lembrando que xi = xi-1+h = x0+i*h , e, nesse caso, obrigatoriamente,
m=2n=10.
Ficando, assim, x0=1; x1=1,6 ; x2=2,2 ; ...; x10=7 os pontos de amostragem da

f(x).
m
1
m

2 2
ISR f x 0 f x m 2 x 2i 4 x 2i 1
i 1 i 1

m
1
2
1 1 1 1
x f x f x f x f x 2, 2
i 1
2i 2 4 6 8 2
2
2

3, 4 4, 6 5, 82
0, 3701
m
Sabendo que 1 4, esse somatório calcula os índices PARES do intervalo
2
77
m
2
1 1 1 1 1
x f x f x f x f x f x 1, 6
i 1
2i 1 3 5 7 9 2
2
2
2, 8 4 5, 2 6, 42
2
0, 642
m
Sabendo que = 5, esse somatório calcula os índices IMPARES do intervalo
2
Logo,
0, 6 1 1
ISR 2 2*0, 701 4*0, 6427 0, 8657
3 1 72

f 4 x 120 x 6 ; que atinge seu valor máximo em x 1
b a 7 1
5 5
6
ETR *120 x x 1 *120 0, 5184
2880n 4 2880 * 54

Exemplo: calcular e x sen x 2 dx utilizando a quadradura de Gauss-Legendre.
0
Compare a solução com os três primeiros métodos de Newton-Cotes (com m=6
pontos).
Solução
1o Passo: proceder à mudança de variável.
ba ba
x *z
2 2
ba ba 0 0
x *z *z x z 1
2 2 2 2 2
2o Passo: calcular a função.
ba 0
Fz f x f x F z f z 1
2 2 2 2
Quadro 4. Resumo dos parâmetros usados nos cálculos.
n=2 tj F(z) Wj
3
i=0 − 7,1605 1
3
3
i=1 + 22,8236 1
3
Fonte: autor.
78
I 2 W0 F t0 W1 F t1 1* 7,1605 1* 22, 8236 29, 9841
Sabendo que o valor exato é de 30,4239, verificamos que o erro cometido é de |30,4239
– 29,9841| = 0,4398.
3o Passo: as fórmulas de Newton-Cotes são, da forma geral:
nh n
In ci yi
d n i 0
Obtendo, assim:
h
I1 y 0 y1
2
h
I2 y 0 4 y1 y 2
3
h
I3 y 0 3 y1 3 y 2 y3
3
Lembrando que h=(b-a)/m = π/6.
Organizamos as soluções com a tabela abaixo.
Tabela 10. Sumário dos Cálculos.
i xi yi ci(t) ci(1s) ci(2s)

0 0 0,000 1 1 1
1 π/6 0,7929 2 4 3
2 π/3 2,2633 2 2 3
3 π/2 4,9894 2 4 2
4 2π/3 10,0628 2 2 3
5 5π/6 19,0979 2 4 3
6 π 34,2219 1 1 1
Regra do Trapézio Simples

I1
6*2
3 2 4,1881 5, 7157 7, 8105 10, 9866 16, 2081 25,1407 30, 8816
Regra de 1/3 de Simpson

I2
6*3
3 (4 4,1881 7, 8105 16, 2082 2 5, 7157 10, 9866 25,1407 30, 4337
79
Regra de 3/8 Simpson

I1
6 *8
3 3 4,1881 5, 7157 10, 9866 16, 2082 2 * 7, 8105 25,1407 30, 4455
Sabendo que o valor exato é de 30,4239, verificamos que os erros cometidos são:
Gauss-Legendre: |30,4239 – 29,9841| = 0,4398
Trapézio: |30,4239 – 30,8816| = 0,4577
1/3 Simpson: |30,4239 – 30,4337| = 0,0098
3/8 Simpson: |30,4239 – 30.4455| = 0,0216
Podemos concluir que o método de Gauss-Legendre, nesse caso, assemelha-se em

precisão ao Método dos Trapézios (que é computacionalmente muito mais simples).
Gerando o melhor resultado em face da precisão, temos o Método de 1/3 de Simpson, que
combina uma boa precisão com um ótimo desempenho computacional.
No trabalho de Conclusão de Curso, Almeida (2011) faz uma estudo interessante

do ponto de vista de implementação computacional de algum método de
integração numérica.
Fonte: ALMEIDA, M. H. Estudo Comparativo de Algoritmos de Integração

Numérica, Trabalho de Conclusão de Curso. Universidade Tecnológica Federal
do Paraná, 2011. Disponível em: http://repositorio.roca.utfpr.edu.br/jspui/
bitstream/1/6471/1/PG_COADS_2011_2_12.pdf.
80
CAPÍTULO 3
Comparação de soluções e erros
A comparação entre as soluções aqui apresentadas pode ser realizada por diversos
aspectos, como:
1. as soluções mais simples, como as fornecidas pelas regras do Trapézio

Simples, Trapézio Composto e 1ª e 2ª de Simpson, podem ser
implementadas manualmente, fornecendo assim bons resultados
sem a dependência de uma implementação computacional. Outras
soluções com o MMC ou a Quadradura de Gauss-Legendre oferecem
alta complexidade para execução manual e quase dependem de
implementação computacional para casos práticos;
2. cada solução aqui apresentada possui uma melhor adequação diante

do formato da f(x) e do intervalo de integração. Por isso, em casos
práticos, em que esses dois parâmetros não são totalmente dominados,
é prudente proceder ao cálculo por vias computacionais e por mais de
um método, comparando assim os resultados e estimando a precisão das
soluções;
3. em se tratando de implementação computacional, métodos que

permitam o paralelismo dos cálculos fornecem melhor desempenho.
Esses métodos, em geral, são inviáveis manualmente para casos de
média e grande complexidade. Algoritmos mais triviais, como os citados
em (1), são fortemente sequenciais em alguns tipos de aplicações.
Quando as integrais são realizadas em tempo real, essas opções não
são viáveis. Nesse particular, em que é considerada a implementação,
segundo o trabalho de Almeida (2011), a regra de Simpson demonstra
ser melhor que as duas outras consideradas no trabalho, tanto em
desempenho computacional quanto em precisão dos resultados. Esse
segundo elemento é facilmente comprovado até por cálculos manuais,
como veremos ainda neste capitulo em soluções de problemas.
81
Quadro 5. Resultados de Simulação 1.
Função Usada: (x*x)+(2*x)+1 Processador: MAMD Athlon 64x2 2GB de Ram

Valor esperado: 443,33333 SO:Windows 7 profissional -64 bits
Algoritmo Valor obtido Número de Repetições do algoritmo/tempo de obtido em segundos

1 10 100
Regra do trapézio 443,333435 0,000596 0,004692 0,185067
Trapézio Composto 443,334015 0,000296 0,001153 0,162376
Regra de Simpson 44,333344 0,000247 0,000990 0,142135
Fonte: Almeida, 2011, p. 30.
Quadro 6. Resultados de Simulação 2.
Função Usada: (x*x)+(2*x)+1 Processador: MAMD Athlon 64x2 2GB de Ram

Valor esperado: 443,33333 SO:Windows 7 profissional -64 bits
Algoritmo Valor obtido Número de Repetições do algoritmo/tempo de obtido em segundos
1000 5000 7000 7500
Regra do trapézio 443,333435 0,951106 3,323739 4,336755 5,585195
Trapézio Composto 443,334015 0,753291 1,443778 2,003543 2,354922
Regra de Simpson 44,333344 0,581802 1,762205 1,959243 1,974867
Figura 38. Visualização Gráfica dos Resultados de Simulação.

Tempo (s)
Regra do Trapézio
Trapézio Composto
Regra de Simpson
Os exemplos de cálculos que são apresentados a seguir fornecem outra visão para essa
comparação de erros e soluções.
82
x4
Exemplo 01: calcular 0 4 x sen x dx com E < 10-2 usando uma das três
2
primeiras regras para fórmulas fechadas de Newton-Cotes.
Solução
1o Passo: para resolver esse cálculo, é preciso inicialmente identificar qual das fórmulas
(do grupo de 03 propostas) fornece o menor valor de N, ou seja, o menor número de
intervalos que atendam ao limite de erro proposto. Para isso, é preciso calcular as
derivadas da f(x) e localizar os valores de θ para erro máximo no intervalo.
Definição dos valores de θ.
x4
f x x 2 sen x
4
f 1 x x 3 2 x1 cos x
Regra do Trapézio: f 2 x 3 x 2 2 sen x

f 3 x 6 x cos x
1 3
Regra e de Simpson: f 4 x 6 sen x / 2
3 8
a. Número de subintervalos para Regra do Trapézio

1/ 2
b a 0 3
3
12 N 2
*f 2
2
10 N
12 *102
* 3 2 2 sen

90, 37 N >

Logo, N=91.
b. Número de subintervalos para a Regra de Simpson Simples

1/ 4
b a 0 5
5
2
* f 4 2
10 N * 6 sen / 2 5, 87 N >
180 N 4
180 *10

Logo, N=6 (precisa ser múltiplo de 2).
c. Número de subintervalos para a Regra de Simpson Composta

1/ 4
b a 0 5
5
80 N 4
*f 4
2
10 N
80 *102
* 6 sen / 2

7,19 N >

Logo, N=9 (precisa ser múltiplo de 3).
83
2o Passo: escolhida a Regra de Simpson Simples, pois exige o menor esforço, seguem
os cálculos:
ba 0
h h
N 6 6
Tabela 11. Sumário dos Cálculos.
I xi yi
0 0 0,000
1 π/6 0,7929
2 π/3 2,2633
3 π/2 4,9894
4 2π/3 10,0628
5 5π/6 19,0979
6 π 34,2219

I * 0, 0 4 * 0, 7929 2 * 2, 2633 4 * 4, 9894 2 *10, 0628 4 *19, 0979 34, 2219
6*3
I = 27, 6451
x4
Exemplo: verificar o erro cometido no cálculo da integral 0 4 x sen x dx
2
usando as seis primeiras fórmulas fechadas de Newton-Cotes, com m=60.
Solução
a. Solução Exata
x4 x5 x3
0 4
x 2
sen x dx cos x 27, 6364
20 3 0
Obs. 1: note que à medida que o grau do PI aumenta, o erro diminui.
Obs. 2.: veja também que polinômios de ordem par fornecem melhores
resultados que os de ordem impar.
84
Tabela 12. Comparativo dos Erros pelos métodos utilizados.
N Limite Superior do Erro |Iexata - In|
b a f 2
3
1 3 2
1 E P1 h f 8,0621x10-03
24 24
b a f 2
3
1
2 E P2 h3 f 2 8,7063x10-7
12 12
b a f 4 1,9590x10-6
5
1 5 4
3 E P3 h f
90 2880
b a f 4 8,7368x10-11
5
3
4 E P4 h5 f 4
80 6480
b a f 6 1,8782x10-10
7
8 7 6
5 E P5 h f
945 1935360
275 7 6
6 E P6 h f 1,0303x10-13
12096
1
Exemplo 03: calcular a integral e x dx usando o método dos trapézios e o método de
2
0
Romberg e verificar a precisão relativa dessas opções.
Solução
Utilizando as equações disponíveis para cada método, podemos compor a seguinte

tabela.
Tabela 13. Resultados das Interações pelo Método de Romberg.
H T(h) |ε| R1(h) |ε| R2(h) |ε|

1 0,68393972 0,06
0,5 0,73137025 0,01 0,74718043 0,0004
0,25 0,74298410 0,004 0,74685538 3x10-5 0,74683371 1x10-5

0,125 0,747586561 0,001 0,74682612 2x10-6 0,74682417 4x10-8
85
Comentários:
1. O erro apresentado (|ε|) é o erro real cometido, ou seja, a diferença entre

a estimativa e o valor exato da integral.
2. O segundo valor para R2, para o qual foram utilizados 9 pontos do

integrando, é preciso já para a 8ª casa decimal.
3. Usando os mesmos 9 pontos, no método dos trapézios, a precisão atinge

apenas 3ª casa decimal.
86
Referências
ALMEIDA, H. A. Estudo Comparativo de Algoritmos de Integração Numérica.

Trabalho de Conclusão de Curso, Universidade Tecnológica Federal do Paraná,
Tecnologia em Análise e Desenvolvimento de Sistemas, 2011. Disponível em: http://
repositorio.roca.utfpr.edu.br/jspui/bitstream/1/6471/1/PG_COADS_2011_2_12.pdf.
BATISTA, R. J. Uma Breve Introdução à história do Cálculo Diferencial e

Integral. 2010. Disponível em: http://revistacientifica.cmc.eb.mil.br/revista/index.
php/revista/article/viewFile/6/4.
BRANDEMBERG, J. C. Uma História da Integral – De Archimedes a Lebesgue.

2017. Editora Livraria da Física.
BUFFONI, S. S. O. Notas de Aula da disciplina de Calculo Diferencial e Integral

I. UFF. Disponível em: http://www.professores.uff.br/salete/wp-content/uploads/
sites/111/2017/08/a77.pdf.
BUSLENKO, N. P. G.; SHVIDER YU, A. S.; SRAGIVICH. The Monte Carlo Method.
Oxford: Pegomom Press, 1966.
CAVALCANTI, J. Notas de Aula da disciplina de Cálculo Numérico. Universidade

Federal do Vale do São Francisco – UNIVASF, Colegiado de Engenharia da Computação,
Disponível em: http://www.univasf.edu.br/~jorge.cavalcanti/8CN_integracao.pdf.
EVES, Howard. Introdução à história da matemática. Tradução: HYGINO, H.

Domingues. 5ª ed. Campinas: Editora da Unicamp, 2011.
FERNANDES, M. R. Notas de Aula da Disciplina de Métodos Numéricos.

Universidade Federal de Santa Catarina. Disponível em: http://mtm.ufsc.br/~fernands/
calc/Integrais.pdf.
GALVÃO, C. Aplicações de Integral em Volumes de Sólidos. Notas de Aula de

Matemática II, Universidade Federal do Paraná, 2016. Disponível em: https://docs.ufpr.
br/~cegalvao/ensino/2016_2/JCE025/Volume_Solidos_Fatiamento_Cascas.pdf.
GAYO, Jairo. Fundamentos e história da matemática. Indaial: Uniasselvi, 2010.
87
REFERÊNCIAS
GUIMARÃES, B. C.; NASCIMENTO, L. T. Análise de Complexidade de Métodos

Numéricos para Interpolação. Curso de Pós-Graduação em Ciência da Computação
Projeto e Análise de Algoritmos. Seminários Apresentados em 2002. Disponível em:
<https://homepages.dcc.ufmg.br/~nivio/cursos/pa02/seminarios/seminario6/seminario6.
html>.
HASHIMOTO, R. F. Notas de Aula para o curso de Introdução a Computação

para Ciências Exatas. Instituto de Geociências, USP, 1998. Disponível em: https://
www.ime.usp.br/~ronaldo/mac115/ig98/eps/ep2/ep2.html.
LOPES, W. A. O Teorema de Stone-Weierstrass e Aplicações. 2009, 58p.

Dissertação de Mestrado, Universidade Federal de Uberlândia, Uberlândia-MG.
MATOS, H. F. Notas de Aula da Disciplina de Cálculo Numérico. Departamento

de Ciência da Computação, UFMG. Disponível em: https://homepages.dcc.ufmg.
br/~hfmatos/CN/mirlaine/aula15.pdf.
MOORE, R. E. Interval analysis. Englewood Cliffs. Prentice Hall, 1966.
NOBREGA, G. A. S.; BEDREGAL, R. C.; BEDREGAL, B. R. C. Integral de linhas

intervalares: fundamentos e aplicações. 2010.
PAULA, R. R. Método de Monte Carlo e Suas Aplicações. Monografia

apresentada ao Curso de Graduação em Matemática com Ênfase em Matemática
Computacional da Universidade Federal Fluminense, 2014. Disponível em: https://
app.uff.br/riuff/bitstream/1/4180/1/RenatoRicardoDePaula%202014-2.PDF.
PILLING, S. Notas de Aula da disciplina de Cálculo Numérico. Faculdade de

Engenharia, Arquitetura e Urbanismo, Universidade do Vale do Paraíba – UniVap.
Disponível em: https://www1.univap.br/spilling/CN/CN_Capt6.pdf.
RUGGIERO, M. A. G.; LOPES, V. L. R. Cálculo numérico: aspectos teóricos e

computacionais. 2. ed. São Paulo, Brasil. Makron Books do Brasil, 2004.
RICHARDSON, L. F. The approximate arithmetical solution by finite

differences of physical problems involving differential equations, with an
application to the stresses in a masonry dam. Phylosophical Proceedings of the
Royal Society of London Serial A, v. 210, p. 307-357, 1910.
RICHARDSON, L. F.; GAUNT, J. A. The deferred approach to the limit.

Phylosophical Proceedings of the Royal Society of London Serial A, v. 226, p. 299-361,
1927.
88
REFERÊNCIAS
STEWART, J. Cálculo Volume 1. 7ª edição. Editora Cengage, 2013.
SECCHI, A. Notas de aula da disciplina EQE-358 – Métodos Numéricos em

Engenharia Química. COPPE-UFRJ, 2019. Disponível em http://www2.peq.coppe.
ufrj.br/Pessoal/Professores/Arge/EQE358/Capitulo3-Interpolacao_Polinomial.pdf.
SCARPELLI, R. T. Polinômios de Chebyshev e Curvas Maximais. Tese de

Mestrado em Matemática, UFRJ, 2007. Disponível em: http://www.pg.im.ufrj.br/teses/
Matematica/Mestrado/277.pdf.
THOMAS, George B. et. al. Cálculo volume 1. 12. ed. São Paulo: Pearson Education
do Brasil, 2012.
UEBERHUBER, C. W. Numerical Computation 2: Methods, Software, and

Analysis. Berlin: Springer-Verlag, 1997.
VALLE, M. E. Notas de Aula da disciplina de MS211 – Cálculo Numérico. Aula17,

UNICAMP. Disponível em: https://www.ime.unicamp.br/~valle/Teaching/MS211/
Aula17.pdf.
89

Integracao Numerica

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Integracao Numerica

Título original:

Enviado por

Direitos autorais:

Formatos disponíveis

Integração Numérica

Equipe Técnica de Avaliação, Revisão Linguística e Editoração

ORGANIZAÇÃO DO CADERNO DE ESTUDOS E PESQUISA..................................................................... 6

A proposta editorial deste Caderno de Estudos e Pesquisa reúne elementos que se

Pretende-se, com este material, levá-lo à reflexão e à compreensão da

Elaborou-se a presente publicação com a intenção de torná-la subsídio valioso, de

Para facilitar seu estudo, os conteúdos são organizados em unidades, subdivididas em

A seguir, apresentamos uma breve descrição dos ícones utilizados na organização

Sugestão de estudo complementar

Sugestões de leituras adicionais, filmes e sites para aprofundamento do estudo,

Chamadas para alertar detalhes/tópicos importantes que contribuam para a

Informações complementares para elucidar a construção das sínteses/conclusões

Trecho que busca resumir informações relevantes do conteúdo, facilitando o

Para (não) finalizar

Texto integrador, ao final do módulo, que motiva o aluno a continuar a

O estudo da Integração Numérica começa com a formalização dos primeiros conceitos e

A Unidade II avança no estudo e apresenta um conjunto de métodos mais recentes

» Identificar as técnicas básicas e seus desdobramentos, as estratégias de

» Apresentar métodos para aplicação de um conjunto de algoritmos para

» Comparar a precisão dos resultados entre variações do mesmo método e

Os primeiros problemas registrados na história e relacionados às Integrais remontam

O processo das quadraturas fascinava os geômetras, em especial quando as superfícies

A ideia básica do Cálculo, que consiste em usar o processo de limite para

O estudo atual da matemática de nível superior, tradicionalmente, inicia-se com os

Quadro 1. Eventos que marcaram o início do Cálculo Infinitesimal.

Seguindo pela trilha clássica da Matemática Superior, os limites nos apresentam os

“O século XVII trouxe grandes avanços para a matemática, principalmente pelas

na segunda metade do século, por Isaac Newton e Gottfried Wilhelm Leibniz,

Disponível em: https://publicacao.uniasselvi.com.br/index.php/MAD_EaD/

Figura 1. Interpretação gráfica da integral de uma função.

Fonte: Stewart, 2013, p. 353.

Figura 2. Exemplo de aplicação da integral para cálculo de área.

Fonte: Stewart, 2013.

No exemplo da Figura 02, vamos representar a parte superior do contorno do campo

Então, a área da região de plantio é dada por:

Estendendo os conceitos anteriores, surge uma nova palavra, também atrelada às

Figura 3. Exemplo de Cubatura, Método das Fatias.

Fonte: Galvão, 2016, p. 7.

Exemplo: calcule o volume do vaso cerâmico obtido quando a função y=x3 é

Figura 4. Função limitadora do sólido de revolução.

Fonte: Buffoni, s/d, p. 2.

Figura 5. Sólido obtido pela rotação em torno do eixo X da Função Limitadora.

Fonte: Buffoni, s/d, p. 2.

Substituindo na função dada no problema, obtemos:

A ideia que fundamenta o conceito de Ordem de Aproximação está intimamente

O princípio mais antigo relacionado às quadraturas envolve substituir a função que

a. são simples e facilmente manipuladas, e sua integração é quase trivial;

b. se p é um polinômio de grau n, o valor p(x) para um x real é calculado por

c. as primitivas de polinômios também são polinômios;

d. o teorema da aproximação de Weierstrass (Lopes, 2009) estabelece

Um polinômio geral pode ser escrito como:

Ou, de forma expandida, como:

Figura 6. O polinômio g(x) de 5o grau interpola a função em 6 pontos.

Fonte: Spilling, s/d, p. 2.

A determinação dos parâmetros que definem a função interpoladora nos leva à

Por exemplo, considere a Figura 07 abaixo. Encontre o polinômio interpolador do

Figura 7. Representação dos pontos e do polinômio interpolador.

Solução: como o conjunto dado consiste de N=4 (quatro) pontos, o polinômio

Impondo as condições de intercessão aos pontos, obtemos o sistema abaixo:

5  a0  2a1  4a2  8a3

Cuja solução fornece a0=1, a1=6, a2=0 e a3=-1, indicando que p  x   1  6 x  x ,

representado na Figura 07 pela linha azul.

5 a0 2a1 4a2 8a3

Cuja solução fornece a0=1, a1=6, a2=0 e a3=-1, indicando que p x 1 6 x x ,

S Área1 Área 2 Área3

lembrando que f 4 denota o valor máximo da 4a derivada

da f x no intervalo a,b de integração