336 Calculo Numerico Unopar Academico

Cálculo
Numérico
Cálculo Numérico
Renata Karoline Fernandes

Debora Cristiane Barbosa Kirnev
Keila Tatiana Boni
© 2016 por Editora e Distribuidora Educacional S.A
Todos os direitos reservados. Nenhuma parte desta publicação poderá ser reproduzida
ou transmitida de qualquer modo ou por qualquer outro meio, eletrônico ou mecânico,
incluindo fotocópia, gravação ou qualquer outro tipo de sistema de armazenamento e
transmissão de informação, sem prévia autorização, por escrito, da Editora e
Distribuidora Educacional S.A.
Presidente: Rodrigo Galindo

Vice-Presidente Acadêmico de Graduação: Rui Fava
Gerente Sênior de Editoração e Disponibilização de Material Didático:
Emanuel Santana
Gerente de Revisão: Cristiane Lisandra Danna
Coordenação de Produção: André Augusto de Andrade Ramos
Coordenação de Disponibilização: Daniel Roggeri Rosa
Editoração e Diagramação: eGTB Editora
Dados Internacionais de Catalogação na Publicação (CIP)
Fernandes, Renata Karoline

F363c Cálculo numérico / Renata Karoline Fernandes, Debora
Cristiane Barbosa Kirnev, Keila Tatiana Boni. – Londrina :
Editora e Distribuidora Educacional S.A., 2016.
192 p.

ISBN 978-85-8482-274-4
1. Cálculos numéricos. I. Kirnev, Debora Cristiane

Barbosa. II. Boni, Keila Tatiana. III. Título.
CDD 518
2016
Editora e Distribuidora Educacional S.A
Avenida Paris, 675 – Parque Residencial João Piza
CEP: 86041-100 — Londrina — PR
e-mail: editora.educacional@kroton.com.br
Homepage: http://www.kroton.com.br/
Sumário
Unidade 1 | Representação numérica, erros numéricos e raízes de funções 7

Seção 1 - Representação dos números 11
1.1 | Representação numérica em diferentes bases 11
1.2 | Soma de números em bases diferentes da base dez 22
Seção 2 - Erros relativos e erros absolutos 25

2.1 | Alguns tipos de erros 25
Seção 3 - Zeros reais de funções reais 31

3.1 | Raízes de funções 31
3.2 | Método de Newton-Raphson 38
Unidade 2 | Sistemas lineares e não lineares 51

Seção 1 - Sistemas lineares: métodos diretos 51
1.1 | Sistemas lineares 55
1.2 | Sistemas lineares com duas equações e duas incógnitas 56
Seção 2 - Sistemas lineares: métodos iterativos 71

2.1 Raízes de equações 71
Seção 3 - Resolução de sistemas não lineares 83

3.1 | Sistemas não lineares 83
Unidade 3 | interpolação e ajustes de curvas 99

Seção 1 - Tipos de interpolação 103
1.1 | Polinômios e funções polinomiais 103
1.2 | Interpolação linear 106
1.3 | Erro de truncamento 109
1.4 | Interpolação quadrática 110
1.5 | Interpolação polinomial 114
1.6 Interpolação polinomial de Lagrange 118
1.7 Forma de interpolação polinomial de Newton 122
Seção 2 - Ajustes de curvas pelo método dos mínimos quadrados 127

2.1 | Dedução do método dos mínimos quadrados 127
2.2 | Forma geral do método dos mínimos quadrados 130
Unidade 4 | Integração numérica e soluções numéricas de equações
diferenciais ordinárias 141
Seção 1 - Fórmulas de Newton-Cotes e quadratura Gaussiana 145
1.1 | Integração numérica 145
1.2 | Fórmulas de Newton-Cotes 146
1.2.1 | Regra dos Trapézios 147
1.2.2 | Regra 1/3 de Simpson 153
1.3 | Quadratura Gaussiana 158
Seção 2 - Problemas de valor inicial e equações de ordem superior

em problemas de valor de contorno 163
2.1 | Equações diferenciais 163
2.2 | Problemas de valor inicial (PVI) 166
2.3 | Métodos de passo simples 167
2.3.1 | Método de Euler 167
2.3.2 | Métodos de Série de Taylor 168
2.3.3 | Métodos de Runge-Kutta 171
2.4 | Métodos de Passo Múltiplo 178
2.5 | Equações de Ordem Superior 180
2.6 | Problemas de Valor de Contorno – o método das diferenças finitas 184
Apresentação
A disciplina de Cálculo Numérico é indispensável para a formação do futuro

profissional da área de Matemática, pois apresenta técnicas para determinar raízes
de funções de grau maior que dois, bem como formas de resolver equações de
grau superior a dois.
No decorrer deste livro, você será convidado a refletir a respeito da associação

entre os conteúdos específicos da formação superior e da Educação Básica, nível
de ensino que o capacitará, após conclusão do curso, a ministrar aulas.
Este livro está dividido em quatro unidades, que contemplam os conceitos da

Ementa desta disciplina, ou seja: teoria dos erros, zeros das funções, soluções
de equações, sistemas lineares e inversão de matrizes, sistemas não lineares,
interpolação, integração numérica, aproximação de funções, métodos dos
mínimos quadrados, solução numérica de equações diferenciais parciais.
Na unidade 1, abordaremos o conceito de representação dos números, erros

relativos e absolutos e zeros reais de funções reais.
A unidade 2 é destinada para que você conheça e compreenda formas para

resolver sistemas, por isso você estudará métodos diretos e iterativos para a
resolução de sistemas lineares e formas de resolver sistemas não lineares.
A unidade 3 é voltada para a introdução de conceitos de grande importância

para muitos cursos de graduação, como as engenharias e a licenciatura em
Matemática, que são modos de realizar interpolação e ajustes de curvas pelo
método dos mínimos quadrados.
Na última unidade deste livro, a unidade 4, você aprenderá a respeito da fórmula

de Newton-Cotes e quadratura gaussiana, problemas de valor inicial, equações de
ordem superior e problemas de valor de contorno.
Esse material impresso faz uso de uma linguagem dialógica para auxiliar na
construção do seu conhecimento e, para melhor aproveitá-lo, faça as atividades e
leituras sugeridas.
Bons estudos!
Prof.ª Renata Karoline Fernandes.

Unidade 1
REPRESENTAÇÃO NUMÉRICA,
ERROS NUMÉRICOS E RAÍZES
DE FUNÇÕES
Objetivos de aprendizagem: Esta unidade tem como objetivo auxiliar

na compreensão dos processos de representação numérica em distintas
bases, nas operações em diferentes bases e na aprendizagem de métodos
numéricos para a resolução de questões que envolvem raízes de funções
com grau superior a dois.
Para você que é um(a) professor(a) em formação é muito importante a

compreensão dos processos de mudança de base numérica e operações
numéricas em bases diferentes da base dez.
Você sabia que, ao analisar tanto a mudança de base quanto as

operações, podemos compreender processos muito importantes também
para a base dez, como por exemplo, o “sobe um” que comumente dizemos
ao realizar operações de soma, ou ainda o “empresta um” das operações
de subtração? Mas o que significa o “sobe um” e o “empresta um”? Será
que essas frases são realmente adequadas do ponto de vista matemático?
Convido você a pensar a respeito ao longo do estudo desta unidade.
Os métodos para determinar as raízes de uma função são muito

importantes! Isto porque as raízes são os locais no plano cartesiano em que
o gráfico toca o eixo das abscissas, mas dependendo do grau da equação
não podemos determiná-las com tanta simplicidade, como as funções
polinomiais do primeiro e segundo grau. Nessa unidade você aprenderá
diferentes meios para obtê-las.
U1
Seção 1 | Representação dos números

Na seção 1 dessa unidade estudaremos a respeito da representação
numérica em sua forma polinomial, bem como a operação numérica em
diferentes bases.
Você também é convidado a aprender a respeito da mudança de base,

tanto da base dez para outra base, e vice-versa.
É importante que você utilize esses novos conhecimentos para refletir

a respeito dos procedimentos utilizados na Educação Básica para ensinar
os estudantes na aprendizagem das operações básicas, na validade desses
procedimentos e em maneiras distintas, que podem ter mais significado
matemático do que as frases do tipo “sobe um” e “empresta um”.
Seção 2 | Erros relativos e erros absolutos

Na seção dois começa o preparo necessário para o estudo de métodos
numéricos para determinar o valor de raízes de funções, ou seja, o estudo
dos erros.
Como dito na introdução dessa seção, os métodos numéricos

geralmente apresentam valores aproximados, ou seja, valores que têm
relativo erro considerando o valor exato da raiz.
O estudo dos erros é importante para a tomada de decisões, o erro

deve ser suficientemente pequeno para ser satisfatório e proporcionar
uma solução considerada válida para o problema.
Nesta seção você aprenderá a respeito de diferentes tipos de erros,

suas características e modos de calcular.
Seção 3 | Zero reais de funções reais

Na terceira seção você aprenderá métodos para realizar o cálculo de
zero reais de funções reais, ou seja, raízes de funções.
Os principais métodos aprendidos nesta seção constituem-se

em métodos recursivos, nos quais é necessário aplicar o mesmo
procedimento diversas vezes para se obter um valor bem aproximado do
valor exato da raiz.
8 Representação numérica, erros numéricos e raízes de funções

U1
Introdução à unidade
Na disciplina de cálculo numérico são tratados diversos métodos para obtenção

de resultados numéricos para problemas matemáticos. Em geral, obtemos
resultados aproximados, uma vez que trabalhamos com uma margem de erro,
sendo estes possíveis de estabelecimento.
Mesmo com as inúmeras facilidades ofertadas por softwares computacionais,

é necessário que o profissional da matemática ou da educação matemática seja
conhecedor desses procedimentos, uma vez que por meio da análise dos erros
e resultados é possível tomar decisões, estabelecer estratégias, antes mesmo de
obter um resultado definitivo, aceito como correto para a situação.
Como dito anteriormente, existem diferentes métodos para a resolução de

situações de forma numérica, por este motivo é necessário que você tenha certo
domínio a respeito deles, para poder optar pela utilização do melhor método
levando em consideração a situação envolvida e saber validar a resolução dele.
Bons estudos!
Representação numérica, erros numéricos e raízes de funções 9

U1

U1
Seção 1
Representação dos números
Introdução à Seção
Nesta seção aprofundaremos um estudo iniciado na disciplina de História da
Matemática, que corresponde às formas distintas de representar os números por
meio da utilização de diferentes bases. Você é convidado a conhecer modos de
realizar representações em diferentes bases de números inteiros e reais. Atualmente
a mudança de base vem sendo muito empregada, devido à evolução da linguagem
computacional, uma vez que a linguagem de programação é binária.
1.1 Representação numérica em diferentes bases

O nosso sistema de numeração é decimal e posicional, pois com a combinação
de dez algarismos (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) é possível escrever qualquer número,
desde muito grande a muito pequeno. Além disso obedece ao princípio da posição,
ou seja, o que diferencia o valor de um algarismo em um número é sua posição.
No numeral 15, o algarismo 5 representa cinco unidades, enquanto que no

numeral 53 o algarismo 5 representa cinquenta unidades, e assim por diante.
Desta forma, obedecendo ao princípio da posição, nosso sistema de numeração
pode ser considerado como completo, pois utiliza uma quantidade relativamente
pequena de símbolos, podemos facilmente operar com eles e qualquer valor pode
ser representado com a combinação dos símbolos.
Por se tratar de um sistema de numeração posição, conseguimos representar

qualquer número em sua forma polinomial, ou seja, escrevendo os números por
meio de multiplicação de fatores com base comum, e é essa possibilidade que
permite a mudança de bases.
De acordo com Eves (2004, p. 35):

U1
Nosso sistema de numeração é um exemplo

de um sistema de numeração posicional. Para
esse sistema, depois de se escolher uma base b,
adotam-se símbolos para 0, 1, 2,..., b-1. Assim,
há no sistema b símbolos básicos, no caso de
nosso sistema frequentemente chamados de
dígitos. Qualquer número N pode ser escrito de
maneira única na forma
N = an bn + an–1 bn–1 + ⋯ + a2 b2 + a1 b1 + a0
na qual 0 ≤ ai < b,i = 0,1…,n
Podemos perceber nessa citação que um número do nosso sistema de

numeração pode ser escrito como:
Em que b representa a base na qual o número está escrito. Vejamos alguns

exemplos para melhor compreender a escrita dos números de base dez na forma
polinomial, para que, na sequência, possamos refletir a respeito da mudança de
base numérica.
EXEMPLO – Escreva na forma polinomial na base dez os números:
a) 12
b) 486
c) 1785
d) 98741
e) 174589
f) 7481641
RESOLUÇÃO
Para escrever o número 12 na forma polinomial utilizamos:
Em que N representa o número que queremos escrever na forma polinomial,

b a base (nesses exemplos, a base é 10) e a o número que devemos multiplicar,

U1
deste modo:
Para verificar que realmente podemos escrever os números desta maneira,

vamos resolver a multiplicação indicada e verificar que essa realmente é a
representação polinomial do número 12:
Como podemos perceber, a representação polinomial do número 12 é 1.10+2.

Vejamos os outros exemplos:
486 = 4.102 + 8.101 + 6

Para a verificação, podemos resolver as multiplicações assim:
486 = 4.100 + 8.10 + 6
486 = 400 + 80 +6
Deste modo, a forma polinomial do número 486 é 4.102 + 5.101 + 6. Agora,

a representação polinomial do número 1785.
Verificando obtemos:
Logo, a forma polinomial do número 1785 é .

Vejamos a notação polinomial do número 98741.
Realizando as multiplicações, para assim verificar a fórmula polinomial do

número 98741, temos:
Assim, é correto afirmar que a forma polinomial do número 98741 é

U1
Já para o número 174589, temos:
Resolvendo as multiplicações para verificar a veracidade da notação polinomial

do número obtemos:
Como podemos verificar, a forma polinomial do número 174589 é
Por último, vejamos o número 7481641.
Realizando as multiplicações, obtemos:
Assim, podemos afirmar que a fórmula polinomial do número 7481641 é

.
Observe os exemplos apresentados anteriormente e reflita a

respeito das semelhanças presentes em cada um deles. Qual
padrão você pode observar? O que se manteve em cada um deles?
Agora que você já refletiu a respeito do que está estudando e de como podemos
escrever números na base decimal em sua forma polinomial, realize a atividade de
aprendizagem a seguir

U1
1. A notação polinomial dos números é muito importante,

visto que auxilia na resolução de zeros de funções reais e
também no estudo de erros absolutos. Assinale a alternativa
que apresenta a forma polinomial do número 1562.
a) 1. 104 + 5. 103 + 6. 102 + 2.101
b) 1. 105 + 5. 102 + 6. 101 + 2
c) 1. 103 + 5. 102 + 6. 101 + 2
d) 1. 103 + 5. 102 + 6. 101 + 2. 10–1
e) 1. 103 + 5. 102 + 62. 101
Podemos utilizar esse mesmo método para escrever qualquer número em

qualquer base, sendo as mais comuns bases menores que dez. Mas cabe destacar
que, se estivermos lidando com bases menores que dez, não existirão dez símbolos
numéricos diferentes, sempre a quantidade de símbolos é igual ao valor da base.
Por exemplo, na base 5 existem apenas os símbolos 0, 1, 2, 3, 4. Já na base 7 os
símbolos são 0, 1, 2, 3, 4, 5, 6.
Exemplo: O número 101100 está na base 2 e no sistema de numeração de

base dois temos apenas os símbolos (0, 1). Para determinar o valor desse número
da base 2 para a base dez, podemos utilizar a fórmula apresentada nos exemplos
anteriores, ou seja, um número em qualquer sistema de numeração posicional,
não importa a base, pode ser escrito da seguinte maneira:
Então, no caso do valor do nosso exemplo (101100) 2 , como a base é dois,

necessitamos trocar b pelo valor da base. Logo:
Sendo assim, o valor (101100) 2 equivale ao número 40 na base 10. Vejamos

mais exemplos:

U1
Exemplo: O número 10212 é um numeral escrito na base 3, mas seu valor na

base dez vale:
O número (10212)3 pode ser escrito na forma polinomial, o que nos auxilia
para determinar seu valor na base dez, assim:
Sendo assim, o valor (10212)3 equivale ao número 140 na base 10.
Exemplo: O número 15 é um numeral escrito na base 8, determinando esse

número na base dez temos:
Então, no caso do valor do nosso exemplo ( 25)8 , como a base é oito,

necessitamos trocar b pelo valor da base. Logo:
= 16 + 5 = 21
21
Sendo assim, o valor ( 25)8 equivale ao número 21 na base 8.
Vimos até o momento como realizar mudanças de uma base qualquer para a
base dez, mas o inverso também é possível, ou seja, escrever um número que está
na base 10 em qualquer base que for necessário. Vejamos o que Eves (2007, p. 42)
diz a respeito:
A seguir mostraremos como passar um número da base

usual (base 10) para uma base b. Se N é o número, temos que
determinar os inteiros an, an–1 , … , a0 na expressão N = an bn +
an–1 bn–1 + ⋯ + a2 b2 + a1 b1 + a0, em que 0 ≤ ai ≤ b. Dividindo a
igualdade acima por b obtemos N/b = an bn–1 + an–1 bn–2 + ⋯ + a2
b + a1 + a0/b = N’ + a0/b.
Isto é, o resto a0 dessa divisão é o último algarismo da
representação desejada. Dividindo-se N’ por b obtém-se N’/b
= an bn–2 + an–1 bn–3 + ⋯ + a2 + a1 + a1 /b
e o resto dessa divisão é o vizinho do último dígito na
representação desejada. Procedendo dessa maneira
obteremos todos os dígitos an, an–1 , … , a0.

U1
Na prática, aplicar o que acabamos de ler na citação anterior é muito mais

simples do que parece. O método consiste em realizar divisões sucessivas, do
número escrito na base dez pela nova base. Vejamos alguns exemplos:
Exemplo: Aplique o procedimento das divisões sucessivas e escreva o 5693 na

base 2.
Para converter esse numeral escrito na base 10 para a base 2 necessitamos

realizar divisões sucessivas até que o quociente dessas divisões se torne menor
que o valor da base, como veremos:
Figura 1.1 | Transformação da base dez para a base dois
Fonte: O autor (2015)
Para a realização das divisões mostradas nessa figura foi utilizado o processo
curto de divisão por sobra, mas você pode realizar as divisões pelo algoritmo que
está acostumado.
Sabemos que a divisão chegou ao final quando o resto da divisão é menor que
o valor da nova base. No caso desse exemplo sabemos que terminou, pois o resto
foi 0, que é menor que 2.
Deste modo, obtemos a resposta para a nossa pergunta: o numeral 5693

pode ser escrito como (1011000111101)2 , ou seja, o numeral 5693 no sistema de
numeração decimal equivale ao numeral 1011000111101 no sistema de numeração
binário. Vale ressaltar que este número foi formado pelo resultado da última divisão,
seguido dos restos das divisões anteriores. O primeiro algarismo que compõe o
número na nova base sempre é o resultado da última divisão.
Perceba que, se um sistema de numeração tem uma base muito pequena,

necessita de mais símbolos para representar um numeral. Na base decimal 5693

U1
é composto por apenas quatro algarismos, já na base binária o mesmo número é

composto por 14 algarismos.
Vejamos agora mais exemplos a respeito da mudança de base, da base decimal

para outra base qualquer.
EXEMPLO: Escreva o número 7452 na base 5.
Para escrever o número 7452 na base 5 é necessário realizar as divisões

sucessivas, como podemos observar na figura a seguir:
Figura 1.2 | Transformação da base dez para a base cinco
Assim, o número 7452, escrito na base dez, é igual a (214302)5.
Exemplo: Escreva o número 47842 na base 7.
Vejamos agora as divisões sucessivas que nos auxiliam na mudança de base

necessária nesse exemplo.
Figura 1.3 | Transformação da base dez para a base sete

U1
Observando a Figura 1.3, podemos afirmar que o número 7452 pode ser escrito
como (256324)7.
Realize por meio de divisões sucessivas a mudança de base e

assinale a alternativa que indica o número 8426 na base 4.
a) (2003222)4
b) (23222)4
c) (2113222)4
d) (2033221)4
e) (2003320)4
Vamos aprender mais a respeito das mudanças de base no Para saber mais.
Para aprender mais a respeito de mudanças de base, acesse os links

disponíveis em:
<http://www.matematicamuitofacil.com/naodecimais.html>.
<http://www.activeinfo.com.br/curso_programacao/conversao_
entre_bases.html>.
Até o momento vimos como realizar a mudança de base de números inteiros,

mas, agora, passaremos a estudar mudanças de base em números decimais por
meio de multiplicações sucessivas.
Esse método consiste em multiplicar um número X1 pelo valor da base,

extraindo-se sempre a parte inteira do resultado das multiplicações e o restante
(parte decimal) é utilizado novamente para a próxima multiplicação. Esse método
finaliza quando a parte decimal é zero. Vejamos os exemplos a seguir:
Exemplo: Escreva o número 0,8125, que está na base dez, na base 2.

U1
Para iniciar esse processo, multiplicamos esse valor por 2 (número da nova
base), assim:
0,8125 . 2 = 1,625
O primeiro algarismo decimal do número na base dois é 1 (parte inteira do resultado)
e a parte decimal do resultado deve ser multiplicada por, 0,625 por 2, assim:
0,625 . 2 = 1,25
O segundo algarismo decimal do número é 1 e deveremos multiplicar 0,25 por
2, assim:
0,25 . 2 = 0,5
O terceiro algarismo decimal do número é 0, que é o valor inteiro desse
resultado e agora deveremos multiplicar 0,5 por 2, obtendo assim:
0,5 . 2 = 1,0
Agora, como a parte decimal é zero, podemos finalizar o método das
multiplicações sucessivas e, assim, o número 0,8125 pode ser escrito como
(0,1101)2. Vamos ao próximo exemplo:
Exemplo: Escreva o número 0,915, que está na base dez, na base 4.
Para iniciar esse processo, multiplicamos esse valor por 4 (número da nova
base), assim:
0,915 . 4 = 3,66
O primeiro algarismo decimal do número na base dois é 3 (parte inteira do
resultado) e a parte decimal do resultado deve ser multiplicado por 0,66 por 4, assim:
0,66 . 4 = 2,64
O segundo algarismo decimal do número é 2 e devemos multiplicar 0,64 por
4, assim:
0,64 .4=2,56
O terceiro algarismo decimal do número é 2, que é o valor inteiro desse
resultado e agora deveremos multiplicar 0,56 por 4, obtendo assim:
0,56 . 4 = 2,24
O quarto número decimal é 2, e devemos multiplicar 0,24 para prosseguir, logo:

U1
0,24 . 4 = 0,96
O quinto número decimal é 0. O próximo passo é multiplicar 0,96 por 4, assim:
0,96 . 4 = 3,84
O sexto número decimal é 3 e continuamos com a próxima multiplicação:
0,84 . 4 = 3,36
O sétimo número decimal é 3, seguindo:
0,36 . 4 = 1,44
O oitavo número decimal é 1, enquanto a próxima multiplicação é dada por:
0,44 . 4 = 1,76
Podemos perceber que existem inúmeras multiplicações que se seguem, por
isso podemos apresentar um arredondamento, com a quantidade de casas de
interesse. No caso desse exemplo, o número 0,915 pode ser escrito por meio de
um arredondamento, como (0,32220331...)4.
Aplique o procedimento das multiplicações sucessivas e

assinale a alternativa que indica, com arredondamento de
nove casas decimais, a escrita do número 0,5225 na base 2.
a) (0,110100111)2
b) (0,100001011)2
c) (1,000110100)2
d) (0,111100100)2
e) (0,110100101)2
Aprenda mais a respeito das operações apresentadas estudando os links a seguir:

U1
Você acabou de realizar operações com números escritos em

diferentes bases. Acesse os links para aprofundar seus estudos. <http://
revistaescola.abril.com.br/matematica/fundamentos/base-operacoes-
matematicas-500292.shtml>.
<http://www.dicasdeprogramacao.com.br/as-10-conversoes-
numericas-mais-utilizadas-na-computacao/>.
<http://www.las.ic.unicamp.br/edmar/PUC/2006/CL/CL-Bases-Eric.pdf>.
1.2 Soma de números em bases diferentes da base dez

Anteriormente, aprendemos como realizar mudanças de base, agora veremos
como realizar operações em diferentes bases. Por exemplo, o número 5 + 3 = 8
na base dez, agora vejamos como ficaria essa operação na base dois.
Exemplo: O número 5 na base 2 é escrito como 101 e o número 3 na base 2 é

escrito como 11, somando esses dois valores obtemos:
Figura 1.4 | Operação binária
Devemos observar na figura acima que, na base 2, na qual a operação foi

realizada, temos apenas os símbolos 0 e 1 para que, combinados, possam
representar qualquer valor. Sendo assim, o número 1+1 =10, por isso, quando
somamos 101 + 11, obtivemos como resultado 1000. Cabe destacar que não
devemos ler esse número como mil, pois na base dois não existe a palavra mil.
Vejamos agora a operação 15 + 12 = 27, isso na base dez, mas na base 3 essa
operação ficaria, 120 + 110, logo:
Figura 1.5 | Operação na base 3

U1
Como podemos verificar 120+110 = 1000, visto que na base 3, quando somamos
2 + 1, obtemos como resposta o número 10. Vejamos mais alguns exemplos de
somas realizadas em diferentes bases.
Exemplos:
a) (14213)5 + (1123)5
Temos, assim, que 14213 + 1123 = 20341, uma vez que 2 + 3 = 10 na base cinco.
b) (41621)7 + (51423)7
Na base 7, a soma de 4 + 3 = 10, ou então, 5 + 5 =13. Vamos ao próximo

exemplo:
c) (17451)8 + (12546)8

U1
Pense a respeito das características evidenciadas na mudança de

base, bem como nas operações realizadas em diferentes bases
e reflita a respeito de como elas podem te auxiliar em aulas da
Educação Básica.
Nós podemos realizar com relativa facilidade somas, multiplicações

e divisões numéricas em diferentes bases, respeitando sempre a
quantidade de símbolos que existem em cada base. Aprenda mais a
respeito da subtração e da multiplicação de números em diferentes
bases acessando o seguinte link: <http://minerva.ufpel.edu.br/~rudi/
grad/ModComp/MetNum/html/Apostilach1.html>.
Na próxima seção, estudaremos a respeito de erros nas operações algébricas

envolvidas no cálculo numérico.

U1
Seção 2
Erros relativos e erros absolutos
Introdução à seção
Nesta seção você aprenderá a respeito de diferentes tipos de erros que podem
acontecer ao longo da resolução de problemas matemáticos.
Aprenderá, também, a respeito da mantissa, que é aplicada quando estamos
tratando com quantidades de casas significativas de um número.
Por meio da análise dos erros de um valor obtido por meio de cálculos em
relação aos valores reais, podemos analisar se o modelo matemático utilizado é
adequado e válido de acordo com a intenção.
2.1 Alguns tipos de erros

Quando lidamos com problemas reais, nos quais necessitamos de
procedimentos matemáticos para resolver, por vezes ocorrem alguns erros, sejam
de arredondamento, ou por outros motivos.
Um problema muito importante, que auxilia na descoberta e no estudo dos
números irracionais, é o valor da diagonal do quadrado de lado medindo uma
unidade. Vejamos a figura a seguir:
Figura 1.9 | Quadrado de lado medindo 1 unidade
Aplicando o teorema de Pitágoras para determinar o valor da diagonal desse

quadrado, uma vez que com o auxílio da diagonal, podemos perceber dois
triângulos retângulos semelhantes, assim:
h2 = a 2 + b2

U1
h 2 = 12 + 12
h2 = 2
h = 22 �
Esse número 2 � é um número irracional, por este motivo não pode ser
representado fielmente, com todas suas casas decimais, logo, ao lidar com esse
tipo de valor, teremos um erro de arredondamento.
Outro tipo de erro comum, quando lidamos com determinados problemas com muitas
etapas, são os erros de arredondamento recorrentes, visto que um arredondamento gera
outro arredondamento em uma etapa seguinte, e assim por diante.
Como vimos na disciplina de Modelagem Matemática, por meio de modelos
matemáticos podemos compreender, observar e prever situações reais. Os problemas
que podem ser resolvidos com métodos numéricos, em geral, podem apresentar erros
inicias no problema, que são exteriores ao processo de cálculo, como erros inerentes ao
próprio modelo matemático, ou então aos dados. Existem também os erros relativos ao
uso de métodos numéricos, que são os erros de arredondamento e os de truncamento.
Os erros de truncamento são aqueles que ocorrem quando lidamos com
equações nas quais buscamos suas soluções por meio de inúmeros processos,
mas de acordo com o julgamento de quem está resolvendo o problema, é preciso
decidir quando terminar os processos matemáticos, quando truncar o processo.
Em alguns casos, os erros de truncamento podem ser calculados com a diferença
entre o valor obtido por meio do modelo matemático e o modelo numérico, ou
seja, por meio da subtração do valor real pelo valor obtido por meio dos cálculos.
Podemos compreender como erro a diferença entre um valor x’ e o valor exato
x’’, sendo obtido por meio da variação, ou seja, � △ x = x′′ − x′.
O erro pode ser um critério para finalizar uma questão numérica, ou seja,
sabendo o valor do erro aceitável podemos analisar se o valor obtido na equação,
na situação, ou no modelo é adequado ou não e por meio dele podemos avaliar a
qualidade de uma aproximação realizada.
O erro pode ser um erro absoluto, ou seja, pode ser definido como:
Eabs = ( valor � calculado ) − ( valor
� verdadeiro )
Onde x representa o valor real e x’ representa o valor obtido por meio de
cálculos numéricos.
Outro tipo de erro frequente é o conhecido como erro relativo, ao qual pode
ser definido como:
(Valor � calculado ) − ( valor

� verdadeiro )
Erel = �
valor � verdadeiro

U1
Ainda podemos calcular o erro percentual, medido em porcentagem, por meio

da seguinte fórmula:
Ou ainda:
Vejamos um exemplo a respeito do cálculo desses diferentes erros. Suponha

que o valor verdadeiro de um evento é 7, mas o obtido por meio de processos de
cálculo numérico, obteve-se como resultado 6,4, assim teremos:
Eabs = ( valor � calculado ) − ( valor� verdadeiro )
Eabs = ( 6, 4 ) − ( 7 ) = 0, 6
Assim o erro absoluto para esse exemplo é de 0,6.
(Valor � calculado ) − ( valor
� verdadeiro )
Erel = �
valor � verdadeiro
Nesse exemplo, o erro relativo é de 0,085.
O erro percentual nesse exemplo é de 8,5%. Dependendo da situação, não é

necessário utilizar os valores em módulo, uma vez que, sem a aplicação do módu-
lo é possível verificar se o valor calculado é maior ou menor que o valor verdadeiro,
dependendo se o resultado do erro for positivo ou negativo, o que não acontece
quando lidamos com valores em módulos.
Um estudante do curso de Licenciatura em Matemática

observou dados relativos à distância que o carro percorre
após ser acionado o freio em relação à velocidade na qual
esse veículo estava, para assim desenvolver um modelo
matemático que o auxiliasse na compreensão dessa situação

U1
para diversas velocidades. Ele verificou que, se o veículo está

a 60km/h, ao acionar o freio ele ainda se deslocará 7 metros.
Aplicando o modelo que ele desenvolveu, para essa mesma
velocidade o estudante chegou a 8,7 metros. Assinale a
alternativa que apresenta o erro relativo, absoluto e percentual,
respectivamente, dessa situação.
a) 1,7; 0,35; 35%.
b) 0,17; 0,54 ; 5,4%.
c) 1,7 ; 0,24 ; 24%.
d) 0,7; 1,2; 12%.
e) 1,7; 0,35 ; 12%.
Agora que você já se familiarizou a respeito desses tipos de erros, vamos refletir
a respeito desse assunto.
Qual é a necessidade de conhecer um erro em uma atividade de

matemática que envolva cálculos numéricos? Quando podemos
considerar que um erro é significativamente pequeno a ponto de
não interferir nem nas análises, nem nas conclusões relativas a
determinado modelo matemático?
Para auxiliar na reflexão a respeito das perguntas feitas anteriormente, o que

você acha de aprofundar seu conhecimento com o próximo Para saber mais?
Neste Para saber mais você é convidado a aprofundar seu conhecimento

a respeito dos tipos de erros apresentados anteriormente, bem como
aprender a respeito de outros tipos de erros. Para isso, acesse o material
disponível no link:
<http://www.univasf.edu.br/~jorge.cavalcanti/3CN_erros.pdf>.

U1
Agora, vamos aprofundar os estudos a respeito de outros tipos de erros comuns.
Erros de arredondamento: Quando lidamos com números irracionais,

operados com ou sem auxílio de computadores e calculadoras, temos que optar
pela utilização de arredondamentos.
De acordo com Barroso et al. (1987), os números podem, na base β , ser

representados como:
Sendo que di são os números inteiros contidos no intervalo

e exp representa o expoente de β ,e assume valores entre
I ≤ exp ≤ S. I� � e S são os limitantes inferiores e superiores, para a variação do expoente.
A parte do número representada por é chamada de
mantissa, que representa os dígitos significativos que podem ser evidenciados
e t é o número de dígitos significativos do sistema de representação, que são a
quantidade de valores de precisão.
Vejamos um exemplo: o número 0,4781, na base dez, pode ser representado como:
Já o número 84,174 pode ser escrito como 0,84174 . 102 logo podemos
escrevê-lo como:
O mesmo podemos realizar em diferentes bases, por exemplo, o número 15

representado na base dez é (1111)2 e também podemos representá-lo utilizando a
mantissa. Inicialmente, devemos utilizar a notação científica, deixando o número
representado menor que zero, mas como estamos na base dois a notação científica
ficaria, 0,1111. 2100 e ainda:
Percebe que realizamos a mudança de base da base dez para a base dois? Você
pode verificar essas mudanças aplicando o procedimento das divisões sucessivas
aprendido na seção anterior.

U1
Pense a respeito de situações nas quais é necessário determinar

a mantissa de um número. Seria possível ensinar esses conceitos
na Educação Básica? Quais conteúdos estão envolvidos? Reflita
a respeito dessas questões e coloque no fórum suas conclusões.
No último exemplo, caso do número 0,1111, a mantissa desse valor é 1111,

enquanto o expoente é 100.
A linguagem de computação é baseada no sistema binário, ou

seja, os números e as informações são expressos apenas com
a utilização dos símbolos 0 e 1. Ao inserirmos no computador
o número 23, a representação computacional desse valor na
base binária tem como mantissa:
a) 10001.
b) 10111.
c) 11111.
d) 10011.
e) 10000.
Vamos aprender mais a respeito desses erros e da notação utilizando a mantissa

de um número no próximo Para saber mais.
Neste Para saber mais você aprofundará seu conhecimento a respeito

das diferentes formas de realizar representações numéricas em distintas
bases, bem como a análises dos erros. Estude o material disponível no
link: <http://www.ufsj.edu.br/portal2-repositorio/File/prof_ngoulart/
notas_aula/Calculo_Numerico_Erros.pdf>.
Com esse Para saber mais encerramos a seção 2 dessa unidade. Com o estudo da
seção 3, você aprenderá a respeito de zeros reais de funções reais.

U1
Seção 3
Zeros reais de funções reais
Comumente, em trabalhos científicos ou pesquisas, nos deparamos com
modelos matemáticos descritos por meio de funções com grau superior a 2, nas
quais é necessário determinar sua(s) raiz(raízes), ou seja, valores para a variável
dependente, em que a função vale zero. Nesta seção evidenciaremos alguns
métodos para resolver esse tipo de problema.
3.1 Raízes de funções

As raízes de uma função são os valores que tornam a igualdade f(x)=0 verdadeira,
sendo f uma relação definida com domínio real e contradomínio real e contínua
no intervalo [a, b].
Como podemos observar na figura a seguir, geometricamente, as raízes são

representadas pelas abscissas dos pontos em que o gráfico toca o eixo x.
Figura 1.10 | Raízes de uma função
Existem diferentes métodos para se determinar as raízes de uma equação, entre

eles estão os métodos numéricos iterativos, que consistem em determinar a solução
x a partir de uma solução inicial, por meio de sequências de soluções aproximadas.

U1
Para que isso seja possível, é necessário, inicialmente, localizar o intervalo ao

qual a raiz está contida e depois dentro desse intervalo refinar a aproximação inicial.
Para determinar o intervalo [a,b] no qual a raiz da função pertença é preciso

lembrar do teorema das funções contínuas, em que se f(a) e f(b) tenham sinais
diferentes, então no intervalo [a, b] existe ao menos uma raiz real dessa função.
Temos que lembrar, também, as condições que você aprendeu em Cálculo

Diferencial e Integral para que uma função seja contínua, ou seja:
1º: f ( a ) deve existir;
2º lim f ( x ) deve existir;

x→a
3º lim f ( x ) = f ( a ) , ou seja, o valor da função no ponto e o valor do limite da

x→a
função quando x tende a a devem ser iguais.
Ainda nos apropriando de conceitos da disciplina de Cálculo Diferencial e

Integral, por meio do teste das derivadas é possível inferir a respeito da existência
de apenas uma raiz na função. Se a função f é contínua e possui derivada no
intervalo [a, b], se f(a) e f(b) tem sinais opostos, mas f’(x) não, troca de sinal em [a,b],
podemos afirmar que a função f possui apenas uma raiz no intervalo [a,b].
Após determinado o intervalo no qual a raiz pertence, é necessário refinar o

valor, com a intenção de minimizar o erro os métodos de refinamento necessitam
de um critério de parada, que é um critério estabelecido para interromper os
processos repetidos que fazemos para determinar a raiz.
O processo iterativo pode ser interrompido quando satisfaz ao menos um dos

seguintes critérios:
III ) f ( xk ) < ε
Nessas fórmulas xk representa o valor aproximado da raiz da função após

uma quantidade k de interações. O símbolo ε é o valor do erro aceitável para o
exercício ou pesquisa ao qual se aplica.
A partir de agora começaremos a estudar um método específico para a

obtenção das raízes de uma função, o método da bissecção.

U1
O método da bissecção consiste em, a cada interação, diminuir ao meio a

amplitude do intervalo no qual a raiz pertence. Para iniciar esse método é necessário
determinar um x0 e x1 de modo que f(x0) e f(x1) tenham sinais contrários.
Após determinar esse intervalo inicial, calcula-se um valor x2 que pode ser
calculado como:
x0 + x1
x2 =
2
Agora, verifica-se em quais dos três pontos essa função tem sinais diferentes,
se em f(x0), f(x1) ou f(x2), pois o novo intervalo será limitado pelos dois valores, cuja
função tem sinais diferentes. Fazemos isso quantas vezes forem necessárias, até
encontrar uma aproximação para a raiz da equação suficientemente adequada.
Nas explicações anteriores, vimos que alguns teoremas nos

auxiliam para compreender o intervalo ao qual pertence
uma raiz da função. Esses teoremas envolviam o conceito de
função contínua. Sabemos que as funções contínuas possuem
derivadas no interior de seu domínio. Será que as derivadas
poderiam auxiliar no processo de determinar o intervalo ao
qual existe uma raiz para a função? Reflita a respeito.
Vamos analisar o exemplo a seguir para aprender mais a respeito desse método.
Exemplo: Determine o valor da raiz positiva da função f(x) = x² - 6, com erro

menor ou igual a 0,15.
Uma maneira de fazer isso é analisando a derivada da função, para assim

verificar onde ocorre a mudança de sinal, pois comumente existe uma raiz entre
os pontos críticos da função, assim:
f ( x ) = x2 − 6
f ′( x) = 2x
Para localizar o ponto crítico é preciso igualar a derivada a zero, isolar a incógnita
e, assim, determinar seu valor. Deste modo:
0 = 2x
x=0

U1
Com isso podemos determinar os intervalos, sendo x = 0 um possível limitante.

Vamos analisar os valores da função para x relativamente próximos de zero.
Tabela 1.1 | Definição do intervalo

Valor de x Valor da função f(x) = x² - 6 Sinal da função
-3 f(-) = 9 - 6 = 3 +
-2 f(-2) = 4 - 6 = -2 -
-1 f(-1) = 1 - 6 = - 5 -
0 f(0) = 0 - 6 = - 6 -
1 f(1) = 1 - 6 = - 5 -
2 f(2) = 4 - 6 = - 2 -
3 f(3) = 9 - 6 = 3 +
Analisando a tabela, podemos perceber que houve troca de sinal em -3 e

-2, assim, o intervalo é [-3,-2] e também outra troca no intervalo [2,3]. Como o
problema pede a raiz positiva, utilizaremos apenas o intervalo [2,3].
Para refinar esse intervalo utilizamos o procedimento descrito anteriormente, logo:
Substituindo esse valor na função, obtemos f(2,5) = 6,25 – 6 = 0,25, que é

positivo, e deste modo vamos substituir o limitante superior 3 por 2,5, obtendo
assim o novo intervalo [2;2,5].
Agora, faremos esse processo recursivamente, logo:
Substituindo esse valor na função, temos f(2,25) = -0,9375. Como obtivemos

um valor negativo, então substituiremos o limitante inferior, logo, o novo intervalo
que contém a raiz positiva da função é [2,25 ; 2,5]
Para analisar o erro e verificar se a condição inicial já foi atendida, é necessário

calcular:
Sendo xm e xm–1 os limitantes do intervalo, deste modo:

U1
Como 0,25 é maior que 0,15, devemos mais uma vez diminuir o tamanho do
intervalo, assim:
Substituindo esse valor na função, obtemos f(2,375) = - 0,36, que é um valor

negativo, assim substituiremos o limitante inferior pelo novo valor obtido, logo, o
intervalo que contém a raiz é [2,375; 2,5].
Vamos, agora, à próxima interação.
Substituindo esse valor na função, obtemos f(2,4375) = -0,06. Novamente,

deveremos substituir o limitante inferior, pois tanto para 2,375 quanto para 2,4375
a função fica com valores negativos, por isso ficamos com o valor maior de x, pois
assim o valor do intervalo fica reduzido. O novo intervalo é [2,4375;2,5].
Para verificar se já podemos finalizar esse método iterativo, devemos novamente

analisar o erro, logo:
Como 0,0625 é menor que 0,12, que é o erro aceitável, podemos finalizar
afirmando que a raiz dessa função pertence ao intervalo [2,4375;2,5].
Um problema do método da bissecção é a dificuldade para a localização do

intervalo no qual temos as raízes. Vamos aprofundar mais o conhecimento a
respeito do método da bissecção no próximo Para saber mais.
Para aprofundar mais seu conhecimento a respeito do método da

bissecção para a definição de raízes de funções, acesse os links:
<http://www.decom.ufop.br/bcc760/material_de_apoio/notas_de_
aulas/notas_raizes.pdf>.
<http://www2.sorocaba.unesp.br/professor/amartins/aulas/numerico/
bissec.pdf>.

U1
Vejamos mais um exemplo de aplicação desse método. Determine o valor da

maior raiz da função f(x) = x³ - 9x + 3, sabendo que essa pertence ao intervalo [1,4].
Para iniciar esse método é necessário descobrir o valor de um novo limitante, no

qual diminuirá o intervalo. O critério para determinar qual limitante será substituído
é que sempre no intervalo um limitante tem que gerar um valor na função positivo
e o outro um valor negativo para a função, por isso vejamos quanto vale a função
quando x = 1 e quando x = 4, e na sequência determinar o novo limitante.
Agora, vamos calcular o limitante que diminuirá a amplitude do intervalo inicial,

assim:
Substituindo esse valor na função, ficamos com f(2,5) = -3,875. Como obtivemos
um valor negativo, vamos substituir o antigo limitante que também resultava em um
valor negativo, ou seja, o número 1, ficando com o intervalo de [2,5 ; 4]. Faremos
esses processos recursivamente.
Substituindo esse valor na função, obtemos f(3,25) = 8,078, que é um valor

positivo, ou seja, devemos substituir o limitante que gerava anteriormente um valor
negativo também, assim, o novo intervalo é [2,5; 3,25]. Você pode perceber que
a amplitude do intervalo se torna cada vez menor. Vamos ao cálculo do próximo
limitante do intervalo.
Substituindo na função, temos f(2,875) = 0,88867 e por esse motivo

substituiremos o limitante 3,25 por 2,875. Você pode perceber, também, que com
esse valor o resultado da função está cada vez mais próximo de zero, ou seja,
estamos mais próximos do nosso objetivo. Vamos à próxima etapa.

U1
Para x = 2,6875, o valor da função é f(2,6875) = -1,78, ou seja, no intervalo devemos

substituir 2,5 por 2,6875, assim [2,6875; 2,875]. Vejamos o próximo processo.
Com esse valor na função, obtemos f(2,78125) = -0,517, logo, o novo intervalo
é [2,78125; 2,875]. O que determina o critério de parada é o valor do erro. Como
já fizemos algumas interações, é adequado verificar o erro para que possamos
analisar se é coerente finalizar o processo, ou se devemos continuar com mais
interações. Vejamos o cálculo do erro para esse exemplo.
O problema não estipula o valor do erro aceitável, sendo assim, fica a critério de
quem está desenvolvendo a atividade. Optaremos por finalizar esse exemplo por
aqui, ou seja, podemos afirmar que a maior raiz dessa função pertence ao intervalo
[2,78125; 2,875], mas caso tenha interesse, você pode continuar com os processos
do método da bissecção, obtendo, assim, um resultado mais refinado.
Uma empresa definiu por meio da modelagem matemática

uma função que descreve o lucro da empresa, sendo essa f (x)
= x5 – 2x4 – 7x3 + 9x2 + 8x – 6, em que x é medido em meses
de produção. Determine a primeira raiz positiva dessa função,
com erro inferior a 0,035, sabendo que ela está contida no
intervalo [0,5] e que representa o primeiro momento em que
a empresa não teve lucro nem prejuízo e assinale a alternativa
que apresenta o intervalo em que está a resposta correta,
levando em consideração o valor do erro aceitável.
a) [0,5; 1]
b) [0,5625; 0,59375]
c) [0,5; 0,75]
d) [0,5; 0,625]
e) [0,5625; 0,59375]

U1
Vamos aprender agora mais um método para determinar raízes de funções, o

método de Newton-Raphson.
3.2 Método de Newton-Raphson

O método de Newton-Raphson é aplicado para definir raízes de funções do
tipo y=f(x), sendo essa contínua em um intervalo [a, b], que contém apenas uma
raiz e na qual f’(x) e f’’(x) não se anulam e preservam o sinal. Para aplicar esse
método é necessário ter um valor para ser utilizado como uma estimativa inicial,
sendo que essa estimativa deve pertencer ao intervalo [a, b], na sequência gera-se
uma sequência de estimativas, na qual cada ponto é a interseção da reta tangente
y = f(x) com o eixo das abscissas.
O valor pode ser obtido utilizando a fórmula:
Com k variando de 0 até o valor necessário. O critério de parada é igual ao

utilizado no método da bissecção.
Vejamos um exemplo da aplicação desse método. Uma bola foi lançada do

alto de um prédio em direção ao solo e sua altura pode ser descrita pela expressão
. Determine o valor de t para o qual s(t) = 0.
Para iniciar a determinação do intervalo no qual a raiz – ou as raízes – da função

pertence, podemos utilizar a técnica de separar a função em s(t) em duas funções
h(x) e g(x), em que s(t) = h(x) – g(x). Tendo essas funções é necessário desenhar
o gráfico das funções em apenas um plano cartesiano, para assim determinar o
intervalo com a raiz.
Tomando h(t) = 6 – 9t e g(t) = 3t² (visto que h(x) – g(x) = s(t)), vejamos o gráfico
dessas funções.

U1
Figura 1.11 | Determinando o intervalo no qual a raiz da função

pertence
Perceba que, como se trata de um lançamento, o tempo deve ser positivo, por
isso a raiz negativa não nos interessa nesse contexto. O ponto de interseção entre
as duas funções indica onde estão os limitantes do intervalo, então, nesse caso,
nosso intervalo é [0,1].
Nós podemos separar a função não apenas como

apresentado anteriormente, poderíamos ter optado por h(t) = 6 e g(t) = 9t+3t².
Veja a figura a seguir:

pertence de outro modo

U1
Perceba que, mesmo separando a função de modos diferentes, o intervalo de

interseção é igual ao da divisão anterior, ou seja, [0,1]. Cabe destacar que esse
método da divisão pode ser utilizado também para determinar o intervalo no qual
a raiz pertence, independentemente do método que será utilizado na sequência,
ou seja, pode usar essa técnica para na sequência utilizar o método da bissecção.
Pense a respeito dos motivos pelos quais o método de separar

uma função em duas, desenhar seus gráficos no mesmo plano
cartesiano e verificar seus pontos de intersecção pode ser utilizado
para determinar o intervalo ao qual a raiz da função é pertencente.
Para aplicar esse método é necessário aplicar a fórmula:
Para esse exemplo temos a função:
Como dito anteriormente, para a convergência é necessário que f’(x) e f’’(x) não
se anulem e preservem o sinal em [a, b] e a estimativa inicial, de modo que o valor
da função na estimativa inicial vezes a segunda derivada da função é maior que zero.
Inicialmente, devemos calcular o valor da função nos extremos do intervalo, logo:
Agora, analisando a segunda derivada, temos:
Sendo assim, tanto a primeira derivada quanto a segunda derivada são negativas

U1
para o intervalo ao qual a raiz dessa função pertence. Agora, vejamos a tabela a seguir:
tk S (tk ) S '(tk ) tk − tk +1
1 ------------
0,4
0,6
0,56 0,04
– 0,0195
Analisando o valor do erro, podemos considerar que o valor aproximado da raiz

dessa função vale 0,56.
Cabe destacar que os valores de foram calculados por meio da fórmula

.
Vejamos mais um exemplo da aplicação do método de Newton-Raphson.
Determine as raízes da função f(x) = x³ - 2x - 3.
Inicialmente, devemos separar essa função em duas partes para determinar os

intervalos que possuem as raízes da função.
Uma possibilidade é escrever a função f(x) como h(x) = x³ e g(x) = 2x + 3.

Vejamos o gráfico dessas funções.

pertence
Podemos observar que o intervalo ao qual o ponto de intersecção das duas

funções é pertencente é [1,2]. Poderíamos, também, ter dividido a função como
g(x) = x³ - 3 e h(x) = 2x. Vejamos a figura a seguir:

U1

pertence
Verifique que, mesmo realizando divisões diferentes, o intervalo de nosso

interesse permanece igual, ou seja, [1, 2].
Agora, vamos realizar as operações e preencher a tabela a seguir para poder

determinar a raiz da função.
Temos que relembrar que devemos utilizar a fórmula para

calcular os valores de tk e podemos parar de realizar os processos interativos
quando tk − tk +1 assume um valor suficientemente pequeno. Temos que:
f ( x ) = x3 − 2 x − 3
E
f ' ( x ) = 3x ² − 2
Vamos aos cálculos.
2 f ( 2 ) = 23 − 2.2 − 3 = 1 f ′ ( 2 ) = 3.22 − 2 = 10 -------------
1,9 f (1, 9 ) = 1, 93 − 2.1, 9 − 3 = 0,59 f ′ (1, 9 ) = 3.1, 92 − 2 = 10, 83 0,1

U1
1,84 f (1, 84 ) = 1, 843 − 2.1, 84 − 3 = f ′ (1, 84 ) = 3.1, 842 − 2 = 8,15 0,06

-0,450
Nessa terceira interação já podemos verificar um erro relativamente pequeno,

logo, podemos afirmar que a raiz dessa função é, aproximadamente, 1,84.
Vamos resolver o mesmo exemplo pelo método da bissecção, para que você
possa comparar os dois métodos e analisar qual deles você se identifica mais.
Retomando, pelo método da bissecção é necessário substituir na função o

valor dos limitantes do intervalo, logo:
f ( x ) = x3 − 2 x − 3
f (1) = 13 − 2.1 − 3 = −1
f ( 2 ) = 23 − 2.2 − 3 = 1
Agora, vamos iniciar o processo de diminuir a amplitude do intervalo, assim:

1+ 2
x1 = = 1, 5
2
( )
Substituindo esse valor na função, temos f 1, 5 = 1, 5 − 2.1, 5 − 3 = −2, 625
3
.
Como a resposta foi negativa, devemos substituir o antigo limitante que teve resultado
negativo, obtendo o intervalo [1,5; 2]. Vamos, agora, obter o próximo limitante.
1, 5 + 2
x2 = = 1, 75
2
Agora, substituindo esse
valor na função, obtemos:
( ) 3
f 1, 75 = 1, 75 − 2.1, 75 − 3 = −1,140625. Novamente, esse valor é negativo,
sendo assim substituiremos no novo intervalo, resultando em [1,75; 2], devemos
verificar o valor do erro, para inferir a respeito da necessidade de continuar a
verificação, ou de parar o processo.
ε = 1, 75 − 2 = 0, 25
Como o erro ainda é significativo, devemos prosseguir.
1, 75 + 2
x3 = = 1, 875
2
Vamos, agora, substituir esse valor na função
f (1, 875 ) = 1, 875 − 2.1, 875 − 3 = −0,1582
3

U1
Novamente, calcularemos o erro, assim:

ε = 1, 875 − 2 = 0,125
Vamos à próxima interação.
1, 875 + 2
x4 = = 1, 9375
2
Substituindo esse valor na função, obtemos:

f (1, 9375 ) = 1, 93753 − 2.1, 9375 − 3 = 0, 398 . Como essa substituição resultou
em um valor positivo, obteremos o novo intervalo [1,875; 1,9375]. Calculando o
erro, temos:
ε = 1, 875 − 1, 9375 = 0, 06
Assumindo este como um erro pequeno, podemos afirmar que a raiz da função
f(x) está no intervalo [1,875; 1,9375].
Considerando as margens de erros, consideramos que tanto o método de Newton-

Raphson quanto o método da bissecção são adequados para esse tipo de exercício.
Depois desses exemplos, vamos treinar a aplicação do método de Newton-Raphson.
O método de Newton-Raphson consiste em, por meio de uma

estimativa inicial, realizar operações relacionando o valor da
função e de sua derivada e assim refinar o valor da estimativa,
até obter um valor adequado para a raiz. Sabendo disso, utilize
esse método e determine um valor aproximado, com um erro
inferior a 0,09 para a função f(x) = x³ - 3x -5.
a) Aproximadamente, 2,70.
b) Aproximadamente, 2,60.
c) Aproximadamente, 2,50.
d) Aproximadamente, 2,40.
e) Aproximadamente, 2,30.
Com essa atividade de aprendizagem encerramos a terceira seção dessa unidade,

U1
porém, existem outros métodos possíveis para se determinar as raízes de uma

função, sendo assim, aprofunde seu conhecimento no próximo Para saber mais.
Aprenda mais a respeito de métodos para determinar raízes de funções

estudando os materiais disponíveis nos links:
<http://www.decom.ufop.br/bcc760/material_de_apoio/notas_de_
aulas/notas_raizes.pdf>
<http://www2.sorocaba.unesp.br/professor/amartins/aulas/numerico/
bissec.pdf>
<https://www.youtube.com/watch?v=vmhifjYi7mc>
<http://www.icmc.usp.br/~andretta/ensino/aulas/sme0500-1-12/
pontofixo.pdf>
<http://www.sbmac.org.br/cmacs/cmac-ne/2012/trabalhos/PDF/336.pdf>
<http://www.academia.edu/4871378/C%C3%A1lculo_
Num%C3%A9rico_Ponto_Fixo_Ponto_Fixo_M%C3%A9todo_
do_Ponto_Fixo_Ponto_Fixo_MPF_MPF_M%C3%A9todo_da_
Itera%C3%A7%C3%A3o_Linear_MIL>_
<http://www.raymundodeoliveira.eng.br/raizes.html>
<http://www.raymundodeoliveira.eng.br/Iteracao_Linear_F.html>
<http://www.uefs.br/disciplinas/exa111/cal001.pdf>
Nesta unidade, você aprendeu que:
• Podemos escrever todos os números na forma polinomial,

que consiste na multiplicação de um coeficiente numérico
por potências da base na qual o número está escrito.
• Por meio de divisões sucessivas podemos escrever um

número inteiro que, inicialmente, estava na base dez, em
qualquer outra base.
• É mais utilizada a multiplicação sucessiva para escrever um

U1
número decimal que, inicialmente, estava escrito na base

dez, em qualquer outro tipo de base.
• É possível realizar as operações usuais com números

escritos em qualquer base, uma vez que elas mantenham
as propriedades do nosso sistema de numeração, ou seja,
os algarismos tenham valores relacionados à posição que
ocupam no número e que tenham a mesma quantidade
de símbolos que o número da base, e com a combinação
diferente deles seja possível representar qualquer valor.
• É importante saber calcular diferentes tipos de erros,

sendo os mais comuns em cálculos numéricos erros de
arredondamento, truncamento, erros absolutos, relativos e
percentuais.
• Existem diferentes tipos de métodos que podem nos ajudar

na determinação de raízes de função, porém, em geral, eles
tratam de valores aproximados.
• Podemos determinar os intervalos que possuem raízes de

uma função separando a lei de formação em duas, de modo
que a função original possa ser escrita como a subtração
das duas funções emergentes, depois desenhamos a
representação gráfica das duas funções em um mesmo
plano cartesiano. No intervalo em que as duas funções se
encontrarem, existe pelo menos uma raiz da função.
• O método da bisseção consiste em, após determinado um

intervalo ao qual possua uma raiz da função, ir diminuindo
a amplitude do intervalo o quanto for necessário e assim
determinar valor aproximado da raiz.
• O método de Newton-Raphson consiste em, por meio

de uma estimativa inicial, realizar operações sucessivas
relacionando o valor da estimativa inicial, com o seu valor
na função dividido pelo seu valor na derivada, levando em
consideração como critério de parada tanto o erro aceitável
quanto as condições desse método.

U1
A Unidade 1 deste material impresso foi pensada com a intenção

de auxiliar na aprendizagem de conceitos de grande importância
para o cálculo numérico, bem como representação e operação
numérica em diferentes bases, determinação de erros levando
em consideração valores obtidos por meio do método aplicado
e o valor exato da situação.
Um conceito muito importante dessa unidade são os métodos

para determinar raízes de funções. É de grande aplicação para
situações reais o que você aprendeu nessa unidade a respeito
desse assunto.
Você aprendeu na disciplina de Modelagem matemática que

é possível, por meio de funções, realizar representações de
situações do cotidiano, porém, nem sempre é simples determinar
as raízes dessas funções, por isso, naquele momento, você deve
ter feito uso de algum software matemático para lhe ajudar, mas
a partir de agora, você já é capaz de fazer isso sozinho.
Para continuar aprendendo mais a respeito dos conteúdos

trabalhados nesta unidade é importante que você realize as
leituras indicadas, se dedique ao estudo dos links sugeridos no
Para saber mais, participe do fórum enviando suas contribuições
e dúvidas.
Continue tendo bons estudos!
1. A representação binária vem ganhando grande destaque,

uma vez que a linguagem de programação utiliza apenas
os símbolos 0 e 1 para realizar codificações. Assinale a
alternativa que apresenta em forma binária o número 412.
a) 100010111.
b) 110010001.
c) 111101010.
d) 100101001.
e) 110011100.

U1
2. As propriedades das operações matemáticas se mantêm

em todo o sistema de numeração, que tem as mesmas
características que o nosso sistema de numeração, ou seja,
possui a mesma quantidade de símbolos que o valor da base
e esses símbolos possuem valor posicional. Sabendo disso,
assinale a alternativa que apresenta o resultado da operação
(23451)6 + (14213)6.
a) (51240)6
b) (41212)6
c) (42104)6
d) (42103)6
e) (54120)6
3. Aplicando procedimentos de cálculo numérico, um

estudante chegou, a respeito da situação analisada, ao valor
de 8,756, porém, pôde constatar que o valor real para a
situação era de 8,957. Assinale a alternativa que apresenta o
erro percentual entre o valor calculado e o valor observado.
a) 2,2%.
b) 3,4%.
c) 3,8%.
d) 4,5%.
e) 4,8%.
4. Utilizando o método da bissecção, determine o valor

aproximado da raiz da função f(x) = -x³ + 5x – 6, com erro
inferior a 0,09 e depois assinale a alternativa correta.
a) Aproximadamente, x = 2,01.
b) Aproximadamente, x = -2,01.
c) Aproximadamente, x = 2,69.
d) Aproximadamente, x = -2,69.
e) Aproximadamente, x = 2,1.
5. Utilizando o método de Newton-Raphson, determine a raiz

da função f(x) = x³ - 4x -10, com erro inferior a 0,07 e assinale
a alternativa correta.
a) Aproximadamente, 2,75.
b) Aproximadamente, 2,40.
c) Aproximadamente, 2,38.
d) Aproximadamente, 2,18.
e) Aproximadamente, 2,10.

U1
Referências
BARROSO, L. C. et al. Cálculo numérico com aplicações. São Paulo: Harbra, 1987.
EVES, H. Introdução à história da matemática. Tradução: Higino H. Domingues.

Campinas: Editora da UNICAMP, 2004.
MILME, W. E. Cálculo numérico. Tradução Flávio J. Galdieri e Ruy L. Pereira. São

Paulo: Polígono, 1968.
SPERANDIO, D. Cálculo numérico: características matemáticas e computacionais

dos métodos numéricos. São Paulo: Prentice Hall, 2003.
STAR, P. Introdução aos métodos numéricos. Tradução João Bosco Pitombeira de

Carvavalho. Rio de Janeiro: Interciência, 1979.

Unidade 2
SISTEMAS LINEARES
E NÃO LINEARES
Objetivos de aprendizagem: Estudante, essa unidade tem como

objetivo a compreensão e a resolução de sistemas lineares e não lineares.
Com a utilização de um texto repleto de atividades, links para aprofundar

o conhecimento, atividades de reflexão e questões para auxiliar a
aprendizagem, essa unidade tem a intenção de proporcionar aprendizagens
que unam conceitos do Ensino Superior e da Educação Básica.
A resolução de sistemas faz parte do currículo da Educação Básica,

porém, nessa unidade, você aprenderá, além dos métodos comuns
nesse período escolar, outros que envolvem procedimentos numéricos e
conceitos do Ensino Superior.
Bons estudos!
Seção 1 | Sistemas lineares: métodos diretos

Na seção 1 desse material impresso você terá contato com alguns
dos mais utilizados métodos para a resolução de sistemas lineares para
sistemas com duas equações e duas incógnitas ou mais, ou seja, métodos
de resolução direta, como é o caso dos métodos da comparação,
substituição, adição, método gráfico, eliminação de Gauss e regra de
Cramer. Cabe destacar que os métodos apresentados nessa seção são
comumente ensinados na Educação Básica.
U2
Seção 2 | Sistemas lineares: métodos iterativos

Na seção 2 desse material, você aprenderá a respeito de métodos
iterativos aplicados para a resolução de sistemas lineares. Os métodos
iterativos comumente são aplicados para resolver sistemas de ordem
superior a dois e possuem a característica de lidar com uma margem
de erro, que pode ser diminuída de acordo com a necessidade e com o
interesse de quem está resolvendo o sistema linear.
Seção 3 | Resolução de sistemas não lineares

A última seção dessa unidade é destinada a apresentar métodos para
resolver sistemas não lineares. Em geral, os métodos aplicados para a
resolução de sistemas não lineares são iterativos e geram resultados
aproximados, sendo assim, é necessário analisar o erro, buscando refinar a
resposta ao ponto de obter um erro tão pequeno que possa ser desprezado,
de acordo com o objetivo de quem está resolvendo o sistema.
52 Sistemas Lineares e Não Lineares

U2
O cálculo numérico nos oferece um conjunto grande de ferramentas e métodos

que podem ser utilizados para solucionar problemas matemáticos de forma
aproximada, que, com procedimentos absolutamente algébricos, encontraríamos
dificuldades.
Nessa unidade serão apresentados métodos para a resolução de sistemas

lineares de forma direta, resultando em respostas exatas, iterativas, que geram
resultados aproximados, ao quais podemos julgar sua adequação à situação por
meio da análise do erro, e também métodos para resolução de sistemas não
lineares, ou seja, sistemas que envolvem equações de grau superior a um.
Para a resolução de sistemas pela aplicação dos métodos que você aprenderá
posteriormente, é preciso compreender o sistema, definir um intervalo ou valor de
estimativa inicial, refinar a estimativa, analisar o erro, encerrar as iterações, se for o
caso, e por último analisar o resultado numérico.
Temos que lembrar que os erros têm grande influências nas soluções e devemos
minimizá-los o máximo possível, pois, por exemplo, se estamos calculando um
sistema que relaciona ângulos de inclinação de aviões durante um período de
tempo após a decolagem, se o erro for maior do que o aceitável em longo prazo,
ele pode afetar na rota deles, o que pode causar até mesmo um acidente aéreo.
O mesmo pode ocorrer com o cálculo de estruturas, ou então o peso suportado

por uma ponte. Por estes motivos é necessário e importante compreender modos
para calcular erros e os diferentes tipos de arredondamentos.
Para a melhor compreensão dos conhecimentos presentes nessa unidade,

é importante que você tenha compreendido o que lhe foi ensinado na unidade
anterior, bem como ter feito as atividades de aprendizagem, as reflexões e acessado
os links indicados no Para saber mais.
É preciso, também, que você realize as leituras dos materiais indicados nessa
unidade, as quais visam à complementação do conteúdo da unidade.
Desejo a você dedicação, organização e força de vontade para aprender o que

é proposto. Bons estudos!
Sistemas Lineares e Não Lineares 53

U2

U2
Seção 1
Sistemas lineares: métodos diretos
Os sistemas lineares têm grande importância e aplicação, uma vez que por meio
deles é possível representar situações reais e, aplicando procedimentos específicos,
determinar a solução para essas situações. Na seção 1 desta unidade você aprenderá
a resolver sistemas lineares por meio dos chamados métodos diretos.
1.1 Sistemas lineares

Várias situações podem ser representadas matematicamente por meio de
sistemas lineares, ou seja, sistemas que envolvem equações do primeiro grau.
Podemos afirmar que, se uma equação pode ser escrita como a1x1+a2x2+a3x3+...+anxn
= b em que a1, a2, a3, a4, ..., an e b pertencem ao conjunto dos números reais e x1,
x2, x3, x4, ..., xn são incógnitas, então essa equação é linear.
A união de equações lineares constitui um sistema linear m x n, em que m

representa a quantidade de equações envolvidas e n o número de incógnitas. As
incógnitas indicam um número generalizado, ao qual devemos determinar seu
valor. Vejamos a figura a seguir que apresenta um conjunto numérico.
Figura 2.1 | Sistemas lineares
Fonte: Ribeiro (2007. p. 345).

U2
Os valores atribuídos paras as incógnitas e que fazem com que todas as

equações sejam verdadeiras de forma simultânea constituem o conjunto solução
do sistema.
Os sistemas lineares com menor quantidade de equações e incógnitas são os

2 x 2, ou seja, duas equações e duas incógnitas. A partir de agora, começaremos a
aprender métodos diferentes para resolver sistemas lineares e, também, sistemas
não lineares.
1.2 Sistemas lineares com duas equações e duas incógnitas

Como professor(a) em formação, existem alguns cuidados que você deve tomar
com a linguagem matemática. Um desses cuidados diz respeito às palavras incógnitas
e variáveis, pois uma incógnita possui um valor ao qual devemos determinar, como
é o caso dos símbolos algébricos empregados nos sistemas lineares, já as variáveis
podem assumir diversos valores, como podemos perceber nas funções.
Resolver um sistema linear significa determinar valor para todos os símbolos

algébricos envolvidos, de modo que todas as equações se tornem verdadeiras.
Um sistema linear pode ser possível, impossível ou possível e indeterminado.

Dizemos que um sistema é possível quando podemos determinar o valor atribuído
para as incógnitas de modo que as equações dos sistemas se tornem verdadeiras.
Um sistema impossível é aquele no qual não conseguimos determinar o valor para
as incógnitas de modo que todas as equações envolvidas se tornem verdadeiras
simultaneamente. Um sistema possível e indeterminado é aquele que existe
solução, porém, essa solução não é única.
Outra classificação para os sistemas é que eles podem ser homogêneos, ou

não. Um sistema homogêneo é aquele nos quais as soluções valem zero, como é
o caso do sistema a seguir.
ax1 + bx2 = 0

 cx1 − dx2 = 0
Os métodos com maior frequência aplicados para a resolução de sistemas

lineares do tipo 2 x 2 são: comparação, substituição, adição e método gráfico,
sendo estes os ensinados no Ensino Fundamental. Vamos aprender mais a respeito
desses métodos.
Método da Comparação: O método da comparação consiste em isolar uma

das incógnitas do sistema nas duas equações para, posteriormente, comparar as
sentenças resultantes. Vejamos um exemplo.

U2
Exemplo - resolução de sistemas pelo método da comparação: Em um

restaurante há 12 mesas, todas ocupadas. Algumas estão ocupadas por 4 pessoas,
outras por apenas 2 pessoas, em um total de 38 fregueses. Qual é o número de
mesas ocupadas por apenas 2 pessoas?
Resolução: Para este problema, vamos denotar a quantidade de mesas com

dois lugares pela letra x, e para a quantidade de mesas com quatro lugares será
denotada pela letra y.
Assim, poderemos montar o seguinte sistema:
Para resolver este sistema de duas incógnitas pelo método da comparação,

podemos isolar ou x ou y, na primeira equação, e a mesma incógnita na segunda
equação. Desta forma temos que:
Agora, poderemos realizar a comparação entre as duas equações, uma vez

que, se x = 12 – y e o mesmo x é igual a 19 – 2y, então pela propriedade transitiva
12 – y = 19 – 2y, assim:
12 − y = 19 − 2 y
2 y − y = 19 − 12
y=7
Então, o número de mesas com quatro lugares é 7, agora basta substituir este
valor na primeira linha para encontrar a quantidade de mesas com dois lugares:
Logo o número de mesas com dois lugares são 5 e com quatro lugares são 7.

U2
Acabamos de retomar conceitos do método da comparação para

resolver sistemas lineares com duas equações e duas incógnitas.
Reflita a respeito de como você poderia ensinar esse método
por meio de uma aula que utilizasse a metodologia da resolução
de problemas. Compartilhe conosco suas reflexões por meio de
participações no fórum da disciplina.
Método da Substituição: O método da substituição consiste em determinar o

valor de uma das incógnitas em relação a outra incógnita em qualquer uma das
equações.
Após determinar o valor de uma delas, utilizar um termo resultante da equação

para realizar uma substituição, utilizando a outra equação. Vejamos um exemplo
de como aplicar e utilizar esse método.
Exemplo – Método da Comparação: Compramos 6kg de chá e 4kg de café

por um preço total de R$16,60. Sabendo que 4kg de chá mais 2kg de café custam
R$9,40, quanto custa o chá e o café?
Resolução: Vamos denotar o custo do chá pela letra x e o custo do café pela
letra y, e desta forma montaremos o seguinte sistema:
Para resolver esse sistema pelo método da substituição é necessário determinar

o valor de uma incógnita em relação a outra, em qualquer uma das equações.
Nesse exemplo optaremos por isolar o y na segunda equação, vejamos:
Com isso podemos afirmar que y é o mesmo que 4,7 – 2x e podemos utilizar
esse valor na primeira equação, uma vez que não foi essa equação do sistema que
utilizamos para determinar o valor de y. Substituindo na primeira equação temos

U2
Logo, o custo do chá é R$1,10, e agora substituímos este valor para encontrar
o custo do café, temos que:
Y = 4,7 – 2x
Y = 4,7 – 2.1,1 = 4,7 – 2,2 =2,5
Concluímos então que o custo do café é R$2,50.
Agora que você retomou os conceitos dos métodos de

substituição e de comparação para a resolução de sistemas
lineares 2 x 2, reflita a respeito de quais procedimentos
algébricos são empregados na sua aplicação. Pense a
respeito de como você pode ensinar estudantes do 7º ano a
utilizar esses métodos.
Método da Adição: O método da adição consiste em multiplicar uma ou as

duas equações, por valores adequados, de modo que o coeficiente numérico de
uma das incógnitas em uma das equações seja o oposto do coeficiente numérico
da mesma incógnita, mas na outra equação, de modo que, ao somar as duas
equações uma das incógnitas se cancela. Vejamos um exemplo de aplicação
desse método.
Exemplo – Método da adição: Para colaborar com a campanha contra a fome, o

Circo do Dedé apresentou um espetáculo em que crianças de 6 anos não pagavam
entrada. De 6 a 16 anos, a entrada custava 2kg de feijão. Acima de 16 anos cada
pessoa pagava 3kg de feijão. O espetáculo arrecadou 1.496kg de feijão com a entrada
de 665 pagantes. Quantas pessoas maiores de 16 anos foram assistir ao espetáculo?
Resolução: Após definir uma incógnita x para a quantidade de pessoas com

U2
idades entre 6 e 16 anos, e uma incógnita y para a quantidade de pessoas com a

idade acima de 16 anos, vamos definir o seguinte sistema:
 x + y = 665

2 x + 3 y = 1496
Para resolver esse sistema pelo método da adição, podemos multiplicar toda a
primeira equação por -3, assim termos -3y na primeira equação e 3y na segunda
equação e, quando somarmos as duas, a incógnita y será eliminada. Vejamos o sistema:
 x + y = 665

2 x + 3 y = 1496
Possui os mesmos resultados que o sistema:
−3 x − 3 y = −1995

 2 x + 3 y = 1496
Agora, somando as duas equações obtemos como resultado:

− x = −499
Multiplicando ambos os lados da equação por -1, ficamos com x = 499. Logo,
a quantidade de pessoas que têm idade entre 6 e 16 anos que foram assistir ao
espetáculo foram 499.
Este não é o único modo de resolver esse sistema. Observe o mesmo sistema
resolvido utilizando novamente o método da adição, porém, sendo realizada outra
multiplicação.
 x + y = 665

2 x + 3 y = 1496
Podemos multiplicar a primeira equação por -2, pois assim, na primeira equação,
teríamos -2x e, na segunda, 2x, deste modo, ao somar as equações, a incógnita x
seria eliminada. Vejamos:
−2 x − 2 y = −1330

 2 x + 3 y = 1496
Somando as duas equações obtemos:
y = 166

U2
Ou seja, a quantidade de pessoas com mais de 16 anos que foram assistir ao

espetáculo é de 166. Para determinar o valor de x é necessário substituir o valor de
y em qualquer uma das equações, deste modo:
2 x + 3 y = 1496
2 x + 3.166 = 1496
2 x + 498 = 1496
x = 499
Método Gráfico: O método gráfico para a resolução de sistemas lineares 2 x 2

consiste em escrever cada uma das equações como se fossem funções, passando
a lidar com as incógnitas como se fossem variáveis. A solução do sistema é o
ponto no qual as duas retas se cruzam. Vejamos um exemplo:
Exemplo – método gráfico: Pedrinho comprou duas coxinhas e um refrigerante

pelos quais pagou R$7,00. Seu irmão Joãozinho comprou uma coxinha e um
refrigerante a mais que Pedrinho, pagando R$11,50. Chegando em casa, a mãe dos
meninos perguntou quanto custava o refrigerante e a coxinha. Eles não souberam
responder, mas você pode ajudá-los. Descubra quanto custa cada coxinha e cada
refrigerante.
Resolução: Vamos definir uma incógnita c para o preço da coxinha e uma

incógnita r para o preço do refrigerante, desta forma, a partir dos dados do
problema, temos o seguinte sistema:
 2c + 1r = 7
.
3c + 2r = 11, 50
Agora, para aplicar o método gráfico, é necessário isolar a mesma incógnita nas
duas equações, de modo a passar a lidar com elas como funções. Isolando nas
duas equações o r, obtemos: r = 7 − 2c e . Agora, é preciso apresen-
tar graficamente essas duas equações no mesmo plano cartesiano, logo:

U2
Figura 2.2 | Método gráfico e a resolução de sistemas lineares 2 x 2
Fonte: O autor (2015).
Como podemos verificar na figura acima, existe apenas um ponto no qual as

duas retas se cruzam. Esse ponto é a resolução do sistema, ou seja, r = 2 e c = 2,5,
logo, o preço da coxinha custa R$2,50 e o refrigerante R$2,00.
Para saber mais a respeito dos métodos da comparação, substituição,

adição e método gráfico, estude os materiais disponíveis nos links:
<https://pt.khanacademy.org/math/cc-eighth-grade-math/cc-8th-
systems-topic/cc-8th-systems-graphically/v/graphings-systems-of-
equations>.
<http://www.mundoeducacao.com/matematica/sistemas-equacoes-
metodo-comparacao.htm>.
<http://interna.coceducacao.com.br/ebook/pages/1795.htm>.
<https://www.youtube.com/watch?v=EEP3gusOilg>.
Vamos, agora, estudar outros métodos diretos para a resolução de sistemas

lineares.

U2
Resolva o problema a seguir utilizando o método que preferir

e assinale a alternativa que apresenta a resposta correta.
Num jogo de futebol, compareceram 20.000 torcedores, e
a renda deste jogo foi de R$219.000,00. Sabendo-se que o
preço para assistir ao jogo da arquibancada é de R$10,00 e
o das cadeiras numeradas é R$15,00, e que todos que foram
assistir pagaram ingresso, quantos torcedores compraram
cadeiras numeradas?
a) 2450 pessoas.
b) 3800 pessoas.
c) 5000 pessoas.
d) 5478 pessoas.
e) 16200 pessoas.
Método de Gauss - O método de Gauss é um método direto para a resolução

de sistemas lineares, uma vez que obtemos a resolução do sistema com uma
quantidade finita de passos.
O método de Gauss consiste em organizar um sistema linear em um sistema

equivalente triangular superior. Para organizar um sistema para aplicar esse método
é preciso transpor um sistema para uma matriz completa, do modo como você
aprendeu na disciplina de Álgebra Linear e Vetorial.
Após, é preciso transformar a matriz A em uma matriz triangular superior, por

meio de uma sequência de operações entre as linhas da matriz.
Vale lembrar que as operações elementares que podemos aplicar sobre as

matrizes são:
1. Trocar a ordem das operações no sistema.
2. Multiplicar uma ou mais equações do sistema por uma constante, sendo essa
diferente de zero.
3. Adicionar um múltiplo de uma equação em uma outra equação.
Devemos saber que, ao longo do processo da resolução de sistemas, por meio

do método de Gauss, é possível que uma equação do tipo ax + by +cz = n se

U2
torne 0x + 0y + 0z = n. Quando isso ocorre, temos duas possibilidades, uma

é n = 0, e deste modo eliminamos essa equação do sistema e continuamos o
escalonamento. A segunda possibilidade é n diferente de zero e, se isso acontecer,
podemos afirmar que o sistema é incompatível. Vejamos um exemplo da resolução
de um sistema pelo método de Gauss.
Exemplo: Resolva o sistema a seguir utilizando o método de Gauss.

 2a + 4b − 2 x = −8
 −2b + 2c − 2d = 0


−4a − 2b + 8c + 4d = 14
 8a + 6b + 2d = −20
Inicialmente, devemos transpor esse sistema em uma matriz completa, assim:

 
 2 4 −2 0 −8 
 0 
M =  0 −2 2 −2 
 14 
 −4 −2 8 4 −20 
 8 6 0 2 
Agora, devemos iniciar a triangulação. Para isso, aplicamos a estratégia do

pivoteamento, com o cálculo de multiplicadores a cada etapa do processo do
método de Gauss.
Para calcular o pivô desse método, é necessário escolher uma linha e/ou coluna
pivotal, escolhendo no início da primeira etapa do escalonamento o elemento de
maior módulo entre os coeficientes. O primeiro elemento não nulo de cada linha
é o pivô da linha e deve ter valor igual a 1.
Caso seja necessário, podemos mudar as linhas. Agora, devemos zerar os

elementos da primeira coluna que segue da diagonal principal, assim:
−8
2 4 −2 0
0
0 −2 2 −2
14
−4 −2 8 4
−20
8 6 0 2
Vamos dividir todas as linhas por 2, logo:

U2
−4
1 2 −1 0
0
0 −1 1 −1
7
−2 −1 4 2
−10
4 3 0 1
Agora, devemos zerar todos os termos da diagonal principal, e podemos

substituir a linha l3 por l3 + 2l1 , assim:
−4
1 2 −1 0
0
0 −1 1 −1
−1
0 3 2 2
−10
4 3 0 1
Próxima etapa podemos trocar a linha l4 por l4 − 4l1 , assim:

−4
1 2 −1 0
0
0 −1 1 −1
−1
0 3 2 2
6
0 −5 4 1
Agora, podemos substituir a linha l3 por l3 + 3l2 , logo:

−4
1 2 −1 0
0
0 −1 1 −1 
−1
0 0 5 −1
6
0 −5 4 1
Podemos trocar a linha l4 por l4 − 5l2 , deste modo:

−4
1 2 −1 0
0
0 −1 1 −1 
−1
0 0 5 −1
6
0 0 −1 6
Agora, para poder conseguir a triangulação superior da matriz, é necessário zerar

1
o -1 da quarta linha, podemos fazer isso substituindo l4 por l4 + l3 , ficando com:
5

U2
−4
1 2 −1 0
0
0 −1 1 −1 
−1
0 0 5 −1
5, 8
0 0 0 5, 8
Agora que conseguimos triangular a matriz completa, podemos determinar o

valor de cada uma das incógnitas, sendo os seguintes passos:
5, 8d = 5, 8
d =1
5c − d = −1
5c − 1 = −1
5c = 0
c=0
−b + c − d = 0
−b + 0 − 1 = 0
−b = 1
b = −1
a + 2b − c = −4
a − 2 + 0 = −4
a = –4 + 2 = –2
Sendo assim, a resolução do sistema é, respectivamente, -2,-1,0,1. Vamos apren-
der mais a respeito desse método no próximo Para saber mais.
Para aprender mais a respeito de como resolver sistemas lineares pelo

método da eliminação de Gauss e do cálculo do pivô, acesse os links:
<http://www.inf.ufpr.br/silvia/numerico/III2.pdf>
<https://www.youtube.com/watch?v=I1kexTz5GTM>
<http://obaricentrodamente.blogspot.com.br/2012/10/
escalonamento-ou-o-metodo-da-eliminacao.html>
<http://user.das.ufsc.br/~camponog/Disciplinas/DAS-5103/Slides/l15-
linsys-gauss-jordan.pdf>.

U2
Vamos, agora, a outro método para resolver sistemas lineares, a famosa regra
de Cramer.
Outro método possível para a resolução de sistemas é a regra de Cramer.

Esse método de equações pode ser resolvido pela regra de Cramer, desde que
o número de equações seja igual ao número de incógnitas e sua aplicação está
baseado no cálculo de determinante de matrizes, por este motivo, é preciso que o
determinante da matriz dos coeficientes tenha determinante (D) diferente de zero.
Pela regra de Cramer podemos determinar o valor das incógnitas aplicando as

fórmulas:
Dx
x =�
D
Dy
y =�
D
D
z =� z
D
Vejamos um exemplo de como aplicar a regra de Cramer.
 2 x + 5 y − 3z = 9

Seja o sistema S = − x + 2 y + 8 z = 11 , para resolver esse sistema é necessário
 x − 9 y + 3 z = −1

calcular o determinante da matriz incompleta, ou matriz dos coeficientes,
. Tendo em mente que a matriz das incógnitas associada a tal
 x
sistema vale X = �  y  e a matriz dos termos independentes é C .
z
 
Para calcular Dx é necessário substituir na matriz dos coeficientes a primeira
coluna pela matriz dos termos independentes e, na sequência, calcular o
determinante.
Para calcular Dy realizamos o mesmo processo, ou seja, é necessário substituir

na matriz dos coeficientes a segunda coluna pela matriz dos termos independentes
e na sequência calcular o determinante.
Por último, para calcular Dz é necessário substituir na matriz dos coeficientes

a terceira coluna pela matriz dos termos independentes e, na sequência, calcular

U2
o determinante.
Podemos aplicar a regra de Cramer para todo sistema do tipo m x m. Agora,

vejamos o cálculo do determinante da matriz dos coeficientes:
Figura 2.3 | Determinante D, regra de Cramer
Agora, devemos substituir a primeira coluna da matriz dos coeficientes pela matriz
dos termos independentes e, na sequência, calcular o determinante dela, logo:
Figura 2.4 | Determinante Dx
Agora, podemos calcular o valor do x nesse sistema linear, vejamos:
Figura 2.5 | Determinante Dy

U2
Agora, para calcular o valor de y, temos:
Por último, vamos determinar o valor de z.
Figura 2.6 | Determinante Dz
Sendo assim, a resposta para esse sistema é: , e .
Vamos aprofundar o conhecimento a respeito da regra de Cramer no próximo

Para saber mais.
Para saber a respeito desse método de resolução dos sistemas lineares,

estude os materiais disponíveis nos links:
<http://platetamatematico206.blogspot.com.br/2012/02/regra-de-
cramer.html>
<http://www.objetivo.br/ConteudoOnline/mp/Conteudo.aspx?codigo
=7024&token=5%2F2Yd2%2Bzzv%2F29umTApxi0Q%3D%3D>
<http://www.resumoescolar.com.br/matematica/sistemas-lineares-
conceitos-resolucao-e-regra-de-cramer>.
Agora é sua vez de treinar a aplicação desse método.

U2
Aplicaque a regra de Cramer para resolver o sistema:

8 x + 6 y − 10 z = 12
12

S =  4 x − 2 y + 2 z ==24
24
 2x + 6 y − 4z = 6

É correto afirmar que a incógnita y vale:
a) y = -1
b) y = -0,5
c) y = 0
d) y = 2
e) y = 1
Com isso finalizamos a primeira seção dessa unidade. Na próxima aprenderemos

outros métodos para resolver sistemas lineares, mas diferentemente dos métodos
apresentados nessa seção, que são diretos, no próximo veremos métodos Iterativos.

U2
Seção 2
Sistemas lineares: métodos iterativos
A principal ideia dos métodos iterativos é utilizar procedimentos similares aos
aprendidos na unidade 1 desse material impresso para buscar raízes de equações.
2.1 Raízes de equações

Para melhor compreender as explicações que seguirão, que tal estudar o
próximo Para saber mais?
Existem diferentes métodos iterativos para resolver sistemas lineares.

Vamos aprender alguns deles estudando o material disponível no link:
<http://www1.univap.br/spilling/CN/CN_Capt3.pdf>.
Os métodos iterativos para a resolução de sistemas lineares têm como

princípio, a partir de uma aproximação inicial, gerar uma sequência de vetores que
convergem para a solução do sistema.
Esses métodos envolvem um processo que converge um sistema do tipo Ax =

b em outro da forma x = Tx + c equivalente ao inicial, sendo T uma matriz e c um
vetor. Vamos aprender a respeito do primeiro método.
Método Iterativo de Jacobi – este método é utilizado na busca de isolar em

cada equação uma variável e aplica-se em todas elas aproximação inicial, chegando
em outra aproximação, que deve ser melhor que a anterior.
Vejamos um exemplo da aplicação do método iterativo de Jacobi.
Resolva o sistema a seguir aplicando o método iterativo de Jacobi:

U2
Para iniciar o processo é necessário isolar cada uma das incógnitas em cada
uma das equações, obtendo assim:
A partir dessas equações, devemos admitir um ponto de partida, comumente

o vetor de coordenada (0,0,0,0), aplicando essa estimativa inicial calculamos os
novos valores para as variáveis, tornando cada vez mais refinada a precisão dos
valores das variáveis. Deste modo:
Estes resultando são as coordenadas do vetor, que gera um melhor refinamento

para o “chute” inicial. Agora devemos repetir a substituição com os novos valores, logo:

U2
Como podemos observar, a nova estimativa é: (0,78; 3,27; -2; 4,8). Vamos,
agora, à nova substituição.
Com essa iteração obtivemos a nova estimativa, ou seja, os valores que

utilizaremos para continuar refinando nossas respostas.

U2
Novamente, realizando as substituições, obtemos:
Vamos, agora, à próxima iteração.
Perceba que a última e a penúltima iterações resultaram nos mesmos valores,

deste modo podemos afirmar que a resolução do sistema é a = 1, b =3, c = -2 e d = 5.

U2
O método iterativo de Jacobi não é frequentemente ensinado

em aulas da Educação Básica, porém, envolve conceitos
relativamente simples. Você consegue perceber possibilidades
para ensinar esse método da Educação Básica? Reflita a
respeito e compartilhe suas conclusões com os colegas de
aprendizagem por meio da participação no fórum.
Vamos, agora, ao próximo exemplo de aplicação do método iterativo de Jacobi.
Exemplo: Determine o valor das incógnitas no sistema linear a seguir, utilizando

o método iterativo de Jacobi. 1, 2, 3:
Inicialmente, devemos iniciar isolando em cada uma das equações uma das
incógnitas, obtendo assim:
Agora, utilizaremos o vetor com coordenadas (0,0,0) para melhorar a estimativa

inicial, obtendo assim:

U2
Com a primeira iteração obtemos um valor melhor que o inicial, sendo este o
vetor de coordenada (-0,5; -6; 11). Realizando a próxima substituição, temos:
Realizando novamente as substituições, obtemos:
Agora, para analisar o erro, vamos substituir esses valores no sistema original,
para inferir a respeito do erro.

U2
Mesmo não tendo repetido os valores nas iterações, é adequado que, após
realizar algumas, realize substituições para analisar o erro, se é significativo ou não
para o objetivo que se tem ao resolver o sistema. Como podemos verificar, de
acordo com uma margem de erro aceitável, a resposta correta para esse sistema
é a = 0,6, b = 1,9, c = -1 e d = 1.
Agora que você já estudou os exemplos anteriores, vamos a mais uma atividade
de aprendizagem.
1. O sistema linear apresentado a seguir indica o gasto em

distintos mercados de uma cidade para montar diferentes
cestas básicas.
5 x + 2 y − 3 z + 4 w = 8
 6x − 2 y + 4z − w = 7


 x − y + 5 z − 3w = 2
 4 x − 3 y − 2 z = −1
Aplicando o método iterativo de Jacobi, é correto afirmar que
o valor da incógnita w pertence a qual intervalo?
a) [0,2].
b) [3,4].
c) [5,6].
d) [7,8].
e) [9,10].
2. Aplicando o método iterativo de Jacobi para resolver o sistema:

U2
 −4a + b = 1

4a + 8b = −12
É correto afirmar que a alternativa que apresenta a(as)
variável(is) com valor nulo é:
a) a = -0,75 e b = -1,705.
b) a = -0,75 e b = -1,605.
c) a = -0,55 e b = -1,905.
d) a = -1,55 e b = -1,205.
e) a = -0,55 e b = -1,205.
Antes de aprendermos mais um método iterativo, vamos aprender mais a

respeito do Método de Jacobi.
Neste Para saber mais, você é convidado a aprofundar seu conhecimento

a respeito do método iterativo de Jacobi para a resolução de sistemas
lineares. Acesse: <https://www.google.com.br/l?sa=t&rct=j&q=&esr
c=s&source=web&cd=34&ved=0CDAQFjADOB5qFQoTCNWApreEg
ccCFUt_kAod0vQNCQ&url=http%3A%2F%2Fwww.portal.famat.ufu.
br%2Fsites%2Ffamat.ufu.br%2Ffiles%2FAnexos%2FBookpage%2FAne
xo_MA_aula_unidade2.pps&ei=FiS5VdWdI8v-wQTS6bdI&usg=AFQjC
NGPJSY8W2u4I3MrneV2p4LNUFqoIg>
<http://www.dca.ufrn.br/~nogueira/dca0304/material/sislinmiterativos.
pdf>
Método de Gauss-Seidel (álgebrico): esse método é similar ao que você acabou

de aprender, porém, utiliza os valores mais refinados em cada uma das iterações,
garantindo assim uma convergência mais rápida.
Para iniciar esse método iterativo é preciso isolar cada uma das incógnitas em
cada uma das equações. Vejamos um exemplo:
Exemplo: Determine o valor de cada uma das incógnitas no sistema a seguir

U2
utilizando o método de Gauss-Seidel.
12 x − 2 y + 2 z = 14

 2 x + 16 y − 2 z = 32
2 x + 2 y + 10 z = 36

Inicialmente, é preciso isolar as incógnitas em cada uma das equações, assim:
Agora, realizaremos a substituição inicial, ou seja, x = 0, y = 0 e z = 0, obtendo

assim:
Diferentemente do método de Jacobi, para descobrir o valor de y nessa iteração,

não utilizamos x = 0, mas sim x = 1,167, logo:
Na próxima iteração utilizaremos x = 1,167 e y = 1,854, para determinar o valor de z.
Devemos continuar as iterações até que o erro seja pequeno o suficiente para
ser aceito. Quando a variação entre um valor obtido em uma iteração subtraído
do valor obtido na próxima iteração é inferior ao valor do erro aceitável, podemos
considerar como finalizado o método de Gauss-Seidel. Vejamos como fazemos
para calcular a variação:

U2
Vamos continuar nas iterações para resolver esse sistema linear.
Com a próxima iteração obtemos:
Vamos à quarta iteração:
Na quinta iteração temos:

U2
Após realizadas essas iterações podemos verificar a variação entre o valor das
variáveis de uma iteração para a outra, assim:
Como podemos perceber, a variação pode ser considerada como pequena,

por este motivo, podemos afirmar que a solução desse sistema é x = 1,049, y =
2,237 e z = 2,943.
É necessário compreender as características de cada um

dos métodos estudados para resolver sistemas lineares, para
assim inferir sobre quando um é mais adequado que o outro.
Realizando a comparação entre o Método de Jacobi e de
Gauss-Seidel, é correto afirmar que:
a) O método de Jacobi é mais eficiente por se tratar de um

método direto para a obtenção da solução dos sistemas
lineares.
b) O método de Gauss Jacobi é mais eficiente por se tratar de um
método direto para a obtenção da solução dos sistemas lineares.
c) O método de Gauss-Seidel converge para a solução do
sistema de forma mais rápida que o método de Jacobi, uma
vez que utiliza em cada iteração os valores já prontos na
própria iteração.
d) O método de Jacobi converge para a solução do sistema
de forma mais rápida que o método de Gauss-Seidel, uma vez
que utiliza em cada iteração os valores já prontos na própria
iteração.
e) Todas as alternativas estão erradas.

U2
Agora, vamos continuar refletindo a respeito dos métodos aprendidos até o

momento.
Você já aprendeu métodos diretos e métodos iterativos para

resolver sistemas lineares. Reflita a respeito das particularidades
de cada um deles e sobre em quais situações um é mais adequado
que o outro.
Com essa Questão para reflexão finalizamos os conteúdos dessa unidade, mas
você pode continuar aprendendo estudando os links do próximo Para saber mais.
Para saber mais a respeito dos métodos iterativos utilizados para

resolver sistemas lineares, acesse os links: <https://www.google.com.
br/url?sa=t&rct=j&q=&esrc=s&source=web&cd=41&ved=0CB0QFjAA
OChqFQoTCIzCk4WTgccCFcIMkAodkRAOCA&url=http%3A%2F%2Fw
ww.raco.cat%2Findex.php%2FRevistaMetodosNumericos%2Farticle%2
Fdownload%2F68857%2F101634&ei=ZzO5VczyOcKZwASRobhA&usg
=AFQjCNGggFUV4GHeHGWMv7C_ou1QOqZI8g>
http://paginas.fe.up.pt/~faf/mnum/mnum-faf-handout.pdf
<http://www.mat.ufrgs.br/~guidi/grad/MAT01169/calculo_numerico.
pdf>.
Na próxima seção estudaremos métodos para a resolução de sistemas não lineares.

U2
Seção 3
Resolução de sistemas não lineares
Nesta seção aprenderemos métodos para solucionar sistemas não lineares.
Resolver um sistema não linear nada mais é do que determinar pontos em um
subespaço que tornem todas as equações envolvidas no sistema verdadeiras de
forma simultânea.
3.1 Sistemas não lineares

Vamos iniciar essa seção refletindo a respeito de sistemas não lineares.
Aprendemos, no início dessa unidade o que é um sistema

linear, você se lembra? Pense a respeito, o que seria um
sistema não linear? Como você definiria esse tipo de sistema?
Para te ajudar na reflexão, estude o próximo Para saber mais.
Para aprender mais a respeito de sistemas não lineares, estude o material

disponível no link: <http://www.mat.ufrgs.br/~guidi/grad/MAT01169/
calculo_numerico.pdf>
Comumente, em situações reais mais complexas é necessário resolver sistemas

não lineares. Quando estamos lidando com equações relativamente simples de

U2
resolver, podemos, por exemplo, desenhar o gráfico delas e verificar o ponto no

qual elas se interceptam, sendo estes as ou a solução do sistema, como é o caso
do exemplo a seguir.
Exemplo: Ao analisar o custo e as despesas de sua empresa, Manuel pode

representar seu lucro por meio do sistema:
 − x 2 + y = 25
 2
− x − 10 x + y = 25
Sabendo disso, é correto afirmar que o valor das incógnitas x e y valem:
Para resolver esse sistema é necessário isolar uma das incógnitas em cada uma
das equações, passando a lidar com elas como variáveis, assim:
y = x 2 + 10
25x + 25
E
y = x 2 + 10 x + 25
Fazendo a representação gráfica das duas funções no mesmo plano cartesiano
obtemos:
Figura 2.7 | Resolução de sistemas não lineares
Como observamos, as funções não se interceptam em um ponto de coordenada

(0,25), sendo assim, a resposta para esse sistema é x = 0 e y = 25. O gráfico das
funções pode auxiliar na resolução de sistemas não lineares, porém nem sempre
a representação gráfica se torna algo simples, principalmente se passamos a lidar
com equações não lineares que envolvem muitas variáveis. Para esses casos, é mais

U2
adequado a utilização de métodos próprios, como é o caso do que estudaremos

na sequência.
Método de Newton para sistemas não lineares: Esse método consiste em

estabelecer um modelo linear da função f(x) em torno de xk, gerando uma reta
tangente em tono de xk.
Para aplicar esse método é preciso conhecer e avaliar a matriz jacobiana

associada à equação e resolver sistemas lineares. A matriz jacobiana pode ser
obtida por meio da derivação de cada um dos termos, sendo que é necessário que
as equações estejam igualadas a zero.
Vejamos um exemplo. Resolva o sistema a seguir utilizando o método de

Newton, para um vetor inicial (1,5):
 2x + 2 y = 6
 2 2
2 x + 2 y = 18
Inicialmente, é necessário igualar as duas equações do sistema a zero, obtendo

assim:
 2x + 2 y − 6 = 0
 2 2
2 x + 2 y − 18 = 0
A matriz Jacobiana associada a esse sistema é:

 2 2
J ( x) =  
 4x 4 y 
Substituindo o vetor inicial na matriz Jacobiana, obtermos:

 2 2  2 2 
J ( x ') =  = 
 4.1 4.5   4 20 
Para o valor (1, 5) o sistema vale:

 2.1 + 2.5 − 6 = 6
 2 2
2.1 + 2.5 − 18 = 34
Para continuar é necessário determinar a matriz s, tal que:

22 22   2−−66 2   −6 
 ss ==   s =  
44 20
20 −− 434
3420
   −34 

U2
 −6 
Perceba que a matriz   foi formada com os resultados opostos dos valores
 −34 
do sistema utilizando a estimativa inicial, por nós adotada.
Você estudou matrizes e suas propriedades na disciplina de

Álgebra Linear e Vetorial. Pense a respeito de como pode
determinar o valor da matriz s, necessária para que esse método
tenha sequência.
Podemos determinar o valor de s por meio da resolução de um sistema linear,

observe as etapas seguintes:
 2 2 2 2 a   2−−66 2   −6 
    s =    s =  
  b  −434
 4 4 2020 3420
   −34 
Realizando a multiplicação de matrizes obtemos:
 2a +22b   2−6 2   −6 
  s ==  4 20
  s = 
4
 4a + 20
20 b  −34    −34 
Deste modo emerge o:
 2a + 2b = −6

4a + 20b = −34
Podemos resolver esse sistema utilizando qualquer um dos métodos aprendidos

na seção 1 dessa unidade. Nesse momento optaremos pelo método gráfico,
vejamos a figura:

U2
Figura 2.8 | Resolução de sistemas lineares pelo método gráfico
Assim, a resposta para o sistema é a = -1,63 e b = -1,38. Agora é necessário para

1 −1, 63   −0, 63 
determinar a próxima iteração x1 = x0 +s =   +  = .
 5   −1, 38   3, 62 
Agora, iremos iniciar novamente uma iteração, com o valor melhorado para a
 −0, 63 
estimativa de  .
 3, 62 
 2 2   2 2 
( )
J x1 =   = 
 4. ( −0, 63) 4.3, 62   −2, 52 14, 48 
Devemos determinar o valor do sistema utilizando essa nova aproximação, assim:
 2. ( −0, 63) + 2.3, 62 − 6 = 0

2 ( −0, 63) + 2.3, 62 − 18 = 9
2 2
Novamente, devemos determinar a matriz s tal que:

 2 2   0
  s = 
 −2, 52 14, 48   −9 
Mais uma vez, utilizaremos a multiplicação de matrizes para determinar as

coordenadas da matriz s, logo:
  2 2a +22b   a   00 
    =  
, 52a14+,14
 −2−,252  b  −−99
48,48
 2a + 2b   0
 = 
 −2, 52a + 14, 48b   −9 

U2
Essa igualdade de matrizes pode ser expressa pelo sistema:

 2a + 2b = 0

−2, 52a + 14, 48b = −–9
9
Vejamos a representação gráfica das equações, em forma de função, para que

possamos determinar o valor de a e b, na figura a seguir:
Figura 2.9 | Método gráfico para a resolução de sistemas lineares
Como verifica-se o ponto em que as duas retas se interceptam tem coordenada

a = 0,53 e b = -0,53.
Para a próxima iteração temos:

 −0, 63   0, 53   0,1 
x2 = x1 +s =  + = .
 3, 62   −0, 53   3, 09 
Assim, obtivemos o valor que será utilizado na próxima iteração.
 22 22   222 22 2    2 2 
( )
JJ xx33 ==  ( )
33
 ==JJ xx ==  ( ) 3
  = J x =  
44..00,,11 44..33,,09
09 004,,.404,1 12
124,,.36
36
3, 09
   0, 4 12, 36 
Agora, vejamos o valor para essa estimativa no sistema.
 2.0,1 + 2.3, 09 − 6 = 0, 38
 2 2
2.0,1 + 2.3, 09 − 18 = 1,11
 −0, 38 
Sendo assim, temos a novam matriz   . Agora, devemos determinar o
valor da matriz s na relação:  −1,11 

U2
 2 2   −0, 3838
  s = 
 0, 4 12, 36   −1,11
11
Realizando a multiplicação de matrizes temos:
 2 2   a   −−00,,38 38
  .  =  
 0, 4 12, 36   b   −−11,,11
11
Logo:
Vejamos a representação gráfica:
Figura 2.10 | Método gráfico para a resolução de sistemas lineares
Podemos perceber que as coordenadas do ponto de interseção entre as duas

retas é a = -0,1 e b = -0,09. Agora, devemos calcular o valor da próxima iteração.
 0,1   −0,1   0 
x³ = x² +s =  + = .
 3, 09   −0, 09   3 
Devemos prosseguir com o método de Newton para a resolução de sistemas

não lineares até que a variação entre as matrizes obtidas seja pequena, como é o
caso dos valores obtidos nas duas últimas iterações.

U2
1. Aplicando o Método Gráfico para a resolver o sistema não

linear
3 x 2 + 3 y 2 = 12
 2 2
 3x − 3 y = 3
Podemos afirmar que o valor de x positivo é:
a) Aproximadamente 1,58.
b) Aproximadamente 2,03.
c) Aproximadamente 2,15.
d) Aproximadamente 2,23.
e) Aproximadamente 2,3.
2. Utilizando o método de representação gráfica, para resolver

o sistema não linear apresentado na atividade de aprendizagem
anterior, é correto afirmar que o valor positivo da variável y vale:
a) Aproximadamente 0,25.
b) Aproximadamente 0,99.
c) Aproximadamente 1,11.
d) Aproximadamente 1,22.
e) Aproximadamente 1,55.
Com essas atividades de aprendizagem encerramos a segunda unidade a

respeito da disciplina de Cálculo Numérico, mas você pode continuar aprendendo
e aprofundar mais seu conhecimento a respeito de métodos numéricos para
a resolução de sistemas lineares e não lineares. Para isso, estude os materiais
disponíveis nos links a seguir.

U2
Para saber mais a respeito de métodos para resolver sistemas não

lineares estude os materiais disponíveis nos links:
<http://wwwp.fc.unesp.br/~arbalbo/Iniciacao_Cientifica/
sistemasnaolineares/teoria/1_Met_Newton_snl.pdf>
<http://www.icmc.usp.br/~mari/segundoNum2011/
NewtonSistemas2011_2.pdf>
<http://www.professores.uff.br/gbenitez/Aula_6.pdf>
<http://www.math.ist.utl.pt/~calves/cursos/MetPFNL.HTM>
Com esse Para saber mais finalizamos os conteúdos dessa unidade, porém,
seus estudos a respeito dos conceitos aprendidos ainda estão no começo. Na
sequência, vamos apresentar o Fique Ligado da seção, o item que é utilizado para
retomar os conceitos tratados, mas que tal você se adiantar? Faça um resumo do
que você aprendeu nessa unidade, escreva os métodos aprendidos, destacando
cada uma das etapas destes.
Continue tendo bons estudos!
Nesta unidade você aprendeu que:
• Existem diversos métodos para resolver sistemas lineares.
• Os principais tipos de métodos para resolver sistemas lineares

são os diretos e os iterativos.
• Os métodos diretos resultam no resultado exato das incógnitas

envolvidas no sistema, enquanto que os métodos iterativos
podem gerar resultados com certos erros.
• Os erros presentes nos resultados obtidos por métodos

iterativos podem ser calculados e é por meio da análise deles
que decidimos parar com as iterações ou continuar.
• Sistemas que envolvem equações de grau diferente de um

são chamados de sistemas não lineares.
• O método de Newton é um dos métodos mais comuns e

eficientes para a resolução de sistemas não lineares.

U2
Nesta unidade você pôde aprender a respeito de métodos para

a resolução de sistemas lineares e não lineares. Possivelmente,
você percebeu que esses métodos apresentam relativa facilidade,
mas que dependem da repetição de procedimentos, no caso dos
métodos iterativos, ou então da aplicação dos procedimentos,
no caso dos métodos diretos.
E com relação aos sistemas não lineares? Você percebeu que

os métodos para resolver sistemas lineares são diferentes dos
métodos utilizados para a resolução de sistemas não lineares?
Você conseguiu compreender o motivo pelo qual isso acontece?
Pense a respeito e compartilhe suas descobertas no fórum
de debate dessa disciplina e, por falar nele, tenho um convite
muito importante para você. Chegou a hora de praticar! Faça as
atividades de aprendizagem da unidade sugeridas na sequência.
1. Uma gincana da escola continha 60 questões, e os pontos

eram calculados da seguinte forma: P=3C–2E+120, onde C era
a quantidade de questões certas e E a de questões erradas. O
grupo que ganhou a gincana conseguiu 225 pontos. Quantas
questões ele acertou?
a) 15.
b) 30.
c) 45.
d) 50.
e) 55.
2. (FUVEST – SP – adaptada) Carlos e sua irmã Andreia foram

com seu cachorro Bidu à farmácia de seu avô. Lá encontraram
uma velha balança com defeito, que só indicava corretamente
pesos superiores a 60 kg. Assim, eles se pesaram dois a dois e
obtiveram as seguintes marcas:

U2
Carlos e o cão pesam juntos 87 kg;

Carlos e Andreia pesam 123 kg;
Andreia e Bidu pesam 66 kg.
Sabemos que por meio da resolução de um sistema linear
podemos determinar o peso de cada um deles. Assinale a
alternativa que apresenta o peso do Carlos.
a) 50 kg.
b) 61 kg.
c) 72 kg.
d) 80 kg.
e) 82 kg.
3. É possível resolver um sistema linear utilizando diferentes

métodos, por isso é importante ter domínio de mais do que
um método, tendo assim a possibilidade de julgar o que mais
se adequa ao sistema que se pretende solucionar. Sabendo
disso, resolva o sistema a seguir utilizando o método de
Newton para sistemas não lineares e assinale a alternativa que
apresenta a forma gráfica para solucionar o mesmo sistema.
 x 2 + y = 15

2 x − 2 y = 18
a)

U2
b)
c)
d)

U2
e)
4. O custo de uma empresa na compra de matérias primas em

três diferentes estabelecimentos pode ser expresso por meio
do sistema linear:
 2a + 4b − 2c = −4

 4a + 2b + 6c = 22
−2a − 2b + 2c = 4

Sabendo disso e utilizando a técnica que você julgar mais

adequada, assinale a alternativa que apresenta o valor da
incógnita c.
a) -1.
b) 0.
c) 1.
d) 2.
e) 3.
5. Sabe-se que o custo bruto de produção de determinado

produto, pode ser descrito por meio do sistema não-linear
 5 x 2 + 3 y = 120
 2 2 . A respeito dos diferentes métodos de
7 x + 2 y = 435
resolução desse sistema, é correto afirmar que:
a) Esse é um sistema não linear que pode ser resolvido por

meio da regra de Cramer e, para isso, devemos determinar
o valor do determinando da matriz dos coeficientes e dividir
pelo valor do determinante da matriz dos cofatores.
b) Uma forma de resolver esse sistema não linear, ou seja,
determinar o valor das incógnitas envolvidas, é isolar em cada

U2
uma das equações a mesma incógnita, resultando em duas

leis de formação de funções, realizar a representação gráfica
delas e o ponto na qual elas se tocarem tem as coordenadas
com mesmo valor das incógnitas.
c) Todos os sistemas não lineares podem ser resolvidos por
meio do método de Jhon Forth, que consiste em colocar as
duas incógnitas em evidência, tornando assim o sistema linear,
o que possibilita a aplicação da regra de Cramer na sequência.
d) O único método possível para resolver sistemas não lineares
em que as equações têm grau dois é por tentativa e erro, uma
vez que o máximo de possibilidades para tentativas são de 5.
e) Os sistemas não lineares diferentemente dos sistemas
lineares podem ser resolvidos por escalonamento, de modo
que, com aplicação de operações de soma, multiplicação
e divisão é possível determinar o valor de cada uma das
incógnitas envolvidas.

U2
Referências
BARROSO, L. C. et al. Cálculo numérico com aplicações. São Paulo: Harbra, 1987.
MILME, W. E. Cálculo numérico. Tradução Flávio J. Galdieri e Ruy L. Pereira. São

Paulo, Polígono, 1968.
RIBEIRO, Jackson. Matemática: ciência e linguagem: volume único. São Paulo:

Scipione, 2007.
SOUZA, Joamir Roberto de. Novo olhar matemática: versão com progressões. São
Paulo: FTD, 2011.
SPERANDIO, D. Cálculo numérico: características matemáticas e computacionais

dos métodos numéricos. São Paulo: Prentice Hall, 2003.
STAR, P. Introdução aos métodos numéricos. Tradução João Bosco Pitombeira de

Carvavalho. Rio de Janeiro: Interciência, 1979.

Unidade 3
INTERPOLAÇÃO E AJUSTES
DE CURVAS
Debora Cristiane Barbosa Kirnev
Objetivos de aprendizagem: Nesta unidade, temos como objetivo tratar

sobre interpolação. Iremos apresentar diferentes técnicas para esse tipo de
procedimento de cálculo numérico. Abordaremos, também, o conceito de
método dos mínimos quadrados, que pode ser uma outra alternativa para
resolução de problemas em matemática.
Ao final dessa unidade, espero que você, aluno, compreenda as

definições e propriedades referentes a esses tópicos, assim como os
métodos de interpolação por meio de resolução de sistemas de equações,
o método de Lagrange, a Forma de Newton e o ajuste de curvas por meio
do método dos mínimos quadrados.
Os conceitos e as propriedades apresentados nessa unidade são de grande

aplicabilidade em outras áreas, como a administração, a economia e as
engenharias, por permitir a análise de dados e possibilitar tomadas de decisões.
Espero que você aproveite e tenha bons estudos!
Seção 1 | Tipos de interpolação

A interpolação é um tópico do cálculo numérico que auxilia no estudo
de funções e na análise de dados, sendo uma ferramenta importante na
resolução de problemas. Nesta seção, trataremos de diferentes tipos de
interpolação, destacaremos a linear, a quadrática e a polinomial.
U3
Seção 2 | Ajustes de curvas pelo método dos mínimos

quadrados
Ao coletarmos dados ou estudarmos o valor aproximado de uma
função, a interpolação pode não ser a melhor solução para a análises
desses dados, podendo ser viável realizar o ajuste de curvas. Nessas
situações recorremos, por exemplo, ao método dos mínimos quadrados,
que será abordado posteriormente nessa seção.
100 Interpolação e Ajustes de Curvas

U3
Nesta unidade, trataremos de elementos relacionados com procedimentos

numéricos de cálculos, como a interpolação e o método dos mínimos quadrados.
Essas técnicas ajudam a interpretar os dados, entretanto, há uma margem de erro
na aplicação das técnicas, no qual podemos acatar ou não aplicação.
Na primeira seção, trataremos da interpolação linear exemplificando os

procedimentos de cálculo que recorre à resolução de um sistema de equações.
Posteriormente, apresentaremos a definição e um exemplo da interpolação
quadrática que resolve de modo análogo a linear. Após termos vistos esses
exemplos, generalizaremos o processo de interpolação por meio da resolução de
sistemas de equações e apresentaremos outras duas técnicas que não recorrem a
resoluções de sistemas, que são denominadas de interpolação de Lagrange e forma
de interpolação de Newton.
Nessa segunda seção, estudaremos sobre o ajuste de curvas, sendo uma técnica
de cálculo numérico usada para, a partir de dados coletados ou obtidos, realizar
extrapolações, a forma adotada para isso é o método dos mínimos quadrados.
Aprofunde os conhecimentos adquiridos aproveitando ao máximo o conteúdo

disponibilizado neste material.
Interpolação e Ajustes de Curvas 101

U3

U3
Seção 1
Tipos de interpolação
Primeiramente, precisamos compreender o que é uma interpolação. Trata-
se de um método que, a partir de um conjunto de dados discretos, obtido, por
exemplo, por meio da coleta de dados, construímos um novo conjunto associado
a uma regra de formação para esses dados. Essa técnica é aplicada em áreas como
engenharias ou tratamento de informação, dando suporte às análises estatísticas,
pois, por meio da obtenção de dados e de amostras, realizamos a interpolação e
encontramos uma função que se adeque aos dados da amostra.
Desta forma, realizamos a interpolação a fim de obter funções mais simples.

Por exemplo, se tivermos uma função exponencial com coeficientes complexos,
podemos determinar uma função polinomial, obtida por meio de dados da função
de origem, ou seja, a exponencial, e deste modo temos uma função mais simples
para calcularmos novos dados. Nesta aplicação não obteremos os mesmos
resultados da função original, porém, se aproximará o resultado e teremos que
verificar a viabilidade da interpolação por meio do estudo do erro. Se o erro for
aceitável, podemos simplificar as operações por meio da interpolação da função.
Além disso, podemos realizar a reconstituição de uma função se conhecermos

alguns pares ordenados pertencentes à função de origem. Realizando a
interpolação, teremos uma ideia do comportamento dessa função, na qual se
perdeu a representação gráfica ou não se conhece a lei da função.
1.1 Polinômios e funções polinomiais

Vamos, primeiramente, retomar os conceitos de polinômios e funções
polinomiais. Vejamos:
Temos que um polinômio com coeficientes reais na variável x é uma função

que denotamos por f: R →R , com domínio e contradomínio real, definida por:
p(x) = ao + a1x + a2x² + a3x³ +...+ anxn em que ao, a1, a2, ..., an são números reais,
denominados coeficientes do polinômio.
Observamos que o coeficiente ao = a0.x0 é o termo constante. Podemos

determinar o grau de um polinômio p= p(x) não nulo através do expoente de seu

U3
termo dominante. Denominamos de termo dominante aquele possui o mais alto

grau com o coeficiente não nulo. Temos as seguintes características aplicadas aos
polinômios:
1º) Se um polinômio nulo não possui grau, não terá termo dominante.
2º) Se tivermos o coeficiente do termo dominante valendo 1, teremos um polinômio

denominado de mônico.
3º) Um polinômio pode ser ordenado de acordo com as suas potências em ordem
crescente ou decrescente.
4º) Se existir algum coeficiente nulo em um polinômio, este será denominado

incompleto.
5º) Se um polinômio for incompleto de grau n, temos que o número de termos

será menor ou igual a n.
6º) Temos um caso de polinômio completo quando há potências consecutivas

desde o grau mais alto até o termo constante.
7º) O número de termos de um polinômio completo será exatamente n+1.
Qual é a diferença de constante, incógnita e variável na aplicação

de elementos algébricos?
Outro conceito que precisamos retomar é o de função polinomial, lembrando

que função é “uma regra de correspondência, que associa cada elemento x de um
certo conjunto, chamado de domínio da função, a um único elemento y em um
outro conjunto de contradomínio da função” (GERÔNIMO; FRANCO, 2006, p. 176).
Apresentaremos a seguir exemplos de funções polinomiais definidas de f: R→R.
Função afim: esse tipo de função possui a estrutura definida por f(x) = ax +b. Se
b=0, temos um caso particular indicado por função linear; se a=0, temos um caso
denominado de função constante. Nestes casos, ao representarmos essa função
no plano cartesiano, obteremos um gráfico de uma reta.
Vejamos o gráfico da função f(x) = 2x + 5.

U3
Figura 3.1 | Exemplo de função afim
Função quadrática: esse tipo de função possui a estrutura definida por f(x) = ax²
+ b x + c em que a ≠ 0.
Nesse tipo de função temos um gráfico formado por uma curva que
denominamos de parábola, com aplicações em diferentes áreas, como cinemática,
radares, antenas parabólicas e faróis de carros.
Vejamos o gráfico da função g(x) = x² + 3x -1.
Figura 3.2 | Exemplo de função quadrática
Função cúbica: esse tipo de função possui a estrutura definida por f(x) = ax³ +
bx² + cx + d em que a ≠ 0.
Observamos que esse tipo de função possui ao menos uma raiz, podendo, no
máximo, ter três raízes. Vejamos o gráfico da função h(x) = 2x³ - x² + 4x +1.

U3
Figura 3.3 | Exemplo de função cúbica
Outro modo de denominarmos as funções polinomiais é de acordo com o grau

do monômio dominante da função, ou seja, a função afim também é denominada
de função de primeiro grau, a função quadrática também é denominada de função
de segundo grau.
Vimos, no decorrer do curso de matemática, o uso de tecnologias,

como o programa geogebra. Para fortalecer o seu aprendizado, explore
as diferentes representações gráficas de funções por meio desse
programa, assista ao vídeo tutorial indicado a seguir como base para
desenvolver essa atividade. Disponível em:
<https://www.youtube.com/watch?v=xyHDqZJPeLQ>
1.2 Interpolação linear

A interpolação linear consiste em interpolar um conjunto de dados ou uma função
por meio a partir de dois pares ordenados. Vejamos a sistematização desse conceito.
Considere dois pares ordenados distintos de uma função f(x), ou seja, ( x0, y0) e (x1,
y1). Determinaremos um novo par ordenado (x, y), de modo que x esteja compreendido

U3
ente x0 e x1 e, consequentemente, y estará compreendido entre y0 e y1, faremos isso

por meio da interpolação polinomial, que para esse caso resulta em um gráfico de
uma função de primeiro grau e denominaremos de interpolação linear.
Observamos que o grau do polinômio interpolador é uma unidade a menos do

que o número de adotados. Como utilizamos dois pontos, temos um polinômio
interpolador de grau 1, recorrendo a definição anterior de polinômios e adotando
a ordem decrescente temos:
p ( x ) = a1 x + a0
Temos que y = p(x), assim, para determinar o polinômio interpolador, teremos

que resolver o sistema linear adotando os pontos ( x0, y0) e (x1, y1), que são
elementos conhecidos , ou seja:
a1 x 0 + a0 = y0

a1 x 1 + a0 = y1
Neste sistema, os valores de a0 e a1 são desconhecidos, ou seja, são as incógnitas

desse sistema de equações.
Sendo assim, a matriz dos coeficientes é dado por:

 x 1
A= 0 
 x1 1
Analisando o determinante dessa matriz temos que det A = x0 – x1 , se o

determinante for diferente de zero, o sistema terá solução, ou seja, se x0 –x1 ≠
0, ou ainda, x0 ≠ x1. Deste modo, se adotarmos pontos distintos para realizar a
interpolação, encontraremos uma única solução para o sistema.
Exemplo: Considere a função f(x) = sen(x) + x +2. Temos que os pares ordenados
(0, 2) e (3, 5) são pontos pertencentes a essa função, qual a função resultante da
interpolação linear por esses pontos?
Solução: representando o problema graficamente, temos o seguinte:

U3
Figura 3.4 | Exemplo de interpolação linear
Simplificando o processo de interpolação linear, temos que determinar a

equação da reta que passa pelos pontos (0, 2) e (3, 5). Para isso aplicaremos o
método descrito anteriormente e a equação da reta resulta na função p(x), vejamos:
1º) Determinamos o sistema de equações:
0.a1 + a0 = 2

3a1 + a0 = 5
2º) Da primeira equação podemos concluir que a0 = 2, substituindo na segunda
equação temos:
3a1 + 2 = 5
3a1 = 5 − 2
3a1 = 3
a1 = 1
3º) Concluímos que a função p(x) = x + 2, que será o polinômio interpolador da
função f(x) = sen(x) + x +2.

U3
Existem outras técnicas para determinar a equação da reta por dois

pontos e, consequentemente, o polinômio interpolador, acesse o link
indicado a seguir e aprofunde o seu conhecimento:
Disponível em: <http://www.matematica.pucminas.br/profs/web_
fabiano/calculo1/lineares.pdf>
1.3 Erro de truncamento

Ao realizarmos a interpolação de uma função, estamos sujeitos a uma margem
de erro, analisaremos a situação que denominamos de erro de truncamento ( ET
). Considere f(x) uma função na qual será aplicada a interpolação, indicamos por
p(x) o polinômio interpolador. Temos que esse tipo de erro é obtido por meio de:
f '' ( ε )
ET ( x ) = ( x − x0 ) ⋅ ( x − x1 ) ⋅
2
Sendo x um ponto pertencente ao intervalo interpolado e x0, x1 pontos

pertencentes à interpolação. Quanto a f '' ( ε ) é a segunda derivada da função
interpolada. Aplicando a fórmula, temos que o erro máximo aceitável, denominado
de cota máxima para o erro de truncamento, é definido por:
f '' ( ε )
ET ( x ) ≤ ( x − x0 ) ⋅ ( x − x1 ) ⋅
2
Graficamente, temos que:
Figura 3.5 | Erro de truncamento para interpolação linear

U3
Observe que na representação gráfica a diferença do valor real e do valor

aproximado será o erro da interpolação. Comparando com a cota máxima de erro
de truncamento podemos validar ou não a interpolação.
1.4 Interpolação quadrática

Veremos como realizar uma interpolação por meio de um polinômio
interpolador de 2º grau. Neste caso, temos:
p ( x ) = a2 x ² + a1 x + a0
Temos que y = p(x). Assim, para determinar o polinômio interpolador, teremos
que resolver o sistema linear adotando os pontos (x0, y0), (x1, y1) e (x2, y2), que são
elementos conhecidos, ou seja:
a2 x 0 ² + a1 x 0 + a0 = y0

a2 x 1 ² + a1 x 1 + a0 = y1
a x ² + a x + a = y
 2 2 1 2 0 2
Neste sistema, os valores de a0, a1 e a2 são desconhecidos, ou seja, são as

incógnitas desse sistema de equações.
Temos que, no Brasil, o censo demográfico é realizado de 10 em 10 anos, ou seja,

é quando obtemos dados precisos da população do país. Recorremos à interpolação
para estimar a quantidade do número de habitantes em anos intermediários. Veremos
a seguir a aplicação desse tipo de interpolação em um exemplo.
Exemplo: Indicamos na tabela a seguir o número de habitantes de uma cidade

A em três censos demográficos.
Tabela 3.1 | Coleta de dados da cidade A

Ano 1990 2000 2010
Nº de Habitantes 87750 90160 92590
Qual é o número aproximado de habitantes na cidade A em 2005?
Solução: Observe que neste exemplo estamos realizando a interpolação por meio
da coleta de dados. Podemos representar graficamente os dados, vejamos:

U3
Figura 3.6 | Exemplo interpolação quadrática
Intuitivamente, podemos deduzir que o número de habitantes no ano de 2005

está estimado no intervalo de 91 e 92 mil habitantes, mas precisamos de mais precisão
para esses dados. Para estimar o número de habitantes, teremos que determinar o
polinômio interpolador de segundo grau, tal que p ( x ) = a2 x ² + a1 x + a0 , sendo
a0, a1 e a2 valores desconhecidos. Para isso, resolveremos o sistema de equações
lineares a partir dos pares ordenados:
(x0, y0) = (1990, 87750)
(x1, y1) = (2000, 90160)
(x2, y2) = (2010, 92590)
Substituiremos esses pares ordenados no sistema linear a seguir, vejamos:
a2 x 0 ² + a1 x 0 + a0 = y0

a2 x 1 ² + a1 x 1 + a0 = y1
a x ² + a x + a = y
 2 2 1 2 0 2
a21990² + a11990 + a0 = 87750


a2 2000² + a1 2000 + a0 = 90160
a 2010² + a 2010 + a = 92590
 2 1 0
Ajustando o sistema, temos:

U3
3960100a2 + 1990a1 + a0 = 87750


4000000a2 + 2000a1 + a0 = 90160
4040100a + 2010a + a = 92590
 2 1 0
Quais são os métodos aplicados para a resolução desse sistema

de equação linear?
Adotaremos o método da substituição para resolução desse sistema linear,

descreveremos o método indicando as etapas de cálculo, vejamos:
1º) Na primeira equação, isolaremos o a0, isto é:
a0= 87750 – 3960100a2 – 1990a1
2º) substituindo a0 na segunda equação e agrupando os termos semelhantes, temos:
4000000a2 + 2000a1 + (87750 – 3960100a2 -1990 a1) = 90160
39900a2 + 10a1 + 87750 = 90160
39900a2 + 10a1 = 90160 – 87750
39900a2 + 10a1= 2410
3º) Isolaremos a1 no resultado anterior:
39900a2 + 10a1= 2410
10a1= 2410 - 39900a2
a1= 241 - 3990a2
4º) Substituiremos o a0 da primeira etapa na terceira equação e agruparemos os

termos semelhantes:

U3
4040100a2 + 2010a1 + ( 87750 – 3960100a2 -1990 a1) = 92590
80000a2 + 20a1 + 87750 = 92590
80000a2 + 20a1 = 92590 - 87750
80000a2 + 20a1 = 4840
5º) Substituiremos o a1 da terceira etapa no resultado anterior, agruparemos os

termos semelhantes e determinaremos a2:
80000a2 + 20a1 = 4840
80000a2 + 20(241 - 3990a2) = 4840
80000a2 +4820 -79800a2 = 4840
200a2 +4820 = 4840
200a2 = 4840 - 4820
200a2 = 20
a2 = 0,1
6º) Retomando o a1 da terceira etapa e aplicando o resultado anterior temos:
a1= 241 - 3990a2
a1= 241 – 3990*0,1
a1= 241 – 399
a1= – 158
7º) Retomando o a0 da primeira etapa e aplicando o resultados anteriores temos:
a0= 87750 – 3960100a2 – 1990a1
a0= 87750 – 3960100*(0,1) – 1990*(-158)
a0= 87750 – 396010 +314420
a0= 6160

U3
Após determinarmos os coeficientes a0 = 6160, a1 = -158 e a2 = 0,1 temos que

polinômio interpolador é dado por: p ( x ) = 0,1x ² − 158 x + 6160
Para estimarmos a população de 2005, adotamos x =2005 e substituímos na

função de interpolação, vejamos:
p ( 2005 ) = 0,1*(2005)² − 158 * 2005 + 6160

p ( 2005 ) = 0,1* 4020025 − 316790 + 6160
p ( 2005 ) = 402002, 5 − 316790 + 6160
p ( 2005 ) = 91372, 5
Analisando o resultado, temos que o número aproximado de habitantes na

cidade A, em 2005, é de 91.373 pessoas.
1.5 Interpolação polinomial

Vimos, anteriormente, aplicações da interpolação polinomial para polinômios
interpoladores de primeiro e segundo grau. Após termos explorados esses
conceitos, vamos tratar do processo de generalização da interpolação polinomial.
Em geral, podemos entender a interpolação como aproximação de uma função
f(x) por outra função p(x), em geral polinomial. Algumas razões para realizarmos
esses procedimentos são:
1º) Estimar dados intermediários por meio de dados conhecidos. Vejamos um

exemplo a seguir.
Exemplo: (Adaptação de RUGGIERO; LOPES, 1988, p. 146) A seguinte tabela

relaciona a temperatura e o calor específico da água:
Tabela 3.2 | Coleta de dados de temperatura e o calor específico da água

Temperatura (ºC) Calor específico
20 0,99907
25 0,99852
30 0,99826
35 0,99818
40 0,99828
45 0,99849
50 0,99878
Fonte: Adaptado de Ruggiero e Lopes (1988, p. 146).

U3
Supondo que se queira calcular:
a) O calor específico da água a 32,5ºC.
b) A temperatura para a qual o calor específico é 0,99837.
Para responder a esses itens, poderíamos considerar os dados da tabela como pares
ordenados, cuja variável independente é a temperatura e a variável dependente é
o calor específico. Teríamos que determinar a função que interpola esses pares
ordenados. Graficamente, temos que:
Figura 3.7 | Exemplo interpolação polinomial
2º) Lidar com funções, cujas operações de diferenciação e integração são

inviáveis ou impossíveis de serem efetivadas, como a função a seguir:
x
3
∫
2
f ( x) = e − t dt
x0
Apresentaremos a seguir a problemática a respeito da interpolação polinomial.

Considere a tabela a seguir com (n+1) pontos distintos, tais que:
Tabela 3.3 | Problema geral da interpolação

x f(x)
x0 f ( x0 )
x1 f ( x1 )
x2 f ( x2 )
 
xn f ( xn )

U3
Temos que interpolar uma função f(x) incide em se obter uma função g(x), de
modo que:
g ( x0 ) = f ( x0 )
g ( x1 ) = f ( x1 )

g ( xn ) = f ( xn )
Essa problemática pode ser indicada graficamente para n = 5 como:
Figura 3.8 | Problema geral da interpolação
Qual seria a generalização da interpolação polinomial?
Definiremos em termos gerais a interpolação polinomial. Considere os pontos

dados na tabela anterior para realizarmos a aproximação de f(x) por um polinômio
de grau menor ou igual a n, isto é:
pn ( x) = a0 + a1 x + a2 x 2 + ... + an x n
De modo que:
f ( xk ) p=
= n ( xk ), k 0,1, 2,....., n

U3
Sendo assim, de modo análogo ao exposto na interpolação linear e quadrática,

teremos que resolver um sistema de equações para determinarmos um polinômio
interpolador. Em termos gerais, temos que:
ao + a1 x0 + a2 x02 + ...an x0n = f ( x0 )

ao + a1 x1 + a2 x12 + ....an x1n = f ( x1 )
ao + a1 x2 + a2 x22 + ....an x2n = f ( x2 )

ao + a1 xn + a2 xn2 + ...an xnn = f ( xn )
Nesse sistema as incógnitas são:

a0 , a1 , a2 ,....., an
Indicando o sistema na forma matricial, temos:
1 x0 x02 L x0n   a0   f ( x0 ) 
    
1 x1 x12 L x1n   a1   f ( x1 ) 
1 x2 x22 L x2n   a2  =  f ( x2 ) 
    
M M M O    
1 n   
 xn 2
a
xn L xn   n   f ( x )
n 
Temos que a matriz dos coeficientes é dada por:

1 x0 x02 L x0n 
 
1 x1 x12 L x1n 
A = 1 x2 x22 L x2n 
 
M M M O 
1 xn 2 n
xn L xn 

Observe que em cada linha da matriz A temos uma potenciação, nesse caso de
coeficientes, temos uma matriz de Vandermonde.

U3
Em uma matriz de Vandermonde, os coeficientes estão em progressão

geométrica. Para saber mais, acesse o link e aprofunde seu conhecimento
sobre o assunto.
Disponível em: <http://www.paulomarques.com.br/arq12-12.htm>
Segue que para x0, x1, x2, ..., xn diferentes temos o determinante da matriz dos
coeficientes diferentes de zero e o sistema possui uma única solução. Assim, há
um único polinômio interpolador para a função.
Existe alguma outra forma de determinar o polinômio interpolador

além da resolução do sistema de equações?
Entretanto, há diferentes formas de representar a interpolação polinomial,

anteriormente vimos a interpolação linear e a quadrática, a seguir apresentaremos
outros métodos para obter o polinômio interpolador.
1.6 Interpolação polinomial de Lagrange

A interpolação polinomial de Lagrange trata-se de um método de interpolação
no qual temos a seguinte estrutura:
n
Pn(x) = L0(x)f0 + L1(x)f1 + L2(x)f2 + … + Ln(x)fn = ∑ L ( x) f
i =0
i i
Nessa estrutura temos que Li(x) i = 0, 1, 2, .., n são polinômios individuais de

grau n em x denominados de coeficientes de interpolação de Lagrange.
Temos que em Pn(x) os coeficientes de interpolação de Lagrange precisam

satisfazer a seguinte condição:
1 se i = j

Li(xj) = 
0 se i ≠ j


U3
Sendo assim, temos que Li(x) pode ser definido como:

( x − x0 )( x − x1 )...( x − xi −1 )( x − xi +1 )...( x − xn )
Li(x) =
( xi − x0 )( xi − x1 )...( xi − xi −1 )( xi − xi +1 )...( xi − xn )
A partir dessa definição podemos verificar que:

n
Pn(xj) = ∑ L (x ) f
i =0
i j j = f j sendo j = 0, 1, 2, ..., n
Para ilustrar a interpolação polinomial de Lagrange, temos o seguinte exemplo:
Exemplo: contruíremos um polinômio cúbico por meio da interpolação de La-

grange que interpola a função f(x) considerando os seguintes dados indicados na
tabela a seguir:
Tabela 3.4 | Exemplo de interpolação de Lagrange

I 0 1 2 3
xi 1 2 3 4
fi 1,54 0,58 0,01 0,35
Indicando os dados na estrutura do polinômio interpolador de Lagrange temos:
P3(x) = 1,54L0(x) + 0,58L1(x) + 0,01L2(x) + 0,35L3(x)
Temos que determinar os coeficientes de interpolção de Lagrange, aplicando a

definição obtemos esses coeficientes, vejamos:
1º) Determinação de Lo(x).
( x − 2)( x − 3)( x − 4) 1
Lo(x) = = − ( x − 2)( x − 3)( x − 4)
(1 − 2)(1 − 3)(1 − 4) 6
1
Lo(x) = − ( x ² − 3 x − 2 x + 6)( x − 4)
6
1
Lo(x) = − ( x ² − 5 x + 6)( x − 4)
6

U3
1
Lo(x) = − ( x ³ − 4 x ² − 5 x ² + 20 x + 6 x − 24)
6
1
Lo(x) = − ( x ³ − 9 x ² + 26 x − 24)
6
2º) Determinação de L1(x).
( x − 1)( x − 3)( x − 4) 1
L1(x) = = ( x − 1)( x − 3)( x − 4)
(2 − 1)(2 − 3)(2 − 4) 2
1
L1(x) = ( x ² − 3 x − x + 3)( x − 4)
2
1
L1(x) = ( x ² − 4 x + 3)( x − 4)
2
1
L1(x) = ( x ³ − 4 x ² − 4 x ² + 16 x + 3 x − 12)
2
1
L1(x) = ( x ³ − 8 x ² + 19 x − 12)
2
( x − 1)( x − 2)( x − 4) 1
L2(x) = = − ( x − 1)( x − 2)( x − 4)
(3 − 1)(3 − 2)(3 − 4) 2
1
L2(x) = − ( x ² − 2 x − x + 2)( x − 4)
2
1
L2(x) = − ( x ² − 3 x + 2)( x − 4)
2
1
L2(x) = − ( x ³ − 4 x ² − 3 x ² + 12 x + 2 x − 8)
2
1
L2(x) = − ( x ³ − 7 x ² + 14 x − 8)
2

U3
( x − 1)( x − 2)( x − 3) 1
L3(x) = = ( x − 1)( x − 2)( x − 3)
(4 − 1)(4 − 2)(4 − 3) 6
1
L3(x) = ( x ² − 2 x − x + 2)( x − 3)
6
1
L3(x) = ( x ² − 3 x + 2)( x − 3)
6
1
L3(x) = ( x ³ − 3 x ² − 3 x ² + 9 x + 2 x − 6)
6
1
L3(x) = ( x ³ − 6 x ² + 11x − 6)
6
Para determinarmos o polinômio interpolado, termos que substituir os

coeficientes de interpolação, vejamos:
P3(x) = 1,54L0(x) + 0,58L1(x) + 0,01L2(x) + 0,35L3(x)

1 1
P3(x) = 1,54. (− )( x ³ − 9 x ² + 26 x − 24) + 0,58. ( x ³ − 8 x ² + 19 x − 12) +
6 2
1 1
0,01. ( − )( x ³ − 7 x ² + 14 x − 8) + 0,35. ( )( x ³ − 6 x ² + 11x − 6)
2 6
Aplicando a propriedade distributiva temos:
1 40, 04
P3(x) = ( − x ³ + 2, 31x ² − x − 4) + (0, 29 x ³ − 2, 32 x ² + 5, 51x − 3, 48) +
6 6
0, 35 3, 55
(−0, 005 x ³ + 0, 035 x ² − 0, 07 x + 0, 04) + ( x ³ − 0, 35 x ² + x + 0, 21)
6 6
Agrupando os termos semelhantes, temos:
0, 52 3, 55
P3(x) = x ³ − 0, 325 x ² − x + 0, 21
6 6
Reescrevendo o polinômio com os coeficientes como frações irredutíveis temos:
13 13 71 21
P3(x) = x³ − x² − x+
150 40 120 100

U3
Representando graficamente o polinômio interpolador obtemos:
Figura 3.9 | Exemplo da interpolação de Lagrange
1.7 Forma de interpolação polinomial de Newton

Nesta subseção, trataremos de outra forma de determinar o polinômio de
interpolação, que denominamos de interpolação polinomial de Newton. Nesta
forma não é necessário que os pontos usados sejam igualmente espaçados ou
que os valores das abscissas sejam necessariamente em ordem crescente.
A expressão da forma de Newton é indicada por:
Pn ( x) = d 0 + d1 ( x − x0 ) + d 2 ( x − x0 )( x − x1 ) + ........ + d n ( x − x0 )( x − x1 )...( x − xn −1 )
Em que os coeficientes dn são definidos por:
d 0 = f [ x0 ] = f ( x0 )
d1 = f [ x1 , x0 ]
d 2 = f [ x2 , x1 , x0 ]

d n = f [ xn , xn −1 ,........, x2 , x1 , x0 ]
As indicações entre colchetes são denominadas de diferenças divididas e são

definidas por:

U3
f ( xi ) − f ( x j )
f [ xi , x j ] =
xi − x j
f [ xi , x j ] − f [ x j , xk ]
f [ xi , x j , xk ] =
xi − xk
f [ xi , x j , xk ] − f [ x j , xk , xl ]
f [ xi , x j , xk , xl ] =
xi − xl

f [ xn , xn −1 ,..., x2 , x1 ] − f [ xn −1 , xn − 2 ,..., x1 , x0 ]
f [ xn , xn −1 ,........, x2 , x1 , x0 ] =
xn − x0
Sendo o polinômio interpolador determinado por:
Pn ( x) = f [ x0 ] + ( x − x0 ) f [ x1 , x0 ] + ( x − x0 )( x − x1 ) f [ x2 , x1 , x0 ] + .... +
+( x − x0 )( x − x1 )...( x − xn −1 ) f [ xn , xn −1 ,..., x2 , x1 , x0 ]
No desenvolvimento dos cálculos utilizamos uma tabela recursiva, a título de

exemplo indicamos até a ordem 4.
Tabela 3.5 | Tabela de diferenças

x Ordem 0 Ordem 1 Ordem 2 Ordem 3 Ordem 4
x0 f [ x0 ]
f [ x1 , x0 ]
x1 f [ x1 ] f [ x2 , x1 , x0 ]
f [ x2 , x1 ] f [ x3 , x2 , x1 , x0 ]
x2 f [ x2 ] f [ x3 , x2 , x1 ] f [ x4 , x3, x2 , x1 , x0 ]
f [ x3 , x2 ] f [ x4 , x3, x2 , x1 ]
x3 f [ x3 ] f [ x4 , x3 , x2 ]
f [ x4 , x3 ]
x4 f [ x4 ]
Exemplo: (Adaptação de RUGGIERO; LOPES, 1988 p. 160) Determinaremos o

polinômio que interpole os pares ordenados indicados na tabela a seguir aplicando
a forma de Newton.

U3
Tabela 3.6 | Tabela de dados

x -1 0 2
f(x) 4 1 -1
Solução: Temos que determinar o polinômio que atende a seguinte estrutura:
P2 ( x) = f ( x0 ) + f [ x1 , x0 ]( x − x0 ) + f [ x2 , x1 , x0 ]( x − x0 )( x − x1 )
Realizamos o procedimento das diferenças divididas indicadas na tabela a seguir:
Tabela 3.7 | Exemplo de tabela de diferenças

x Ordem 0 Ordem 1 Ordem 2
-1 4
-3
0 1 2/3
-1
2 -1
Segue que:
f [ x1 ] − f [ x0 ] 1− 4 −3
f [ x1 , x0 ] = = =
x1 − x0 0 − (−1) 1
f [ x2 ] − f [ x1 ] −1 − 1 −2
f [ x2 , x1 ] = = = = −1
x2 − x1 2−0 2
f [ x2 , x1 ] − f [ x1 , x0 ] −1 − (−3) 2
f [ x2 , x1 , x0 ] = = =
x2 − x0 2 − (−1) 3
Substituindo no polinômio indicado anteriormente, temos:

2
P2 ( x) = 4 − 3( x + 1) + ( x + 1)( x)
3
2 2
P2 ( x) = 4 − 3 x − 3 + x 2 + x
3 3
7 2
P2 ( x) = 1 − x + x 2
3 3

U3
Assista ao vídeo que explica os termos notacionais e os procedimentos

diferenças divididas de Newton e aprofunde o seu conhecimento.
Disponível em:<https://www.youtube.com/watch?v=fr1oGgA7QxU>
1. Por meio da resolução de sistema de equação encontre o

polinômio que interpole os pontos da tabela utilizada no último
exemplo e confronte os métodos, lembrando que ambos têm
que dar o mesmo resultado.

x -1 0 2
f(x) 4 1 -1
Fonte: Ruggiero e Lopes (1988, p. 160).
2. Qual é a margem de erro cometida ao estimar o logaritmo

natural de 2 utilizando a interpolação linear e interpolando
entre ln(1)=0 e ln(6)=1,7917595?

U3

U3
Seção 2
Ajustes de curvas pelo método dos mínimos
quadrados
Na seção anterior, tratamos da interpolação em que os pontos dados são
pertencentes à função interpoladora, mas há situações em que se deseja avaliar
um ponto não pertencente ao intervalo de dados, nesse caso precisamos de uma
função que extrapole esses dados. O procedimento numérico aplicado nesse caso
é o ajuste de curvas, e o realizaremos pelo método dos mínimos quadrados. Outra
aplicação para esse método é para o tratamento de informação, obtido por um
experimento físico ou por meio de uma pesquisa, nesses casos surge a necessidade
de uma função que seja um bom ajuste para os dados, porém, que se tenha uma
margem de erro aceitável para a análise de dados não tabelados.
2.1 Dedução do método dos mínimos quadrados

Nesse método procuramos ajustar uma curva que se adéqua aos dados
disponibilizados. Determinada uma função para esses dados, podemos calcular
valores não pertencentes aos dados iniciais.
Exemplo: Considere os pares ordenados obtidos de uma função, na qual se

desconhece a lei de formação.

f ( x) 1,3 3,4 5,1 6,8 8,0
f ( x) 2,0 4,2 3,8 6,1 5,8
Considerando esses dados, podemos, por exemplo, realizar uma aproximação

do valor real da função para f(x) = 10 a partir do ajuste de curvas..
Ao construirmos a representação gráfica desses dados, temos o seguinte:

U3
Figura 3.10 | Diagrama de dispersão
Para resolver esse exemplo, precisamos encontrar uma função φ ( x) que seja
um bom ajuste para os dados de f(x). Analisando o diagrama, temos que definir
uma função, podemos notar que uma reta seria adequada para esses dados, assim
teremos que determinar uma função tal que:
φ ( x ) = α1 + α 2 x .
Primeiramente, definiremos k = 1, 2, 3, ..., m, em que m é o número de pontos
indicados na tabela, temos que o desvio, ou seja, a distância dos pontos iniciais até
a reta, é dado por:
d k = f ( xk ) − φ ( xk )
Uma forma de definirmos a reta é minimizando o somatório dos desvios, isto
é, minimizar: m
∑d
k =1
k
Temos que o valor de dk pode ser tanto positivo quanto negativo, deste modo,
o somatório não seria adequado para os desvios. Uma maneira seria recorrer à
soma dos valores absolutos de dk, ou seja:
m
∑d
k =1
k
Porém, lidar com esse tipo cálculo que envolve valor absoluto pode ser complexo.
Outra solução é o somatório dos desvios ao quadrado, que definimos por:
m m 2
D = ∑ d k = ∑ [ f ( xk ) − φ ( xk ) ]
2
k =1 k =1
No caso do exemplo apresentado, teríamos o ajuste por uma reta dada por:
φ ( x ) = α1 + α 2 x .

U3
Ao substituir na equação dos desvios ao quadrado, temos que:

m m 2 m 2
D = ∑ d k 2 = ∑ [ f ( xk ) − φ ( xk ) ] = ∑  f ( xk ) − (α1 + α 2 xk )  = F (α1 , α 2 )
k =1 k =1 k =1
Como podemos definir a equação da reta que seja um bom

ajuste aos dados?
Ao conseguirmos a reta que se adéqua aos dados, realizaremos o procedimento

denominado de ajuste de curvas por mínimos quadrados.
Entretanto, é preciso que F(αα ,, α )). seja um mínimo de F (αα ,, α )),. sendo
11 22 11 22
assim as derivadas parciais de F (αα , ,α )). em relação a α . e α . precisam ser zero.

11 22 1 2
Segue que F (α α , ,α )) é definido pela equação:

11 22
m 2
F (α1 , α 2 ) = ∑  f ( xk ) − (α1 + α 2 xk ) 
k =1
∂F m
= −2∑ [ f ( xk ) − α1 − α 2 xk ] = 0
∂α1 k =1
∂F m
= −2∑ [ f ( xk ) − α1 − α 2 xk ] xk = 0
∂α 2 k =1
Reorganizando as equações, obtemos:

m m m
∑ f ( x ) − ∑α − ∑α x
k =1
k
k =1
1
k =1
2 k =0
m m m
∑
k =1
f ( xk ) xk − ∑ α 1 xk − ∑ α 2 xk 2 = 0
k =1 k =1
Isolaremos os termos que são variáveis:

m m
mα1 + (∑ xk )α 2 = ∑ f ( xk )
k =1 k =1

U3
m m m
(∑ xk )α 1 + (∑ xk 2 )α 2 = ∑ xk f ( xk )
k =1 k =1 k =1
Com esse procedimento obtemos um sistema de equações lineares, que são

denominadas de equações normais.
Retomando os dados do exemplo apresentado anteriormente e resolvendo os

somatórios, temos que:
∑x
k =1
k = 1, 3 + 3, 4 + 5,1 + 6, 8 + 8, 0 = 24, 6
5
∑ f ( x ) = 2, 0 + 5, 2 + 3, 8 + 6,1 + 5, 8 = 22, 9
k =1
k
∑ (x )
k =1
k
2
= (1, 3) 2 + (3, 4) 2 + (5,1) 2 + (6, 8) 2 + (8, 0) 2 = 149, 5
5
∑x
k =1
k f ( xk ) = (1, 3) ⋅ (2, 0) + (3, 4) ⋅ (5, 2) + (5,1) ⋅ (3, 8) + (6, 8) ⋅ (6,1) + (8, 0) ⋅ (5, 8) = 127, 54
Substituindo os valores obtidos nos somatórios na equação normal, temos que:
 5 24, 6  α1   22, 9 

 24, 6 149, 5 α  = 127, 54 
  2  
Resolvendo o sistema de equações, obtemos α1 . = 2,01 e α 2 = 0,522. Assim, a

função que determina a reta que melhor aproxima f(x) é dada por:
φ ( x ) = α1 + α 2 x
Com a equação da reta obtida, podemos realizar projeções de valores fora do

intervalo dado.
Observamos que a função a ser ajustada não é necessariamente uma reta, para
identificarmos o tipo de função adequada para os dados precisamos analisar o
diagrama de dispersão.
2.2 Forma geral do método dos mínimos quadrados

Temos que obter uma função φ ( x) resultante de:

U3
φ ( x) = α1 g1 ( x) + α 2 g 2 ( x) + α 3 g3 ( x) + .... + α n g n ( x)
Considerando os pares ordenados, que são os dados da aplicação do método
dos mínimos quadrados, tal que:
Tabela 3.10 | Tabela de dados de uma função qualquer
x1 x2 x3 ... xm
f ( x1 ) f ( x2 ) f ( x3 ) ... f ( xm )
Temos que determinar os coeficientes α j , sendo j = 1,..., n, de modo que a

função φ ( x) = α1 g1 ( x) + α 2 g 2 ( x) + α 3 g 3 ( x) + .... + α n g n ( x ) se ajuste ao máximo
em f ( x) . Obtendo os desvios mínimos para essa função, ou seja:
m m 2
D = ∑ d k 2 = ∑ [ f ( xk ) − φ ( xk ) ]
k =1 k =1
Os coeficientes que permitem que φ ( x) se ajuste ao máximo de f(x) são aqueles

que minimizaram a função:
m 2 m 2
F (α1 , α 2 ,....α n ) = ∑ [ f ( xk ) − φ ( xk ) ] = ∑ [ f ( xk ) − α1 g1 ( xk ) − α 2 g 2 ( xk ) − ... − α n g n ( xk ) ]

k =1 k =1
Para determinar esses coeficientes, realizamos as derivadas parciais e igualamos

a zero. Nos pontos de mínimo temos que:
∂F
= 0, j = 1,..., n
∂α j
Ao derivar a função F, obtemos:

∂F m
= 2∑ [ f ( xk ) − α1 g1 ( xk ) − α 2 g 2 ( xk ) − ... − α n g n ( xk ) ]  − g j ( xk ) , j = 1,..., n
∂α j k =1
Considerando as derivadas, que devem ser igualadas a zero, obtemos:

m
∑ [ f ( x ) − α g ( x ) − α g ( x ) − ... − α
k =1
k 1 1 k 2 2 k n g n ( xk ) ]  g j ( xk )  = 0, j = 1,..., n
Ou seja:

U3
∑[ f (x ) −α g (x ) −α
k =1
k 1 1 k 2 g 2 ( xk ) − ... − α n g n ( xk ) ][ g1 ( xk ) ] = 0
m
∑[ f (x ) −α g (x ) −α
k =1
k 1 1 k 2 g 2 ( xk ) − ... − α n g n ( xk ) ][ g 2 ( xk ) ] = 0

m
∑[ f (x ) −α g (x ) −α
k =1
k 1 1 k 2 g 2 ( xk ) − ... − α n g n ( xk ) ][ g n ( xk ) ] = 0
Isolando as variáveis, obteremos:
m  m  m  m
∑ 1 k 1 k  1 ∑ 2 k 1 k  2
g ( x ) g ( x ) α + g ( x ) g ( x ) α + ... +  ∑ n k 1 k  n ∑ f ( xk ) g1 ( xk )
g ( x ) g ( x ) α =
 k =1   k =1   k =1  k =1
 m
  m
  m
 m
 ∑
 k =1
g1 ( xk ) g 2 ( x k ) 

α 1 +  ∑
 k =1
g 2 ( x k ) g 2 ( xk ) 

α 2 + ... +  ∑
 k =1
g n ( xk ) g 2 ( xk ) 

α n = ∑k =1
f ( xk ) g 2 ( xk )
m  m  m  m
 ∑ g1 ( xk ) g n ( xk )  α1 +  ∑ g 2 ( xk ) g n ( xk )  α 2 + ... +  ∑ g n ( xk ) g n ( xk )  α n = ∑ f ( xk ) g n ( xk )
 k =1   k =1   k =1  k =1
Essa equação é parte de um sistema de equações que, ao adotarmos a

representação matricial, indicamos por:
 a11 a12 L a1n  α1   b1 
a
 21 a22 L a2 n  α 2  b2 
. =
 M M O M   M  M
     
 an1 an 2 L ann  α n  bn 
Em que os valores dos elementos da matriz de coeficientes e dos termos
independentes são obtidos por meio de:
m
aij = a ji = ∑ gi ( xk )g j ( xk ) para i = 1,..., n e j = 1,..., n ;
k =1
m
bi = ∑ f ( xk )gi ( xk ) para i = 1,..., n ;
k =1
Sendo n a quantidade de termos da função φ ( x) a ser ajustada e m é a

quantidade de pontos conhecidos.

U3
Podemos comparar dois ajustes de curvas para a mesma

tabela de dados?
Exemplo: A partir dos dados indicados e do diagrama de dispersão, realize os

seguintes ajuste de curvas por meio do método dos mínimos quadrados:
a) Uma reta do tipo φ ( x ) = α1 + α 2 x .

b) Uma parábola do tipo φ ( x ) = α1 + α 2 x + α 3 x 2 .
Tabela 3.11 | Exemplo de ajuste de curvas

X 1 2 3 4 5 6 7 8
f(x) 0,5 0,6 0,9 0,8 1,2 1,5 1,7 2,0
Figura 3.11 | Representação dos dados
Solução: iniciamos construindo uma tabela para cálculo dos dados.
Tabela 3.12 | Exemplo de ajuste de curvas

Dados tabelados ∑
xk 1 2 3 4 5 6 7 8 36
f ( xk ) 0,5 0,6 0,9 0,8 1,2 1,5 1,7 2,0 9,2

2
xk
1 4 9 16 25 36 49 64 204
3
xk
1 8 27 64 125 216 343 512 1296
4
xk
1 16 81 256 625 1296 2401 4096 8772

U3
xk f ( xk ) 0,5 1,2 2,7 3,2 6,0 9,0 11,9 16,0 50,5

2
xk f ( xk ) 0,5 2,4 8,1 12,8 30,0 54 83,3 128 319,1
Item a) Temos que determinar φ ( x) = α1 + α 2 x o, que implica

= g1 ( x) 1,=
g 2 ( x) x ,
vejamos:
8
a11 = ∑12 = 8
k =1
8
a12 = a21 = ∑1 ⋅ xk = 36
k =1
8
a22 = ∑ xk 2 = 204
k =1
8
b1 = ∑1 ⋅ f ( xk ) = 9, 2
k =1
8
b2 = ∑ xk f ( xk ) = 50, 5
k =1
 8 36  α1   9, 2 
36 204  α  = 50, 5
  2  
α1   0,175 
α  = 0, 21667 
 2  
A equação da reta ajustada é dada por:
φ ( x) = 0,175 + 0, 21667 x
Item b) Temos que determinar φ ( x) = α1 + α 2 x + α 3 x 2 , o que implica

2
g1 ( x) 1,=
= g 2 ( x) x, e g3 ( x) = x , vejamos:
8
a11 = ∑12 = 8
k =1
8
a12 = a21 = ∑1 ⋅ xk = 36
k =1
8
a13 = a31 = ∑1 ⋅ xk 2 = 204
k =1
8
a22 = ∑ xk 2 = 204
k =1

U3
8
a23 = a32 = ∑ xk ⋅ xk 2 = 1296
k =1
8
a33 = ∑ xk2 xk 2 = 8772
k =1
8
b1 = ∑ f ( xk ) = 9, 2
k =1
8
b2 = ∑ xk f ( xk ) = 50, 5
k =1
8
b3 = ∑ xk 2 f ( xk ) = 319,1
k =1
Obtemos o seguinte sistema linear:
 8 36 204  α1   9, 2 
 36 204 1296  α  =  50, 5 
  2  
 204 1296 8772  α 3  319,1
α1  0, 40714 

α  =  0, 07738 
 2  
α 3   0, 01548 
A equação da parábola ajustada é dada por:
φ ( x) = 0, 40714 + 0, 07738 x + 0, 01548 x 2
Observamos que, para a verificação do melhor ajuste, pode-se calcular a soma dos
desvios quadráticos:
8
Na reta, obtemos ∑d k =1
2
k = 0, 08833
8
Na parábola, obtemos ∑d
k =1
2
k = 0, 04809
Sendo assim, a parábola será o ajuste de curva mais adequado para os pontos
indicados na tabela.

U3
Acesse o link a seguir e veja outros exemplos resolvidos pelo método

dos mínimos quadrados.
Disponível em:<http://www.mat.ufmg.br/gaal/aplicacoes/quadrados_
minimos.pdf>
Considere os dados da função indicados na tabela a seguir

para resolver as atividades propostas
X -1,0 -0,75 -0,6 -0,5 -0,3 0,0 0,2 0,4 0,5 0,7 1
f(x) 2,0 1,153 0,45 0,4 0,5 0,0 0,2 0,6 0,512 1,2 2,05
1. Realize o diagrama de dispersão dos dados indicados na

tabela e analise que tipo de curva se ajusta aos dados.
2. Por meio do Método de Mínimos Quadrados, defina a

equação da curva que seja adequada para o ajuste dos pontos
indicados na tabela.
Nesta unidade, você aprendeu sobre:
• Interpolação linear.
• Interpolação quadrática.
• Forma de Lagrange para interpolação.
• Forma de Newton para interpolação.
• Ajuste de curvas pelo método dos mínimos quadrados.

U3
Nesta unidade, lidamos com conceitos relacionados à

interpolação e ao ajuste de curvas. Tivemos como objetivo,
a partir do tema definido, tratar dos processos numéricos
envolvidos na interpolação e no ajuste de curvas pelo método
dos mínimos quadrados.
Espero que você tenha compreendido esses conteúdos

importantes para o desenvolvimento do cálculo numérico e
suas aplicações nas diferentes áreas, sendo os tópicos abordados
ferramentas que auxiliam no tratamento de dados, sejam de
outras funções ou por meio de coleta.
Aprofunde os conteúdos apresentados, complemente seus

estudos com as leituras sugeridas, pense e busque respostas
para as questões de reflexão. Também, recomendo que realize as
atividades de aprendizagem tanto da seção quanto da unidade.
1. Qual é a principal diferença entre a interpolação e o

método dos mínimos quadrados?
2. Utilizando a interpolação pela forma de Newton, interpole

os pares ordenados indicados na tabela a seguir e estime ln(2):

x 1 4 6 5
f(x) 0 1,3862944 1,7917595 1,6094379
3. Qual é a margem de erro na interpolação realizada no

exercício 2?

U3
4. Escolha outro método de interpolação, seja pela resolução

de sistemas de equações, seja pela interpolação de Lagrange,
e aplique nos dados do exercício 2, realize novamente o
procedimento para confrontar os resultados determinando o
polinômio reduzido.
5. Utilize o método dos mínimos quadrados para ajustar

a função, cujos pares ordenados e diagrama de dispersão
são indicados a seguir. Ajuste a curva para uma função tipo:
φ ( x ) = α1 + α 2 x + α 3 x 2
x -1,0 -0,75 -0,6 -0,5 -0,3 0,0 0,2 0,4 0,5 0,7 1
f(x) 2,0 1,153 0,45 0,4 0,5 0,0 0,2 0,6 0,512 1,2 2,05
Figura 3.12 | Representação dos dados

U3
Referências
RUGGIERO, M. A. G.; LOPES, V. L. R. Cálculo numérico: aspectos teóricos e

computacionais. São Paulo: McGraw-Hill, 1988.
GERÔNIMO, J. R., FRANCO, V. S. Fundamentos de matemática: uma introdução

à lógica matemática, teoria dos conjuntos, relações e funções. Maringá: EdUEM,
2006.

Unidade 4
INTEGRAÇÃO NUMÉRICA E
SOLUÇÕES NUMÉRICAS DE
EQUAÇÕES DIFERENCIAIS
ORDINÁRIAS
Keila Tatiana Boni
Objetivos de aprendizagem: Com essa unidade, objetiva-se dar

sequência a métodos de resolver problemas numéricos essenciais,
destacando os métodos para aproximar a função integrando. Além disso, no
mesmo sentido, objetiva-se apresentar métodos numéricos para determinar
a solução de equações diferenciais.
Seção 1 | Fórmulas de Newton-Cotes e quadratura

Gaussiana
Nesta seção, você estudará métodos para aproximar a função
integrando por meio de fórmulas fechadas de Newton-Cotes. Além disso,
nessa mesma seção, iremos estudar as fórmulas de quadratura Gaussiana.
Seção 2 | Problemas de valor inicial e equações de ordem

superior em problemas de valor de contorno
Nesta seção, você estudará métodos numéricos para resolução de
problemas de valor inicial e problemas de valor de contorno em equações
diferenciais ordinárias. O problema principal a ser tratado nessa seção é
encontrar uma função y que satisfaça uma equação diferencial e algumas
condições específicas.
U4
142 Integração Numérica e Soluções Numéricas de Equações Diferenciais Ordinárias

U4
Assim como você já veio estudando nas unidades anteriores, nessa quarta
unidade você terá a oportunidade de alcançar o nível de conhecimento necessário
para resolver problemas complexos com garantia de resultados precisos.
Assim, começamos dando sequência a problemas numéricos essenciais, em

que abordamos sobre métodos para aproximar a função integrando por meio de
fórmulas de Newton-Cotes e de quadratura Gaussiana.
Em seguida, voltamos às abordagens referentes a métodos de solução de

equações diferenciais parciais, uma vez que nem sempre é possível obter a
solução analítica de uma EDO. Assim, são os métodos numéricos que possibilitarão
encontrar uma solução aproximada. Tal abordagem será realizada considerando
tanto os problemas de valor inicial quanto os problemas de valor de contorno.
Integração Numérica e Soluções Numéricas de Equações Diferenciais Ordinárias 143

U4

U4
Seção 1
Fórmulas de Newton-Cotes e quadratura
Gaussiana
Quando você estudou Cálculo Diferencial e Integral, viu o conceito de integral
definida de Riemann e como calculá-la por processo analíticos. Aprendeu que o
resultado obtido significa área ou volumes de figuras geométricas, dependendo do
caso, tratava-se de uma integral simples ou múltipla.
Agora, você estudará alguns métodos numéricos para calcular a integral definida
de uma função por aproximação quando uma função de uma variável real, limitada
e contínua, enquadra-se em casos como: não conhecimento da expressão
analítica da função integrando, mas apenas os valores dessa função, o que impede
a resolução a partir de técnicas de integração; e quando, mesmo conhecendo a
expressão analítica da função integrando, o cálculo da função primitiva apresenta-
se como algo muito trabalhoso.
1.1 Integração numérica

Você, provavelmente, se recorda, a partir de seus estudos na disciplina de
Cálculo Diferencial e Integral, que se uma função f(x) é contínua em um intervalo
[a, b], então essa função tem uma primitiva neste intervalo. Em outras palavras,
para a função f(x) nessas condições existe F(x), que é o que denominamos de
primitiva, tal que F'(x) = f(x). Assim, temos a integral definida dessa função, neste
intervalo, que é dada por:
b
∫ f ( x )� dx = F ( b ) − F ( a )
a
Contudo, existem alguns casos em que expressar essa primitiva não é obtido
de maneira trivial, o que dificulta e, muitas vezes, até impossibilita de calcular essa
integral. Um exemplo que ilustra essa situação é a função f(x)= e–x², cuja primitiva
F(x) que se anula para x = 0 é chamada função de Gauss.
Outro exemplo é quando o valor de f(x) é conhecido em apenas alguns
pontos do intervalo [a, b]. Dessa forma, como a expressão analítica de f(x) não é

U4
b
conhecida, não é possível calcularmos ∫ f ( x )� dx .
a
Em casos como os mencionados é possível obter uma aproximação para a
integral definida de f(x) a partir da utilização de métodos numéricos que você
estudará a partir de agora.
Comumente, chamamos de quadratura a solução numérica de uma integral

simples e a ideia básica da integração numérica é a substituição da função f(x) por um
polinômio, de maneira que este aproxime razoavelmente no intervalo [a, b]. Dessa
forma, o processo de resolução torna-se mais simples, pois resolveremos o problema
por meio da integração de polinômios, o que não é tão complicado de fazer.
Dentre os métodos numéricos existentes, nos dedicaremos ao estudo dos

mais utilizados, os quais, de acordo com Barroso et al. (1987, p. 206), podem ser
classificados em dois grupos:
(a) As fórmulas de Newton-Cotes, que

empregam valores de f(x), onde os valores de x
são igualmente espaçados.
(b) A fórmula de quadratura Gaussiana, que
utiliza pontos diferentemente espaçados, onde
este espaçamento é determinado por certas
propriedades de polinômios ortogonais.
Antes de iniciar os estudos desses métodos, destacamos que as fórmulas que

deduziremos partirão da seguinte expressão:
1.2 Fórmulas de Newton-Cotes

Começaremos estudando as fórmulas de Newton-Cotes. Assim, vamos
considerar a partição do intervalo [a. b] em subintervalos, de mesmos comprimentos
h, [xi , xi + 1], sendo i = 0, 1, … , n – 1. Assim, xi + 1 – xi = h = (b – a)/n.
Chamamos de fórmulas fechadas de Newton-Cotes as fórmulas de integração
do tipo:
x0 = a, xn = b e

U4
b xn n
∫ f ( x ) dx = ∫ f ( x ) dx ≈ A0 f ( x )0 + A1 f ( x1 ) +…+ An f ( xn ) = ∑Ai f ( xi ) ,
a x0 i =0
Sendo os coeficientes Ai determinados de acordo com o grau do polinômio

aproximador.
Dentre as fórmulas de Newton-Cotes, nos dedicaremos ao estudo de dois

métodos específicos: a regra dos trapézios e a regra 1/3 de Simpson.
1.2.1 Regra dos Trapézios

Para a determinação da regra dos trapézios, vamos utilizar a fórmula de Lagrange
para expressar o polinômio p1(x) que interpola f(x) em x0 e x1:
b b = x1
 ( x − x1 )
x1
( x − x0 ) f x  dx = I
∫ f ( x ) dx ≈
a
∫
a = x0
p1 ( x ) dx = ∫ −h

x0 
f ( x0 ) +
h
( 1 )

T
Logo,
h
IT =  f ( x0 ) + f ( x1 ) 
2
Que é a fórmula dos trapézios (ou regra dos trapézios), onde tal fórmula
equivale à área do trapézio de altura h = x1 – x0 e bases f(x0) e f(x1).
Veja, na sequência, a interpretação geométrica da regra dos trapézios:
Figura 4.1 | Representação geométrica da regra dos trapézios
Fonte: <http://obaricentrodamente.blogspot.com.br/2010/03/regra-dos-trapezios-
repetida.html>. Acesso em: 03 out. 2015

U4
Na figura 4.1, podemos interpretar a = x0 e b = x1 e, a partir dessa figura, é

possível entender que, ao substituir a área delimitada pelas curvas y = f(x), x = x0,
x1
x = x1, y = 0 (perceba que o valor de ∫ f ( x ) dx é exatamente esta área) pela área do

x0
trapézio, de altura h e bases f(x0) e f(x1), cometemos um erro.
Para expressar esse erro, consideramos que pela interpolação polinomial

sabemos que:
f " (ξ x )
f ( x ) = p1 ( x ) + ( x − x0 ) ( x − x1 ) ,ξxxx ∈ ((xx00,, xx11))
2
Integrando a expressão de x0 a x1, temos:

x1 x1
f " (ξ x )
∫ f ( x ) dx = IT + ∫ ( x − x0 ) ( x − x1 )
x0 x0
2
dx
Logo, o erro na integração pela regra dos trapézios, ET , é dado por:
f " (ξ¾xx )
x1 x1x1
∫ f ( x ) dx =E I =+∫∫((xx−−xx ))((xx − x )
x0
TT
x0x0
00 1
2
dx
dx
Para calcularmos essa integral, precisamos lembrar, inicialmente, que f " (ξ x ) é

( ) (
função de x. Assim, seja g x = x − x0 x − x1 , então: )( )
x
1 1
ET = ∫ g ( x ) ff " ( ξ¾xx ))dx
dx
2 x0
Note que para qualquer que seja x ∈ (x0 , x), g(x) < 0 e que, se f "(x) for
contínua em [x0, x1], existem números reais p e P, tais que p ≤ f " ( x ) ≤ P .
Assim, p ≤ f " (ξ x ) ≤ P e, como g(x0 ≤ 0, então
ppp� � � . ggg((xxx))≥≥≥ggg((xxx)) fff """((ξξξxxx))≥≥≥P

� �P� . ggg((xxx))
P

U4
Da hipótese de f "(x) ser contínua em [x0, x1] e do fato de p ≤ A ≤ P, temos

que existe c ∈ (x0, x1) tal que f " ( c ) = A , ou seja:
Essa expressão é o Teorema do Valor Médio para Integrais.
Assim,
x1
∫ g ( x ) dx = −h
3
Como / 6 , temos:
x0
− h³
ET = f " ( c ) ,cc ∈∈(x
( x00, ,xx1)1 )
12
Essa é expressão para o erro, que chamamos de erro de truncamento.
Para melhor compreensão, veja o exemplo:
Exemplo 1: (BARROSO et al., 1987, p. 208) Calcular, pela regra dos trapézios, o
valor de:

U4
3, 6
dx
I= ∫ x
3, 0
Resolução:
h
IT =  f ( x0 ) + f ( x1 ) 
2
Como f ( x ) = 1/ x , então:
1 1
f ( x0 ) = =
x0 3
1 1
f ( x1 ) = =
x1 3, 6
h = x1 − x0 = 3, 6 − 3, 0 = 0, 6
Logo,
0, 6  1 1 
IT = + = 0,18333
2  3 3, 6 
Cálculo do erro:v
− h³
ET = f "( c )
12
Como 3 < c < 3,6, então:

2 2 2
f " ( c ) máx = = =
f " ( c ) ³ 3³ 27

U4
Então:
Além desse método dos trapézios, vamos conhecer a regra dos trapézios repetida.
No gráfico, você observou um exemplo de intervalo pequeno

de integração. Será que as ideais e fórmulas apresentadas na
regra do trapézio serve, da mesma forma, para intervalos
de integração muito grandes? Quais adaptações seriam
necessárias na regra do trapézio?
Como você pôde ver até agora, se o intervalo de integração é grande, a fórmula
dos trapézios se distancia muito dos resultados da integral exata. Assim, podemos
fazer uma subdivisão do intervalo de integração e aplicar a regra dos trapézios
repetidas vezes.
Chamando xi os pontos de subdivisão de [ a, b ] , xi tais que xi +1 – xi = h, i =

0,1,…, m – 1 teremos:
b m −1 xi +1 m −1
h h ³ f " ( ci ) 
∫a f ( x ) dx = ∑ ∫ f ( x ) dx = ∑  [ f ( xi ) + ( f ( xi +1 )] − 
i = 0 xi i =0  2 12 
m −1
h m −1
f " ( ci )
=∑ [ f ( xi ) + ( f ( xi +1 )] − ∑h³ ∈ ((xxii ,, xxii ++11 ))
, ccii ∈
i =0 2 i =0 12
Como estamos supondo f " ( x ) contínua em a, b , uma generalização do [ ]

Teorema do Valor Intermediário nos garante que existe ξ ∈ ( a, b ) tal que:
m −1
∑ f " ( c ) = mf " (ξ )
i =0
i

U4
Assim,
xm
h f " (ξ )
∫ f ( x ) dx = 2  f ( x ) + 2( f ( x ) + 2 f ( x ) +…+ 2 f ( x ) + f ( x ) − mh³ 12
x0
0 1 2 m −1 m
e
h
ITR = { f ( x0 ) + 2 [ ( f ( x1 ) + 2 f ( x2 ) +…+ 2 f ( xm −1 )] + f ( xm )}
2

mh ³ f " (ξ )
ETR = −
12
Veja a representação geométrica dessa situação:
Figura 4.2 | Representação geométrica da regra dos trapézios repetida
Fonte: <http://obaricentrodamente.blogspot.com.br/2010/03/regra-dos-trapezios-repetida.
html>. Acesso em: 03 out. 2015
Assim como na interpolação polinomial, não é possível calcular exatamente

f " (ξ ) , uma vez que não conhecemos o ponto x . O que podemos fazer, em
alguns casos, é determinar um limitante superior para o erro. Assim, temos:
h3
ETR = −m f " (ξ )
12
[
Sendo f " (ξ ) contínua em a, b , então existe ] . Assim,
mh
mh³³M
M22
EETR ″″
TR ≤
12
12
b−a
Lembrando que m = , temos:
h

U4
b−a
ETR ≤ h² M 2
12
Saiba mais sobre o método dos trapézios assistindo aos vídeos que
podem ser acessados por meio dos links:
<https://www.youtube.com/watch?v=iTCJqtVbzAk>
<https://www.youtube.com/watch?v=qK3jDOmQhJg>
<https://www.youtube.com/watch?v=NFyhxmh-Wg4>
<https://www.youtube.com/watch?v=K9GpZCMA6WA>
1. (Adaptada de RUGGIERO; LOPES, 1996, p. 301) Seja:

1
I = ∫e x dx
0
Calcule uma aproximação para I usando 10 subintervalos e a

regra dos trapézios repetida, estimando o erro cometido. Após
determinar esse erro, assinale a alternativa que apresenta o
valor que mais se aproxima do que foi estimado:
a) 0,22700.
b) 0,02270.
c) 0,00227.
d) 0,00027.
e) 0,00002.
1.2.2 Regra 1/3 de Simpson

Para esse método, vamos, mais uma vez, partir da fórmula de Lagrange para
desenvolver a fórmula de integração resultante da aproximação de f ( x ) por um

U4
polinômio de grau 2.
Seja p2 (x) o polinômio que interpola f ( x ) nos pontos x0 = a, x1 = x0 + h e

x2 = x0 + 2h = b :

p2 ( x ) =
( x − x1 ) ( x − x2 ) f ( x ) + ( x − x0 ) ( x − x2 ) f ( x ) + ( x − x0 ) ( x − x1 ) f ( x )
( −h ) ( −2h ) 0
( h ) ( −h ) 1
( 2h )( h ) 2
Assim,
b x2 x2 x
f ( x0 ) 2
∫a f ( x ) dx = x∫ f ( x ) dx ≈ x∫ p2 ( x ) dx = 2h² x∫ ( x − x1 ) ( x − x2 ) dx −
0 0 0
Uma maneira de resolver essas integrais é utilizando a mudança de variáveis

x − x0 = zh . Dessa forma, dx = hdz, x = x0 + zh. Então:
x − x1 = x0 + zh − ( x0 + h ) = ( z − 1) h e
x − x2 = ( z − 2 ) h
E ainda:
Assim, com essas mudanças, temos:
A regra de 1/3 de Simpson é obtida a partir da resolução das integrais da última

expressão apresentada. Assim, temos:
x2
h
∫ f ( x ) dx ≈ 3  f ( x ) + 4 f ( x ) + f ( x ) = I
x0
0 1 2 S
Da mesma forma que na regra dos trapézios, temos uma fórmula que expressa

U4
o erro na regra 1/3 de Simpson, em que supomos que f (iv ) ( x ) é contínua em

[ ]
x0 , x2 :
O que se pode notar nessa expressão do erro é que o ganho de potência de h ,

ao passar da aproximação linear para a quadrática, foi substancial. Este ganho torna-
se realmente evidente quando tratamos a regra 1/3 de Simpson de maneira repetida.
A regra 1/3 de Simpson repetida, como o próprio nome diz, consiste em

aplicarmos a regra de Simpson repetidas vezes no intervalo a, b = x0 , xm . [ ] [ ]
Suponha que são pontos igualmente espaçados, h = xi +1 − xi , e
m é par.
Tal como foi feito para a regra dos trapézios, é possível demonstrar todo o
procedimento de obtenção da fórmula para a regra 1/3 de Simpson repetida,
contudo, nos limitaremos a conhecer essa fórmula e entenderemos como esta
pode ser aplicada a partir da resolução de um exemplo.
A fórmula utilizada para a regra 1/3 de Simpson repetida é:

( b − a ) h4
E SR ≤ M44
180
Exemplo 2: (RUGGIERO; LOPES, 1996, p. 305) Seja:

1
I = ∫e x dx
dx
0
(a) Calcule uma aproximação para I usando a regra 1/3 de Simpson com m = 10.
Estime o erro cometido.
−3
(b) Para que valor de m teríamos erro inferior a 10 ?
Resolução:
(a) Considerando m = 10, h = (1/10) = 0,1, temos:

11
0,1 0,0
I =∫∫eex xdx
dx≈
dx
3
(e + 4e0,1 + 2e0,2 + 4e0,3 +…+ 2e0,8 + 4e0,9 + e1,0 = 1, 718282 )
00

U4
Temos:
Portanto,
(b) Para solucionar esse item consideramos:
A condição ESR < 10

−3
será obedecida se h for tal que:
Isto é, h 4 < 0, 06622 → h < 0, 50728. Assim:
A partir desse último exemplo que foi resolvido, considerando,

sobretudo, o item (b), retorne à primeira atividade de aprendizagem
dessa unidade e responda: qual é o número mínimo de subdivisões
−3
de modo que o erro seja inferior a 10 ? Para isso, utilize uma
linha de raciocínio análoga à utilizada no item (b) do exemplo 2
que foi resolvido e, em seguida, compare os resultados.
Algumas observações sobre os métodos estudados até o momento (regra dos

trapézios e regra 1/3 de Simpson) precisam ser destacas:
• Considerando as expressões obtidas para o erro na regra dos trapézios e na de

Simpson, é possível chegarmos à conclusão de que a primeira integra sem erro
polinômios de grau n ≤ 1, enquanto que a de Simpson polinômios de grau n ≤ 3.

U4
• Trabalhando com polinômios de grau n = 3, n −– 44 etc., é possível deduzir

fórmulas de integração numérica, do mesmo tipo das apresentadas, ou seja,
fechadas de Newton-Cotes, de maneira análoga às estudadas nessa seção.
• Para um n qualquer, uma fórmula de Newton-Coes é dada por:

xn xn
∫ f ( x ) dx ≈ ∫ pn ( x ) dx =
x0 x0
xn
= ∫ [ f ( x0 ) L0 ( x ) + f ( x1 ) L1 ( x ) +…+ f ( xn ) Ln ( x )]dx
dx
x0
 xn   xn   xn 
=  ∫ L0 ( x ) dx  f ( x0 ) +  ∫ L1 ( x ) dx  f ( x1 ) +…+  ∫ Ln ( x ) dx  f ( xn ) =
 x0   x0   x0 
= A0 f ( x0 ) + A1 f ( x1 ) +…+ An f ( xn )
Logo, as fórmulas de Newton-Cotes será:

xn
Ak = ∫ Lk ( x ) dx
x0
Além disso, dentre os métodos, destacamos o teorema geral do erro. Para

compreender esse conceito, considere um polinômio de grau n que interpola
f ( x ) (n = 1 na regra dos trapézios) e lembrando que f ∈ C k a, b significa que [ ]
f e suas derivadas até ordem k são contínuas no intervalo a, b , enunciaremos [ ]
o Teorema Geral do Erro nas fórmulas de Newton-Cotes, porém, destacamos
desde já que não apresentaremos a demonstração desse teorema, uma vez que
acreditamos que o essencial nesse estudo é o conhecimento desse teorema.
TEOREMA 1: Seja f ∈ C
n +2
[ ]
aa, b . Então, o erro na integração numérica, En ,
usando as fórmulas de Newton-Cotes é:
(A) Quando n é ímpar:
(B) Quando n é par:

U4
Saiba mais sobre métodos de integração numérica acessando os links:

<https://www.youtube.com/watch?v=aC-Bb6M-_pc&list=PLhfejzdR7
4jaBaQokXIf3wlAU7vNzIdq2>
Por meio desse link você encontrará diversos vídeos que auxiliarão na
compreensão e no aprofundamento de conhecimentos sobre métodos
numéricos na integração.
1.3 Quadratura Gaussiana

Partindo das observações que foram feitas no final da seção anterior sobre os erros
em fórmulas de Newton-Cotes, vamos iniciar os estudos sobre a quadratura gaussiana.
A fórmula de Gauss para a integração numérica (ou quadratura gaussiana) é

uma fórmula que fornece um resultado mais preciso se comparado aos métodos
vistos anteriormente para um mesmo número de pontos.
Assim como você viu nas seções anteriores, o problema continua sendo calcular:
b
I = ∫ f ( x ) dx
a
Uma fórmula de Newton-Cotes, geralmente, é exata para polinômios de grau

≤ n. A regra 1/3 de Simpson é uma exceção, uma vez que nela n = 2 e, contudo:
O que você verá agora é que é possível deduzirmos outras fórmulas do mesmo
tipo que as de Newton-Cotes:
b
∫ f ( x ) dx ≈ A f ( x ) +…+ A f ( x )
a
0 0 n n
Em que x0, x1,..., xn são n + 1 pontos distintos.
Fórmulas como essas são exatas para polinômios de grau ≤ 2n + 1 e são

conhecidas como Quadratura Gaussiana, onde n é o número de pontos.
Recordando algumas fórmulas que você, provavelmente, se recorda, temos:

U4
Ou seja:
b
∫ f ( x ) dx ≈ A f ( x ) +…+ A f ( x ) , onde
a
0 0 onde n n
bb
AAkk == ∫∫LLkk ((xx))dx
dx kk ==00,,11,,…
…,,nn
aa
Além disso, da expressão de ≤ n, temos que, de maneira geral, estas fórmulas

são exatas para polinômios de grau ≤ n.
Nas fórmulas de Newton-Cotes, os pontos x0,..., xn sobre os quais são construídos

os polinômios Lk ( x ) são pontos igualmente espaçados, prefixados em a, b . Na [ ]
Quadratura Gaussiana, o processo será diferente: os valores x0,..., xn serão mantidos
como indeterminados e, dessa maneira, obtemos fórmulas do mesmo tipo:
b
∫ f ( x ) dx ≈ A f ( x ) +…+ A f ( x )
a
0 0 n n
Onde: b
Ak = ∫Lk ( x ) dx
a
Que são exatas para polinômios de grau ≤ 2n + 1 .

A seguir, você verá a construção da fórmula da Quadratura Gaussiana para n =
1, em que queremos determinar x0, x1, A0 e A1 :
b
∫ f ( x ) dx ≈ A f ( x ) + A f ( x )
a
0 0 1 1
Em que esta seja exata para polinômios de grau ≤ 3.
Vamos simplificar o cálculo considerando a, b = −1,1 . [ ] [ ]

Quando afirmamos que a fórmula é exata para polinômios de grau ≤ 3, é como
se estivéssemos dizendo que a fórmula é exata para:
Ou seja:

U4
Assim, determinamos um sistema não linear de quatro equações com quatro

incógnitas:
 A0 + A1 = 2
 A t + At = 0
 0 0 11
 2 2 2
 A0t0 + A1t1 = 3
 3 3
 A0t0 + A1t1 = 0
Resolvendo esse sistema, obtemos:
Note que:
 3
t − 
1 1
 3 
∫ L0 ( t ) dt = −∫1  3 3  dt = A0 = 1
−1
− − 
 3 3 
E
 3
 t + 
1 1
 3 
∫−1L1 ( t ) dt = −∫1  3 3  dt = A1 = 1
 + 
 3 3 
[ ]
Em caso de intervalo a, b genérico, podemos efetuar a mudança de variáveis:
[ ]
para t ∈ −1,1 corresponde x ∈ a, b onde: [ ]

U4
Veja um exemplo:
Exemplo 3: (Adaptada de RUGGIERO; LOPES, 1996, p. 310) Calcular:

10
∫e
−x
dx
0
Resolução:
Nesse caso, temos:
[ a, b] = [0,10]
x = 5 + 5t
dx = 5dt
f ( x ) = e− x
g ( t ) = e −5−5t
Utilizando a fórmula da Quadratura Gaussiana com dois pontos, temos:
10 1
∫e dx = 5 ∫e dt = I
−x −5 −5t
0 −1
A=
0 A=
1 1
Logo,
 −5+5 3 −5 −5
3
I = 5  A0 g ( t0 ) + A1 g ( t1 )  = 5 e 3
+e 3
=
 
= 5 e −2,113249 + e −7 ,886751  = 0, 606102
Com seis casas decimais, sabemos que:

10
∫e
−x
dx = 0, 999955
0
Assim, o verdadeiro erro com seis casas decimais é:
erro = 0, 999955 − 0, 606102 = 0, 393853

U4
Como o valor do erro obtido no exemplo apresentado pode ser

interpretado considerando a regra dos trapézios? E a regra de 1/3
de Simpson?
Aprofunde seus conhecimentos sobre Quadratura de Gauss acessando

os links:
<https://www.youtube.com/watch?v=-_SRjp3Qth4>
http://www.inf.ufes.br/~rguizzardi/an/aulas/Aula%20-%20
Quadratura%20de%20Gauss%20Legendre.pdf
<http://civil.fe.up.pt/pub/apoio/ano5/aae/pdf/Apontamentos/Cap05_
Quadrat_Gauss.pdf>
2. (Adaptada de BARROSO et al., 1987, p. 253) Calcule,

utilizando a quadratura gaussiana com dois pontos, o valor da
integral dada e, a seguir, assinale a alternativa que apresenta a
resposta correta: 2
2 x
−
∫e
−2
x
� dx
a) 0,3389.
b) 0,0893.
c) 0,0398.
d) 0,1239.
e) 0,0903.

U4
Seção 2
Problemas de valor inicial e equações de ordem
superior em problemas de valor de contorno
As equações diferencias ordinárias (EDOs) apresentam aplicações em diversas
situações, como para “modelar problemas de ciências e engenharia que envolvam
a mudança de alguma variável em relação a outra” (BURDEN; FAIRES, 2003, p. 218).
Assim, podemos entender que as EDOs se fazem necessárias na busca de

solução de inúmeros problemas relacionados a diversos tipos de fenômenos.
Contudo, em diversas situações, estudar diretamente uma EDO, recorrendo
simplesmente a procedimentos analíticos próprios desse conceito, pode se tornar
um processo trabalhoso, isso quando possível.
Nesse sentido, por diversas razões que impossibilitam encontrar a solução

analítica de uma EDO em diversos problemas, há a necessidade de utilizarmos
métodos numéricos para determinar a solução de equações diferenciais
(SPERANDIO; MENDES; SILVA, 2014).
Nesta seção, você se dedicará ao estudo de métodos numéricos que se referem,

especificamente, ao cálculo da solução numérica de equações diferenciais de
primeira ordem, ou seja, problemas de valor inicial, bem como ao cálculo da
solução numérica de equações diferenciais de ordem superior, ou seja, problemas
de valor de contorno.
2.1 Equações diferenciais

O estudo das equações diferenciais tem grande relevância não apenas na
Matemática, mas, do mesmo modo, em diversas outras áreas do conhecimento,
uma vez que essas equações são muito frequentes em modelos que descrevem
fenômenos de maneira quantitativa, como: mecânica de fluídos, reações químicas
e nucleares, economia etc.
São chamadas de equações diferenciais as equações que envolvem derivada

de funções. Quando uma equação diferencial possui apenas uma única variável
independente, então ela é classificada como equação diferencial ordinária. Veja

U4
alguns exemplos:
Além disso, se observarmos que na equação diferencial estão envolvidas mais

do que uma variável independente, consideramos que se trata de uma equação
diferencial parcial. Por exemplo, considerando u ≡ u ( x, y ) :
∂ ²u ∂ ²u
+ =0
∂x ² ∂y ²
Dizemos que uma solução de uma equação diferencial ordinária é uma função
da variável independente que satisfaça a equação. Logo:
Assim, é possível perceber que uma equação diferencial possui uma família
de soluções ao invés de uma única solução apenas. A figura a seguir ilustra uma
família de soluções para a EDO y′ = y .
Figura 4.3 – Família de soluções para a EDO y′ = y
Fonte: <http://www.ipb.pt/~balsa/teaching/MA08_09/PVI_EDOs.pdf> Acesso em:

04 out. 2015
Chamamos de ordem de uma equação diferencial a mais alta ordem de

derivação que aparece na equação. Assim, uma equação diferencial dita ordinária
é denominada de linear quando a função e suas derivadas aparecem de maneira
linear na equação. É um exemplo de equação diferencial linear:

U4
xy′ = x − y
Como uma equação linear não possui uma única solução, para que possamos
individualizar uma solução é necessário que sejam impostas algumas condições.
Vale destacar que uma equação de ordem n requer n condições adicionais,
tendo em vista uma única solução, e estas condições podem ser de diversos tipos.
Veja alguns exemplos, os quais são citados por Ruggiero e Lopes (1996, p. 318):
y (0) = 1
y′ ( 4 ) = −5
y ( 2 ) + 5 y′ ( 3) = 6
1
xy ( x ) dx = 0
∫sen xy
0
lim y ( x ) = k
x →∞
Quando temos uma equação de ordem n , a função, bem como as suas

derivadas até a ordem de n −1 , são especificadas em um único ponto. Nesse
caso, dizemos que se trata de um problema de valor inicial (PVI), como é o caso
do exemplo a seguir:
 y′ ( x ) = y

 y ( 0 ) = 1
Em contrapartida, se em problemas envolvendo equações diferenciais ordinárias

de ordem n , n ≥ 2 , as n condições estabelecidas para busca da solução única
não são todas elas dadas em um único ponto, então temos um problema de valor
de contorno (PVC) (RUGGIERO; LOPES, 1996).
Para ilustrar o que é um PVC, Ruggiero e Lopes (1996) apresentam como

exemplo uma barra de comprimento L sujeita a uma carga uniforme q . Se no
ponto x0 = 0 esta barra está presa e em xL = L ela está apenas apoiada, este
problema pode ser descrito por meio de um problema de contorno:
 y ( IV ) ( x ) + ky ( x ) = q

 y ( 0 ) = y′ ( 0 ) = 0
 y ( L ) = y′′ ( L ) = 0


U4
Onde k é uma constante, a qual depende do material da barra.
Em geral, no PVC não há unicidade de solução. Um exemplo que ilustra essa

situação é que para todo α ∈ R, y ( x ) = α (1 + x ) é solução do PVC:
 y" = 0

 y ( −1) = 0
 y (1) − 2 y′ (1) = 0

2.2 Problemas de valor inicial (PVI)

Devido à dificuldade de obter de maneira analítica soluções para equações
diferenciais, destacamos a relevância de conhecermos métodos numéricos para
aproximar soluções de problemas de valor inicial (PVI). Assim, não sabemos de
maneira exata a expressão analítica da solução, mas, em geral, algo sabemos
de antemão: a teoria, em muitos casos, nos garante a unicidade e existência de
solução.
Os métodos que você estudará nessa seção se basearão em:

 y′ = f ( x, y )
Dado o PVI: 
 y ( x0 ) = y0
Construímos x0, x1,..., xn que iremos considerar que estão igualmente espaçados,
ainda que isso não seja condição necessária. Em outras palavras: xi +1 – xi = h, i =
0,1,… e calculamos as aproximações yi ≈ y(xi) nestes pontos, usando informações
anteriores.
Se para calcular yi utilizarmos apenas yi−1 , teremos um método de passo

simples ou de passo um. Agora, se foram necessários mais valores, teremos um
método de passo múltiplo.
Vamos trabalhar com PVI de primeira ordem nesse primeiro momento. Assim
sendo, vamos considerar uma aproximação inicial de y ( x0 ) para a solução.
Logo, vamos considerar os métodos de passo um como autoiniciantes, enquanto
que para os métodos de passo múltiplo será necessário recorrermos a alguma
estratégia para obtermos aproximações iniciais de forma exata.
Algumas características dos métodos de passo simples podem ser destacadas:

primeira, que em geral é necessário calcular o valor de f ( x, y ) e suas derivadas
em muitos pontos; e segunda, que temos dificuldades em estimar o erro.

U4
2.3 Métodos de passo simples
2.3.1 Método de Euler

Esse método visa obter uma aproximação de um problema de valor inicial bem
enunciado:
y′ = f ( xy,y′y′==
) , ffy(((xxx,,0yy)))=,, yy0((xx00))== yy00
Esse método pode ser entendido da seguinte maneira: como conhecemos
x0 e y0 = y ( x0 ) , então sabemos calcular y′ ( x00 ) = f ( x00, yy000 )=. Assim,y ( x0 ) a reta que
′ ( x0 ) por
ypassa = f ( x0 , y00 )=com
y ( x0coeficiente
) angular y′ ( x00 ) , r000 ( x ) é conhecida:
r0 ( x ) = y ( x0 ) + ( x − x0 ) y ' ( x0 )
Escolhido h = xk +1 − xk , yy0( x=1 )y≈( xy01) = r0 ( x1 ) = y0 + hy ' ( x0 ) , ou seja,
′ ( xy00 )+=hff ( x00, yy000 )= y ( x0 )

y1y=
y′ ( x0com
O raciocínio é repetido ) = f ( x10,, yy101))= ey ( xy0 y2) ′=( xy01)+=hff ( x10, yy1001))=. yE,( x0assim,
)
sucessivamente, o método de Euler nos fornece:
hf ((xxkk,,yyykk0k))=
yykk++11 == yykk ++hf ,, y (kkx0==) 00,,11,,22,,…
…
Veja um exemplo:
Exemplo 4: (BURDEN; FAIRES, 2003) Suponha que o método de Euler seja

utilizado para aproximar a solução do problema de valor inicial:
Com N = 10.Então, e

( ) ( )
wi +1 = wi + h wi − t 2i + 1 = wi + −0, 2 wi − 0, 004i 2 + 1 = 1, 2 wi − 0, 008i 2 + 0, 2
y ( t ) = ( t + 1) − 0, 5et .
2
Para i = 0,1, …, 9 . A solução exata é

U4
Você acha que a aproximação obtida será contínua para a solução

y(t)?
Para auxiliar na sua reflexão sobre a questão proposta: “Você acha que
a aproximação obtida será contínua para a solução y(t)?”, entenda os
pontos de rede ou pontos de malha acessando os links:
<http://www.estgv.ipv.pt/PaginasPessoais/lsousa/Teoria_actualMN/
Cap%C3%ADtulo7-equac_dif.pdf>
<http://wwwp.fc.unesp.br/~adriana/Numerico/EDO.pdf>
2.3.2 Métodos de Série de Taylor

Esse tipo de método é capaz de fornecer, teoricamente, solução para qualquer
equação diferencial. Contudo, do ponto de vista computacional, quando utilizamos
esse método para ordens mais elevadas, observa-se que ele é inaceitável, uma
vez que o cálculo das derivadas totais envolvidas torna-se demasiadamente
complicado, a não ser nos casos em que consideramos uma classe restrita de
( )( ( 2
funções f x, y f x, y = x + y . )
2
)
Vamos supor que, de alguma forma, tenhamos aproximações y1, y2,..., yn
para y ( x ) , em x1, x2,..., xn. Considerando as demonstrações necessárias, as
quais ocultaremos, tendo em vista que a essencialidade desse estudo está no
conhecimento de métodos e em suas aplicações, teremos:
h2 hk
y ( xn +1 ) ≈ yn +1 = yn + yn′ h + y "n +…+ yn( k )
2 k!
E o erro de truncamento é dado por:
e( xn ) =
( )h
y ( k +1) ξ xn k +1
k+1
( k + 1)!
Perceba que se y ( x ) tem derivada de ordem ( k + 1) contínua num intervalo

U4
fechado I que contém os pontos sobre os quais estamos fazendo a discretização,

então existe ; assim teremos um majorante para o erro de
truncamento.
Um método numérico é considerado como de ordem p quando existe uma

constante C de maneira que:
e( xn +1 ) < Ch p +1
Em que C pode depender das derivadas da função que define a equação

diferencial.
Logo, podemos concluir que os métodos de série de Taylor são de ordem k.

Assim, para aplicar os métodos de Taylor de ordem k:
y "n 2 yn( k ) k
yn +1 = yn + y 'n h + h +…+ h
2! k!
Temos de calcular y ''n , yy '''n , …, yn( ) então:

k
y ′ ( x ) = f ( x, y ( x ) )
Então, temos:
y′′ ( x ) = f x ( x, y ( x ) ) + f y ( x, y ( x ) ) y′ ( x ) = f x + f y f em uma notação

simplificada.
A partir dessa ideia, podemos entender que o método da série de Taylor de 2ª

ordem será:
h2
yn +1 = yn + hf ( xn , yn ) +  f x ( xn , yn ) + f y ( xn , yn ) f ( xn , yn )  , nn== 0,1,…
0,1, …
2 
De maneira análoga, temos:
y′′′ ( x ) = f xx ( x,� y ( x ) ) + f xy ( x,� y ( x ) ) y′ ( x ) + f yx ( x,� y ( x ) ) +
= f xx + f xy f + ( f yx + f yy f ) + f y ( f x + f y f )
Essa última expressão representa uma notação mais simplificada.

U4
Assim,
y′′′ = f xx + f xy f + f yx + f yy f ² + f y f x + f y ² f
= f xx + 2 f xy f + f yy f ² + f x f y + ( f y ) ² f
Perceba que com essa expressão já começa a ficar evidente o quanto os

cálculos vão ficando cada vez mais complexos conforme trabalhamos com ordens
mais elevadas. Note, ainda, que para cada n , n = 0,1, … temos de calcular todos
esses valores.
Antes de dar sequência aos estudos sobre o método de série de

Taylor, tente desenvolver esse método para a ordem k = 1, observe
os resultados e responda: que relação é possível estabelecer entre
o resultado obtido e o método de Euler?
Observe o que acontece quando consideramos a série de Taylor para a ordem k = 1:
yn +1 = yn + hy 'n
Onde:
e( xn +1 ) =
(
y′′ ξ xn+1 )h 2
2!
Essa última fórmula obtida é o método de Euler que você já estudou nessa
seção. Assim, concluímos que o método de Euler pode ser considerado como um
método de série de Taylor de ordem 1.
Para saber mais sobre os métodos apresentados, acesse os links

indicados. Neles você terá a oportunidade de aprofundar seus
conhecimentos a partir de explicações mais detalhadas e resolução de

U4
exemplos envolvendo os estudos realizados:

<https://www.youtube.com/watch?v=7zEU4EOkSKk>
<https://www.youtube.com/watch?v=LW9mRkSdlBw>
<https://www.youtube.com/watch?v=EDjbUM0RJ8w>
<https://www.youtube.com/watch?v=6caonHpYCe8>
<https://www.youtube.com/watch?v=QvBUr5CGHgA>
1. (Adaptada de SPERANDIO; MENDES; SILVA, 2014, p. 232)

Usando série de Taylor, calcule para x = 2,1 a solução da EDO:
 xy′ = x − y

 y ( 2) = 2
Em seguida, assinale a alternativa que apresenta a melhor
aproximação do resultado:
a) 2,002378.
b) 2,000378.
c) 2,000278.
d) 2,003278.
e) 2,020378.
2.3.3 Métodos de Runge-Kutta

De uma maneira bastante simples, você pode entender que esse método que
será a partir de agora apresentado consiste em aproveitar as vantagens do método
de série de Taylor, eliminando, ao mesmo tempo, sua maior desvantagem: o
cálculo de derivadas de f ( x, y ) , que fazem com que o método de série de
Taylor seja inaceitável computacionalmente.
Três propriedades caracterizam os métodos de Runge-Kutta de ordem p:

U4
i) são de passo um;

ii) não exigem o cálculo de qualquer derivada
de f ( x, y ) ; pagam, por isso, o preço de calcular
f ( x, y ) em vários pontos;
iii) após expandir f ( x, y ) por Taylor para função
de duas variáveis em torno de (xn , yn) e agrupar
os termos semelhantes, sua expressão coincide
com a do método de série de Taylor de mesma
ordem (RUGGIERO; LOPES, 1996, p. 326).
Na sequência, você conhecerá as subdivisões do método de Runge-Kutta.
(A) Métodos de Runge-Kutta de 1ª ordem – método de Euler
Tal como você viu quando desenvolvemos a fórmula do método de série de

Taylor para 1ª ordem, o método de Euler pode ser considerado como um método
de série de Taylor de 1ª ordem:
hy ''nn ,,nnn== 00,,11,,22,,…

yynn++11 == yynn ++ hy …
Então:
′ (yxyn0n+)1+==hffyn( x+n0hy
yn +1y= , yn0n'n)=,,nnny=(=x000,),11,,22,,…
…
Além do método de Euler ser considerado como um método de série de Taylor

de primeira ordem, ele ainda pode ser considerado como um método de Runge-
Kutta de ordem p = 1 , pois satisfaz às três propriedades que foram enunciadas no
início dessa subseção.
(B) Métodos de Euler Aperfeiçoado
Esse é um método particular de 2ª ordem para o método de Runge-Kutta que

você estudará no próximo tópico (C). Esse método consiste, basicamente, em
realizar mudanças no método de Euler de maneira a possibilitar a obtenção de um
método de ordem mais elevada.
Observe a figura a seguir:

U4
Figura 4.4 | Representação gráfica do método de Euler Aperfeiçoado
Fonte: <http://slideplayer.com.br/slide/2263168/>. Acesso em: 04 out. 2015
Note, na figura, que o método de Euler Aperfeiçoado consiste na utilização da

média das inclinações no ponto e no ponto seguinte, ao invés de considerar o
lugar da inclinação da tangente em um ponto para aproximar o ponto seguinte.
Partindo dessa ideia e fazendo as devidas demonstrações, as quais

desconsideramos nesse estudo, ressaltamos que no caso do método de Euler
Aperfeiçoado obtemos:

h
yn +1 = yn + {f ( xn , yn ) + f ( xn , yn ) + hf x ( xn , yn ) + hf ( xn , yn ) f y ( xn , yn ) +
2
h²
+ [f xx (α , β ) + 2 f ( xn , yn ) f xy (α , β ) + f 2 ( xn , yn ) f yy (α , β ) } =
2
h²
= yn + hf ( xn , yn ) +  f x ( xn , yn ) + f ( xn , yn ) f y ( xn , yn )  +
2 
h³
+  f xx (α , β ) + 2 f ( xn , yn ) f xy (α , β ) + f 2 ( xn , yn ) f yy (α , β ) 
4
Se compararmos essa equação com o desenvolvimento de y em série de Taylor,

será possível chegar à conclusão de que o método de Euler Aperfeiçoado concorda
com o desenvolvimento da série de Taylor até o terceiro termo (em h²). Assim,
podemos justificar que esse método é um método de Runge-Kutta de segunda
ordem, o qual você estudará no próximo item.
(C) Métodos de Runge-Kutta de 2ª ordem
Partindo da ideia do método de Euler aperfeiçoado, podemos entender que ele

U4
é um método de Runge-Kutta de 2ª ordem, ou seja, que pertence a uma classe

mais geral de métodos, em que:
yn +1 = yn + ha1 f ( xn , yn ) + ha2 ( xn + b1h, yn + b2 hyn′ )
Considerando o método de Euler aperfeiçoado, temos:

1
=a1 =bb11 =11
2
1
=a2 = bb22 = 1
2
Será que o tipo de método apesentado anteriormente pode ser

um método de Runge-Kutta de ordem superior a dois?
Perceba que temos quatro parâmetros livres: a1, a2, b1 e b2.
Para que possamos estabelecer concordância entre o último método apresentado

e a série de Taylor até os termos de ordem h¹, faz-se necessário um parâmetro.
Além disso, se considerarmos f ( xn + bx1h n ,, ynn + b2 hyn′ ) calculado pela série de

Taylor de f ( x, y ) em torno de ( xn , yn ), é possível perceber, de maneira análoga,
que para haver concordância entre a fórmula de Euler aperfeiçoado e a de série de
Taylor até os termos de ordem h2 são necessários mais de dois parâmetros. Logo,
o último parâmetro que resta não é suficiente para exigir a concordância até os
termos de ordem h³.
No entanto, dispondo de quatro parâmetros disponíveis e apenas três exigências,

é possível delinearmos uma infinidade de métodos de Runge-Kutta da 2ª ordem.
Em síntese, para que haja concordância entre o método de Euler Aperfeiçoado

e o método de série de Taylor até os termos em h², precisamos de:
 a1 + a2 = 1

 a2b1 = 1 / 2
a b = 1 / 2
 2 2

U4
Temos, portanto, um sistema de três equações e quatro incógnitas, em que

podemos escolher um dos parâmetros de maneira arbitrária, que nos conduzirá à
seguinte forma geral dos métodos de Runge-Kutta de 2ª ordem:
  h h 
yn +1 = yn + h (1 − w ) f ( xn , yn ) + wf  xn + , yn + f ( xn , yn )   , nn =
= 00,1,2,…
,1, 2, …
  2w 2w 
(A) Métodos de Runge-Kutta de ordens superiores
Partindo das ideias construídas até o momento com relação aos métodos de
Runge-Kutta, podemos estendê-las para construir métodos de 3ª e de 4ª ordem e,
até mesmo, para ordens superiores.
Na sequência, elencamos as fórmulas para métodos de Runge-Kutta de 3ª e 4ª

ordens:
3ª ordem:
2 1 4
yn +1 = yn + k1 + k2 + k3
9 3 9
Onde:
k1 = hf ( xn , yn )
 h k 
k2 = hf  xn + , yn + 1 
 2 2
 3 3 
k3 = hf  xn + h, yn + k2 
 4 4 
4ª ordem:
1
yn +1 = yn + ( k1 + 2k2 + 2k3 + k4 )
6
Onde:
k1 = hf ( xn , yn )
 h k 
k2 = hf  xn + , yn + 1 
 2 2
 h k 
k3 = hf  xn + , yn + 2 
 2 2

U4
k4 = hf ( xn + h, yn + k3 )
Apesar das vantagens evidenciadas para os métodos de Runge-Kutta, é

importante destacar que, apesar de serem autoiniciáveis (passo um) e não se
envolverem com derivadas de f ( x, y ) , o método de Runge-Kutta apresenta uma
desvantagem: para esse método não temos uma estimativa simplificada para a
determinação do erro, algo que poderia ajudar, até mesmo, na escolha do passo
h. Veja um exemplo que envolve o método de Runge-Kutta:
Exemplo 5: (Adaptado de RUGGIERO; LOPES, 1996, p. 332) Seja o PVI:
Determine y ( 2,1) pelo método de Euler com h = 0, 05 .
Resolução:
Temos que:
yn +1 = yn + hf ( xn , yn )
yn
yn +1 = yn + h − h
xn
Aplicando , temos:
y ( 2,1) ≈ y2
 h  0, 05 
y1 = h + 1 −  y0 = 0, 05 + 1 −  2 = 0, 05 + 2 − 0, 05 = 2
 x0   2 

U4
 h  0, 05 
y2 = h + 1 −  y1 = 0, 05 + 1 −  2 = 0, 05 + 1, 9512195 = 2, 0012195
 x1   2, 05 
Logo,
y ( 2,1) ≈ � 2, 0012195
 Seja o yPVI:
 LOPES, 1996, p. 332)
1. (Adaptada de RUGGIERO; y
 xy′ = x − y  y ′ = 1 − ⇒ f ( x, y ) = 1 −
  ′ y →  y xy xy
 xy′ = x − y  xy
y ′(=2 )
=
1 x
=
− −
2 y ⇒ f ( x , y )=y1′ −
= 1 − ⇒ f ( x , y ) = 1 −
 →  x →  x x y ( x) = 2 x
 y ( 2) = 2  y ( 2 ) = 2
y ( x) = 2   y ( x) = 2
 
Determine y ( 2,1) pelo método de Euler com h = 0,1 . Em

seguida, assinale a alternativa que apresenta a resposta correta:
a) 1,0.
b) 1,5.
c) 2,0.
d) 2,5.
e) 3,0.
Para saber mais sobre os métodos de Runge-Kutta, acesse os links indicados.

Nos vídeos, além de explicações, você encontra a resolução, explicada passo
a passo, de problemas envolvendo métodos de Runge-Kutta:
<https://www.youtube.com/watch?v=EWiEvMOfyqw>
<https://www.youtube.com/watch?v=mJ1QEzzeP9Y>
<https://www.youtube.com/watch?v=2E196PYHVwc>
<https://www.youtube.com/watch?v=rUoAmmX5v_k>
<https://www.youtube.com/watch?v=7uujiAk9B00>

U4
2.4 Métodos de Passo Múltiplo

Nos casos anteriores, ou seja, nos métodos de passos simples, você estudou
que faz-se necessário obter informações sobre a solução apenas em x = xn para
encontrar uma aproximação para y ( xn + h ) , em contrapartida, os métodos de
passos simples exigem ou cálculos de derivadas, ou o cálculo de f ( x, y ) em
diversos outros pontos.
Assim, o principal diferencial entre os métodos de passo simples e os de passo

múltiplo é que este utiliza informações sobre solução em mais de um ponto.
Logo, um método de passo múltiplo pode ser considerado como de passo s

se a cada passo ele utilizar s valores de y . Em outras palavras, a aproximação
yn+1 é calculada utilizando-se valores yn, yn–1,..., yn–s+1. Logo, um método de passo
s necessita de s valores iniciais, os quais podem, até mesmo, serem obtidos a
partir de um método de passo simples.
Assim, percebe-se que os métodos de passo múltiplo se tornam, de certa forma,

mais complexos ou trabalhosos do que os métodos de passo simples, contudo,
trazem como vantagem o fato de apresentarem resultados mais precisos.
Inicialmente, supomos que conhecemos aproximações para y ( x ) em x0, x1,...,

xn e que xi +1 – xi = h,i = 0,1,…
Vamos conhecer alguns métodos de passo múltiplo, os quais estão alicerçados nos
princípios de integração numérica, denominados de métodos de Adams-Bashforth.
A ideia que você precisa ter inicialmente é a de integrar a equação diferencial

y′ = f ( x, y ) , desde xn até xn+1 . Dessa forma, teremos:
xn+1
y ( xn +1 ) = y ( xn ) + ∫ f ( x, y ( x ) ) dx
xn
O que deve ser feito agora é aproximar a integral dessa expressão por uma fórmula
de quadratura numérica que pode ser escolhida por quem estiver desenvolvendo o
problema. Dentre esses métodos destacamos os explícitos e os implícitos:
(A) Métodos explícitos:
Os métodos desta classe são obtidos a partir do trabalho com xn, xn–1,.., xn–m
para aproximar a integral.
Essa aproximação poderá ser feita a partir de f x, y x pelo polinômio de ( ( ))

grau m, pm ( x ) que interpola f ( x, y ) em xn, xn–1,.., xn–m. Então:

U4
xnn++11
y ( xn +1 )y≈
n +1y=
( xyn n) + ∫ p ((xx))dx
dx
m
3
xnn
Utilizando todas as informações possíveis, podemos demonstrar que o método

do passo múltiplo explícito será:
h
yn +1 = yn + [55 f n − 59 f n−1 + 37 f n−2 − 9 f n−3 ]
24
(B) Métodos implícitos:
Os métodos desta classe são obtidos quando trabalhamos com xn, xn–1,.., xn–m.
O método é análogo ao que acabamos de evidenciar no método explícito,

principalmente quando trabalhamos com quatro pontos. Assim, se m = 2 então
vamos usar em:
xn+1
yn +1 = yn + ∫ p ( x ) dx
xn
3
xn+1
yn +1 = ∫  L ( x ) f
xn
−2 n−2 + L−1 ( x ) f n −1 + L0 ( x ) f n + L1 ( x ) f n +1  dx
A partir da demonstração dessa expressão com as informações necessárias,

chegamos à expressão do método de passo múltiplo implícito:
h
yn +1 = yn + [9 f n+1 + 19 f n − 5 f n−1 + f n−2 ]
24
Observe a última expressão apresentada (método de passo

múltiplo implícito) e responda: por que essa expressão não é
explícita? Ou seja, que aspecto ela apresenta que nos garante que
essa fórmula é explícita?

U4
Para saber mais sobre os métodos de passo simples e passo múltiplo,

acesse:
<http://cee.uma.pt/edu/acn/docs/acn_edo.pdf>
<http://mtm.ufsc.br/~zambaldi/especializacao/aula12e13-fermin.pdf>
<http://www.dca.ufrn.br/~diogo/FTP/dca0304/edo.pdf>
2.5 Equações de Ordem Superior

Antes de iniciarmos esse estudo sobre métodos numéricos para Equações de
Ordem Superior é essencial que você compreenda o que são elas e quais são as
diferenças e similaridades com as Equações Diferenciais Ordinárias.
Para conhecer o que são as Equações de Ordem Superior, acesse os

links indicados:
<https://www.youtube.com/watch?v=1U3pelqDxO0&list=PLDE03B0D
5AD616BE1&index=6>
<http://www.mtm.ufsc.br/~daniel/sem1_05/edo/farlow/sec4.pdf>
<http://www.ipb.pt/~ildareis/Ensino/ficheiros_AM3_05-06/AMIII%20
-%20cap%202.pdf>
<http://www.instructioneducation.info/Mechsub/num3_1.pdf>
Além dos links, você encontra materiais de Cálculo Diferencial e Integral
na Biblioteca Digital. Não deixe de acessar!
Agora que você já estudou o que são as equações de ordem superior, vamos
estudar os métodos numéricos que podem ser considerados nesses casos.
Antes disso, retomando os aspectos principais que você estudou sobre

equações diferenciais de ordem superior, você deve ter percebido que muitas
vezes podemos nos deparar com equações diferenciais de ordem m escritas, por
exemplo, na forma:
(
u ( m ) = f x, u , u ′, u ′′, …, u ( m −1) )
Por exemplo:

U4
Esse exemplo foi apresentado por Ruggiero e Lopes (1996), em que os autores
ainda ressaltam que transformar uma equação de ordem m como esse em um
sistema de m equações de ordem 1 pode ser um procedimento simples. Logo:
 z1 = 1
 z '1 = u ′ = z2

 z2′ = u ′′ = z3
 

 zm′ −1 = u m −1) = zm
(

 z 'm = u ( ) = f ( x, u , u ′, …, u ( )
m m−1
Destacamos desde já que nos embasaremos nos exemplos e procedimentos

apresentados por Ruggiero e Lopes (1996) para detalharmos as explicações que
nos conduzirão à compreensão dos métodos envolvidos nos problemas de
equações de ordem superior.
Primeiramente, aplicamos o método de Euler Aperfeiçoado em uma equação

diferencial de segunda ordem, tal como fazemos no exemplo a seguir:
 y′′ = f ( x, y, y′ )

 y ( 0 ) = y0
 y′ ( 0 ) = y '
 0
Agora, transformamos esta equação num sistema de duas equações de primeira

ordem:
 y′ = z
 ′′ ′
 y = z = f ( x, y , y ′ ) = f ( x, y , z )
 y
Se chamarmos de Y � a expressão   , então transformamos o PVI inicial em:
z
  y '  z    y 
Y =   =   = F ( x, Y ) = F =  x,   
  z '   f ( x, y , z )    z 

  y ( 0 )   y0 
 Y ( 0 ) =   =   = Y0
  z ( 0 )   y '0 
Utilizando o método de Euler Aperfeiçoado para uma equação, obtemos:

U4
h
Yn +1 = Yn +  F ( xn ,Yn ) + F ( xn + h, Yn + hYn′ ) 
2
Agora, no próximo passo fazemos:
Assim, obtemos que:
Então,
Agora, tendo em vista simplificar essa expressão, vamos fazer algumas

transformações, chamando:
Para melhor compreensão de todo esse processo que foi demonstrado, vamos
ver um exemplo numérico que possa facilitar a compreensão de como se dará a

U4
aplicação dos procedimentos vistos, sobretudo, da fórmula final apresentada:
Exemplo 6: (RUGGIERO; LOPES, 1996, p. 355) Dado o PVI:

 y′′ = 4 y′ − 3 y − x

 4
 y (0) =
 9
 7
 y′ ( 0 ) = 3
E tomando h = 0, 25 , teremos:
 y′ = z
 ′
 z = f ( x, y , z ) = 4 z − 3 y − x
O método de Euler Aperfeiçoado aplicado a este PVI fornecerá para

y1 ≈ y ( 0, 25 ) :
24
= 0.25 × = 0.25 × 8 = 2, 0
3
= 0.25 ×13.998 = 3.4995
Assim:
 h  4 7 0.25 
 y0 + hz0 + 2 k1   9 + 0.25 × 3 + 2 × 2 
Y1 =  = 
 z + 1 ( k + k )   7 + 1 (2 + 3.4995 
 0 1 2   
 2   3 2 

U4
 1.278 
≈ 
 5.083 
Logo, temos:
 y ( 0.25 ) ≈ 1.278

 y ' ( 0.25 ) ≈ 5.083
2.6 Problemas de Valor de Contorno – o método das diferenças

finitas
Os problemas de contorno com os quais trabalharemos serão representados
de forma mais geral, como:
 y '' = f ( x, y, y′ )

 a1 y ( a ) + b1 y′ ( a ) = γ 1
a y ( b ) + b y′ ( b ) = γ
 2 2 2
Na expressão dada, são constantes reais conhecidas, de

maneira que nem a1 e b1 , nem a2 e b2 se anulam ao mesmo tempo.
Se f ( x, y, y′ ) ≡ 0 , γ 1 = γ 2 = 0 o problema apresentado, de acordo com

a expressão dada, é dito problema homogêneo. Nesse caso, é evidente que
y ( x ) ≡ 0 é solução.
Para que seja possível fazer as aproximações que você irá estudar, necessitamos
enunciar a seguinte definição:
Definição: Dizemos que g ( h ) é 0( h ) , se existe uma constante C > 0 tal que

p
g( )
h ≤ C� hp .
Para que você possa compreender de maneira simples em que consiste o

método das diferenças finitas, considere que a ideia fundamental desse método
é transformar o problema de resolver uma equação diferencial em um problema
de resolver um sistema de equações algébricas. Tendo em vista essa finalidade,
faremos uso de aproximações, por diferenças finitas, das derivadas que estão
presentes na equação.
Para isso, fazemos x0 = a, xn = b e dividiremos o intervalo a, b em [ ] n partes

U4
iguais de comprimento
b−a
h= (cada
cada )
n
Logo:
Caso f ( x, y , y′ ) for linear (em y e y� '), então o sistema a ser resolvido será,
do mesmo modo, linear. Além disso, poderemos utilizar os métodos que você já
estudou em unidades anteriores, sobretudo, o que você estudou sobre resolução
de sistemas lineares, para resolvê-lo. De maneira análoga, se f ( x, y , y′ ) for não
linear, teremos, também, um sistema não linear de equações algébricas e, para
resolvê-lo, podemos fazer uso dos métodos que foram estudados sobre resolução
de sistemas não-lineares.
A seguir, elencamos as aproximações mais utilizadas para a primeira derivada

no ponto xi :
Mas, cuidado! Utilizar essas aproximações (A, B e C) para aproximar y '( xi ) é

um erro!
Supondo y ( x ) com tantas derivadas quanto necessárias, a fórmula de Taylor

de ( x ) em torno de xi é que constituirá a ferramenta matemática que utilizaremos
para mensurar o erro local cometido.
Por um processo longo de demonstração é possível provar que:

y ( xi +1 ) − y ( xi −1 ) h ²
y′ ( xi ) = −  y′′′ (ξi +1 ) + y ''' (ξi −1 ) 
2h 12
Onde temos que:

yi +1 − yi −1
y′ ( xi ) ≈
2h

U4
Além disso, temos que esta aproximação é ( )

0 h 2 ,supondo y ''' ( x ) limitada
[
em a, b . ]
A partir da análise realizada concluímos que o erro na fórmula centrada é da
ordem de h² e, como h < 1, podemos afirmar que esta fórmula é bem mais precisa
se comparada com as outras duas. Isso justifica sua grande aplicação.
Ainda, utilizando mais uma vez a fórmula de Taylor, é possível aproximarmos a

derivada segunda, assim como definir uma expressão do erro para ela.
Nessa empreitada consideraremos k = 3 nos pontos xi+1 e xi−1 , respectivamente:

h² h³ 4³
y ( xi +1 ) = y ( xi ) + hy′ ( xi ) + y′′ ( xi ) + y′′′ ( xi ) + y (iv ) (ξi +1 )
2! 3! 4!
e
h2 h³ 4³
y ( xi −1 ) = y ( xi ) − hy′ ( xi ) + y′′ ( xi ) − y′′′ ( xi ) + y (iv ) (ξi −1 )
2! 3! 4!
Somando essas duas expressões, obtemos:

h 4  (iv )
y ( xi +1 ) + y ( xi −1 ) = 2 y ( xi ) + y′′ ( xi ) h ² +  y (ξi +1 ) + y (iv ) (ξi −1 ) 
24
Assim temos a expressão:

yi +1 − 2 yi + yi −1
y′′ ( xi ) ≈
h²
Com erro da ordem de h², se y (iv ) ( x ) for limitada em [ a, b ] .
Saiba mais sobre o método das diferenças finitas acessando os links:

<http://www.inf.ufes.br/~luciac/cn/pvc.pdf>
<http://www.ime.unicamp.br/~biloti/an/pvc.pdf>
<http://www.professores.uff.br/gbenitez/Aula_13.pdf>
<http://www.dcc.ufrj.br/~juvianna/EDO/edo2.pdf>
<http://www.icmc.usp.br/~lefraso/disc/dia03.pdf>
<http://www.inf.ufes.br/~avalli/calc_num/13_2/pamela_talles_trab3.
pdf> <http://www.mat.ufmg.br/~rodney/notas_de_aula/df.pdf>

U4
Nesta unidade, você aprendeu:
• Métodos numéricos relacionados à integração, dos quais

destacamos os métodos fechados de Newton-Cotes, mais
especificamente a regra dos trapézios e a regra 1/3 de Simpson.
• Método numérico da Quadratura Gaussiana, também

relacionada a problemas de integração.
• Métodos numéricos relacionados a Equações Diferenciais

Ordinárias de Primeira Ordem, em que destacamos métodos
numéricos para problemas de valor inicial (PVI).
• Métodos numéricos relacionados a Equações Diferenciais

Ordinárias de Ordem Superior, em que destacamos métodos
numéricos para problemas de valor de contorno (PVC).
Nesta unidade, você deu continuidade ao estudo de métodos

numéricos para solucionar diversos tipos de problemas. De maneira
específica, espera-se que com o estudo realizado nessa unidade
você tenha entendido alguns métodos numéricos para aproximar
a função integrando por meio de fórmulas fechadas de Newton-
Cotes, bem como por meio de fórmulas de Quadratura Gaussiana.
Além disso, espera-se que você tenha compreendido os métodos

numéricos apresentados para a resolução de problemas de valor
inicial e problemas de valor de contorno em equações diferenciais
ordinárias, reconhecendo que o problema principal a ser tratado
nesse conceito é encontrar uma função y que satisfaça uma
equação diferencial e algumas condições específicas.
Lembre-se de que a aprendizagem nessa disciplina só será

significativa se você fizer todas as leituras sugeridas, resolver
as atividades de aprendizagem propostas e, se possível, fazer
pesquisa em bibliotecas e estudar os materiais que compõem a

U4
bibliografia dessa unidade.
E, ainda, gostaria de fazer um convite muito importante: acesse o

fórum da disciplina e compartilhe suas dúvidas e conhecimentos
construídos. Afinal, compartilhar conhecimentos pode auxiliar
muito na compreensão dos estudos realizados.
Bons estudos!

Por meio da regra trapezoidal para n = 8, calcule a integral a
seguir e, depois, assinale a alternativa correta:
2
2 x²
I = 2 dx ∫x
0
+1
a) I = 1, 787366737 .
b) I = 1, 737866737 .
c) I = 1, 677873637.
d) I = 1, 366737787 .
e) I = 1, 877336677 .
2. (Adaptada de RUGGIERO; LOPES, 1996, p. 324) Seja o PVI:

y′ y=, y ,(y0 () 0=)1=.. Trabalhando
y′ = 1. com quatro casas decimais, utilize
o método de Euler para aproximar y ( 0.04 ) com ε ≤ 5 × 10−4 .
Em seguida, assinale a alternativa que apresenta o resultado
correto:
a) 1.2090.
b) 1.3048.
c) 1.0404.
d) 1.0097.
e) 1.5091.
3. (Adaptada de RUGGIERO; LOPES, 1996, p. 332) Seja o PVI:

U4
  ′ y y
 xy′ = x − y  y = 1 − ⇒ f ( x, y ) = 1 −
  ′ y →  y xy xy
 xy′ = x − y y′(=2=)1=x− −2 y ⇒ f ( x, y)=y1′ =
 xy − 1 − ⇒ f ( x, y ) = 1 −


→  x →  x x y ( x ) = 2 x
 y ( 2) = 2  y ( 2 ) = 2 y ( x ) = 2  y ( x) = 2

Determine y ( 2,1) pelo método de Euler com h = 0, 025 . Em

seguida, assinale a alternativa que apresenta a resposta correta:
a) 2,0071180.
b) 2,0710180.
c) 2, 0180071.
d) 2, 8071001.
e) 2,0018071.

Com h = 0,1, pelo método de Runge-Kutta de segunda ordem,
calcule y = ( 0, 5 ) para:
dydy
1;1; y y(y0()0=) =2 2
= =− −y y+ +x x+ +
dxdx
Assinale a resposta correta:
a) 2,9011.
b) 2,0190.
c) 2,9010.
d) 2,9100.
e) 2,0109.
5. (Adaptada de BARROSO et al., 1987, p. 213) Calcular o valor

da integral:
1
∫ ( 2 x + 3) dx
0
Aplicando a regra dos trapézios composta e subdividindo o

intervalo [ 0,1] em n subintervalos de tal modo que o erro seja
mínimo. Em seguida, assinale a alternativa correta:
a) I =4.
b) I = 5.
c) I = 6.
d) I =7.
e) I =8.

U4

U4
Referências
BARROSO, Leônidas Conceição et al. Cálculo numérico (com aplicações). 2. ed.

São Paulo: Harbra, 1987.
BURDEN, Richard L.; FAIRES, J. Douglas. Análise numérica. São Paulo: Pioneira
Thomson Learning, 2003.
RUGGIERO, Márcia A. Gomes; LOPES, Vera Lúcia da Rocha. Cálculo numérico:

aspectos teóricos e computacionais. 2. ed. São Paulo: Makron Books, 1996.
SPERANDIO, Décio; MENDES, João Teixeira; SILVA, Luiz Henry Monken e. Cálculo
numérico. 2. ed. São Paulo: Pearson Education do Brasil, 2014.

336 Calculo Numerico Unopar Academico

Enviado por

Dados do documento

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

336 Calculo Numerico Unopar Academico

Enviado por

Direitos autorais:

Formatos disponíveis

Cálculo

Renata Karoline Fernandes

Presidente: Rodrigo Galindo

Dados Internacionais de Catalogação na Publicação (CIP)

Fernandes, Renata Karoline

 1. Cálculos numéricos. I. Kirnev, Debora Cristiane

Unidade 1 | Representação numérica, erros numéricos e raízes de funções 7

Seção 2 - Erros relativos e erros absolutos 25

Seção 3 - Zeros reais de funções reais 31

Unidade 2 | Sistemas lineares e não lineares 51

Seção 2 - Sistemas lineares: métodos iterativos 71

Seção 3 - Resolução de sistemas não lineares 83

Unidade 3 | interpolação e ajustes de curvas 99

Seção 2 - Ajustes de curvas pelo método dos mínimos quadrados 127

Seção 2 - Problemas de valor inicial e equações de ordem superior

A disciplina de Cálculo Numérico é indispensável para a formação do futuro

No decorrer deste livro, você será convidado a refletir a respeito da associação

Este livro está dividido em quatro unidades, que contemplam os conceitos da

Na unidade 1, abordaremos o conceito de representação dos números, erros

A unidade 2 é destinada para que você conheça e compreenda formas para

A unidade 3 é voltada para a introdução de conceitos de grande importância

Na última unidade deste livro, a unidade 4, você aprenderá a respeito da fórmula

Prof.ª Renata Karoline Fernandes.

Renata Karoline Fernandes

Objetivos de aprendizagem: Esta unidade tem como objetivo auxiliar

Para você que é um(a) professor(a) em formação é muito importante a

Você sabia que, ao analisar tanto a mudança de base quanto as

Os métodos para determinar as raízes de uma função são muito

Seção 1 | Representação dos números

Você também é convidado a aprender a respeito da mudança de base,

É importante que você utilize esses novos conhecimentos para refletir

Seção 2 | Erros relativos e erros absolutos

Como dito na introdução dessa seção, os métodos numéricos

O estudo dos erros é importante para a tomada de decisões, o erro

Nesta seção você aprenderá a respeito de diferentes tipos de erros,

Seção 3 | Zero reais de funções reais

Os principais métodos aprendidos nesta seção constituem-se

8 Representação numérica, erros numéricos e raízes de funções

Na disciplina de cálculo numérico são tratados diversos métodos para obtenção

Mesmo com as inúmeras facilidades ofertadas por softwares computacionais,

Como dito anteriormente, existem diferentes métodos para a resolução de

Representação numérica, erros numéricos e raízes de funções 9

10 Representação numérica, erros numéricos e raízes de funções

Representação dos números

1.1 Representação numérica em diferentes bases

No numeral 15, o algarismo 5 representa cinco unidades, enquanto que no

Por se tratar de um sistema de numeração posição, conseguimos representar

De acordo com Eves (2004, p. 35):

Representação numérica, erros numéricos e raízes de funções 11

Nosso sistema de numeração é um exemplo

Podemos perceber nessa citação que um número do nosso sistema de

Em que b representa a base na qual o número está escrito. Vejamos alguns

EXEMPLO – Escreva na forma polinomial na base dez os números:

Para escrever o número 12 na forma polinomial utilizamos:

Em que N representa o número que queremos escrever na forma polinomial,

12 Representação numérica, erros numéricos e raízes de funções

Para verificar que realmente podemos escrever os números desta maneira,

Como podemos perceber, a representação polinomial do número 12 é 1.10+2.

486 = 4.102 + 8.101 + 6

Deste modo, a forma polinomial do número 486 é 4.102 + 5.101 + 6. Agora,

Logo, a forma polinomial do número 1785 é .

Realizando as multiplicações, para assim verificar a fórmula polinomial do

Assim, é correto afirmar que a forma polinomial do número 98741 é

Representação numérica, erros numéricos e raízes de funções 13

1. Cálculos numéricos. I. Kirnev, Debora Cristiane