Escolar Documentos
Profissional Documentos
Cultura Documentos
Lavras/MG
Junho/2022
Sumário
Apresentação 3
I Tópicos 4
1 Sistemas de numeração, conversão decimal-binário-decimal e erros 5
6 Sistemas não-lineares 22
8 Intepolação polinomial 29
10 Integração numérica 37
II Listas de exercı́cios 41
1 Sistemas de numeração, conversão decimal-binário-decimal e erros 42
6 Sistemas não-lineares 54
8 Interpolação polinomial 61
1
9 Interpolação por splines 63
10 Integração numérica 65
6 Sistemas não-lineares 83
8 Interpolação polinomial 91
10 Integração numérica 96
2
Apresentação
Este material é um compilado das notas de aula e das listas de exercı́cios trabalhadas com
os alunos da disciplina de Cálculo Númerico da UFLA. Ele foi elaborado para utilização no
contexto do Estudo Remoto Emergencial iniciado no ano 2020 e carece de revisão mais apurada,
embora semestralmente erros sejam corrigidos e algumas alterações sejam feitas. Seu propósito
é apontar aos alunos os tópicos que serão abordados na disciplina, de modo que não há qualquer
intenção de apresentar esses tópicos de forma aprofundada. Ele não é e não substitui um livro-
texto, portanto, caro(a) aluno(a), utilize-o sempre como um material prévio ou adicional ao
livro-texto indicado pelo professor.
Os conteúdos aqui constantes podem ser encontrados, total ou parcialmente, em livros que
tratam de cálculo numérico, análise numérica, métodos numéricos ou métodos computacionais.
Alguns deles são:
3
Parte I
Tópicos
4
Tópico 1: Sistemas de numeração,
conversão decimal-binário-decimal e
erros
Sistemas de numeração
Número é a ideia de quantidade ou o resultado de uma operação sobre uma quantidade.
Numeral é a representação escrita ou falada de um número.
Algarismo (ou dı́gito) é o sı́mbolo que usamos para compor numerais através da escrita.
Sistema de numeração é um conjunto de convenções usado para representar quantidades.
Caracterı́stica posicional: cada algarismo contribui com um peso diferente para o valor
do número representado e esse peso é determinado por sua posição.
Notação numérica: ou ponto fixo, ou ponto flutuante.
Conversão decimal-binário-decimal
Um número inteiro N escrito na forma Am−1 Am−2 Am−3 . . . A2 A1 A0 , composta por m
algarismos Ai numa base B, tem seu valor dado pela expressão
m−1
X
Ai B i .
N=
i=0
Se N é não-inteiro e está escrito na forma Am−1 Am−2 Am−3 . . . A2 A1 A0 A−1 A−2 . . . A−k ,
composta por m algarismos inteiros e k algarismos fracionários, a expressão correta é
m−1
X
Ai B i .
N=
i=−k
Erros
Os números irracionais não têm representação escrita com uma quantidade finita de al-
garismos, qualquer que seja o sistema de numeração utilizado, portanto precisarão de
arredondamento, ou seja, chegar-se-á a resultados aproximados sempre que forem utiliza-
dos os cálculos.
Num sistema de numeração especı́fico, há um subconjunto de números racionais que
não podem ser escritos, sem o uso da notação de fração, com uma quantidade finita de
algarismos, levando ao mesmo problema dos números irracionais.
Sendo x o valor exato de uma variável e x̄ seu valor calculado (aproximado), definem-se
dois tipos de erros:
Erro absoluto x − x̄
Erro absoluto = |x − x̄| e Erro relativo = =
x .
x
5
Erros de arredondamento X erros de truncamento
6
Tópico 2: Zeros de funções – métodos
intervalares
Definição e teorema
Definição: zero de uma função.
Seja f uma função real definida no conjunto A e seja a ∈ A. Quando f (a) = 0, então a é
um zero da função f .
Teorema do valor intermediário.
Seja f uma função contı́nua definida em [a; b] e seja k um número qualquer entre f (a) e
f (b). Pode-se afirmar que existe um número c ∈ [a; b] tal que f (c) = k.
Geometricamente, todo ponto em que o gráfico de um função de uma variável desenhado
sobre um sistema de eixos cartesiano intercepta o eixo horizontal é um zero da função.
O teorema do valor intermediário garante que há um zero da função no intervalo [a; b],
incluindo as extremidades, sempre que f (a) · f (b) ≤ 0.
Método da bisseção
O método da bisseção trabalha dividindo ao meio um intervalo inicial contendo um zero
da função até que esse intervalo se torne tão pequeno quanto se deseje.
7
1. Utilizando o teorema do valor intermediário, determine um intervalo inicial [a; b]
para a execução do método tal que ele contenha pelo menos um zero da função f
dada.
a+b
2. Teste se o ponto médio x = do intervalo é um zero da função.
2
I Se sim, a iteração deve ser encerrada e x é o valor procurado.
I Se não, verifique se f (a) f (x) ≤ 0.
. Se sim, há um zero no intervalo [a; x].
. Se não, há um zero no intervalo [x; b].
I Defina como novo intervalo aquele no qual há um zero de f .
3. Repita o passo 2 até que um dos critérios de parada seja alcançado.
A figura a seguir ilustra a localização das quatro primeiras estimativas para o zero da
função f (x) quando se aplica o método da bisseção ao intervalo inicial [a; b]. Cada esti-
mativa é o ponto médio do intervalo utilizado e este intervalo deve ser atualizado para o
cálculo de cada nova estimativa de modo a garantir que ele contenha o zero da função.
y
x2 x1
x
a x3 x b
4
•
f (x)
A figura a seguir ilustra a localização das quatro primeiras estimativas para o zero da
função f (x) quando se aplica o método da posição falsa ao intervalo inicial [a; b]. Cada
extremidade do intervalo é projetada sobre o gráfico e é traçada uma reta ligando esses
8
pontos. A interceptação do eixo horizontal por esta reta indica a localização da estimativa
do zero da função.
y
x3 x2 x1
• x
a b
x4 •
•
f (x)
•
A figura a seguir ilustra a localização das duas primeiras estimativas para o zero da
função f (x) quando se aplica o método alternativo da posição falsa ao intervalo inicial
[a; b]. A interpretação geométrica é semelhante àquela do método da posição falsa, mas
neste caso a extremidade do intervalo que se mantém inalterada durante duas ou mais
iterações consecutivas tem sua altura dividida por 2, aproximando-se do eixo horizontal
com a intenção de que a estimativa calculada esteja ainda mais próxima do valor real do
zero da função.
9
y
•
• x2 x1
x
a b
•
f (x)
•
10
Tópico 3: Zeros de funções – métodos
abertos
A convergência é tão mais rápida quanto menor for |φ0 (x)|. É importante notar que
estes critérios, quando atendidos, garantem a convergência das iterações para a solução,
porém caso não sejam atendidos, a consequência é que nada pode ser afirmado sobre a
convergência antes que alguns iterações sejam realizadas.
A figura a seguir ilustra a localização das cinco primeiras estimativas (excluı́da a esco-
lha inicial) para o zero da função f (x) quando se aplica o método do ponto fixo com
estimativa inicial x0 . Deve-se prestar atenção que no caso do método do ponto fixo, o
gráfico analisado é da função de iteração φ(x) e não da função f (x); e no caso da função
de iteração, a solução não ocorre na interceptação com o eixo horizontal, mas na inter-
ceptação com a reta y = x (diagonal principal). Os passos necessários para localizar as
estimativas são: (i) cada estimativa deve ser projetada verticalmente sobre o gráfico de
φ(x); (ii) a partir dessa posição deve ser traçada uma reta horizontal; (iii) a interceptação
desta reta horizontal com a diagonal principal dá a posição da próxima estimativa sobre
o eixo horizontal; (iv) os passos anteriores são repetidos até que sejam encontradas todas
as estimativas desejadas.
11
y
y=x
• •• φ(x)
•
x0 • x5
x
•
x1 x2 x3 x4
Método de Newton
O método de Newton é uma modificação do método do ponto fixo com o objetivo de ter
a taxa de convergência mais rápida possı́vel (|φ0 (x)| = 0).
A forma geral das funções de iteração é φ(x) = x + A(x) f (x), logo aplicando a condição
de que φ0 (x∗ ) = 0 chega-se a A(x) = −1/f 0 (x), onde x∗ é um zero de f .
Esse método converge quando f (x), f 0 (x) e f 00 (x) são contı́nuas em um intervalo I con-
tendo um zero de f , e também quando f 0 (x∗ ) 6= 0.
A figura a seguir ilustra a localização das três primeiras estimativas (excluı́da a escolha
inicial) para o zero da função f (x) quando se aplica o método de Newton com estimativa
inicial x0 . É traçada a tangente ao gráfico da função em cada estimativa e o ponto de
interceptação desta reta tangente com o eixo horizontal indica a localização da próxima
estimativa.
y
•
x1 x3 x0
• x
x2
• f (x)
12
1. Escolha duas estimativas iniciais x0 e x1 distintas para o zero da função f dada.
xt−1 f (xt ) − xt f (xt−1 )
2. Calcule a próxima estimativa utilizando xt+1 = .
f (xt ) − f (xt−1 )
3. Repita o passo 2 até que um dos critérios de parada seja satisfeito.
Pode-se assumir que esse método converge sempre que o método de Newton também
converge.
A figura a seguir ilustra a localização das três primeiras estimativas (excluı́das as duas
escolhas iniciais) para o zero da função f (x) quando se aplica o método da secante com
estimativas iniciais x(−1) e x0 . É traçada a reta que contém as duas últimas estimativas e
o ponto de interceptação desta reta com o eixo horizontal indica a localização da próxima
estimativa.
y
• x3 x
2 x(−1)
x
•
x1 x0
• • f (x)
13
Tópico 4: Sistemas lineares – métodos
interativos
a0 + a1 x1 + a2 x2 + . . . + aj xj + . . . + an xn = 0,
onde os vários ai são coeficientes constantes. Dito de outra forma, uma equação é linear
quando:
Toda equação que viole pelo menos uma dessas condições é uma equação não-linear.
Sistema de equações
Um sistema de equações é um conjunto de duas ou mais equações que precisam ser
satisfeitas simultaneamente. Pode-se expressá-lo enumerando todas as suas equações ou
agrupá-las em notação matricial:
a11 x1 + a12 x2 + · · · + a1n xn = b1 a11 a12 · · · a1n x1 b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
a21 a22 · · · a2n x2 b2
⇔ .. .. .. = .. ⇔
.. .. .. . .
. . . . . . . .
a x + a x + ··· + a x = b
n1 1 n2 2 nn n n an1 an2 · · · ann xn bn
⇔ A~x = ~b
sendo A chamada de matriz de coeficientes, ~x chamado de vetor de variáveis e ~b chamado
de vetor constante.
A interpretação geométrica da solução de um sistema de equações lineares depende do
tipo de sistema, conforme classificação apresentada a seguir, e da quantidade de equações
que o perfazem. Portanto, os apontamentos seguintes são válidos para sistemas consisten-
tes e determinados. No caso de duas equações, cada uma delas é uma reta no plano e cada
solução do sistema é um dos pontos de intersecção das retas. No caso de três equações,
cada uma delas é uma plano no espaço e cada solução do sistema é um dos pontos de in-
tersecção dos planos. Para sistemas com mais de três equações a interpretação geométrica
fica prejudicada, pois terı́amos que “visualizar” objetos geométricos num espaço com mais
de três dimensões.
14
Classificação dos sistemas lineares
Quanto à quantidade de soluções, quando existem, um sistema linear costuma ser classi-
ficado como se segue.
15
o método do ponto fixo estendido à um sistema de n equações compostas por n variáveis.
A diferença entre o método de Jacobi e o método de Gauss-Seidel está na forma como o
valor de cada variável é atualizado. Enquanto o método de Jacobi calcula a estimativa de
cada variável na iteração t+1 apenas com base nos valores estabelecidas para todas outras
variáveis na iteração t, o método de Gauss-Seidel se utilizada dos valores das estimativas
já calculadas na iteração t + 1 para acelerar o processo de convergência para solução do
sistema. Em outras palavras: o método de Jacobi atualiza cada estimativa com base
nos valores da estimativa anterior de cada variável; já o método de Gauss-Seidel sempre
utiliza o valor mais atual disponı́vel.
Um alerta sobre a notação: os subscritos indicam rótulos para variáveis diferentes, en-
quanto que os sobrescritos entre parênteses referem-se à contagem das iterações. Não se
deve confundir esses sobrescritos com expoentes, pois todas as equações são lineares.
Critério de convergência
Por serem casos particulares do método do ponto fixo, a convergência dos métodos itera-
tivos de Jacobi e de Gauss-Seidel decorre da condição válida para o ponto fixo:
∂φk ∂φk ∂φk ∂φk
∂x1 + ∂x2 + · · · + ∂xk + · · · + xn < 1
com
1
φk = (bk − (ak1 x1 + ak2 x2 + · · · + ak,k−1 xk−1 + ak,k+1 xk+1 + · · · + akn xn ))
akk
e k = 1, 2, 3, . . . , n. Ou seja, φk = 0 é a função de iteração referente à k-ésima equação
do sistema. Cada derivada vale:
( akj
∂φk akk , se j 6= k
∂xj =
0, se j = k
Substituindo na equação anterior:
ak1 ak2
+ · · · + ak,k−1 + ak,k+1 + · · · + akn < 1
+
akk akk akk akk akk
Por fim, pode-se usar algumas propriedades do valor absoluto para chegar a
Isso significa que há garantia de convergência quando, para todas as linhas da matriz de
coeficientes, a soma do valor absoluto de todos os elementos que não estão na diagonal
principal é menor do que o valor absoluto do elemento que está na diagonal.
Critérios de parada
I Uma condição a ser usada é estipular uma quantidade máxima de iterações que
podem ser executadas.
Esse critério costuma ser utilizado apenas como uma salvaguarda para o caso em
que as estimativas não estejam convergindo para um certo valor.
16
I Os outros critérios utilizados são o erro absoluto e o erro relativo no cálculo do vetor
~x com um valor de erro aceitável.
. O erro absoluto é definido como o elemento de maior valor absoluto do vetor
diferença ~x(t+1) − ~x(t) , sendo representado por
(t+1) (t)
max xi − xi
1<i<n
17
Tópico 5: Sistemas lineares – métodos
exatos
Matrizes elementares
Matriz elementar é a matriz obtida a partir da aplicação de uma operação elementar sobre
a matriz identidade.
Aplicar uma operação elementar sobre uma matriz qualquer tem o mesmo efeito que
multiplicar essa matriz à esquerda pela matriz elementar correspondente àquela operação.
18
1 0
– Exemplo: A matriz elementar corresponde à operação elementar que subs-
1 1
titui a segunda
linha pela soma dela com a primeira (L2 ← L2 + L1 ). Multiplicar a
1 2
matriz por essa matriz elementar tem o mesmo efeito que a aplicação da
3 4
operação elementar descrita:
1 0 1 2 1·1+0·3 1·2+0·4 1 2
= =
1 1 3 4 1·1+1·3 1·2+1·4 4 6
Métodos exatos
O objetivo dos métodos exatos não é necessariamente apresentar a solução do sistema
linear, mas reescrevê-lo de uma forma cuja procura pela solução se torne mais fácil.
Isso é feito com a aplicação recorrente de operações elementares a fim de gerar sistemas
equivalentes cada vez mais fáceis de seres resolvidos.
19
1. Em cada coluna da matriz estendida correspondente à parte dos coeficientes, chame
o elemento da diagonal principal de pivô.
2. Se o elemento pivô escolhido for zero, permute a linha da matriz que o contém com
qualquer outra linha abaixo de modo que o pivô nunca seja igual a zero.
3. Substitua as linhas abaixo da diagonal principal pela soma de múltiplos adequados
da linha que contém o pivô a cada uma delas, de modo a zerar todos os elementos
abaixo da diagonal principal.
4. Repita esses passos para todas as colunas da matriz referente aos coeficientes, da
primeira coluna até a última.
Ao final do algoritmo chega-se a um sistema triangular superior cuja solução pode ser
encontrada por substituições sucessivas.
1. Dado um sistema linear qualquer, construa sua matriz aumentada e utilize o método
de eliminação de Gauss para obter a matriz triangular equivalente.
2. De posse da matriz triangular, escolha uma coluna e chame seu elemento da diagonal
principal de pivô.
3. Substitua as linhas acima da diagonal principal pela soma de múltiplos adequados
da linha que contém o pivô a cada uma delas, de modo a zerar todos os elementos
acima da diagonal principal.
4. Repita os passos 2 e 3 para todas as colunas referentes aos coeficientes, da última
até a primeira.
Como resultado da aplicação desses passos tem-se um sistema diagonal, que se tiver os
coeficientes iguais a 1, então sua solução é o próprio vetor constante.
O resultado da aplicação desse método sobre uma matriz A são duas matrizes U (tri-
angular superior) e L (triangular inferior) tais que LU = A. Convém ressaltar que a
decomposição LU não é única, exceto em casos particulares, logo pode-se chegar a outra
decomposição se forem utilizados outros passos para gerar cada uma das matrizes trian-
gulares. De fato, a forma de construção da matriz L mencionada acima só tem validade
se for utilizado o algoritmo de eliminação de Gauss descrito anteriormente, de modo que,
se alguma operação elementar além das necessárias for executada, então deve-se procurar
outra forma de chegar à matriz L.
20
primeira mais à direita. (Lembrar que o produto matricial não é comutativo!) Como
P A = LU , a solução do sistema é obtida por
U~x = ~y
LU~x = P~b ⇒ .
L~y = P~b
21
Tópico 6: Sistemas não-lineares
Ressalta-se o fato de que quando uma dessas condições não for atendida, a convergência
ou não das funções de iteração a partir das condições inicias dadas só pode ser verificada
depois de executada uma certa quantidade de iterações.
Método do ponto fixo para sistemas com três ou mais equações
Aplicar o método do ponto fixo para um sistema não-linear com três ou mais equações é
uma extensão imediata do caso com duas equações. Deve-se (i) reescrever cada equação de
modo a isolar uma variável diferente, gerando todas das funções de iteração necessárias,
(ii) escolher uma condição inicial adequada e (iii) realizar tantas iterações quantas forem
necessárias. Um sistema com n equações deve ser reescrito da seguinte forma:
(t+1)
(t) (t) (t)
x 1 = F 1 x 1 , x2 , . . . , x n
f1 (x1 , x2 , . . . , xn ) = 0
(t+1) (t) (t) (t)
f2 (x1 , x2 , . . . , xn ) = 0
x2 = F2 x1 , x2 , . . . , xn
.. ⇒
. ..
f (x , x , . . . , x ) = 0
.
n 1 2 n
x(t+1) = F x(t) , x(t) , . . . , x(t)
n n 1 2 n
22
Método de Newton para sistemas de duas equações
O método de Newton utiliza-se da expansão de cada uma das funções em série de Taylor
truncadas em torno do ponto (x0 , y0 ), portanto, dadas as funções f (x, y) e g(x, y), as
expansões consideradas são
∂f ∂f
f (x, y) ≈ f (x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y
x0 ,y0 x0 ,y0
∂g ∂g
g(x, y) ≈ g(x0 , y0 ) + (x − x0 ) + (y − y0 )
∂x ∂y
x0 ,y0 x0 ,y0
f (x, y) = 0
Deste modo, o sistema , se torna (de forma aproximada, embora seja usado
g(x, y) = 0
o sinal de igualdade)
∂f ∂f
0 = f (x0 , y0 ) + (x − x0 ) · + (y − y0 ) ·
∂x ∂y
x0 ,y0 x0 ,y0
.
∂g ∂g
0 = g(x0 , y0 ) + (x − x0 ) · ∂x + (y − y0 ) ·
∂y
x0 ,y0 x0 ,y0
Convém esclarecer que |J(ft , gt )| não significa o módulo da matriz jacobiana, significa o
seu determinante, que é chamado de jacobiano.
Método de Newton para sistemas com três ou mais equações
Passar a aplicação do método de Newton de sistemas com duas equações para siste-
mas com três ou mais equações requer uma abordagem diferente. A exposição necessita
da notação matricial, portanto um sistema de equações formado por n equações com n
variáveis pode ser indicado das seguintes formas:
f 1 (x 1 , x2 , . . . , x n ) = 0 f 1 0
f2 (x1 , x2 , . . . , xn ) = 0
f2 0
ou .. = .. ou f~ = ~0
..
. . .
f (x , x , . . . , x ) = 0 fn 0
n 1 2 n
O mesmo padrão de notação para subscritos e sobrescritos usado para o tratar do método
do ponto fixo para sistemas com n equações é mantido. A linearização de cada equação
(série de Taylor truncada) fica na forma
∂f
(0) (0) (0) k
fk (x1 , x2 , . . . , xn ) ≈ fk x1 , x2 , . . . , x(0)
n + x1 − x1 +
∂x1 (0) (0) (0)
x1 ,x2 ,...,xn
∂f ∂f
(0) k (0)
k
x2 − x2 + · · · + x n − x n
∂x2 (0) (0) (0) ∂xn (0) (0) (0)
x1 ,x2 ,...,xn x1 ,x2 ,...,xn
23
com k = 1, 2, . . . , n; e sendo o sobrescrito (0) um indicador das coordenadas do ponto em
torno do qual se faz a linearização. Organizando em notação matricial:
(0) ∂f1 ∂f1 ∂f1
(0)
f1 · · · ∂x x1 − x1
f1 ∂x1 ∂x2 n
f2 x2 − x(0)
(0)
∂f ∂f ∂f2
f2 2
∂x ∂x
2
· · · ∂x 2
.. = . + . 1
2 n
..
. .. .. .. .. ..
. . . .
fn f
(0) ∂fn ∂fn
··· ∂fn
x − xn
(0)
n
n ∂x1 ∂x2 ∂xn (0) (0) (0)
x1 ,x2 ,...,xn
com o parêntese subscrito à matriz jacobiana sendo uma forma de indicar que as derivadas
devem ser calculadas no ponto cujas coordenadas têm sobrescrito (0). Compactando a
notação matricial:
f~ = f~(0) + J (0) ~x − ~x(0)
De modo parecido com o que foi feito no caso da dedução das equações iterativas para
sistemas com duas equações, no presente caso o sobrescrito (0) indica uma referência
ao último valor conhecido para a variável, enquanto que a não ocorrência do sobrescrito
indica uma referência ao valor da próxima estimativa para cada variável. Sendo assim, a
equação iterativa fica:
J (t) ~x(t+1) − ~x(t) = −f~(t)
1. Calcular a matriz jacobiana J (t) e o vetor f~(t) com base no valor conhecido para as
variáveis na iteração t.
2. Resolver o sistema linear J (t)~s(t) = −f~(t) para ficar conhecendo o valor das variáveis
temporárias ~s na iteração t.
3. Calcular as próximas estimativas das variáveis ~x partindo da definição das variáveis
temporárias ~s: ~x(t+1) = ~x(t) + ~s(t) .
Atenção: enquanto na discussão anterior para sistemas com duas equações foi utilizado o
determinante da matriz J, no presente caso deve-se trabalhar com a própria matriz J e
não com o seu determinante.
24
Tópico 7: Método dos quadrados
mı́nimos
que expressa a soma das distâncias de todos os pontos (xi ; yi ) à reta de regressão u(x).
Em seguida, minimiza-se D em relação aos parâmetros a0 e a1 :
∂D X ∂ X X X
0= = (yi − a0 − a1 xi )2 = −2 (yi − a0 − a1 xi ) ⇒ a0 n + a1 xi = yi
∂a0 i
∂a0 i i i
1
Deve-se prestar atenção ao fato de que os somatórios indicam apenas a variável muda e suprimem seu
intervalo de valores apenas com a intenção de simplificar a notação. Todos os somatórios aqui mostrados são
Pn
na forma .
i=1
25
e
∂D X ∂ X
0= = (yi − a0 − a1 xi )2 = −2 xi (yi − a0 − a1 xi ) ⇒
∂a1 i
∂a1 i
X X X
⇒ a0 x i + a1 (xi )2 = (yi xi )
i i i
cuja solução através de qualquer método numérico resulta nos valores apropriados para
os coeficientes da regressão u x0 , x00 , . . . , x(m) .
Regressão polinomial
Considerando que o conjunto de dados seja formado por n tuplas2 (xi ; x2i ; . . . ; xm
i ; yi ), a
função polinomial em x que melhor se ajusta aos dados é
u(x) = a0 + a1 x + a2 x2 + . . . + am xm
2
A regressão polinomial pode ser pensada como um caso particular da regressão linear múltipla ao se fazer
o mapeamento x0 → x, x00 → x2 , x000 → x3 , . . . , x(m) → xm .
26
e minimizá-la em relação a todos os parâmetros a0 , . . . , am , chegando ao sistema
P P 2 P m P
n i xi i xi ... i xi i yi
P 2 P 3 P m+1 a 0
P xi P y i xi
Pi i xi i xi ... i xi a1 i
a
2
P 3 P 4 P m+2 P 2
i xi i xi i xi ... i xi = i y i xi
2
.. .. .. .. .. .. ..
. . . . . . .
am
P m P 1+m P 2+m P 2m P m
i xi i xi i xi ... i xi i y i xi
cuja solução, obtida através de qualquer método numérico, resulta nos valores apropriados
para os coeficientes da regressão u(x).
É interessante ressaltar que a regressão linear é um caso particular dessa regressão poli-
nomial ao tomar o sistema linear acima com matriz de coeficientes 2x2, vetor de cógnitas
com os dois primeiros elementos e o vetor constante com os dois primeiros elementos.
Coeficiente de determinação
O principal parâmetro utilizado para quantificar a qualidade da regressão realizada é
chamado de coeficiente de determinação e denotado por R2 . Ele pode ser calculado
através de qualquer uma das três expressões:
R2 = i P i
2
=1− P i
2
=1− i
2 ,
(yi − ȳ) (yi − ȳ)
1
P 2
P
i i (yi ) − n yi
i i
sendo ȳ = n1 i yi o valor médio dos yi . Esse parâmetro tem valores no intervalo [0; 1], e
P
quanto mais próximo de 1 ele estiver, melhor é a regressão.
Regressão não-linear
É comum encontrar conjuntos de dados que relacionam variáveis através de funções ex-
ponenciais e leis de potência, o que faz com que seja necessária uma manipulação prévia
dos dados antes da aplicação da regressão linear.
y = β αx ,
usa-se a transformação
ln(y) = ln(α) x + ln(β)
para encontrar uma relação linear entre x e ln(y). Portanto, para utilizar o método da
regressão linear, deve-se tomar o logaritmo de todos os dados referentes à variável y.
– Se os dados se relacionam por meio de uma função na forma de uma lei de potência
y = β xα ,
usa-se a transformação
ln(y) = α ln(x) + ln(β)
para encontrar uma relação linear entre ln(x) e ln(y). Portanto, para utilizar o
método da regressão linear, deve-se tomar o logaritmo dos dados referentes às duas
variáveis.
27
Deve-se prestar atenção ao fato de que depois de aplicar a regressão linear ao caso da
função exponencial, os coeficientes a0 e a1 correspondem ao ln(β) e ao ln(α), respectiva-
mente, de modo que é preciso realizar a operação exponencial sobre cada um deles a fim
de obter os parâmetros β e α referentes à expressão algébrica original. Raciocı́nio seme-
lhante se aplica à lei de potência, mas sem ser necessário realizar a operação exponencial
sobre o a1 , pois ele é identificado com o próprio α do modelo.
28
Tópico 8: Intepolação polinomial
Interpolação polinomial
Interpolação direta
Dado um conjunto de n + 1 pontos {(x0 ; y0 ), (x1 ; y1 ), (x2 ; y2 ), . . . , (xn ; yn )}, o polinômio
de grau n que interpola todos esses pontos é
pn (x) = a0 + a1 x + a2 x2 + . . . + an xn
Ele deve ser tal que satisfaz estas n + 1 condições:
pn (x0 ) = y0 ; pn (x1 ) = y1 ; pn (x2 ) = y2 ; ... pn (xn ) = yn
Isso faz com que os coeficientes a0 , a1 , . . . , an que determinam esse polinômio sejam de-
terminados a partir da resolução do sistema linear
1 x0 x20 . . . xn0 a0 y0
1 x1 x2 . . . xn a1 y1
1 1
1 x2 x2 . . . xn a2 y2
=
2 2
.. .. .. . . .. .. ..
. . . . . . .
1 xn x2n . . . xnn an yn
Interpolação de Lagrange
A interpolação realizada através do método de Lagrange se utiliza do polinômio
n n
X Y (x − xj )
pn (x) = [yk Lk (x)] , com Lk (x) = .
(x k − xj )
k=0 j=0; j6=k
29
– Exemplo 2: para os pontos (x0 ; y0 ), (x1 ; y1 ) e (x2 ; y2 ), o polinômio interpolador é
2
X
p2 (x) = [yk Lk (x)] =
k=0
= y0 L0 (x) + y1 L1 (x) + y2 L2 (x) =
(x − x1 )(x − x2 ) (x − x0 )(x − x2 ) (x − x0 )(x − x1 )
= y0 + y1 + y2
(x0 − x1 )(x0 − x2 ) (x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )
Interpolação de Newton
A interpolação realizada através do método de Newton se utiliza do polinômio
pn (x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 )+
b3 (x − x0 )(x − x1 )(x − x2 ) + . . . + bn [(x − x0 ) . . . (x − xn−1 )],
b0 = ∆(x0 ) = y0
∆(x1 ) − ∆(x0 ) y1 − y0
b1 = ∆(x1 , x0 ) = =
x1 − x0 x1 − x0
y2 −y1 y1 −y0
∆(x2 , x1 ) − ∆(x1 , x0 ) x2 −x1
− x1 −x0
b2 = ∆(x2 , x1 , x0 ) = =
x 2 − x0 x2 − x0
y3 −y2 y −y y2 −y1 y −y
x3 −x2
− x2 −x1 x2 −x1
− x1 −x0
∆(x3 , x2 , x1 ) − ∆(x2 , x1 , x0 ) x3 −x1
2 1
− x2 −x0
1 0
b3 = ∆(x3 , x2 , x1 , x0 ) = =
x3 − x0 x3 − x 0
.. .. ..
. = . .
∆(xk , xk−1 , . . . , x1 ) − ∆(xk−1 , . . . , x1 , x0 )
bk = ∆(xk , xk−1 , . . . , x1 , x0 ) =
xk − x0
.. .. ..
. = . .
Nesse caso, assim como nos anteriores, n indica o grau do polinômio que interpola os n+1
pontos.
f (n+1) (ξ)
En (x) = f (x) − p(x) = (x − x0 )(x − x1 )(x − x2 ) . . . (x − xn ) ,
(n + 1)!
onde ξ ∈ (x0 ; xn ).
Esse teorema nos diz que o valor do erro no cálculo de um ponto interpolado por meio
de um polinômio de grau n é proporcional à derivada de ordem n + 1 da função que está
30
sendo interpolada em um ponto desconhecido (ξ) interno ao intervalo de dados, ou seja,
um ponto que não é uma de suas fronteiras. Apesar desse teorema não ter utilidade prática
na determinação do valor exato do erro de uma interpolação por causa da arbitrariedade
associada ao ponto ξ, ele pode ser útil para estimar um valor máximo para o erro ao se
utilizar um valor ξ ∗ que maximiza o resultado da derivada f (n+1) (ξ ∗ ).
Fenômeno de Runge
Chama-se de fenômeno de Runge a drástica oscilação do polinômio interpolador próximo
das fronteiras do intervalo de dados. A figura abaixo à esquerda mostra uma curva em
verde referente à função y = sen(x)
x
da qual foram extraı́dos 11 pontos (em azul) igualmente
espaçados no intervalo [−1; 1]. A curva em vermelho mostra o polinômio interpolador
desses pontos, o qual, embora seja uma boa aproximação para os pontos mais próximo do
centro do intervalo, apresenta oscilação crescente quando se aproxima das extremidades
do intervalo de dados. Poder-se-ia pensar que aumentar a quantidade de pontos — de 11
para 21, por exemplo — a serem interpolados dentro do mesmo intervalo [−1; 1] forçaria o
polinômio interpolador a ter um comportamento mais suave, entretanto a figura à direita
mostra que as oscilações nas bordas ficam maiores3 .
3
Deve-se estar atento à escala dos gráficos, pois enquanto na figura da esquerda toda a vertical representa
2,4 unidades de comprimento, na figura da direita a vertical tem 70 unidades de comprimento. Por isso, embora
visualmente as oscilações entre cada ponto da extremidade e seu vizinho tenham tamanhos semelhantes nas
duas figuras, as oscilações da figura à direita são cerca de 28 vezes maiores.
31
Tópico 9: Intepolação por splines
Tipos de splines
– O tipo mais simples de spline é a linear (1º grau ou 1ª ordem): basta ligar dois pontos
consecutivos por segmentos de reta. Porém isso tem uma grande desvantagem: a
“curva” resultante não é uma suave, pois sua inclinação (derivada) não é contı́nua.
– A interpolação por splines quadráticas (2º grau ou 2ª ordem) utiliza parábolas para
fazer a interpolação de dois pontos consecutivos. Com isso, é possı́vel exigir que a
derivada da curva resultante seja contı́nua sobre cada um dos pontos conhecidos.
– O tipo de spline mais utilizado é a spline cúbica (3º grau ou 3ª ordem). Nesse
caso, pode-se exigir que tanto a inclinação (primeira derivada) como a concavidade
(segunda derivada) de cada curva seja contı́nua sobre cada ponto conhecido.
i 1 2 3 4
xi 1 3 9 27
yi 0 2 4 6
x3 13 x2 13 x 69
p(x) = − + −
351 108 9 52
32
Gráfico abaixo mostra os pontos tabelados (azul), a função de qual foram obtidos (azul)
e a interpolação polinomial (preto).
x − 1, se x ∈ [1, 3)
x
s(x) = + 1, se x ∈ [3, 9)
3
x + 3, se x ∈ [9, 27]
9
Gráfico abaixo mostra os pontos tabelados (azul), a função de qual foram obtidos
(azul), a interpolação polinomial (preto) e a interpolação por splines lineares (verde).
s (x), se x ∈ [x1 , x2 )
1
s(x) = s2 (x), se x ∈ [x2 , x3 )
s3 (x), se x ∈ [x3 , x4 ]
33
sendo si (x) = ai x2 + bi x + ci . Os valores das 9 incógnitas (ai , bi e ci ) são obtidos a
partir das seguintes condições sobre as splines:
* A função s(x), além de interpolar os 4 pontos, deve ser contı́nua, de modo que
valores de x pertencentes a duas splines tenham mesma imagem.
(1) s1 (x1 ) = y1 (2) s1 (x2 ) = y2 (3) s2 (x2 ) = y2
(4) s2 (x3 ) = y3 (5) s3 (x3 ) = y3 (6) s3 (x4 ) = y4
* A primeira derivada da função s(x), representada por s0 (x), deve ser contı́nua.
(7) s01 (x2 ) = s02 (x2 ) (8) s02 (x3 ) = s03 (x3 )
* A primeira spline deve ter curvatura zero, ou seja, deve ser uma reta.
(9) a1 = 0
Essas 9 condições podem ser organizadas de modo a formar um sistema linear nas
9 incógnitas, cuja resolução revela os coeficientes que especificam as splines que
compõem a interpolação.4
2
x1 x1 1 0 0 0 0 0 0 a1 y1
2
x2 x2 1 0 0 0 0 0 0 b 1 y2
0 0 x22
0 x2 1 0 0 0 c1 y 2
0
0 0 x23 x3 1 0 0 0 a2 y3
0 x23 x3 1 b 2 = y 3 ⇒
0 0 0 0 0
0
0 0 0 0 0 x24 x4 1
c2 y 4
2x2 1 0 −2x2 −1 0 0 0 0 a3 0
0 0 0 2x3 1 0 −2x3 −1 0 b3 0
1 0 0 0 0 0 0 0 0 c3 0
T
T 1 5 2 7
⇒ [a1 , b1 , c1 , a2 , b2 , c2 , a3 , b3 , c3 ] = 0, 1, −1, − , , −2, , − , 9
9 3 81 9
Esse resultado leva às splines são:
x − 1, se x ∈ [1; 3)
x2 5x
s(x) = − 9 + 3 − 2, se x ∈ [3; 9)
2x2 7x
81
− 9 + 9, se x ∈ [9; 27]
Gráfico seguinte mostra os pontos tabelados (azul), a função de qual foram obtidos
(azul), a interpolação polinomial (preto) e os splines quadráticos (magenta).
34
* A função s(x), além de interpolar os 4 pontos, deve ser contı́nua.
* A primeira derivada da função s(x), representada por s0 (x), deve ser contı́nua.
(7) s01 (x2 ) = s02 (x2 ) (8) s02 (x3 ) = s03 (x3 )
* A segunda derivada da função s(x), representada por s00 (x), deve ser contı́nua.
(9) s001 (x2 ) = s002 (x2 ) (10) s002 (x3 ) = s003 (x3 )
* Para obter as chamadas splines cúbicas naturais, faz-se com que a segunda
derivadas das splines seja zero nos pontos extremos do domı́nio.
A partir dessas condições, não na mesma ordem apresentada para evitar elementos
iguais a zero na diagonal principal e facilitar a resolução do sistema por métodos
como a eliminação de Gauss, forma-se o sistema linear5 :
6x1 2 0 0 0 0 0 0 0 0 0 0 0
a1
x31 x21 x1 1 0 0 0 0 0 0 0 0 b1
y1
3x22 2x2 1 0 −3x22 −2x2 −1 0 0 0 0 0 c1 0
x32 x22 x2 1 0 0 0 0 0 0 0 0
d1
y2
6x2 2 0 0 −6x2 −2 0 0 0 0 0 0 a2
0
0 x32 x22
0 0 0 x2 1 0 0 0 0
b2
= y2
0 0 0 0 3x23 2x3 1 0 −3x23 −2x3 −1 0 c2
0
0 0 0 0 x33 x23 x3 1 0 0 0 0 d2 y3
0 0 0 0 6x3 2 0 0 −6x3 −2 0 0 a
3 0
0 0 0 0 0 0 0 0 6x4 2 0 0 b3 0
0 0 x33 x23 x 3 1 c3
0 0 0 0 0 0 y3
0 0 0 0 0 0 0 0 x34 x24 x4 1 d3 y4
5
Nesse sistema, as equações lineares correspondentes a cada uma das condições anteriores não estão ordenadas
tal como a numeração apresentada acima. Por exemplo, a primeira equação no sistema vem da condição (11).
35
A solução desse sistema é
[a1 , b1 , c1 , d1 , a2 , b2 , c2 , d2 , a3 , b3 , c3 , d3 ]T =
T
1 1 53 411 5 104 16 111 19 23 926 389
− , , , , ,− , ,− ,− , , ,−
29673 366 1098 122 706 549 9 61 907 366 907 366
Portanto, para o conjunto de pontos em questão as splines são:
x3 x2
53x 411
− 29673 + 366 + 1098 + 122 , se x ∈ [1; 3)
5x3 2
s(x) = 706
− 104x
549
+ 16x
9
− 111
61
, se x ∈ [3; 9)
19x3 23x2 926x 389
− 907 + 366 + 907 − 366 , se x ∈ [9; 27]
Abaixo está um gráfico mostrando os pontos tabelados (azul), a função de qual foram
obtidos (azul), a interpolação polinomial (preto) e os splines cúbicos (vermelho).
Por fim, o gráfico seguinte resume aplicação da interpolação polinomial e das interpolação
por splines mostrando todas as interpolações obtidas acima. É fácil notar tanto a grande
oscilação observada na interpolação polinomial e também nas splines de segundo grau
quanto o caráter segmentado das splines lineares são evitados ao se utilizar as splines de
terceiro grau.
36
Tópico 10: Integração numérica
Isso mostra que o erro é proporcional a um potência do espaçamento entre os pontos divido
pela quantidade de pontos mais um. Grosseiramente, essa equação afirmar que quanto
menor for o espaçamento, ou seja, quanto mais pontos forem utilizados na interpolação,
menor será o ero na integração, pois o denominador (fatorial) cresce mais rápido que o
denominador com o aumento de n. Entretanto, há que se levar em conta que a integral
na variável q passa a ter maior valor quando n aumenta, pois, ao mesmo tempo em que o
integrando será um polinômio de grau cada vez maior, a extremidade superior do intervalo
de integração será um número maior, sendo isso uma consequência imediata do fenômeno
de Runge.
A estratégia utilizada para driblar esse problema do erro na interpolação é utilizar um
procedimento semelhante àquele adotado na interpolação por splines: fracionar o intervalo
de integração em muitas partes, tendo muitos pontos a serem interpolados, mas utilizando
polinômios interpoladores de grau baixo sobre conjuntos de pontos subsequentes.
Fórmulas de Newton-Cotes
Lembrando que f (x) = pn (x) + rn (x), desprezando o termo referente ao erro e utilizando
o polinômio interpolador de Lagrange de grau n para determinar pn (x), é fácil ver que
Z b Z b n
Z b X ! n Z b
X
f (x) dx ≈ pn (x) dx = (yk Lk (x)) = yk Lk (x) dx .
a a a k=0 k=0 a
37
Regra do trapézio
A regra do trapézio utiliza o polinômio interpolador de grau um para interpolar pares de
pontos. Chama-se de regra do trapézio simples a aplicação da regra uma única vez sobre
todo o intervalo de integração, enquanto que se esse intervalo for subdividido em partes
menores com a aplicação da regra sobre cada uma dessas partes, então passa-se a chamar
de regra do trapézio repetida.
Regra do trapézio simples, ao considerar x0 = a, x1 = b e h = x1 − x0 :6
Z b
(x1 − x0 ) (x1 − x0 ) h
f (x) dx ≈ y0 + y1 = (y1 + y0 )
a 2 2 2
Quadratura de Gauss-Legendre
– Como utilizar
A quadratura de Gauss-Legendre só pode ser aplicada a integrais
R b cujo intervalo de
integração é de −1 a 1. Portanto, para calcular a integral a f (x) dx, é preciso
realizar esses passos:
6
A demonstração do resultado está na parte de exemplos da lista de exercı́cios.
38
Rb R1
(1) Transforme a integral a
f (x) dx na integral −1
F (t) dt através da transformação
de variáveis
(b − a) t a + b
x= +
2 2
o que leva ao integrando
b−a
F (t) =
f (x(t))
2
(2) O valor da integração numérica é dado por um somatório:
Z b Z 1 n
X
f (x) dx = F (t)dt ≈ Ai F (ti ),
a −1 i=1
.. .. ..
. . .
– Explicação
Toda integração numérica é uma aproximação do tipo
Z b n
X
f (x) dx ≈ Ai f (xi ),
a i=1
39
com os valores de A1 , A2 , t1 e t2 obtidos como solução deste conjunto de quatro
equações: Z 1 Z 1
dt = A1 + A2 ; t dt = A1 t1 + A2 t2 ;
−1 −1
Z 1 Z 1
2
t dt = A1 t21 + A2 t22 ; t3 dt = A1 t31 + A2 t32 .
−1 −1
40
Parte II
Listas de exercı́cios
41
Exercı́cios 1: Sistemas de numeração,
conversão decimal-binário-decimal e
erros
Exemplos e dicas
42
(d) E o erro relativo é: vale:
m − m∗
EREL =
m
√ √ 2 − √2
1
− 0.111
Er 2 = √
= 0.005631
= 9 1
2 1
9
− 111
= 9 11000
9
1 111
= − · 9
9 1000
999
4. Supondo que o número m = 91 seja aproximado = 1 −
1000
por m∗ = 0.111, o qual pode ser reescrito como 1
m∗ = 1000
111
, o erro relativo nessa aproximação = = 0.001
1000
43
Exercı́cios 2: Zeros de funções –
métodos intervalares
44
uma função f arbitrária. Sabendo que o inter- y
f (x)
valo de trabalho inicial do método na 1ª iteração •
tinha largura 2 (por exemplo, o intervalo [0; 2]),
qual a largura do intervalo utilizado na 10ª
iteração?
−1
x
5. Repita a análise gráfica do exercı́cio anterior, 2
mas agora considerando o método da posição •
falsa. Perceba que não é possı́vel calcular nu-
mericamente as estimativas do zero da função
(por quê?), mas é possı́vel fazer uma estimativa
visual da localização de cada uma delas.
Exemplos e dicas
1. (a) Observar se algum dos zeros da função é pode-se calcular f (3.3) = 0.15379, o que
tal que não há intervalo que o contenha significa que a desigualdade anterior real-
de modo a satisfazer a condição derivada mente ocorre. Com isso, o próximo inter-
do teorema do valor intermediário que ga- valo de trabalho será [3.3; 3.8]. E na pri-
rante a existência do zero da função. meira iteração ainda não é possı́vel calcu-
(b) Um exemplo de intervalo que não é correto lar o erro relativo, pois não há estimativa
é [0; 1], pois f (0) · f (1) > 1. anterior com a qual comparar a estimativa
atual do zero da função.
(c) Dado o intervalo inicial [3.3; 4.3], os pri- 2ª iteração:
meiros passos do cálculo seriam os seguin- O ponto médio do intervalo e segundo es-
tes. timativa do zero agora é 3.55, logo
1ª iteração:
O ponto médio do intervalo, que é a pri-
meira estimativa do zero da função, é 3.8, f (3.55) = sen(3.55) + cos(7.1) = 0.28740
logo
f (3.8) = sen(3.8) + cos(7.6) = −0.36060 O produto f (3.3) · f (3.55) é positivo, logo
f (3.55) · f (3.8) ≤ 0, o que significa que
Verifica-se, em seguida, se o zero da função o zero da função encontra-se no intervalo
encontra-se na primeira metade do inter- [3.55; 3.8], e este será o próximo intervalo
valo de trabalho [3.3; 4.3]. Isso é feito ao de trabalho. A comparação das duas esti-
verificar se f (3.3) · f (3.8) ≤ 0. De fato, mativas encontradas resulta no erro rela-
45
tivo zero da função vale x2 = 3.66594. O erro
relativo cometido é
3.55 − 3.8
Er = = 0.07042
3.66594 − 3.63195
3.55 Er = = 0.00927
3.66594
Como o erro é maior do que a condição de
parada exigida (Er < 0.1), deve-se seguir Como esse erro é menor do que a condição
para a terceira iteração. de parada exigida, não é necessário reali-
3ª iteração: . . . zar a terceira iteração. Organizando esses
A reunião dos cálculos das duas primeiras cálculos numa tabela:
iterações numa tabela fica: Ite. Intervalo Estimativa Erro Rel.
Ite. Intervalo Estimativa Erro Rel. 1 [3.3; 4.3] 3.63195 —
1 [3.3; 4.3] 3.8 — 2 [3.63195; 4.3] 3.66594 0.00927
2 [3.3; 3.8] 3.55 0.07042 2. Tomando como exemplo esta última aplicação
.. .. .. do método da posição falsa, sua adaptação para
3 . . .
o método da posição falsa alternativo se dá como
(d) Os cálculos correspondentes ao método da se segue. A primeira iteração é idêntica à do
posição falsa seguem a mesma sequência método da posição falsa original, visto que não
daqueles mostrados antes para o método há como uma das extremidades do intervalo es-
da bisseção, com a exceção de que a es- tar se repetindo. Na segunda iteração uma das
timativa deixa de ser calculada como o extremidades é repetida, a saber, a extremidade
ponto médio, tendo uma fórmula própria. 4.3 para o caso em questão. Dessa forma, ao
1ª iteração: calcular a segunda estimativa, deve-se utilizar
Com a = 3.3, A = |f (a)| = 0.79248, B∗ = B/2 = f (4.3)/2. Com isso, ela vale
b = 4.3 e B = |f (b)| = 1.59489, a primeira
estimativa do zero da função vale: aB ∗ + bA
x∗2 = = 3.69664
A + B∗
aB + bA
x1 = = 3.63195 E os demais cálculos seguem de forma similar.
A+B
3. Lembrar que a cada iteração o tamanho do in-
Sua imagem é f (x1 ) = 0.08549, logo
tervalo diminui pela metade.
f (x1 ) · f (b) ≤ 0, fazendo com que
o próximo intervalo de trabalho seja 4. Seguir exemplo mostrado na parte de tópicos
[3.63195; 4.3]. desse conteúdo.
2ª iteração:
5. Idem.
Com a = 3.63195, A = 0.08549, b = 4.3
e B = 1.59489, a segunda estimativa do 6. Idem.
46
Exercı́cios 3: Zeros de funções –
métodos abertos
1. O gráfico da função t xt Er
−1 4 —
f (x) = sen(x) + cos(2x) 0 5 —
x0 f (x(−1) )−x(−1) f (x0 ) x1 −x0
1 x1 = f (x(−1) −f (x0 ) x1
é mostrado a seguir. Pode-se observar que há .. ..
três zeros da função no intervalo x ∈ [0; 6]. 2 . .
47
3. Abaixo está o gráfico de uma função f (x) que 5. A seguir é mostrado o gráfico de uma função de
contém um zero no intervalo mostrado. Localize iteração φ(x) tal que φ(x) = f (x) − x. Localize
no eixo horizontal as três primeiras estimativas no eixo horizontal as três primeiras estimativas
do zero da função de acordo com o método da do zero da função f (x) de acordo com o método
secante tomando como condições iniciais x(−1) e do ponto fixo tomando como condição inicial x0 .
x0 . y
y
φ(x)
y=x
x0 x
x x0
x(−1)
f (x)
x
x0
f (x)
Exemplos e dicas
48
t xt Er O erro relativo nesse caso é
0 3.3 —
x2 − x1
1 3.79205 0.12976 Er = = 0.22426
2 3.66760 0.03393 x2
.. ..
3 . . Como ele é menor do que 0.2, seria ne-
cessária pelo menos mais uma iteração.
(c) Supondo que as condições iniciais sejam 3ª iteração: . . .
x(−1) = 4 e x0 = 4.5, as duas primeiras A seguinte tabela resume o emprego do
iterações são como se segue. método da bisseção.
1ª iteração:
t xt Er
A primeira estimativa é
−1 4 —
x0 f (x(−1) ) − x(−1) f (x0 ) 0 4.5 —
x1 = = 3.54261 1 3.54261 0.27025
f (x(−1) − f (x0 )
2 3.67569 0.22426
E o erro relativo correspondente é .. ..
3 . .
x1 − x0 2. Seguir os passos indicados no enunciado do
Er = = 0.27025
x1 exercı́cio.
o qual não satisfaz a condição de parada. 3. Seguir exemplo mostrado na parte de tópicos
2ª iteração: desse conteúdo.
4. Idem.
x1 f (x0 ) − x0 f (x1 )
x2 = = 3.67569 5. Idem.
f (x0 − f (x1 )
49
Exercı́cios 4: Sistemas lineares –
métodos iterativos
Exemplos e dicas
y (t+1) = 13 1 + 2x(t)
As equações iterativas do método de Gauss-
e suas primeiras iterações seriam as seguintes. Seidel são
50
( tabela referente ao método de Gauss-Seidel sem
1
x(t+1) = 2 3 − y (t) o uso de arrendondamento fica:
1 t x(t) y (t) Ea
y (t+1) = 3 1 + 2x(t+1)
0 0 0 —
e suas iterações iniciais estão resumidas a seguir. 1 3/2 4/3 3/2
t x(t) y (t) Ea 2 5/6 8/9 2/3
0 0 0 — 3 19/18 28/27 2/9
1 1.50000 1.33332 1.50000 4 53/54 80/81 2/27
2 0.83334 0.88888 0.66666
3. Lembrar que cada ponto em comum às duas re-
3 1.05556 1.03703 0.22222 tas corresponde a uma solução do sistema linear,
4 0.98149 0.98765 0.07407 fazer o desenho da posição relativa das retas no
O critério de parada utilizado foi o erro absoluto espaço e explicar. Pode-se utilizar os seguintes
menor do que 1/10 para ambos os métodos. Fica exemplos para ajudar a chegar na resposta mais
evidente que o método de Gauss-Seidel converge geral para cada caso:
mais rápido para solução (x = 1; y = 1).
x+y =1 x+y =1 x+y =1
2. Usando o mesmo sistema do exemplo anterior, a , ,
x−y =3 2x + 2y = 2 2x + 2y = 3
51
Exercı́cios 5: Sistemas lineares –
métodos exatos
1. Considere uma matriz A de ordem 3, sobre a (a) Obtenha um sistema linear triangular
qual é aplicado o método de eliminação de Gauss equivalente através da eliminação de
gerando a matriz Gauss, mantendo as frações7 , ou seja, sem
realizar arredondamentos. Enumero todas
2 1 0 as operações elementares utilizadas.
0 −1 3 .
0 0 9 (b) Determine as matrizes que formam a fa-
toração LU da matriz de coeficientes do
As operações elementares aplicadas foram: sistema original.
(c) A partir do resultado do item anterior,
1 0 0 1 0 0 obtenha um sistema diagonal (eliminação
E1 = 3 1 0 ; E2 = 0 1 0 ; de Gauss-Jordan). Novamente realize
0 0 1 −1 0 1 as operações matemáticas mantendo as
frações. Informe as operações elementares
1 0 0 utilizadas.
E3 = 0
1 0 .
0 − 23 1 (d) Qual a solução do sistema linear?
Exemplos e dicas
1. Considere que fosse uma matriz A0 sobre a qual e chegou-se à matriz triangular
foram aplicadas as operações elementares
2 1 0
1 0 0 1 0 0 0 −1 1
E10 = −1 1 0 ; E20 = 0 1 0 ;
0 0 7/2
0 0 1 −1/2 0 1
52
Gauss e construir a matriz triangular inferior: O sistema diagonal é
1 0 0 2x + 0y = 4
L= 1 1 0 0x − 5y = 5
1/2 −3/2 1
e sua solução, que é a mesma do sistema qua-
A matriz A0 original era drado original, é
1 0 0 2 1 0 2 1 0 x=2 e y = −1
1 1 0 0 −1 1 = 2 0 1
1
2 − 32 1 0 0 7
2 1 2 2 3. Caso o sistema linear fosse
2. Supondo que fosse um sistema linear x1 + 2x2 + 3x3 = 1
x1 + 2x2 + 4x3 = 2
2 3 x 1
2x1 + 3x3 = 3
=
4 1 y 7
a operações elementares
cuja matriz aumentada é
L2 ← L2 − L1 ; L3 ← L3 − 2 · L1 ; L2 ↔ L3
2 3 1
4 1 7 aplicadas à matriz de coeficientes geram
Ao usar a operação elementar L2 ← L2 − 2L1 ,
1 2 3
chega-se ao sistema triangular superior cuja ma-
U = 0 −4 −3
triz aumentada é
0 0 1
2 3 1
0 −5 5 A matriz L correspondente, levando em conta a
permutação das posições das linhas 2 e 3, é
Portanto a matriz U da decomposição LU é
1 0 0
2 3 L= 2 1 0
U=
0 −5 1 0 1
A matriz elementar correspondente à operação A permutação deve ser aplicada ao vetor cons-
acima é tante do sistema linear, levando ao vetor
1 0 [1 3 2]T . Em notação matricial o sistema fica
−2 1
e dela chegamos à matriz L da decomposição: 1 0 0 1 2 3 x1 1
2 1 0 0 −4 −3 x2 = 3
1 0 1 0 1 0 0 1 x3 2
L=
2 1 | {z
L
}| {z
U
} | {z } | {z }
~
x ~b0
53
Exercı́cios 6: Sistemas não-lineares
t xt yt Eabs t xt yt zt Ef,g,h
0 0.90000 1.10000 — 0 0.0000 −0.5000 0.5000 0.1250
1 1
.. ..
. .
5 5
54
Exemplos e dicas
As funções de iteração utilizadas satisfazem à 2. Esse exemplo de sistema não-linear pode ser re-
condição de convergência, pois escrito como
f (x, y) = 0, com f (x, y) = sen(x)/y − 2
∂F
cos(x)
∂x x(0) ,y (0) = 2 ≈ 0.27 g(x, y) = 0, com g(x, y) = xy + x2 − 1
x(0) ,y (0) ⇒
∂F
∂y = 0
As derivadas parciais dessas funções são
∂F ∂F
∂x ∂y < 1
+ ∂f cos(x) ∂f sen(x) ∂g ∂g
= ; =− ; = y+2x; =x
∂x y ∂y y2 ∂x ∂y
e
o que resulta no jacobiano8
∂G
= 2√−y
∂x x(0) ,y (0) =0 ∂f ∂f
1−xy x(0) ,y (0)
⇒ ∂x ∂y
|J(f, g)| = ∂g ∂g =
∂G
∂y = 2√−x
1−xy
= − 1
2
x(0) ,y (0) x(0) ,y (0) ∂x ∂y
∂G ∂G x cos(x) (y + 2x) sen(x)
∂x ∂y < 1
+ = +
y y2
Substituindo x(0) e y (0) nas equações de iteração Para montar a expressão iterativa da variável x
∂g
chega-se à primeira estimativa de cada variável: é preciso determinar f · ∂y − g · ∂f
∂y , que para o
sistema em estudo é
(1) (0)
y = sen px /2 ≈ 0.4207 ∂g ∂f
sen(x)
x(1) = 1 − x(0) y (0) = 1 f· −g· = −2 +
∂y ∂y y
Utilizando esses resultados chega-se a segunda 2
− sen(x)
xy + x − 1 =
estimativa: y2
x2
(2) sen(x) 1
y =p sen x(1) /2 ≈ 0.4207 = 2x + − − 2x
y y y
x(2) = 1 − x(1) y (1) ≈ 0.7611
Portanto, a expressão iterativa da variável x é
E assim por diante.
x2
sen(x)
1
O erro absoluto de cada variável é calculado e y 2x + y − y − 2x
a cada iteração, o maior dos dois erros é con- x(t+1) = x − x cos(x) (y+2x) sen(x)
siderado como “o erro” correspondente àquela y + y2 (t)
x ,y (t)
8
Jacobiano é o nome dado ao determinante da matriz jacobiana, portanto “jacobiano” não é a mesma coisa
que “matriz jacobiana”.
55
com o lado direito da igualdade calculado como
nos valores conhecidos para as variáveis na
(t)
(t)
cos x1 sen x1
iteração t. A expressão iterativa para a variável
(t+1) (t)
(t) − (t) 2
x1 x1
y precisa do fator g · ∂f ∂g
∂x − f · ∂x , que para esse
x2
x2 −
sistema é
(t+1) (t)
(t) (t) (t) x2 x2
x2 + 2x1 x1
∂f ∂g cos(x)
(t)
= xy + x2 − 1
g· −f · − sen x1
∂x ∂x y (t) −2
x2
=
sen(x)
− 2 (y + 2x) (t) (t) 2
y x1 x2 + (x1 ) − 1
Logo, a expressão iterativa para a variável y é Para realizar as iterações é necessário utili-
zar um vetor temporário ~s = [s1 , s2 ]T , o qual
y (t+1) = contém as soluções do sistema J~s = −f~ em cada
xy + x2 − 1 cos(x)/y− iteração. Assim, para a condição inicial
sen(x)
y − 2 (y + 2x) " (0) #
x1
y − 0.5
x cos(x)
+ (y+2x) sen(x) =
y y2 x
(0) 0.5
2
x(t) ,y (t)
temos
também tendo o lado direito da igualdade cal-
1.7552 −1.9177 −1.0411
culado com os valores conhecidos na iteração t. J (0)
= e f~(0) =
1.5 0.5 −0.5
3. A aplicação do método do ponto fixo para um
sistema com mais de duas equações segue o logo,9
mesmo padrão da sua aplicação para sistemas
com duas equações, por isso será exemplificado 0.3941
J (0) (0)
~s = −f~(0) ⇒ ~s(0) =
apenas o uso do método de Newton. Entre- −0.1822
tanto, para procurar facilitar o entendimento,
será usado o sistema de duas equações dos itens Pela definição do vetor ~s, chega-se à primeira
anteriores. Procurando usar uma notação mais estimativa para as variáveis:
apropriada para a generalização da notação ma-
(1) (0) (0) 0.8941
tricial para sistemas com três ou mais equações, ~x = ~x + ~s =
0.3178
o sistema será reescrito como
f1 (x1 , x2 ) = 0, com f1 (x1 , x2 ) = sen(x1 )/x2 − 2 Em seguida, esses valores são usados para cal-
f2 (x1 , x2 ) = 0, com f2 (x1 , x2 ) = x1 x2 + (x1 )2 − 1 cular J (1) e f~(1) , o quais levam ~s(1) , que é usado
para obter a segunda estimativa ~x(2) .
A matriz jacobiana é Ao ser pedido o valor do erro referente ao valor
" ∂f ∂f
# " # de cada função calculada na última estimativa
cos(x1 )
− sen(x 1)
1 1
J= ∂x1 ∂x2
= x2 (x2 )2 conhecida, o que se está pedindo é o valor do
∂f2
∂x1
∂f2
∂x2
x2 + 2x1 x1 elemento de f~ com maior valor absoluto a cada
iteração. Então, de acordo com o f~(0) mostrado
e com ela escrevemos a equação matricial antes, o valor do erro inicial é 1.0411 e do erro
na primeira iteração é 0.4533, sendo este último
J (t) ~x(t+1) − ~x(t) = −f~(t) obtido ao calcular f~(1) a partir de ~x(1) .
9
Pode-se usar ferramentas computacionais para resolver os sistemas lineares. A nota 22 do dia 1/7/20
disponı́vel em https://sites.google.com/ufla.br/gex114/notas mostra como resolver este sistema linear
utilizando o Scilab.
56
Exercı́cios 7: Método dos quadrados
mı́nimos
1. Considere os conjuntos de pontos abaixo: Para cada regressão calcule o coeficiente de de-
x −3 −2 0 2 terminação correspondente.
(A)
y −2 −1 1 2 3. Dados os três pontos (0; 0), 12 ; b e (1; 1):
x −2 0 2 3
(B) (a) indique um valor para b de modo que a
y −2 0 0 2
regressão linear desses pontos tenha o co-
x −2 0 2 3 eficiente R2 = 109
;
(C)
y −1 0 2 2
Considere também as retas mostradas no se- (b) determine a regressão linear correspon-
guinte sistema de eixos cartesianos: dente ao valor de R2 e b indicados no item
anterior.
y
Há dois valores possı́veis para b e, consequente-
(i)
mente, para a função linear com melhor ajuste.
(ii)
4. Quando se sabe que os dados, para os quais se
(iii) busca o melhor ajuste através do método dos
quadrados mı́nimos, não correspondem a uma
(iv) função linear, pode-se linearizar o modelo do
qual provém os dados. Isto é feito ao aplicar
x
uma operação (logaritmo, por exemplo) sobre
toda a equação e ao reescrever a equação resul-
tante com novas variáveis na forma linear. Sa-
bendo disso, considere a tabela a seguir e tente
ajustar os dados a dois modelos diferentes:
(modelo I: exponencial) y = α β x ;
(modelo II: lei de potência) y = α xβ .
x 1 2 3 4 5 6
y 47 65 92 132 190 275
Associe cada conjunto de pontos com a corres-
pondente reta de ajuste.
(a) Para cada um dos modelos encontre os va-
2. Considere os quatro pontos tabelados abaixo: lores de α e β, obtidos pelo uso do método
dos mı́nimos quadrados aplicados à linea-
x −1 1 2 4
rização.
y 1 1 0 2
(b) Determine qual dos dois modelos tem me-
Usando o método dos quadrados mı́nimos, en- lhor ajuste. Use o coeficiente de deter-
contre minação para justificar a resposta.
(a) a regressão linear (grau 1);
Use arredondamento de modo que todos os
(b) a regressão quadrática (grau 2); números tenham dois algarismos fracionários a
(c) a regressão cúbica (grau 3). cada passo dos cálculos.
57
Exemplos e dicas
1. A resposta é encontrada apenas por inspeção vi- (b) Monta-se e resolve-se o sistema linear com
sual. três equações e três incógnitas correspon-
dente à regressão quadrática.
2. Considere que com os pontos fossem
(c) Monta-se e resolve-se o sistema linear com
x −1 0 2 quatro equações e quatro incógnitas cor-
y 1 0 1 respondente à regressão cúbica.
(a) Para calcular a regressão linear precisa-
mos dos somatórios 3. Tome como exemplo os pontos (−1; 1), (0; b) e
X X X (1; −1).
xi = 1; (xi )2 = 5; yi = 2;
i i i
(a) O sistema linear cuja solução são os coefi-
X cientes da regressão linear é
(xi yi ) = 1
i
3 0 a0 b
O sistema linear correspondente à re- =
0 2 a1 −2
gressão linear é
3 1
a0
2 A solução desse sistema é
=
1 5 a1 1
b
a1 = −1 e a0 =
sobre o qual pode ser aplicada a operação 3
elementar
Portanto, a regressão linear é
L1 ← L1 − 3L2
b
u(x) = −x
resultando no sistema triangular 3
0 −14 a0 −1 Se fosse procurado o valor que b que faz o
=
1 5 a1 1 coeficiente de determinação assumir o va-
lor 4/5, então esse valor de b é a solução
cuja solução é da equação
1
a0 = ≈ 0.0714 4
P
(yi − ui )2
14 = 1 − Pi 2
5 i (yi − ȳ)
9
a1 = ≈ 0.6429
14 ao substituir todos os valores das coorde-
Por isso, a regressão linear dos pontos da- nadas y, todos os valores das coordenadas
dos é x na função u(x) e o valor médio das co-
1 9
u(x) = + x ordenadas y, correspondente a ȳ. Substi-
14 14 tuindo esses valores e calculando cada so-
O coeficiente de determinação vale matório separadamente:
(yi − ui )2
P
2
2 i
X b
R =1− P = (yi − ui )2 = 1− −1 +
(yi − ȳ)2 3
i i
2
4 2
1
2 19 2
b
1− 7 + 0 − 14 + 1− 14 b− −0 +
=1− 2 2 = 3
2 2
1 − 23 + 0 − 23
+ 1− 3 2
9 1 25 b
49 + 196 + 196 −1 − −1 =
=1− 1 4 1 = 3
9 + 9 + 9 2 2 2
b 2b b
31/98 = − + + − =
=1− = 3 3 3
2/3
93 b2 4b2 b2
=1− = = + + =
196 9 9 9
2
103 2b
= ≈ 0.5255 =
196 3
58
X X
e (xy) ≈ 64.55; y = 3.69;
2 2
X b b Substituindo esses resultados nas fórmulas
(yi − ȳ)2 = 1− + b− +
3 3 que dão o valor dos coeficientes angular e
i
2 linear da regressão linear, chega-se a
b
−1 − =
3 P P P
( y)( x) − n (x y)
2b b2 4b2
b= P 2 ≈ 0.06;
= 1− + + +
P
3 9 9 ( x) − n (x2 )
P P
( y) − b( x)
2b b2
a= ≈ 0.23
1+ + = n
3 9
6b2 Portanto, a melhor regressão linear para
=2+ = os dados linearizados é
9
2b2
=2+ z = 0.23 + 0.06 x
3
Voltando à equação para R2 : Depois de voltar às variáveis originais do
modelo ao tomar a exponencial de base e
4 2b2 1 2b2 de ambos os lados da identidade lineari-
=1− ⇒ = ⇒ zada, a regressão linear indica que o me-
5 6 + 2b2 5 6 + 2b2
lhor modelo exponencial para os dados ta-
3 belados é
⇒ 10b2 = 6 + 2b2 ⇒ b2 = ⇒
4
r y ≈ 1.26 · 1.06x
3
⇒b=± ≈ ±0.8660
4 Para ajustar os dados ao modelo II (y =
Isso significa que qualquer um desses dois α xβ ) por meio da regressão linear, antes
valores pode ser atribuı́do a b para que é preciso linearizá-lo tomando o logaritmo
seja obtida uma regressão linear com coe- natural sobre os dois lados da igualdade:
ficiente de determinação igual a 4/5.
z =a+βt
(b) Substituindo qualquer um dos valores de b
na expressão encontrada para a regressão com z = ln(y), a = ln(α) e t = ln(x).
linear no item anterior, chega-se a Portanto, é preciso transformar a tabela
de dados original:
u(x) = 0.2887 − x t 0 1.61 2.71 3.22
z 0 0.69 1.39 1.61
ou
O cálculo dos somatórios necessários dá:
u(x) = −0.2887 − x X
n = 4; x = 7.54;
4. Tome-se como exemplo a tabela de dados:
x 1 5 15 25 X 2 X
x2 ≈ 20.30;
x ≈ 56.85;
y 1 2 4 5
X X
(xy) ≈ 10.06; y = 3.69;
(a) Para ajustar os dados ao modelo I (y =
α β x ) por meio da regressão linear, antes Substituindo esses resultados nas fórmulas
é preciso linearizá-lo tomando o logaritmo que dão o valor dos coeficientes angular e
natural sobre os dois lados da igualdade: linear da regressão linear, chega-se a
z = a + bx P P P
( y)( x) − n (x y)
com z = ln(y), a = ln(α) e b = ln(β). β= P 2 P 2 ≈ 0.51;
( x) − n (x )
Portanto, é preciso transformar a tabela P P
( y) − b( x)
de dados original: a= ≈ −0.04
n
x 1 5 15 25
z 0 0.69 1.39 1.61 Portanto, a melhor regressão linear para
O cálculo dos somatórios necessários dá: os dados linearizados é
z = −0.04 + 0.51 t
X
n = 4; x = 46;
X 2 X Após voltar às variáveis originais do mo-
x2 ≈ 876;
x ≈ 2116; delo ao tomar a exponencial de base e de
59
ambos os lados da identidade linearizada, Assim, o coeficiente de determinação do
a regressão linear indica que o melhor mo- modelo I linearizado vale
delo em lei de potência para os dados ta-
belados é R2 ≈ 0.88
60
Exercı́cios 8: Interpolação polinomial
1. Dados dois pontos com coordenadas (t; u) e 4. Qual o grau do polinômio interpolador utili-
(v; w), use o polinômio interpolador de Lagrange zado em cada interpolação mostrada na imagem
para interpolá-los e mostre que se a reta que abaixo?
contém esses pontos for escrita na forma p(x) =
ax + b, então
u−w wt − uv
a= e b=
t−v t−v
x −1 1 2 4
y 1 1 0 2
x 1 3 9 27
y 0 2 4 6 5. Considere que você tenha 4 pontos extraı́dos de
uma função f (x) polinomial cúbica e lembre que
(a) Use o polinômio interpolador de Newton
o erro máximo cometido no processo de inter-
para calcular a ordenada interpolada dos
polação é dado por
pontos que têm abscissas
x=2 Emax (x) = |(x − x0 ) × (x − x1 ) × . . . ×
x=6 |f (n+1) (x∗ )|
x = 18 (x − xn )| ,
(n + 1)!
(b) Informe qual desses pontos interpolados
está mais distante do valor dado pela onde x∗ é o valor que maximiza a derivada de
função f , indicando o valor do erro ab- f (x) de ordem (n + 1) no intervalo da reta real
soluto cometido na interpolação de cada definido pelos pontos conhecidos. A partir des-
ponto. Assuma que o erro absoluto seja sas informações mostre, utilizando a expressão
calculado como para o erro máximo, que o polinômio interpola-
dor desses 4 pontos é exatamente f (x), ou seja,
erro abs. = |(valor correto)−(valor interpolado)| mostre que o erro máximo é zero.
Exemplos e dicas
61
com coeficientes
p(−1) = 1 ⇒ a0 − a1 + a2 = 1 y1 − y0
y2 −y1
− y1 −y0
x2 −x1 x1 −x0
p(1) = 1 ⇒ a0 + a1 + a2 = 1 b0 = y0 ; b1 = ; b2 =
x1 − x0 x2 − x0
p(2) = 0 ⇒ a0 + 2a1 + 4a2 = 0
Substituindo as coordenadas dos pontos
Ao escrever esse sistema em notação matricial, (x0 ; y0 ) = (1; 0), (x1 ; y1 ) = (3; 2) e
sua matriz estendida é (x2 ; y2 ) = (9; 4), o polinômio fica
1 −1 1 1
1 1 1 1 1
(x − 1)(x − 3) =
p(x) = 0 + 1 · (x − 1) −
1 2 4 0 12
1 2 1 1
Aplicando as operações elementares =x−1− x + x− =
12 3 4
1 2 4 5
L2 ← L2 − L1 =− x + x−
12 3 4
L3 ← L3 − L1
Supondo que fosse procurada a inter-
3
L3 ← L3 − L2 polação de x = 4, ela seria
2
chega-se ao sistema triangular equivalente cuja 16 16 5 −16 + 64 − 15 11
matriz estendida é p(4) = − + − = =
12 3 4 12 4
1 −1 1 1
0 2 0 0 (b) A imagem de x = 4 de acordo com a
0 0 3 −1 função f é
A solução desse sistema linear é
ln(4)
y = f (4) = 2 log3 (x) = 2 · ≈ 2.5237
4 1 ln(3)
a0 = ; a1 = 0; a2 = −
3 3
Portanto, o polinômio interpolador dos três pon- Sendo assim, o erro absoluto cometido na
tos considerados é interpolação do ponto com abscissa x = 4
é
4 1 2
p(x) = − x
3 3
11
Eabs (4) = − 2.5237 = 0.2263
3. Considere três pontos extraı́dos da função y = 4
f (x) = 2 log3 (x):
4. Dica: o polinômio interpolador de 2 pontos é
x 1 3 9 uma reta (grau 1), o polinômio interpolador de
y 0 2 4 3 pontos é uma parábola (grau 2) e assim con-
tinua.
(a) O polinômio interpolador de Newton tem
a forma
5. Dica: assuma que f (x) seja uma função polino-
p(x) = b0 + b1 (x − x0 ) + b2 (x − x0 )(x − x1 ) mial cúbica genérica e calcule as derivadas.
62
Exercı́cios 9: Interpolação por splines
1. Utilize splines de 2ª ordem para interpolar o se- as splines 1 e 2 devem ser tais que
guinte conjunto de dados:
d s1 d s2
x 1 3 9 27 − = 0;
dx dx
x=3 x=3
y 0 2 4 6
Note que serão necessárias três funções splines, as splines 2 e 3 devem ser tais que
as quais podem ser denotadas por
d s2 d s3
s1 (x) = a1 x2 + b1 x + c1 , para 1 ≤ x < 3, − = 0.
dx dx
x=9 x=9
2
s2 (x) = a2 x + b2 x + c2 , para 3 ≤ x < 9,
2 Isso dá um total de 8 condições, cada uma le-
s3 (x) = a3 x + b3 x + c3 , para 9 ≤ x ≤ 27.
vando a uma equação linear nos coeficientes
ai , bi , ci , para i = 1, 2, 3. A nona condição cos-
Essas três splines necessitam de um total de
tuma ser a1 = 0. Assim, restam 8 incógnitas
9 coeficientes que precisam ser determinados.
para serem determinadas a partir de 8 equações
Para realizar esse trabalho contamos com as
lineares.
condições que essas funções devem satisfazer:
Monte esse sistema linear, resolva-o e escreva as
a spline 1 deve satisfazer às duas condições equações algébricas das splines.
s1 (1) = 0 e s1 (3) = 2;
2. Sabendo que os pontos tabelados no exercı́cio
a spline 2 deve satisfazer às duas condições anterior seguem da função f (x) = 2 log3 (x),
s2 (3) = 2 e s2 (9) = 4; determine o erro cometido na interpolação por
a spline 3 deve satisfazer às duas condições splines de 2ª ordem. Use toda a precisão
s3 (9) = 4 e s3 (27) = 6; numérica disponı́vel.
Exemplos e dicas
1. Considerando o mesmo conjunto de pontos do mesmo tempo (i) interpole os quatro pontos ta-
enunciado e supondo que fosse pedido o cálculo belados e (ii) seja contı́nua no intervalo [x1 ; x4 ],
das splines de 1º grau, seria preciso determinar ou seja,
os coeficientes ai e bi de cada si (x) = ai x + bi
(1) s1 (x1 ) = y1 (2) s1 (x2 ) = y2
que compõem a interpolação10
(3) s2 (x2 ) = y2 (4) s2 (x3 ) = y3
s1 (x), se x ∈ [x1 , x2 )
(5) s3 (x3 ) = y3 (6) s3 (x4 ) = y4
s(x) = s2 (x), se x ∈ [x2 , x3 ) Note que as restrições do tipo (i) estão numera-
das por 1, 3, 5 e 6; enquanto que as restrições do
s3 (x), se x ∈ [x3 , x4 ]
tipo (ii) têm números 2 e 4. Essas seis condições
As únicas restrições impostas são de que s(x) ao levam ao sistema linear11
10
Essa é a forma de determinar os coeficientes por meio da resolução de um sistema linear, diferentemente do
cálculo direto mostrado na parte de tópicos desta apostila para o caso das splines de 1ª ordem.
11
Nesse caso especı́fico, o sistema de seis equações e seis incógnitas é equivalente aos seguintes três sistemas
de duas equações e duas incógnitas:
x1 1 a1 y1 x2 1 a2 y2 x3 1 a3 y3
= ; = ; =
x2 1 b1 y2 x3 1 b2 y3 x4 1 b3 y4
63
Para s1 :
x1 1 0 0 0 0 a1 y1 f (x) − s1 (x) = 2 log3 (x) − x + 1 ⇒
x2 1 0 0 0 0
b1
y2
0 0 x2 1 0 0 a2
= y2 d 2
⇒ (f − s1 ) = −1
0 0 x3 1 0 0
b2
y3
dx ln(3) x
0 0 0 0 x3 1 a3 y3
Maximizando:
0 0 0 0 x4 1 b3 y4
2 2
cuja solução é 0= ∗ −1 ⇒ x∗1 = ≈ 1.820478
ln(3) x1 ln(3)
T
T 1 1 Calculando a diferença em x∗1 :
[a1 , b1 , a2 , b2 , a3 , b3 ] = 1, −1, , 1, , 3
3 9
f (x∗1 ) − s1 (x∗1 ) ≈ 0.270169
Portanto, a interpolação por splines lineares é
Para s2 :
x − 1, se x ∈ [1, 3)
x
x
s(x) = 3 + 1, se x ∈ [3, 9) f (x) − s2 (x) = 2 log3 (x) − −1⇒
3
x
9 + 3, se x ∈ [9, 27]
d 2 1
⇒ (f − s2 ) = −
Para se ter uma ideia melhor do resultado da in- dx ln(3) x 3
terpolação, a seguir é mostrado uma figura con- Maximizando:
tendo os pontos, a função logarı́tmica que obe-
decem (tracejada) e a interpolação por splines 2 1 6
0= − ⇒ x∗2 = ≈ 5.461435
lineares (linha contı́nua). ln(3) x∗2 3 ln(3)
y
Calculando a diferença em x∗2 :
•
f (x∗2 ) − s2 (x∗2 ) ≈ 0.270169
• Para s3 :
x
• f (x) − s3 (x) = 2 log3 (x) − +3⇒
9
• x d 2 1
⇒ (f − s3 ) = −
dx ln(3) x 9
64
Exercı́cios 10: Integração numérica
1. Abaixo está o gráfico de uma função f (x) ar- dos seguintes modos:
bitrária.
(a) Dividindo seu intervalo de integração em
f (x) quatro partes de tamanhos iguais (cinco
y2 pontos) e utilizando a regra do trapézio.
(b) Dividindo seu intervalo de integração em
y1 quatro partes de tamanhos iguais (cinco
pontos) e utilizando a regra 1/3 de Simp-
y0 son.
(c) Utilizando a quadratura de Gauss-
x Legendre com três pontos.
x0 x1 x2
(d) Algebricamente para encontrar o resul-
(a) Utilize um polinômio interpolador do se- tado correto e para calcular o erro abso-
gundo grau para os três pontos mostra- luto cometido pela aplicação de cada um
dos com o objetivo de deduzir a regra 1/3 dos métodos numéricos anteriores.
de Simpson, utilizada no cálculo da inte- Obs.: durante os cálculos, considere toda a pre-
gração numérica de f (x). cisão numérica de sua calculadora.
Dicas. 2 2
3. Considere a elipse xa2 + yb2 = 1, com semi-eixo
(i) Pode-se utilizar tanto o polinômio in- maior a = 2 e semi-eixo menor b = 1.
terpolador de Lagrange quanto o de y
Newton.
(ii) Note que x2 − x1 = x1 − x0 = x2 −x 2
0
.
b
Chame essa distância de h. x
a
(iii) É possı́vel simplificar o processo de
integração ao utilizar uma variável u
definida a partir de x−xk = (u−k)h.
(b) Supondo que o intervalo de integração seja (a) Mostre que a área A da elipse é dada por
dividido em n partes, qual é a restrição so-
4b a 2
Z
bre o valor de n? A= (a − x2 )1/2 dx.
Dica: o polinômio interpolador de grau 2 é a 0
usado a cada conjunto de 3 pontos, sendo (b) Calcule a área da elipse utilizando:
que o último ponto de um conjunto é o
primeiro ponto do conjunto subsequente. (i) a regra do trapézio, com 6 intervalos;
(ii) a regra 1/3 de Simpson, com 6 inter-
(c) Desenvolva a fórmula matemática da re-
valos;
gra 1/3 de Simpson para o caso genérico
em que ela seja aplicada para resolver uma (iii) a quadratura de Gauss-Legendre,
integral cujo intervalo de integração foi di- com polinômio de Legendre de
vidido em n partes de tamanhos iguais. grau 3.
Não é necessário deixar a fórmula final (c) Sabendo que
em termos de somatórios, mas deve estar " √ #
claro o padrão que se forma na soma dos
Z
2 2 1/2 1 x a2
− x2 +
(a − x ) dx =
yi . 2 a2 arctan √a2x−x2
65
Use a precisão numérica que estiver disponı́vel, de dois modo: (i) de forma exata, algebrica-
desde que o resultado tenha pelo menos 5 alga- mente; e (ii) utilizando a regra 1/3 de Simpson,
rismos significativos. ao considerar que entre os pontos x0 e x2 existe
4. Mostre que a regra 1/3 de Simpson resolve de um ponto x1 tal que x1 = x0 +x2
2
. Depois mostre
forma exata a integral de qualquer polinômio do que os dois resultados são iguais.
segundo grau. Faça isso resolvendo a integral
Z x2
a · x2 + b · x + c dx
x0
Exemplos e dicas
1 2 1
u2
1. Supondo que fosse o gráfico u
⇒ I = −y0 h · − u + y1 h ·
2 2 0
y 0
y1 1 1
= −y0 h · − 1 + y1 h ·
2 2
h
y0 = · (y0 + y1 )
2
x
x0 x1 (b) Para a regra do trapézio não há restrição:
n pode ser par ou pode ser ı́mpar.
(c) Desenvolvendo a fórmula para a regra do
(a) Considerando que fosse pedido para de- trapézio repetida (generalizada):
duzir a regra do trapézio, deve-se usar o Z xn Z x1
polinômio de Lagrange de grau um: f (x) dx = f (x) dx+
x0 x0
Z x2
1
f (x) dx + . . . +
X
p1 (x) = yk Lk (x) x1
k=0 Z xn
f (x) dx
com xn−1
h
1 ≈ · (y0 + y1 )+
Y (x − xj ) 2
Lk (x) = h
(xk − xj ) · (y1 + y2 ) + . . . +
j=0j6=k
2
h
Explicitamente: · (yn−1 + yn )
2
h
x − x1 x − x0 = · (y0 + yn +
p1 (x) = y0 · + y1 · 2
x0 − x1 x1 − x0
2 · (y1 + y2 + . . . + yn−1 ))
Integrando e utilizando a variável u suge- h
n−1
X
rida: = · y0 + yn + yj
2 j=1
Z x1
I= p1 (x) dx 2. Considere que a integral fosse
x0
Z x1 Z 2
y0
= · (x − x1 ) dx+ (ex + 2) dx
x0 − x1 x0 0
Z x1
y1
· (x − x0 ) dx (a) Supondo que o intervalo de integração
x1 − x0 x0
Z 1 fosse dividido em duas partes, as abscis-
y0 sas a serem analisadas são
= · (u − 1)h2 du+
(0 − 1) h 0
Z x1 x0 = 0, x1 = 1, x2 = 2
y1
· (u − 0)h2 du
(1 − 0) h x0 Para cada um desses valores de x o in-
Z 1 Z 1 tegrando, chamado agora de y assume o
= −y0 h · (u − 1) du + y1 h u du ⇒ valor:
0 0
y0 = 3, y1 = e + 2, y2 = e2 + 2
66
Aplicando a regra do trapézio: Logo, o resultado da quadratura de Gauss
Z 2 é
I= (ex + 2) dx Z 2
0 I= (ex + 2) dx
h 0
≈ · (y0 + y2 + 2y1 )
2 ≈ A1 F (t1 ) + A2 F (t2 ) + A3 F (t3 )
1 ≈ 10.388878
≈ · 3 + e2 + 2 + 2 · (e + 2)
2
1 (d) A solução correta da integral é
≈ · 9 + e2 + 2 · e
2 Z 2
≈ 10.912810
I= (ex + 2) dx
0
(b) Usando os mesmos pontos de antes para 2
= (ex + 2x)
estimar a integral pela regra 1/3 de Simp-
son: 2
0 0
= e +4 − e +0
Z 2
I= (ex + 2) dx = e2 + 3
0 ≈ 10.389056
h
≈ · (y0 + y2 + 4y1 )
3 Sendo assim, o erro absoluto cometido
1 pela aplicação de cada método numérico
≈ · 1 + e2 + 2 + 4 · (e + 2)
3 é
1
≈ · 11 + e2 + 4 · e
3 RT : Eabs = |10.389056 − 10.912810|
≈ 10.420728 = 0.523754
1
(c) Para aplicar a quadratura de Gauss- R S : Eabs = |10.389056 − 9.754061|
3
Legendre, o primeiro passo é alterar = 0.634995
a variável de integração, passando da
variável x para a variável t de modo que QG : Eabs = |10.389056 − 10.388878|
= 0.000182
x=t+1
3. Dicas:
Com isso a integral inicial se torna
Z 2 Z 1 (a) Calcular a área da figura no primeiro qua-
(ex + 2) dx = et+1 + 2 dt
drante e multiplicar por 4.
0 −1
(b) Usar cada método numérico seguindo o
donde se identifica o integrando como exemplo do exercı́cio anterior.
F (t) = et+1 + 2 (c) Calcular o valor correto da integral no-
tando que
Se for utilizada a quadratura de Gauss-
π
Lengendre com três pontos, a integral é lim arctan(z) =
aproximada pelo somatório
z→∞ 2
Em seguida, calcular o erro absoluto como
A1 F (t1 ) + A2 F (t2 ) + A3 F (t3 ) no exercı́cio anterior.
com os Ai e ti conhecidos por serem tabe- 4. Considerando que fosse pedido para mostrar que
lados. Substituindo os valores, termos do a regra do trapézio resolve de forma exata a in-
somatório assume o seguinte valor: tegral de qualquer polinômio do primeiro grau,
5 √ o procedimento a ser feito seria o seguinte. Pri-
A1 F (t1 ) = · e1− 3/5 + 2 meiro resolve-se a integral
9
≈ 1.807127 Z x1
I= (a · x + b) dx
x0
8
A2 F (t2 ) = · e1 + 2
9 de forma exata:
≈ 4.194028
5 1+√3/5
A3 F (t3 ) = · e +2
9
≈ 4.387723
67
Depois resolve-se através da regra do trapézio:
h
I= · (y0 + y1 )
2
x1 − x0
= · ((a · x0 + b) + (a · x1 + b))
2
Z x1
a · (x1 − x0 ) · (x1 + x0 )
I= (a · x + b) dx = + b · (x1 − x0 )
x0 2
x2 a · (x1 )2 − (x0 )2
x1 = + b · (x1 − x0 )
= a· +b·x
2 x0 2
2 2
a · (x1 ) − (x0 ) Como os dois resultados são iguais, está mos-
= + b · (x1 − x0 )
2 trado o que se desejava.
68
Parte III
69
Respostas 1: Sistemas de numeração,
conversão decimal-binário-decimal e
erros
1. O que são erros de arredondamento e erros de 0.1012 = 1 · 2−1 + 1 · 2−3 = 0.5 + 0.125 = 0.62510
truncamento? Cite diferenças entre os dois.
Resposta
1.5312510 = 1 · 20 + 1 · 2−1 + 0 · 2−2 +
Erros de arredondamento são aqueles proveni- 0 · 2−3 + 0 · 2−4 + 1 · 2−5
entes da finitude da representação numérica em
= 1.100012
máquinas (computadores). Por outro lado, os
erros de truncamento são aqueles originados nas
limitações do próprio método numérico utili-
zado. Em geral, os erros de arredondamento
têm magnitude menor do que os erros de trun- 3. (a) Dados π = 3.141593 e e = 2.718282,
camento. Enquanto erros de arrendondamento escritos com base no sistema decimal,
dificilmente são controláveis quando há muitas reescreva-os utilizando o sistema binário
operações sendo realizadas, os erros de trunca- mantendo apenas os seis primeiros alga-
mento podem ser (relativamente) controlados ao rismos fracionários (depois de escritos no
se alterar o método numérico utilizado. sistema binário).
(b) Converta os resultados anteriores que
2. Complete a tabela com as representações cor-
estão em binário novamente para a
retas dos números utilizando sistemas de nu-
notação em decimal arrendondando para
meração de base 10 e base 2.
que sejam mantidos seis algarismos fra-
BASE 10 BASE 2 cionários (ou seja, obtenha “aproximações
13.25 dos valores aproximados”). Rotule os no-
10.1101 vos valores como π̄ e ē.
0.101
(c) Calcule a diferença π − π̄. O valor ab-
1.53125
soluto dessa diferença é chamado de erro
Resposta absoluto: Ea (π) = |π − π̄|. Faça o mesmo
para e.
(d) Calcule a razão entre a diferença π − π̄ e
13.2510 = 8 + 4 + 1 + 0.25 o valor supostamente correto π. O valor
= 1 · 23 + 1 · 22 + 0 · 21 + absoluto dessa razão
é chamado de erro
relativo: Er (π) = π−π̄
π . Faça o mesmo
1 · 20 + 0 · 2−1 + 1 · 2−2 para e.
= 1101.012
Resposta
70
22 = 4 Ea (e) = |e − ē| = 0.015157
21 = 2
20 = 1 (d) O erro relativo calculado para cada
2−1 = 0.5 variável é
2−2 = 0.25
2−3 = 0.125 π − π̄
Er (π) = = 0.000308
2−4 = 0.0625 π
2−5 = 0.03125
2−6 = 0.015625
e − ē
Er (e) =
= 0.005576
A partir dessa tabela podemos escrever: e
π = 1 × 21 + 1 × 20 + 0 × 2−1 +
0 × 2−2 + 1 × 2−3 + 0 × 2−4 +
4. Qual é o erro relativo ao aproximar o número
0 × 2−5 + 1 × 2−6 n = 11 ∗
30 por n = 0.367?
≈ 11.0010012 Resposta
e = 1 × 21 + 0 × 20 + 1 × 2−1 +
0 × 2−2 + 1 × 2−3 + 1 × 2−4 + EABS = |n − n∗ |
−5 −6
0×2 +1×2
11
= − 0.367
≈ 10.1011012 30
11 367
(b) Voltando ao sistema decimal, temos = −
30 1000
π̄ = 2 + 1 + 0.125 + 0.015625 = 3.14062510
1100 − 1101
=
3000
ē = 2 + 0.5 + 0.125 + 0.0625 + 0.015625 1
=
= 2.70312510 3000
71
Respostas 2: Zeros de funções –
métodos intervalares
Orientação para as respostas: o arredondamento deve ser tal que se o sexto algarismo fracionário for 0, 1, 2, 3
ou 4, o arredondamento do quinto algarismo é feito para baixo; e nos outros casos ele é feito para cima.
1. O gráfico da função f (x) = sen(x) + cos(2x) é deve ser o erro relativo: Er < 0.01.
mostrado a seguir. Pode-se observar que há três Observações: (i) organize as estimativas
zeros da função no intervalo x ∈ [0; 6]. em uma tabela conforme o exemplo se-
guinte; (ii) durante os cálculos, use ar-
f (x) redondamento para que sejam mantidos
cinco algarismos fracionários a cada uma
das operações matemáticas empregadas;
(iii) ao aplicar as funções trigonométricas,
x os ângulos devem ser considerados em ra-
0 2 4 6 dianos.
Ite. Intervalo Estimativa Erro Rel.
(a+b)
1 [a; b] x1 = 2 —
x2 = (...)
x2 −x1
2 [a; x1 ] ou [x1 ; b]
-2 2 x2
3
.. .. ..
(a) Todos eles podem ser encontrados através 4 . . .
dos métodos da bisseção e da posição Resposta
falsa? Justifique.
Para os intervalos com extremidades intei-
Resposta ras indicados na resposta ao item anterior,
Não, pois qualquer intervalo cercando as tabelas são as que se segue.
apenas o primeiro zero (em x ∈ [1; 2])
não satisfaz a condição que garante a Ite. Intervalo Estimativa Erro Rel.
existência do zero de acordo com o teo- 1 [3; 4] 3.5 —
rema do valor intermediário. 2 [3.5; 4] 3.75 0.06667
3 [3.5; 3.75] 3.635 0.03448
4 [3.625; 3.75] 3.6875 0.01695
(b) Especifique dois intervalos de largura
5 [3.625; 3.66875] 3.65625 0.00855
unitária ([a; b] tal que b − a = 1) que po-
dem ser utilizados como condição inicial
para a execução do método da bisseção. Ite. Intervalo Estimativa Erro Rel.
Resposta 1 [5; 6] 5.5 —
2 [5.5; 6] 5.75 0.04348
Há muitas respostas possı́veis caso se 3 [5.75; 6] 5.875 0.02128
queira lidar com intervalos cujas extre- 4 [5.75; 5.875] 5.8125 0.01075
midades não são apenas números intei- 5 [5.75; 5.8125] 5.78125 0.00541
ros. Para intervalos cujas extremidades
são números inteiros, a resposta são os in- As tabelas referentes a outras escolhas
tervalos [3; 4] e [5; 6]. para o intervalo inicial podem ser confe-
ridas na tabela interativa disponibilizado
junto com este documento.
(c) Utilizando os intervalos informados no
item anterior execute o método da
bisseção para estimar o valor do zero da (d) Refaça os cálculos do item anterior utili-
função. O critério de parada das iterações zando o método da posição falsa.
72
Resposta de parada o valor absoluto da função na estima-
tiva. Organize os resultados numa tabela seme-
Para os mesmos intervalos com extremi- lhante àquela do exercı́cio anterior.
dades inteiras usados na resposta ao item
Resposta
anterior, as tabelas são as que se segue.
Método da posição falsa original:
Ite. Intervalo Estimativa Erro Rel.
Ite. Intervalo xt |f (xt )|
1 [3; 4] 3.54966 —
1 [0; 1] 0.68507 0.45285
2 [3.54966; 4] 3.65868 0.0298
2 [0.68507; 1] 0.84136 0.07086
3 [3.65868; 4] 3.66496 0.00171
3 [0.84136; 1] 0.86254 0.0088
4 [0.86254; 1] 0.86512 0.00107
Ite. Intervalo Estimativa Erro Rel.
1 [5; 6] 5.76108 — Método da posição falsa alternativo:
2 [5; 5.76108] 5.75944 0.00028 Ite. Intervalo xt |f (xt )|
As tabelas referentes a outras escolhas
1 [0; 1] 0.68507 0.45285
para o intervalo inicial podem ser confe-
2 [0.68507; 1] 0.84135 0.07089
ridas na tabela interativa disponibilizado
3 [0.84135; 1] 0.87877 0.04052
junto com este documento.
4 [0.84135; 0.87877] 0.85891 0.01962
x4
x1 x2
Utilize essa informação para calcular através do −1 1
x
método da posição falsa original e do método 2
alternativo o zero da função • x3
f (x) = cos(x) − x3 .
73
Resposta Resposta
As estimativas estão indicadas no gráfico acima A localização de cada estimativa está indicada
e enumeradas como x1 , x2 , x3 e x4 . Seus valores no gráfico acima. Note que não é possı́vel calcu-
são: lar o valor numérico de cada uma sem que seja
2 + (−1) conhecida a expressão algébrica da função f (x).
x1 = = 0.5
2
2 + 0.5
x2 = = 1.25 6. Repita outra vez a análise gráfica, mas utili-
2
2 + 1.25 zando o método alternativo da posição falsa.
x3 = = 1.625 Assim como no caso da posição falsa original,
2
não é possı́vel calcular numericamente as esti-
1.625 + 1.25 mativas do zero da função, mas é possı́vel fa-
x4 = = 1.4375
2 zer uma estimativa visual da localização de cada
uma delas.
5. Repita a análise gráfica do exercı́cio anterior, y
mas agora considerando o método da posição f (x)
•
falsa. Perceba que não é possı́vel calcular nu-
mericamente as estimativas do zero da função
(por quê?), mas é possı́vel fazer uma estimativa x4 •
visual da localização de cada uma delas. x2 •
x1 •
y −1
f (x) x
• 2
x3
• • •
•
x1 x3
−1
x
2
x2 Resposta
• • x4
• • A localização de cada estimativa está indicada
no gráfico acima. Note que não é possı́vel calcu-
lar o valor numérico de cada uma sem que seja
conhecida a expressão algébrica da função f (x).
74
Respostas 3: Zeros de funções –
métodos abertos
Orientação para as respostas: o arredondamento deve ser tal que se o quinto algarismo fracionário for 0, 1, 2,
3 ou 4, o arredondamento do quarto algarismo é feito para baixo e nos outros casos ele é feito para cima.
1. O gráfico da função t xt Er
0 x0 (condição inicial) —
f (x) = sen(x) + cos(2x) f (x0 ) x1 −x0
1 x1 = x0 − f 0 (x0 ) x1
é mostrado a seguir. Pode-se observar que há .. ..
2 . .
três zeros da função no intervalo x ∈ [0; 6].
Resposta
f (x)
O inteiro mais próximo do zero da função
que está no intervalo [1; 2] é 2. A aplicação
do método de Newton, cuja função de
iteração neste caso é
x
0 2 4 6 sen(x(t−1) ) + cos(2x(t−1) )
x(t) = x(t−1) − ,
cos(x(t−1) ) − 2 sen(2x(t−1) )
75
2. Para a mesma função f (x) do exercı́cio anterior, f (x)
use a função de iteração
4
2
obtida ao somar x de ambos os lados da equação
f (x) = 0, e analise a convergência do método do 1
ponto fixo.
• • • • x
0 2 4 6
t xt Er
Dica: faça os gráficos de dφ/dx e f (x), preferen- 0 4.5 —
cialmente no mesmo sistema de eixos, usando
1 2.61134 0.72325
algum recurso computacional como o buscador
2 3.60552 0.27574
da Google ou o WolframAlpha, digitando o co-
3 3.75761 0.04048
mando plot seguido das expressões algébricas
4 3.51214 0.06989
correspondentes às funções que se quer ver os
5 3.88774 0.09661
gráficos, separadas por uma vı́rgula.
6 3.28735 0.18264
7 4, 09992 0.19819
Resposta 8 2.94269 0.39326
9 4.06219 0.27559
10 2.99911 0.35447
dφ
= 1 + cos(x) − 2 sen(2x)
dx
O gráfico dessa derivada é mostrado 3. Abaixo está o gráfico de uma função f (x) que
abaixo e nele também são indicados no contém um zero no intervalo mostrado. Localize
eixo horizontal as posições das estimati- no eixo horizontal as três primeiras estimativas
vas iniciais sugeridas. É fácil notar que do zero da função de acordo com o método da
apenas a estimativa x0 = 1.3 satisfaz secante tomando como condições iniciais x(−1) e
|(dφ/dx)x0 | < 1. x0 .
76
y Resposta
•
x3
•
x
x0
x1 x2 •
f (x)
77
Respostas 4: Sistemas lineares –
métodos iterativos
(2)
1. Considere o sistema linear x = (57 − 3 × 2.5 + 2 × (−0.8)) /10 = 4.79
y (2) = (20 − 2 × 5.7 − 0.8) /8 = 0.975
10 3 −2 x 57 (2)
z = (−4 − 5.7 − 2.5) /5 = −2.44
2 8 −1 y = 20 .
1 1 5 z −4 ..
.
(a) Verifique que ele atende à condição de con- Agora é mostrada uma tabela com os va-
vergência para a aplicação dos métodos lores de x, y, z e Er para cada iteração.
iterativos.
t x(t) y (t) z (t) Er
Resposta
0 0 0 0 0
O sistema é diagonalmente, pois o valor 1 5.7 2.5 −0.8 1
absoluto do elemento de cada linha na di- 2 4.79 0.975 −2.44 0.67213
agonal principal é maior do que a soma 3 4.9195 0.9975 −1.953 0.24936
dos valores absolutos dos demais. Para a 4 5.01015 1.026 −1.9834 0.01533
1ª linha, temos |10| > |3|+|−2|; para a 2ª 5 4.99552 0.99954 −2.00723 0.01187
linha: |8| > |2| + | − 1|; e para a 3ª linha: 6 4.99869 1.00022 −1.99901 0.00411
|5| > |1| + |1|. 7 5.00013 1.00045 −1.99978 0.00039
78
t x(t) y (t) z (t) Er Resposta
0 0 0 0 0
1 5.7 1.075 −2.155 1 Supondo duas retas quaisquer no espaço bidi-
2 4.9465 0.994 −1.9881 0.08395 mensional, existem 3 situações possı́veis para
3 5.00418 1.00044 −2.00092 0.00641 elas: ou (i) são paralelas e não coincidentes, ou
4 4.99968 0.99997 −1.99993 0.0009 (ii) elas são paralelas e coincidentes, ou (iii) elas
Confira a tabela interativa disponibilizada não são paralelas. Abaixo estão ilustradas essas
junto com este documento. três situações.
(i) (ii) (iii)
2. Use o método iterativo de Gauss-Seidel para re-
solver o sistema linear
5x1 + x2 + x3 = 5
3x1 + 4x2 + x3 = 6 .
3x1 + 3x2 + 6x3 = 0
Sabemos que a(s) solução(ões) do sistema de
Utilize como condição de parada o erro absoluto equações é(são) o (conjunto de) ponto(s) (x, y)
no vetor solução menor do que 1/100. Não use que satisfaz(em) a ambas as equações ao mesmo
arredondamento, mantenha as frações. tempo. A partir das ilustrações acima é fácil
(t) (t) (t)
t x1 x2 x3 Ea responder ao questionamento apresentado.
0 —
(a) O sistema linear não tem solução quando
1
as duas equações apresentadas correspon-
2
dem a duas retas paralelas. Como essas
Resposta retas não se cruzam, não há ponto (x, y)
Esta é a tabela com os valores obtidos a cada que satisfaça às duas equações ao mesmo
iteração. tempo.
(t) (t) (t) (b) O sistema linear tem infinitas soluções
t x1 x2 x3 Ea
quando as duas equações que o compõem
0 0 0 0 —
3 representam a mesma reta. Isso ocorre
1 1 4 − 78 1
41 19 quando as equações são múltiplas uma da
2 40 20 − 79
80
1
5
403 793 1599 33 outra, isto é, quando qualquer uma pode
3 400 800 − 1600 800
8013 7989 8001 59 ser obtida a partir da outra pela mul-
4 − 8000
8000 8000 8000 tiplicação de uma constante diferente de
3. A equação ax + by = c é uma equação implı́cita zero. Nesse caso, qualquer ponto de uma
de uma reta no espaço bidimensional. Sendo as- equação satisfaz imediatamente à outra,
sim, um sistema de duas equações pode ser pen- logo há infinitos pontos (x, y) que satisfa-
sado como duas retas no espaço bidimensional. zem a ambas.
Com base na interpretação de uma equação de
(c) O sistema linear tem somente uma
duas variáveis como uma reta, explique o posi-
solução quando as retas representadas pe-
cionamento relativo das retas nos casos em que
las equações são concorrentes, ou seja, não
o sistema linear:
são paralelas. Nesse caso, há um único
(a) não tem solução; ponto (x, y) que satisfaz a ambas: é o
ponto de cruzamento das retas.
(b) tem infinitas soluções;
(c) tem somente uma solução.
79
Respostas 5: Sistemas lineares –
métodos exatos
80
Usando a operação elementar
A matriz de coeficientes é
2 0 3 x1 9
0 −1 − 1 x2 = 5 .
2 2 1 2 2 1
0 0 6 x3 6 2 4 1 3
A=
1 1 2 −1
(b) Das matriz triangular resultante após a
2 1 4 2
aplicação dos passos da eliminação de
Gauss e das operações elementares utili-
e a sequência de operações elementares ne-
zadas, a fatoração LU é
cessárias para transformá-la numa matriz trian-
1 0 0
2 0 3
gular superior é
L = 21 1 0 ; U = 0 −1 − 12
−1 −2 1 0 0 6 1 0 0 0 1 0 0 0
−2 1 0 0 0 1 0 0
E1 = ; E2 = ;
(c) Partindo da matriz estendida 0 0 1 0 −1 0 1 0
0 0 0 1 0 0 0 1
2 0 3 9
0 −1 − 1 5 .
2 2 1 0 0 0 1 0 0 0
0 0 6 6 0 1 0 0 0 0 0 1
E3 =
0 0
; E4 = ;
1 0 0 0 1 0
o uso das operações elementares −2 0 0 1 0 1 0 0
1
L2 ← L2 + · L3 1 0 0 0 1 0 0 0
12 0 1 0 0 0 1 0 0
E5 =
0 −1
; E6 = .
1 1 0 0 0 0 1
L1 ← L1 − · L3 3
2 0 0 0 1 0 0 1 0
leva à matriz estendida Foram realizadas duas operações de per-
mutação: E4 e E6 . Portanto, a matriz de per-
2 0 0 6
0 −1 0 3 mutação do sistema em questão é P = E6 E4 ,
0 0 6 6 sendo preservada a mesma ordem em que elas
foram executadas sobre a matriz A. É necessário
Portanto, um sistema triangular equiva- aplicar as permutações sobre o vetor constante
lente é para que o resultado final esteja correto.
2 0 0 x1 6
0 −1 0 x2 = 3 1 0 0 0 1 0 0 0 6 6
0 1 0 0 0 0 0 1 10 9
0 0 6 x3 6 =
0 0 0 1 0 0 1 0 3 10
0 0 1 0 0 1 0 0 9 3
(d) Aplicando as operações elementares
1 1 Esse é o vetor constante após as permutações.
L1 ← · L1 ; L2 ← −L2 ; L3 ← · L3
2 6 As matrizes L e U obtidas após as seis operações
sobre o sistema diagonal obtido no item elementares enumeradas são
anterior, chega-se ao sistema
1 0 0 0
1 2 2 1
2 1 0 0 0 −3 0 0
1 0 0 x1 3 L= 2 0 1 0 ; U = 0
0 1 0 x2 = −3 0 −3 1
0 0 1 x3 1 1 31 0 1 0 0 0 −2
81
é obtida a partir da resolução de dois sistemas Usando esse vetor ~y , resolve-se o sistema trian-
triangulares, um inferior e outro superior: gular superior, cuja solução é a própria solução
do sistema linear original:
L~y = ~b0
A0 ~x = ~b0 ⇒ LU~x = ~b0 ⇒ ,
U~x = ~y
1 2 2 1 x1 6
onde ~y é um vetor de variáveis intermediárias. 0 −3 0 0 −3
x2
−2 ⇒
O sistema triangular inferior deve ser resolvido =
0 0 −3 1 x3
primeiro: 0 0 0 −2 x4 −2
1 0 0 0 y1 6
2 1 0 0 y2 9
2 0 1 0 y3 = 10 ⇒
x1 1
1 13 0 1 y4 3 x2 1
⇒
x3 = 1
y1 6
y2 −3 x4 1
⇒ y3 = −2
y4 −2
82
Respostas 6: Sistemas não-lineares
p
1. Considere o sistema não-linear Sendo G(x, y) = cos(x) + 1 a função ob-
2 tida ao isolar a variável y, temos
y − cos(x) − 1 = 0
√ !
xy − xy = 0
∂G sen(x)
=
p
∂x x(0) ,y(0)
2 1 + cos(x) (0) (0)
para resolver os itens a seguir. x ,y
≈ 0.32486
(a) Encontre equações iterativas adequadas
a serem utilizadas para resolver o sis- e
tema através do método do ponto fixo tais ∂G
=0
que satisfaçam a condição de convergência ∂y
para a condição inicial x(0) = 0.9 e y (0) = Isso mostra que
1.1.
∂F ∂F
∂x ∂y < 1
+
(b) Usando as equações encontradas no item
anterior e partindo da condição inicial in- e
formada, realize as 5 primeiras iterações ∂G ∂G
∂x ∂y < 1
+
e organize as estimativas calculadas numa
tabela semelhante a esta abaixo. Preste
quando as derivadas são calculadas em
atenção que as funções trigonométricas
x(0) e y (0) .
devem ser calculadas considerando que os
ângulos estão em radianos. (b) O resultado das 5 primeiras iterações está
resumida nesta tabela.
t xt yt Eabs
t xt yt Eabs
0 0.90000 1.10000 —
0 0.90000 1.10000 —
1
.. 1 0.90453 1.27342 0.17342
. 2 0.84280 1.27203 0.06173
5 3 0.81398 1.29049 0.02882
4 0.79420 1.29870 0.01978
Resposta 5 0.78201 1.30417 0.01219
83
r
∂g 1 x Logo, para este sistema linear a equação itera-
=x− ;
∂y 2 y tiva para a variável y é
O jacobiano é
y (t+1) =
√
sen(x) 2yq
xy −
xy sen(x)−
|J(f, g)| = =
py
y − 12 x x − 12 xy 2 1
py
y − y − cos(x) − 1 y − 2 x
q py
1 x 1
x − 2 y sen(x) + 2x y − 2 x
r r
1 x 1 y
= x− sen(x) + 2x y − x(t) ,y (t)
2 y 2 x
com o lado direito da igualdade calculado
A equação iterativa para a variável x tem a
nos valores conhecidos para as variáveis na
forma geral
iteração t.
∂g
f (xt , yt ) · ∂y − g(xt , yt ) · ∂f
∂y
xt ,yt xt ,yt
xt+1 = xt − 3. Considere os seguintes objetos geométricos:
|J(ft , gt )|
Para o sistema em estudo: o parabolóide f (x, y, z) = 0, com
r
∂g 1 x x2 y2 z
= y 2 − cos(x) − 1 x −
f· = f (x, y, z) = + −
∂y 2 y 6 4 8
p
y3 x o plano g(x, y, z) = 0, com
r
2 1 x
= xy − − (cos(x) + 1) x −
2 2 y x z
g(x, y, z) = +
e 2 4
∂f √ p
o plano h(x, y, z) = 0, com
g· = (xy − xy) · (2y) = 2xy 2 − 2 xy 3
∂y
x y 1
donde se chega a h(x, y, z) = + +
3 2 4
p
∂g ∂f 5 xy 3 (a) Use o método do ponto fixo para estimar
f· −g· = −xy 2 − − um dos pontos de interseção dos três ob-
∂y ∂y 2
r
1 x jetos. Para tanto, monte o sistema não-
(cos(x) + 1) x − linear, escreva as equações iterativas, tome
2 y
como condição inicial o ponto
Portanto, para este sistema não-linear a equação
(0) (0) (0) 1 1
iterativa da variável x é x ,y ,z = 0, − ,
2 2
x(t+1) =
√ e organize o resultado das 5 primeiras
5 xy 3
q
xy 2 + 2 + (cos(x) + 1) x − 12 xy iterações numa tabela semelhante a esta,
x +
q
cuja última coluna contém o erro refe-
1 x 1
py
x − 2 y sen(x) + 2x y − 2 x rente ao valor de cada função calculada
x(t) ,y (t) na última estimativa conhecida para cada
sendo o lado direito da igualdade calculado variável.
com os valores conhecidos para as variáveis na t xt yt zt Ef,g,h
iteração t. A equação iterativa para a variável
0 0.0000 −0.5000 0.5000 0.1250
y tem a forma geral
1
..
g(xt , yt ) · ∂f ∂g
− f (xt , yt ) · ∂x
∂x
xt ,yt
xt ,yt
.
yt+1 = yt − 5
|J(ft , gt )|
(b) Escreva a equação matricial
Para o sistema em estudo:
∂f √ J (t) ~x(t+1) − ~x(t) = −f~(t)
g· = (xy − xy) sen(x)
∂x
e referente à aplicação do método de New-
r ton para resolução do sistema não-linear
∂g 2
1 y montado a partir das equações dos três ob-
f· = y − cos(x) − 1 y −
∂x 2 x jetos geométricos, e determine o valor de
donde se chega a ~x(3) , partindo da mesma condição inicial
do item anterior e fazendo uso da variável
∂f ∂g √ temporária ~s(t) = ~x(t+1) − ~x(t) . Construa
g· −f · = (xy − xy) sen(x)−
∂x ∂x r uma tabela semelhante àquela do item an-
1 y terior para mostrar os resultados de cada
y 2 − cos(x) − 1 y −
2 x uma das iterações.
84
Resposta logo,
(a) Um dos possı́veis conjuntos de equações −0.15
iterativas é J (0) ~s(0) = −f~(0) ⇒ ~s(0) = 0.1
(t) 2 2
−0.2
(t+1) (x ) (y(t) )
z = 8 +
sendo a solução do sistema linear obtida
6 4
(t)
x (t+1)
= − z 2 por qualquer método numérico conhecido.
Usando a definição do vetor ~s dada no
x(t)
y (t+1) = −2 14
+ 3 enunciado, temos
A variável z foi isolada na primeira
−0.15
equação para evitar o ocorrência da raiz ~x(1) = ~x(0) + ~s(0) = −0.4
quadrada de números negativos. A partir 0.3
da condição inicial dada, as 5 primeiras
iterações resultam na tabela a seguir. Usando ~x(1) , calcula-se J (1) e f~(1) :
−0.05 −0.2 − 81
t xt yt zt Ef,g,h
0 0.0000 −0.5000 0.5000 0.1250 J (1) = 1
2 0 1
4 e
1 1
1 −0.2500 −0.5000 0.5000 0.0833 3 2 0
2 −0.2500 −0.3333 0.5833 0.0347 0.00625
3 −0.2917 −0.3333 0.3056 0.0694 f~(1) = 0
4 −0.1528 −0.3056 0.3356 0.0463 0
5 −0.1678 −0.3981 0.2178 0.0294
O vetor temporário vale
Mais iterações podem ser verificadas na
−0.01875
tabela disponibilizada junto com este do- J (1) ~s(1) = −f~(1) ⇒ ~s(1) = 0.0125
cumento. 0.0375
(b) Vamos reescrever as funções dadas utili-
zando outros rótulos: Portanto, a segunda estimativa das
variáveis é
(x1 )2 (x2 )2
x3
f1 (x1 , x2 , x3 ) = 6 + 4 − 8
−0.16875
x1 x3
f2 (x1 , x2 , x3 ) = 2 + 4 ~x(2) = ~x(1) + ~s(1) = −0.3875
f3 (x1 , x2 , x3 ) = x31 + x22 + 14 0.3375
6 + 4 − 8 ~x(3) = −0.3872983
(t) (t)
= − x1 x 0.3381051
2 + 34
(t) (t)
x1 x
+ 22 + 14 Organizando essas estimativas numa ta-
3
bela:
Para realizar as iterações será utilizado ve- (t) (t) (t)
tor temporário ~s = [s1 , s2 , s3 ]T , o qual t x1 x2 x3 Ef1 ,f2 ,f3
contém as soluções do sistema J~s = −f~ 0 0.0000 −0.5000 0.5000 0.1250
em cada iteração. Assim, para a condição 1 −0.1500 −0.4000 0.3000 0.0063
inicial dada temos 2 −0.1688 −0.3875 0.3375 0.0001
3 −0.1691 −0.3873 0.3381 0.0000
0 − 14 − 18
0
J (0) = 12 0 1
4 e f~(0) = 18
1 1
3 2 0 0
85
Respostas 7: Método dos quadrados
mı́nimos
x −1 1 2 4 Isto é,
y 1 1 0 2 10 2
u(x) = + x
13 13
Usando o método dos quadrados mı́nimos, en-
contre Para calcular o coeficiente de deter-
minação é preciso
P primeiramente determi-
(a) a regressão linear (grau 1); nar o valor de i (yi − ui )2 . Substituindo
86
as coordenadas fornecidas: cuja solução é
8
2
12
2 47
a0 = ≈ 0.6026
X
(yi − ui )2 = 1 − + 1− + 78
13 13
i 9
2 2 a1 = − ≈ −0.3462
14 18 26
0− + 2− = 1
13 13 a2 = ≈ 0.1667
25 1 196 64 6
= + + + =
169 169 169 169 Portanto, o polinômio quadrático que me-
286 lhor se ajusta aos dados é
= =
169 47 9 1
22 u(x) = − x + x2
= 78 26 6
13
Seguindo um caminho semelhante ao do
Também é preciso conhecer o somatório item anterior, chega-se ao coeficiente
2
P
(y
i i − ȳ) , com ȳ sendo o valor médio 17
das coordenadas y. Substituindo as coor- R2 = ≈ 0.6538
26
denadas:
X (c) O sistema linear agora tem dimensão 4x4
(yi − ȳ)2 = (1 − 1)2 + (1 − 1)2 + e sua matriz estendida é
i
4 6 22 72 4
(0 − 1)2 + (2 − 1)2 = 6 22 72 274 8
=0+0+1+1= 22 72 274 1056 34
=2 72 274 1056 4162 128
87
é preciso antes calcular dois somatórios:
2
X b 1
1
(yi − ui )2 = 0 − − +
3. Dados os três pontos (0; 0), 2; b e (1; 1): 3 6
i
2
b 1
b− + +
(a) indique um valor para b de modo que a 3 3
2
regressão linear desses pontos tenha o co-
b 5
eficiente R2 = 109
; 1− + =
3 6
2 2
(b) determine a regressão linear correspon- b 1 2b 1
= − + − +
dente ao valor de R2 e b indicados no item 3 6 3 3
2
anterior.
1 b
− =
6 3
2
b b 1
Há dois valores possı́veis para b e, consequente- = − + +
mente, para a função linear com melhor ajuste. 9 9 36
2
4b 4b 1
− + +
Resposta 9 9 9
b b2
1
− + =
36 9 9
(a) O sistema linear a ser resolvido para en- 6b2 6b 3
contrar a regressão linear é = − +
9 9 18
" # e
3
3 2 a0 b+1 2
= X b+1
3 5 a1 b
2 +1
(yi − ȳ)2 = 0 − +
2 4
i
3
2
b+1
Usando as operações elementares b− +
3
2
1 b+1
L1 ← L1 1− =
3 3
2 2
b 1 2b 1
= + + − +
3 3 3 3
2 2
L2 ← L2
2 b
3 − =
3 3
2
b 2b 1
= + + +
L2 ← L2 − L1 9 9 9
2
4b 4b 1
− + +
chega-se ao sistema 9 9 9
4 4b b2
" # " # − + =
1 1
a0
b+1 9 9 9
2 3
1 = 1 6b2 6b 6
0 a1
3 3 = − +
9 9 9
cuja solução é Notando que ui é obtido através da subs-
tituição das coordenadas x de cada ponto
(xi ; yi ) na expressão para u(x) anterior e
b 1 que ȳ é o valor médio das coordenadas y.
a1 = 1 e a0 = −
3 6 A divisão desses dois somatórios resulta
em
Portanto, a regressão linear dos pontos da- 6b2 6b 3
(y − ui )2 9 − 9 + 18
P
dos é Pi i 2
= 6b2 6b 6
=
i (yi − ȳ) 9 − 9 + 9
b 1
u(x) = − +x 6b2 − 6b + 23
3 6 = =
6b2 − 6b + 6
Para poder trabalhar com a informação b2 − b + 14
= 2
dada sobre o coeficiente de determinação, b −b+1
88
(y −ui )2
P
Usando a definição R2 = 1 − Pi i 2 e (a) Considerando o modelo I e tomando o lo-
i (yi −ȳ)
o valor fornecido para R2 : garitmo de ambos os lados da igualdade,
temos ln y = ln α + x ln β. Com w = ln y,
9 b2 − b + 14 1 b2 − b + 14 a = ln α e b = ln β, o modelo linearizado
= 1− 2 ⇒ = 2 ⇒ para ser usado na regressão desses dados
10 b −b+1 10 b −b+1
é w = a + bx.
b2 − b + 1 1 x 1 2 3 4 5 6
⇒ = b2 − b + ⇒ w 3.85 4.17 4.52 4.88 5.25 5.62
10 4
Realizando os cálculos dos somatórios:
9b2 9b 3 1
⇒ − − = 0 ⇒ b2 − b − = 0 X
10 10 20 6 n = 6; x = 21;
Esse última equação quadrática tem duas X 2 X
x2 = 91;
soluções: x = 441;
q X X
−(−1) ± (−1)2 − 4 · −1 (xy) = 105.24; y = 28.29;
6
b= = X 2
2
X
y 2 ≈ 135.59
q y ≈ 800.32;
1 ± 1 − 23
= = Substituindo esses cálculos nas expressões
q2 que determinam os coeficientes da melhor
1 ± 13 regressão linear obtida pelo método dos
0.7886
= ≈ quadrados mı́nimos, encontramos
2 0.2113 P P P
( y)( x) − n (x y)
b= P 2 P ≈ 0.36;
(b) Substituindo cada valor de b encontrado ( x) − n (x2 )
no item anterior na expressão para a re- P P
( y) − b( x)
gressão linear, chega-se a a= ≈ 3.46
n
0.7886 0.0962 + x Com isso, o ajuste da linearização do mo-
b= ⇒ u(x) =
0.2113 −0.0962 + x delo I fica
u(x) = 0.36 x + 3.46
89
A partir desses somatórios, os valores dos o maior entre os dois, portanto ele é o me-
coeficientes da melhor regressão linear são: lhor modelo para os dados fornecidos. De
P P P fato, como mostram os gráficos seguintes,
( y)( x) − n (x y)
b= P 2 P ≈ 0.96; o modelo I encontrado está muito melhor
( x) − n (x2 ) ajustado aos dados do que o modelo II.
P P
( y) − b( x) y
a= ≈ 3.66
n
• modelo I
Com isso, o ajuste da linearização do mo-
delo II fica
modelo II
u(x) = 0.96 x + 3.66
•
e o coeficiente de determinação é
(y − u)2
P
R2 = 1 − P P 2 ≈ 0.92, •
(y 2 ) − n1 ( y)
•
sendo (y − u)2 ≈ 0.17. O resultado da
P
•
execução da regressão nos diz que a = 3.66 •
e β = 0.96. A partir disso, obtemos
α = 38.86 e consequentemente a melhor
regressão linear de acordo com o modelo x
II é
y = 38.86 x0.96
(b) De acordo com os cálculos anteriores, o
coeficiente de determinação do modelo I é
90
Respostas 8: Interpolação polinomial
1. Dados dois pontos com coordenadas (t; u) e O sistema linear a ser resolvido é
(v; w), use o polinômio interpolador de Lagrange
1 −1 1 −1 a0 1
para interpolá-los e mostre que se a reta que 1 1 1 1 a1 1
contém esses pontos for escrita na forma p(x) =
1
=
2 4 8 a2 0
ax + b, então
1 4 16 64 a3 2
u−w wt − uv
a= e b= Usando as operações elementares
t−v t−v
L2 ← L2 − L1
Resposta
L3 ← L3 − L1
Se (x0 ; y0 ) = (t; u) e (x1 ; y1 ) = (v; w), a fórmula L4 ← L4 − L1
do polinômio interpolador de Lagrange 3
L3 ← L3 − L2
2
X 2
p2 (x) = [yk Lk (x)] = 5
L4 ← L4 − L2
k=0 2
= y0 L0 (x) + y1 L1 (x) = L4 ← L4 − 5L3
x − x1 x − x0
= y0 + y1 chega-se ao sistema triangular
x0 − x1 x1 − x0
1 −1 1 −1 a0 1
fica 0
x−v x−t 2 0 2 a1 1
=
p2 (x) = u +w
0 0 3 6 a2 0
t−v v−t
0 0 0 30 a3 2
Deve-se manipular algebricamente essa ex-
pressão para encontrar qual o coeficiente de x cuja solução é
e qual o outro termo constante que é somado ao
monônio: 26 1
a0 = ≈ 1.7333; a1 = − = −0.2;
15 5
x−v x−t
p2 (x) = u −w = 11 1
t−v t−v a2 = − ≈ 0.7333; a4 = = 0.2
ux − uv − wx + wt 15 5
= =
t−v Portanto, o polinômio interpolador dos pontos
u−w
wt − uv
informados é
= x+
t−v t−v 26 1 11 2 1 3
p(x) = − x− x + x
15 5 15 5
Neste último passo o primeiro par de parênteses
corresponde ao a procurado e o segundo par cor-
responde ao b: 3. Considere este conjunto de pontos extraı́dos da
função y = f (x) = 2 log3 (x):
u−w wt − uv
a= e b=
t−v t−v x 1 3 9 27
y 0 2 4 6
2. Determine o polinômio interpolador desse con- (a) Use o polinômio interpolador de Newton
junto de pontos usando interpolação direta: para calcular a ordenada interpolada dos
pontos que têm abscissas
x −1 1 2 4
y 1 1 0 2 x=2
x=6
Resposta x = 18
91
(b) Informe qual desses pontos interpolados Para os valores de x pedidos temos:
está mais distante do valor dado pela
função f , indicando o valor do erro ab- 1 (−7)
p3 (2) = 1 · 1 + (−1) · − + =
soluto cometido na interpolação de cada 12 351
ponto. Assuma que o erro absoluto seja 1549
= ≈ 1.1033
calculado como 1404
erro abs. = |(valor correto)−(valor interpolado)|
1 (−3)
p3 (6) = 5 · 1 + 3 · − + =
Resposta 12 351
565
(a) O conjunto de quatro pontos deve ser in- = ≈ 3.6218
156
terpolado por um polinômio de terceiro
grau e o polinômio interpolador de New-
1 9
ton genérico de grau 3 é p3 (18) = 17 · 1 + 15 · − + =
12 351
p3 (x) = b0 + b1 (x − x0 )+ 119
= ≈ 2.2885
b2 (x − x0 )(x − x1 )+ 52
b3 (x − x0 )(x − x1 )(x − x2 ) (b) O valor retornado pela função f para cada
De acordo com a relação recursiva de dife- uma das abscissas indicadas no item ante-
renças divididas, os coeficientes b0 , b1 , b2 rior é
e b3 são dados pelas expressões: ln(2)
f (2) = 2 log3 (2) = 2 · ≈ 1.2619
ln(3)
b0 = ∆(x0 ) = y0 ;
∆(x1 ) − ∆(x0 ) y1 − y0 ln(6)
b1 = ∆(x1 , x0 ) = = ; f (6) = 2 log3 (6) = 2 · ≈ 3.2619
x1 − x0 x1 − x0 ln(3)
b2 = ∆(x2 , x1 , x0 ) = ln(18)
f (18) = 2 log3 (18) = 2 · ≈ 5.2619
∆(x2 , x1 ) − ∆(x1 , x0 ) ln(3)
= =
x2 − x0 O erro absoluto na interpolação de cada
y2 −y1 y1 −y0
x2 −x1 − x1 −x0 um desses valores, ao usar o resultado do
= ; item anterior, é
x2 − x0
b3 = ∆(x3 , x2 , x1 , x0 ) =
Eabs (2) = |1.2619 − 1.1033| = 0.1586
∆(x3 , x2 , x1 ) − ∆(x2 , x1 , x0 )
= = Eabs (6) = |3.2619 − 3.6218| = 0.3599
x3 − x0
y3 −y2 y2 −y1 y1 −y0
y2 −y1
x3 −x2 − x2 −x1 x2 −x1 − x1 −x0 Eabs (18) = |5.2619 − 2.2885| = 2.9734
x3 −x1 − x2 −x0
= Portanto, o ponto interpolado mais dis-
x3 − x0 tante de sua posição correta é aquele com
A partir da tabela, temos abscissa x = 18 e aquele cuja interpolação
ficou mais próxima é o que tem x = 2.
y1 − y0 = 2; y2 − y0 = 4; y3 − y0 = 6;
y2 − y1 = 2; y3 − y1 = 4; y3 − y2 = 2;
4. Qual o grau do polinômio interpolador utili-
x1 −x0 = 2; x2 −x0 = 8; x3 −x0 = 26; zado em cada interpolação mostrada na imagem
x2 −x1 = 6; x3 −x1 = 24; x3 −x2 = 18. abaixo?
Usando esses valores nas expressões para
os coeficientes b0 , . . . , b3 :
1 1
b0 = 0; b1 = 1; b2 = − ; b3 = .
12 351
Portanto, o polinômio interpolador de
Newton é
(x − 1)(x − 3)
p3 (x) = (x − 1) − +
12
(x − 1)(x − 3)(x − 9)
=
351
1 (x − 9)
= (x − 1) 1 − (x − 3) − + .
12 351
92
Resposta para o erro máximo, que o polinômio interpola-
dor desses 4 pontos é exatamente f (x), ou seja,
A linha tracejada azul interpola 4 pontos, por- mostre que o erro máximo é zero.
tanto trata-se de uma função cúbica. A linha
contı́nua vermelha interpola 6 pontos, por isso Resposta
é uma função polinomial com grau 5. A linha Podemos supor que f (x) = a0 + a1 x + a2 x2 +
pontilhada preta interpola 11 pontos, portanto a3 x3 . A expressão para o erro máximo exige que
corresponde a um polinômio com grau 10. seja calculada a derivada de 4ª ordem de f (x):
5. Considere que você tenha 4 pontos extraı́dos de
uma função f (x) polinomial cúbica e lembre que df
f (1) (x) = = a1 + 2a2 x + 3a3 x2
o erro máximo cometido no processo de inter- dx
polação é dado por d2 f
f (2) (x) = = 2a2 + 6a3 x
dx2
Emax (x) = |(x − x0 ) × (x − x1 ) × . . . × d3 f
f (3) (x) = = 6a3
|f (n+1) (x∗ )| dx3
(x − xn )| ,
(n + 1)! d4 f
f (4) (x) = =0
dx4
onde x∗ é o valor que maximiza a derivada de
f (x) de ordem (n + 1) no intervalo da reta real Portanto, Emax = 0, o que mostra que o po-
definido pelos pontos conhecidos. A partir des- linômio interpolador deve ser igual à função
sas informações mostre, utilizando a expressão f (x).
93
Respostas 9: Interpolação por splines
1. Utilize splines de 2ª ordem para interpolar o se- A partir das condições dadas, temos o sistema
guinte conjunto de dados:
1 1 0 0 0 0 0 0 b1 0
x 1 3 9 27 3 1 0 0 0 0 0 0 c1 2
y 0 2 4 6
0 0 9 3 1 0 0 0 a2
2
Note que serão necessárias três funções splines,
0 0 81 9 1 0 0 0
b2
= 4
as quais podem ser denotadas por
0 0 0 0 0 81 9 1 c2
4
0 0 0 0 0 729 27 1
a3
6
s1 (x) = a1 x2 + b1 x + c1 , para 1 ≤ x ≤ 3,
1 0 −6 −1 0 0 0 0 b3 0
2
0 0 18 1 0 −18 −1 0 c3 0
s2 (x) = a2 x + b2 x + c2 , para 3 ≤ x ≤ 9,
2
s3 (x) = a3 x + b3 x + c3 , para 9 ≤ x ≤ 27. A 1ª equação desse sistema nos dá b1 = −c1 .
Além disso, a 1ª equação subtraı́da da 2ª resulta
em 2b1 = 2 ⇒ b1 = 1, e c1 = −1. Esses resul-
Essas três splines necessitam de um total de tados nos permitem reduzir o sistema acima a
9 coeficientes que precisam ser determinados. um sistema formado por 6 equações contendo 6
Para realizar esse trabalho contamos com as incógnitas:
condições que essas funções devem satisfazer:
9 3 1 0 0 0 a2 2
a spline 1 deve satisfazer às duas condições 81
9 1 0 0 0 b2 4
0 0 0 81 9 1
s1 (1) = 0 e s1 (3) = 2; c2 = 4
0 0 0 729 27 1 a3 6
a spline 2 deve satisfazer às duas condições
−6 −1 0 0 0 0 b3 −1
s2 (3) = 2 e s2 (9) = 4; 18 1 0 −18 −1 0 c3 0
a spline 3 deve satisfazer às duas condições
Para reduzir o tamanho desse sistema devemos
s3 (9) = 4 e s3 (27) = 6;
notar que a 1ª equação subtraı́da da 2ª resulta
as splines 1 e 2 devem ser tais que em 72a2 + 6b2 = 2. Essa equação juntamente
com a 5ª equação do sistema nos dá
d s1 d s2
−
= 0; 1
72a2 + 6b2 = 2
dx dx ⇒ 36a2 = −4 ⇒ a2 = −
x=3 x=3
−6a2 − b2 = −1 9
94
p
Consequentemente, as splines são 3 ln(243) ± ln(3)(−16 + 25 ln(3))
⇒ x∗2 = ⇒
s1 (x) = x − 1, para 1 ≤ x ≤ 3, ln(81)
x2 5x
s2 (x) = − + − 2 para 3 ≤ x ≤ 9, 1.327120
9 3 ⇒ x∗2 ≈
6.172880
2x2 7x
s3 (x) = − + 9, para 9 ≤ x ≤ 27.
81 9 Calculando a diferença no valor de x∗2 :
Para s1 : d 2 4x 7
⇒ (f − s3 ) = − +
dx ln(3) x 81 9
f (x) − s1 (x) = 2 log3 (x) − x + 1 ⇒
Maximizando:
d 2
⇒ (f − s1 ) = −1
dx ln(3) x 2 1
0= − ⇒
Maximizando: ln(3) x∗3 9
2 2
0= −1 ⇒ x∗1 = ≈ 1.820478
p
ln(3) x∗1 ln(3) 9 7 ln(3) ± ln(3)(32 + 49 ln(3))
⇒ x∗3 = ⇒
Calculando a diferença em x∗1 : 8 ln(3)
95
Respostas 10: Integração numérica
1. Abaixo está o gráfico de uma função f (x) ar- (a) Utilizando o polinômio interpolador de
bitrária. Lagrange de 2º grau,
f (x) 2
X
p2 (x) = yk Lk (x)
y2 k=0
com
y1 2
Y (x − xj )
Lk (x) =
y0 (xk − xj )
j=0j6=k
96
x2 x2
(x − x0 )(x − x1 )
Z Z
L2 (x) dx = dx (d) Algebricamente para encontrar o resul-
x0 x0 (x2 − x0 )(x2 − x1 ) tado correto e para calcular o erro abso-
Z 2
u(u − 1)h2 luto cometido pela aplicação de cada um
= h du dos métodos numéricos anteriores.
0 2h2
Z 2
h Obs.: durante os cálculos, considere toda a pre-
= (u2 − u) du
2 0 cisão numérica de sua calculadora.
h Resposta
=
3
Para facilitar a notação utilizada na resposta,
Portanto, vamos considerar que yi = f (xi ) = exi + 2xi e
Z x2
h h = 3/4.
f (x) dx ≈ (y0 + 4y1 + y2 ).
x0 3 Ao dividirmos o intervalo de integração em qua-
tro partes de tamanhos iguais, são conhecidos os
(b) Sendo utilizada a interpolação de grau 2, pontos
são necessários 3 pontos para que ela seja
aplicada. Dito de outra forma, a inter- (x0 = 0; y0 = 1)
polação de grau 2 é aplicada a cada 2 x1 = 34 ; y1 = e3/4 + 32
subintervalos do intervalo de integração, x2 = 32 ; y2 = e3/2 + 3
portanto n deve ser múltiplo de 2. x3 = 49 ; y3 = e9/4 + 92
x4 = 3; y4 = e3 + 6
(c) Para cada dois intervalos consecutivos,
por exemplo, os intervalos delimitados pe- (a)
los pontos xk−1 , xk e xk+1 , temos que adi- Z 3
cionar um termo h y0 + 2y1 + 2y2 +
(ex + 2x) dx ≈
h 0 2 2y3 + y4
(yk−1 + 4yk + yk−1 ) 3/4
3
3 ≈ 1 + 2 e3/4 + +
2 2
Somando todos termos referentes aos in-
tervalos definidos pelos pontos x0 , . . . , xn , 2 e3/2 + 3 +
a fórmula para a regra 1/3 de Simpson fica
9/4 9
2 e + +
h h 2
I= (y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 )+
3 3
3
h e +6
. . . + (yn−2 + 4yn−1 + yn )
3 3
h ≈ × 77.258387
= (y0 + yn + 4y1 + 2y2 + 4y3 + 2y4 + 8
3
≈ 28.971895
. . . + 2yn−2 + 4yn−1 )
n−1
!
h X (b)
= y0 + yn + (ci yi ) ,
3 Z 3
i=1 x h y0 + 4y1 + 2y2 +
(e + 2x) dx ≈
2, quando i é par 0 3 4y3 + y4
com ci =
4, quando i é ímpar ≈ 28.116965
97
p
A1 = 5/9 t1 = − 3/5 (i) a regra do trapézio, com 6 intervalos;
A2 = 8/9 t2 = 0 (ii) a regra 1/3 de Simpson, com 6 inter-
valos;
p
A3 = 5/9 t3 = 3/5
Logo, o resultado da quadratura de Gauss (iii) a quadratura de Gauss-Legendre,
é com polinômio de Legendre de
Z 1 grau 3.
F (t) dt ≈ A1 F (t1 ) + A2 F (t2 ) + A3 F (t3 ) (c) Sabendo que
−1
( √ ! ! " √ #
3 5 3 − 3 3
Z
2 2 1/2 1 x a2
− x2 +
≈ ·f √ + + (a − x ) dx =
2 9 2 5 2 2 a2 arctan √a2x−x2
8 3 + constante,
·f +
9 2
r !) calcule o erro absoluto cometido ao utili-
5 3 3 3 zar cada um dos métodos do item anterior.
·f +
9 2 5 2
Use a precisão numérica que estiver disponı́vel,
≈ 28.08033
desde que o resultado tenha pelo menos 5 alga-
rismos significativos.
(d) Resolvendo analiticamente, obtemos o re-
sultado: Resposta
Z 3
(a) Olhando apenas para o 1º quadrante da
3
(ex + 2x) dx = (ex + x2 )
0 0 figura da elipse, temos
= (e3 + 9) − (1 − 0)
x2 y2 x2
2 2
= e3 + 8 + = 1 ⇒ y = b 1 − ⇒
a2 b2 a2
≈ 28.085537
b 2
⇒y= (a − x2 )1/2
O erro absoluto referente a cada um dos a
métodos numéricos utilizados é A área da elipse no 1º quadrante é
RT : Eabs = |28.085537 − 28.971895| b a 2
Z
I= (a − x2 )1/2 dx.
= 0.886358 a 0
1 A área total da elipse é
R S : Eabs = |28.085537 − 28.116965|
3
4b a 2
Z
= 0.031428 A = 4I = (a − x2 ) dx.
QG : Eabs = |28.085537 − 28.08033| a 0
= 0.005207 (b) A integral a ser resolvida é
Isso mostra que, dos métodos utilizados, Z 2
a quadratura de Gauss foi o que mais se I= (4 − x2 )1/2 dx
0
aproximou do valor correto da integral,
enquanto que a regra do trapézio foi o que Sendo o intervalo de integração dividido
teve o pior resultado. em 6 subintervalos de tamanhos iguais
h = 31 , são conhecidos os pontos tabe-
lados abaixo.
2 2
3. Considere a elipse xa2 + yb2 = 1, com semi-eixo i 0 1 2 3 4 5 6
maior a = 2 e semi-eixo menor b = 1. xi 0 1 2
1 4 5
2
3 3 3 3
y √
35
√
32
√ √
5
√
11
yi 2 3 3 3 2 3 3 0
98
De acordo com a regra 1/3 de Simpson: uso de cada um dos métodos numéricos é
99
Os cálculos acima demonstram que o resultado
h da integral de qualquer polinômio de segundo
I = · (y0 + y2 + 4 · y1 ) grau calculado através da regra 1/3 de Simpson
3
(x2 − x0 )/2 é igual ao resultado exato.
· a · (x0 )2 + b · x0 + c +
=
3
a · (x2 )2 + b · x2 + c +
4 · a · (x1 )2 + 4 · b · x1 + 4 · c
x2 − x0
· a · (x0 )2 + b · x0 + c +
=
6
a · (x2 )2 + b · x2 + c +
2 !!
x0 + x2 x0 + x2
4a · + 4b · + 4c
2 2
x2 − x0
· a · (x0 )2 + (x2 )2 + (x0 + x2 )2 +
=
6
b · (x0 + x2 + 2(x0 + x2 )) + 6c)
(x2 ) + (x0 )2 x2 + (x2 )3 +
3
a 2x0 (x2 )2 + (x0 )2 x2
= · +
6 −x0 (x2 )2 − (x0 )3 − x0 (x2 )2
−2(x0 )2 x2 − (x0 )3
b
· (x2 )2 + x2 x0 − x0 x2 − (x0 )2 +
2
c · (x2 − x0 )
a · (x2 )3 − (x0 )3
= +
3
b · (x2 )2 − (x0 )2
+
2
c · (x2 − x0 )
100
*** Fim ***
101