Escolar Documentos
Profissional Documentos
Cultura Documentos
Disciplina de Cálculo
Numérico
Instituto Superior para Tecnologias de Informação e Comunicação - ISUTIC
ÍNDICE
Capítulo 1 – ERROS
Capítulo 2 – ZEROS DAS FUNÇÕES
Capítulo 3 – SISTEMAS DE EQUAÇÕES LINEARES – SELA`s
Capítulo 4 – INTERPOLAÇÃO
Capítulo 5 – AJUSTE DE CURVA
Capítulo 6 – INTEGRAÇÃO NUMÉRICA
CAPÍTULO 1
ERROS
1.1 – INTRODUÇÃO
A obtenção de uma solução numérica para um problema físico por meio de métodos numéricos nem
sempre fornece valores dentro de limites razoáveis. Esta afirmação é correta mesmo quando se aplica um
método adequado e os cálculos são efetuados de uma maneira correta.
Esta diferença é chamada erro e é inerente ao processo, não podendo, em muitos casos, ser evitada.
Exemplo 1: O modelo matemático que descreve o estudo do movimento de um corpo sujeito a uma
aceleração constante é:
1 2
distância x = x o + vo t + at tempo
2
percorrida
aceleração
distância velocidade
inicial inicial
Um engenheiro quer determinar a altura do edifício do prédio central. Para isso dispõe apenas de
uma bolinha de metal, cronômetro e a fórmula acima. Ele sobe no edifício, solta a bolinha e mede o
tempo que a bolinha gasta para tocar o solo: 3 segundos.
1 2
x = x o + vo t + at
2
1
x = 0 + 0× t + × 9,8 × 32 = 4,9 × 9 = 44,1 m
2
No modelo matemático não foram consideradas outras forças: resistência do ar, velocidade do vento,
peso da bolinha, etc.
Outro fator: precisão da leitura do cronômetro. Uma pequena variação devido a uma imprecisão do
experimentador no momento da leitura do dado, como por exemplo, se t = 3,5 s , a altura do prédio seria:
1
x = 0 + 0 × 3,5 + × 9,8 × 3,5 2 = 60 m
2
Ou seja, uma variação de 17% na leitura do tempo acarreta 36% de variação na distância percorrida.
Exemplo 2: A variação no comprimento de uma barra de metal sujeita a certa variação de temperatura é
dada pela seguinte fórmula:
Variação do ∆l = l o ( α t + β t 2 )
comprimento Constantes específicas para cada
material
Comprimento inicial
Temperatura
Um físico quer determinar a variação no comprimento de uma barra de metal quando sujeita a uma
variação de temperatura de 10ºC, sendo:
l o = 1m
α = 0,001253
Obtidos experimentalmente
β = 0,000068
Então:
Então:
Logo:
Ou, ainda:
∆l = 0,0193 ± 10 −4 m
OBS: Veja que uma imprecisão na sexta casa decimal de α e β implicou numa imprecisão na quarta
casa decimal de ∆l .
Neste caso temos uma imprecisão dos dados de entrada.
O processo de uma solução numérica de um problema físico por meio da aplicação de métodos
numéricos é representado segundo o diagrama:
Constrói-se um
Através de um dado Obtém-se a
problema físico solução com a
Instrumentos de cálculo que aplicação de
Raramente se tem uma necessitam que sejam feitas métodos
descrição correta desse certas aproximações numérico
fenômeno
É de vital importância conhecer os tipos de erros a que estão sujeitos os métodos numéricos para
identificá-los, quantifica-los, evita-los, minimiza-los e controla-los.
Método numérico: todo algarismo composto de uma lista de instruções envolvendo apenas operações
com números: operações aritméticas elementares, cálculo de funções, consulta a tabela de valores,
arbitramento de um valor, que tem por objetivo determinar um valor aproximado da solução exata dentro
de uma precisão estabelecida.
É a diferença, em módulo, entre o valor exato de um número X e de seu valor aproximado X’.
EA ( X') = X − X'
Exemplos:
2
2) Ao substituirmos = 0,66666..... por 0,66 cometemos o seguinte erro absoluto:
3
−m
Onde c = 0,5 × 10 . O valor de m indica que a aproximação X’ do valor exato X possui pelo
menos as m primeiras casas decimais corretas.
EA (X') X − X'
ER ( X ' ) = =
X' X'
EPR = 100 × ER
Exemplos:
EA (X ') < EA (Y ') => a aproximação utilizada para X é mais precisa que Y
ER (X') > ER (Y') => Y é mais preciso
OBS: Quanto menor for o erro relativo maior será a precisão do resultado da equação.
Erro cometido quando se assume uma representação decimal finita para um número real que admite
representação infinita, através do abandono das casas decimais de mais baixa ordem.
De modo a limitar esse erro a meia unidade da última casa decimal conservada, adota-se o critério
universal de arredondamento.
• 1º algarismo decimal a ser eliminado <5, o último algarismo conservado fica como está.
• 1º algarismo decimal a ser eliminado ≥ 5 , o último algarismo conservado é aumentado de uma
unidade.
Exemplos:
Erros provenientes da utilização de processos que deveriam ser infinitos (ou grandes) para a
determinação de um valor e que, por razões práticas, são truncados. Essa interrupção gera o erro de
truncamento.
Esses processos são utilizados na avaliação de funções matemáticas: exponenciação, logaritmos,
funções trigonométricas, etc.
Exemplos:
x3 x5 x7
1) sen ( x ) = x − + − + ....
3! 5! 7!
x 2 x3
2) ex = 1+ x + + + .......
2! 3!
1 1 1 1
3) e = 1 + + + + + .....
1! 2! 3! 4!
1.7 - ALGARISMOS SIGNIFICATIVOS
Exemplos:
1/7 = 0,14 com dois algarismos significativos (já que o erro está na terceira casa decimal:
1/7 = 0,142857142857...).
1/30 = 0,0333 com três algarismos significativo (erro na quinta casa decimal).
Exemplos: em 001234,56 os dois primeiros zeros não são significativos; em 0,000543 os quatro
primeiros zeros não são significativos.
2. os algarismos zero que correspondem às menores ordens, se elas são fracionárias, são
significativos.
Exemplo: em 12,00 os dois últimos zeros são significativos .
3. os algarismos de 1 a 9 são sempre significativos.
4. zeros entre algarismos de 1 a 9 são significativos.
Exemplo: em 1203,4 todos algarismos são significativos.
5. Se existir uma vírgula decimal, todos os zeros à direita da vírgula decimal são significativos (ex:
1,000 e 33,30 possuem 4 algarismos significativos).
Exemplos:
OBS: A posição da vírgula não influi no número de algarismos significativos, por exemplo, o
comprimento de 0,0240m possui três algarismos significativos e pode ter a posição da vírgula
alterado de várias formas usando uma potência de dez adequada, e sem alterar o seu número
de algarismos significativos. Veja abaixo:
EXERCÍCIOS
1) Se A = 3876,373 e só desejarmos a parte inteira A’, qual será o erro absoluto e a cota superior
de erro absoluto cometidos nesta aproximação?
2) Seja o número x = 2113 representado por x ' = 2112,9 e seja o número y = 5,2 representado
por y' = 5,3 . Pode-se dizer que ambos os números estão representados com a mesma precisão?
h3
3) Qual a cota superior de erro absoluto da aproximação sen(h) = h − para h = −0,5 ?
3!
4) Suponhamos que o valor y' = 0,6640 é um valor aproximado de Y=2/3. Das 6 afirmativas
abaixo, estão corretas:
6) Para o número arredondado para 4 algarismos significativos do exercício 5-a), determine o erro
absoluto, a cota superior de erro absoluto, o erro relativo e o erro percentual relativo.
CAPÍTULO 2
ZEROS DE FUNÇÕES
2.1 – INTRODUÇÃO
Para a determinação aproximada de uma raiz, têm-se duas etapas: ETAPA DE ISOLAMENTO e
ETAPA DE REFINAMENTO.
1 – Etapa de Isolamento: achar um intervalo [a,b], o menor possível, que contenha uma e somente uma
raiz da equação f ( x ) = 0 .
Enumerar – localizar
2 – Etapa de Refinamento: melhorar o valor da raiz aproximada, isto é, refiná-la, através de métodos
iterativos até o grau de exatidão requerido.
Calcular seus valores, se não exatos, aproximados
Utilizam-se dois métodos distintos para separar as raízes reais de uma função:
- Método do TABELAMENTO
- Método GRÁFICO
Nós intervalos em que f(x) for contínua e mudar de sinal enquanto sua derivada f’(x) mantiver seu
sinal constante, tem-se garantida a existência de uma única raiz real.
Equações Algébricas: quando nas expressões que definem f(x), a variável independente x estiver
( b
submetida apenas às operações fundamentais da álgebra +, −, ×, /, a , . )
5
Ex: f ( x ) = x 4 − x 3 + 3x + 4
3
f ( x ) = 3x + 1 + 4 x 2 − 3x
Equações Transcendentes: quando nas expressões que definem f(x), a variável independente x estiver
submetida às operações logarítmicas, exponenciais, trigonométricas e suas inversas.
Ex: f ( x ) = e x − senx − 2
f ( x ) = arctg( x ) + 2
Para polinômios de grau maior que 4 e para a grande maioria das equações transcendentes o
problema de se calcular as raízes só pode ser resolvido através de métodos que aproximam as soluções.
NÃO SE TEM UMA FÓRMULA PARA ACHAR AS RAÍZES.
Embora estes métodos não forneçam raízes exatas, elas podem, a menos de limitações de máquinas,
serem calculadas com a exatidão que o problema requeira, desde que certas condições sobre f sejam
satisfeitas.
OBS: Continuidade:
Dizer que uma função é contínua em x = c significa que o gráfico de f(x) não tem interrupções em
c.
f(x)
f(c)
x
c
Uma função é descontínua quando:
f(x)
x
c1 c2 c2 c3
II – A função assume valores com sinais diferentes (opostos) nos pontos extremos do intervalo [a,b] , ou
seja, f (a ) . f(b) < 0 . Neste caso, a função corta o eixo das abscissas uma vez ou um número ímpar de
vezes.
f(x)
f(x)
a b
x x
α1 b a α1 α2 α3 α4
III – A derivada de 1ª ordem de f ( x ) existe e não muda de sinal dentro do intervalo [a,b], ou seja,
f ' ( x ) > 0 ou f ' ( x ) < 0 para a < x < b .
f(x) f(x)
a b
x x
α2 b
a
α2
f ' ( x ) > 0, ∀x ∈ [a, b] f ' ( x ) < 0, ∀x ∈ [a, b]
* Com a prova do TEU fica garantida a existência de apenas uma raiz real no intervalo [a,b].
* O atendimento apenas de II e III não garante a existência de uma única raiz no intervalo [a,b].
f(x)
crescente
crescente
x
* O atendimento apenas de I e II não garante a existência de uma única raiz no intervalo [a,b].
f(x)
b
a α1 α2 α3 α4 α5 x
x −∞ -10 -3 -2 -1 0 1 2 10 ∞
f (x ) + + 96 +5 + 0,13 − 2,6 −3 − 0,28 + 7,38 + 22,1 +
f ' (x) - - - − 3,8 − 1,6 +1 + 4,71 + 11,3 + +
Decrescente Crescente
Logo, podemos concluir que em cada um dos intervalos [ −2,−1] e [1,2] existe apenas uma única
raiz.
f(x)
x
a α1 α2 α3 α4 b
2º) Consiste em substituir f(x) por duas funções g(x) e h(x) equivalentes a f(x), ou seja,
As raízes reais de f(x) corresponderão às abscissas dos pontos de interseção do gráfico de g(x) com o
gráfico de h(x)
f(x)
g(x) h(x)
α1
x
a α3 α3 b
Exemplos:
1) f ( x ) = x 3 − 2 x 2 − 20 x + 30 = 0 2) f ( x ) = e x − sen ( x ) − 2 = 0
g( x ) = x 3 − 2 x 2 g(x ) = e x
h ( x ) = 20 x − 30 h ( x ) = sen ( x ) + 2
3) f ( x ) = log( x 2 ) + sen ( x ) 4) f ( x ) = x − x +1
g( x ) = log( x 2 ) g( x ) = x
h ( x ) = −sen ( x ) h (x ) = x − 1
OBS:
f ( x ) = log( x 2 ) + sen ( x ) = 0 f (x ) = x − x + 1 = 0
log( x 2 ) = −sen ( x ) x = x −1
2 log( x ) = −sen ( x ) x = ( x − 1) 2
log( x ) = −0,5 sen ( x ) x = x 2 − 2x + 1
? ? ? ?
Perda de raiz Aparecimento de uma raiz
1º Método:
f (x ) = x 3 − 9x + 3
f ' ( x ) = 3x 2 − 9
f ' (x ) = 0 ⇒ x = ± 3
x f(x) f’(x)
−4 − 25 39
−3 3 18
− 3 13,3923 0
−1 11 -6
0 3 -9
1 −5 -6
3 − 7,3923 0
2 −7 3 α1 ∈ [−4,−3]
3 3 18 α 2 ∈ [0,1]
α 3 ∈ [2,3]
2º Método:
f (x ) = x 3 − 9x + 3
g(x ) = x 3
h (x ) = 9x − 3
α1 ∈ [−4,−3]
α 2 ∈ [0,1]
α 3 ∈ [2,3]
Um método iterativo consiste em uma sequência de instruções que são executadas passo a passo,
algumas das quais são repetidas em ciclos (iterações).
Os resultados obtidos em cada iteração do processo dependem dos valores calculados na iteração
anterior.
Principais Métodos:
Torna-se necessário estabelecer critérios de parada para esses processos iterativos, porque em
alguns casos você realiza infinitas iterações e não determina o valor exato.
Consiste em, obtido um intervalo contendo uma única raiz, ir dividindo-o ao meio, sucessivamente,
mantendo a raiz enquadrada (num intervalo) até aproximar-se suficientemente dela.
Método:
• Se f ( x o ) = 0 → a raiz α é xo (exato)
• Senão, ela estará no subintervalo onde a função tem sinais opostos nos pontos extremos.
• Se f (a ) . f(x o ) < 0 , α ∈ [a , x o ]
• Senão se f (a ) . f(x o ) > 0 , α ∈ [ x o , b]
O novo intervalo [a1 , b1 ] que contém α é dividido ao meio e obtém-se x1 e o processo se repete até
que se obtenha uma “boa” aproximação para a raiz exata α .
f(x)
a x1 x 2 x
xo b
α ∈ [a , b ]
α ∈ [a , x o ]
α ∈ [x1 , x o ]
α ∈ [x 2 , x o ]
M
O processo se repete até que se obtenha uma boa aproximação para a raiz exata α . (atenda-se a tolerância
ε)
Número mínimo de iterações necessárias para se alcançar a tolerância pré-fixada:
ln[(b − a ) / ε)]
n≥ −1
ln 2
OBS: Se o intervalo inicial é tal que b − a >> ε , a convergência será muito lenta, pois, o numero de
interações tende a um número muito grande.
−7
Por exemplo, se b − a = 3 e ε = 10 => n = 25
ln[(1 − 0) / 10 −2 )]
Número de interações: n≥ −1 => n ≥ 5,64 => n =6
ln 2
n an + bn - xn f(xn) ε
0 0 1 0,5 -1,3750 0,5
1 0 0,5 0,25 +0,7656 0,25
2 0,25 0,5 0,375 -0,3223 0,125
3 0,25 0,375 0,3125 +0,2180 0,0625
4 0,3125 0,375 0,3438 -0,0536 0,0313
5 0,3125 0,3438 0,3282 +0,0816 0,0157
0,0078 < 10−2
6 0,3282 0,3438 0,3360 0,0139
Então, α = x 6 = 0,3360
Exemplo 1: Calcular a raiz da equação f ( x ) = x 3 − 10 , com ε < 0,1 e α ∈ [2,3] . Usar quatro casas
decimais.
Teste do TEU:
1) Contínua no intervalo definido.
2) f ( a ) = f ( 2) = − 2 f (a ) . f(b) < 0
b−a
f (b) = f (3) = 17 ε=
2
3) f ' ( x ) = 3x 2
f ' (2) = 12 + Crescente
f ' (3) = 27 +
f ' (2,5) = 3 . 2,5 +
ln[(3 − 2) / 0,1)]
n≥ −1 => n ≥ 2,32 => n =3
ln 2
n an - bn + xn f(xn) ε
0 2 3 2,5 +5,625 0,5
1 2 2,5 2,25 +1,3906 0,25
2 2 2,25 2,125 -0,4043 0,125
3 2,125 2,25 2,1875 +0,4675 0,0625
α ≅ x 3 = 2,1875
Observação:
Para se obter uma melhor aproximação x1 da raiz α , traça-se uma reta tangente à curva y = f ( x ) a
partir do ponto Bo [ x o , f ( x o )] que intercepta o eixo x no ponto x1.
- Do ponto B1[ x1 , f ( x1 )] traça-se outra tangente à curva que corta o eixo x no ponto x2, obtendo-
se uma melhor aproximação da raiz.
- O processo se repete até encontrar x n ≅ α com a exatidão requerida.
Portanto,
f (x o ) f ( x1 )
tgα = = f ' (x o ) tgβ =
x o − x1 x1 − x 2
f (x o ) f ( x1 )
f ' (x o ) = f ' ( x1 ) =
x o − x1 x1 − x 2
f (x o ) f ( x1 )
x o − x1 = x1 − x 2 =
f '(x o ) f ' ( x1 )
f (x o ) f ( x1 )
x1 = x o − x 2 = x1 −
f ' (x o ) f ' ( x1 )
Generalizando tem-se:
f (x n )
x n +1 = x n − p/ n = 0, 1, 2, ..... Fórmula do Método de Newton
f '(x n )
ε = x n − x n −1
f(x) f ''(x) = 0
As tangentes podem conduzir a
aproximações fora do intervalo.
a
x
x1 b x2
f(x) f ''(x) = 0
Aproximações repetidas.
x
a = x1 b = x '1
2ª) A escolha de xo
2º Caso:
f(x) f (a ) < 0
f (b) > 0
f ' ' ( x ) < 0 (concavidade para baixo)
a x1 x f (a ) . f' ' (a ) > 0 => x o = a
b
3º Caso:
f(x)
f (a ) > 0
f (b) < 0
f ''(x) > 0
b
a x1
x f (a ) . f' ' (a ) > 0 => x o = a
4º Caso:
f(x) f (a ) > 0
f (b) < 0
f ''(x) < 0
x1 b x f ( b) . f' ' (b) > 0 => x o = b
a
f ( x ) = x 3 − 5x 2 + x + 3
f ' ( x ) = 3x 2 − 10 x + 1
f ' ' ( x ) = 6 x − 10
f (0,5) = 2,375 ( + )
f (1,5) = −3,375 ( − )
Escolha de xo
n xn f (x n ) f ' (x n ) ε
0 1,5 - 3,3750 - 7,2500 ----
1 1,0345 - 0,2093 - 6,1344 0,4655
2 1,0004 - 0,0024 - 6,0016 0,0341
3 1,0000 0
α = x3 = 1
(neste caso a raiz é exata)
Não se deve usar esse método quando f(x) próxima do ponto de interseção com x é quase horizontal
( f ' ( x ) ≈ 0 → f(x)/f' (x) = ??? ).
x 0 0,2 1
f(x) +3 1,208 −5
f'(x) −9 − 8,88 −6
Escolha de xo
n xn f (x n ) f ' (x n ) ε
0 0,2 1,208 − 8,88 ----
1 0,33604 0,01359 − 8,66123 0,13604
2 0,33761
− 9,04 × 10−6 − 8,65806 0,00157
α = x 3 = 0,33761
EXERCÍCIOS
f ( x ) = x 3 − 2 x 2 − 20 x + 30
f ( x ) = x 4 + 2 x 3 − 7,5x 2 − 20 x − 11
E chegou-se à conclusão que esta função possui raízes reais únicas nos intervalos [-4,5 , -2],
[-2, 1] e [3, 10]. Verifique se esta conclusão é verdadeira justificando sua resposta.
2x
a) 4 cos( x ) − e =0
b) 1 − x ln( x ) = 0
x
a) 2 − 3x = 0
3
b) x + x − 1000 = 0
7) Calcular, usando o método da bissecção, o valor aproximado da raiz pertencente ao intervalo [0,5,
4 3
1] da função f ( x ) = x + 2 x − x − 1 sabendo-se que esse valor aproximado deverá ter 2 casas
decimais corretas.
2
8) Calcular pelo método da bissecção a raiz da equação f ( x ) = x + ln( x ) com є ≤ 0.01 no
intervalo [0,5 , 1,0].
5 10 3 5
9) O polinômio p( x ) = x − x + x tem cinco zeros reais, todos no intervalo [-1,1].
9 21
Encontre pelo método da bissecção a maior raiz negativa com є ≤ 10-5.
12) Use o método de Newton-Raphson para obter a menor raiz positiva das equações a seguir com
precisão є ≤ 10-4:
a) x − tg ( x ) = 0
2
x
b) 2 cos( x ) = e
2
5
c) x −6 = 0
CAPÍTULO 3
3.1 – DEFINIÇÃO
n
s n = ∑ a ij x j = b i p / i = 1,2,3,..., n
j=1
Onde,
O sistema pode ainda ser colocado sob a forma matricial mais compacta => A.X = b
x1
x2
Vetor solução x=
M
x n
3.2 – CLASSIFICAÇÃO
Número de soluções:
• Possível e Determinado: uma única solução.
• Possível e Indeterminado: infinitas soluções.
• Impossível /Incompatível: não possui soluções.
x1 + x 2 = 0 → x1 = − x 2
1 2
x1 − x 2 = 0 → x1 = x 2
2
Qual é a solução do sistema?
1 1 1 1
A= => det(A ) = = −1 − 1 = −2 ≠ 0
1 − 1 1 −1
x1 + x 2 = 0 → x1 = − x 2 1
2x1 + 2x 2 = 0 → 2x1 = −2 x 2
x1 = − x 2 2
OBS:
1 1 1 1
A= => det(A) = = 2−2 =0
2 2 2 2
1 0 1 0
AI = => det( A I ) = = 0−0 = 0
2 0 2 0
Det(AI) => substitui-se a i-ésima coluna de A pelo vetor coluna dos termos independentes.
x1 + x 2 = 0 → x1 = − x 2 1
x1 + x 2 = 1 → x1 = 1 − x 2 2
OBS:
1 1 1 1
A= => det(A) = = 1 −1 = 0
1 1 1 1
1 0 1 0
AI = => det(A I ) = = 1− 0 = 1
1 1 1 1
a11x1 = b1
a x + a x = b2
21 1 22 2
s = a 31x1 + a 32 x 2 + a 33 x 3 = b3
M
a n1x1 + a n 2 x 2 + a n 3 x 3 + ......... + a nn x n = b n
3x1 + 4x 2 − 5x 3 + x 4 = −10 1
x 2 + x 3 − 2 x 4 = −1 − 1
s= x=
4 x 3 − 5x 4 = 3 2
2x 4 = 2 1
2x 4 = 2 4 x 3 − 5x 4 = 3 x 2 + x 3 − 2x 4 = −1
3x1 + 4x 2 − 5x 3 + x 4 = −10
x4 = 1 4x 3 − 5(1) = 3 x 2 + 2 − 2(1) = −1
3x1 + 4(−1) − 5(2) + 1 = −10
x3 = 2 x 2 = −1 x1 = 1
Exemplo 2:
3x1 + 4 x 2 − 5x 3 + x 4 = −10 1 + 4α
− 3
x 3 − 2x 4 = 0
s= x= α
4 x 3 − 5x 4 = 3 2
2x 4 = 2 1
2x 4 = 2 4 x 3 − 5x 4 = 3 0x 2 + x 3 − 2 x 4 = 0
3x1 + 4x 2 − 5x 3 + x 4 = −10
x4 = 1 4x 3 − 5(1) = 3 0x 2 + 2 − 2(1) = 0
3x1 + 4α − 5(2) + 1 = −10
1 + 4α
x3 = 2 0x 2 = 0 → x 2 = α x1 = −
3
Obs: x2 pode assumir qualquer valor. É uma variável livre (ou independente)
Exemplo 3:
3x1 + 4x 2 − 5x 3 + x 4 = −10
x 3 − 2x 4 = − 1
s=
4 x 3 − 5x 4 = 3
2x 4 = 2
2x 4 = 2 4 x 3 − 5x 4 = 3 0x 2 + x 3 − 2x 4 = −1
x4 = 1 4x 3 − 5(1) = 3 0x 2 + 2 − 2(1) = −1
x3 = 2 0x 2 = −1 → Nenhum valor de x2 satisfaz a equação
Em um sistema instável, uma pequena alteração em um dos coeficientes provoca uma grande
alteração na solução do sistema.
x1 + x 2 = 2 0,99.x1 + x 2 = 2
S= S=
x1 + 1,01.x 2 = 2,01 x1 + 1,01.x 2 = 2,01
1 − 100
x= x=
1 101
Para verificar se um sistema é instável, calcula-se a grandeza do determinante da matriz A. O
sistema será instável se det(norm( A )) ≅ 0 .
det( A )
det( norm ( A )) =
α1 .α 2 .....α n
onde,
α i = (a i1 ) 2 + (a i 2 ) 2 + ..... + (a in ) 2 p / i = 1,2,..., n
α1 = (a11 ) 2 + (a12 ) 2 = 12 + 12 = 2
α 2 = (a 21 ) 2 + (a 212 ) 2 = 12 + 1,012 = 2,0201
1,01× 1 − 1× 1 0,01
det(norm(A)) = = ≅ 0,005
2 . 2,0201 2,01
Logo, o sistema é instável, pois, comparando este resultado com a unidade, det(norm(A )) ≅ 0
R = B − A.X
Se todas as componentes forem nulas, o vetor solução será a solução exata do sistema.
Se todas forem aproximadamente zero, tem-se que a solução corresponde a uma boa aproximação da
solução exata (em sistemas estáveis)
s ≈ s' ⇒ x ≈ x'
Dado um sistema s, pode-se obter um sistema equivalente s’ realizando sobre s uma ou mais das
operações abaixo:
s → compatível s’ → compatível
s → determinado s’ → determinado
s → indeterminado s’ → indeterminado
Consiste em operar com transformações elementares sobre as equações do sistema, a fim de anular
certos coeficientes, até que obtenha um sistema triangular superior equivalente. Em seguida, resolve-se o
sistema triangular por substituições retroativas cuja solução também é solução do sistema dado.
Exemplo: Resolver o sistema abaixo pelo método da eliminação de Gauss. Verifique o resultado.
2x1 + 3x 2 − x 3 = 5
s = 4x1 + 4x 2 − 3x 3 = 3
2x − 3x + x = −1
1 2 3
2 3 −1 5
A oA = 4 4 −3 3
2 − 3 1 − 1
2a etapa: Montar um sistema triangular equivalente, ou seja, eliminar todos os coeficientes abaixo da
diagonal principal.
OBS: É impossível realizar uma eliminação quando o pivô for nulo (trocar linhas de posição para evitar o
pivô nulo)
Multiplicador: o pivô é o termo a11 = 2
o
ao 4
M o21 = − 21 = − = −2
o 2
a11
o
o a 31 2
M 31 = − = − = −1
o 2
a11
Faz-se as seguintes transformações elementares sobre as linhas de AA
L11 = Lo1 2 3 −1 5
A1A
= 0 − 2 − 1 − 7
L12 = Lo2 + M o21 × Lo1 = Lo2 − 2 × Lo1
L13 = Lo3 + M 31
o
× Lo1 = Lo3 − 1 × Lo1 0 − 6 2 − 6
a132 −6
M132 =− =− = −3
a122 −2
L21 = L11 2 3 −1 5
L22 = L12 A 2A = 0 − 2 − 1 − 7
2 x1 + 3 x 2 − x 3 = 5
s' = − 2 x 2 − x 3 = −7 ≈ s
5x 3 = 15
x3 = 3 − 2x 2 − 3 = −7 2x1 + 3× 2 − 3 = 5
− 2x 2 = −4 2x1 + 3 = 5
x2 = 2 2x1 = 2
x1 = 1
1
Logo, a solução do sistema será x = 2
3
Verificação:
2 × 1 + 3 × 2 − 3 = 5 5 = 5
4 × 1 + 4 × 2 − 3 × 3 = 3 3 = 3 OK
2 × 1 − 3 × 2 + 3 = −1 − 1 = −1
Parte de x1 e em cada etapa seleciona-se como linha pivotal aquela cujo coeficiente da incógnita que
se elimina tenha módulo máximo.
x1 − x 2 + 3x 3 = 16
s = 4 x 1 + x 2 − x 3 = 2
4 x + 3 x + x = 6
1 2 3
1 − 1 3 16 4 1 − 1 2
A oA = 4 1 − 1 2 A oA = 1 − 1 3 16
4 3 1 6 4 3 1 6
ao 1 ao 4
M o21 = − 21 = − o
M 31 = − 31 = − = −1
o 4 o 4
a11 a11
L11 = Lo1
4 1 −1 2
1 13 31
L12 = Lo2 + Mo21 × Lo1 = Lo2 − × Lo1 A1A = 0 −
5
4 4 2
0 24 2 4
L13 = Lo3 + M31
o
× Lo1 = Lo3 − 1× Lo1
4 1 −1 2
A A = 0
1
2 2 4
5 13 31
0 − 4 4 4
a1 5 1 5
M132 = − 32 = × =
1
a 22 4 2 8
L2 = L11 4 1 − 1 2
L22 = L12 A 2A = 0 2 2 4
5 9
L23 = L13 + M132 × L12 = L13 + × L12 0 0 18
8 2
Logo a solução deste sistema equivalente, que é a mesma solução do sistema original é:
2
x = − 2
4
Verificação:
2 − ( −2) + 3 × 4 = 16 16 = 16
4 × 2 − 2 − 4 = 2 2 = 2 OK
4 × 2 + 3 × ( −2 ) + 4 = 6 6 = 6
Para garantir a convergência do método de Jacobi, a matriz deve ser estritamente diagonalmente
dominante, ou seja,
n
a ii > ∑a
j=1
ij , i = 1,2,..., n
j≠ i
Exemplo: Resolver o sistema abaixo, pelo método de Jacobi, com ε ≤ 10 −1 ou k >5 (k é o número de
o 0
iterações) e x = . Verificar o resultado.
0
2x − x = 1 2 − 1
s= 1 2 A= det A = 4 + 1 = 5 (única solução)
2
=>
x1 + 2x 2 = 3 1
Gerar as equações iterativas explicitando x1 na 1a equação, x2 na 2a equação e assim por diante.
k +1 1 + x k2
x1 =
2
p/ k = 0, 1, 2, ....
k +1 3 − x1k
x 2 = 2
Para k = 0, tem-se:
1 1+ 0
x1 = 2 = 0,5 0,5
x1 =
x1 = 3 − 0 = 1,5 1,5
2 2
Para k = 1, tem-se:
2 1 + 1,5
x1 = 2 = 1,25 1,25
x2 =
x 2 = 3 − 0,5 = 1,25 1,25
2 2
Para, k = 2 tem-se:
3 1 + 1,25
x = = 1,13
1 2 1,13
x3 =
x 3 = 3 − 1,25 = 0,88 0,88
2 2
ε ≥ x1k +1 − x1k ε ≥ x 2k +1 − x k2
k
x1k x k2
0 0,00 0,00 --- ---
1 0,50 1,50 0,50 1,50
2 1,25 1,25 0,75 0,25
3 1,13 0,88 0,12 0,37
4 0,94 0,94 0,19 0,06
5 0,97 1,03 0,03 0,09
≤ 10 −1
0,97
A solução será: x =
1,03
Verificação:
- Possui convergência mais rápida. O método de converge se a matriz for estritamente diagonalmente
dominante.
k
- Para calcular x i , utiliza-se todos os valores que já foram calculados na iteração atual, mais os
valores calculados na iteração anterior.
- Critério de parada é o mesmo do método de Jacobi => ε ≥ x ik +1 − x ik
2x − x = 1 0
s= 1 2 , com xo = e ε ≤ 10 −1
x1 + 2x 2 = 3 0
k +1 1 + x k
x1 = 2
2
p/ k = 0, 1, 2, ....
k +1 3 − x1k +1
x 2 = 2
1 1+ 0
x1 = 2 = 0,5
1a iteração:
x1 = 3 − 0,5 = 1,25
2 2
ε ≥ x1k +1 − x1k ε ≥ x 2k +1 − x k2
k
x1k x k2
0 0,00 0,00 --- ---
1 0,50 1,25 0,50 1,25
2 1,13 0,94 0,63 0,31
3 0,97 1,02 0,16 0,08
4 1,01 1,00 0,04 0,02
≤ 10 −1
1,01
A solução será: x=
1,00
Verificação:
EXERCÍCIOS
2x1 = 4
x + 3x = 2
1 2
a)
x1 − x 2 + 2 x 3 = 0
2x1 + 4x 2 − x 3 + x 4 = 2
3x1 + 4x 2 − 5x 3 + x 4 = −10
x − 2x = −1
3 4
b)
4x 3 − 5x 4 = 3
2x 4 = 2
x1 = 1
x + x = −1
1 2
a)
x1 + x 2 + x 3 = 3
x1 + x 2 + x 3 + x 4 = 3
x1 = 1
x1 + x 2 = −1
b) 2 x1 + x 2 + 3x 3 = 0
x + x + x = −1
1 2 3
x1 − x 2 + x 3 − x 4 + x 5 = 3
3) Determinar o vetor solução do sistema linear através do método de eliminação de Gauss:
x1 + x 2 + 2x 3 + 4x 4 = 7,12
x1 + x 2 + 5x 3 + 6x 4 = 12,02
a)
2x1 + 5x 2 + x 3 + 2x 4 = 14,90
4x1 + 6x 2 + 2x 3 + x 4 = 20,72
x1 + x 2 + 2 x 3 = 4
a) 2 x 1 − x 2 − x 3 = 0
x − x − x = −1
1 2 3
x1 + 2x 2 + 3x 3 + 4x 4 = 10
2x1 + x 2 + 2x 3 + 3x 4 =7
b)
3x1 + 2x 2 + x 3 + 2x 4 =6
4x1 + 3x 2 + 2x 3 + x 4 =5
5) Determinar o vetor solução dos sistemas lineares abaixo, através do método de Jacobi, com no
máximo 10 iterações:
a ) Com [ ] T
x ( 0) = 0 0 0 0 e E ≤ 10 −2
b) Com [ ] T
x ( 0) = 1 3 1 3 e E ≤ 10 −2
5x1 − x 2 + 2x 3 − x 4 = 5
x1 + 9x 2 − 3x 3 + 4x 4 = 26
3x 2 − 7 x 3 + 2x 4 = −7
− 2x1 + 2x 2 − 3x 3 + 10x 4 = 33
6) Determinar o vetor solução dos sistemas lineares abaixo, através do método de Gauss-Seidel, com
no máximo 10 iterações:
a) Com [ ]
x ( 0) = 0 0 0 0 e E ≤ 10 −2
T
b) Com [
x ( 0) = 0 0 0 0 0 e E ≤ 10 −2 ] T
10 x1 + 4 x 2 − x 3 + 3x 4 = 2
− 8 x − 2 x + x − 3x = 5
2 3 4 5
2 x1 − 4 x 2 + 7 x 3 = 13
− x + 2 x − 3x − 10 x + 2 x = 4
1 2 3 4 5
2 x1 − x 2 − x 3 + x 4 − 7 x 5 = 7
CAPÍTULO 4
INTERPOLAÇÃO
4.1 – INTRODUÇÃO
Muitas funções são conhecidas apenas em um conjunto finito de pontos de um intervalo [a, b] e não
se dispõe de sua forma analítica.
xi a = xo x1 x2 x3 ...... xn
f (x i ) f (x o ) f (x1) f (x 2 ) f (x 3 ) ...... f (x n )
A interpolação consiste em, a partir desses dados tabelados, aproximar f(x) para qualquer x ∈ [a, b]
por meio de outra função g(x) que satisfaça a condição:
As funções que substituem as funções dadas podem ser de tipos variados, tais como: exponencial,
logarítmica, trigonométrica e polinomial.
Estudaremos as funções polinomiais.
g(x)
f(x)
x
a = xo x1 x2 x3 = b
1) Quando a expressão analítica de f(x) é muito complicada e exige muito esforço no seu manuseio
(ex: operações de integração e diferenciação);
a) x ∈ [x o , x 3 ] e x ≠ x i para i = 0,1,2,3
Devemos fazer uma interpolação, ou seja, determinar um polinômio interpolador que é uma
aproximação da função tabelada.
b) x ∉ [x o , x 3 ]
Devemos realizar uma extrapolação, ou seja, a função interpoladora não garante boa
aproximação.
p1 ( x ) = a o + a1x
p1 ( x o ) = f ( x o ) = y o
p1(x1) = f (x1) = y1
a o + a1x o = y o
ao e a1 são incógnitas
a o + a1x1 = y1
1 x o
A= matriz dos coeficientes
1 x1
Exemplo: Seja a função y = f ( x ) definida pelos pontos (0; 1,35) e (1; 2,94) , determine
aproximadamente o valor de f (0,73) .
Se, de uma função são conhecidos 3 pontos distintos, o polinômio interpolador será:
P2 (x ) = a o + a1x + a 2 x 2
a o + a1x o + a 2 x o2 = y o 1 x o
x o2
2
a o + a1x1 + a 2 x1 = y1 A = 1 x1 x12 DetA≠ 0 (pontos distintos)
2 1 x x 22
a o + a1x 2 + a 2 x 2 = y 2 2
Exemplo: Determine o polinômio que interpola os pontos da tabela dada a seguir. Calcule f ( 0,5) .
Verifique o resultado.
xi -2 0 2
f(xi) 18 4 6
P2 (x o ) = a o + a1 (−2) + a 2 (−2) 2 = 18
P2 (x1 ) = a o + a1(0) + a 2 (0) 2 = 4
P2 (x 2 ) = a o + a1 (2) + a 2 (2) 2 = 6
− 2a1 + 4a 2 = 14
a o − 2a1 + 4a 2 = 18
4 − 2a1 + 4a 2 = 18 + 2a1 + 4a 2 = 2
a o = 4
a + 2 a + 4 a = 6 4 + 2a1 + 4a 2 = 6 8a 2 = 16
o 1 2
a2 = 2
2−8
2a1 + 4 × 2 = 2 a1 = a1 = −3
2
Logo, P2 ( x ) = 4 − 3x + 2 x 2
Então, P2 (0,5) = 3
Verificação:
n
p n (x ) = a o + a1x + a 2 x 2 + ..... + a n x n ou p n (x ) = ∑ a i x i
i =0
Logo,
a + a x + a x 2 + ..... + a x n = y
o 1 o 2 o n o o
a + a1x1 + a 2 x1 + ..... + a n x1 = y1
2 n
s= o
M
2 n
a o + a1x n + a 2 x n + ..... + a n x n = y n
ao, a1, a2, ......, na são as incógnitas, resolvendo-se o sistema tem-se o polinômio pn(x).
f ( n +1) ( x )
E T ( x ) = (x − x o )(x − x1 ) ..... (x − x n )
( n + 1)!
ou
E T (x) = f ( x) − p n (x)
Na interpolação linear, p( x ) = a o + a1x , aproxima a função f(x) para uma reta que passa pelos
pontos ( x o , y o ) e (x1, y1 ) , como mostra a figura abaixo:
p(x)
y1 f(x)
Et
yo
xo x x1
O erro de truncamento no ponto x depende de sua localização. Se x coincidir com x o ou x1 o
erro é nulo, pois,
f ( n +1) ( x )
E T ( x ) = (x o − x o )(x − x1 ) ..... (x − x n )
0 ( n + 1)!
Dados:
xi yi
p1(x) = 0,77 + 0,07x
1 0,84
2 0,91 p1(π / 2) = 0,88
Et ( x ) = (x − x o )(x − x1 )
f ' ' (x)
2)
2!
π π π (−sen(π / 2)) 1
Et = − 1 − 2 = (0,57).(−0,43). − Et ( x ) = 0,12
2 2 2 2 2
p n ( x ) = y o L o ( x ) + y1 L1 ( x ) + ....... + y n L n ( x )
ou
n
p n ( x ) = ∑ yi Li ( x )
i =0
Onde, Li(x) é um polinômio qualquer de grau menor ou igual a n com n + 1 pontos distintos conhecidos
(alguns coeficientes podem se anular).
logo
n n (x − x j )
p n (x ) = ∑ yi ∏ ( x
i=0 j= 0 i − x j)
j≠ i
Exemplo: Determinar o polinômio interpolador de Lagrange para a função conhecida pelos pontos
tabelados abaixo e calcule p (1,5) . Verificar o resultado.
xi yi 3 3 (x − x )
∑ yi ∏ (x
j
0 4 p3 (x) =
1 2 i=0 j= 0 i − x j)
2 0 j≠ i
3 -6
4
p3 ( x ) = − ( x 2 − 3x + 2)(x − 3) + x ( x 2 − 5x + 6) − x ( x 2 − 3x + 2)
6
4
p3 ( x ) = − ( x 3 − 3x 2 − 3x 2 + 9 x + 2x − 6) + x 3 − 5x 2 + 6x − x 3 + 3x 2 − 2x
6
2
p3 ( x ) = − ( x 3 − 6x 2 + 11x − 6) − 2x 2 + 4x
3
2 22
p3 ( x ) = − x 3 + 4x 2 − x + 4 − 2x 2 + 4x
3 3
2 10
p3 ( x ) = − x 3 + 2 x 2 − x + 4
3 3
p3 (1,5) = 1,25
Verificação:
2 10
p 3 (0) = − × 03 + 2 × 0 2 − × 0 + 4 = 4 → 4 = 4
3 3
2 10
p 3 (1) = − ×13 + 2 ×12 − ×1 + 4 = 2 → 2 = 2 OK
3 3
2 10
p 3 ( 2) = − × 2 3 + 2 × 2 2 − × 2 + 4 = 0 → 0 = 0
3 3
2 10
p 3 (3) = − × 33 + 2 × 32 − × 3 + 4 = −6 → − 6 = −6
3 3
O polinômio pn (x) de grau menor ou igual a n que interpola f(x) em n + 1 pontos distintos pode
ser obtido através da expressão:
p n ( x ) = d o + d1 ( x − x o ) + d 2 ( x − x o )( x − x1 ) + ....... + d n ( x − x o )( x − x1 ).....( x − x n −1 )
Tem-se que:
d o = f [x o ]
d1 = f [ x o , x1 ]
M
d n = f [ x o , x1, x 2 ,......, x n −1, x n ]
f[x o ] = f ( x o ) = yo
f[x ] = f ( x1) = y1
ORDEM 0 ⇒ 1
M
f[x n ] = f ( x n ) = y n
f ( x1 ) − f ( x o )
f[x o , x1 ] = x1 − x o
f ( x 2 ) − f ( x1 )
f[x1, x 2 ] =
ORDEM 1 ⇒ x 2 − x1
M
f ( x n ) − f ( x n −1 )
f[x n -1 , x n ] = x n − x n −1
f [ x1, x 2 ] − f [ x o , x1 ]
f[x o , x1, x 2 ] = x2 − xo
f [ x 2 , x 3 ] − f [ x1, x 2 ]
f[x1, x 2 , x 3 ] =
ORDEM 2 ⇒ x 3 − x1
M
f [ x n −1, x n ] − f [ x n − 2 , x n −1 ]
f[x n - 2 , x n -1, x n ] = x n − x n −2
Assim,
f (x 3 ) − f ( x 2 ) f [ x 2 , x 3 ] − f [ x1 , x 2 ]
f [x 2 , x 3 ] = f [x1 , x 2 , x 3 ] =
x3 f (x 3 )
x3 − x 2 x 3 − x1
Exemplo: Construir a tabela das diferenças divididas e obter, pela fórmula de Newton, o polinômio
interpolador dos pontos dados na tabela abaixo. Verifique o polinômio encontrado.
xi -2 0 2
f(xi) 18 4 6
p 2 ( x ) = d o + d1 ( x − x o ) + d 2 ( x − x o )( x − x1 )
p 2 ( x ) = d o + d1 ( x + 2) + d 2 ( x + 2)( x − 0)
p 2 (x ) = d o + d1 (x + 2) + d 2 (x 2 + 2x )
n +1 = 3 2 dd de 1ª ordem
n=2 1 dd de 2ª ordem
O polinômio será: p 2 (x ) = 18 − 7( x + 2) + 2( x 2 + 2x ) = 18 − 7 x − 14 + 2x 2 + 4x
p 2 (x ) = 2x 2 − 3x + 4
Verificação:
p 2 (−2) = 2(−2) 2 − 3(−2) + 4 = 18 → 18 = 18
p 2 (0) = 2(0) 2 − 3(0) + 4 = 4 → 4=4 OK
EXERCÍCIOS
1) Calcule o número aproximado de habitantes de Belo Horizonte em 1975 usando os valores dados
pela tabela abaixo para os anos de 1970 e 1980.
Número de habitantes de Belo Horizonte nos censos de 1950, 1960, 1970 e 1980:
xi 0 1 2 3
yi 4 2 0 -6
xi 1 2 3
f(xi) 1 2 3
xi -2 0 2
f(xi) 18 4 6
8) Construa a tabela de diferenças divididas e obtenha o polinômio interpolador da função
dada na tabela.
xi 0 1 2 3
f(xi) 4 2 0 -6
xk -2 -1 0 1 2 3
yk -3 -2 0 4 8 11
CAPÍTULO 5
AJUSTE DE CURVA
5.1 – INTRODUÇÃO
O Ajuste de curva consiste no traçado de uma curva c mais próxima quanto possível do sistema de
pontos pi ( x i , yi ) com i = 1, 2,3,..., n .
y
c
y2
y1 yn
y3
x
x1 x2 x3 xn
k
A obtenção de uma função f ( x i ) que seja uma “boa aproximação” para os valores tabelados e que
permita extrapolar com certa margem de segurança é conhecida como função de ajuste.
Ajuste: não é necessário que os pontos tabelados coincidam com a função ajuste, mas que a diferença
entre o valor de ajuste e o tabelado seja pequena.
R k = f k (x k ) − f (x k ) p / k = 1,2,3,.... , n
O mmq determina que a função que melhor se ajusta aos m pontos dados é aquela para a qual a soma
dos quadrados dos resíduos seja mínima:
∑ [f k (x k ) − f (x k )] 2 → 0
m
R=
k =1
Para ajustar f(x) por um polinômio de grau n ≥ 1 , a função de ajuste deverá ter a seguinte expressão:
f k (x ) = a o + a1x + a 2 x 2 + .... + a n x n
Os coeficientes a o , a1, a 2 ,...., a n podem ser obtidos a partir da resolução do seguinte sistema:
m
∑ xk ∑ x 2k L ∑ x nk a o ∑ y k
∑ x k ∑ x 2k ∑ x 3k L ∑ x nk +1 a1 ∑ x k .y k
∑ x nk + 2 . a 2 = ∑ x k .y k
2
∑ x k ∑ x 3k ∑ x 4k
2
L
M M M M M M
∑ x nk +1 ∑ x nk + 2 ∑ x k a n ∑ x k .y k
n
∑ x k
n 2n
L
Exemplo: A tabela abaixo mostra o desempenho de um torno de parafusos em função de sua idade. Faça a
projeção anual de 5 até 8 anos.
t (anos) 1 2 3 4
p (parafusos/dia) 240 200 180 150
Fazendo um diagrama com os pontos dados, verifica-se que uma reta é um bom ajuste para a função
tabelada. Logo,
y
250
200
150
f k ( x) = a o + a1x
100
50
x
2 3 4
Construindo a tabela,1tem-se:
k xk x 2k yk xk.yk
1 1 1 240 240
2 2 4 200 400
3 3 9 180 540
4 4 16 150 600
∑ 10 30 770 1780
m ∑ x k a o ∑ yk 4 10 a o 770
x 2. = 10 30 . a = 1780
∑ k ∑ x k a1 ∑ x k .yk 1
a1 = −29
f k ( x ) = 265 − 29 x
a o = 178 − 3(−29) a o = 265
t (anos) 5 6 7 8
p (parafusos/dia) 120 91 62 33
Em alguns casos, a função escolhida para ajuste pode não ser a polinomial. Para se aplicar o método
dos mínimos quadrados é necessário efetuar uma linearização através de algumas transformações
convenientes (substituição de uma ou mais variáveis por funções destas variáveis).
ln y = ln a + ln e bx ln y = ln a + bx
Fazendo: z = ln y , a o = ln a e a1 = b 15
-1 1 2 3 4 5 x
ln y = ln a + bx z = ao + a1x
k xk zk
x 2k xk .zk
1 -1 1 1,34 -1,34
2 0,1 0,01 1,77 0,18
3 1,5 2,25 2,17 3,26
4 3,3 10,89 2,48 8,18
5 4,5 20,25 2,99 13,46
∑ 8,4 34,40 10,75 23,74
5 8,4 a o 10,75
8,4 34,40 × a = 23,74
1
ln y = ln(a.b x ) ln y = ln a + ln b x
ln y = ln a + x. ln b z = ln y
↓ ↓ ↓
a o = ln a
z ao a1 a = ln b
1
ln y = ln(a.x b ) ln y = ln a + ln x b
ln y = ln a + b. ln x z = ln y
a = ln a
o
↓ ↓ ↓ ↓
z ao a1 t a1 = b
t = ln x
1
Exemplo 5: y=
a + bx
1 1
y
= a + bx z = y
↓ ↓ ↓ a o = a
z a o a1 a = b
1
Exemplo 6: y = a + b. cos x
y = a + b. cos x z = y
a = a
o
↓ ↓ ↓ ↓
z a o a1 t a1 = b
t = cos x
EXERCÍCIOS
2) O número de bactérias (Y) por unidade de volume em cultura após (X) horas é apresentado na
tabela a seguir.
xi 2 3.5 6 8
yi 8.4 13 19 24
Ajuste os dados à curva y = a.x b e determine a quantidade de bactérias para x=10 horas.
3) Para a tabela abaixo, ajuste pelo método dos mínimos quadrados uma fórmula do tipo y = a.e kx .
xk 1 2 3 4 5
yk 7 11 17 27 41
4) Para os dados da tabela abaixo, ajustar pelo método dos mínimos quadrados uma fórmula do tipo
y = a.x b .
xi 2 3 3.5 4
yi 65 60 55 50
5) Ache a curva trigonométrica do tipo y = a + b cos( x ) pelo métodos dos mínimos quadrados para
a tabela abaixo.
CAPÍTULO 6
INTEGRAÇÃO NUMÉRICA
6.1 – INTRODUÇÃO
Se uma função f(x) é contínua em um intervalo [a,b] e sua primitiva F(x) é conhecida, então a
integral definida desta função neste intervalo é dada por:
b
∫ f (x ) dx = F(b) − F(a) , onde F' ( x ) = f ( x )
a
Por exemplo:
3
2 x3
∫ x dx = 9 , pois, F( x ) = é uma função cuja derivada é f ( x ) = x
2
0
3
3
2 33 03
Assim, ∫ x dx = F(3) - F(0) = 3
−
3
=9
0
Em alguns casos o valor dessa primitiva F(x) não é conhecido ou é de difícil obtenção e, em situações
práticas, nem sempre se tem a função a ser integrada definida por uma fórmula analítica (mas definida por
tabela de pontos). Assim é necessária a utilização de métodos numéricos para calcular o valor da integral
definida f(x).
A seguir estudaremos dois métodos numéricos de integração: Método dos trapézios e Método de
Simpson.
Consiste em substituir a função integrando f(x) por um polinômio interpolador de grau 1 que a
interpole nos extremos do intervalo de integração [a,b].
f (x)
P1(x)
f (x1)
f (x o )
a = xo b = x1
b = x1
IT = ∫ P1 ( x) dx =
h
[ f ( xo ) + f ( x1 )] = h ( yo + y1 ) área do trapézio da geometria
a = xo
2 2
A diferença entre a integral exata de f(x) e a integral aproximada (trapézio) é o erro de integração:
h3
ET = − f " (c) , a ≤ c ≤ b
12
OBS:
a) f " (c) deve ser o maior valor de f " ( x ) , no intervalo [a,b].
b) Se f " ( c ) > 0 o erro na integração é por excesso e se f " ( c ) < 0 o erro na integração é por falta.
3
I = IT + E T =
h
[f ( x o ) + f ( x1)] − h f "(c)
2 12
3,6
dx
Exemplo: Calcular, pela regra do trapézio o valor de I = ∫
3,0
x
1o) cálculo de IT:
xi f(xi)
1
f (x ) = 3,0 0,3333
x 3,6 0,2778
IT =
h
[f ( x o ) + f ( x1)] = 0,6 [0,3333 + 0,2778] = 0,18333
2 2
2o) cálculo de ET:
3,6
dx
I= ∫ = ln(3,6) − ln(3,0) = 0,18232
3,0
x
Podemos constatar que quanto maior for o intervalo de integração, maior será o erro cometido pelo
método dos trapézios. Uma forma de se melhorar o resultado obtido (minimizar o erro) é subdividir o
intervalo [a,b] em n intervalos de amplitude h (partes iguais) e a cada subintervalo aplica-se a regra dos
trapézios.
f (x)
x o x1 x 2 x3 x4 x5 x6 x7 x8 x9 x10 L x
Somando a área dos n trapézios temos:
I TR =
h
[f ( x o ) + 2f (x1 ) + 2f ( x 2 ) + ... + 2f (x n −1 ) + f ( x n )]
2
O erro total cometido é a soma dos erros cometidos na aplicação da fórmula dos trapézios a cada
subintervalo.
ETR = E1 + E2 + ...+ En
(b − a )3
E TR = − f " (c )
12 .n 2
Exemplo:
Calcular a integral abaixo utilizando a regra dos trapézios composta subdividindo o intervalo [a,b] em
6 subintervalos.
3,6
dx b − a 3,6 − 3,0
I= ∫ h= = = 0,1 xi f(xi)
3,0
x n 6 3,0 0,3333
3,1 0,3226
3,2 0,3125
1o) cálculo de ITR:
3,3 0,3030
3,4 0,2941
1 1 1
f (x ) = f ' (x) = − f ' ' (x) = 2 3,5 0,2857
3,6 0,2778
x x2 x3
I TR =
h
[f (x o ) + 2f (x1) + 2f (x 2 ) + 2f (x 3 ) + 2f (x 4 ) + 2f ( x 5 ) + f (x 6 )]
2
0,1
ITR = [0,3333+ 2.0,3226+ 2.0,3125+ 2.0,3030+ 2.0,2941+ 2.0,2857+ 0,2778] = 0,18235
2
2o) cálculo de ETR:
(b − a ) 3 (3,6 − 3,0) 3 2
E TR = − f " (c) = − × = −3,704 × 10 −5
12.n 2 12 × 6 2 27
3o) cálculo de I:
f (x)
f (x1)
f (x o ) P2 (x)
a = xo x1 b = x2
h h
Is =
h
[f (x o ) + 4f (x1 ) + f (x 2 )]
3
h5
Es = − f ' ' ' ' (c )
90
I = Is + Es
3,6
dx
Exemplo: Calcular pela regra de Simpson o valor de I = ∫ .
3,0
x
xi f(xi)
3,0 0,3333
3,3 0,3030
3,6 0,2778
b−a
h= = 0,3
2
IS =
h
[f (x o ) + 4f (x1 ) + f (x 2 )] = 0,3 [0,3333 + 4 × 0,3030 + 0,2778] = 0,18232323
3 3
1 1 2 6 24
f (x ) = f ' (x) = − f ' ' (x) = f ' ' ' (x) = − f ' ' ' ' (x) =
2 3 4
x x x x x5
h5 0,35 24
ES = − f ' ' ' ' ( c) = − × = −2,6667 × 10 −6
90 90 3 5
ISR =
h
[f (x o ) + 4f (x1) + 2f (x 2 ) + 4f (x 3 ) + 2f (x 4 ) + L + 2f (x n −2 ) + 4f ( x n −1 ) + f (x n )]
3
E SR = −
(b − a )5 f ' ' ' ' (c)
180 n 4
I = ISR + ESR
2
I = ∫ ( x 2 + 2x + 1) dx
1 xi f(xi)
1,00 4,0000
1,25 5,0625
1,50 6,2500
1,75 7,5625
2,00 9,0000
b − a 2 −1
h= = = 0,25
4 4
ISR =
0,25
[4 + 4 × 5,0625 + 2 × 6,2500 + 4 × 7,5625 + 9] = 6,333333
3
f (x ) = x 2 + 2x + 1 f ' (x) = 2x + 2 f ' ' (x) = 2 f ' ' ' (x ) = f ' ' ' ' (x ) = 0
E SR = −
(b − a )5 f ' ' ' ' (c) = 0
180 n 4
2 2
x3
I = ∫ ( x + 2x + 1) dx =
2
+ x 2 + x = 6,333333
1
3
1
Referências Bibliográficas
RUGGIERO, M. A. G. e LOPES, V. L. R. - Cálculo Numérico: Aspectos Teóricos e Computacionais,
2. ed. Makron Books: São Paulo, 1997.