Escolar Documentos
Profissional Documentos
Cultura Documentos
Equipe de Elaboração
Grupo ZAYN Educacional
Coordenação Geral
Ana Lúcia Moreira de Jesus
Gerência Administrativa
Marco Antônio Gonçalves
Professor-autor
Liliane Gervason Fabre
Revisão
Ana Lúcia Moreira de Jesus
Mateus Esteves de Oliveira
2ºAndar – Centro
Piracema –MG
CEP: 35.536-000
ouvidoria@institutozayn.com.br
pedagogico1@institutozayn.com.br
4
Boas-vindas
Olá!
CARACTERIZAÇÃO DA DISCIPLINA
EMENTA
Introduzir os fundamentos dos métodos numéricos básicos utilizados na solução
(tipicamente aproximada) de problemas matemáticos, algébricos e diferenciais,
de caráter linear ou não linear, que aparecem comumente nas ciências puras e
aplicadas e também nas engenharias. Em cálculo numérico pretende-se, ainda,
analisar a influência dos erros introduzidos nas aproximações construtivas
desses problemas bem como a implementação computacional eficiente dos
respectivos métodos de aproximação. É válido enfatizar, ainda, que a formulação
e/ou construção de tais métodos numéricos é baseada em resultados
matemáticos sólidos e, portanto, não são dependentes de uma linguagem de
programação particular.
OBJETIVOS
Fornecer condições para que os alunos possam conhecer, calcular, utilizar e
aplicar métodos numéricos na solução de problemas.
SUMÁRIO
2. Tipos de erros
20
3. Cancelamento Catastrófico 22
5. Método de Newton 27
Referências 32
8
Aproximação local. Aqui a ideia é aproximar uma função por outra que seja de
manuseio mais simples. Por exemplo, aproximar uma função não linear por uma
função linear em um determinado intervalo do domínio das funções.
Exemplos:
Nos problemas reais, os dados são medidas e, como tais, não são exatos. Uma
medida física não é um número, é um intervalo, pela própria imprecisão das
medidas. Daí trabalha-se sempre com a figura do erro, inerente à própria
medição.
101 + 3 · 100. O sistema de numeração posicional também pode ser usado com
a esquerda do numeral
notação científica pode ser escrito como 602,2141 × 100 = 60,22141 × 101 =
Em computadores
ção a um número finito de dígitos, muitos números não podem ser representado
Arredondamento de números
) × 10e
) × 10e .
números com uma quantidade fixa de bits, o que se traduz em um conjunto finito
Números inteiros
[000 . . . 011] = 3,
[000 . . . 010] = 2,
[000 . . . 001] = 1,
[000 . . . 000] = 0.
16
que usa o sistema de ponto fixo, o registro d31 d30 d29 · · · d1 d0 pode
sinal for representado por um dígito. Observe que, neste caso, o zero possui
[11111111111111111111111111111111] e
[00000000000000000000000000000000]
base (em geral 2 ou 10), • |M| é o número de dígitos da mantissa, • |E| é o número
usado para o sinal, 11 bits para o expoente e 52 bits são usados para o
significando por
M = (1.m1m2 · · · m51m52).
TIPOS DE ERROS
erros. Nesta seção, veremos quais são estes erros e como controlá-los, quando
1. Incerteza dos dados são devidos aos erros nos dados de entrada. Quando o
de erros (ou de exatidão). As medidas de erro mais utilizadas são o erro absoluto
e o erro relativo.
20
uma máquina com 64 bits, temos que = 2−52 ≈ 2,22E − 16. Este erro é bem
ponto flutuante, teríamos, no pior dos casos, acumulado todos esses erros e
catastrófico.
CANCELAMENTO CATASTRÓFICO
Quando fazemos subtrações com números muito próximos entre si, ocorre o que
Condicionamento de um problema
com total exatidão, devido a diversas fontes de erros, como incertezas na coleta
f(x + ∆x) ≈ f(x) + f 0 (x)∆x obtemos (subtraindo f(x) dos dois lados) ∆y = f(x + ∆x)
por y, o lado direito por f(x) = y e obtemos ∆y y ≈ f 0 (x) f(x) x∆x x sugerindo a
algébricas em uma única variável real. Observamos que obter uma solução para
tais equações
para a existência do zero de uma função. Este é uma aplicação direta do teorema
= f(x), é uma função contínua tal que f(a) · f(b) < 0 3 , então existe x ∗ ∈ (a, b) tal
teorema do valor intermediário que estabelece que dada uma função contínua f
: [a, b] → R, y =f(x), tal que f(a) < f(b) (ou f(b) < f(a)), então para qualquer d ∈
(f(a), f(b)) (ou k ∈ (f(b), f(a))) existe x ∗ ∈ (a, b) tal que f(x ∗ ) = k. Ou seja, nestas
notações, se f(a) · f(b) < 0, então f(a) < 0 < f(b) (ou f(b) < 0 < f(a)). Logo, tomando
f(x) é uma função contínua em um dado intervalo no qual ela troca de sinal, então
Método da bisseção
23
com f(a) · f(b) < 0 tem um zero no intervalo (a, b) (veja o teorema de Bolzano
3.1.1). Assim, a ideia para aproximar o zero de uma tal função f(x) é tomar, como
Pode ocorrer de f(x (0)) = 0 e, neste caso, o zero de f(x) é x ∗ = x (0). Caso
contrário, se f(a) · f(x (0)) < 0, então x ∗ ∈ (a, x(0)). Neste caso, tomamos
isto é, x (1) = (a + x (0))/2. No outro caso, temos f(x (0)) · f(b) < 0 e, então,
aproximação desejada (veja Figura 3.2). De forma mais precisa, suponha que
zero x ∗ de uma dada função contínua f : [a, b] → R tal que f(a) · f(b) < 0.
o critério de parada, isto é, se f(x (n) ) = 0 ou: |b (n) − a (n) | 2 < T OL, então x (n)
1 da seguinte forma: se f(a (n) ) · f(x (n) ) < 0, então definimos a (n+1) = a (n) e
b (n+1) = x (n) ; no outro caso, se f(x (n) )· f(b (n) ) < 0, então definimos a (n+1)
zero de f(x) dada por: x (n+1) = a (n+1) + b (n+1) 2 . Voltamos a verificar o critério
atingido.
24
Teste de convergência
tal que x (n+1) = g(x (n) ) é convergente sempre que x (0) ∈ (x ∗ − δ,x∗ + δ).
Estabilidade e convergência
seguinte processo iterativo: x (n+1) = g x (n) x (0) = x Vamos supor que a função
g(x) pode ser aproximada por seu polinômio de Taylor em torno do ponto fixo:
g(x) = g(x ∗ ) + (x − x ∗ )g 0 (x ∗ ) + O (x − x ∗ ) 2 , n ≥ 0 = x ∗ + (x − x ∗ )g 0 (x ∗
(n) − x ∗ )g 0 (x ∗ )
∗ )| , onde n = x (n) − x ∗
25
MÉTODO DE NEWTON
reais de uma variável real. Consideramos que x ∗ seja um zero de uma dada
Sabemos que o processo iterativo converge tão mais rápido quanto menor for |g
introduzir o método de Newton, cujas iterações são dada por: x (n+1) = x (n) − f
Interpretação geométrica
Seja uma dada função f(x) conforme na Figura 3.6. Para tanto, escolhemos uma
função f(x) no ponto x = x (1) com o eixo das abscissas. Com efeito, a equação
Assim, a interseção desta reta com o eixo das abscissas (y = 0) ocorre quando:
f 0 (x (1))(x − x (1)) + f(x (1)) = 0 ⇒ x = x (1) − f(x (1)) f 0 (x (1)) . Ou seja, dada
Análise de convergência
Seja f(x) um função com derivadas primeira e segunda contínuas tal que f(x ∗ )
a ideia é aproximar sua derivada pela razão fundamental: f 0 (x) ≈ f(x) − f(x0) x −
fixo da forma: x (n+1) = x (n) − α(x (n) )f(x (n) ), n ≥ 1, onde x (1) é uma
(n) − x (n−1) f(x (n) ) − f(x (n−1)) . Isto nos motiva a introduzir a iteração do método
das secantes dada por: x (n+1) = x (n) − f(x (n) ) x (n) − x (n−1) f(x (n) ) − f(x
do método.
Análise de convergência
subseção 3.4.2 nos indica que, para uma função f(x) duas vezes diferenciável,
1 2 ≈ 1,618 sob certas condições. Ou seja, o método das secantes tem taxa de
convergência superlinear.
28
consistem em:
2. substituição de uma linha por ela mesma somada a um múltiplo de outra linha.
BIBLIOGRAFIA
<http://brasilescola.uol.com.br/matematica/calculo-numerico.htm>.
Barroso, L. C., Araujo, M. M., Campos, F. F., Carvalho, M. L. B., and Maia,