Escolar Documentos
Profissional Documentos
Cultura Documentos
Cálculo Numérico
- UTFPR -
Índice
1 Noções básicas sobre Erros........................................................................... 1-1
1.1 Erros ............................................................................................................. 1-1
1.2 Erros Absolutos e Relativos ............................................................................ 1-1
1.2.1 Erro Absoluto.................................................................................................................. 1-1
1.2.2 Erro Relativo ou Taxa de Erro ......................................................................................... 1-2
1.3 Erros de Arredondamento e Truncamento...................................................... 1-2
1.3.1 Erro de Arredondamento ............................................................................................... 1-2
1.3.2 Erro de Truncamento ..................................................................................................... 1-2
1.4 Aritmética de Ponto Flutuante ....................................................................... 1-2
1.5 Conversão de Bases ....................................................................................... 1-3
1.5.1 Conversão da Base para a Decimal (10) ................................................................ 1-3
1.5.2 Conversão da Base Decimal para a (10) ................................................................ 1-4
1.5.3 Exercícios: Conversão de Bases ...................................................................................... 1-6
1.6 Operações de Pontos Flutuantes .................................................................... 1-7
1.6.1 Representações .............................................................................................................. 1-7
1.6.2 Exercícios ........................................................................................................................ 1-7
1.6.3 Exercícios complementares ............................................................................................ 1-8
1.1 Erros
Para se obter a solução do problema através do modelo matemático, erros são cometidos
nas fases: MODELAGEM e RESOLUÇÃO.
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-2
1.2.2 Erro Relativo ou Taxa de Erro
Erro relativo de 𝑥 é o módulo do quociente entre o erro absoluto 𝐸𝐴𝑥 e o valor exato 𝑥
ou o valor aproximado 𝑥̅ , se 𝑥 ou 𝑥̅ ≠ 0.
𝐸𝐴𝑥 𝑥−𝑥̅ 𝐸𝐴𝑥 𝑥−𝑥̅
𝐸𝑅𝑥 = | |=| | ou 𝐸𝑅𝑥 = | |=| |.
𝑥 𝑥 𝑥̅ 𝑥̅
5. Sabendo-se que 𝑒 𝑥 pode ser escrito através da fórmula abaixo, faça a aproximação de
𝑒 2 através de um truncamento após quatro termos da somatória.
∞
𝑥
𝑥𝑖 𝑥 𝑥2 𝑥3
𝑒 = ∑ = 1+ + + +⋯ , −∞ < 𝑥 < ∞
𝑖! 1! 2! 3!
𝑖=0
Resolução:
Truncando-se após quatro termos, tem-se:
3
2
2𝑖 21 22 23 4 8 19
𝑒 =∑ =1+ + + = 1+2+ + =
𝑖! 1! 2! 3! 2 6 3
𝑖=0
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-3
𝑑1 𝑑2 𝑑3 𝑑𝑡
𝑥 = ±[ + 2 + 3 + ⋯ + 𝑡 ] ∗ 𝛽 𝑒𝑥𝑝
𝛽 𝛽 𝛽 𝛽
Onde:
• 𝑑𝑖 são números inteiros contidos no intervalo 0 ≤ 𝑑𝑖 < 𝛽; 𝑖 = 1, 2, … , 𝑡;
• 𝑒𝑥𝑝 representa o expoente de e assume valores entre 𝐼 ≤ 𝑒𝑥𝑝 ≤ 𝑆;
• I, S limite inferior e limite superior, respectivamente, para a variação do expoente;
𝑑 𝑑 𝑑 𝑑
• [ 𝛽1 + 𝛽22 + 𝛽33 + ⋯ + 𝛽𝑡𝑡] é chamada de mantissa e é a parte do número que representa
seus dígitos significativos;
• t número de dígitos do sistema de representação.
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-4
8. 10112 = x10 .
1 0 1 1
Resolução: 10112 = 0,1011 24 = + 2 + 3 + 4 24 = 23 +2+1=11
2 2 2 2
10112 = 1110 x =11.
9. 11,012 = x10 .
1 1 0 1 1
Resolução: 11,012 = 0,1101 22 = + 2 + 3 + 4 22 =2+1+ 2 =3,25
2 2 2 2 2
11,012 = 3,2510 x =3,25.
• a.2) N
N
r1 q1
r2 q2
qn −1
rn qn Até que qn
N10 =( qn rn rn −1 r3 r2 r1 )
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-5
12. Converta 5910 para a base 3.
Resolução: N =59 e =3 N
59 3
2 19 3
1 6 3
0 2 5910 = 20123
• b) PARTE FRACIONÁRIA ( F ):
Multiplica-se F por e toma-se a parte inteira do produto como o primeiro dígito do
número na base . Repete-se o processo com a parte fracionária do produto tomando sua parte
inteira. Continua-se até que a parte fracionária seja igual a zero.
Nos exercícios a seguir, determinar o valor de x :
13. 0,187510 = x2 .
Resolução:
0,1875 0,375 0,75 0,5
2 2 2 2
0,3750 0,750 1,50 1,0
0,187510 = 0,00112.
14. 0,610 = x2 .
Resolução:
0,6 0,2 0,4 0,8 0,6
2 2 2 2 2
1,2 0,4 0,8 1,6 1,2
0,610 = 0,100110012.
15. 13,2510 = x2 .
Resolução:
• a) 1310 = ? N =13 e =2 N
13 2
1 6 2
0 3 2
1 1
1310 = 11012.
• b) 0,2510 = ?
0,25 0,5
2 2
0,50 1,0
0,2510 = 0,012.
• Logo: 13,2510 = 1310 + 0,2510 = 11012 + 0,012 = 1101,012.
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-6
1.5.3 Exercícios: Conversão de Bases
Transforme para a base que se pede (determine o valor de x ).
17. 19,3867187510 = x4 .
Resolução:
• a) 1910 = ? N =19 e =4 N
19 4
3 4 4
0 1
1910 = 1034.
• b) 0,3867187510 = ?
0,38671875 0,546875 0,1875 0,75
4 4 4 4
1,54687500 2,187500 0,7500 3,00
0,3867187510 = 0,12034.
• Logo: 19,3867187510 = 1910 + 0,3867187510 = 1034 + 0,12034 = 103,12034.
3510 = 3560.
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-7
• b) 0, 80510 = ?
0,805 0,3
60 60
48,300 18,0
0, 80510 = 0,48:1860.
• Logo: 35,80510 = 3510 + 0, 80510 = 3560 + 0,48:1860 = 35,48:1860.
35,805 h = 35 h 48 min 18 seg .
1.6.2 Exercícios
20. Preencher a tabela a seguir, com base nos parâmetros: t =3, =10, I =−5, S =5 e −5 ≤
exp ≤ 5.
Número Truncamento Arredondamento
−6,48 −0,64810 −0,64810
0,0002175 0,217 10−3 0,218 10−3
3498,3 0,349 10 4 0,35 10 4
−0,00000001452 −0,145 10−7 −0,145 10−7 UNDERFLOW
2379441,5 0,237 107 0,238 107 OVERFLOW
OBS. 4: Deve-se converter os valores para a aritmética de ponto flutuante com 3
algarismos significativos.
Nos exercícios seguintes, calcular o valor das expressões utilizando aritmética de ponto
flutuante com 3 algarismos significativos.
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-8
22. 4,26 + (9,24 + 5,04)
Resolução: 4,26 + 14,3 = 18,6.
2
25. (4,0237 − 6,106)
7
Resolução: 0,286(4,02 − 6,11) = 0,286(−2,09) = −0,598.
2 ( 4,0237 − 6,106 )
26.
7
2 (−2,09 ) − 4,18
Resolução: = = −0,597.
7 7
OBS. 5: Em aritmética de ponto flutuante não valem as propriedades associativas nem
distributivas.
10
• b) 3 + 42450 = 30 + 42450 = 42480 = 0,4248105 .
i =1
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-9
30. 10101012 = x10 .
1 0 1 0 1 0 1
Resolução: 10101012 =0, 1010101 27 = + 2 + 3 + 4 + 5 + 6 + 7 27
2 2 2 2 2 2 2
= 26 + 24 + 22 +1 = 85
10101012 = 8510 x =85.
34. 3710 = x2 .
Resolução: N =37 e =2 N
37 2
1 18 2
0 9 2
1 4 2
0 2 2
0 1 3710 = 1001012
Maiko
Cálculo Numérico Noções básicas sobre Erros 1-10
35. 234510 = x2 .
Resolução: N =2345 e =2 N
2345 2
1 1172 2
0 586 2
0 293 2
1 146 2
0 73 2
1 36 2
0 18 2
0 9 2
1 4 2
0 2 2
0 1 234510 = 1001001010012
• b) 0, 4710 = ?
0,47 0,94 0,88 0,76 0,52 0,04 0,08 0,16 0,32
0,94 1,88 1,76 1,52 1,04 0,08 0,16 0,32 0,64
0, 4710 = 0,011110002.
Logo: 2,4710 = 210 + 0, 4710 = 102 + 0,011110002 = 10, 011110002.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-11
a x
b
a x
b
Maiko
Cálculo Numérico Zeros reais de funções reais 2-12
Na pesquisa dos zeros reais de funções reais é muito útil o uso do Teorema 1 (que
fornece condições de existência de zeros em um intervalo), bem como da OBS 1. (que garante
a unicidade, isto é, garante que no intervalo considerado existe um e somente um zero da função
f ).
Outro recurso bastante empregado é: a partir da equação 𝑓(𝑥) = 0, obter a equação
equivalente g ( x )= h ( x ) e esboçar os gráficos destas funções obtendo os pontos onde as
mesmas se intersectam, pois f ()=0 g ()= h ().
y = f(x)
1 2 3 x
-4 -3 -2 -1 1 2 3 4
1 x
-4 -3 -2 -1 2 1 2 3 3 4
Maiko
Cálculo Numérico Zeros reais de funções reais 2-13
Outra forma de se verificar a unicidade de zeros nestes intervalos, é traçar o gráfico da
função derivada de f (x) , f '( x) = 3x2 − 9 e confirmar que a mesma preserva o sinal em
cada um dos intervalos ]−4,−3[, ]0,1[ e ]2,3[, conforme a 2.2.
y
y = f’(x)
-3 3 x
-4 -3 -2 -1 1 2 3 4
Maiko
Cálculo Numérico Zeros reais de funções reais 2-14
y f’ (x )
1 x
1
h(x )
1 2 3 x
Maiko
Cálculo Numérico Zeros reais de funções reais 2-15
y
2
g (x )
h(x )
1 2 3 x
m3
a m2 m1 b x
Assim, na figura anterior tem-se:
a+b a + m1 m + m1
m1 = , m2 = , m3 = 2 ,
2 2 2
Desta forma, o maior erro que se pode cometer na:
(b − a )
• 1a iteração ( n =1): é
2
(b − a )
• 2a iteração ( n =2): é
22
Maiko
Cálculo Numérico Zeros reais de funções reais 2-16
(b − a )
• 3a iteração ( n =3): é
23
(b − a )
• n a iteração: é
2n
Se o problema exige que o erro cometido seja inferior a um parâmetro , determina-se
(b − a )
a quantidade n de iterações encontrando o maior inteiro que satisfaz a inequação:
2n
que se resolve da seguinte maneira:
(b − a ) (b − a )
n
log n
log log(b − a) − log 2n log log(b − a) − n log 2 log
2 2
log(b − a ) − log
n
log 2
Maiko
Cálculo Numérico Zeros reais de funções reais 2-17
r
h h
Como f (0) f (1) 0 , conclui-se, de acordo com o teorema 1, que existem zeros de f (h)
no intervalo [0,1].
Para se confirmar a unicidade deste zero neste intervalo, pode-se utilizar a OBS. 1, isto é,
calcula-se a derivada f , (h) de f (h) para verificar que a mesma preserva o sinal no
Maiko
Cálculo Numérico Zeros reais de funções reais 2-18
2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das
Aproximações sucessivas)
Neste método a seqüência de aproximações do zero de uma função 𝑓(𝑥) (𝑓(𝛼) = 0)
é obtida através de uma relação de recorrência da forma:
x n +1 = ( x n ) , n = 0, 1, 2,
O ponto x 0 será considerado uma aproximação inicial do zero da função f (x) e (x)
é uma função que tem como ponto fixo, isto é, = () .
A primeira pergunta a ser respondida é: dada uma função f (x) com zero , como
encontrar uma função (x) que tenha como ponto fixo? Isto pode ser feito através de uma
série de manipulações algébricas sobre a equação f (x) =0, transformando-a em uma equação
equivalente da forma x = (x) . Nestas transformações devem-se tomar os devidos cuidados
para que (x) esteja definida em e para que pertença à imagem de . Como o zero é
desconhecido, é necessário determinar um intervalo I que contenha e que esteja contido tanto
no domínio quanto na imagem de . É necessário que o zero de f (x) seja único no intervalo
I, caso contrário não será possível discernir qual o zero determinado.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-19
y y =x
(x )
Ponto fixo de (x )
(Zero de f (x ) )
x
Maiko
Cálculo Numérico Zeros reais de funções reais 2-20
y y =x
2 (x )
x0 x 2 x 3 x1 6 x
=2
x2
x0 x1 x
=2
1 (x )
Maiko
Cálculo Numérico Zeros reais de funções reais 2-21
Assim, os dois exercícios anteriores mostram que dependendo da transformação
x = (x) escolhida, a relação de recorrência x n +1 = ( x n ) pode ou não fornecer uma seqüência
{x n } convergente. Desta forma, como determinar a priori, quais transformações fornecerão
seqüências convergentes? As figuras que seguem ilustram alguns casos onde ocorrem
convergência e alguns casos onde não ocorre convergência.
x3 x2 x1 x0 x
x1 x3 x4 x2 x0 x
x0 x1 x2 x3 x
Maiko
Cálculo Numérico Zeros reais de funções reais 2-22
A seqüência x k não converge para o zero .
y (x ) y =x
x3 x1 x0 x2 x
O Teorema que segue estabelece condições suficientes para garantir a convergência do
processo iterativo.
OBS. 2: Como as condições que o teorema que segue são apenas suficientes, dada uma
função que não satisfaça estas condições, não se pode garantir que a seqüência gerada
x1 , x 2 , x 3 , diverge.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-23
ainda, para todo I = a, b nas condições do teorema 2, existe I ’ I tal que qualquer que seja
x0 I ’ tem-se que x n I ’, n 1.
OBS. 5: A determinação do extremo de I = a, b mais próximo do zero pode ser feito
da seguinte maneira: Suponhamos satisfeitas as hipóteses i) e ii) do Teorema 2 . Nestas
( a + b)
condições, seja x̂ = (ponto médio do intervalo I ). Sabe-se que (xˆ ) está mais próximo
2
de do que x̂ . Se x̂ < (xˆ ) , então está entre x̂ e b , ou seja, b é o extremo de I mais
próximo de . Analogamente, se x̂ > (xˆ ) , então a é o extremo de I mais próximo de . Se
x̂ = (xˆ ) , então x̂ é o zero procurado.
a x b
(x ) x
a x b
(x ) x
Este é o caso em que b é o extremo mais próximo de .
Maiko
Cálculo Numérico Zeros reais de funções reais 2-24
1 1
• 1 ' ( x ) < 1 − 2 x < 1 − < x < .
2 2
Logo, não existe um intervalo I , com =2 I , e tal que 1 ' ( x ) < 1, x I .
pn − pn −1
•
pn
• f ( pn )
Maiko
Cálculo Numérico Zeros reais de funções reais 2-25
y h(x ) = e x
5 g (x ) = x 2 - 4
4
3
2
1
-3 -2 -1 1 2 3 x
-1
-2
-3
-4
ex
'( x) = −
2. e x + 4
e −3
' ( −3) = − = −0,01237
2. e −3 + 4
e −2
' ( −2) = − = −0,03328
−2
2. e + 4
Como '( x) é decrescente no intervalo I =[−3,−2], k = 0,03328 < 1, o que garante a
segunda condição do Teorema 2 .
Procura-se agora, o extremo do intervalo I =[−3,−2] mais próximo do zero de f (x) :
Para isto, segue-se o indicado na observação 5, isto é, calcula-se o ponto médio do intervalo
( −3 + ( −2))
I =[−3,−2]: x̂ = = −2,5 e (xˆ ) = (−2,5) = − e −2,5 + 4 = −2,02042. Como x̂
2
< (xˆ ) , isto é x̂ =−2,5 < (xˆ ) = ( −2,5) = −2,02042, então está entre x̂ =−2,5 e −2, ou
seja, −2 é o extremo de I mais próximo de . Desta forma, iniciando o processo recursivo
pelo ponto x0 = −2, garante-se que todos os termos da seqüência aproximadora
pertencerão ao intervalo I =[−3,−2].
Maiko
Cálculo Numérico Zeros reais de funções reais 2-26
OBS. 8: A (x) é válida mesmo que f ' () = 0, uma vez que xn .
Maiko
Cálculo Numérico Zeros reais de funções reais 2-27
y
f (xn)
xn+1 xn
x2 x1 x0 x
f (x )
f ( xn ) f ( xn )
tg = f ' ( xn ) = xn+1 = xn −
xn − xn+1 f ' ( xn )
Maiko
Cálculo Numérico Zeros reais de funções reais 2-28
PASSO 6
Faça p 0 =p (atualize p 0 )
Passo 7:
Saída (solução não encontrada após ITMAX iterações)
FIM
OBS. 10: Outros critérios de parada podem ser utilizados:
• p n − p n−1
p n − p n −1
•
pn
• f ( pn+1 )
OBS. 11: O Método de Newton irá falhar se para algum n, f ' ( pn−1 ) = 0.
1
3 h (x )= cos x
2
2 x
2
-1
Como f ''( x) = − cos x , também preserva o sinal em [0, ], ( f '' ( x )0, x ]0, [, tem-
2 2
se que as condições i), ii) e iii) do teorema 3 são satisfeitas.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-29
cos(xn ) − xn
Assim, a fórmula recursiva de Newton para este caso fica: xn +1 = xn − para
− sen( xn ) − 1
n 0 . Agora deve-se escolher x0 convenientemente: Pode-se verificar que o ponto médio
x̂ = ou x̂ =0,785398163398 e ( x̂ ) =0,739536133515. Pela observação 5 concluímos
4
que x0 =0, pois ( x̂ ) < x̂ .
n xn xn +1 xn +1 − xn
0 0 1 1 > 10-6
1 1 0,750363868 0,249636132 > 10-6
2 0,750363868 0,7391128909 0,011250978 > 10-6
3 0,7391128909 0,7390851333 0,000027757 > 10-6
4 0,7390851333 0, 7390851332 0,0000000001 <10-6
Portanto, x = 0,739085133.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-30
y
f (x )
f ( x0 )
f ( x3 )
x1 x2 x4
x3 x0 x
f (x4)
f (x 2)
L a ur o
Cesa r
Ga lvã o f (x 1)
Para o desenho acima, tome 𝑥𝑛 = 𝑥1 . Desta forma, 𝑥𝑛−1 = 𝑥0 e 𝑥𝑛+1 = 𝑥2 . Assim, os
dois triângulos abaixo são semelhantes e foram tirados da figura acima.
L a ur o
Cesa r
Ga lvã o
f (x n -1)
f (x n)
x n +1 xn x n+1 x n-1
Então, por semelhança de triângulos, temos:
𝑓(𝑥𝑛−1 ) 𝑥𝑛−1 − 𝑥𝑛+1
=
𝑓(𝑥𝑛 ) 𝑥𝑛 − 𝑥𝑛+1
Isolando 𝑥𝑘+1 , temos:
𝑓(𝑥𝑛−1 ) ∙ (𝑥𝑛 − 𝑥𝑛+1 ) = 𝑓(𝑥𝑛 ) ∙ (𝑥𝑛−1 − 𝑥𝑛+1 )
𝑓(𝑥𝑛−1 )𝑥𝑛 − 𝑓(𝑥𝑛−1 )𝑥𝑛+1 = 𝑓(𝑥𝑛 )𝑥𝑛−1 − 𝑓(𝑥𝑛 )𝑥𝑛+1
𝑥𝑛+1 ∙ (𝑓(𝑥𝑛 ) − 𝑓(𝑥𝑛−1 )) = 𝑥𝑛−1 ∙ 𝑓(𝑥𝑛 ) − 𝑥𝑛 ∙ 𝑓(𝑥𝑛−1 )
𝑥𝑛−1 𝑓(𝑥𝑛 ) − 𝑥𝑛 𝑓(𝑥𝑛−1 )
𝑥𝑛+1 =
𝑓(𝑥𝑛 ) − 𝑓(𝑥𝑛−1 )
Maiko
Cálculo Numérico Zeros reais de funções reais 2-31
Algoritmo do Método da Secante
Para encontrar uma solução para f (x) =0, dadas duas aproximações inicial 𝑝0 e 𝑝1.
• Dados de Entrada: Aproximações inicial 𝑝0 e 𝑝1, precisão ou tolerância () e o número
máximo de iterações (ITMAX).
• Saída: Solução aproximada 𝑝 ou mensagem de “solução não encontrada”.
PASSO 1
Faça i =1
PASSO 2:
Enquanto i ITMAX, execute os passos 3 – 6
PASSO 3
𝑝 𝑓(𝑝 )−𝑝1 𝑓(𝑝0 )
Faça 𝑝 = 0𝑓(𝑝1)−𝑓(𝑝 )
(calcular 𝑝𝑖 )
1 0
PASSO 4
Se |𝑝 − 𝑝1 | < então
Saída (p) (procedimento efetuado com sucesso)
FIM
PASSO 5
Faça i = i + 1
PASSO 6
Faça 𝑝0 = 𝑝1 e 𝑝1 = 𝑝 (atualize 𝑝0 e 𝑝1)
Passo 7:
Saída (solução não encontrada após ITMAX iterações)
FIM
OBS. 13: Outros critérios de parada podem ser utilizados:
• p n − p n−1
p n − p n −1
•
pn
• f ( pn+1 )
51. Considerando o mesmo exercício anterior, encontrar a solução para a equação x = cos x
com precisão = 10 −6 , usando o método da secante. Considere 𝑥0 = 0 e 𝑥1 = 1, como
aproximações iniciais.
Resolução: 𝑓 (𝑥) = cos(𝑥) − 𝑥 = 0
Assim, a fórmula recursiva do método da secante para este caso fica:
𝑥𝑛−1 𝑓(𝑥𝑛 ) − 𝑥𝑛 𝑓(𝑥𝑛−1 )
𝑥𝑛+1 =
𝑓(𝑥𝑛 ) − 𝑓(𝑥𝑛−1 )
n x(n-1) x(n) x(n+1) |x(n+1) - x(n)|
0 0 1 0,685073357 0,314926643
1 1 0,685073357 0,736298998 0,05122564
2 0,685073357 0,736298998 0,739119362 0,002820364
3 0,736298998 0,739119362 0,739085112 3,42498E-05
4 0,739119362 0,739085112 0,739085133 2,11E-08
Portanto, x = 0,739085133.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-32
2.3.5 Comparação entre os métodos
Nos exercícios seguintes, considerando cada método especificado, determine uma
aproximação para o zero da função.
52. Pelo método da Bissecção, determine uma aproximação para x (1,2) da função
𝑓(𝑥) = 𝑒 −𝑥 − cos 𝑥 com aproximação 1 = 10−4 tal que ( b − a )/2 1 .
2
Resolução:
n a x b f (a ) f (x) f (b ) ( b − a )/2
1 1 1,5 2 - + + 0,5
2 1 1,25 1,5 - - + 0,25
3 1,25 1,375 1,5 - - + 0,125
4 1,375 1,4375 1,5 - - + 0,0625
5 1,4375 1,46875 1,5 - + + 0,03125
6 1,4375 1,453125 1,46875 - + + 0,015625
7 1,4375 1,4453125 1,453125 - - + 0,0078125
8 1,4453125 1,44921875 1,453125 - + + 0,00390625
9 1,4453125 1,447265625 1,44921875 - - + 0,001953125
10 1,447265625 1,448242188 1,44921875 - + + 0,000976563
11 1,447265625 1,447753906 1,448242188 - + + 0,000488281
12 1,447265625 1,447509766 1,447753906 - + + 0,000244141
13 1,447265625 1,447387695 1,447509766 - - + 0,00012207
14 1,447387695 1,44744873 1,447509766 - + + 6,10352E-05
Logo, x =1,44744873
53. Pelo método do Ponto Fixo ou Aproximações Sucessivas, determine uma aproximação
2
para 𝑥̅ (1,2) da função 𝑓(𝑥) = 𝑒 −𝑥 − cos 𝑥 com aproximação 𝜀1 = 𝜀1 = 10−4 tal que
|𝑓(𝑥𝑛 )| < 𝜀1 ou |𝑥𝑛+1 − 𝑥𝑛 | < 𝜀2 . Utilize 𝑥0 =1,5.
Resolução:
2
f ( x )= e − x − cos x
2
f ( x )=0 e − x − cos x + x − x =0
2
1( x )=− cos x + e − x + x 1 ' ( x )1 em (1,2)
2
2( x )= cos x − e − x + x 2 ' ( x )1 em (1,2)
2
𝜙(𝑥) = cos 𝑥 − 𝑒 −𝑥 + 𝑥 𝑥𝑛+1 = 𝜙(𝑥𝑛 )
n xn x n +1 | x n +1 − x n | | f ( x n +1 )| Parada
0 1,5 1,465337977 0,034662023 0,01154599
1 1,465337977 1,453791987 0,01154599 0,004075472
2 1,453791987 1,449716515 0,004075472 0,001466938
3 1,449716515 1,448249577 0,001466938 0,000531683
4 1,448249577 1,447717894 0,000531683 0,000193187
5 1,447717894 1,447524708 0,000193187 7,02578E-05 |𝑓(𝑥𝑛 )| < 𝜀1
Logo, x =1,447524708.
Maiko
Cálculo Numérico Zeros reais de funções reais 2-33
54. Pelo método de Newton-Raphson, determine uma aproximação para 𝑥̅ (1,2) da função
𝑓(𝑥) = 𝑒 −𝑥 − cos 𝑥 com aproximação 1 = 2 = 10−4 tal que | f ( x n +1 )| 1 ou
2
55. Pelo método da secante, determine uma aproximação para 𝑥̅ (1,2) da função
𝑓(𝑥) = 𝑒 −𝑥 − cos 𝑥 com aproximação 1 = 2 = 10−4 tal que | f ( x n +1 )| 1 ou
2
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-34
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-35
3.1.6 Classificação quanto ao Determinante de A
• det A 0 (SPD) sistema linear possível e determinado (SOLUÇÃO ÚNICA);
• det A =0 (SPI) ou (SI): a matriz A é SINGULAR.
(SPI) Sistema possível e indeterminado,
(SI) Sistema impossível.
OBS. 1: Se bi =0, i =1, 2, , n , isto é, se b =0, o sistema é dito HOMOGÊNEO. Todo
sistema homogêneo é compatível, pois admite sempre a solução x =0. A solução é chamada
TRIVIAL.
2 x1 + 3x2 − x3 = 5
56. Resolver o sistema S3 , com S3 = 4 x1 + 4 x2 − 3x3 = 3 .
2 x − 3x + x3 = −1
1 2
2 x1 + 3x2 − x3 = 5
Resolução: S3 = 4 x1 + 4 x2 − 3x3 = 3 [ A b ] [U c ]
2 x − 3x2 + x3 = −1
1
2 3 −1 5
[ A b ] = 4 4 −3 3 (Matriz aumentada).
2 − 3 1 − 1
Seja B0 =[ A b ] e Bk =[ U c ] após k conjuntos de operações elementares aplicadas sobre
B0 .
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-36
L(13) m31
(0 )
L1(0 ) + L(0
3 .
)
3
também, solução para o sistema A x = b .
• Método compacto para a TRIANGULAÇÃO U x = c :
Linha Multiplicador m Matriz Aumentada Transformação
(1) B0 2 3 -1 5
(0 )
(2) m21 = -( 4 )/( 2 )= -2 4 4 -3 3
(0 )
(3) m31 = -( 2 )/( 2 )= -1 2 -3 1 -1
(2) B1 0 -2 -1 -7 -2 L1(0) + L(0
2
)
(1)
(3) m32 = -( -6 )/( -2 )= -3 0 -6 2 -6 -1 L1(0) + L(0
3
)
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-37
57. Resolver o sistema S4 com arredondamento em duas casas decimais, na matriz
aumentada.
8,7 x1 + 3,0 x 2 + 9,3x3 + 11,0 x 4 = 16,4
24,5 x − 8,8 x 2 + 11,5 x3 − 45,1x 4 = − 49,7
1
S4 A x = b
52,3x1 − 84,0 x 2 − 23,5 x3 + 11,4 x 4 = − 80,8
21,0 x1 − 81,0 x 2 − 13,2 x3 + 21,5 x 4 = − 106,3
Resolução:
Linha Multiplicador m Matriz Aumentada
(1) B0 8,70 3,00 9,30 11,00 16,40
(0 )
(2) m21 = -( 24,50 )/( 8,70 ) 24,50 -8,80 11,50 -45,10 -49,70
(0 )
(3) m31 = -( 52,30 )/( 8,70 ) 52,30 -84,00 -23,50 11,40 -80,80
(0 )
(4) m41 = -( 21,00 )/( 8,70 ) 21,00 -81,00 -13,20 21,50 -106,30
(2) B1 0,00 -17,25 -14,69 -76,08 -95,88
(1)
(3) m32 = -( -102,03 )/( -17,25 ) 0,00 -102,03 -79,41 -54,73 -179,39
(1)
(4) m42 = -( -88,24 )/( -17,25 ) 0,00 -88,24 -35,65 -5,05 -145,89
(3) B2 0,00 0,00 7,48 395,27 387,72
(2 )
(4) m43 = -( 39,49 )/( 7,48 ) 0,00 0,00 39,49 384,13 344,57
Cálculo do Resíduo
Uma medida para avaliar a precisão dos cálculos é o resíduo, que é dado por:
r = b − Ax .
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-38
Algoritmo de Eliminação de Gauss
Seja o sistema A x = b , com Ann , xn1 e bn1 .
Sempre supor que akk 0 na etapa k .
TRIANGULARIZAÇÃO: A x = b U x = c .
Para k =1, 2, , ( n −1)
Para i =( k +1), , n
a
m = ik
akk
aik =0
Para j =( k +1), , n
aij = aij − m akj
bi = bi − m bk
FIM
FIM
FIM
RESOLUÇÃO DO SISTEMA U x = c .
b
xn = n
ann
Para k =( n −1), , 2, 1
s =0
Para j =( k +1), , n
s = s + akj x j
FIM
bk − s
xk =
akk
FIM
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-39
L(1i ) miq
(0 )
L(0p ) + L(0
i .
)
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-40
3.2.3 Fatoração LU
“Toda matriz não singular admite uma decomposição em duas matrizes triangulares,
uma superior e outra inferior”. Quem garante esse resultado é o teorema abaixo.
Teorema de Gauss
Seja A uma matriz quadrada de ordem n tal que det A ≠ 0. Sejam U uma matriz triangular
superior,
𝑢𝑖𝑗 , se 𝑖 ≤ 𝑗
𝑈={
0, se 𝑖 > 𝑗
e L uma matriz triangular inferior com diagonal unitária,
0, se 𝑖 < 𝑗
𝐿 = { 1, 𝑠𝑒 𝑖 = 𝑗
𝑙𝑖𝑗 , se 𝑖 > 𝑗
Então existe e é única a decomposição A = LU, onde U é a matriz resultante do processo
de eliminação gaussiana e 𝑙𝑖𝑗 = 𝑚𝑖𝑗 , (multiplicadores de linhas, sem troca de sinal).
2 1 1 1 0 0 2 1 1
Apresentamos como exemplo: 𝐴 = (4 4 3) = (2 1 0) (0 2 1 )
6 7 4 ⏟3 2 1 ⏟0 0 −1
L U
A base do método de Decomposição LU, também conhecido como método Fatoração,
consiste na resolução de sistemas triangulares.
Seja o sistema linear Ax = b
Supor que seja possível fatorar a matriz A dos coeficientes: A = LU
Nestas condições, o sistema Ax = b pode ser reescrito na forma LUx = b, o que permite
o desmembramento em dois sistemas triangulares:
Ly = b e Ux = y
Resolvendo o primeiro sistema, calculamos y que, usado no segundo sistema, fornecerá
o vetor procurado x.
Dessa maneira, conhecidas L e U, o sistema será resolvido com 2n2 operações (dois
2𝑛3
sistemas triangulares), o que representa um ganho substancial comparado com as operações
3
do método da eliminação de Gauss.
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-41
(0) (0)
(0) 𝑎21 2 (0) 𝑎31 1
Multiplicadores: 𝑚21 = (0) = =2 𝑚31 = (0) = =1
𝑎11 1 𝑎11 1
Então:
(1) (0) (1) (0) (0) (0)
𝐿1 ← 𝐿1 ; 𝐿2 ← −𝑚21 ∗ 𝐿1 + 𝐿2
(1) (0) (0) (0)
𝐿3 ← −𝑚31 ∗ 𝐿1 + 𝐿3
1 2 −1
A(1) = (0 −1 0 )
0 −4 2
Para a Coluna 2 da matriz A(1):
Pivô = 𝑎22 = −1
(1)
(1) 𝑎32 −4
Multiplicadores: 𝑚32 = (1) = −1 = 4
𝑎22
Então:
(2) (1) (2) (1)
𝐿1 ← 𝐿1 ; 𝐿2 ← 𝐿2
(2) (1) (1) (1)
𝐿3 ← −𝑚32 ∗ 𝐿2 + 𝐿3
1 2 −1
A(2) = (0 −1 0 )
0 0 2
Os fatores L e U são:
1 0 0 1 0 0 1 2 −1
𝑚
𝐿 = ( 21 1 0 ) = (2 1 0) e 𝑈 = (0 −1 0 )
𝑚31 𝑚32 1 1 4 1 0 0 2
Logo:
1 0 0 1 2 −1 1 2 −1
A = 𝐿 ∗ 𝑈 = (2 1 0) ∗ (0 −1 0 ) = (2 3 −2)
1 4 1 0 0 2 1 −2 1
Vamos aproveitar o Exercício acima para resolver um sistema de equações lineares
através da Decomposição LU.
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-42
62. Resolva o sistema linear a seguir usando a fatoração LU:
3𝑥1 + 2𝑥2 + 4𝑥3 = −1
{ 𝑥1 + 𝑥2 + 2𝑥3 = 10
4𝑥1 + 3𝑥2 + 2𝑥3 = 5
Resolução:
3 2 4 −1
A = (1 1 2) e 𝑏 = ( 10 )
4 3 2 5
Usando o processo de Gauss para triangular A, tem-se:
1ª coluna
Multiplicadores:
(0) (0)
(0) 𝑎21 1 (0) 𝑎31 4
𝑚21 = (0) = 3 e 𝑚31 = (0) =3
𝑎11 𝑎11
Aplicando os multiplicadores, obtém-se a matriz A(1):
3 2 4 𝐿1 → 𝐿1
(1) 0 1/3 2/3
𝐴 =( ) 𝐿2 → −𝑚21 ∗ 𝐿1 + 𝐿2
0 1/3 −10/3 𝐿3 → −𝑚31 ∗ 𝐿1 + 𝐿3
2ª coluna
Multiplicador:
(1)
(1) 𝑎32
𝑚32 = (1) =1
𝑎22
Aplicando o multiplicado, obtém-se a matriz A(2):
3 2 4 𝐿1 → 𝐿1
(2)
A = (0 1/3 2/3) 𝐿2 → 𝐿2
0 0 −4 𝐿3 → −𝑚32 ∗ 𝐿2 + 𝐿3
Os fatores L e U são:
1 0 0 3 2 4
𝐿 = (1/3 1 0) e 𝑈 = (0 1/3 2/3)
4/3 1 1 0 0 −4
Resolvendo o sistema L(Ux)=b, tem-se:
𝑦1 = −1
𝑦1
𝐿𝑦 = 𝑏 → { 3 + 𝑦2 = 10
4𝑦1
+ 𝑦2 + 𝑦3 = 5
3
−1
𝑦 = (31/3)
−4
3𝑥1 + 2𝑥2 + 4𝑥3 = −1
𝑥2 2𝑥 31
𝑈𝑥 = 𝑦 → { + 33 = 3
3
−4𝑥3 = −4
−21
𝑥 = ( 29 )
1
63. Resolva o sistema linear a seguir usando a fatoração LU:
3𝑥 − 0,1𝑦 − 0,2𝑧 = −1,2
{ 0,1𝑥 + 7𝑦 − 0,3𝑧 = 7,8
0,3𝑥 − 0,2𝑦 + 10𝑧 = 3,5
Resolução:
3 −0,1 −0,2 −1,2
A = (0,1 7 −0,3) e 𝑏 = ( 7,8 )
0,3 −0,2 10 3,5
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-43
Usando o processo de Gauss para triangular A, tem-se:
1ª coluna
Multiplicadores:
(0) (0)
𝑎21 𝑎31
𝑚21 = (0) = 0,0333 e 𝑚31 = (0) = 0,1
𝑎11 𝑎11
Aplicando os multiplicadores, obtém-se a matriz A(1):
3 −0,1 −0,2 𝐿1 → 𝐿1
(1)
A = (0 7,0033 −0,2933) 𝐿2 → −𝑚21 ∗ 𝐿1 + 𝐿2
0 −0,19 10,02 𝐿3 → −𝑚31 ∗ 𝐿1 + 𝐿3
2ª coluna
Multiplicador:
(1)
𝑎32
𝑚32 = (1) = −0,0271
𝑎22
Aplicando o multiplicado, obtém-se a matriz A(2):
3 −0,1 −0,2 𝐿1 → 𝐿1
(2)
A = (0 7,0033 −0,2933) 𝐿2 → 𝐿2
0 0 10,0120 𝐿3 → −𝑚32 ∗ 𝐿2 + 𝐿3
Os fatores L e U são:
1 0 0 3 −0,1 −0,2
𝐿 = (0,0333 1 0) e 𝑈 = (0 7,0033 −0,2933)
0,1 −0,0271 1 0 0 10,0120
Resolvendo o sistema L(Ux)=b, tem-se:
𝑦1 = −1,2
𝐿𝑦 = 𝑏 → {0,0333𝑦1 + 𝑦2 = 7,8
0,1𝑦1 − 0,0271𝑦2 + 𝑦3 = 3,5
−1,2
𝑦 = ( 7,84 )
3,8327
3𝑥1 − 0,1𝑥2 − 0,2𝑥3 = −1,2
𝑈𝑥 = 𝑦 → {7,0033𝑥2 − 0,2933𝑥3 = 7,84
10,0120𝑥3 = 3,8327
−0,3366
𝑥 = ( 1,1355 )
0,3828
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-44
1 1 1 𝐿1 → 𝐿1
(1)
A = (0 −1 −3) 𝐿2 → −𝑚21 ∗ 𝐿1 + 𝐿2
0 −1 2 𝐿3 → −𝑚31 ∗ 𝐿1 + 𝐿3
2ª coluna
Multiplicador:
(1)
𝑎32
𝑚32 = (1) =1
𝑎22
Aplicando o multiplicado, obtém-se a matriz A(2):
1 1 1 𝐿1 → 𝐿1
(2)
A = (0 −1 −3) 𝐿2 → 𝐿2
0 0 5 𝐿3 → −𝑚32 ∗ 𝐿2 + 𝐿3
Os fatores L e U são:
1 0 0 1 1 1
𝐿 = (2 1 0 ) e 𝑈 = (0 −1 −3)
3 1 1 0 0 5
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-45
4
2= (0)
𝑎11
(0)
𝑎11 = 2
Comparando a primeira linha das matrizes A e U, completamos a primeira linha dessas
matrizes:
2 −1 3 5
A=( 4 −1 10 8)
? −3 12 11
0 −2 −5 10
2 −1 3 5
𝑈 = (0 1 ? −2)
0 0 3 −4
0 0 0 10
(0)
𝑎31
Com o multiplicador 𝑚31 = (0) , podemos calcular os elementos 𝑎31 :
𝑎11
(0)
𝑎31
𝑚31 = (0)
𝑎11
(0)
𝑎31
3=
2
(0)
𝑎31 = 6
Assim, temos:
2 −1 3 5
A=( 4 −1 10 8)
6 −3 12 11
0 −2 −5 10
(1)
Com os dados obtidos da matriz A podemos calcular o elemento 𝑎23 :
(1) (0) (0)
𝑎23 = 𝑎23 − 𝑚21 ∗ 𝑎13
(1)
𝑎23 = 10 − 2 ∗ 3
(1)
𝑎23 = 4
Assim, temos:
2 −1 3 5
𝑈 = (0 1 4 −2)
0 0 3 −4
0 0 0 10
Usando o processo de Gauss para triangular A, tem-se:
2 −1 3 5
A(1) = (0 1 4 −2 )
0 0 3 −4
0 −2 −5 10
Com os dados dessa matriz podemos calcular o multiplicador 𝑚42 :
(1)
𝑎42
𝑚42 = (1) = −2
𝑎22
Assim, temos:
1 0 0 0
𝐿 = (2 1 0 0)
3 0 1 0
0 −2 1 1
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-46
3.2.4 Refinamento de Soluções
Seja x (0) a solução aproximada para A x = b . Obtém-se a solução melhorada x (1)
aplicando-se a correção (0 ) em x (0) .
x (1) = x (0) + (0 )
Se A x (1) = b , então
A ( x (0) + (0 ) )= b
A x (0) + A (0 ) = b
A (0 ) = b − A x (0)
A (0 ) = r (0) . Assim, (0 ) vem de [ A r (0) ].
Obtido o (0 ) , calcula-se x (1) = x (0) + (0 ) .
Repete-se o processo para se obter x (2) , x (3) , , x (k ) , até que se tenha a precisão
desejada. Logo, obtém-se o refinamento de forma iterativa pela seguinte equação:
x (i ) = x (i −1) + ( i −1) , com i =1, 2, k .
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-47
8,71 + 3,0 2 + 9,3 3 + 11,0 4 = − 0,0240
0 − 17,2483 2 − 14,6897 3 − 76,0770 4 = 0,0256
(0 )
[A r ]
0 0 + 7,4919 3 + 395,3167 4 = 0,0749
0 0 0 − 1700,2774 4 = 0,0000
Então:
(0 ) = − 0,0100 − 0,0100 0,0100 0,0000
T
[ A r (0) ] (0 )
x (0) = 1,01 2,01 − 1,01 1,00
T
Como:
x (1) = 1,0000 2,0000 − 1,0000 1,0000
T
x (1) = x (0) + (0 )
r (1) = b − A x (1) r (1) = 0,0000 0,0000 0,0000 0,0000T .
• Logo, após 1 refinamento, foi obtido r (1) =0 considerando 4 dígitos significativos. Logo, o
processo iterativo x (k ) = x ( k −1) + ( k −1) com k =1 levou a x = 1 2 − 1 1 .
T
OBS. 2: Para o sistema x = F x + d , é necessário que aii 0, i . Caso isto não ocorra,
o sistema A x =𝑏 deve ser reagrupado.
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-48
a12 a13 a1n b1
0 − − − a
a11 a11 a11
x1 a a a
x1 11
b
x − 21 0 − 23 − 2n x 2
2 a22 a22 a22 2 a 22
x3 = a31 a a x + b
− − 32 0 − 3n 3 3
a33 a33 a33 a33
xn x
a an 2 an3 n bn
− n1 − − 0
ann ann ann a nn
ou ainda x ( k +1) = F x (k ) + d o que é equivalente a:
( k +1) b1 − (a12 x2( k ) + a13 x3( k ) + a14 x4( k ) + + a1n xn( k ) )
x
1 =
a11
( k +1) b2 − (a 21 x1 + a23 x3 + a 24 x4( k ) + + a 2 n xn( k ) )
(k ) (k )
x2 =
a 22
x ( k +1) = bn − (a n1 x1 + an 2 x2 + an 3 x3 + + a n ( n−1) x( n−1) )
(k ) (k ) (k ) (k )
n a nn
2 1 7
0 − − 10
10 10
1 1 8
F = − 0 − e d = −
5 5 5
− 2 − 3 0 6
10 10 10
x3 =
10
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-49
10 2 1
Resolução:
A= 1 5 1
2 3 10
2 + 1 10
1 + 1 5
2 + 3 10
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-50
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-51
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-52
( k +1) 5 − ( x2( k ) + x3( k ) )
x1 =
5
( k +1) ( k +1) 6 − (3 x1( k ) + x3( k ) )
x (k )
= F x + d x2 =
4
( k +1) − (3 x1( k ) + 3 x2( k ) )
x3 =
6
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-53
1 i−1 n
i = aij j + aij , i = 2, 3, , n .
aii j =1 j =i +1
OBS. 3: Se o critério das linhas é satisfeito, então o critério de Sassenfeld também será
satisfeito.
Maiko
Cálculo Numérico Resolução de sistemas de equações lineares 3-54
1 1
1 = [ a12 + a13 ] = ·[0+3] = 3 > 1, logo o critério de Sassenfeld novamente não
a11 1
é satisfeito.
Permutando agora as colunas 1 e 3 tem-se o sistema de equações equivalente:
3x3 + x1 = 3
x3 − x 2 = 1 , e para esta disposição verifica-se que:
3x + x + 2 x = 9
3 2 1
1 1 1
1 = [ a12 + a13 ] = ·[0+1] =
a11 3 3
1 1 1 1
2 = [ a 21 1 + a 23 ] = · [ 1· +0 ] =
a 22 −1 3 3
1 1 1 1 2
3 = [ a31 1 + a32 2 ] = · [ 3· +1· ] =
a33 2 3 3 3
1 2 2
Então, M = max i = max { , }= 1. Logo o critério de Sassenfeld está satisfeito,
1i 3 3 3 3
o que garante a convergência do método de Gauss-Seidel aplicado a este sistema com esta
nova ordem de equações e incógnitas.
Maiko
Cálculo Numérico Interpolação 4-55
4 Interpolação
4.1 Interpolação polinomial
Uma função f ( x ) pode ser conhecida por um conjunto finito e discreto de n +1 pontos.
y ( x4 , y4 ) f (x )
( x0 , y0 )
( x1 , y1 )
(x3 , y3 ) ( x5 , y5 )
( x2 , y2 )
P(x )
x0 x1 x2 x3 x4 x5 x
xi yi
x0 y0
x1 y1
x2 y2
x3 y3
x4 y4
x5 y5
Para se INTERPOLAR os n +1 pontos obtidos da tabela, é utilizado um polinômio Pn (
x ) de tal forma que: Pn ( x i )= f ( x i ) para i =0, 1, , n .
Maiko
Cálculo Numérico Interpolação 4-56
A é uma matriz de VANDERMONDE e, sendo xi com i =0,1,, n , pontos distintos,
o det A 0. Assim o sistema admite solução única.
OBS. 1:
det A =( xn − xn −1 )( xn − xn − 2 )( xn − x0 )( xn −1 − xn − 2 )( xn −1 − xn − 3 )( xn −1 − x0
)
( x3 − x2 )( x3 − x1 )( x3 − x0 )( x2 − x1 )( x2 − x0 )( x1 − x0 ) det A = (xi − x j ).
i j
Maiko
Cálculo Numérico Interpolação 4-57
A forma de Lagrange para o polinômio interpolador é:
n n n (x − x j )
Pn ( x )= yi Li ( x ) ou Pn ( x )= yi (x
i =0 i =0 j =0 i − xj)
j i
( x − x1 )( x − x2 )( x − x3 ) ( x − 0)( x − 1)( x − 2) x 3 − 3x 2 + 2 x
L0 ( x )= = =
( x0 − x1 )( x0 − x2 )( x0 − x3 ) ( −1 − 0)( −1 − 1)( −1 − 2) −6
( x − x0 )( x − x2 )( x − x3 ) ( x + 1)( x − 1)( x − 2) x3 − 2 x 2 − x + 2
L1 ( x )= = =
( x1 − x0 )( x1 − x2 )( x1 − x3 ) (0 + 1)(0 − 1)(0 − 2) 2
( x − x0 )( x − x1 )( x − x3 ) ( x + 1)( x − 0)( x − 2) x3 − x 2 − 2 x
L2 ( x )= = =
( x2 − x0 )( x2 − x1 )( x2 − x3 ) (1 + 1)(1 − 0)(1 − 2) −2
( x − x0 )( x − x1 )( x − x2 ) ( x + 1)( x − 0)( x − 1) x3 − x
L3 ( x )= = =
( x3 − x0 )( x3 − x1 )( x3 − x2 ) ( 2 + 1)( 2 − 0)( 2 − 1) 6
Logo:
x 3 − 3x 2 + 2 x x3 − 2 x 2 − x + 2 x3 − x 2 − 2 x x3 − x
P3 ( x )= +3 + +
−6 2 −2 6
3 2
P3 ( x )= x −2 x − x +3
P3 (1,5)= P3 ( 32 )= ( 32 )3 −2 ( 32 ) 2 − 32 +3
27 9 3
P3 (1,5)= − 2 − +3
8 4 2
3
P3 (1,5)= P3 (1,5)=0,375
8
y
3
P3(x )
2
3
8
-1 0 1 3
2 2 x
Maiko
Cálculo Numérico Interpolação 4-58
Forma de Newton
A forma de Newton para o polinômio Pn ( x ) que interpola f ( x )
em x0 , x1 ,, xn , (𝑛 + 1) pontos distintos é a seguinte:
Maiko
Cálculo Numérico Interpolação 4-59
77. Interpolar o ponto x =1,5 na tabela abaixo, empregando a forma de Newton.
i 0 1 2 3
xi −1 0 1 2
yi 1 3 1 1
Resolução: n =3 é o grau máximo de P3 ( x ). Tabela de diferenças divididas:
x ordem 0 ordem 1 ordem 2 ordem 3
−1 1
3 −1
=2
0 − ( −1)
−2−2
0 3 =−2
1 − ( −1)
1− 3 1 − ( −2)
=−2 =1
1− 0 2 − ( −1)
0 − ( −2 )
1 1 =1
2−0
1−1
=0
2 −1
2 1
f ( n+1) ( x )
E n ( x )=( x − x0 )( x − x1 )( x − x n )
( n + 1)!
onde x ( x0 , x n ).
Esta fórmula tem uso limitado, pois são raras as situações em que f ( n+1) ( x ) é conhecida
e o ponto x nunca é conhecido.
Maiko
Cálculo Numérico Interpolação 4-60
4.2.1 Estimativa para o Erro
Utilizando a equação anterior, sendo f ( n+1) ( x ) contínua em I =[ x0 , x n ], pode-se
escrever:
| E n ( x )|=| f ( x )− Pn ( x )|
n
M n+1 ( n+1)
| E n ( x )| ( x − xi ) , onde M n+1 = max f ( x) .
i =0 ( n + 1)! xI
Ao se construir a tabela de diferenças divididas até ordem n +1, pode-se usar o maior
M n+1
valor em módulo desta ordem como aproximação para no intervalo I =[ x0 , x n ].
( n + 1)!
n
Então: | E n ( x )| ( x − xi ) max ( Dd )
i =0
sendo Dd os valores da tabela de diferenças divididas de ordem ( n +1).
• a) P2 (0,47)=0,278 f (0,47)
• b) | E n (0,47)||(0,47−0,4)(0,47−0,52)(0,47−0,6)||18,2492|
| E n (0,47)|8,303 10−3 .
Maiko
Cálculo Numérico Interpolação 4-61
79. Prove a igualdade seguinte.
x − x1 x − x0
P1 ( x )= f ( x0 ) + f ( x1 ) = f [ x0 ]+( x − x0 ) f [ x0 , x1]
x0 − x1 x1 − x0
Resolução:
x ordem 0 ordem 1
x0 f [ x0 ]= y0
y1 − y0
f [ x0 , x1 ]=
x1 − x0
x1 f [ x1 ]= y1 P1 ( x )= f [ x0 ]+( x − x0 ) f [ x0 , x1 ]
P1 ( x )= f [ x0 ]+( x − x0 ) f [ x0 , x1 ]
y1 − y0
P1 ( x )= y0 +( x − x0 )
x1 − x0
x − x0 x − x0
P1 ( x )= y0 + y1 − y0
x1 − x0 x1 − x0
x − x0 x − x0
P1 ( x )= y0 − y0 + y1
x1 − x0 x1 − x0
x − x0
P1 ( x )= y0 1 − + y1 x − x0
x1 − x0 x1 − x0
x − x − x + x0
P1 ( x )= y0 1 0 + y1 x − x0
x1 − x0 x1 − x0
x −x x − x0
P1 ( x )= y0 1 + y1
x1 − x0 x1 − x0
x − x1 x − x0
P1 ( x )= f ( x0 ) + f ( x1 )
x0 − x1 x1 − x0
Maiko
Cálculo Numérico Interpolação 4-62
80. Encontre x tal que f ( x )=2 pela tabela abaixo:
x 0,5 0,6 0,7 0,8 0,9 1,0
f (x) 1,65 1,82 2,01 2,23 2,46 2,72
Resolução:
Fazendo interpolação linear por x0 =0,6 e x1 =0,7:
x − x1 x − x0
P1 ( x )= f ( x0 ) + f ( x1 )
x0 − x1 x1 − x0
x − 0,7 x − 0,6
P1 ( x )=1,82 +2,01
− 0,1 0,1
P1 ( x )=−18,2 x +12,74+20,1 x −12,06 P1 ( x )=1,9 x +0,68.
2 − 0,68
P1 ( x )=2 1,9 x +0,68=2 x =
1,9
x =0,6947368.
Maiko
Cálculo Numérico Interpolação 4-63
P2 ( y )= g [ y0 ]+( y − y0 ) g [ y0 , y1 ]+( y − y0 )( y − y1 ) g [ y0 , y1 , y2 ]
P2 ( y )=0,2+( y −1,2214)0,7782+( y −1,2214)( y −1,3499)(−0,2718)
P2 (1,3165)=0,27487.
Assim, e0, 27487 1,3165 Na calculadora = 1,316359.
Erro cometido:
M3
| E2 ( y )| |( y − y0 )( y − y1 )( y − y2 )|
3!
M3
| E2 (1,3165)| |(1,3165−1,2214)(1,3165−1,3499)(1,3165−1,4918)|
3!
M3
| E2 (1,3165)| 5,5681 10−4 M 3 = max g ''' ( y ) , y [ y0 , y2 ].
3!
M3
• 1o Caso: pode ser aproximado por 0,1994 (tabela de diferenças divididas de ordem 3).
3!
| E2 (1,3165)| 5,5681 10−4 0,1994 | E2 ( y )| 1,11028 10−4 .
• 2o Caso: f ( x )= e x g ( y )= f −1 ( y )= ln y
1 1 2
g ' ( y )= g" ( y )=− 2 g"' ( y )= 3
y y y
2 M 1,0976
Logo: M 3 = 3
M 3 =1,0976, então 3 = =0,18293.
(1,2214) 3! 3!
| E2 (1,3165)| 5,5681 10−4 0,18293 | E2 ( y )| 1,0186 10−4 (limite superior).
1
2
P10(x )
f (x )
-1 - 12 0 1 1 x
2
Maiko
Cálculo Numérico Interpolação 4-64
Em certos casos, a aproximação por Pn ( x ) pode ser desastrosa. Uma alternativa é
interpolar f ( x ) em grupos de poucos pontos, obtendo-se polinômios de graus menores, e
impor condições para que a função de aproximação seja contínua e tenha derivadas contínuas
até uma certa ordem.
3) S p ( xi )= f ( xi ), com i =0,1,, n .
Nestes termos, S p ( x ) é denominada SPLINE INTERPOLANTE.
xi − x x − xi −1
si ( x )= f ( xi −1 ) + f ( xi ) , x [ xi −1 , xi ] (01)
xi − xi −1 xi − xi −1
S1 ( x ) definida dessa forma satisfaz as condições 1) , 2) e 3) .
82. Achar a função spline linear que interpola a função f ( x ) tabelada a seguir.
x0 x1 x2 x3
x 1 2 5 7
y= f (x ) 1 2 3 2,5
y
3 s3(x ) f (x )
2,5
s2(x )
2
s1(x )
1
0 1 2 3 4 5 6 7 x
Resolução: Pela definição, pode-se definir 3 splines lineares para os 4 pontos: s1 ( x ),
s2 ( x ) e s3 ( x ).
x1 − x x − x0
• s1 ( x )= y0 + y1
x1 − x0 x1 − x0
2− x x −1
s1 ( x )=1 +2 =2− x +2 x −2= x s1 ( x )= x , x [1,2].
2 −1 2 −1
Maiko
Cálculo Numérico Interpolação 4-65
x2 − x x − x1
• s2 ( x )= y1 + y2
x2 − x1 x2 − x1
5− x x−2 2 1 1
s2 ( x )=2 +3 = (5− x )+ x −2= ( x +4) s2 ( x )= ( x +4) , x [2,5].
5−2 5−2 3 3 3
x3 − x x − x2
• s3 ( x )= y2 + y3
x3 − x2 x3 − x2
7−x x−5
s3 ( x )=3 +2,5 s3 ( x )= 12 (−0,5 x +8,5) , x [5,7].
7−5 7−5
Então, no intervalo [ a , b ]=[1,7], a spline linear S1 ( x ) é dada por:
s1( x ) , se x [1,2]; 1
s1( x ) = x, s2 ( x ) = ( x + 4)
3
S1 ( x )= s2 ( x ) , se x [2,5]; tal que
s ( x ) , se x [5,7]. e s ( x ) = 1 ( −0,5 x + 8,5).
3
3
2
1) S3 ( x )= sk ( x ) para x [ xk −1 , xk ], k =1,2,, n .
2) S3 ( xi )= f ( xi ), com i =0,1,, n .
3) sk ( xk )= sk +1 ( xk ), k =1,2,,( n −1).
Maiko
Cálculo Numérico Interpolação 4-66
Condição 3) para k =1,2,,( n −1).
sk +1 ( xk )= f ( xk )
− ak +1 h 3k +1 + bk +1 h k2 +1 − ck +1 hk +1 + d k +1 = f ( xk ) (05)
Para as condições 4) e 5) , tome as derivadas:
sk, ( x )=3 a k ( x − xk )2+2 bk ( x − xk )+ c k (06)
sk,, ( xk )
bk = (08)
2
Para x = xk −1 sk, , ( xk −1 )=−6 a k hk +2 bk .
2bk − sk,, ( xk −1 ) sk,, ( xk ) − sk,, ( xk −1 )
ak = = .
6h k 6h k
Impondo a condição 5) , sk, , ( xk −1 )= sk,,−1 ( xk −1 ), obtém-se:
sk,, ( xk ) − sk,,−1( xk −1 )
ak = , com s0, , ( x0 ) arbitrária (09)
6hk
Na obtenção de c k , utilizam-se as equações (04) e (05):
− f ( xk −1 ) − ak h3k + bk hk2 + d k
ck = , d k = f ( xk )
hk
f ( xk ) − f ( xk −1 )
ck = −( a k hk2 − bk hk ), substituindo a k e bk obtém-se:
hk
f ( xk ) − f ( xk −1 ) sk,, ( xk ) − sk,,−1( xk −1 ) s ,, ( x )
ck = − hk − k k hk
hk 6 2
Daí, c k pode ser dado por:
,, ,,
f ( xk ) − f ( xk −1 ) 2sk ( xk ) h k + sk −1( xk −1 ) h k
ck = + (10)
hk 6
Na obtenção dos coeficientes, tome yk = f ( xk ) e g k = sk, , ( xk ).
g k − g k −1
ak = (11)
6h k
gk
bk = (12)
2
yk − yk −1 2hk g k + g k −1hk
ck = + (13)
hk 6
d k = yk (14)
Impondo a última condição 4) , sk, ( xk )= sk, +1 ( xk ), com k =1,2,,( n −1), conclui-se
que:
Maiko
Cálculo Numérico Interpolação 4-67
c k =3 a k +1 h k2 +1 −2 bk +1 hk +1 + c k +1
c k +1 = c k −3 a k +1 h k2 +1 +2 bk +1 hk +1 .
Fazendo-se algumas substituições, através das equações (11), (12) e (13):
yk +1 − yk 2hk +1g k +1 + g k hk +1 yk − yk −1 2hk g k + g k −1hk g − gk g k +1hk +1
+ = + −3 k +1 hk +1 +2
hk +1 6 hk 6 6 2
Daí, chega-se a equação (15):
y − yk yk − yk −1
hk gk −1 +2( hk + hk +1 ) g k + hk +1gk +1 =6 k +1 − , com k =1,2,,( n −1) (15)
hk +1 h
k
A equação (15) é um sistema de equações lineares A g = b , onde k =1,2,,( n −1).
A ordem do sistema é: A( n−1)( n+1) , g(n+1)1 e b(n−1)1 .
Pela variação de k , o sistema A g = b é indeterminado. Para se resolver o sistema, de
forma única, é necessário impor mais duas condições, apresentadas nas três alternativas a
seguir.
• (1a) Spline Natural nos extremos, S3 ( x0 ) é aproximadamente linear.
S3" ( x0 )= g 0 =0
S3" ( xn )= g n =0
Maiko
Cálculo Numérico Interpolação 4-68
83. Encontrar uma aproximação para f (0,25) por spline cúbica natural, interpolando a
tabela:
x0 x1 x2 x3 x4
x 0 0,5 1,0 1,5 2,0
=
y f (x
3 1,8616 −0,5571 −4,1987 −9,0536
)
Resolução: n =4, logo, procura-se s1 ( x ), s 2 ( x ), s 3 ( x ) e s 4 ( x ).
Spline Natural k =1,2,,( n −1) k =1,2,3 Utilizando a (15), segue que:
y − yk yk − yk −1
hk gk −1 +2( hk + hk +1 ) g k + hk +1gk +1 =6 k +1 −
hk +1 h
k
hk = xk − xk −1 hk =0,5 k . hk = h =0,5 .
6
Equação (15) h g k −1 +4 h g k + h g k +1 = ( yk +1 − 2 yk + yk −1 ) , com k =1,2,3.
h
Desenvolvendo o sistema A g = b :
6
hg0 + 4hg1 + hg2 = h ( y2 − 2 y1 + y0 )
6
hg1 + 4hg2 + hg3 = ( y3 − 2 y2 + y1 )
h
hg + 4hg + hg = 6 ( y − 2 y + y )
2 3 4
h
4 3 2
g 0 = g4 =0 (Spline Natural).
Então,
4h h 0 g1 y2 − 2 y1 + y0
6
A g = b h 4h h g 2 =
h y3 − 2 y2 + y1 .
0 h 4h g3 y4 − 2 y3 + y2
Substituindo os valores:
2 0,5 0 g1 − 15,3636 − 6,6541
0,5 2 0,5 g = − 14,6748 = − 4,111 .
g
2
0 0,5 2 g3 − 14,5598 − 6,252
Forma geral de s i ( x ) s i ( x )= ai ( x − xi )3+ bi ( x − xi )2+ ci ( x − xi )+ d i , com i =1,2,3,4.
f (0,25) s1 (0,25)
g1 − g 0 − 6,6541
a1 = = a1 =−2,218
6h 3
g
b1 = 1 =−3,327 b1 =−3,327
2
y − y0 2hg1 + g 0 h
c1 = 1 + =−3,3858 c1 =−3,3858
h 6
d 1 = y1 =1,8616 d 1 =1,8616
Logo, s1 (0,25)=−2,218(−0,25)3−3,327(−0,25)2−3,3858(−0,25)+1,8616
s1 (0,25)=2,5348 f (0,25) .
Maiko
Cálculo Numérico Interpolação 4-69
Considerando os próximos 5 exercícios, encontrar uma aproximação para f ( x ) por
spline cúbica natural, interpolando a tabela:
x0 x1 x2 x3 x4
x 0 0,5 1,0 1,5 2,0
y= f (x
3 1,8616 −0,5571 −4,1987 −9,0536
)
n =4, logo, procura-se s1 ( x ), s 2 ( x ), s 3 ( x ) e s 4 ( x ).
Do exercício anterior, a forma geral de s i ( x ) é dada por:
s i ( x )= ai ( x − xi )3+ bi ( x − xi )2+ ci ( x − xi )+ d i , com i =1,2,3,4.
84. f (0,8).
Resolução:
f (0,8) s 2 (0,8)
g 2 − g1
a2 = =0,8477 a 2 =0,8477
6h
g
b2 = 2 =−2,0555 b2 =−2,0555
2
y2 − y1 2hg2 + g1h
c2 = + =−6,0771 c 2 =−6,0771
h 6
d 2 = y2 =−0,5571 d 2 =−0,5571
Logo, s 2 (0,8)=0,8477(−0,2)3−2,0555(−0,2)2−6,0771(−0,2)−0,5571
s 2 (0,8)=0,5693 f (0,8) .
85. f (1,1).
Resolução:
f (1,1) s 3 (1,1)
g3 − g 2
a3 = =−0,7137 a3 =−0,7137
6h
g
b3 = 3 =−3,1260 b3 =−3,1260
2
y3 − y2 2hg3 + g 2 h
c3 = + =−8,6678 c 3 =−8,6678
h 6
d 3 = y3 =−4,1987 d 3 =−4,1987
Logo, s 3 (1,1)=−0,7137(−0,4) −3,1260(−0,4)2−8,6678(−0,4)−4,1987
3
s 3 (1,1)=−1,1861 f (1,1) .
Maiko
Cálculo Numérico Interpolação 4-70
86. f (1,2).
Resolução:
f (1,2) s 3 (1,2)
g3 − g 2
a3 = =−0,7137 a3 =−0,7137
6h
g
b3 = 3 =−3,1260 b3 =−3,1260
2
y − y2 2hg3 + g 2 h
c3 = 3 + =−8,6678 c 3 =−8,6678
h 6
d 3 = y3 =−4,1987 d 3 =−4,1987
Logo, s 3 (1,2)=−0,7137(−0,3) −3,1260(−0,3)2−8,6678(−0,3)−4,1987
3
s 3 (1,2)=−1,8604 f (1,2) .
87. f (1,3).
Resolução:
f (1,3) s 3 (1,3)
g3 − g 2
a3 = =−0,7137 a3 =−0,7137
6h
g
b3 = 3 =−3,1260 b3 =−3,1260
2
y − y2 2hg3 + g 2 h
c3 = 3 + =−8,6678 c 3 =−8,6678
h 6
d 3 = y3 =−4,1987 d 3 =−4,1987
Logo, s 3 (1,3)=−0,7137(−0,2) −3,1260(−0,2)2−8,6678(−0,2)−4,1987
3
s 3 (1,3)=−2,5845 f (1,3) .
88. f (1,7).
Resolução:
f (1,7) s 4 (1,7)
g 4 − g3
a4 = =2,0840 a 4 =2,0840
6h
g
b4 = 4 =0 b4 =0
2
y − y3 2hg4 + g3h
c4 = 4 + =−10,2308 c 4 =−10,2308
h 6
d 4 = y4 =−9,0536 d 4 =−9,0536
Logo, s 4 (1,7)=2,0840(−0,3) +0(−0,3) −10,2308(−0,3)−9,0536
3 2
s 4 (1,7)=−6,0406 f (1,7) .
Maiko
Cálculo Numérico Integração Numérica 5-71
a x
b
Maiko
Cálculo Numérico Integração Numérica 5-72
f ( xk)
dk
g( xk ) x
xk
Para isto é necessário que:
F
(1 , 2 , 3 ,, n ) =0, j =1, 2, 3, , n , isto é:
j
F
(1 , 2 , 3 ,, n ) =
j
Maiko
Cálculo Numérico Integração Numérica 5-73
m
2· [ f ( xk ) − 1 g1 ( xk ) − 2 g 2 ( xk ) − − n g n ( xk )] [− g j ( xk )] =0, j =1, 2, 3, , n
k =1
ou
m
[ f ( xk ) − 1 g1 ( xk ) − 2 g 2 ( xk ) − − n g n ( xk )] [ g j ( xk )] =0,
k =1
j =1, 2, 3, , n
Assim, tem-se o seguinte sistema de n equações lineares com n incógnitas 1 , 2 ,
3 , ,n :
m
[ f ( xk ) − 1 g1 ( xk ) − 2 g 2 ( xk ) − − n g n ( xk )] [ g1 ( xk )] = 0
k =1
m
[ f ( xk ) − 1 g1 ( xk ) − 2 g 2 ( xk ) − − n g n ( xk )] [ g 2 ( xk )] = 0
k =1
m
[ f ( xk ) − 1 g1 ( xk ) − 2 g 2 ( xk ) − − n g n ( xk )] [ g n ( xk )] = 0
k =1
Que é equivalente a:
m m m
1 k g ( x ) g ( x
1 k ) 1 + + 1 k g ( x ) g ( x
n k ) n = g1 ( xk ) f ( xk )
k =1 k =1 k =1
m
g ( x ) g ( x ) + + g ( x ) g ( x ) = g ( x ) f ( x )
m m
2 k 1 k 1 2 k n k n 2 k k
k =1 k =1 k =1
m m m
g n ( xk ) g1 ( xk ) 1 + + g n ( xk ) g n ( xk ) n = g n ( xk ) f ( xk )
k =1 k =1 k =1
As equações deste sistema linear são chamadas de equações normais.
Este sistema pode ser escrito na forma matricial A = b :
a111 + a12 2 + + a1n n = b1
a + a + + a2 n n = b2
21 1 22 2
an11 + an 2 2 + + ann n = bn
m m
onde A = ( aij ) tal que aij = g i ( xk ) g j ( xk ) = g j ( xk ) g i ( xk ) = a ji , ou seja, A é
k =1 k =1
uma matriz simétrica;
m
= [1 , 2 ,, n ]T e b = [b1 , b2 ,, bn ]T é tal que bi = g i ( xk ) f ( xk ) .
k =1
m
Lembrando que, dados os vetores x e y m o número real x, y = xk y k é
k =1
chamado de produto escalar de x por y , e usando esta notação no sistema normal A = b ,
tem-se: aij = g i , g j e bi = gi , f onde:
g l é o vetor [ g l ( x1 ) g l ( x2 ) g l ( x3 ) g l ( xm )]T e
Maiko
Cálculo Numérico Integração Numérica 5-74
f é o vetor [ f ( x1 ) f ( x2 ) f ( x3 ) f ( xm )]T .
Desta forma o sistema na forma matricial fica:
g1 , g1 g1 , g 2 g1 , g n 1 g1 , f
g , g g , g g , g
g , f
2 1 2 2 2 n 2
= 2
g n , g1 g n , g 2 g n , g n n g n , f
Demonstra-se que, se as funções g1 ( x ), g 2 ( x ), g 3 ( x ), , g n ( x ) forem tais que os
vetores g1 , g 2 , g 3 ,, g n , sejam linearmente independentes (LI), então det A 0 e o sistema de
equações é possível e determinado (SPD). Demonstra-se ainda que a solução única deste
sistema, 1 , 2 , 3 , , n é o ponto em que a função F ( 1 , 2 , 3 ,, n ) atinge seu valor
mínimo.
OBS. 3: Se os vetores g1 , g 2 , g 3 ,, g n , forem ortogonais entre si, isto é, se g i , g j = 0
se i j e g i , g j 0 se i = j , a matriz dos coeficientes A será uma matriz diagonal, o que
facilita a resolução do sistema A = b .
89. (Regressão Linear) Ajustar os dados da tabela abaixo através de uma reta.
i 1 2 3 4 5
xi 1,3 3,4 5,1 6,8 8,0
f ( xi ) 2,0 5,2 3,8 6,1 5,8
Resolução: Fazendo g ( x) = 1 g1 ( x) + 2 g 2 ( x) e considerando
g1 (x ) = 1 e g 2 (x ) = x , tem-se: g ( x) = 1 + 2 x .
Assim, a reta que melhor se ajusta aos valores da tabela terá coeficientes 1 e 2 , que são
solução do seguinte sistema na forma matricial:
g1 , g1 g1 , g 2 1 g1 , f
g , g g , g =
2 1 2 2 2 g 2 , f
g1 = [1 1 1 1 1]T
g 2 = [1,3 3,4 5,1 6,8 8,0]T
f = [2,0 5,2 3,8 6,1 5,8]T
g1 , g1 = (1)(1)+(1)(1)+(1)(1)+(1)(1)+(1)(1) = 5
g1 , g 2 = (1)(1,3)+(1)(3,4)+(1)(5,1)+(1)(6,8)+(1)(8,0) = 24,6
g 2 , g1 = (1,3)(1)+(3,4)(1)+(5,1)(1)+(6,8)(1)+(8,0)(1) = 24,6
g 2 , g 2 = (1,3)(1,3)+(3,4)(3,4)+(5,1)(5,1)+(6,8)(6,8)+(8,0)(8,0) = 149,50
g1 , f = (1)(2,0)+(1)(5,2)+(1)(3,8)+(1)(6,1)+(1)(5,8) = 22,9
g 2 , f = (1,3)(2,0)+(3,4)(5,2)+(5,1)(3,8)+(6,8)(6,1)+(8,0)(5,8) = 127,54
Assim,
5 24 ,6 1 22 ,9
24 ,6 149 ,50 = 127 ,54 1 = 2,01 e 2 = 0,522
2
Logo a equação da reta procurada é:
g ( x ) = 1 + 2 x g (x) = 2,01+0,522 x
Maiko
Cálculo Numérico Integração Numérica 5-75
90. Ajustar os dados da tabela através da parábola g1 ( x) = x 2 :
i 1 2 3 4 5 6 7 8 9 10 11
xi −1 −0,75 −0,6 −0,5 −0,3 0 0,2 0,4 0,5 0,7 1
f ( xi ) 2,05 1,153 0,45 0,4 0,5 0 0,2 0,6 0,512 1,2 2,05
y
2
-1 1 x
Resolução: Fazendo g ( x ) = 1 g1 ( x ) e considerando g1 (x ) = x 2 , obtém-se g ( x) = 1 x 2 .
Assim, para se obter a parábola que melhor se ajusta aos pontos da tabela, será necessário
encontrar 1 do sistema:
g1 , g1 1 = f , g1
g1 = [(−1) 2 (−0,75) 2 (−0,6) 2 (0,7) 2 (1) 2 ]T
f = [2,05 1,153 0,45 1,2 2,05]T
g1 , g1 = (−1) 2 (−1) 2 +(−0,75) 2 (−0,75) 2 +(−0,6) 2 (−0,6) 2 + + (0,7) 2 (0,7) 2 +
(1) 2 (1) 2 = 2,8464
g1 , f = (−1) 2 (2,05)+(−0,75) 2 (1,153)+(−0,6) 2 (0,45)+ + (0,7) 2 (1,2) +
(1) 2 (2,05) = 5,8756.
5,8756
Assim, 1 = = 2,0642
2,8464
Logo a equação da parábola procurada é: g ( x) = 1 x2 g( x) = 2,0642 x2
g1 , g1 g1 , g 2 g1 , g 3 1 g1 , f
g , g g , g g , g = g , f
2 1 2 2 2 3 2 2
g 3 , g1 g 3 , g 2 g 3 , g 3 3 g 3 , f
Maiko
Cálculo Numérico Integração Numérica 5-76
g1 = [1 1 1 1]T
g 2 = [− 2 − 1 1 2]T
g 3 = [( −2) 2 ( −1) 2 (1) 2 ( 2) 2 ]T
f = [1 − 3 1 9]T
g1 , g1 = (1)(1)+(1)(1)+(1)(1)+(1)(1) = 4
g1 , g 2 = (1)(−2)+(1)(−1)+(1)(1)+(1)(2) = 0
g 2 , g1 = (−2)(1)+(−1)(1)+(1)(1)+(2)(1) = 0
g1 , g 3 = (1) (−2) 2 +(1) (−1) 2 +(1) (1)2 +(1) ( 2) 2 = 10
g 3 , g1 = (−2) 2 (1)+ (−1) 2 (1)+ (1)2 (1)+ ( 2) 2 (1) = 10
g 2 , g 2 = (−2)( −2)+(−1)(−1)+(1)(1)+(2)(2) = 10
g 2 , g 3 = (−2) (−2) 2 +(−1) (−1) 2 +(1) (1)2 +(2) ( 2) 2 = 0
g 3 , g 2 = (−2) 2 (−2)+ (−1) 2 (−1)+ (1)2 (1)+ ( 2) 2 (2) = 0
g 3 , g 3 = (−2) 2 (−2) 2 + (−1) 2 (−1) 2 + (1)2 (1)2 + ( 2) 2 ( 2) 2 = 34
g1 , f = (1)(1)+(1)(−3)+(1)(1)+(1)(9) = 8
g 2 , f = (−2)(1)+(−1)(−3)+(1)(1)+(2)(9) = 20
g3 , f = (−2) 2 (1)+ (−1) 2 (−3)+ (1)2 (1)+ ( 2) 2 (9)= 38 Assim,
4 0 10 1 8
0 10 0 = 20 = −3, = 2 e = 2. Logo a equação da
2 1 2 3
10 0 34 3 38
parábola procurada é: g ( x) = 1 + 2 x + 3 x 2 g(x) = − 3 + 2 x + 2 x 2
Maiko
Cálculo Numérico Integração Numérica 5-77
F
Ao desenvolver ()=0, j =1,2,, n , obtém-se:
j
b 2 b g ( x ) g ( x )dx b
a g1 ( x )dx 1 + +
a 1 n n
= a f ( x) g1( x)dx
b
g 2 ( x ) g1( x )dx 1 + + g 2 ( x ) g n ( x )dx n
b b
a a
= a f ( x) g 2 ( x)dx .
b g 2 ( x )dx
b b
a g n ( x ) g1( x )dx 1 + +
a n n
= a f ( x) gn ( x)dx
Este é um sistema linear A = b de ordem n .
b
A =( aij ) tal que aij = a gi ( x) g j ( x)dx = a ji aij = a ji .
A é SIMÉTRICA. =( 1 , 2 , 3 ,, n ) e b =( b1 , b2 , b3 ,, bn ), tal que
b
bi = f ( x) gi ( x)dx .
a
Usando a definição de produto escalar de duas funções p ( x ) e q ( x ) no intervalo
b
[ a , b ] por p, q = p( x) q( x)dx , o sistema A = b fica:
a
A =( aij )= gi , g j e b =( bi )= f , gi .
92. Aproximar a função f ( x )=4 x 3 por um polinômio do primeiro grau, uma reta, no
intervalo [0,1].
Resolução:
g ( x )= 1 g1 ( x )+ 2 g 2 ( x )= 1 + 2 x , isto é, g1 ( x )=1 e g 2 ( x )= x .
a11 a12 1 b1 g1 , g1 g1 , g 2 1 f , g1
A = b = =
a21 a22 2 b2 g 2 , g1 g 2 , g 2 2 f , g 2
1 1 1
0 g1 ( x)dx = 0 dx = x 0 =1
2
a11 = g1 , g1 =
1
1 x2 1 1
a12 = g1 , g 2 = g 2 , g1 = a21 = g1( x ) g 2 ( x )dx = xdx = =
0 0 2 2
0
1
1 1 x3 1
a22 = g 2 , g 2 = 0 g22 ( x)dx = x 2dx =
0 3
=
3
0
1 1 1
0 f ( x)g1( x)dx = 0 4 x dx = x
3 4
b1 = f , g1 = =1
0
1
1 1 4x 5 41
0 f ( x) g 2 ( x)dx = 4 x xdx = 4 x dx =
3 4
b2 = f , g 2 = =
0 0 5 5
0
1 1 1 1 4 18
A = b 1 2
1
= 4 1 =− e 2 = .
2 3 2 5 5 5
Logo:
18 4
g ( x )= x − f ( x )=4 x 3 em [0,1].
5 5
Maiko
Cálculo Numérico Integração Numérica 5-78
93. Aproximar a função f ( x )= e x no intervalo [0,1] por uma reta.
Resolução:
g ( x )= 1 g1 ( x )+ 2 g 2 ( x )= 1 + 2 x ,
isto é, g1 ( x )=1 e g2 ( x )= x .
0 1 1dx = x0 =1
1 1
a11 = g1 , g1 = 1,1 =
1
1 x2 1
a12 = g1 , g 2 = 1, x = 1 xdx = =
0
2 0 2
1
a21 = g 2 , g1 = g1 , g 2 =
2
1
1 2 x3 1
a22 = g 2 , g 2 = x, x = 0
x dx =
3
=
0 3
b1 = f , g1 = e x ,1 =
1 x
0 e dx = 1
ex 0 = e −1
1 x
b2 = f , g 2 = e x , x = 0 e xdx
x e x dx =?
Fazendo u = x → du = dx e dv = e x dx → v = e x , obtém-se:
x e x dx = x e x − e x dx = x e x − e x = ( x − 1)e x + C
0 x e dx = ( x − 1) e
1 x x 1
Logo, 0 = 0−(−1 e0 ) =1.
Assim:
1 1 1 e − 1
A = b 1 2
1
= 1 =4 e −10 e 2 =18−6 e .
2 3 2 1
Logo:
x
g ( x )=(18−6 e ) x +4 e −10 f ( x )= e em [0,1].
Maiko
Cálculo Numérico Integração Numérica 5-79
• 3o) f ( x ) 1 + 2 x = g ( x )
f 2 ( x ) 1 + 2 x = G ( x ).
Fazendo 1 = a1 e 2 = a2 , tem-se: G ( x )= a1 + a2 x ,
Desta forma G ( x ) f 2 ( x ), sendo que G ( x ) é linear nos parâmetros a1 e a 2 .
Maiko
Cálculo Numérico Integração Numérica 5-80
94. Ajustar os dados da tabela que segue por uma função da forma g ( x )= 1 e 2 x .
x 0 1 2
f (x) 1 0,5 0,7
Resolução: Desta forma, “linearizando” a função g ( x )= 1 e 2 x , como no primeiro
exemplo anterior, tem-se:
ln f ( x ) ln 1 e 2 x = ln 1 + 2 x = G ( x ).
Fazendo ln 1 = a1 e 2 = a2 , tem-se: G ( x )= a1 + a2 x .
Desta forma G ( x ) ln f ( x ), sendo que G ( x ) é linear nos parâmetros a1 e a 2 .
Fazendo agora g1 ( x ) =1 e g 2 ( x ) = x :
g1 , g1 g1 , g 2 a1 ln f , g1
g , g g , g a =
2 1 2 2 2 ln f , g 2
g1 = 1 1 1
T
g2 = 0 1 2
T
Maiko
Cálculo Numérico Integração Numérica 6-81
6 Integração Numérica
Se uma função f ( x ) é contínua em um intervalo [ a , b ] e sua primitiva F ( x ) é
conhecida, então
b
a f ( x)dx = F ( b )− F ( a ) (01)
onde F ' ( x )= f ( x ).
Por outro lado, nem sempre se tem F ( x ) e em alguns casos, a função a ser integrada é
dada por meio de tabela de pontos. Neste caso, torna-se necessária a utilização de métodos
numéricos.
A idéia básica da integração numérica é a substituição da função f ( x ) por um
polinômio que a aproxime no intervalo [ a , b ]. Assim o problema fica resolvido pela integração
de polinômios, o que é trivial de se fazer.
f ( x 0)
0 a= x0 b= x1 x
h = b - a , h = x 1- x 0
A integral de f ( x ) no intervalo [ a , b ] é aproximada pela área de um trapézio.
b h
a f ( x)dx
2
[ f ( x 0 )+ f ( x1 )] = IT (02)
x − x1 x − x0
p1 ( x )= f ( x 0 )+ f ( x1 ) (03)
−h h
Maiko
Cálculo Numérico Integração Numérica 6-82
Estimativa para o Erro
f ( n +1) ( x )
f ( x )= p1 ( x )+ E ( x ) E n ( x )=( x − x 0 )( x − x n )
(n + 1)!
f " ( x )
E ( x )=( x − x 0 )( x − x1 ) , x ( x 0 , x1 )
2
f " ( x )
f ( x )= p1 ( x )+( x − x 0 )( x − x1 ) .
2
Integrando f ( x ):
x1 x1 x1 f " ( x ) x = a
x f ( x ) dx = p1 ( x ) dx + ( x − x 0 )( x − x1 ) dx , com 0
2 x1 = b
0 x0 x0
b
IT = a p1 ( x ) dx
b f " ( x )
ET = ( x − a )( x − b ) dx
a 2
1 " b
ET = f ( c ) ( x − a )( x − b ) dx
2 a
1 " ( b − a )3
ET =− f ( c )
2 6
h3 "
ET =− f ( c ) com c ( a , b ) (04)
12
ou
h3
| ET | max | f " ( x )| (05)
12 [ a ,b ]
x
OBS. 4:
b
b x 3 ax 2 bx 2 ( a − b) 3 ( b − a )3
a
2
( x − a x − b x + a b ) dx = − − + abx = =− .
3 2 2 a 6 6
9
95. Calcular 1 6x − 5 dx , usando a regra dos trapézios.
Resolução:
a =1, b =9 e f ( x )= 6 x − 5
h = b − a h =9−1 h =8.
b h
a f ( x)dx 2
[ f ( a )+ f ( b )] = IT
f ( a )= f (1)=1
f ( b )= f (9)=7
9 8
1 6x − 5 dx
2
[1+7] IT =32.
O erro cometido será, no máximo:
Maiko
Cálculo Numérico Integração Numérica 6-83
h3
| ET | max | f " ( x )|
12 x[ a ,b ]
f " ( x )= − 9(6 x − 5)−3 / 2
83
| ET | max | − 9(6 x − 5)−3 / 2 |
12 [1,9]
x
x =1 | ET | 384
x =9 | ET | 1,119
Logo, | ET | 384.
f (x )
0 a= x0 x1 x2 x3 x n -1 b= xn x
h = x1 − x 0 = x 2 − x1 = x 3 − x 2 = = x n − x n −1
b−a
h= , com n sendo o número de subdivisões do intervalo [ a , b ].
n
b
a f ( x)dx A1 + A2 + A3 ++ An tal que Ai =área do trapézio i , com i =1,2,, n .
h
Ai = [ f ( x i −1 )+ f ( x i )]
2
n −1
b h
a f ( x )dx [ f ( x 0 )+ f ( x n )+2 f ( x i ) ] (06)
2 i =1
(b − a ) 3
| E TR | max | f " ( x )| (07)
12n 2 x[ a ,b ]
Prove (07), tal que ETR = n ET .
9
96. Calcular 1 6x − 5 dx empregando o método dos trapézios com 8 repetições.
Determine uma aproximação para o erro cometido.
Resolução:
7
9 9 h
1 f ( x)dx = 1 6x − 5 dx 2 [ f ( x0 )+ f ( x8 )+2
i =1
f ( xi ) ]
b − a 9 −1
h= = h =1
n 8
Maiko
Cálculo Numérico Integração Numérica 6-84
x x 0 =1 x1 =2 x 2 =3 x 3 =4 x 4 =5 x 5 =6 x 6 =7 x 7 =8 x8 =9
f (x) 1 2,65 3,61 4,36 5 5,57 6,08 6,56 7
9 1
1 6x − 5 dx [1+7+2(2,65+3,61+4,36+5+5,57+6,08+6,56)] = 37,83.
2
9
1 6x − 5 dx 37,83.
Erro cometido será, no máximo:
(b − a ) 3 " 83
| E TR | 2
max | f ( x )| = max |−9(6 x −5)−3/2| = 6.
2 x[1,9 ]
12n x[ a , b ] 12 8
f
Neste caso em particular, ( x ) pode ser integrada de forma exata:
49
9 49 du u 3 / 2 49 7 1 343 − 1
1 6x − 5 dx = 1 u
6
=
9
=
9
− =
9 9
= 38.
1
1
97. Seja I = e x dx . Calcule uma aproximação para I usando 10 subintervalos e a regra
0
dos trapézios repetida. Estimar o erro cometido.
Resolução:
b−a 1 i
h= = h =0,1 xi = , com i =0,1,,10.
n 10 10
9
1 1 x 0,1
0 f ( x)dx = 0 e dx 2 [ f ( x0 )+ f ( x10 )+2 i =1
f ( xi ) ]
1 x 0,1 0 1
0 e dx 2 [ e + e +2( e + e + e + e + e + e + e + e + e )] = 1,7197.
0,1 0, 2 0,3 0, 4 0,5 0, 6 0, 7 0,8 0,9
1 x
0 e dx 1,7197.
Erro cometido será, no máximo:
(b − a ) 3 (1 − 0) 3
| E TR | max | f "
( x )| = max | e x | 0,00227.
12n 2 x[ a ,b ] 12 10 2 x[ 0,1]
1
98. Seja I = e x dx . Qual o número mínimo de subdivisões, para a regra dos trapézios
0
repetida aplicada em I , de modo que o erro seja inferior a 10−3?
(b − a ) 3
Resolução: | E TR | 2
max | f " ( x )| max | e x |= e .
12n x[ a ,b ] x[ 0 ,1]
1 e
e 10−3 n2 n 15,05
12 n 2
12 10−3
n =16.
Maiko
Cálculo Numérico Integração Numérica 6-85
2 (x − x j )
tal que Li ( x )= , com i =0,1,2.
j = 0 ( xi − xj)
j i
y
f (x )
f ( x 0) p2(x )
f ( x 2)
f ( x 1)
0 a= x0 m= x 1 b= x2 x
h h
x0 = a , x1 = m e x2 = b
a+b
m = x1 =
2
b−a
h=
2
x0 − x1 =− h , x0 − x2 =−2 h ,
x1 − x0 = h , x1 − x2 =− h ,
x2 − x0 =2 h , x2 − x1 = h .
( x − x1 )( x − x 2 ) ( x − x 0 )( x − x 2 ) ( x − x 0 )( x − x1 )
p 2 ( x )= f ( x 0 )+ f ( x1 )+ f ( x2 )
( − h )( −2h ) ( h)( −h) ( 2h )( h )
b x2 x2
a f ( x)dx = x 0
f ( x )dx p2 ( x )dx
x0
f ( x0 ) x2 f ( x1 ) x2 f ( x2 )
=
2h2
x ( x − x1 )( x − x2 )dx −
0 h2
x ( x − x0 )( x − x2 )dx +
0 2h2
x2
x 0
( x − x0 )( x − x1 )dx
h
= [ f ( x 0 )+4 f ( x1 )+ f ( x2 )]. Logo:
3
b x2 h
a f ( x )dx = f ( x )dx [ f ( x 0 )+4 f ( x1 )+ f ( x2 )]
x0 3
(08)
b b f ''' ( x )
ES = R2 ( x)dx = ( x − x0 )( x − x1 )( x − x2 ) dx (09)
a a 3!
Maiko
Cálculo Numérico Integração Numérica 6-86
Mudança de Variável
x − x0 x0 − x 0
z= x = hz + x 0 x = x0 = a z = z =0
h h
x2 − x 0 2h
x = x2 = b z = = z =2
h h
dx
dz = dx = h dz
h
h f ''' ( z ) 2
ES =
6 0 hz ( hz − h )( hz −2 h ) dz
h 4 f ''' ( z ) 2 h 4 ''' 2
0 0 ( z
3
ES = z ( z −1)( z −2) dz = f ( z ) − 3z 2 + 2 z ) dz
6 6
2
h 4 ''' z4 3 2 h 4 '''
ES = f ( z ) − z + z = f ( z ) 0 = 0.
6 4 0 6
=0
Logo, ES =0. Isso quer dizer que ES não depende de R2 (resíduo de 2o grau).
Então:
b b f 4 ( x )
ES = R3 ( x)dx = ( x − x0 )( x − x1 )( x − x2 )( x − x3 ) dx
a a 4!
h5 f 4 ( z ) 2 h5 4 2 4
f ( z ) ( z − 6 z + 11z − 6 z )dz
3 2
ES = z ( z −1)( z −2)( z −3) dz =
24 0 24 0
4
=−
15
h5 4
ES = − f () com ( a b ).
90
h5
ES = max | f 4 (x) | (10)
90 x[ a ,b ]
b−a ( b − a )5
Considerando h = h5 = , tem-se:
2 32
( b − a )5
ES max | f 4 (x) | (11)
2880 x[ a ,b ]
Maiko
Cálculo Numérico Integração Numérica 6-87
6.1.4 Regra 1/3 de Simpson repetida
f (x )
0 a= x0 x1 x2 x3 x4 x5 x6 xm -2 xm -1 b = x m x
h
b−a
Na figura, tome h = h = xi − xi −1 ( i =1,2, m ), para m =2 n m é par.
2n
Aplica-se a regra de Simpson repetidas vezes no intervalo [ a , b ]=[ x0 , xm ].
x0 , x1 ,, xm são pontos igualmente espaçados.
Então:
n
h
a f ( x)dx = x0 f ( x)dx
b xm
[ y 2i − 2 +4 y 2i −1 + y 2i ]
i =1 3
h h h
[ y 0 +4 y1 + y2 ]+ [ y2 +4 y 3 + y4 ]++ [ ym − 2 +4 y m −1 + ym ]
3 3 3
b h
a f ( x)dx 3 [ y 0 + ym +2( y2 + y4 ++ ym − 2 )+4( y1 + y3 ++ y m−1 )]
−1 m m
b h 2 2
a f ( x )dx y 0 + ym +2 y2i +4 y2i −1 (12)
3 i =1 i =1
h5
ESR n max | f 4 (x) | (13)
90 x[ a ,b ]
b−a ( b − a )5
Considerando h = h5 = , tem-se:
2n 32n5
( b − a )5
ESR max | 4 |
4 x[ a , b ] f (x )
(14)
2880 n
Maiko
Cálculo Numérico Integração Numérica 6-88
1
99. Seja I = e x dx . Calcule uma aproximação para I usando a regra 1/3 de Simpson com
m 0
=10. Estime o erro cometido.
Resolução:
Sendo m =10, h =1/10 h =0,1.
1 x 0,1 0,0
0 e dx 3 ( e +4 e +2 e +4 e +2 e ++2 e +4 e + e )
0,1 0, 2 0,3 0, 4 0,8 0,9 1, 0
1 x
0 e dx 1,71828278.
Estimativa do erro:
(1 − 0)5
ESR max | e x |
4 x[ 0 ,1]
2880 5
e
ESR 4
ESR 1,5101610−6 .
2880 5
Observe que ESR 0,00000151 e ETR 0,00227.
1
100. Seja I = e x dx . Para que valor de m teríamos erro inferior a 10−3?
0
Resolução:
( b − a )5 m
ESR max | f 4 (x) | Obs: m =2 n n =
2880 n 4 x[ a ,b ] 2
(1 − 0)5 e
e 10−3 n4
2880 n 4
2880 10−3
n4 0,943848 n 0,9856563.
m =2 n 1,9713
m =2 Para um erro inferior a 10−3 seriam necessários 2 subintervalos.
Obs: na regra dos trapézios com repetição são necessários 16 intervalos.
10
101. Seja I = log xdx . Aproxime I com a regra dos trapézios com 8 repetições. Estime o
6
erro cometido.
Resolução:
b − a 10 − 6
h= = h =0,5.
n 8
i 0 1 2 3 4 5 6 7 8
xi 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5 10,0
Maiko
Cálculo Numérico Integração Numérica 6-89
10
6 log xdx 3,59331166.
Estimativa do erro:
(10 − 6)3 d 2 log x 43 log e
ETR 2
max 2
ETR 2
2
12 8 x[ 6 ,10] dx 12 8 6
ETR 0,0010053113.
10
102. Seja I = log xdx . Aproxime I com a regra de Simpson com 8 subintervalos. Estime
6
o erro cometido.
Resolução:
b − a 10 − 6
h= = h =0,5. m =8 e n =4.
m 8
i 0 1 2 3 4 5 6 7 8
xi 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5 10,0
d log x 1 d 2 log x −1
Obs: = 2
= 2
dx x ln 10 dx x ln 10
2
d log x log e
2
=− 2 .
dx x
3
d log x 2 log e
= .
dx 3 x3
d 4 log x − 6 log e
= .
dx 4 x4
10 0,5
6 log xdx
3
[0,77815125+1,0+2(0,84509804+0,90308999+0,95424251)
+4(0,81291336+0,87506126+0,92941893+0,97772361)]=3,5939135.
10
6 log xdx 3,5939135.
Estimativa do erro:
(10 − 6)5 4 45 6 log e
E SR max | f (x) | E SR
4 x[ 6 ,10] 4
4
2880 n 2880 4 6
E SR 0,0000027925.
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-90
dy
103. Resolver a seguinte EDO: =− xy .
dx
Resolução:
dy
=− xy
dx
1 1
dy =− x dx
y y dy = (− x) dx
2 2
x2 − x +c −x
ln y =− + c y = e 2 y = e 2 ec
2
2
− x2
y =k e , para k . Que representa uma família de curvas em 2.
104. Para a mesma EDO anterior, y , =− xy , resolva considerando uma condição inicial
y ( x0 )= y0 , com x0 =0 e y0 =1.
dy
dx = − xy 2
− x2 −0
Resolução: (PVI) y =k e 1= k e 2
y(0) = 1
condição
inicial
2
− x2
k =1 y = e .
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-91
y (xm )
Solução
Exata ym
y (x3)
y (x2) Solução
y (x1) y3 Numérica
y (x0)
y (x0) = y0 y2
y0 y1
x0 x1 x2 x3 xm-1 xm
• NOTAÇÃO: y ( x j ) y j significa que y j é aproximação para y ( x j ), x j I h .
,
y = f ( x, y )
(02)
y( x0 ) = y0 = , sendo um número dado.
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-92
Para se aproximar y j para as soluções exatas y ( x j ), com j =1,2,, m , procura-se
inicialmente y1 .
T
y1
e1
y (x1) y (x )
y (x0) = y0
x0 x1
Traça-se a tangente T à curva y ( x ) no ponto ( x0 , y ( x0 )), cuja equação é:
y ( x )= y ( x0 )+( x − x0 ) y , ( x0 ) (03)
Fazendo x = x1 e lembrando que y ( x0 )= y0 , x1 − x0 = h , y , ( x0 )= f ( x0 , y ( x0 )) e
y1 y ( x1 ), tem-se:
y1 = y0 + h f ( x0 , y ( x0 )) (04)
Erro cometido
e1 = y1 − y ( x1 ).
y j +1 = y j + h f ( x j , y j )
, com j =0,1,2,, m −1 (05)
e j +1 = y j +1 − y( x j +1 )
O método de Euler consiste em calcular RECURSIVAMENTE a seqüência { y j }
através das fórmulas:
( A) y0 = y( a ) =
, com j =0,1,2,, m −1 (06)
( B ) y j +1 = y j + h f ( x j , y j )
y, = x − y + 2
105. Achar aproximações para a solução do PVI na malha de [0,1] com
y ( 0) = 2
h =0,1.
Resolução:
1− 0
x0 =0, y0 =2, a =0, b =1, m = → m =10.
0,1
Usar a Eq 06 para j =0,1,2,,9.
• j =0:
y1 = y0 + h f ( x0 , y0 )= y0 + h ( x0 − y0 +2)
y1 =2+0,1 f (0,2)
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-93
y1 =2+0,1 (0−2+2) y1 =2
x1 = x0 + h
x1 =0+0,1 x1 =0,1
• j =1:
y2 = y1 + h f ( x1 , y1 )= y1 + h ( x1 − y1 +2)
y2 =2+0,1 (0,1−2+2) y2 =2,01
x2 = x1 + h
x2 =0,1+0,1 x2 =0,2
• TABELA:
j xj yj y ( xj ) y j − y ( x j )= e j
0 0 2 2 0
1 0,1 2 2,004837 -0,004837
2 0,2 2,01 2,018731 -0,008731
3 0,3 2,029 2,040818 -0,011818
4 0,4 2,0561 2,07032 -0,01422
5 0,5 2,09049 2,106531 -0,016041
6 0,6 2,131441 2,148812 -0,017371
7 0,7 2,1782969 2,196585 -0,0182881
8 0,8 2,23046721 2,249329 -0,01886179
9 0,9 2,287420489 2,30657 -0,019149511
10 1 2,34867844 2,367879 -0,01920056
Na pratica, não se dispõe da solução exata y ( x j ) do PVI. Daí a necessidade de se
determinar uma expressão matemática para o erro. Usa-se a fórmula de Taylor para desenvolver
y ( x ), solução teórica do PVI, em torno de x0 :
x − x0 , ( x − x0 )2 ,, ( x − x0 )3 ,,,
y ( x )= y ( x0 )+ x
y ( 0 )+ x
y ( 0 )+ y ( x0 )+ (07)
1! 2! 3!
Fazendo x = x1 e lembrando que y ( x0 )= y0 , x1 − x0 = h , y , ( x0 )= f ( x0 , y ( x0 )) e
y1 = y ( x1 ), toma-se os dois primeiros termos da equação (07):
y1 = y0 + h f ( x0 , y0 ). Generalizando-se, tem-se equação (05).
h 2 ,,
ej = y (), x j −1 x j , (08)
2!
que é o ERRO LOCAL DE TRUNCAMENTO – ELT.
Na prática, procura-se estabelecer COTAS ou ESTIMATIVAS para que se possa
conduzir o cálculo do erro com segurança.
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-94
Toma-se k = y ,, (), constante e h suficientemente pequeno para ser tomado como
parâmetro do ELT. Diz-se que ELT é da ordem de h2 e se escreve ( h2 ).
h 2 ,,
y j +1 = y j + h y , ( x j )+ y ( x j ), para j =0,1,2,, m −1. (10)
2!
h3 ,,,
e j +1 = y (), x j x j +1 . (11)
3!
OBS. 2: Em (10), y , ( x j )= f ( x j , y j ).
y ,, ( x j )=? Regra da cadeia de f em relação a x j :
f f
( x j , y j ) = ( x j , y j ) x ( x j , y j ) + f ( x j , y j ) y ( x j , y j )
x x
x y
x
= y ,, ( x j ) =1 = f (x j ,y j )
f f
y ,, ( x j )= ( x j , y j )+ ( x j , y j ) f ( x j , y j )
x y
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-95
y, = x − y + 2
106. Achar aproximações para a solução do PVI na malha [0,1] com h =0,1
y ( 0) = 2
usando o método da equação (10).
Resolução:
1− 0
x0 =0, y0 =2, a =0, b =1, m = → m =10.
0,1
Usar equação (10) para j =0,1,,9.
• j =0:
h 2 ,,
y1 = y0 + h y , ( x0 )+ y ( x0 ) y , ( x0 )= f ( x0 , y0 )
2!
y , ( x0 )= x0 − y0 +2.
f f
y ,, ( x0 )= ( x0 , y0 )+ ( x0 , y0 ) f ( x0 , y0 )
x y
y ,, ( x0 )= y0 − x0 −1.
h2
y1 = y0 + h ( x0 − y0 +2)+ ( y0 − x0 −1)
2
( 0,1) 2
y1 =2+0,1(0−2+2)+ (2−0−1)
2
y1 =2,005 x1 = x0 + h → x1 =0+0,1 → x1 =0,1.
• j =1:
h 2 ,,
y2 = y1 + h y , ( x1 )+ y ( x1 )
2!
h2
y2 = y1 + h ( x1 − y1 +2)+ ( y1 − x1 −1)
2
( 0,1) 2
y2 =2,005+0,1(0,1−2,005+2)+ (2,005−0,1−1)
2
y2 =2,019025 x2 = x0 +2 h → x2 =0+20,1 → x2 =0,2.
• TABELA:
j xj yj y ( xj ) y j − y ( x j )= e j
0 0 2 2 0
1 0,1 2,005 2,004837 0,000163
2 0,2 2,019025 2,018731 0,000294
3 0,3 2,041217625 2,040818 0,000399625
4 0,4 2,070801951 2,07032 0,000481951
5 0,5 2,107075765 2,106531 0,000544765
6 0,6 2,149403568 2,148812 0,000591568
7 0,7 2,197210229 2,196585 0,000625229
8 0,8 2,249975257 2,249329 0,000646257
9 0,9 2,307227608 2,30657 0,000657608
10 1 2,368540985 2,367879 0,000661985
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-96
7.2.4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda
Ordem)
Retomando a equação (09): y j +1 = y j + h ( x j , y j ; h ), para j =0,1,2,, m −1.
1
Fazendo-se ( x j , y j ; h )= ( k1 + k2 ) e substituindo na equação, tem-se:
2
h
y j +1 = y j +
( k1 + k2 ), para j =0,1,2,, m −1 (12)
2
onde k1 = f ( x j , y j ) e k2 = f ( x j + h , y j + h k1 ).
dy
= − xy
107. Achar aproximações para a solução do PVI dx na malha [0,1] com h =0,5
y(0) = 1
usando o método de Euler Aprimorado.
Resolução:
2
j xj yj k1 k2 y ( x j )= e− x / 2 | y j − y ( x j )|
0 0 1 0 -0,5 1 0
1 0,5 0,875 -0,4375 -0,65625 0,882496903 0,007496903
2 1 0,6015625 0,60653066 0,00496816
h
y j +1 = y j + ( k1 +2 k2 +2 k3 + k4 ), para j =0,1,2,, m −1 (13)
6
onde k1 = f ( x j , y j ),
h h
k2 = f ( x j + , y j + k1 ),
2 2
h h
k3 = f ( x j + , y j + k2 ) e
2 2
k4 = f ( x j + h , y j + h k3 ).
h5 (5)
ej = y (), x j −1 x j (14)
5!
Maiko
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-97
dy
= − xy
108. Calcular a solução do PVI dx com h =0,1, no interior do intervalo [0,1], pelo
y(0) = 1
método de Runge-Kutta de quarta ordem.
h
Resolução: y j +1 = y j + ( k1 +2 k2 +2 k3 + k4 ), para j =0,1,2,,9.
6
k1 =− x j y j
k2 =−( x j +0,05)( y j +0,05 k1 )
k3 =−( x j +0,05)( y j +0,05 k2 )
k4 =−( x j +0,1)( y j +0,1 k3 )
j xj yj k1 k2 k3 k4
0 0 1 0 -0,05 -0,049875 -0,09950125
1 0,1 0,995012479 -0,099501248 -0,148505613 -0,14813808 -0,196039734
2 0,2 0,980198673 -0,196039735 -0,242599172 -0,242017179 -0,286799087
3 0,3 0,955997481 -0,286799244 -0,329580132 -0,328831466 -0,369245734
4 0,4 0,923116345 -0,369246538 -0,407094308 -0,406242733 -0,441246036
5 0,5 0,882496901 -0,44124845 -0,473238963 -0,472359224 -0,501156587
6 0,6 0,83527021 -0,501162126 -0,526637868 -0,525809906 -0,547882454
7 0,7 0,782704542 -0,547893179 -0,566482412 -0,565785316 -0,580900808
8 0,8 0,726149051 -0,580919241 -0,592537626 -0,592043844 -0,6002502
9 0,9 0,666976845 -0,60027916 -0,605114742 -0,604885052 -0,606488339
10 1 0,606530726
y, = x − y + 2
109. Achar aproximação para a solução do PVI na malha [0,1] com h =0,1
y ( 0) = 2
usando o método de Runge-Kutta de segunda ordem (Euler aprimorado).
1− 0
Resolução: x0 =0, y0 =2, a =0, b =1, m = → m =10
0,1
0,1
y j +1 = y j + ( k1 + k2 ), para j =0,1,2,,9 k1 = x j − y j +2 e k2 = x j +0,1− y j −0,1 k1 +2
2
j xj yj k1 k2
0 0 2 0 0,1
1 0,1 2,005 0,095 0,1855
2 0,2 2,019025 0,180975 0,2628775
3 0,3 2,041217625 0,258782375 0,332904138
4 0,4 2,070801951 0,329198049 0,396278244
5 0,5 2,107075765 0,392924235 0,453631811
6 0,6 2,149403568 0,450596432 0,505536789
7 0,7 2,197210229 0,502789771 0,552510794
8 0,8 2,249975257 0,550024743 0,595022269
9 0,9 2,307227608 0,592772392 0,633495153
10 1 2,368540985
Maiko
Cálculo Numérico Referências Bibliográficas 8-98
8 Referências Bibliográficas
1 ALBRECHT, P. Análise numérica: um curso moderno. Rio de Janeiro: LTC - Livros
Técnicos e Científicos: UNIVERSIDADE DE SÃO PAULO – USP, 1973.
2 JACQUES, I.; JUDD, C. Numerical analysis. London: Chapman and Hall, 1987.
3 SANTOS, V. R. B. Curso de cálculo numérico. São Paulo: USP, 1982.
4 BARROSO, L. C. Cálculo numérico (com aplicações). São Paulo: Harbra Editora
Ltda., 1987.
5 BURDEN, R. L.; FAIRES, D. Análise Numérica. São Paulo: Thomson/Pioneira, 2008.
6 MIRSHAWKA, V. Cálculo numérico. São Paulo: Nobel, 1981.
7 RUGGIERO, M. A. G. e LOPES, V. L. R. Cálculo numérico: aspéctos teóricos e
computacionais. São Paulo: Makron Books, 1997.
8 SPERANDIO, D.; MENDES, J. T.; SILVA, L. H. M. e. Cálculo numérico:
características matemáticas e computacionais dos dos métodos numéricos. São Paulo:
Prentice Hall, 2003.
Maiko