CN - Notas de Aula 2015-1

Cálculo Numérico
Notas de Aulas Teóricas
Organizado por
Profa. Ma. Cristian Mara Mazzini Medeiros Patrício
Graduação: Curso Superior de Tecnologia Elétrica – Modalidade

Telecomunicações / Centro de Ensino Superior Prof. Plínio Mendes dos Santos
– CESUP, Campo Grande, MS/1994.
Graduação: Engenharia Elétrica / Universidade para o Desenvolvimento do

Estado e da Região do Pantanal – UNIDERP, Campo Grande, MS/2003.
Mestrado: Engenharia Elétrica / Universidade Federal de Mato Grosso do Sul

– UFMS, Campo Grande, MS/2005.
2015/1
1
Este material tem por
finalidade orientar os
acadêmicos dos cursos de
Engenharia da Universidade
Anhanguera UNIDERP – no
que diz respeito ao estudo de
Cálculo Numérico
Computacional (Métodos
Numéricos). Não pretende
substituir a literatura disponível
nas bibliotecas e livrarias, ao
contrário, pretende apresentar
aos acadêmicos em formação,
textos produzidos por autores
consagrados nesta área de
trabalho através de citações e
exercícios. Pretende, também,
servir como guia na busca de
bibliografia disponível nesta
Universidade para
complementação do conteúdo
trabalhado em sala de aula.
2
SUMÁRIO
Capítulo 1. Introdução ao Cálculo Computacional .............................................. 8
1.1. Cálculo Numérico Computacional ........................................................................ 8
1.2. Cálculo Numérico e a Matemática ....................................................................... 8
1.3. Algoritmos Numéricos .......................................................................................... 8
1.4. Exemplos de Algoritmos Numéricos .................................................................... 9
1.4.1. Soma e média aritmética de N valores ............................................................. 9
1.4.2. Seleção da pessoa ideal ................................................................................ 10
1.5. Resolução de Problemas Numéricos ................................................................. 10
1.6. Programação Básica ......................................................................................... 11
1.7. Exercícios .......................................................................................................... 15
Capítulo 2. Raízes de Equações .......................................................................... 17
2.1. Introdução ......................................................................................................... 17
2.2. Localização de Raízes ....................................................................................... 18
2.2.1. Valor numérico de f(x) .................................................................................... 18
2.2.2. Como saber se uma raiz é simples ou dupla? ................................................ 18
2.3. Análise de uma Equação – Método de Tabelas com Aproximações Sucessivas ...
.......................................................................................................................... 19
2.4. Exercícios .......................................................................................................... 23
Capítulo 3. Raízes de Equações – Métodos De Um Ponto................................. 24
3.1. Introdução ......................................................................................................... 24
3.2. Método de Aproximações Sucessivas ............................................................... 24
3.2.1. “xi” está convergindo? .................................................................................... 25
3.2.2. “g(x)” dará convergência? .............................................................................. 25
3.2.3. Algoritmo de Aproximações Sucessivas ......................................................... 26
3.2.4. Exercício ........................................................................................................ 26
iii
3.3. Método de Newton-Raphson ............................................................................. 27
3.3.1. Algoritmo de Newton-Raphson....................................................................... 30
3.3.2. Exercícios ...................................................................................................... 30
Capítulo 4. Raízes de Equações – Métodos De Dois Pontos............................. 32
4.1. Introdução ......................................................................................................... 32
4.2. Método da Bisseção .......................................................................................... 32
4.2.1. Algoritmo da Bisseção ................................................................................... 34
4.2.2. Exercícios ...................................................................................................... 35
4.3. Método da Falsa Posição ou “Regula Falsi” ...................................................... 35
4.3.1. Algoritmo da Falsa Posição ............................................................................ 37
4.3.2. Exercício ........................................................................................................ 38
Capítulo 5. Raízes de Equações – Métodos de Múltiplos Passos ..................... 39
5.1. Introdução ......................................................................................................... 39
5.2. Método das Secantes ........................................................................................ 39
5.2.1. Método de iteração ........................................................................................ 40
5.2.2. Critério de parada .......................................................................................... 40
5.2.3. Algoritmo do Método das Secantes. ............................................................... 40
5.2.4. Exercício ........................................................................................................ 42
Capítulo 6. Matrizes .............................................................................................. 43
6.1. Introdução ......................................................................................................... 43
6.2. Matrizes – Propriedades Fundamentais............................................................. 43
6.3. Tipos de Matrizes .............................................................................................. 43
6.3.1. Exemplos ....................................................................................................... 44
6.3.2. Algumas matrizes quadradas especiais: ........................................................ 44
6.4. Operações com Matrizes ................................................................................... 46
6.4.1. Soma algébrica das matrizes ......................................................................... 46
iv
6.4.2. Produto de matriz por uma constante (s) ....................................................... 46
6.4.3. Produto de duas matrizes .............................................................................. 47
6.4.4. Transposta de uma matriz .............................................................................. 47
6.5. Matriz singular ................................................................................................... 48
6.6. Matriz inversa .................................................................................................... 48
6.7. Cálculo de Determinantes – Eliminação de Gauss ............................................ 49
6.7.1. Pivoteamento prévio ...................................................................................... 51
6.7.2. Pivoteamento durante o processo .................................................................. 52
6.8. Algoritmo da Eliminação de Gauss para Cálculo do Determinante .................... 54
6.8.1. Algoritmo do Determinante de A .................................................................... 54
6.8.2. Algoritmo do Pivoteamento ............................................................................ 55
6.9. Exercícios .......................................................................................................... 55
Capítulo 7. Sistema de Equações Lineares ........................................................ 57
7.1. Introdução ......................................................................................................... 57
7.2. Sistemas Lineares em Notação Matricial ........................................................... 57
7.3. Métodos Diretos de Solução .............................................................................. 57
7.3.1. Método de Eliminação de Gauss .................................................................... 58
7.3.1.1. Eliminação de Gauss sem pivoteamento. ................................................... 58
7.3.1.2. Algoritmo do método de Eliminação de Gauss ........................................... 59
7.3.1.3. Algoritmo de Pivoteamento ......................................................................... 61
7.3.1.4. Exercícios ................................................................................................... 61
7.3.1.5. Aplicação prática ........................................................................................ 62
7.3.2. Método de Gauss-Jordan ............................................................................... 64
7.3.2.1. Exemplo do método de Gauss-Jordan........................................................ 65
7.3.2.2. Algoritmo de Gauss-Jordan ........................................................................ 66
7.3.2.3. Algoritmo de Pivoteamento ......................................................................... 67
7.3.2.4. Exercícios ................................................................................................... 67
v
7.4. Métodos Iterativos de Solução ........................................................................... 68
7.4.1. Método de Gauss-Jacobi ............................................................................... 69
7.4.1.1. Critério de parada ....................................................................................... 70
7.4.1.2. Algoritmo do método de Gauss-Jacobi ....................................................... 70
7.4.1.3. Desenvolvimento do método de Gauss-Jacobi através de exemplo. .......... 71
7.4.1.4. Exercícios ................................................................................................... 72
7.4.2. Método de Gauss-Seidel ................................................................................ 72
7.4.2.1. Critério de convergência das linhas ............................................................ 73
7.4.2.2. Critério de convergência das colunas ......................................................... 73
7.4.2.3. Critério de parada ....................................................................................... 74
7.4.2.4. Algoritmo do método de Gauss-Seidel ....................................................... 74
7.4.2.5. Desenvolvimento de método Gauss-Seidel através de exemplo ................ 75
7.4.2.6. Exercícios ................................................................................................... 75
Capítulo 8. Sistemas de Equações Não-Lineares .............................................. 77
8.1. Método de Newton ............................................................................................ 77
8.2. Critério de Parada ............................................................................................. 79
8.3. Desenvolvimento de Método Através de Exemplo ............................................. 79
8.4. Exercícios .......................................................................................................... 81
Capítulo 9. Integração Numérica ......................................................................... 82
9.1. Introdução ......................................................................................................... 82
9.2. Interpolação ....................................................................................................... 82
9.3. Método dos Trapézios ....................................................................................... 83
9.3.1. Algoritmo do método dos Trapézios ............................................................... 84
9.3.2. Desenvolvimento de método através de exemplo .......................................... 85
9.3.3. Exercícios ...................................................................................................... 85
9.4. Método de Simpson (1ª Regra).......................................................................... 85
9.4.1. Algoritmo do método de Simpson (1ª Regra) ................................................. 87
vi
9.4.3. Exercícios ...................................................................................................... 88
9.5. Método de Simpson (2ª Regra).......................................................................... 89
9.5.1. Algoritmo do método de Simpson (2ª Regra) ................................................. 90
9.5.3. Exercícios ...................................................................................................... 91
9.6. Integração Dupla ............................................................................................... 92
9.6.1. Método de resolução analítica ....................................................................... 92
9.6.2. Método de resolução numérico ...................................................................... 93
9.6.4. Algoritmo do método de integração dupla – 1ª regra de Simpson .................. 95
9.6.5. Exercícios ...................................................................................................... 96
Capítulo 10. Soluções Numéricas de Equações Diferenciais Ordinárias ........... 98
10.1. Introdução ...................................................................................................... 98
10.2. Método de Passos Simples (EDO de 1ª ordem) ............................................. 98
10.2.1. Método de Euler ............................................................................................. 99
10.2.1.1. Desenvolvimento de método através de exemplo..................................... 100
10.2.1.2. Algoritmo de Euler .................................................................................... 100
10.2.2. Método de Runge-Kutta. .............................................................................. 101
10.2.2.1. Método de Runge-Kutta (4ª ordem) .......................................................... 101
10.2.2.2. Desenvolvimento de método através de exemplo..................................... 102
10.2.2.3. Algoritmo de Runge-Kutta (4ª ordem) ....................................................... 102
10.3. Exercícios .................................................................................................... 103
Referências .......................................................................................................... 104
vii
Cálculo Numérico – Notas de Aulas Teóricas
Capítulo 1.
Introdução ao Cálculo Computacional
1.1. Cálculo Numérico Computacional
Dentre as inúmeras aplicações do computador destaca-se a mais antiga delas: o

cálculo numérico para fins técnicos e científicos.
O objetivo de um método numérico é produzir respostas numéricas a problemas

matemáticos. Os métodos numéricos foram desenvolvidos para facilitar a vida daqueles
que não são puramente matemáticos, porém tem necessidade de realizar cálculos com
muita frequência. É o caso dos engenheiros que, que nem sempre precisam de valores
exatos, mas de valores com uma precisão aceitável.
É importante ter-se em mente que o cálculo numérico apresenta resultados

aproximados, devendo-se estabelecer tolerâncias aceitáveis de erros que não
comprometam a finalidade dos cálculos.
1.2. Cálculo Numérico e a Matemática
A matemática computacional pode ser definida como sendo o estudo da matemática

sob o ponto de vista computacional, ou ainda, como sendo o ramo da matemática que
estuda algoritmos suscetíveis de implementação em máquinas digitais. Ela trata, portanto,
da resolução algorítmica de problemas, utilizando o computador.
1.3. Algoritmos Numéricos
Algoritmo é uma sequência ordenada e sem ambiguidade, de passos e de

operações, estabelecida de modo formal, com o objetivo de resolver um determinado
problema ou vários problemas de um mesmo tipo. Se o problema a ser resolvido envolve
Profa. Ma. Cristian Mara Mazzini Medeiros Patrício 8
 cristianmara.patricio@uniderp.edu.br
cálculos e dados numéricos, o algoritmo é dito numérico.
As principais características de um algoritmo numérico são:
 Deve ser logicamente correto;

 Deve ser independente de linguagem de programação e de equipamento;
 Deve ser implementado em qualquer linguagem e em qualquer tipo de máquina;
 Deve conter uma quantidade finita de cálculos (critério de parada bem definidos);
 Deve conter critério de exatidão (resultados tão próximos do exato que for
necessário para satisfazer ao fim a que se destina);
 Deve ser eficaz, ou seja, não conter erros e produzir resultados confiáveis;
 Deve ser eficiente, isto é, apresentar rapidez de execução e economia de memória;
 Deve ser bem documentado (comentários) para facilitar entendimento para fins de
manutenção.
1.4. Exemplos de Algoritmos Numéricos
1.4.1. Soma e média aritmética de N valores
Fazer um algoritmo para estabelecer a soma e a média aritmética de N valores
Algoritmo SOMA_MEDIA
Início
Ler N
SOMA ← 0
MEDIA ← 0
Para I de 1 até N executar
Ler VALOR
SOMA ← SOMA + VALOR
Fim (Para)
MEDIA ← SOMA / N
Escrever “Soma =”; SOMA
Escrever “Média =”; MEDIA
Fim

1.4.2. Seleção da pessoa ideal
Fazer um algoritmo que leia o nome, sexo, altura e peso de uma pessoa e escreva o
nome que foi lido se a pessoa for do sexo feminino, com mais de 70 kg e no mínimo 1,75
cm de altura.
Algoritmo PESSOA_IDEAL
Início
Ler NOME, SEXO, ALTURA, PESO
Se SEXO = “feminino” e PESO > 70 e ALTURA ≥ 1,75 então
Escrever “Nome =”; NOME
Fim (Se)
Fim
1.5. Resolução de Problemas Numéricos
Para resolvermos um problema numérico, do mais simples ao mais complexo

possível, devemos passar pelas seguintes fases:
 Análise do problema, que visa definir a precisão dos resultados e dos dados a
serem coletados ou de medições a serem realizadas, com base na análise de todos
os fatores que possam de alguma forma, influenciar o resultado final;
 Modelagem matemática da solução, que visa definir os parâmetros e as equações
que melhor representam o fenômeno tratado pelo problema e, os métodos de
resolução numérica adequados ao caso;
 Desenvolvimento dos algoritmos numéricos referentes ao modelo de solução
concebido;
 Implantação do algoritmo em uma linguagem de programação adequada;
 Execução de testes e análise dos resultados e dos erros ocorridos;
 Em caso de necessidade, retornar a qualquer fase anterior até que se obtenha
resultados considerados satisfatórios pelos critérios adotados;
 Otimização da solução, se possível, e documentação de todo o processo;
 Solução do problema.
Resumidamente, as fases para resolução de problemas numéricos podem ser

estruturadas conforme a Figura 1.
Levantamento de Construção do
Problema real
dados modelo
Implementação
Análise dos resultados Escolha do método
computacional do
obtidos numérico adequado
método escolhido
Se necessário:
reformular o modelo
ou escolher novo
método numérico
Figura 1 - Fases para resolução de problemas numéricos.
1.6. Programação Básica
A partir de agora veremos um conjunto de regras e convenções para o

desenvolvimento de algoritmos. Utilizaremos de uma pseudo-linguagem que possui
recursos básicos disponíveis em quaisquer linguagens de programação científica.
Regra 1. Inicialização e finalização de uma sequência de comandos:
Início
< sequência de comandos >
Fim
Regra 2. Constantes - Valores que não se modificam ao longo da execução do

algoritmo. Uma constante pode ser um valor numérico, lógico ou literal.
Exemplo: x = 8,32∙102
Regra 3. Variáveis - Uma variável na matemática é a representação simbólica

dos elementos de um conjunto. Nos algoritmos, cada variável corresponde a uma

posição da memória e o seu conteúdo pode variar durante a execução do
algoritmo. As variáveis são identificadas por um nome composto por um ou mais
caracteres, sendo que o primeiro deve ser, obrigatoriamente, uma letra. Não são
permitidos símbolos especiais com exceção do sublinhado (_).
Exemplos: A, X5, TOT_NOTA, A32B.
Regra 4. Atribuição de valores à variáveis e constantes:
< Nome> ← < valor ou expressão >

Exemplos: DELTA ← 3,45
GAMA ← DELTA + 3
Regra 5. Operadores aritméticos - operações básicas:
Soma ( + ) Subtração ( - ) Multiplicação ( * )

Divisão ( / ) Potencia ( ^n ) ou ( ( )n )
Exemplos: se X = 5 e Y = 2
X+Y=7
X–Y=3
X * Y = 10
X / Y = 2,5
X ^Y = 25
Regra 6. Expressão lógica - Alguma ação durante a execução do algoritmo

pode estar sujeito a uma condição. Esta condição é representada por uma
expressão lógica. Os operadores são lógicos e os operandos são relações do tipo
lógica.
 Operadores relacionados: são utilizados em expressões lógicas simples. O

resultado é sempre um valor lógico (falso ou verdadeiro).
= (igual a )
≠ (diferente de)
> (maior que)
< (menor que)
>= (maior ou igual a )
<= (menor ou igual a)

 Operadores lógicos: são utilizados para formar expressões lógicas compostas.
e (ambas as proposições são verdadeiras)

ou (pelo menos um das proposições são verdadeiras)
Exemplos: TESTE > 1 ou X*Y < 1.
Regra 7. Entrada de dados: Este comando é utilizado para introduzir valores

dos dados conhecidos no algoritmo atribuindo-os às variáveis especificadas na
lista de variáveis. Os dados são introduzidos através de dispositivos de entrada
(exemplo: teclado). O comando tem a seguinte sintaxe:
Ler < lista de variáveis >

Exemplos: Ler NOME, SEXO, ALTURA, PESO
Regra 8. Saída de resultados - Comando utilizado para fornecer os resultados

calculados e armazenados nas variáveis especificadas na lista de variáveis,
através de um dispositivo de saída. Sua sintaxe é:
Escrever < lista de variáveis >

Exemplos: Escrever < “texto”>
Escrever X1, X2
Escrever “Solução Impossível”
Regra 9. Estrutura condicional - Estrutura utilizada para definir um caminho a

ser seguido, conforme o valor de uma expressão lógica (condição). A sintaxe
será:
Se < condição > então

< sequência de comandos 1 >
Senão
< sequência de comandos 2 >
Fim (Se)
Exemplos: X = 5 e Y = 2
Se X >= Y então
Escrever X
Senão
Escrever Y
Fim (Se)

Esta estrutura fará com que seja escrito X (X=5)
Regra 10. Estrutura de repetição - A estrutura de repetição permite que um bloco

de comando seja executado repetidamente até que uma determinada condição
de parada seja satisfeita, finalizando a estrutura de repetição.
Estrutura de repetição ENQUANTO

Sintaxe: Enquanto < condição > executar
< comandos que modificam a condição >
Fim (Enquanto)
Estrutura de repetição PARA

Sintaxe: Para < variável > inicio até fim faça
Fim (Para)
Regra 11. Subprogramas - Subprogramas são algoritmos que podem ser

executados através de comandos de outros algoritmos, chamados de Principais.
São conhecidos também como subrotinas. As subrotinas podem estar localizadas
em qualquer ponto do algoritmo, ou até mesmo fora dele. Sua sintaxe é:
Rotina < nome > [ ( < lista de parâmetros > ) ]

Início
retornar
Fim
O acionamento (chamada) da rotina no algoritmo principal é feito através do

seguinte comando:
Executar < nome da rotina > [ ( <argumento > ) ]
Pode-se ter ainda função estruturada que possui um escopo parecido com o da
rotina:
Função < nome > [ ( < lista de parâmetros > ) ]

Início

< nome > ← < expressão >

retornar
Fim
Regra 12. Comentários - São utilizados para esclarecimentos, identificação de

variáveis, de rotinas ou de partes importantes do algoritmo, e são ignorados
durante a execução do mesmo. Sua sintaxe é:
// < comentários > //
1.7. Exercícios
a) Fazer um algoritmo de armazenamento de uma matriz em um vetor.
Algoritmo VETORIZAÇÃO
Início
Ler M // < Número de linhas da Matriz > //
Ler N // < Número de colunas da Matriz > //
K0 // < índices dos elementos do vetor > //
Para I de 1 até M executar
Para J de 1 até N executar
KK+1
Ler MATRIZ (I,J)
VETOR(K)  MATRIZ(I,J)
Fim (J)
Fim (I)
Fim
b) Fazer um algoritmo para calcular o fatorial (N! = N × (N − 1) × (N − 2) × ⋯ × 2 ×

1)
Algoritmo FATORIAL
Início
Ler N // < Fatorial “n” > //
Se N ≥ 0 então

FAT  1
I1
Enquanto I ≤ N executar
FAT  FAT * I
II+1
Fim (Enquanto)
Escrever “ N! = “; FAT
Senão
Escrever “Cálculo impossível”
Fim (Se)
Fim

Capítulo 2. Raízes de Equações
2.1. Introdução
As raízes são valores da variável dependente que zeram a função, ou seja,

valores de x que zeram f(x).
Raiz da
f(x) Função f(x)
Em trabalhos científicos ocorre frequentemente o problema de

encontrarmos as raízes de equações na forma f(x) = 0.
Resolver esta equação significa achar os valores de x para os quais a

equação se verifica. Esta função f(x) pode ser uma equação algébrica, simples
polinômio como:
f ( x)  x 2  5x  4  0
Ou pode ser uma função transcendente que envolve outras operações e funções,
como:
f x   e x  3x  0
Discutiremos em nossas aulas vários métodos para encontrarmos as raízes reais

de equações, tendo sempre em vista que procuramos soluções numéricas

(aproximadas) e não soluções exatas. Essas soluções numéricas devem ser

encontradas com precisão suficiente, tal que sirva para qualquer finalidade prática.
2.2. Localização de Raízes
A maneira mais rápida de localizar as raízes de equação é fazendo um

esboço do gráfico da função, pois além de fornecer uma estimativa das raízes, o
esboço ainda fornece outras informações úteis, tais como raízes simples, raízes
múltiplas, descontinuidade, etc.
Vejamos algumas observações que ajudam no isolamento das raízes.
2.2.1. Valor numérico de f(x)
f(x)
a
b
x “Existe no intervalo [a, b] um número ímpar de
raízes, isto é, no mínimo uma raiz.”
f(a) < 0 e f(b) > 0
f(x)
“Existe no intervalo [a, b] um número par de

x
a b raízes.”
f(a) < 0 e f(b) < 0 ou
f(a) > 0 e f(b) > 0
2.2.2. Como saber se uma raiz é simples ou

dupla?

A raiz será simples se a derivada de f(x) preservar o sinal dentro do

intervalo onde a raiz estiver confinada, isto é, f’(x) >0 para a < x < b ou f’(x) < 0
para a < x < b.
f(x)
a f’(x) >0
x
b
f(x)
a f’(x) < 0
b x
Nas proximidades de uma raiz dupla a derivada muda de sinal, isto é, não
conserva o sinal.
2.3. Análise de uma Equação – Método de Tabelas com

Aproximações Sucessivas
Seja f(x) da qual queremos calcular as raízes (f(x) = 0). Logo, será
necessário fazer uma análise dessa função, visando, principalmente, a localização
de intervalos de valores da variável que contenham as raízes. Conhecendo este
intervalo, podemos através de aproximações sucessivas, calcular as raízes neles
contidas com a precisão que desejarmos.
Na prática, todas as informações de uma função f(x) podem ser obtidas

através do gráfico desta função, elaborado a partir de uma tabela de valores de x e
de f(x) variando em um intervalo de um x inicial (xi) e um x final xf, ou seja, [xi; xf],
com incrementos “i”.
Elaboramos a tabela e o gráfico da função em um intervalo relativamente

grande que nos dê uma boa representação da função. Em seguida, identificamos
um ponto em que o valor de f(x) muda de sinal, que corresponde, no gráfico, a
uma intersecção da curva com o eixo x, ou seja, a posição de uma raiz. Diminui-se

então o intervalo, ao longo do qual estamos analisando a função, diminuindo o

incremento, e repetimos o processo para estes novos valores até atingirmos a
precisão desejada.
Exemplo 1: Seja f ( x)  x  cosx  . Desejamos encontrar o valor de x para o

qual f(x) = 0. Por se tratar de uma equação trigonométrica, vamos variar o intervalo
entre [-1, 1] com incremento igual a 0,1.
x f(x) x f(x)
-1,000 -1,540 0,100 -0,895
-0,900 -1,522 0,200 -0,780
-0,800 -1,497 0,300 -0,655
-0,700 -1,465 0,400 -0,521
-0,600 -1,425 0,500 -0,378
-0,500 -1,378 0,600 -0,255
-0,400 -1,321 0,700 -0,065
Raiz
-0,300 -1,255 0,800 0,103
-0,200 -1,180 0,900 0,278
-0,100 -1,095 1,000 0,460
0,000 -1,000
Para a tabela acima podemos concluir que existe uma raiz x , tal que
0,700  x  0,800 radianos, porque f(x) mudou de sinal neste intervalo.
Continuando o procedimento de localização da raiz da equação,

consideremos o novo intervalo [0,700, 0,800] e um incremento igual a 0,01.
x f(x)
0,700 -0,065
0,710 -0,0048
0,720 -0,032
0,730 -0,015
Raiz
0,740 0,002
0,750 0,018
0,760 0,035
0,770 0,052
0,780 0,069
0,790 0,086
0,800 0,103
Para a tabela acima, podemos observar que a raiz procurada encontra-se

entre [0,730, 0,740]. Continuando o procedimento de localização da raiz da
equação, consideremos um incremento igual a 0,001.

x f(x)
0,730 -0,015
0,731 -0,014
0,732 -0,012
0,733 -0,010
0,734 -0,009
0,735 -0,007
0,736 -0,005
0,737 -0,003
0,738 -0,002
Raiz
0,739 0,000
0,740 0,002
Na tabela acima, podemos observar que a raiz da equação é

aproximadamente 0,739.
Exemplo 2: Localizar intervalos para encontrar as raízes da equação

x 4  2x 3  7,5 x 2  20 x  11  0
Usando o intervalo [-3, 4] para a f ( x )  x 4  2x 3  7,5x 2  20x  11, com

incremento igual a 1:
x -3 -2 -1 0 1 2 3 4
f(x) 8,5 -1 0,5 -11 -35,5 -49 -3,5 173
Observamos quatro raízes. Logo, podemos definir quatro outros intervalos

com incremento 0,2 para nos aproximarmos mais de cada raiz.
 Intervalo de “x” para a Raiz 1  [-3, -2]
x f(x):
-3,000 8,500
-2,800 3,762
-2,600 0,846
Raiz
-2,400 -0,670
-2,200 -1,170
-2,000 -1,000
 Intervalo de “x” para a Raiz 2  [-2, -1]
x f(x):
-2,000 -1,000
-1,800 -0,466
Raiz
-1,600 0,162
-1,400 0,654

-1,200 0,818
-1,000 0,500
 Intervalo de “x” para a Raiz 3  [-1, 0]
x f(x)
-1,000 0,500
Raiz
-0,800 -0,414
-0,600 -2,002
-0,400 -4,302
-0,200 -7,314
0,000 -11,000
 Intervalo de “x” para a Raiz 4  [3, 4]
x f(x)
3,000 -3,500
Raiz
3,200 18,594
3,400 46,542
3,600 81,074
3,800 122,958
4,000 173,000
Atividade: Para cada uma das raízes que queremos encontrar, iremos
definir novos intervalos e também admitiremos o incremento igual a 0,1.
 Intervalo de “x” para a Raiz 1  [-2,6, -2,4]
x f(x):
-2,600 0,846
-2,500
-2,400 -0,670
 Intervalo de “x” para a Raiz 2  [-1,8, -1,6]
x f(x):
-1,800 -0,466
-1,700
-1,600 0,162
 Intervalo de “x” para a Raiz 3  [-1, -0,8]
x f(x)
-1,000 0,500
-0,900
-0,800 -0,414

 Intervalo de “x” para a Raiz 4  [3, 3,2]
x f(x)
3,000 -3,500
3,100
3,200 18,594
Continue estas aproximações até encontrar as raízes com incremento

0,001.
2.4. Exercícios
Definir intervalos para as funções a seguir com a finalidade de encontrar

suas raízes, considerando incremento igual a 1.
a) x 3  cosx   0   4, 4
b) x 3  3x  1  0   4, 4
c) x 3  9x  3  0   6, 6

Capítulo 3.
Raízes de Equações – Métodos De Um Ponto
3.1. Introdução
Os métodos de um ponto necessitam somente de uma aproximação, a qual

deve ser obtida através da análise da equação Tais métodos são, de um modo
geral, rápidos, porém, não são tão seguros. Serão estudados em nossas aulas,
dois métodos de um ponto: Método de Aproximações Sucessivas e o Método de
Newton-Raphson.
3.2. Método de Aproximações Sucessivas
Este método é também conhecido como Método de Iteração Linear (MIL) ou

simplesmente Iteração Linear (IL)
Seja encontrar a raiz (ou raízes) da equação,
f(x) = 0 (1)
O objetivo é conseguir isolar a variável x e transportá-la para o outro lado

da equação. Isso fornece uma nova forma da equação original, assim,
x = g(x) (2)
onde g(x) é uma nova função, diferente de f(x).
Se substituirmos na equação (2) uma das raízes, por exemplo, x , então

x  gx  .
Como em geral não temos idéia alguma de onde estão as raízes (ou raiz)
da função, chutamos um valor inicial para x, chamado de x 0 e substituímos este
valor no segundo membro da equação (2), obtendo com isso um novo valor de x,
chamado de x 1 assim: x 1  gx 0  . Repetindo este processo, obtemos a seguinte

sucessão de valores: x 2  gx 1  ; x 3  gx 2  ; x 4  gx 3 ; x i  gx i1  ;
x i1  gx i  .
Esta sequência de valores de x, ou seja, x1, x2, x3, x4, ... xi, x(i+1)., pode estar
convergindo para a solução ou divergindo dela.
3.2.1. “xi” está convergindo?
Como podemos saber se a sucessão de valores dos x i estão convergindo

ou divergindo do valor da raiz? Faremos isto através de dois critérios de paradas:
 Fixação do número máximo de iterações permitidas (NMI)

 Fixação de uma Tolerância de Erro (TOL).
Suponhamos que estejamos dentro do número de iterações permitidas. Em

algumas vezes a solução pode convergir logo nas primeiras iterações. Neste caso,
podemos usar um critério de um erro aceitável. Seja TOL  0 . No processo de
iteração, a diferença entre os x i1 e x i pode se tornar ou permanecer menor que
TOL . Se isto acontecer, podemos dizer que encontramos a solução antes de
completar todas as iterações. Logo, o processo pode ser parado e a resposta
escrita.
x i1  x i  TOL para i < NMI
Exemplo 1: Encontrar as raízes da equação f ( x )  x 2  5x  4 ,

considerando chute inicial igual a zero, número máximo de iterações igual a 100 e
tolerância de erro de 0,01.
Este exemplo será desenvolvido, passo a passo na sala de aula.
3.2.2. “g(x)” dará convergência?
Como saber se uma determinada g(x) dará convergência ou não?

Para o exemplo 1, podemos encontrar algumas g(x)’s diferentes. E para

sabermos se uma determinada g(x) dará ou não convergência, utilizamos o
seguinte critério de convergência: g, x 0   1 (onde x0 é o chute inicial).
x2  4
gx  
2x
a) g( x )  
5 5
 1
gx   5x  4  2   5
1
b) g( x )  5 x  4 
2
5x  4 5  x  5 x  4   1
c) g( x )   gx  
x x2
d) g( x )  x 2  4x  4  gx   2x  4
Observação: Se o módulo do valor numérico da derivada da g(x) avaliada

no chute inicial for menor que 1, certamente o processo convergirá.
3.2.3. Algoritmo de Aproximações Sucessivas
Início
Função gx    função 
Ler X0 // aproximação – chute inicial //
Ler TOL // tolerância de erro desejada //
Ler NMI // número máximo de iterações //
X  gX0
I0

Enquanto X  X0  TOL ou gX  X  TOL e I  NMI  executar
X0  X
X  gX0
I I1
Fim (Enquanto)
Se I  NMI então escrever “Não Convergiu”
Senão escrever “Raiz = “; X
Fim
3.2.4. Exercício

Encontre a raiz da equação f ( x )  x 3  3x  1 através do método de

aproximação sucessiva.
3.3. Método de Newton-Raphson
O método de Newton-Raphson é o mais clássico e o método que apresenta

convergência mais rápida. Mas, devemos ficar atentos pois existem casos de não
convergência.
O método consiste em calcular a interseção da tangente à curva que passa

por um ponto suficientemente próximo da raiz procurada, com o eixo x, e tomar a
abscissa desta interseção como sedo uma nova aproximação.
A figura a seguir mostra como se dá a convergência.
f X 
f X 0 
f X1 
2 1
0 X X2 X1 X0 X
Observando a figura, podemos deduzir a fórmula de iteração do método:
f x i  f x i 
tg  
x i  x i1   f ' x i  x i1  x i 
f ' x i 
Para o cálculo de f ' x i  , podemos utilizar a fórmula das diferenças finitas

centrais para derivadas de 1ª ordem:
f x i  x   f x i  x 
f ' x i  
2  x

onde x é um valor muito pequeno (pode-se adotar até o valor de tolerância de

erro).
Os critérios de parada que devem ser utilizados no algoritmo são os

seguintes:
 x i1  x i  TOL (TOL – Tolerância adotada)
 f x i1   TOL ;
 Número de Iterações < Número Máximo de iterações (NI < NMI).
Observação: No caso de raiz simples, x , teremos, no final do processo

iterativo, f ' x   0 e f x   0 . E no caso de raízes duplas, teremos f ' x   0 e
f x   0 , o que acarretará numa divisão 0/0.
O processo não convergirá para um valor desejado, nos seguintes casos:
 A equação não possui raízes reais;

 A f(x) é simétrica em relação a x , como mostra a figura a seguir:
Y f X 
X3
X1
X X0 X
X2
 Existe um ponto de mínimo entre a raiz e a estimativa utilizada, como

representado na figura abaixo:

Y
f X 
X
X X1 X 0
X3 X2
X5 X 4
Exemplo 2: Resolver a equação e x  3x  0 pelo método de Newton-

Raphson.
Usaremos a expressão da derivada da função, porque facilitará o cálculo

m,anual, e como primeira aproximação x0 = 1.
Solução: f x   e x  3x  f ' x   e x  3
f x i  e x  3x
x i1  x i   x i1  x i  x
f ' x i  e 3
Os resultados obtidos são mostrados na tabela a seguir:
i xi f x i  f ' x i  x i1
0 1,000 -0,282 -0,282 0,000

1 0,000 1,000 -2,000 0,500
2 0,500 0,149 -1,351 0,610
3 0,610 0,010 -1,159 0,619
4 0,619 0,000 -1,143 0,619
Vemos que a raiz calculada, para x0 = 1, é 0,619. Se tomarmos x0 = 2, o

valor da raiz convergirá, conforme pode ser observado na tabela a seguir para
1,512.

i xi f x i  f ' x i  x i1
0 2,000 1,389 4,389 1,684

1 1,684 0,334 2,385 1,543
2 1,543 0,050 1,681 1,513
3 1,513 0,002 1,543 1,512
4 1,512 0,000 1,537 1,512
3.3.1. Algoritmo de Newton-Raphson
Início
Função f x    função 
Ler X0 // aproximação – chute inicial //
DX  TOL
f x  DX  f x  DX
Função f ' x  
2  DX
I0
f X0 
X  X0 
f ' X0 
Enquanto  X  X0  TOL ou f X  TOL  e I  NMI executar
X0  X
f X0 
X  X0 
f ' X0 
I I1
Fim (Enquanto)
Se I  NMI então escrever “Não Convergiu”
Senão escrever “Raiz = “; X
Fim
3.3.2. Exercícios
Encontre a raiz das seguintes equações através do método de Newton-

Raphson, considerando uma tolerância de erro de 0,01 (TOL = 0,01).
a) f x   x 2  senx  f x   2x  cosx 

chute inicial 0,5 (Resposta: 0,8768)
b) f x   x 3  2x  5 f x   3x 2  x
chute inicial 3,0 (Resposta: 2,0946)
c) f x   4x 5  7x 2  2 f x   20x 4  14x

chute inicial = -0,5 (Resposta: -0,5148
chute inicial = 0,5 (Resposta: 0,5643)
d) f x   4x 7  5x 6  1 f x   28x 6  30x 5

chute inicial = -1 (Resposta: -0,7092)
chute inicial = 1 (Resposta: 1,0017)
e) f x   x 3  3x  1 f x   3x 2  3
chute inicial = -2,0 (Resposta: -1,8794)
Lembrete de derivadas: f x   senx   f x   cosx 
f x   cosx   f x   senx 

Capítulo 4.
Raízes de Equações – Métodos De Dois Pontos
4.1. Introdução
Os métodos de intervalo são aqueles que necessitam de dois pontos limites

do intervalo onde está contida a raiz que se deseja calcular.
Sejam Xi e Xf as duas aproximações da raiz Xo que se deseja calcular.

Para que se possa afirmar que neste intervalo [ Xi , Xf ] exista uma raiz, basta
verificar se f X i  e f Xf  tem sinais contrários, ou testar se f Xi   f Xf   0 . Caso
este teste seja positivo, existe pelo menos uma raiz da equação f(x) = 0 no
intervalo [ Xi , Xf ].
4.2. Método da Bisseção
É um método considerado simples e seguro. Suas principais características

são:
 Simplicidade lógica e operacional;

 Convergência garantida;
 Existem duas estimativas que são os limites do intervalo que contém a raiz
procurada;
 Se o intervalo for muito grande, a execução do algoritmo pode ser
demorada e, por este motivo, muitas vezes é indicado para fornecer uma
aproximação melhor para métodos mais rápidos.
Seja o intervalo de valores [ Xi , Xf ] da variável x na equação f(x) = 0, tal que


f Xi   f Xf   0 . Existe então uma raiz X neste intervalo tal que então f X  0 . O
método consiste em, primeiro dividir o intervalo ao meio encontrando-se

Xf  Xi
Xm  . Se f Xi  f Xm  0 , então atribui-se o valor de Xm a Xf , senão
2
atribui-se o valor de Xm a X i . Com o novo intervalo repetir o mesmo procedimento
 
até que atinja a precisão desejada para Xo e para f X , tal que Xf  Xi  TOL e
f Xm  TOL , onde TOL é a tolerância de erro especificada.
Como o intervalo é sempre dividido ao meio, é possível fazermos uma

estimativa do número de iterações a serem realizadas, para um determinado
intervalo [ Xi , Xf ], e com uma tolerância de erro igual a TOL.
Observe. Seja k o número de iterações. Na iteração de ordem k, o intervalo
Xik , Xfk  terá um valor igual a

Xf - Xi
, e para que k seja a última iteração, é
2k
necessário que este intervalo seja menor ou igual à tolerância especificada, logo:
 TOL  logXf - Xi   k  log2  logTOL

Xf - Xi
2k
logXf - Xi   logTOL
k 
log2
A figura a seguir mostra como se dá a convergência no Método da

Bisseção.
Y
f X 
f Xf 
Xi1
Xi Xm1
X
X Xm 2
Xm 3 Xf 2
f Xi
Figura 1

Exemplo 1: Calcular a raiz da equação x  cosx   0 através do Método

da Bisseção considerando o intervalo [-1,1], tolerância de erro de 0,001 e com um
número máximo de iterações igual a 100.
São apresentados na tabela a seguir, os valores de Xi , f Xi  , Xf , f Xf  , Xm
e f Xm  calculados em todas as iterações realizadas.
i Xi f Xi Xf f Xf  Xm f Xm 

0 -1,000 -1,540 1,000 0,460 0,000 -1,000
1 0,000 -1,000 1,000 0,460 0,500 -0,378
2 0,500 -0,378 1,000 0,460 0,750 0,018 Se
3 0,500 -0,378 0,750 0,018 0,625 -0,186 f Xm  f Xi  0
4 0,625 -0,186 0,750 0,018 0,688 -0,085
5 0,688 -0,085 0,750 0,018 0,719 -0,034 então Xf  Xm
6 0,719 -0,034 0,750 0,018 0,734 -0,008
senão Xi  Xm
7 0,734 -0,008 0,750 0,018 0,742 0,005
8 0,734 -0,008 0,742 0,005 0,738 -0,001
9 0,738 -0,001 0,742 0,005 0,740 0,002
10 0,738 -0,001 0,740 0,002 0,739 0,000
O valor encontrado para a raiz foi de 0,739 com 11 iterações para atingir a
precisão especificada.
4.2.1. Algoritmo da Bisseção
Início
Função f x    função 
Ler Xi, Xf // limites do intervalo //
Se f Xi  f Xf   0
então
I0
Xm  Xi  Xf  / 2
Enquanto ( Xf  Xi  TOL ou f Xm  TOL ) e I  NMI
executar
Xm  Xi  Xf  / 2
Se f Xm  f Xi  0 então Xf  Xm

senão Xi  Xm
Fim (Se)
I I 1
Fim (Enquanto)
Se I  NMI
então Escrever “Não Atingiu Precisão”
senão Escrever “Raiz = “; Xm
Fim (Se)
senão
Escrever “Não existe uma raiz no intervalo considerado”
Fim (Se)
Fim
4.2.2. Exercícios
Utilizando o Método da Bisseção, calcule as raízes das seguintes

equações:
a) 4x 5  7x 2  2  0 no intervalo [-0,6 -0,5] e tolerância de erro de 0,01.

(Resposta: -0,5156)
b) x 4  2x 3  7,5 x 2  20 x  11  0 no intervalo [-1,7 -1,6] e tolerância de erro
de 0,01. (Resposta: -1,6531)
c) x 5  x 3  x 2  x  25  0 no intervalo [1,7 1,8] e tolerância de erro de 0,01.
(Resposta: 1,7232)
4.3. Método da Falsa Posição ou “Regula Falsi”
Basicamente este Método da Falsa Posição difere do Método da Bisseção

na forma de calcular o ponto intermediário de abscissa Xm , que será a interseção
da reta que une os pontos limites do intervalo, com o eixo x, e não mais o ponto
médio do intervalo. A abscissa Xm será, então, calculada através média
ponderada entre os pontos Xi e Xf , conforme a expressão:
Xi  f Xf   Xf  f Xi 
Xm 
f Xf   f Xi 

A figura 2 mostra como se dá a convergência no Método da Falsa Posição.
A convergência é mais rápida do que no Método da Bisseção.
Uma característica interessante deste método é que, se o gráfico da função

f(x), no intervalo a ser pesquisado, não mudar o sentido da curvatura, um dos
limites manter-se-á fixo enquanto o outro se aproximará da solução. Este fato nos
obriga a fazer a comparação do X i com o Xm e de Xm com Xf para verificar se
o resultado está dentro da tolerância especificada, e não somente a comparação
de X i e Xf como é feito no Método da Bisseção.
f Xf  f X 
Xi Xm1 Xm2
X Xf X
f Xi
Figura 2
Exemplo 1: Calcular a raiz da equação x  cosx   0 através do Método

da Falsa Posição considerando o intervalo [-1,1], ou seja, Xi  1 e Xf  1,
tolerância de erro de 0,001 e com um número máximo de iterações igual a 100.
São apresentados na tabela a seguir, os valores de Xi , f Xi  , Xf , f Xf  , Xm e
f Xm  calculados nas iterações realizadas.
i Xi f Xi Xf f Xf  Xm f Xm  Se

0 -1,000 -1,540 1,000 0,460 0,540 -0,317 f Xm  f Xi  0
1 0,540 -0,317 1,000 0,460 0,728 -0,018 então Xf  Xm
2 0,728 -0,018 1,000 0,460 0,739 -0,001 senão Xi  Xm

Exemplo 2: Calcular a raiz da equação e  cosx   3  0 através do

x
Método da Falsa Posição considerando Xi  0,5 e Xf  1, tolerância de erro de

0,001 e com um número máximo de iterações igual a 100.
i Xi f Xi Xf f Xf  Xm f Xm  Se

0 0,500 -0,474 1,000 0,259 0,823 -0,042 f Xm  f Xi  0
1 0,823 -0,042 1,000 0,259 0,848 -0,003 então Xf  Xm
2 0,848 -0,003 1,000 0,259 0,850 0,000 senão Xi  Xm
4.3.1. Algoritmo da Falsa Posição
Início
Função f(x) = < função >
Ler Xi, Xf // limites do intervalo //
Se f Xi  f Xf   0
então
I0
Xi  f Xf   Xf  f Xi 
Xm 
f Xf   f Xi 
Enquanto (( Xf  Xm  TOL e Xi  Xm  TOL) ou

f Xm  TOL ) e I  NMI executar
Xi  f Xf   Xf  f Xi 
Xm 
f Xf   f Xi 
Se f Xm  f Xi  0 então Xf  Xm
senão Xi  Xm
Fim (Se)
I I 1

Fim (Enquanto)
Se I  NMI
então Escrever “Não Atingiu Precisão”
senão Escrever “Raiz = “; Xm
Fim (Se)
senão
Escrever “Não existe uma raiz no intervalo considerado”
Fim (Se)
Fim
4.3.2. Exercício
Utilizando o Método da Falsa Posição, calcule a raiz das seguintes

equações:
a) 4x 5  7x 2  2  0 no intervalo Xi  0,6 e Xf  0,5 e tolerância de erro de

0,01. (Resposta: -0,5148)
b) x 4  2x 3  7,5 x 2  20 x  11  0 no intervalo Xi  1,7 e Xf  1,6 e tolerância
de erro de 0,01. (Resposta: -1,6529)
c) x 5  x 3  x 2  x  25  0 no intervalo Xi  1,7 e Xf  1,8 e tolerância de erro
de 0,01. (Resposta: 1,7232)

Capítulo 5.
Raízes de Equações – Métodos de Múltiplos
Passos
5.1. Introdução
Os métodos de múltiplos passos são considerados como sendo uma

mistura dos de dois pontos com os de um ponto, apresentados anteriormente.
O método das secantes é uma combinação do Método de Falsa-Posição e

o de Newton-Raphson.
5.2. Método das Secantes
Possui as seguintes características:
 Necessita de duas aproximações, que chamaremos de Xi e Xf

 f(Xi) e f(Xf) não precisam ter sinais contrários;
 Considera a secante que une os dois pontos da abscissa Xi e Xf no lugar
da tangente, como é feito no método de Newton-Raphson.
A Figura 5.1 mostra como se dá esta convergência.

y
f X 
f X 0 
f X1 
f X 2 
f X 3 
X X3 X2 X1 X0 X
Figura 5.1 – Método das Secantes.
5.2.1. Método de iteração
Com base na Figura 5.1, podemos deduzir a fórmula de iteração do
método: x i1  x i 
x i1  x i   f x 
f x i1   f x i  i
Como o objetivo é evitar divisão por zero e “ overflow ”, devemos realizar

modificações na fórmula anterior para obter a seguinte:
x i1  x i 
x i1  x i   f x i  / f x i1 
1  f x i  / f x i1 
5.2.2. Critério de parada
Os critérios de parada são:
 x i1  x i  TOL ;
 f x i1   TOL ;
 Número de iterações (i) ≤ Número Máximo de Iterações (NMI).
5.2.3. Algoritmo do Método das Secantes.

Início
Função f(x) = < função >
Ler Xi // 1ª aproximação//
Ler Xf // 2ª aproximação //
Ler TOL // Tolerância de erro desejada //
Ler NMI // Número máximo de iterações //
I0
Enquanto ( Xf  Xi  TOL ou f Xf   TOL ) e I  NMI
f Xf 
F
f Xi 
Xm  Xf 
Xi  Xf   F
1  F
Xi  Xf
Xf  Xm
I  I1
Fim (Enquanto)
Se I  NMI então escrever “Não convergiu”
senão escrever “RAIZ=”; Xm
Fim
Exemplo 1: Calcular a raiz da equação x  cos( x)  0 através do Método

das Secantes considerando Xi  0 e Xf  1, tolerância de erro de 0,001 e com um
número máximo de iterações igual a 100.
i Xi f Xi Xf f Xf  Xm f Xm 

0 0,000 -1,000 1,000 0,4597 0,6851 -0,0893
Xi  Xf
1 1,000 0,4597 0,6851 -0,0893 0,7363 -0,0047 Xf  Xm
2 0,6851 -0,0893 0,7363 -0,0047 0,7391 0,001
3 0,7363 -0,0047 0,7391 0,001 0,7391 -0,0000

5.2.4. Exercício
Utilizando o Método das Secantes, calcule as raízes das seguintes

equações:
a) 4x 5  7x 2  2  0 no intervalo Xi  0,6 e Xf  0,5 e tolerância de erro de

0,01. (Resposta: -0,5148)
b) x  2x  7,5 x  20 x  11  0 no intervalo Xi  1,7 e Xf  1,6 e tolerância

4 3 2
de erro de 0,01. (Resposta: -1,6529)
c) x  x  x  x  25  0 no intervalo Xi  1,7 e Xf  1,8 e tolerância de erro

5 3 2
de 0,01. (Resposta: 1,7232)

Capítulo 6.
Matrizes
6.1. Introdução
O uso da notação matricial não é apenas conveniente, mas um instrumento

poderoso para estabelecer as relações fundamentais para a solução de equações
de sistemas lineares. A seguir faremos um resumo das propriedades elementares
das matrizes.
6.2. Matrizes – Propriedades Fundamentais
Uma matriz pode ser considerada como um dispositivo de cálculo e uma

estrutura de armazenamento de dados indexados. É um arranjo de elementos
distribuídos em linhas e em colunas. As seguintes notações são as mais usadas
para representar uma matriz A de m linhas com n colunas:
 a11 a12 a13  a1n 

 
 a 21 a 22 a 23  a 2n 
A   a 31 a 32 a 33  a 3n 
      
 
 a m1 a m2 a m3  a mn 
 i  1, 2,, m  relativo à linha,

ou ainda, A  aij  com 
 j  1, 2,, n  relativo à coluna.
6.3. Tipos de Matrizes
As matrizes podem ser classificadas, de acordo com as relações entre

número de linhas e o número de colunas: retangulares quando m  n e quadradas
quando m  n . Podemos ainda ressaltar a matriz linha (ou vetor) de ordem 1 n e,
matriz coluna (ou vetor) de ordem m  1 .
6.3.1. Exemplos
Eis alguns exemplos de matrizes:
 Matriz linha 1 3 A  1 2 3
 1
 
 Matriz coluna 3  1 A  2
3 
 
1 4 7
 
 Matriz quadrada 3  3 A  2 5 8
3 6 9

Observação: Chama-se de diagonal principal de uma matriz quadrada a diagonal

formada por todos os elementos aij com i  j .
6.3.2. Algumas matrizes quadradas especiais:
 Matriz nula: é aquela em que aij  0 para qualquer valor de i e j ;
 Matriz diagonal: é aquela que possui todos os elementos fora da diagonal

principal iguais a zero, isto é, aij  0 se i  j ;
 Matriz Identidade: normalmente indicada por In , é uma matriz diagonal

unitária, isto é, todos os elementos da diagonal principal são iguais a 1 (se
i  j então iij  1 , senão iij  0 ).
1 0 0
 
Exemplo 1: I3  0 1 0 A nn  In  A nn
0 0 1

 Matriz triangular superior: se j  i então aij  0 .

2 3 6 3
 
0 1 1 3
Exemplo 2: A 44  ( a 21  0 pois j  i )
0 0 6 3
0 5
 0 0
 Matriz triangular inferior: se j  i então aij  0 .
2 0 0 0
 
9 1 0 0
Exemplo 3: A 44  ( a12  0 pois j  i )
7 4 6 0
5 5
 2 3
 Matriz bandas: são aquelas que possuem a diagonal principal e algumas

paralelas a ela diferentes de zero e os elementos restantes todos nulos.
2 4 0 0 0
 
9 1 3 0 0
Exemplo 4: Matriz tridiagonal A 55  0 2 6 7 0 

0 0 3 5 2
 
0 0 0 1 4
 Matriz simétrica: quando aij  a ji .
2 9 7 5
 
9 1 4 2
Exemplo 5: A  
7 4 6 3
5 5
 2 3
 Matriz anti-simétrica: se i  j então aij  0 , senão aij  a ji (diagonal
principal nula)
0 9 7  5
 
9 0 4 2 
7 4 0 3 
5 2 3 0 


 Matriz hemi-simétrica: se i  j então aij  a ji
1 9 7  5
 
9 4 4 2 
7 4 6 3 
5 2 3 2 

6.4. Operações com Matrizes
Podemos definir as seguintes operações com matrizes:
6.4.1. Soma algébrica das matrizes
A soma ou subtração de duas matrizes (só é definida quando as matrizes

têm o mesmo tipo) é uma nova matriz na qual cada elemento é a soma ou a
subtração dos elementos correspondentes das matrizes operandas. Ou seja:
Se Cmn  A mn  Bmn então c ij  aij  bij .
1 2  1
 
Exemplo 8: Calcule C  A  B , considerando que A 33  2 1 1  e
1 2 2 

1 2  1
 
B 33  2 1 1 
1 2 2 

1 2  1 1 2  1 2 4  2
     
C 33  2  1 1   2  1 1   4 2 2 
1 2 2  1 2 2  2 4 4 

6.4.2. Produto de matriz por uma constante (s)
Multiplica-se todos os elementos da matriz pela constante. Assim,
Se Dmn  s  A mn então dij  s  aij .

1 2  1
 
Exemplo 9: Calcule C  2  A , considerando que A 33  2 1 1 
1 2 2 

1 2  1 2 4  2
   
C33  2  2  1 1   4 2 2
1 2 2  2 4 4 

6.4.3. Produto de duas matrizes
O produto de duas matrizes A e B, nesta ordem, só é possível quando o

número de colunas de A for igual ao número de linhas de B.
n
Se Emk  A mn  Bnk então eik   aij  b jk .
j1
3 0 2 2 
   
Exemplo 10: Seja A 33  1 2 0 e B 31  0  . Calcule C31  A 33  B31
0 1 1  1
  
3 0 2  2  8
     
C 31  1 2 0  0  C31  2 
0 1 1  1 1
  
A existência do produto A  B não implica na existência do produto B  A .

Além disso, o produto A  B  B  A .
6.4.4. Transposta de uma matriz
A transposta de uma matriz A é obtida trocando-se ordenadamente as
linhas pelas colunas. Assim, se Tnm  A mn  então t ji  aij .

T
 4 3 5   4 6 1
   
Exemplo 11: A    6 3 0   A T   3 3  3
 1 3  5  5 0  5
 

6.5. Matriz singular
Uma matriz A é chamada de singular se o seu determinante é zero

detA   0 . Caso contrário, não é singular.
1 4 7
 
Exemplo 12: A  2 5 8
3 6 9

detA   1 5  9  4  8  3  2  6  7  7  5  3  4  2  9  8  6  1 
detA   0 , logo matriz A é singular.
6.6. Matriz inversa
1 1
A inversa de uma matriz quadrada A é definida por A   C T , onde
det A 
CT é a transposta da matriz dos co-fatores.
Cofatores: o cofator (complemento algébrico) do elemento aij da matriz A é
 1i j Mij , em que Mij é o determinante da submatriz que resulta suprimindo a linha
i e a coluna j da matriz original A; os cofatores são Cij .
1 2  1
 
Exemplo 13: A  2 1 1 
1 2 2 

det A   1  1  2  2  1 1  2  2   1   1   1  1  2  2  2  1 2  1 
detA   15 , logo matriz A não é singular, ou seja, detA   0
Calculando os co-fatores:
1 1
C11   1
11
 2  2  4
2 2

2 1
C12   1   1  3  3
1 2
1 2
2 1
C13   1  4   1  5
1 3
1 2
2 1
C 21   1   1  4   2  6
21
2 2
1 1
C 22   1  2   1  3
2 2
1 2
1 2
C 23   1   1  2  2  0
2 3
1 2
1 1
C 31   1
3 1
 2 1 1
1 1
1 1
C 32   1   1  1   2  3
3 2
2 1
1 2
C 33   1   1  4  5
33
2 1
C11 C12 C13   4 3 5   4 6 1

     
C  C 21 C 22 C 23     6 3 0  CT   3 3  3
C C 32 C 33   1 3  5  5 0  5
 31 
 4  6 1   0.2667 0.4000  0.0667 

1    
A 1     3 3  3   0.2000  0.200 0.2000 
 15 
5 0  5  0.333 0.000 0.3333 
1 1
Verifique que A  A  A  A  In .
6.7. Cálculo de Determinantes – Eliminação de Gauss

Um método de cálculo numérico do determinante de uma matriz é o método

de eliminação de Gauss. Este método consiste em triangularizar a matriz, através
de operações com as suas linhas, e obter o produto dos termos da diagonal da
matriz, que é o valor procurado.
As operações com linhas, utilizadas no método de eliminação de Gauss,

baseiam-se nas seguintes transformações elementares, que não alteram o
sistema:
1º. Trocar a ordem de duas equações do sistema (permutação de linhas);

2º. Multiplicar (ou dividir) uma equação do sistema por uma constante não
nula;
3º. Substituir uma equação pela soma algébrica desta equação com outra
do sistema.
Dada uma matriz A, quadrada, com n linhas e n colunas, da qual se deseja

calcular o determinante, pelo método de eliminação de Gauss, o procedimento
geral é o seguinte:
 Dividir todos os elementos da linha i L i  pelo elemento da diagonal aii (i
variando de 1 até n): Li aii
  
Subtrair de cada elemento da linha k akj abaixo da linha i (k variando de
i  1 até n), o produto do elemento da linha k e da coluna i aki  pelo
 
elemento da mesma coluna e da linha i aij : Lk  Li  aki
2 4 1
 
Exemplo 14: Calcular o determinante da matriz A  3 1  1 , pelo
1 1 1 

método de eliminação de Gauss:
2 4 1
 
Triangularizando a matriz, temos: A3 1  1
 
1 1 1
Nova L1 → L1 a11  2 4 1 2  1 2 0,5

Nova L 2 → L 2  L1  a21
L 2  3 1  1  1 2 0,5 3  0 5  2,5
Nova L 3 → L 3  L1  a31
L 3  1 1 1  1 2 0,5 1  0  1 0,5
1 2 0,5 
 
Substituindo as “novas linhas” calculadas, temos, A  0 5  2,5
0 1 0,5 

Nova L 2 → L 2 a22  0 5  2,5  5  0 1 0,5
Nova L 3 → L3  L 2  a32
L 3  0  1 0,5  0 1 0,5  1  0 0 1
1 2 0,5
 
Substituindo as “novas linhas” calculadas, temos, A  0 1 0,5
 
0 0 1
Assim, o determinante é calculado através da multiplicação dos “pivôs” de

cada linha, ou seja: det A   2   5  1  10 .
Um problema comum que pode surgir durante este processo, é o

aparecimento de um elemento nulo na diagonal principal da matriz, causando erro
de divisão por zero. Para isso, realizamos o “pivoteamento” que é colocar, na
diagonal principal, os termos de maior valor absoluto, existente na matriz.
6.7.1. Pivoteamento prévio
O processo de pivoteamento prévio consiste em encontrar o maior valor

absoluto da coluna, abaixo do elemento da diagonal de uma determinada linha, e
permutar a linha, na qual se encontra este valor, com a do elemento da diagonal.

 1 2 2  3 6 1  3 6 1
     
Exemplo 15: 3  6 1   1 2 2   2 6  1
2 6  1 2 6  1 1 2 2 

A matriz, após o pivoteamento, está melhor condicionada para o processo

de cálculo do determinante.
6.7.2. Pivoteamento durante o processo
O pivoteamento durante o processo do cálculo do determinante é mais

eficiente.
2 4 1 3 1  1
   
Exemplo 16: A  3  1  1   2 4 1
1  
 1 1  1 1 1
Nova L1 → L1 a11  3 1  1 3  1 1/ 3  1/ 3
Nova L 2 → L 2  L1  a21
L 2  2 4 1  1 1/ 3  1/ 3  2  0 10 / 3 5 / 3
Nova L 3 → L 3  L1  a31
L 3  1 1 1  1 1/ 3  1/ 3  1  0 2/3 4 / 3
1 1/ 3  1/ 3
 
Substituindo as “novas linhas” calculadas, temos, 0 10 / 3 5/3 
0 2/3 4 / 3 

Nova L 2 → L 2 a22  0 10 / 3 5 / 3 10 / 3  0 1 1/ 2
Nova L 3 → L3  L 2  a32
L 3  0 2/3 4 / 3  0 1 1/ 2  2 / 3  0 0 1

1 1/ 3  1/ 3
 
Substituindo as “novas linhas” calculadas, temos, 0 1 1/ 2 
0 0 1 

Assim, o cálculo do determinante será: det A   3  10 / 3  1  1  10
O fator  1 que faz parte do cálculo do determinante, refere-se a troca de

sinal em virtude da troca de linha no pivoteamento no início dos cálculos.
 1 2 2 3 6 1
   
Exemplo 17: 3  6 1 1 2 2
2  
 6  1 2 6  1
Nova L1 → L1 a11  3 6 1 3  1 2 1/ 3
Nova L 2 → L 2  L1  a21
L 2  1 2 2  1 2 1/ 3  1  0 0 5 / 3
Nova L 3 → L 3  L1  a31
L 3  2 6  1  1 2 1/ 3 2  0 2  5 / 3
Substituindo as “novas linhas” calculadas, temos,
1 2 1/ 3  1 2 1/ 3 
   
0 0 5 / 3   0 2  5 / 3
0 2  5 / 3 0 0 5 / 3 
 
Nova L 2 → L 2 a22  0 2  5 / 3 2  0 1  5 / 6
Nova L 3 → L3  L 2  a32
L 3  0 0 5 / 3  0 1  5 / 6  0  0 0 5 / 3
Substituindo as “novas linhas” calculadas, temos,

1 2 1/ 3  1 2 1/ 3 
   
0 2  5 / 3  0 1  5 / 6
0  
 0 5 / 3  0 0 5/3 
Assim, o cálculo do determinante será: detA   3  2  5 / 3   1  10

2
6.8. Algoritmo da Eliminação de Gauss para Cálculo

do Determinante
6.8.1. Algoritmo do Determinante de A
Início
Ler A // Matriz A//
Ler N // Número de linha (ou colunas) de A //
DET  1
i 1
Enquanto i  N e DET  0
Executar PIVOTEAMENTO
P  Ai, i
DET  DET  P
Se P  0
Para j de 1 até N executar
Ai, j  Ai, j / P
Fim j
Para k de i  1 até N executar
P  Ak, i
Ak, j  Ak, j  P  Ai, j
Fim j
Fim k
i  i 1
Fim (Se)
Fim (Enquanto)
Escrever DET
Fim

6.8.2. Algoritmo do Pivoteamento
Início
C  A i, i
Li
Se C  Ak, i então
C  Ak, i
Lk
Fim (Se)
Fim k
Se L  i então DET  DET
X  A i, j
Ai, j  AL, j
AL, j  X
Fim j
Fim (Se)
Retornar
Fim
6.9. Exercícios
Calcule o determinante para as seguintes matrizes utilizando o método de

Eliminação de Gauss.
0 1 1
 
a) A  2 0  1 Resposta: det(A) = -2
4 0  1

10 6 2
 
b) A   4 10 0 Resposta: det(A) = 724
1 2 10 


2 3  1
 
c) A  4 4  3 Resposta: det(A) = -20
2 3 1 


Capítulo 7.
Sistema de Equações Lineares
7.1. Introdução
Muitos problemas de cálculo numérico resultam na solução de sistemas de

equações lineares. Entre os problemas que recaem em sistemas de equações
lineares estão os problemas de circuitos, redes elétricas, redes de gás, redes de
água, solução de equações diferenciais ordinárias ou parciais (método dos
elementos finitos ou diferenças finitas), etc.
7.2. Sistemas Lineares em Notação Matricial
Um sistema linear de n equações com n incógnitas é usualmente escrito

como:
a11x 1  a12 x 2    a1n x n  b1


a 21x 1  a 22 x 2    a 2n x n  b2
 (1)
 
a x  a n2 x 2    a nn x n 
 n1 1 bn
 a11 a12  a1n   x 1   b1 

     
 a 21 a 22  a 2n   x 2  b 2 
O sistema (1) pode ser escrito por:    =  (2), ou
     
a a nn   x  b 
 n1 a n2  n  n
ainda pode ser representado por aij  x j  b j para i, j  1,2,,n , ou ainda por
A  x  b , sendo A a matriz principal, x o vetor das incógnitas, e b o vetor dos

termos conhecidos.
7.3. Métodos Diretos de Solução

Os métodos diretos são aqueles que, na ausência de erros de

arredondamento ou outros erros, conduzem à solução exata através de um
número finito de operações. O método fundamental para as soluções diretas é o
Método de Gauss.
7.3.1. Método de Eliminação de Gauss
 É um método direto (isto é, não iterativo) para resolver A  x  b .

 Consiste em converter um sistema linear geral em um sistema triangular
equivalente e mais fácil de resolver.
 Em cada passo, torna triangular superior uma coluna de A  A b . 
 Só usa operações elementares.
7.3.1.1. Eliminação de Gauss sem

pivoteamento.
Para melhor entendimento, o método será apresentado através de um

exemplo. Considere o seguinte sistema de equações lineares:
2x1  3x 2  x3  5

4 x 1  4x 2  3x 3  3

2x1  3x 2  x3  1
1º Transformação:
a) Dividimos toda a 1º linha por 2  a11 
1x 1  1,5 x 2  0,5 x 3  2,5

4x1  4x 2  3x 3  3
2x 1  3x 2  x3  1
b) Transformamos todas as equações restantes
1x 1  1,5 x 2  0,5 x 3  2,5

0  2x 2  1x 3  7
0  6x 2  2x 3  6

2º Transformação:
a) Dividimos toda a 2º linha por  2  a 22 
1x 1  1,5 x 2  0,5 x 3  2,5

0  x2  0,5 x 3  3,5
0  6x 2  2x 3  6
b) Transformamos todas as equações restantes
1x 1  1,5 x 2  0,5 x 3  2,5

0  x2  0,5 x 3  3,5
0 0  5x 3  15
Sistema resultante:
x1  1,5 x 2  0,5 x 3  2,5

x2  0,5 x 3  3,5
5x 3  15
Para obtermos a solução, resolveremos o sistema triangular obtido após a

2ª transformação, fazendo a retrosubstituição.
x3  3
Assim, teremos com solução final: x 2  2
x1  1
Observação importante: Vejam que usamos apenas duas transformações

completas pois o sistema é de ordem 3, isto é, o número total de transformações é
de n  1
7.3.1.2. Algoritmo do método de Eliminação de

Gauss
Início
Ler A // Matriz A//
Ler B // Matriz B//

Ler N // Número de linha (ou colunas) de A //

DET  1
i 1
Enquanto i  N e DET  0
P  Ai, i
DET  DET  P
Se P  0
Ai, j  Ai, j / P
Fim j
B
i  Bi / P
P  Ak, i
Ak, j  Ak, j  P  Ai, j
Fim j
Bk   Bk   P  Bi
Fim k
i  i 1
Fim (Se)
Fim (Enquanto)
// Retrosubstituiçã
Para i de 1 até N executar
Xi  1
Fim i
Para i de N até 1 incremento (-1) executar
SOMA  0
Xi  Bi
Se j  i
SOMA  SOMA  Ai, j  Xj
Fim (Se)
Fim j

Xi  Xi  SOMA  / Ai, i

Fim i
Escrever X
Fim
7.3.1.3. Algoritmo de Pivoteamento
Início
C  A i, i
Li
C  Ak, i
Lk
Fim (Se)
Fim k
Se L  i então
T  Ai, j
Ai, j  AL, j
AL, j  T
Fim j
T  Bi
Bi  BL
BL   T
Fim (Se)
Retornar
Fim
7.3.1.4. Exercícios
Resolver cada sistema linear descrito a seguir através do método de

Eliminação de Gauss. Utilize, pelo menos, 4 dígitos significativos.

0,0002x1  2x 2  5  x1  0,5
a) 
 2x 2  6
Resposta:   
 2 x1  x 2  2,5
3 x1  2x 2  4x3  1  x1    3 
    
b)  x1  x2  2x 3  2 Resposta:  x 2    5 
4 x  3 x  2x 3  3  x 3   0 
 1 2
3 x1  4 x 2  x3  9  x1   1 
    
c)  x1  2x 2  2x 3  3 Resposta:  x 2    1
4 x  0 x  3x3  2  x 3   2 
 1 2
10x1  2x 2  x3  7  x1   1 
    
d)  x1  5x 2  x3  8 Resposta:  x 2    2
 2x  x 3   1 
 1  3x 2  10x 3  6
0 x 1  x2  x3  2  x1   1,3 
    
e) 2x 1  2x 2  x3  3 Resposta:  x 2   0,8
4 x  0x 2  x3  4  x 3   1,2 
 1
10x 1  6x 2  2x 3  45  x1   5 
    
f)  4x 1  10x 2  0x 3  0 Resposta:  x 2    2
 x  2x 2  10x 3  44  x 3   3,5 
 1
 2x 1  3x 2  x3  x4  6,90  x1  0,9 
 x  x2  4x 3  x4   6,60 x   
 2,1
g)  1 Resposta:  2    
 x1  x2  x3  x4  10,20  x 3  3,0 
    
 4x 1  5x 2  x3  2x 4   12,30  x 4  4,2
 x1  2x 2  3x 3  4x 4  10  x1  0
2 x  x2  2x 3  3x 4  x   
 7 1
h)  1 Resposta:  2    
3 x 1  2x 2  x3  2x 4  6  x 3  0
    
4 x 1  3x 2  2x 3  x4  5  x 4  2 
 x1  x2  2x 3  4x 4  7,12  x1   1,20 
x x  
 1  x2  5x 3  6x 4  12,02  2  2,12 
i)  Resposta: 
2x 1  5x 2  x3  2x 4  14,90  x 3   1,50 
    
4 x 1  6x 2  2x 3  x4  20,72  x 4  0,20
7.3.1.5. Aplicação prática
Determinar o valor da corrente em cada trecho do circuito elétrico:

Leis de Kirchoff:
a. A soma das correntes que entram em um nó é igual à soma das correntes

que saem dele.
b. Partindo de um ponto da malha, se percorrermos um ciclo, voltando ao
ponto inicial, a soma das quedas de potencial é nula.
Dica: Diferença de potencial provocada por um resistor: V = -R.i.
Equações: Nó a: i1 = i2 + i3,
Nó b: i3 = i4 + i5,
Nó c: i4 = i6 + i7,
Ciclo 1: 200 - 20 i2 - 60 i1 = 0,
Ciclo 2: -120 i3 - 50 i5 + 20 i2 = 0,
Ciclo 3: -80 i4 - 20 i6 + 50 i5 = 0,
Ciclo 4: 50 i7 - 100 + 20 i6 = 0.
Na forma matricial: A  x  b , sendo que:
 1 1 1 0 0 0 0 i1   0
     
 0 0 1 1 1 0 0 i2   0
 0  i  
 0 0 1 0 1  1 3  0
A   60  20 0 0 0 0 0, x  i 4 ,b   200
     
 0 20  120 0  50 0 0 i5   0
     
 0 0 0  80 50  20 0 i6   0
     
 0 0 0 0 0 20  50 i7   100

Solução: i1 = 2,5598; i2 = 2,3206;i3 = 0,2391; i4 = -0,1151; i5 = 0,3543; i6 = 1,3463;

i7 = -1,4615.
7.3.2. Método de Gauss-Jordan
Para solução de sistemas lineares através do método de Gauss-Jordan, a

Matriz Principal (A) transforma-se em uma identidade ou na sua própria inversa,
através de operações com linhas. Submetendo-se vetor de termos conhecido (B)
às mesmas operações, o mesmo transformar-se-á no vetor solução.
Assim, se continuarmos a transformar a matriz principal apresentada no

Método de Eliminação de Gauss, até que ela se transforme em identidade,
teremos imediatamente a solução do problema.
Seja o sistema linear a seguir:
 0  x2  x3  2

2x1  2x 2  x3  3

4 x 1  0x 2  x3  4
Matricialmente, o sistema linear é
0 1 1  x 1   2
     
2 2  1   x 2   3 
4 0  1  x 3  4 

Ou ainda, o sistema pode ser representado por:
0 1 1 2
 
2 2 1 3
4 0 1 4

Este sistema linear, após a triangularização da matriz principal (Método de

Eliminação de Gauss) - operações com linhas e pivoteamento, apresenta a
seguinte solução:

1 0  0,25 1
 
0 1  0,25 0,5 
0 0
 1,25 1,5 
Para obtermos a solução final, resolvemos o sistema triangular, fazendo a

x 3  1,2
retrosubstituição. Assim, teremos com solução final: x 2  0,8
x 1  1,3
7.3.2.1. Exemplo do método de Gauss-Jordan
Continuando o processo de Eliminação de Gauss, transformaremos a

matriz principal obtida no método de Eliminação de Gauss em uma matriz
identidade:
Dividimos toda a 3º linha por 1,5  a33 
1 0  0,25 1
 
0 1  0,25 0,5
0 0
 1,25 1,5  L 3 / a 33
Transformamos todas as equações das linhas 1 e 2:
1 0  0,25 1  L1  L 3  a13
 
0 1  0,25 0,5  L 2  L 3  a 23
1,2
0 0 1

Assim, teremos:
1 0 0 1,3 
 
0 1 0 0,8 
0 0 1
 1,2
x 1  1,3
Solução final: x 2  0,8
x 3  1,2

7.3.2.2. Algoritmo de Gauss-Jordan
Início
Ler A // Matriz A//
Ler B // Vetor B//
Ler N // Número de linha de A //
i 1
P 1
Enquanto i  N e P  0
P  Ai, i
Se P  0
Ai, j  Ai, j / P
Fim j
Bi  Bi / P
Para k de 1 até N executar
Se k  i
Q  Ak, i
Ak, j  Ak, j  Q  Ai, j
Fim j
Bk   Bk   Q  Bi
Fim Se
Fim k
i  i 1
Senão
Se Bi  0
Escrever “Sistema Indeterminado”
Senão
Escrever “Sistema Impossível”
Fim Se
Fim Se
Fim (Enquanto)

Xi  Bi
Fim i
Escrever X
Fim
7.3.2.3. Algoritmo de Pivoteamento
Início
C  A i, i
Li
C  Ak, i
Lk
Fim (Se)
Fim k
Se L  i então
T  Ai, j
Ai, j  AL, j
AL, j  T
Fim j
T  Bi
Bi  BL
BL   T
Fim (Se)
Retornar
Fim
Resolver cada sistema linear descrito a seguir através do Método direto de

Gauss Jordan. Utilize, pelo menos, 4 dígitos significativos.

0,0002x1  2x 2  5  x1  0,5
a) 
 2x 2  6
Resposta:   
 2 x1  x 2  2,5
3 x1  2x 2  4x3  1  x1    3 
    
b)  x1  x2  2x 3  2 Resposta:  x 2    5 
4 x  3 x  2x 3  3  x 3   0 
 1 2
3 x1  4 x 2  x3  9  x1   1 
    
c)  x1  2x 2  2x 3  3 Resposta:  x 2    1
4 x  0 x  3x3  2  x 3   2 
 1 2
10x1  2x 2  x3  7  x1   1 
    
d)  x1  5x 2  x3  8 Resposta:  x 2    2
 2x  x 3   1 
 1  3x 2  10x 3  6
0 x 1  x2  x3  2  x1   1,3 
    
e) 2x 1  2x 2  x3  3 Resposta:  x 2   0,8
4 x  0x 2  x3  4  x 3   1,2 
 1
10x 1  6x 2  2x 3  45  x1   5 
    
f)  4x 1  10x 2  0x 3  0 Resposta:  x 2    2
 x  2x 2  10x 3  44  x 3   3,5 
 1
 2x 1  3x 2  x3  x4  6,90  x1  0,9 
 x  x2  4x 3  x4   6,60 x   
 2,1
g)  1 Resposta:  2    
 x1  x2  x3  x4  10,20  x 3  3,0 
    
 4x 1  5x 2  x3  2x 4   12,30  x 4  4,2
 x1  2x 2  3x 3  4x 4  10  x1  0
2 x  x2  2x 3  3x 4  x   
 7 1
h)  1 Resposta:  2    
3 x 1  2x 2  x3  2x 4  6  x 3  0
    
4 x 1  3x 2  2x 3  x4  5  x 4  2 
 x1  x2  2x 3  4x 4  7,12  x1   1,20 
x x  
 1  x2  5x 3  6x 4  12,02  2  2,12 
i)  Resposta: 
2x 1  5x 2  x3  2x 4  14,90  x 3   1,50 
    
4 x 1  6x 2  2x 3  x4  20,72  x 4  0,20
7.4. Métodos Iterativos de Solução

Os métodos diretos estudados até agora, perdem a eficiência à medida que

cresce a ordem do sistema. Os métodos iterativos são os ideais, pois não
transformam as matrizes dos sistemas, como nos métodos diretos.
No método iterativo é dada uma “aproximação inicial” e, a partir desta

obtêm uma próxima solução. O processo termina quando uma determinada
precisão for alcançada.
7.4.1. Método de Gauss-Jacobi
Seja o sistema linear.
a11x1  a12 x 2   a1n x n  b1


a 21x1  a 22 x 2   a 2n x n  b2
 (1)
  
a x  an2 x 2   ann x n  bn
 n1 1
O método consta em isolar cada variável cujo índice indica a linha

correspondente:
x1 
1
b1  a12 x 2  a13 x 3    a1n xn  (1ª linha isola x1)
a11
x2 
1
b2  a21x1  a23 x 3    a2n xn  (2ª linha isola x2)
a22
x3 
1
b3  a31x1  a32 x 2    a3n xn  (3ª linha isola x3)
a33
xn 
1
bn  an1x1  an2 x 2    ann 1xn 1n  (nª linha isola xn)
ann
Conclui-se, portanto que podemos calcular o valor de x i na iteração k  1 ,

k 1
identificando como x i , em função dos valores obtidos na iteração k , através da
fórmula de recorrência mostrada abaixo:
k 1
 k  


k  0, 1, 2,,n
n
1 
xi   b i    a ij  x j 
a ii j1  
 ji 

7.4.1.1. Critério de parada
A solução do sistema é alcançada, quando, a diferença entre o valor de

qualquer variável, obtido em uma determinada iteração, e o valor desta mesma
variável, calculado na iteração anterior, está dentro de uma tolerância de erro
estipulada.
k  k 1
O critério de parada é então: x i  x i   1  i  n ,isto é, se a diferença
entre os módulos de dois valores sucessivos de TODOS os x i forem menores que

um  pré-fixado, então o processo convergiu.
Uma condição suficiente, mas não necessária para a convergência é que a

n
matiz do coeficiente seja diagonalmente dominante, isto é, aii   aij
j1
ji
1 i  n
k 1 k 
max x i  x i
k 
A precisão também pode ser dada por: m  1in
k 
max x i
1in
7.4.1.2. Algoritmo do método de Gauss-Jacobi
Início
Ler A // Matriz A//
Ler B // Vetor B//
Ler N // Dimensão da Matriz A //
Ler TOL // Tolerância de Erro //
Ler NMI // Número Máximo de Iterações //
Ler Xo // valores iniciais “Chute Inicial” //
X(i) =Xo
Fim (i)

D=1
k=0
Enquanto D > 0 e k  NMI executar
D=0
XV(i) = X(i)
Fim (i)
SOMA = 0
Se j  i então
SOMA = SOMA + A(i,j)* XV(j)
Fim (Se)
Fim (j)
X(i) = (B(i) – SOMA) / A(i,i)
Se | X(i) – XV(i) | > TOL então
D=1
Fim (Se)
Fim (i)
k=k+1
Fim (Enquanto)
Se k > NMI então
Escrever “NÃO ATINGIU PRECISÃO”
Senão
Escrever X
Fim (Se)
Fim.
7.4.1.3. Desenvolvimento do método de Gauss-

Jacobi através de exemplo.
10 x1  2x 2  x3  7

Resolver o sistema  x1  5x 2  x3  8

 2x1  3x 2  10 x 3  6

0
x1  0,7
0
Chute Inicial: x 2  1,6   0,05
0
x 3  0,6
Resolver cada sistema de equações lineares descrito a seguir usando o

Método de Gauss-Jacobi com, pelo menos, 4 dígitos significativos.
0
10 x1  2x 2  3x 3  10 x1  1,23
 0
a)  x1  5x 2  2x 3  20 Chute Inicial: x 2  5,53   0,001
 0
 3 x1  2x 2  6x 3   12 x 3  4,46
0

2x 1  x2  1 x1  0
b)  Chute Inicial: 0   0,01

 x1  2x 2  3 x2  0
7.4.2. Método de Gauss-Seidel
O método de Gauss-Seidel utiliza, para calcular o valor de uma incógnita

em uma determinada iteração, os valores das outras incógnitas já calculadas nesta
mesma iteração. Em consequência disto, a convergência, comparada ao método
de Gauss-Jacobi, é mais rápida.
Seja o sistema linear.
a11x 1  a12 x 2   a1n x n  b1


a 21x 1  a 22 x 2   a 2n x n  b2
 (2)
  
a x  a n2 x 2   a nn x n  bn
 n1 1
Vamos supor que todos os termos da diagonal, isto é, a11, a22 , a33 ,, ann ,
sejam não nulos. Caso contrário, as equações podem ser rearranjadas para que
todos os termos da diagonal fiquem não nulos (PIVOTEAMENTO).
O método consiste em isolar cada variável cujo índice indica a linha

correspondente:

x 1k 1 
1
a11

b1  a12 x 2k   a13 x 3k     a1n x nk  
x 2k 1 
1
a 22

b 2  a 21x1k 1  a 23 x 3k     a 2n x nk  
x 3k 1 
1
a 33

b 3  a 31x1k 1  a 32 x 2k 1    a 3n x nk  
x nk 1 
1
a nn

bn  a n1x1k 1  a n2 x 2k 1    an,n1x nk11 
A fórmula de recorrência utilizada neste método será portanto:
k 1 1  i1
 k 1   k  
bi    aij  x j     aij  x j  k  0, 1, 2,, n
n
xi 
aii  j1   ji1 
Como saber, antes de iniciar as iterações, se o sistema convergirá ou

não?
Para isso existem dois critérios de suficiência de convergência, tanto para

o método de Gauss-Seidel quanto para o Método de Gauss-Jacobi. Basta que o
sistema satisfaça apenas um dos critérios abaixo, para termos a convergência
garantida, independente do valor do “Chute Inicial”.
7.4.2.1. Critério de convergência das linhas
Uma condição suficiente, mas não necessária para a convergência, é que a

n
matriz do coeficiente seja diagonalmente dominante, isto é: a ii   a ij para i  1,
j1
ji
2, ..., n
7.4.2.2. Critério de convergência das colunas

n
Uma condição suficiente, para que a iteração convirja é: a jj   aij para
i1
i j
j  1, 2, ..., n
7.4.2.3. Critério de parada
Os critérios da parada são os mesmos que foram apresentados no Método
k  k 1
de Gauss-Jacobi: x i  x i   1  i  n , isto é, se a diferença entre os módulos
de dois valores sucessivos de TODOS os x i forem menores que um  pré-fixado,

então o processo convergiu.
7.4.2.4. Algoritmo do método de Gauss-Seidel
Início
Ler A // Matriz A//
Ler B // Vetor B//
Ler N // Dimensão da Matriz A //
Ler TOL // Tolerância de Erro //
Ler NMI // Número Máximo de Iterações //
Ler Xo // valores iniciais “Chute Inicial” //
X(i) =Xo
Fim (i)
D=1
k=0
Enquanto D > 0 e k  NMI executar
D=0
XV = X(i)
SOMA = 0
Se j  i então
SOMA = SOMA + A(i,j) * X(j)

Fim (Se)
Fim (j)
X(i) = (B(i) – SOMA) / A(i,i)
Se | X(i) – XV | > TOL então
D=1
Fim (Se)
Fim (i)
k=k+1
Fim (Enquanto)
Se k > NMI então
Escrever “NÃO ATINGIU PRECISÃO”
Senão
Escrever X
Fim (Se)
Fim.
7.4.2.5. Desenvolvimento de método Gauss-

Seidel através de exemplo
10 x 1  2x 2  x3  7

Resolver o sistema  x 1  5x 2  x3  8,

 2x 1  3x 2  10 x 3  6
0
x 1  0,7
0
Chute Inicial: x 2  1,6   0,05
0
x 3  0,6
Resolver cada sistema de equações lineares descrito a seguir usando o

Método de Gauss-Seidel com, pelo menos, 4 dígitos significativos.
0
10 x1  2x 2  3x 3  10 x1  1,23
 0
a)  x1  5x 2  2x 3  20 Chute Inicial: x 2  5,53   0,001
 0
 3 x1  2x 2  6x 3   12 x 3  4,46

0

2x 1  x2  1 x1  0
b)  Chute Inicial: 0   0,01

 x1  2x 2  3 x2  0

Capítulo 8.
Sistemas de Equações Não-Lineares
8.1. Método de Newton
Consideremos inicialmente “n” funções f1, f2 , f3 ,, fn onde cada uma delas é função
das “n” variáveis x1, x 2 , x 3 ,, x n . Queremos encontrar os valores de x 1, x 2 , x 3 ,, x n tais
que:
f1 x 1, x 2 , x 3 ,, x n   0


f2 x 1, x 2 , x 3 ,, x n   0
 (1)

   
fn x1, x 2 , x 3 ,, x n   0
 x 1 x 1  1
  2x 2  18
Por exemplo, no sistema não-linear  , procura-se x 1
 x 1  1
  x 2  6   25
2 2
f1x 1, x 2    x 1x 1  1  2x 2  18 0

e x 2 tais que: .
f2 x 1, x 2   x 1  1 x 2  6  25 0
2 2
Com o intuito de simplificar, usaremos a seguinte notação vetorial, sendo x um

vetor com “n” componentes e Fx  é uma função vetorial da variável vetorial, isto é,
x  x1, x 2 , x 3 ,, x n  e Fx   f1 x , f2 x , f3 x ,, fn x  .
Com esta notação podemos admitir que o sistema (1) pode ser escrito da seguinte
forma: Fx   0 .
Como já vimos em aulas anteriores, o Método de Newton para uma única função e
uma variável é dado por:
f Xi 
Xm  Xi  (2)
f Xi 

Seguindo este mesmo princípio, só que agora para um conjunto de equações não-
lineares, podemos escrever (2) da seguinte forma:
    
F x K   F x K  x  x K   0 (3)
Onde x K  é o vetor de aproximação da k-ésima iteração.
 
Devemos destacar F x K  na (3). Fx  é uma matriz contendo todas as derivadas
parciais de todas as componentes da função Fx  que é denotada por Jx  (matriz
fi x i 
Jacobiana de Fx  ). Ou seja, Jx   Fx   Jij  .
x i
Rearranjando (3) temos:
    
F x K   J x K  x  x K   0 (4)
Para estabelecer o método iterativo, a aproximação na iteração K  1 será definida
pelo vetor x . De agora em diante o novo valor do vetor x será denotado de x K1 , então
de (4) temos:
    
F x K   J x K  x K 1  x K   0 (5)
Chamando de s a operação realizada entre os valores x K1 e x K  , podemos

escrever (5) da seguinte forma:
   Jx s  0
K  K 
Jx  s  Fx 
K  K 
s
 
F x K 
Fx
 
J x K 
ou seja,
    
s  J1 x K    F x K  (6)
Ou seja, o cálculo do novo valor de s requer uma inversão da matriz Jacobiana, o

que torna o método caro.
 
Como s  x K 1  x K  , então

x K 1  x K   s (7)
definindo assim o valor da próxima aproximação.
8.2. Critério de Parada
O critério da parada é o mesmo que foi apresentado nos métodos anteriores:
K 1 K 
xi  xi  1 i  n
Isto é, se a diferença entre os módulos de dois valores sucessivos de TODOS os x i

forem menores que um  pré-fixado, então o processo convergiu.
8.3. Desenvolvimento de Método Através de Exemplo
 f x , x  
  x2 1 0
3 2
2x1
Resolver o sistema,  1 1 2 , considerando o Chute
f2 x1, x 2  
 x1  x 2  x2 4 0
3
Inicial: X0   1,2; 1,7' e   0,01 .
x1 
Solução: Seja X   
 x 2 
Assim,
f1  2x13  x 2 2  1 
FX      FX   
f2  x1  x 2 3  x 2  4
1º Passo:
Calcular as derivadas parciais de cada função para formarmos a matriz Jacobiana:
 f1 x1  f1 x 2  

 x x 2  6  x12  2  x2 
JX    1
  JX    
 f2 x1  f2 x 2 
1 x 2
3
3  x1  x 2  1
2
 x1 x 2 
2º Passo

1,2
Tomando como aproximação inicial (chute inicial) X( 0 )    , temos:
1,7
2  1,23  1,72  1   0,4340

 
FX 0 
   
1,2  1,73  1,7   4 0,1956 
6  1,22  2  1,7   8,64  3,4

 
JX 0 
  
 1 1,7  3  1,2  1,7   1  4,91
3 2
9,4 
 0,0960 0,0347
 
J1 X 0    
 0,0501 0,0882
    
S  J1 X 0    F X 0 
 0,0960 0,0347  0,4340   0,0349 

S   
 0,0501 0,0882  0,1956   0,0390 
X 1  X 0   S
1,2  0,0349  1,2349

X 1       
  
1,7  0,0390  1,6610
3º Passo
O critério da parada: X 1  X 0   0,01
1,2349 1,2  0,0349 

erro     
1,6610 1,7  0,0390
Maxerro  0,0390 erro maior que 0,01
Próxima Iteração:
Para o cálculo da nova aproximação, recalculamos o F(X) e a matriz Jacobiana (J)

1
em X . Assim, teremos:

0,0075 
 
F X 1   
0,0020 
 9,1499  3,322
 
J X 1   
4,5826 8,5600 
 0,0915 0,0355 
 
J1 X 1   
 0,0490 0,0978 
 0,0915 0,0355   0,0075   0,00075 

S   
 0,0490 0,0978   0,0020   0,00017 
X 2  X 1  S
1,2349  0,00075 1,2341

X 2      
1,6610  0,00017  1,6611
O critério da parada: X 2   X 1  0,01
1,2341 1,2349  0,00075

erro     
1,6612 1,6610  0,00017 
Maxerro  0,00075 erro menor que 0,01
1,2341
Ou seja, o sistema convergiu para a seguinte solução: X   .
1,6611
8.4. Exercícios
Aplicando o Método de Newton, resolver os seguintes sistemas não lineares a

seguir:
 f1 x1, x 2  
 x1  x2 3 0
 , considerando o chute inicial: X0   1; 5' e   0,01
f2 x1, x 2  
  x2 9 0
2 2
x 1

Capítulo 9.
Integração Numérica
9.1. Introdução
Existem basicamente dois tipos de integrais: indefinidas e definidas.
x3
 x dx   C , ou seja, a integração indefinida
2
Uma integral indefinida é do tipo
3
nos fornece uma família de funções em x , onde uma solução difere da outra através do
valor da constante C .
1
 x31
  13   03  1
Uma integral definida é do tipo  x dx    C    C   
2
 C   , ou
0 3 0  3   3  3
seja, a integração definida fornece como solução um número.
Como a solução de uma integral indefinida é uma família de funções e não apenas
um número, deve ser obtido pelas técnicas do cálculo diferencial e integral e não por
métodos numéricos.
O cálculo de integrais definidas, por outro lado, pode ser realizado por técnicas
computacionais. Abordaremos o método de integração numérica através da interpolação
9.2. Interpolação
Seja uma função y  f x  , com um conjunto de n+1 pontos de coordenadas x i , y i  ,
i variando de 0 até n , tal que y i  f x i  , e um intervalo a, b , tal que x 0  a e x n  b ,

conforme Figura 1.

y yn
yi
y1
y2
y0
x0=a x1 x2 ... xi ... xn=b x
Figura 1 – Integral da curva y=f(x) entre a e b.
A área limitada pela curva da equação y  f x  , pelo eixo “x”, e pelos pontos
b
extremos do intervalo considerado, é igual a s   f x  dx
a
A primeira ideia que surge quando se pensa em calcular uma área qualquer, é a de
dividi-la em áreas menores, mais fáceis de serem calculadas, e depois somar os resultados
desse cálculo.
Uma das opções para o cálculo desta área é a utilização do Método dos Trapézios.
9.3. Método dos Trapézios
Este método consiste em aproximar a área sob a curva por uma séria de trapézios
(Figura 2).
y yn
yi
y1
y2
y0
x0=a x1 x2 ... xi ... xn=b x
Figura 2 – Método dos Trapézios.
Para usarmos o método dos trapézios dividimos o intervalo desde “a” até “b” em “n”
partes iguais, formando “n” trapézios.
Consideremos o i  ésimo trapézio que está entre x i1 e x i . Sua altura é dada por:
ba
h
n

Portanto sua área é dada por: A i 

h
f x i1   f x i  , sendo h uma constante.
2
A soma das áreas de todos os trapézios fornece a aproximação para a integral:
A T  A1  A 2  A 3    A n1  A n
AT 
h
f x 0   f x1   h f x1   f x 2   h f x n2   f x n1   h f x n1   f x n 
2 2 2 2
Colocando o fator comum h 2 em evidência, resulta:
AT 
h
f x 0   2f x1   2f x 2     2f x n1   f x n 
2
Podemos então generalizar a equação para o cálculo da integral pelo método dos
trapézios, da seguinte forma:
h n 1

AT  f x 0   2 f x i   f x n  (1)
2 i 1 
Observação: a exigência da divisão do intervalo de integração ser em partes iguais é

apenas por comodidade computacional e não uma exigência do método.
9.3.1. Algoritmo do método dos Trapézios
Início
Ler função f(x) = < > // função integrando //
Ler a // limite inferior de integração //
Ler b // limite superior de integração //
Ler N // número de subintervalos //
h = (b – a) / N // subintervalos//
x=a
S=0
S = S + f(x) + f(x+h)
x=x+h
Fim (i)

S=S*h/2
Escrever S
Fim
9.3.2. Desenvolvimento de método através de exemplo
 x 
8
Calcular 4
 3 dx com 6 subintervalos. (Resposta: 6.733)
2
9.3.3. Exercícios
 x 
6
a) Calcular através do Método dos Trapézios a integral 3
 x dx com 6
0
subintervalos. (Resposta: 351)
 x 
6
b) Calcular através do Método dos Trapézios a integral 2
 1 dx com 6
0
subintervalos. (Resposta: 79)

4
1
c) Calcular através do Método dos Trapézios a integral  x dx
3
com 10
subintervalos. (Resposta: 0,2877)

d) Calcule o valor da integral abaixo através do Método dos Trapézios para 10
subintervalos.
4
 5x 2  4 
1  x 3  4x  dx (Resposta: )
e) Calcule a integral da função f x   x  lnx  entre x = 1 até x = 2, usando o

Método dos Trapézios com 6 subintervalos. (Resposta: 0,637898)
f) Calcule o valor da integral da função desconhecida abaixo desde x = 1 até x
= 2,2, usando o Método dos Trapézios. (Resposta: 0,53459)
9.4. Método de Simpson (1ª Regra)

No método de Simpson, 1º regra, tentamos aproximar a curva de uma dada função

por uma série de segmentos parabólicos, esperando que a parábola se ajuste melhor para
descrever a curva dada, do que as retas do método trapezoidal.
Resumidamente, no método, emprega-se interpolação quadrática (parábola do 2º

grau) para cada conjunto de 3 pontos em sequência, do intervalo dividido em “n”
subintervalos, sendo “n” par.
A Figura 1, mostra como podemos construir a parábola.
f(x)
Parábola
y  ax 2  bx  c
y
f(b)
f(c)
f(a)
h h
x0=a x1=c x2=b x
Figura 1– Método de Simpson (1ª Regra).
Vamos supor que o que se deseja é integrar a função f(x) desde x 0  a até x 2  b .
ab
Escolhemos o ponto c como ponto médio entre a e b , isto é, c  e obtemos na
2
curva f(x) os pontos referentes aos seguintes pares ordenados: a, f a , c, f c  e b, f b .
Estes três pontos definem uma parábola y  ax 2  bx  c , que passa pelos três pontos.
Nossa esperança é que a área da parábola seja mais fácil de achar do que a área sob a
curva f(x) e que as duas áreas sejam aproximadamente iguais.
Generalizando, podemos deduzir a fórmula de integração do método de Simpson,

tomando-se três pontos consecutivos: x i , x i1 e x i2 , onde x i1  x i  h e x i2  xi  2h , e
supondo-se que a parábola de 2º grau que passa por esses pontos, tenha por equação
y  ax 2  bx  c , a área sob a curva correspondente ao intervalo xi , xi2  , será:
xi 2
 ax  bx  c dx  s
xi  2 xi  2
 ax 3 bx 2 
sk   f x  dx     cx 
2
k
xi xi  3 2  xi

Resolvendo algebricamente esta igualdade, temos:
sk 
h
3
   2
 2

ax i2  bx i  c  4 ax i  h  bx i  h  c  axi  2h  bxi  2h  c
Analisando as parcelas da expressão acima, verifica-se que:
y i  f x i   ax i2  bx i  c
y i1  f x i1   ax i  h  bx i  h  c

2
yi2  f xi2   axi  2h  bxi  2h  c

2
Substituindo na expressão anterior, temos:
sk 
h
y i  4y i1  y i2  , sendo k  i  2 .
3 2
A área total procurada é o somatório de todos os resultados obtidos para cada

subintervalo, ou seja:
s
h
y 0  4y1  y 2 y 2  4y 3  y 4 y 4  4y 5  y 6 
3
  y i  4y i1  y i2   y n2  4y n1  y n 
Podemos formalizar a equação para o cálculo da integral pelo método de Simpson

(1º Regra), da seguinte forma:
 n 2 n2

h 2 2

s   y 0  4   y 2i1  2   y 2i  y n  (1)
3
 i0 i1

9.4.1. Algoritmo do método de Simpson (1ª Regra)
Início


Ler N // número de subintervalos - N tem que ser um numero par//
x=a
S=0
Para i de 1 até N/2 executar
S = S + f(x) + 4*f(x+h) + f(x + 2*h)
x = x + 2*h
Fim (i)
S=S*h/3
Escrever S
Fim
 x 
8
Calcular 4
 3 dx com 6 subintervalos (3 parábolas) através da 1ª Regra de
2
Simpson. (Resposta: 6.566)
9.4.3. Exercícios
 x 
6
a) Calcular através da 1ª Regra de Simpson 3
 x dx com 6 subintervalos.
0
(Resposta: 342)
 x 
6
b) Calcular através da 1ª Regra de Simpson 2
 1 dx com 6 subintervalos.
0
(Resposta: 78)
4
1
c) Calcular através da 1ª Regra de Simpson  x dx
3
com 10 subintervalos.
(Resposta: 0, 287682)
1
 1 
d) Calcular o valor de 𝜋, dada pela expressão   4    2 
dx , aplicando a
0  1  x 
1ª Regra de Simpson, com 8 subintervalos ( 4 parábolas). (Resposta: 3,141592)

1
x2
e) Calcular, através da 1ª Regra de Simpson a integral  x  1
2
2
dx , com 6
subintervalos (3 parábolas) (Resposta: 0, 3557)
 x 
3,3
f) Calcular, através da 1ª Regra de Simpson a integral 3
 x 2  x  1 dx , com
3
6 parábolas (12 subintervalos). (Resposta: 13,622)

2
e
2x
g) Calcular, através da 1ª Regra de Simpson a integral dx , com 2
1
parábolas (4 subintervalos). (Resposta: 23,6125)

3
h) Calcular, através da 1ª Regra de Simpson a integral  lnx  1 dx ,
1
com 5
parábolas (10 subintervalos). (Resposta: 2,15888)
i) Calcule a integral da função f x   x  lnx  entre [1; 2], usando a 1ª Regra dos
Simpson com 6 subintervalos. (Resposta: 0,636298)
9.5. Método de Simpson (2ª Regra)
No método de Simpson, 2º regra, emprega-se um polinômio de grau 3

Px   ax 3

 bx 2  cx  d , a  0 . Esta função é chamada de cúbica e, em geral, o gráfico
de uma função cúbica possui uma das duas formas seguintes (Figura 1).
Figura 1 – Formas gráficas de uma função cúbica
Logo, na segunda regra de Simpson, utiliza-se a interpolação cúbica, com um

conjunto de 4 pontos no intervalo de integração. O número de intervalos deve ser múltiplo
de 3 e são necessários, portanto, no mínimo, 4 pontos para aplicação da regra.
Generalizando, podemos deduzir a fórmula de integração para a 2ª regra de

Simpson, tomando-se quatro pontos consecutivos: x i , x i1 , x i2 e x i3 onde x i1  x i  h ,

x i2  xi  2h e x i3  xi  3h , e supondo-se que esses pontos passe pelo polinômio de 3º

grau, a área sob a curva correspondente ao intervalo x i , x i3  , será:
xi 3
 ax 4 bx 3 cx 2 
xi  3
 f x  dx    
xi  3
sk  ax  bx  cx  d dx  sk  
3 2
   dx 
xi xi  4 3 2  xi
Aplicando estes limites, e resolvendo algébrica-mente esta equação, temos:
sk 
3h
y i  3y i1  3y i2  y i3 , sendo k  i  3
8 3
A integral, no limite de integração a, b , subdividido em “n” subintervalos (agora o

ba
número de “n” deverá ser múltiplo de 3), com comprimento h  , é dada pela seguinte
n
regra composta:
s
3h
y 0  3y1  3y 2  y 3 y 3  3y 4  3y 5  y 6  
8
yi  3yi1  3yi2  yi3   yn3  3yn2  3yn1  yn 
Podemos formalizar a equação para o cálculo da integral pelo método de Simpson

(2º Regra), da seguinte forma:
 n n 3

3h  3 3

s  y 0  3   y 3i2  y 3i1   2   y 3i  y n  (2)
8
 i1 i1

9.5.1. Algoritmo do método de Simpson (2ª Regra)
Início
Ler N // número de subintervalos - N tem que ser múltiplo de 3 //
x=a

S=0
Para i de 1 até N/3 executar
S = S + f(x) + 3*f(x+h) + f(x + 2*h) + f(x + 3*h)
x = x + 3*h
Fim (i)
S = S * h * 3/ 8
Escrever S
Fim
 x 
6
Calcular 3
 x dx , com n  6 subintervalos.
0
60
Solução: y i  f x i   x i3  x i , h 1
6
i xi yi
0 0 0 y0
1 1 2 y1
2 2 10 y2
3 3 30 y3
4 4 68 y4
5 5 130 y5
6 6 222 y6
 y 3i 1   y1  y 2   y 4  y 5   210
3
 y
i 1
3i  2
6 3
3
y
i 1
3i  y 3  30
3 1
s 0  3  210  2  30  222  342
8
s  342
9.5.3. Exercícios
 x 
6
0
(Resposta: 342)
 x 
6
0
(Resposta: 78)
4
1
3
(Resposta: 0, 28768)
1
x2
d) Calcular, através da 2ª Regra de Simpson a integral  x  1
2
2
dx , com 6
subintervalos. (Resposta: 0, 35574)
 x 
3,3
e) Calcular, através da 2ª Regra de Simpson a integral 3
 x 2  x  1 dx , com
3
12 subintervalos. (Resposta: 13,622)

2
e
2x
f) Calcular, através da 2ª Regra de Simpson a integral dx , com 9
1

3
g) Calcular, através da 2ª Regra de Simpson a integral  lnx  1 dx , com
1
15

h) Calcule a integral da função f x   x  lnx  entre [1; 2], usando a 2ª Regra dos
Simpson com 6 subintervalos. (Resposta: 0,6363)
9.6. Integração Dupla
h x 
    f x, y dy dx , onde os valores de “a” e “b” são os limites
b
Seja a integral dupla
a gx
de integração referentes a variável “ x ”, as funções “g( x )” e “h( x )” são os limites de

integração referentes à variável “ y ” e “ f x, y  ” é a função a ser integrada.
9.6.1. Método de resolução analítica

O método de resolução analítica consiste em integrar a função f x, y  em relação a
y , nos limites g( x ) e h( x ), gerando-se uma função que chamaremos de f1 x  e, em
seguida integrar a função f1 x  em relação a x , nos limites de integração a e b, obtendo-se
o resultado que chamaremos de f0 .
h x 
   f x, y dy dx
b
Em resumo: f0  
a gx
Então, f0   f1 x  dx , sendo,
b
a
h x 
f1 x   
g x 
f x, y  dy f1x    f x, ydy  
hx
gx
Logo, f0   f xdx
1
b
 x  y  dy dx
4 2x
Por exemplo, seja resolver f0  
0 x
f1 x   x2x x  y  dy
5x 2
  
  x  y dy x  2
2x
4
5x 2  5x 3
  53,333
dx   6
4
f 0  0  0
2 
9.6.2. Método de resolução numérico
A solução por método numérico consiste em atribuir determinados valores a variável

x dentro do intervalo de integração a, b e, para cada um destes valores, calcula-se os
valores das funções g( x ) e h( x ). A seguir atribui-se determinados valores à variável y ,
dentro dos limites de integração gx , hx  e, para cada um destes valores, calcula-se a
função f x, y  . Com estes resultados, podemos obter o valor da função f1 x  , empregando
um dos métodos de integração já conhecidos. Finalmente, com todos os valores de f1 x 
calculados, podemos, empregando-se o mesmo método, obter o valor final f0 .

  x  y  dy dx , com
4 2x
Calcular n  4 subintervalos de dimensão, usando o Método
0 x
de Simpson (1º Regra).
Solução:
ba
Lembrete: h 
n
 Referente à integração de intervalo 0,4 temos um h , aqui denominado de h1 para
40
cada intervalo h1  1 e, conseqüentemente i  0,1, 2, 3, 4 e
4
xi  0, 0  h1, 0  2h1, 0  3h1,0  4h1 )  0,1, 2, 3, 4 .
 Referente à integração de intervalo x,2x , termos um novo h , aqui denominado de
2x  x
h 2 para cada intervalo obtido após a substituição de x . Assim, h2  , com 4
4
subintervalo, j  0,1, 2, 3, 4 , gerando um y j  x, x  h2 , x  2h2 , x  3h2 , x  4h2  . A
partir dos valores de x i e y j calculados, podemos então calcular a f x i , y i   x i  y i ,
gerando um valor de f1 x i  para cada i existente.
 Os valores de f1 x i  são obtidos através da expressão do Método de Simpson (1º
regra) f1 x i  
h2
f x i , y 0   4f x i , y1   f x i , y 3    2  f xi , y 2   f xi , y 4  (n = 4
3
subintervalos).
Veja a resolução na tabela abaixo.
i xi g(xi) h(xi) j yj f(xi,yj)=xi + yj f1(xi)

0 0,00 0,0 0,0 0 0,00 0,00 0,00
1,0 2,0 0 1,00 2,00
2-1 1 1,25 2,25

k1 =
1 1,00 4 2 1,50 2,50 2,50
3 1,75 2,75
k1 = 0,25
4 2,00 3,00

i xi g(xi) h(xi) j yj f(xi,yj)=xi + yj f1(xi)

2,0 4,0 0 2,00 4,00
4-2 1 2,50 4,50

k1 =
2 2,00 4 2 3,00 5,00 10,0
3 3,50 5,50
k1 = 0,5
4 4,00 6,00
3,0 6,0 0 3,00 6,00
6-3 1 3,75 6,75

k1 =
3 3,00 4 2 4,50 7,50 22,50
3 5,25 8,25
k1 = 0,75
4 6,00 9,00
4,0 8,0 0 4,00 8,00
8-4 1 5,00 9,00

k1 =
4 4,00 4 2 6,00 10,00 40,00
3 7,00 11,00
k1 = 1,00
4 8,00 12,00
Com os valores de f1xi  calculados, empregamos novamente o mesmo método,

para obter o resultado final:
f0 
h1
f1x 0   4  f1x1   f1x 3   2  f1x 2   f1x 4 
3
f0  0.333  0  4  2,5  22,5  2  10 40  53.333
Neste caso o resultado obtido é exato porque a última função a ser integrada, é de
grau menos ou igual a 2, e a 1ª regra de Simpson interpola a função integrando, por uma
parábola de 2º grau.
9.6.4. Algoritmo do método de integração dupla – 1ª

regra de Simpson
Início
Ler função f(x,y) = < > // função integrando //
Ler função g(x) = < > // limite inferior de integração de y //

Ler função h(x) = < > // limite superior de integração de y //

Ler a // limite inferior de integração de x //
Ler b // limite superior de integração de x //
Ler N // número de subintervalos //
k = (b – a) / N
x=a
f0 = 0
k1 = (h(x) – g(x)) / N
y = g(x)
f1 = 0
Para j de 1 até N/2 executar
f1 = f1 + f(x,y) + 4*f(x,y+k1)+f(x,y+2*k1)
y = y + 2*k1
Fim (j)
f1 = f1 * k1/3
Se i = 0 ou i = N então
FATOR = 1
senão
Se i mod 2 = 0 então
FATOR = 2
Senão
FATOR = 4
Fim (Se)
Fim (Se)
f0 = f0 + FATOR * f1
x=x+k
Fim (i)
f0 = f0 * k/3
Escrever f0
Fim
9.6.5. Exercícios

 x 
6
0
(Resposta: 342)
 x 
6
0
(Resposta: 78)
4
1
3
(Resposta: 0, 28768)
1
x2
d) Calcular, através da 2ª Regra de Simpson a integral  x  1
2
2
dx , com 6
subintervalos. (Resposta: 0, 35574)

Capítulo 10.
Soluções Numéricas de Equações Diferenciais
Ordinárias
10.1. Introdução
Uma equação diferencial, é uma equação que encerra uma ou mais derivadas. Se
estas derivadas forem, todas elas, ordinárias, então a equação é dita Equação Diferencial
Ordinária, e conhecida pela sigla EDO. Se houver derivadas parciais, ela é chamada
Equação Diferencial Parcial, ou EDP.
A forma geral de uma EDO de ordem m, é:
 dy dy 2 dy m 
f   x, y, , 2 ,, m   0
 dx dx dx 
Podemos dividir os problemas que envolvem EDO, em dois tipos, conhecidos como
Problemas de Valor Inicial (PVI), e Problema de Valores de Contorno (PVC). As soluções
numéricas desses problemas podem ser obtidas, quando conhecemos as restrições à
função f(x) e às suas derivadas, até a de ordem m-1. Se estas restrições forem referentes
a um mesmo valor de x, considerado inicialmente, temos um PVI. Se forem referentes a
determinados valores de x, considerados de contorno, temos um PVC.
A ordem de uma EDO, é a da derivada de ordem mais elevada que existe na

equação.
Neste capítulo serão estudados métodos de resolução numérica de problemas de

valor inicial, e de problemas de valores de contorno, envolvendo equações diferenciais
ordinárias de qualquer ordem.
10.2. Método de Passos Simples (EDO de 1ª ordem)

Na resolução de problemas de valor inicial, os métodos de passos simples são

aqueles que necessitam apenas de um valor inicial y 0  f x 0  , para obter um valor
desejado y n  f x n  . Nesta categoria serão estudados os métodos de Euler e o de Runge-
Kutta.
10.2.1. Método de Euler
O método de Euler é o mais simples dos métodos de passos simples, e, em

decorrência disso, é o que apresenta menos precisão.
Através desse método, só obtemos bons resultados, se utilizarmos intervalos de

integração não muito grandes, e subintervalos bem pequenos.
Podemos, portanto, definir o problema de valor inicial como sendo, calcular

y n  f x n  sabendo-se que y  f  x, y  , que é forma geral de uma EDO de 1ª ordem, e
conhecendo-se y 0  f x 0  , que é o valor inicial.
A solução por este método, é consequência direta do desenvolvimento da série de

Taylor, até o termo de 1ª ordem, para n pontos de intervalo de integração x 0 , x n ,
igualmente espaçados. O espaçamento entre os pontos será h  x n  x 0  / n .
Assim, desenvolvendo-se a série de Taylor para f x  h , até o termo de 1ª ordem,

temos:
f x  h  f x   h  f x  y  f x   f x  h  h  f x 
que é a expressão do método de Euler, ou também conhecida como método de Taylor de

1ª ordem.
Aplicando a expressão aos n+1 pontos do intervalo, considerando-se xi1  xi  h ,

temos:
y 0  f x 0  y0  f x 0   f  x 0 , y 0 
y1  y 0  h  y0  f x1  y1  f x1   f  x1, y1 
y 2  y1  h  y1  f x 2  y2  f x 2   f  x 2 , y 2 



yn  yn1  h  yn1
A expressão geral do método, portanto, também pode ser escrita como:
yi1  yi  h  yi , i variando de 0 até n-1
10.2.1.1. Desenvolvimento de método através de

exemplo
Resolver a EDO, y  1  2xy , com as condições iniciais x 0  0 e y 0  f x 0   1 no

ponto de abscissa xn  0,1 , e utilizando 10 intervalos (n = 10), e , portanto
h  0,1  0 / 10  0,01 . (Resposta: y10  1,090466 )
 x 2 
Comparando-se com o resultado exato, calculado da solução y  e  x  1   e t dt  ,
2
 
 0 
que para x -= o,1, é 1,089386, verificamos que a precisão não é muito boa. Se
aumentarmos o número de intervalos, o resultado obtido terá uma precisão bem maior.
Com 50 intervalos, por exemplo, obtém-se o resultado 1,089602.
A seguir, será apresentado um algoritmo referente ao método que foi abordado.
10.2.1.2. Algoritmo de Euler
Início
Ler função f  x, y  = < > // função integrando //
Ler X0, Y0 // valores iniciais //
Ler XN // abscissa do ponto desejado //
Ler N // número de intervalos //
H ← (XN - X0) / N
X ← X0
Y ← Y0
Y  Y  H  f  X, Y 

X  XH
Fim (i)
Escrever XN, Y
Fim
10.2.2. Método de Runge-Kutta.
O método de Euler, como já foi explicado, não fornece uma precisão muito boa, e só
é aplicável nos casos em que o intervalo é pequeno.
O método de Runge-Kutta, utiliza expressão menos complicadas fornecendo uma

precisão igual ao da expansão da série de Taylor de mesma ordem.
A expressão geral do método de Runge-Kutta de ordem m, é:
y i1  y i   a j , k j  , i variando de 0 até n-1,

m
j1
Onde:
 a j são constantes para cada método de ordem m;
 k 1  h  f  x i , y i 
 j1

 k j  h  f   x i  p j  h, y i   rj,l  k1  , sendo p j e r j,l constantes para cada método de
 l1 
ordem m, para j > 1.
10.2.2.1. Método de Runge-Kutta (4ª ordem)
Este é o mais utilizado dos métodos desta categoria, devido à precisão dos
resultados que ele apresenta, e, principalmente, devido à simplicidade da expressão que
utiliza:
 k 1  2  k 2  2  k 3  k 4 
1
y i1  y i 
6

 h k   h k 
sendo: k1  h  f  x i , y i  ; k 2  h  f   xi  , yi  1  ; k 3  h  f   xi  , yi  2  ;
 2 2  2 2
k 4  h  f  x i h, y i  k 3  ; i variando de 0 até n-1.
10.2.2.2. Desenvolvimento de método através de

exemplo
Resolver a EDO, y  1  2xy , com as condições iniciais x 0  0 e y 0  f x 0   1 ,

xn  0,1 , e utilizando 10 intervalos (n = 10), e , portanto h  0,1  0 / 10  0,01 . (Resposta:
y10  1,089386 )
Comparando com o resultado exato, com a mesma precisão, 1,089386, verifica-se

que o erro é praticamente nulo.
A seguir, será apresentado o algoritmo referente ao método que foi abordado.
10.2.2.3. Algoritmo de Runge-Kutta (4ª ordem)
Início
Ler função f  x, y  = < > // função integrando //
Ler X0, Y0 // condições iniciais //
Ler XN // abscissa do ponto desejado //
Ler N // número de intervalos //
H ← (XN - X0) / N
X ← X0
Y ← Y0
Para i de 0 até N-1 executar
K1  H  f  X, Y 
K 2  H  f  X  H / 2, Y  K1/ 2
K3  H  f  X  H / 2, Y  K 2 / 2
K 4  H  f  X  H, Y  K3
Y  Y  K1  2  K2  K3  K 4 / 6
X  XH
Fim (i)

Escrever XN, Y
Fim
10.3. Exercícios
Resolver a EDO, y  y   x  2 , com as condições iniciais x 0  0 e y 0  2 , xn  0,3

e h = 0,1, através do método de Euler.

Referências
FRANCO, N. B. Cálculo Numérico. São Paulo: Pearson, 2008. 505p.
ARENALES, S. H. de V. Cálculo numérico: aprendizagem com apoio de software. São

Paulo: Thomson, 2008. 364p
SCHEID, F. Análise numérica. Tradução de António César de Freitas. Lisboa: McGraw-

Hill, 2000. 617p.
SPERANDIO, D. Cálculo numérico: características matemáticas e computacionais

dos métodos numéricos. São Paulo: Pearson Prentice Hall, 2006. 354p.
CLÁUDIO, D. M.. et all. Cálculo numérico computacional: teoria e prática. São Paulo:
Atlas,2000. 464p.
ROQUE, W.L. Introdução ao cálculo numérico: um texto integrado com DERIVE. São
Paulo: Atlas, 2000. 252p.
RUGGIERO, M.A.G. et all. Cálculo Numérico: aspectos teóricos e computacionais.

São Paulo:Makron Books, 1996. 406p.
DIEGUEZ, J. P. P. Métodos numéricos computacionais para a engenharia. Rio de

Janeiro: Interciência, 1992. Vol.1. 301p


CN - Notas de Aula 2015-1

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CN - Notas de Aula 2015-1

Enviado por

Direitos autorais:

Formatos disponíveis

Cálculo Numérico

Notas de Aulas Teóricas

Profa. Ma. Cristian Mara Mazzini Medeiros Patrício

Graduação: Curso Superior de Tecnologia Elétrica – Modalidade

Graduação: Engenharia Elétrica / Universidade para o Desenvolvimento do

Mestrado: Engenharia Elétrica / Universidade Federal de Mato Grosso do Sul

1.1. Cálculo Numérico Computacional ........................................................................ 8

1.2. Cálculo Numérico e a Matemática ....................................................................... 8

1.3. Algoritmos Numéricos .......................................................................................... 8

1.4. Exemplos de Algoritmos Numéricos .................................................................... 9

1.4.1. Soma e média aritmética de N valores ............................................................. 9

1.4.2. Seleção da pessoa ideal ................................................................................ 10

1.5. Resolução de Problemas Numéricos ................................................................. 10

1.6. Programação Básica ......................................................................................... 11

1.7. Exercícios .......................................................................................................... 15

Capítulo 2. Raízes de Equações .......................................................................... 17

2.1. Introdução ......................................................................................................... 17

2.2. Localização de Raízes ....................................................................................... 18

2.2.1. Valor numérico de f(x) .................................................................................... 18

2.2.2. Como saber se uma raiz é simples ou dupla? ................................................ 18

2.4. Exercícios .......................................................................................................... 23

Capítulo 3. Raízes de Equações – Métodos De Um Ponto................................. 24

3.1. Introdução ......................................................................................................... 24

3.2. Método de Aproximações Sucessivas ............................................................... 24

3.2.1. “xi” está convergindo? .................................................................................... 25

3.2.2. “g(x)” dará convergência? .............................................................................. 25

3.2.3. Algoritmo de Aproximações Sucessivas ......................................................... 26

3.2.4. Exercício ........................................................................................................ 26

3.3.1. Algoritmo de Newton-Raphson....................................................................... 30

3.3.2. Exercícios ...................................................................................................... 30

Capítulo 4. Raízes de Equações – Métodos De Dois Pontos............................. 32

4.1. Introdução ......................................................................................................... 32

4.2. Método da Bisseção .......................................................................................... 32

4.2.1. Algoritmo da Bisseção ................................................................................... 34

4.2.2. Exercícios ...................................................................................................... 35

4.3. Método da Falsa Posição ou “Regula Falsi” ...................................................... 35

4.3.1. Algoritmo da Falsa Posição ............................................................................ 37

4.3.2. Exercício ........................................................................................................ 38

Capítulo 5. Raízes de Equações – Métodos de Múltiplos Passos ..................... 39

5.1. Introdução ......................................................................................................... 39

5.2. Método das Secantes ........................................................................................ 39

5.2.1. Método de iteração ........................................................................................ 40

5.2.2. Critério de parada .......................................................................................... 40

5.2.3. Algoritmo do Método das Secantes. ............................................................... 40

5.2.4. Exercício ........................................................................................................ 42

Capítulo 6. Matrizes .............................................................................................. 43

6.1. Introdução ......................................................................................................... 43

6.2. Matrizes – Propriedades Fundamentais............................................................. 43

6.3. Tipos de Matrizes .............................................................................................. 43

6.3.1. Exemplos ....................................................................................................... 44

6.3.2. Algumas matrizes quadradas especiais: ........................................................ 44

6.4. Operações com Matrizes ................................................................................... 46

6.4.1. Soma algébrica das matrizes ......................................................................... 46

6.4.3. Produto de duas matrizes .............................................................................. 47

6.4.4. Transposta de uma matriz .............................................................................. 47

6.5. Matriz singular ................................................................................................... 48

6.6. Matriz inversa .................................................................................................... 48

6.7. Cálculo de Determinantes – Eliminação de Gauss ............................................ 49

6.7.1. Pivoteamento prévio ...................................................................................... 51

6.7.2. Pivoteamento durante o processo .................................................................. 52

6.8. Algoritmo da Eliminação de Gauss para Cálculo do Determinante .................... 54

6.8.1. Algoritmo do Determinante de A .................................................................... 54

6.8.2. Algoritmo do Pivoteamento ............................................................................ 55

6.9. Exercícios .......................................................................................................... 55