Lista de Calc Num 1

Universidade de São Paulo
Instituto de Física
Lista I e II de:
Cálculo Numérico
Felipe Adrian Barbosa da Silva

Prof. ministrante: Eduardo Colli
4 de dezembro de 2023
Conteúdo
1 Exercício 1 1
1.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Método de Euler explícito . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Método de Euler implícito . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3 Método dos Trapézios explícito . . . . . . . . . . . . . . . . . . . . 4
1.1.4 Método de Taylor de ordem 2 . . . . . . . . . . . . . . . . . . . . . 6
1.1.5 Runge-Kutta de ordem 4 . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Exercício 2 9
2.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.1 Método de Euler explícito . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.2 Método de Trapézios explícito . . . . . . . . . . . . . . . . . . . . . 12
3 Exercício 8 15
3.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Exercício 9 16
4.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5 Exercício 21 18
5.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6 Exercício 30 22
6.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
7 Exercício 45 26
7.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
8 Exercício 49 28
8.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
9 Exercício 55 30
9.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
10 Exercício 58 32
10.1 Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
i
Todo o comando como também gráficos se encontram em Link do Colab - Lista I de
Calc. Num.
1 Exercício 1
Considere a equação diferencial
x′ = x2 − x sin(t) (1)
com a condição inicial x(0) = 1. Para cada método, obtenha uma aproximação da solução
no intervalo [0, 0.6] com passo h = 0.1
1. Método de Euler explicito

2. Método de Euler implícito
3. Método dos Trapézios explícito
4. Método de Taylor de ordem 2
5. Runge-Kutta de ordem 4
1.1 Resolução
1.1.1 Método de Euler explícito
O método de Euler explícito é dado por
xn = xn−1 + h · f (tn−1 , xn−1 ) (2)
Onde
tn = n ∗ h (3)
Será feito um cálculo exemplo para demonstrar como é feito e, à posteriori, omitir-se-à
as contas colocando-se apenas os resultados numéricos. Sendo
f (t, x) = x2 − x · sin(t)
. Para x1 , com x0 = 1:
x1 = x0 + h · f (t0 , x0 )
x1 = 1 + 0.1 · ((1)2 − (1) · sin(0)) = 1.1
Os demais cálculo são feitos computacionalmente , admitindo 3 algarismos significati-

vos.
A saber, o código usado fora:
''' pacotes usados '''

import numpy as np
import matplotlib . pyplot as plt
1
''' Metodo de Euler explicito para n =6 e t =[0 ,0.6] , tal que
h =( T [1] - T [0]) /6 = 0.1. De forma que temos que calcular 6 pontos '''
t = np . linspace (0 ,0.6 ,7)
x = np . asarray ([0.0] * len ( t ) )
x_0 = 1
x [0] = x_0
h = 0.1
''' A f u n o f (t , x ) = x ^2 - x sin ( t ) '''
def f (t , x ) :
func = x **2 - x * np . sin ( t )
return func
k = 1
while k < len ( t ) :
x [ k ] = x [k -1] + h * f ( t [k -1] , x [k -1])
k += 1
''' para a mudanca de numeros significativos '''
x_3sig = []
for i in range ( len ( x ) ) :
aux = round ( x [ i ] ,2)
x_3sig . append ( aux )
e os valores resultantes via Cálculo do Python fora:
Tabela 1: Exercício 1: Método de Euler explícito - Python
Número tn xn
0 0.1 1.0
1 0.1 1.10
2 0.2 1.21
3 0.3 1.33
4 0.4 1.47
5 0.5 1.63
6 0.5 1.82
A saber esses valores são ligeiramente diferente se avaliar por outra calculadoras além
do Python, seja por exemplo o Desmos
Note que há diferenças sutis quando se compara ambas as calculadoras.
1.1.2 Método de Euler implícito

O método de Euler implícito é dado por
xn = xn−1 + h · f (tn , xn ) (4)

e similarmente
tn = h ∗ n (5)
2
Tabela 2: Exercício 1: Método de Euler explícito - Desmos
Número tn xn
0 0.1 1.00
1 0.1 1.10
2 0.2 1.21
3 0.3 1.33
4 0.4 1.47
5 0.5 1.63
6 0.5 1.81
utilizando a equação (4)
x2n − xn sin(tn )

xn = xn−1 + h ·
xn−1 + hx2n − hxn sin(tn ) − xn = 0
hx2n − xn (h sin(tn ) + 1) + xn−1 = 0
q
h sin(tn ) + 1 ± ( h sin(tn ) + 1)2 − 4hxn−1
xn =
2h
como x(0) > 1 é normal que se assuma que um tempo posterior seja maior que 0, mas
neste caso, se o sinal for positivo a função "explode"para x2 , tomando o sinal negativo a
função é comportada de forma que:
q
h sin(tn ) + 1 − ( h sin(tn ) + 1)2 − 4hxn−1
xn = (6)
2h
O calculo exemplo, para t1 = h e considerando 3 números significativos
q
h sin(t1 ) + 1 − ( h sin(t1 ) + 1)2 − 4hx0
x1 = =
2h
q
(0.1) sin(0.1) + 1 − ( (0.1) sin(0.1) + 1)2 − 4(0.1) · 1
= = 1.10
2(0.1)
Esclarecido o erro sutil numérico quando se comparam duas calculadoras diferentes,

usar-se-à o python, pela praticidade.
3
import numpy as np
''' Metodo de Euler implicito para n =6 e t =[0 ,0.6] , tal que

t2 = np . linspace (0 ,0.6 ,7)

x2 = np . asarray ([0.0] * len ( t2 ))
x_0 = 1
x2 [0] = x_0
h = 0.1
''' a formula ja fora introduzida no pdf , a saber '''
def f2 (t , x ) :
global h
func = ( h * np . sin ( t ) + 1 - np . sqrt (( h * np . sin ( t ) + 1) **2 - 4 * x * h ) )
/ (2 * h )
return func
k = 1
while k < len ( t2 ) :
x2 [ k ] = f2 ( t [ k ] , x2 [k -1])
k += 1
x2_3sig = []
for i in range ( len ( x2 ) ) :
aux = round ( x2 [ i ] ,2)
x2_3sig . append ( aux )

Tabela 3: Exercício 1: Método de Euler implícito - Python
Número tn xn
0 0.1 1.00
1 0.1 1.10
2 0.2 1.24
3 0.3 1.40
4 0.4 1.59
5 0.5 1.83
6 0.5 2.19
1.1.3 Método dos Trapézios explícito

O método geral dos trapézios é dado por:

1
xn = xn−1 + h ( f (tn , xn ) + f (tn−1 , xn−1 )) (7)
2
4
Aplicando a função, tem-se que:
h
x2n−1 − xn−1 sin(tn−1 ) + x2n − xn sin(tn )

xn = xn−1 +
2
aplicando método de trapézios explícito, quando
xn ≈ xn−1 + hf (tn−1 , xn−1 ) → xn = xn−1 − h((xn−1 )2 − xn−1 sin(tn−1 )) (8)
de forma que
h
xn = xn−1 + (x2n−1 − xn−1 sin(tn−1 ) + (xn−1 + h((xn−1 )2 − xn−1 sin(tn−1 )))2 +
2
+ xn−1 − h((xn−1 )2 − xn−1 sin(tn−1 )) sin(tn ))

Para o cálculo exemplo:
h
x20 − x0 sin(t0 ) + (x0 + h(x20 − x0 sin(t0 )))2 − (x0 + h(x20 − x0 sin(t0 ))) sin(t1 )

x1 = x0 +
2
x1 = 1.11
e o código usado fora:

import numpy as np
''' M t o d o dos trapezios explicito para n =6 e t =[0 ,0.6] , tal que

t3 = np . linspace (0 ,0.6 ,7)

x3 = np . asarray ([0.0] * len ( t3 ))
x_0 = 1
x3 [0] = x_0
h = 0.1
def f3 (t , x ) :
func = x **2 - x * np . sin ( t )
return func
def f_intermed (t , x ) :
global h
func = x + h *( x **2 - x * np . sin ( t ) )
return func
k = 1
x3 [ k ] = x3 [k -1] + ( h /2) *( f3 ( t3 [k -1] , x3 [k -1]) +
( f_intermed ( t3 [k -1] , x3 [k -1]) ) **2 -
( f_intermed ( t3 [k -1] , x3 [k -1]) ) * np . sin ( t3 [k -1] + h ) )
5
k += 1
x3_3sig = []
aux = round ( x3 [ i ] ,2)
Tabela 4: Exercício 1: Método dos trapézios explícito - Python
Número tn xn
0 0.1 1.00
1 0.1 1.11
2 0.2 1.22
3 0.3 1.36
4 0.4 1.51
5 0.5 1.70
6 0.5 1.93
1.1.4 Método de Taylor de ordem 2

O método de Taylor de ordem 2 é dado por

h
xn+1 = xn + h f (tn , xn ) + ( ft (tn , xn ) + fx (tn , xn ) · f (tn , xn )) (9)
2
da equação (1), tem-se que:
ft = −x cos(t) (10)
fx = 2x − sin(t) (11)
das equações (10, 11), aplicada em (9), tem-se:

2 h
(x2n

xn+1 = xn +h ((xn ) − xn sin(tn )) + (−xn cos(tn )) + (2xn − sin(tn )) · − xn sin(tn ))
2
(12)
como calculo exemplo:

2 h
(x20

x1 = x0 + h ((x0 ) − x0 sin(t0 )) + (−x0 cos(t0 )) + (2x0 − sin(t0 )) · − x0 sin(t0 ))
2
6

2 (0.1) 2

x1 = 1+h (1 − 1 sin(0)) + (−1 cos(0)) + (2(1) − sin(0)) · (1 − 1 sin(0)) = 1.11
2
e o código usado fora:

import numpy as np
''' M t o d o da s r i e de Taylor para n =6 e t =[0 ,0.6] , tal que

t4 = np . linspace (0 ,0.6 ,7)

x4 = np . asarray ([0.0] * len ( t4 ))
x_0 = 1
x4 [0] = x_0
h = 0.1
''' as equacoes f , df / dx e df / dt sao , respectivamente : '''
def f4 (t , x ) :
func_normal = x **2 - x * np . sin ( t )
func_derx = 2* x - np . sin ( t )
func_dert = -x * np . cos ( t )
return func_normal , func_derx , func_dert
k = 1
x4 [ k ] = x4 [k -1] + h *( f4 ( t4 [k -1] , x4 [k -1]) [0] +
( h /2) *( f4 ( t4 [k -1] , x4 [k -1]) [2] +
( f4 ( t4 [k -1] , x4 [k -1]) [1]) *( f4 ( t4 [k -1] , x4 [k -1]) [0]) ) )
k += 1
''' para a m u d a n a de n m e r o s significativos '''
x4_3sig = []
aux = round ( x4 [ i ] ,2)
7
Tabela 5: Exercício 1: Série de Taylor de ordem 2 - Python
Número tn xn
0 0.1 1.00
1 0.1 1.10
2 0.2 1.22
3 0.3 1.36
4 0.4 1.51
5 0.5 1.69
6 0.5 1.92
1.1.5 Runge-Kutta de ordem 4

Há diversas escolhas de parâmetros para o método de Runge-Kutta de ordem 4, a mais
famosa entre elas é o Runge-Kutta de quarta ordem (1/6). A saber:


 xn = xn−1 + h6 ( k1 + 2k2 + 2k3 + k4 )

 k1 = f (tn−1 , xn−1 )


k2 = f (n−1 + h2 , xn−1 + h2 k1 ) (13)
k3 = f (tn−1 + h2 , xn−1 + h2 k2 )





k4 = f (tn−1 + h, xn−1 + hk3 )

Para o cálculo exemplo:


 k1 = f (tn−1 , xn−1 ) = 12 − sin(0) = 1
 2
(0.1)
h h
1 + (0.1) sin( (0.1)

 k
 2

 = f (tn−1 + 2
, xn−1 + k
2 1
) = 1+ 2
− 2 2
) = 1.10
2
 k3 = f (tn−1 + h2 , xn−1 + h2 k2 ) = 1 + (0.1)·(1.10)
2
− 1 + (0.1)·(1.10)
2
sin( (0.1)
2
) = 1.10

k4 = f (tn−1 + h, xn−1 + hk3 ) = ( 1 + (0.1) · (1.10))2 − ( 1 + (0.1) · (1.10)) sin((0.1)) = 1.12




x1 = x0 + h6 ( k1 + 2k2 + 2k3 + k4 ) = 1 + (0.1)

( 1 + 2 · (1.10) + 2 · (1.10) + 1.12) = 1.11

2
a saber, o código usado fora

import numpy as np
''' Metodo RK4 (1/6) para n =6 e t =[0 ,0.6] , tal que h =( T [1] - T [0]) /6 = 0.1.
De forma que temos que calcular 6 pontos '''
t5 = np . linspace (0 ,0.6 ,7)

x5 = np . asarray ([0.0] * len ( t5 ))
x_0 = 1
x5 [0] = x_0
h = 0.1
8
def f5 (t , x ) :
func = x **2 - x * np . sin ( t )
return func
k = 1
k1 = f5 ( t5 [k -1] , x5 [k -1])
k2 = f5 ( t5 [k -1] + ( h /2) , x5 [k -1] + ( h /2) * k1 )
k3 = f5 ( t5 [k -1] + ( h /2) , x5 [k -1] + ( h /2) * k2 )
k4 = f5 ( t5 [k -1] + h , x5 [k -1] + h * k3 )
x5 [ k ] = x5 [k -1] + ( h /6) *( k1 + 2* k2 + 2* k3 + k4 )
k += 1
x5_3sig = []
aux = round ( x5 [ i ] ,2)
Tabela 6: Exercício 1: Runge-Kutta de quarta ordem (1/6) - Python
Número tn xn
0 0.1 1.00
1 0.1 1.11
2 0.2 1.22
3 0.3 1.36
4 0.4 1.51
5 0.5 1.70
6 0.5 1.94
2 Exercício 2
Considere o sistema de equações diferenciais
(
ẋ = x2 + y
1
ẏ = 1+x
Se x(0) = −0.5 e y(0) = 0.2, estime t > 0 necessário para que a solução (x(t), y(t)) cruze
o eixo y, usando passo h = 0.1
1. Método de Euler explícito
2. Método de Trapézios explícito
9
2.1 Resolução
2.1.1 Método de Euler explícito
Para o método de Euler explícito para um sistema 2 × 2 é feito via matricialmente
por:
u = (x, y), uk = (xk , y k ), F = (f1 (x, y), f2 (x, y)) (14)
" #
k+1 k 2
k
x x (x ) + y
= k +h 1 (15)
y k+1 y 1+xk
concluí-se que:
( 2
xn+1 = xn + h(x
n + yn )
1 (16)
yn+1 = yn + h 1+xn
o cálculo exemplo:
x1 = x0 + h(x20 + y0 ) = (−0.5) + 0.1((−0.5)2 + 0.2) = −0.455

1 1
y1 = y0 + h = 0.2 + 0.1 = 0.400
1 + x0 1 + (−0.5)
A saber o código usado fora:
import numpy as np
from IPython . display import display , HTML
''' o metodo de euler explcito para um sistema de n e q u a es dado da

forma convencional , a d i f e r e n a e ' que retorna um vetor , e na 'o um
ponto . Sendo assim : '''
t6 = np . linspace (0 ,10 ,101)

x6 = np . asarray ([0.0]* len ( t6 ) )
y6 = np . asarray ([0.0] * len ( t6 ) )
h = 0.1
x_0 = -0.5
y_0 = 0.2
x6 [0] = x_0
y6 [0] = y_0
''' fx funcao de x ', e fy de y ' '''
def f_2a (t ,x , y ) :
fx = x **2 + y
fy = 1/(1+ x )
return fx , fy
10
k = 1
y6 [ k ] = y6 [k -1] + h * f_2a ( t6 [k -1] , x6 [k -1] , y6 [k -1]) [1]
x6 [ k ] = x6 [k -1] + h * f_2a ( t6 [k -1] , x6 [k -1] , y6 [k -1]) [0]
k += 1
# As tres listas separadas

tempos = t6 # Substitua pelos valores reais
x_valores = x6 # Substitua pelos valores reais
y_valores = y6 # Substitua pelos valores reais
# Criando uma lista de dicionarios para os dados

dados = []
for tempo , x , y in zip ( tempos , x_valores , y_valores ) :
linha = { " Tempo " : tempo , " x( t ) " : x , " y ( t ) " : y }
dados . append ( linha )
# Construindo a tabela HTML

table_content = " < table > < tr > < th > Tempo </ th > < th > x ( t ) </ th > < th > y ( t ) </ th > </ tr > "
for linha in dados :
table_content += (
f " <tr > < td >{ linha [ ' Tempo ']} </ td > < td >{ linha [' x ( t ) ']} </ td > < td >{ linha [' y ( t ) ']} </ td > <
)
table_content += " </ table > "
# Exibindo a tabela usando a funcao display ()

display ( HTML ( table_content ) )
que gera a tabela em forma de display:
Figura 1: Tabela de resultados - exercício 2 - item a)
11
constata-se que u = (x(t), y(t)) cruza o eixo y quando
0.6 < t < 0.7
Não consigo imaginar uma maneira de resolver essa situação sem que seja calculando
x1 , y1 , x2 , y2 , . . . até achar.
2.1.2 Método de Trapézios explícito

Realizando o exercício na forma matricial, onde
1 1
u = (xk , y k ), uk+1 = (xk+1 , y k+1 ), f k+1 = ((xk+1 )2 +y k+1 , ), f k = ((xk )2 +y k , )
1 + xk+1 1 + xk
(17)
de forma que na forma dos trapézios fica:

k+1 k 1 k 1 k+1
u =u +h f + f
2 2
" ! !#
k+1 k 2 k k+1 2 k+1
k
x x 1 (x ) + y 1 (x ) +y
= +h 1 + 1
y k+1 y k
2 1+xk 2 1+xk+1
de forma que:
(
xk+1 = xk + h2 (xk )2 + y k + (x k+1 2 k+1

) +y (18)
1
y k+1 = y k + h2 1+x 1
k + 1+xk+1
Aplicando o método de trapézios explícito quando
xk+1 ≈ xk + h · f (t, xk , y k ) (19)
y k+1 ≈ y k + h · f (t, xk , y k ) (20)

de forma que (18) fica:

k+1 k h k 2 k k k 2 2 k 1

 x = x + 2
(x ) + y + (x + h · ((x ) + y)) + y + h · 1+xk
(21)

 y k+1 = y k + h2 1+x
 1
k +
1
1+( xk +h·((xk )2 +y k ))
como cálculo exemplo:

 x1 = x0 + h x20 + y0 + ( x0 + h(x20 + y0 ))2 + y0 + h 1
= −0.447
2 1+x0
(22)
 y1 = y0 + h 1 1
2 1+x0
+ 1+( x0 +h·((x0 )2 +y0 )) = 0.392
E para esse programa, o código usado fora:
12
import numpy as np
from IPython . display import display , HTML
''' Metodo dos trapezios explicito para n =6 e t =[0 ,0.6] , tal que
t7 = np . linspace (0 , 10 , 101) # Corrigindo o intervalo de tempo

x7 = np . zeros ( len ( t7 ) )
y7 = np . zeros ( len ( t7 ) )
h7 = 0.1
x7 [0] = -0.5
y7 [0] = 0.2
def intermed (x , y ) :
global h7
func = h7 / (2 * (1 + ( x + h7 * ( x **2 + y ) ) ) )
return func
def f7x (x , y ) :
global h7
func = x + ( h7 / 2) * ( x **2 + y + ( x + h7 * ( x **2 + y ) ) **2 + y + ( h7 /
(1 + y ) ) )
return func
def f7y (x , y):

global h7
func = y + ( h7 / 2) * (1 / (1 + x ) )
return func
k = 1
x7 [ k ] = f7x ( x7 [ k - 1] , y7 [ k - 1])
y7 [ k ] = f7y ( x7 [ k - 1] , y7 [ k - 1]) + intermed ( x7 [ k - 1] , y7 [ k - 1])
k += 1
# As tres listas separadas

tempos_n = t7
x_valores_n = x7
y_valores_n = y7
# Criando uma lista de d i c i o n r i o s para os dados

dados = []
for tempo , x , y in zip ( tempos_n , x_valores_n , y_valores_n ) :
linha = { " Tempo " : tempo , " x( t ) " : x , " y ( t ) " : y }
dados . append ( linha )
# Construindo a tabela HTML

table_content = " < table > < tr > < th > Tempo </ th > < th > x ( t ) </ th > < th > y ( t ) </ th > </ tr > "
for linha in dados :
table_content += (
f " <tr > < td >{ linha [ ' Tempo ']} </ td > < td >{ linha [' x ( t ) ']} </ td > < td >{ linha [' y ( t ) ']}
</ td > </ tr > "
)
table_content += " </ table > "
13
# Exibindo a tabela usando a f u n o display ()
display ( HTML ( table_content ) )
# Creating figure
fig = plt . figure ( figsize = (10 , 7) )
ax = plt . axes ( projection = " 3 d " )
# Creating plot
ax . scatter3D ( t7 , x7 , y7 , color = " green " )
plt . title ( " simple 3 D scatter plot " )
# show plot
plt . show ()
que gera a tabela em forma de display:
Figura 2: Tabela de resultados - exercício 2 - item b)
onde é possível perceber que cruza o eixo y quando
0.6 < x < 0.7
A resolução doravante, senão por explicação explícita, será toda feita em

maneira manual, excluindo a parte programacional.
14
3 Exercício 8
Resolva o sistema linear a seguir pelo método de eliminação de Gauss com condensação
pivotal e aritmética de ponto flutuante com 2 algarismos significativos:
     
1.00 0.50 0.33 x1 1.0
0.50 0.33 0.25 · x2  = 1.0
0.33 0.25 0.20 x3 1.0
3.1 Resolução
Realizando então o escalonamento da matriz aumentada:
   
1.00 0.50 0.33 1.00 1.00 0.50 0.33 1.00
0.50 0.33 0.25 1.00 L2 = L2 − m21 · L1 = 0 → m21 = 0.50 0.50 0.080 0.085 0.5 
0.33 0.25 0.20 1.00 0.33 0.25 0.20 1.00
(23)
   
1.00 0.50 0.33 1.00 1.00 0.50 0.33 1.00
L3 =L3 −m31 ·L1 =0→m31 =0.33
0.50 0.080 0.085 0.5  −−−−−−−−−−−−−−−−−→ 0.50 0.080 0.085 0.5  (24)
0.33 0.25 0.20 1.00 0.33 0.085 0.091 0.67
   
1.00 0.50 0.33 1.00 1.00 0.50 0.33 1.00
P2 =3
0.50 0.080 0.085 0.5  −
−−→ 0.33 0.085 0.091 0.67 (25)
0.33 0.085 0.091 0.67 0.50 0.080 0.085 0.5
   
1.00 0.50 0.33 1.00 1.00 0.50 0.33 1.00
L3 =L3 −m32 ·L2 =0→m32 =0.94
0.33 0.085 0.091 0.67 −−−−−−−−−−−−−−−−−→ 0.33 0.085 0.091 0.67 
0.50 0.080 0.085 0.5 0.50 0.94 −0.00054 −0.13
(26)
E temos portanto a matriz aumentada escalonada. De forma que o conjunto solução
é:
0.13
x3 · (−0.00054) = −0.13 =⇒ x3 = = 2, 4 · 102 (27)
0.00054
0.67 − 0.091 · x3
0.085 · x2 + 0.091 · x3 = 0.67 =⇒ x2 = = −2, 5 · 102 (28)
0.085
1.00 · x1 + 0.50 · x2 + 0.33 · x3 = 1 → x1 = 1.00 − 0.50 · x2 − 0.33 · x3 = 0, 46 · 102 (29)
15
de forma que:
0, 46 · 102
   
x1
x2  = −2, 5 · 102  (30)
x3 2, 4 · 102
e    
p1 1
p2  = 3 (31)
p3 3
4 Exercício 9
Resolvendo o sistema:
     
1.00 0.50 0.33 x1 1.0
0.50 0.33 0.25 · x2  = 1.0 (32)
0.33 0.25 0.20 x3 1.0
pelo método de eliminação de Gauss com condensação pivotal e aritmética de ponto

flutuante com 3 algarismos significativos obtivemos a matriz triangular a seguir (com os
multiplicadores em suas respectivas posições):
 
1.00 0.50 0.33
0.33 0.085 0.091  (33)
0.50 0.941 −0.0006
o vetor de permutações p1 = 1 e p2 = 3 3 (i.e no primeiro passo não houve troca de
linhas e no segundo passo foram permutadas a segunda e terceira linha) e a solução x =
(41.2, −224, 217) Calcule 1 passo de refinamento desta solução, utilizando as informações
de escalonamento fornecidas.
4.1 Resolução
Primeiro, chamemos o sistema da equação (32) do tipo
AS = b (34)
precisamos calcular o resíduo da solução dada pela aproximação desse sistema. Seja o
resíduo S (0) , sabe-se que uma vez que o resíduo é incerto, se somarmos uma matriz que a
corrija, este valor será "exato", isto é:
S (0) + c(0) = S (35)

A(S (0) + c(0) ) = AS
mas
AS = b
que é a solução exata.
A(S (0) + c(0) ) = b
Ac(0) ) = b − AS (0)
16
por definição
r(0) := b − AS (0) (36)
∴ r(0) = Ac(0) (37)
Então precisamos calcular, antes de tudo, r(0)
−0.01
       
1.0 1.00 0.50 0.33 41.4
r(0) = 1.0 − 0.50 0.33 0.25 · −224 =  −0.03  (38)
1.0 0.33 0.25 0.20 217 −0.062
agora precisamos passar o resíduos da solução S (0) ´para a forma da matriz, assim:
−0.01 −0.01 −0.01 −0.01

       
p1 =1 p2 =3 p3 =3
r(0) =  −0.03  −−−→  −0.03  −−−→ −0.062− −−−→ −0.062− (39)
−0.062 −0.062 −0.03 −0.03
e formulando as colunas
−0.01 −0.01
   
1a coluna
−0.062− − −−−−→ −0.062 − (0.33) · (−0.01) = −0.0587 (40)
−0.03 −0.03 − (0.5) · (−0.01) = −0.025
−0.01 −0.01
   
2a coluna
−0.062 − (0.33) · (−0.01) = −0.0587 − −−−−→  −0.0587 
−0.03 − (0.5) · (−0.01) = −0.025 −0.025 − (0.941) · (−0.0587) = 0.0302
(41)
−0.01
 
∴ r(0) = −0.0587 (42)

0.0302
e então
r(0) = Ac(0)
−0.01
     
1.00 0.50 0.33 c1
−0.0587 = 0.33 0.085 0.091  · c2  (43)
0.0302 0.50 0.941 −0.0006 c3
(−0.0006)
c3 = = −50.3
0.0302
−0.0587 − 0.091 · (−50.3)
0.085 · c2 + 0.091 · c3 = −0.0587 → c2 = = 53.2
0.085
c1 + 0.50 · c2 + 0.33 · c3 = −0.01 → c1 = −0.01 − 0.50 · c2 − 0.33 · c3 = −10
17
−10
   
c1
c(0) = c2  =  53.2  (44)
c3 −50.3
então, pela equação (35). Note que a solução "exata"a ser calculada agora ainda é a
aproximação de um refinamento, de forma que ela ainda não é de certeza ainda a solução
exata, mas um refinamento que chamaremos de S (1)
−10
     
41.4 31.4
S (1) = S (0) + c(0) = −224 +  53.2  = −171 (45)
217 −50.3 167
5 Exercício 21
a) Aproxime ex por a + bx em [0, 1] com pesos uniforme (i.e. ajuste contínuo em [0,1]
com p(x) = 1)
b) Como ficaria o coeficiente de determinação, R2 , no caso contínuo? Obtenha R2 no
ajuste em a)
c) Ajuste agora a + bx + cx2 e obtenha R2 para a função ajustada. Que tal?
5.1 Resolução
a) Queremos minimizar ˆ 1
(a, b) 7→ [ ex − a − bx]2 dx (46)
0
Seja
S = [ ex − a − bx]2 (47)
Os candidatos a ponto de mínimo da função (47) são aqueles para os quais são nulos
as derivadas parciais de S em relação a cada um de seus parâmetros, isto é:
∂S
= −2(ex − a − bx) = 0

∂a
∂S (48)
∂b
= −2x(ex − a − bx) = 0
de forma que temos que:

( ´1 ´1 ´1
a 0 dx + b 0 xdx = 0 ex dx
´1 ´1 ´2 (49)
a 0 xdx + b 0 x2 dx = 0 xex dx
a + 2b = e − 1

a (50)
2
+ 3b = 1
que é equivalente ao sistema:
18

1 1/2 a e−1
· = (51)
1/2 1/3 b 1

a 4 −6 e−1
= · (52)
b −6 12 1

a 4e − 10
∴ = (53)
b 18 − 6e
e a função do tipo g(x) = a + bx então fica:
g(x) = 4e − 10 + (18 − 6e)x (54)
a saber, a comparação delas no intervalo [0, 1] fica
Figura 3: Comparação entre as funções
b) O R2 é definido por:
SSE
R2 = 1 − (55)
SST
onde
ˆ b
1
SSE = (f (x) − g(x))2 dx (56)
b−a a
ˆ b
1
SST = (f (x) − g(x))2 dx (57)
b−a a
19
ˆ b
1
g(x) = g(x)dx (58)
b−a a
Sendo f (x) a função original e g(x) a função a ser modelada

Assim:
ˆ 1
SSE = (ex − (a + bx))2 dx ≈ 0.0040 (59)
0
ˆ 1 2
b
SST = x
e − a+ dx ≈ 0.2420 (60)
0 2
e então
0.0040
2
Rg(x) =1− ≈ 0.9835 = 98.35% (61)
0.2420
c) Agora queremos ajustar a função
g2 (x) = a + bx + c2 (62)
de maneira similar à feita no item a), obtemos o sistema a seguir

 ´1 ´1 ´1 2 ´1 x
 a ´0 dx + b 0´ xdx + c 0 ´x dx = 0 ´e dx

1 1 1 1
a 0 xdx + b 0 x2 dx + c 0 x3 dx = 0 xex dx (63)
´ ´ ´ ´
 a 1 x2 dx + b 1 x3 dx + c 1 x4 dx = 1 x2 ex dx

0 0 0 0
b c

 a+ 2 + 3 =e−1
a
+b+c =1 (64)
 a2 3b 4c
3
+ 4 + 5 =e−2
e−1
     
1 1/2 1/3 a
1/2 1/3 1/4 ·  b  =  1  (65)
1/3 1/4 1/5 c e−2
−36 e−1 39e − 105

       
a 9 30
 b  = −36 192 −180 ·  1  = 588 − 216e (66)
c 30 −180 180 e−2 210e − 570
de forma que a equação (62) fica:
g2 (x) = (39e − 105) + (588 − 216e)x + (210e − 570)x2 (67)
e o gráfico de comparação é:
20
Figura 4: Comparação entre as funções
e para R2 , de maneira análoga às equações (55,56, 57 e 58), obtém-se que:
Rg22 (x) = 0.9999 = 99.99% (68)
concluí-se que um ajuste com grau maior é mais preciso do que com graus menores.
21
6 Exercício 30
Em bioquímica, é bastante conhecida a cinética de Michaelis-Mentem. uma fórmula
que relaciona a taxa de reação enzimática (y) com a concentração do substrato (x), dada
por
β1 x
y(x) = (69)
β2 + x
Dados experimentais dessas duas grandezas foram coletados, gerando o seguinte grá-
fico:
Figura 5: Gráfico dos dados coletados
e a tabela de valores de x e y respectivos é:
Tabela 7: Dados obtidos
x y
1 1.375
2 2.625
3 3.5
4 4.0
5 4.25
a) Pelos valores dados e pelo gráfico, faça uma estimativa heurística dos valores que se
espera para β1 e β2 , a fim de se ter uma referência para os resultados de um ajuste
de MMQ
b) Mostre como você determinaria β1 e β2 usando M M Q linear, mas pare antes de
você precisar saber que pesos vai dar aos dados
22
c) Use pesos (3, 3, 2, 2, 1), respectivamente, e determine β1 e β2 segundo o que você
prescreveu em b), usando 4 algarismos significativos. Compare com os valores heu-
rísticos "obtidos"em a)
6.1 Resolução
a) Plotando os pontos da tabela (9) e fitando os valores de βi e variando βj , sendo
βi ̸= βj ambos β1 e β2 , percebemos que β1 permanece no intervalo [5, 10] e β2 em
[2, 5].
Doravante serão feitos dois métodos de MMQ linear e compararemos seus

resultados
b) Os casos são:
Caso 2) Seja o ajuste agora:
β1 x
y= → yx = β1 x − β2 y (70)
β2 + x
que gera o sistema normal:

β1 ⟨x, x⟩ + β2 ⟨x, −y⟩ = ⟨x, yx⟩
(71)
β1 ⟨−y, x⟩ + β2 ⟨−y, −y⟩ = ⟨−y, yx⟩
Caso 2) O ajuste do modelo de Michaelis-Mentem 1

geralmente é feito com o ajuste de
1
y′ =
y
1
x′ =
x
isto é:
1 β2 + x β2 1 1
= = + (72)
y β1 + x β1 x β1
e então
1 β2 1 1 β2 ′ 1
= + =⇒ y ′ = a′ x′ + b′ a′ = ,b = (73)
y β1 x β1 β1 β1
que gera o sistema normal
a’ ⟨x, x⟩ + b′ ⟨x, 1⟩ = ⟨x, y⟩

(74)
a’ ⟨1, x⟩ + b′ ⟨1, 1⟩ = ⟨1, y⟩
1
Aula de Bioquímica I
23
c) De acordo com a técnica passada no item b)
Caso 1) Então
5
X
⟨−y, −y⟩ = pi yi2 = 100.9
i=1
5
X
⟨x, x⟩ = pi yi2 = 90.00
i=1
5
X
⟨x, −y⟩ = pi yi2 = −94.13
i=1
5
X
⟨x, xy⟩ = pi yi2 = 332.9
i=1
5
X
⟨−y, xy⟩ = pi yi2 = −338.8
i=1
de forma que nosso sistema normal, em (71), com 4 algarismos significativos,

fica

90β1 − 94.13β2 = 332.9 β = 7.681
=⇒ 1 (75)
−94.13β1 + 100.9β2 = −338.8 β2 = 3.807
Caso 2) Da nossa transformação
x y p x’ y’ p’
1 1.375 3 1 0.7273 3
2 2.625 3 0.5 0.3810 3
=⇒
3 3.5 2 0.3333 0.2857 2
4 4.0 2 0.25 0.25 2
5 4.25 1 0.20 0.2353 1
então queremos minimizar
5
X 2
S= p i ( y i − a′ x i − b ′ ) (76)
i=1
os candidatos dos coeficientes são dados no sistema normal da equação (74),

ou seja:
∂S
= −2xi 5i=1 pi ( yi −′ −b′ ) = 0
P
∂a′ (77)
∂S
= −2 5i=1 pi ( yi − a′ xi − b′ ) = 0
P
∂b′
24
a′ 5i=1 pi x2i + b′ 5i=1 pi xi = 5i=1 pi xi yi
P P P
(78)
a′ 5i=1 pi xi + b′ 5i=1 pi = 5i=1 pi yi
P P P
a′ 5i=1 pi x2i + b′ 5i=1 pi xi = 5i=1 pi xi yi

P P P
(79)
a′ 5i=1 pi xi + b′ 5i=1 pi = 5i=1 pi yi
P P P
e então
5
X
pi x′2
i = 4.297
i=1
5
X
pi x′i = 6.667
i=1
5
X
pi x′i yi′ = 3.304
i=1
5
X
pi = 15
i=1
5
X
pi yi′ = 5.573
i=1
de forma que temos um sistema que pode ser representado por
′
4.297 6.667 a 3.304
· ′ = (80)
6.667 15 b 5.573
desta equação, escalonando temos

4.297 6.667 3.304
(81)
−1.552 4.623 0.445
e logo
b′ = 0.445
4.623
= 0.09626
(82)
′ 3.304−b·(6.667)
a = 4.297
= 0.4935
e de acordo com a equação (73)
1
β1 = b′
= 10.39
(83)
′
β2 = a · β1 = 5.117
25
Como conclusão de ambos os casos, temos o gráfico dos ajustes
Figura 6: Comparação dos casos - função Michaelis-Mentem
E podemos notar que o primeiro ajuste trabalhou de maneira muito melhor.
O método de comparação ficou subjetivo (i.e. não diz se deve ser pelo R2 , outros
métodos ou apenas uma comparação se caiu dentro do esperado). Para o caso
assertivo, caso 1) então, em nossa comparação constata-se que o valor caiu dentro
do esperado com a análise prévia feita no item a)
7 Exercício 45
Seja f (x) = sin(2x) Suponha que, que para cada n, escolhamos n + 1 pontos distintos
x0 , · · · , xn em [0, π] ] e obtenhamos o polinômio interpolador pn = pf [x0 , x1 , · · · , xn ].
Mostre que existe uma sequência de valores bn , tendendo a zero quando n vai a infinito,
tal que |f (x) − pn (x)| ≤ bn , para qualquer x ∈ [0, π] (de fato, os bn’s nem precisam
depender dos pontos escolhidos).
7.1 Resolução
Sabemos que a estimativa do erro de interpolação é dada por
26
Mn+1
|Rn (f ; x)| = |f (x) − pn (x)| ≤ |(x − x0 ) · (x − x1 ) · · · (x − xn )| (84)
(n + 1)!
e podemos fazer
|(x − x0 ) · (x − x1 ) · · · (x − xn )|
|Rn (f ; x)| ≤ max f (n+1) (t) (85)
(n + 1)! (a≤t≤b)
dado que f (x) = sin(2x)
f (x) = sin(2x)
f ′ (x) = 2 cos(2x)
f ′′ (x) = 22 (− sin(2x)) (86)
..
.
f (n+1) (x) = 2n+1 (±(cos(2x)) ∨ (sin(2x)))
de qualquer forma
max f (n+1) (x) = 2n+1 (87)

0≤x≤π
E o termo máximo que poderíamos obter da sequencia |(x − x0 ) · (x − x1 ) · · · (x − xn )|

sendo x, x0 , x1 · · · xn ∈ [0, π] é
max (x − xi ) = π x, xi ∈ [0, π] ∀i = 0, 1, · · · , n (88)
de forma que
2n+1 n+1
|Rn (f ; x)| ≤ π (89)
(n + 1)!
para provarmos que esse erro converge conforma n aumenta, seja
2n+1 n+1
bn = π (90)
(n + 1)!
e
?
lim bn = 0 (91)
n→∞
O teorema do massacre nos diz que há funções que dominam o limite quando crescem
mais rapidamente que outras funções, por exemplo: exponencial cresce mais rapidamente
que logaritmo, de forma que no limite a função exponencial domina, isto é:
log(xn)
lim = 0, x ∈ N+ (92)
n→∞ en
27
No nosso caso, sabemos que a função exponencial cresce mais rapidamente ao infinito
que qualquer exponencial, de forma o fatorial "domina"o limite, isto é
2n+1 n+1
lim π =0 (93)
n→∞ (n + 1)!
e logo bn converge.
Ou, de maneira mais tradicional:
2n 2π n π
bn (n+1)n! 2π
rn = = 2n π n = (94)
bn−1 n!
n+1
e como
lim rn = 0 (95)
n→∞
portanto bn converge
8 Exercício 49
Seja f uma função pelo menos 3 vezes diferenciável, em que f ′′′ tem um máximo em
[1, 1] (para poder usar a fórmula de erro de interpolação de grau 2). Com tal hipótese,
para cada h ∈ (0, 1), é possível estimar a diferença entre f e pf [h, 0, h] usando a fórmula
de erro da interpolação polinomial.
a) Mostre que existe uma constante c > 0 tal que
|f (x) − pf [−h, 0, h](x)| ≤ ch3 , ∀x ∈ [−h, h] (96)
b) Agora considere a função
x2 x ∈ [−h, 0]

f (x) = (97)
2x2 x ∈ [0, h]
i) Use a tabela das diferenças para calcular pf [−h, 0, h](x)
ii) Calcule explicitamente

h h
f − pf [−h, 0, h]
2 2
iii) O resultado é coerente ou contraditório com o item (a)? Explique
28
8.1 Resolução
a) Da fórmula do erro, sabemos que
|(x − x0 ) · (x − x1 ) · · · (x − xn )|
|f (x) − pn | ≤ max f (n+1) (t) (98)
(n + 1)! (a≤t≤b)
Calculando do lado direito da expressão, vemos que
max (x − h) (x − 0) (x + h) = 4h3 x ∈ [−h, h] (99)

| {z } | {z } | {z }
2h h 2h
f ′′′ (x) = f n+1 (x) =⇒ n = 2 (100)
de forma que
|(x − x0 ) · (x − x1 ) · · · (x − xn )| 4h3
|f (x) − pn | ≤ max f (n+1) (x) = max f ′′′ (x)
(n + 1)! (−h≤x≤h) 3! (−h≤x≤h)
(101)
Sabemos que max−h≤x≤h f ′′′ (x) é uma constante. Seja
4
c= max f ′′′ (x) (102)
3! (−h≤x≤h)
e logo
|f (x) − pn | ≤ ch3 (c.q.d.) (103)
b) i) O polinômio interpolador de pf [−h, 0, h] é

−h f (−h)
f (0)−f (h) 3
0 f (x1 ) h
= −h 2
f (h)−f (0)
h f (h) h
= 2h
de forma que o polinômio fica
3
pf [−h, 0, h] = h2 − h(x + h) + (x + h)x (104)
2
ii) O módulo então fica
h2 h2 3 h2 3 2

h h
f − pf [−h, 0, h] = − h2 + + h2 − − h (105)
2 2 2 2 2 4 4
h2

h h
∴ f − pf [−h, 0, h] = (106)
2 2 8
29
iii) Note que da f (x) o nosso f ′′′ (x) não existe em x = 0, de forma que a função não
existe em todos os pontos e viola a hipótese. O resultado é contraditório!
9 Exercício 55
´6
a) Para obter a precisão de 10−5 na integral 1
arctan xdx usando o método de simpson,
quantas células seriam suficientes?
b) Use 4-Simpson para obter uma estimativa dessa integral. Estime o erro dessa inte-
gração
9.1 Resolução
a) Fazendo as derivadas, temos
d 1
dx
(arctan(x)) 1+x2
d2 −2
dx2
(arctan(x)) (1+x2 )2
d3 −2(1−3x2 )
dx3
(arctan(x)) (1+x2 )3 (107)
d4 24x(1−x2 )
dx4
d4 24(1−10x2 +5x4 )
dx4
Agora lembrando a fórmula do erro
(b − a)5 max1≤x≤6 f (4) (x)

erro ≤ (108)
2880 · n4
o máximo em módulo da quarta derivada de f (x) é
max f (4) (x) =⇒ f 5 (x) = 0 (109)

1≤x≤6
5x4 − 10x2 + 1 = 0 (110)
√
x = ± k =⇒ 5k 2 − 10k + 1 = 0 (111)
(
k+ k = 1 + √2
5
(112)
k− k = 1 − √2
5
Como k+ > k−
s
√ 2
x = ± k =⇒ x = 1+ √ (113)
5
q
note que k = − 1 + √2
5
não pertence ao intervalo 1 ≤ x ≤ 6
30
q
então o ponto que maximiza a max f (4)
é x= 1+ √2
5
assim
q q
√2 − √2 √2
s
24( 1 + 1+ 1+
!
2 5 5 5
f (4) 1+ √ = ≈ 0.421 (114)
5 (1 + 1 + √2 )4
5
Retornando à equação (108) agora fazendo os valores pedidos
(6 − 1)5 (0.421)
10−5 ≤ (115)
2880n4
1/4
(6 − 1)5 (0.421)

n≤ ≈ 14.6 (116)
2880 · 10−5
então n ≥ 15 já é suficiente.
b) Usando o método de 4-simpson, temos que o passo é dado por
(b − a
S4 = ( f (x0 ) + 4f (m1 ) + 2f (x1 ) + 4f (m2 ) + 2f (x3 ) + 4f (m3 ) + f (x4 ))
6n
(117)
6−1
h= = 1.25 (118)
4
xi f (xi )
x0 = 1 0.785
x1 = 2.25 1.15
x2 = 3.5 1.30
x3 = 4.75 1.36
x4 = 6 1.41
mi f (mi )
m1 = 1.625 1.02
m2 = 2.875 1.24
m3 = 4.125 1.33
m4 = 5.3755 1.39
tal que
31
S4 ≈ 6.1893 (119)
e o valor da integral de forma convencional
ˆ 6 6
1
I= arctan(x)dx = x arctan(x) − ln 1 + x2 ≈ 6.1896 (120)
1 2 1
o e o erro da integral é
error = |I − Sn | = 0.00046908 (121)
10 Exercício 58
A função ϕ(t) é solução do problema da cauchy
x′ = f (t, x)

(122)
x(t0 ) = x0
se, e somente se:
ˆ t
ϕ(t) = x0 + f (s, ϕ(s))ds (123)
t0
a) Aplique o Método dos Trapézios com 1 repetição no intervalo [t0 , t0 + h] para obter
uma fórmula de aproximação para ϕ(t0 + h). Esse é um dos métodos de integração
numérica de EDO’s
b) Tente fazer o mesmo com Simpson. Perceba que isso leva a um método de passo
duplo.
10.1 Resolução
a) o método de trapézios é dada por
ˆ b
h b−a
f (x)dx ≈ [ f (a) + f (b)] h= (124)
a 2 n
onde n é o número de subdivisões entre a e b.

Então da equação (123), temos que
ˆ t
t − t0
f (s, ϕ(s))ds = [ f (t, ϕ(t)) + f (t0 , ϕ(t0 ))] (125)
t0 2
de tal forma que
32
t − t0
ϕ(t) = x0 + [ f (t, ϕ(t)) + f (t0 , ϕ(t0 ))] (126)
2
e então
h
ϕ(t0 + h) = x0 + [ f (t0 + h, ϕ(t0 + h)) + f (t0 , ϕ(t0 ))] (127)
4
b) Para o método de Simpson
ˆ b
h t − t0 t − t0 b−a
f (x)dx ≈ f (t0 , ϕ(t0 )) + 4f ,ϕ + f (t, ϕ(t)) h=
a 6 2 2 n
(128)
de forma que

t − t0 t − t0 t − t0
ϕ(t) = x0 + f (t0 , ϕ(t0 )) + 4f ,ϕ + f (t, ϕ(t))
6 2 2
(129)
e

h h h
ϕ(t0 + h) = x0 + f (t0 , ϕ(t0 )) + 4f ,ϕ + f (t0 + h, ϕ(t0 + h))
6 2 2
(130)
e é um método de passo duplo, pois temos uma parte andada até f (t0 ) e outra até
f (t0 + h)
33

Lista de Calc Num 1

Enviado por

Dados do documento

Título original

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

Lista de Calc Num 1

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade de São Paulo

Felipe Adrian Barbosa da Silva

1. Método de Euler explicito

xn = xn−1 + h · f (tn−1 , xn−1 ) (2)

Os demais cálculo são feitos computacionalmente , admitindo 3 algarismos significati-

''' pacotes usados '''

''' A f u n o f (t , x ) = x ^2 - x sin ( t ) '''

''' para a mudanca de numeros significativos '''

e os valores resultantes via Cálculo do Python fora:

Tabela 1: Exercício 1: Método de Euler explícito - Python

1.1.2 Método de Euler implícito

xn = xn−1 + h · f (tn , xn ) (4)

utilizando a equação (4)

xn−1 + hx2n − hxn sin(tn ) − xn = 0

hx2n − xn (h sin(tn ) + 1) + xn−1 = 0

Esclarecido o erro sutil numérico quando se comparam duas calculadoras diferentes,

''' Metodo de Euler implicito para n =6 e t =[0 ,0.6] , tal que

t2 = np . linspace (0 ,0.6 ,7)

''' a formula ja fora introduzida no pdf , a saber '''

''' para a mudanca de numeros significativos '''

e os valores resultantes via Cálculo do Python fora:

1.1.3 Método dos Trapézios explícito

xn ≈ xn−1 + hf (tn−1 , xn−1 ) → xn = xn−1 − h((xn−1 )2 − xn−1 sin(tn−1 )) (8)

Para o cálculo exemplo:

e o código usado fora:

''' pacotes usados '''

''' M t o d o dos trapezios explicito para n =6 e t =[0 ,0.6] , tal que

t3 = np . linspace (0 ,0.6 ,7)

e os valores resultantes via Cálculo do Python fora:

Tabela 4: Exercício 1: Método dos trapézios explícito - Python

1.1.4 Método de Taylor de ordem 2

da equação (1), tem-se que:

das equações (10, 11), aplicada em (9), tem-se:

e o código usado fora:

''' pacotes usados '''

''' M t o d o da s r i e de Taylor para n =6 e t =[0 ,0.6] , tal que

t4 = np . linspace (0 ,0.6 ,7)

''' as equacoes f , df / dx e df / dt sao , respectivamente : '''

''' para a m u d a n a de n m e r o s significativos '''

Tabela 5: Exercício 1: Série de Taylor de ordem 2 - Python

1.1.5 Runge-Kutta de ordem 4

Para o cálculo exemplo:

a saber, o código usado fora

''' pacotes usados '''

t5 = np . linspace (0 ,0.6 ,7)

''' para a mudanca de numeros significativos '''

e os valores resultantes via Cálculo do Python fora:

Tabela 6: Exercício 1: Runge-Kutta de quarta ordem (1/6) - Python

u = (x, y), uk = (xk , y k ), F = (f1 (x, y), f2 (x, y)) (14)

x1 = x0 + h(x20 + y0 ) = (−0.5) + 0.1((−0.5)2 + 0.2) = −0.455

A saber o código usado fora:

''' o metodo de euler explcito para um sistema de n e q u a es dado da

t6 = np . linspace (0 ,10 ,101)

''' fx funcao de x ', e fy de y ' '''

# As tres listas separadas

# Criando uma lista de dicionarios para os dados

# Construindo a tabela HTML

# Exibindo a tabela usando a funcao display ()

que gera a tabela em forma de display:

Figura 1: Tabela de resultados - exercício 2 - item a)

0.6 < t < 0.7

2.1.2 Método de Trapézios explícito

Aplicando o método de trapézios explícito quando